作者|周雅
配图|扈佃杰
多年前,特斯拉曾经历了一次产能告急,美国《消费者报告》在评测中毫不客气地指出,Model 3的刹车成绩相当不理想——时速60英里(约97公里)的刹停距离竟然超过46.33米,比福特F150那个大块头还要差!这个故事的结局“特吹们”都知道——一次OTA之后,Model 3的刹车距离缩短了6米,首次跻身《消费者报告》推荐榜,特斯拉也因此避免了一次大规模召回的风险。
OTA的腾空出世,让人们意识到,原来汽车也可以像口袋里的手机一样,升级操作系统,改善旧性能,获得新功能。有了OTA,特斯拉大佬马斯克甚至作出这样的定义:“特斯拉不仅是一家硬件公司,某种程度上也是一家软件公司”。
也就是说,如今每一辆智能网联汽车的软件迭代,背后都少不了OTA升级的功劳。而在这个过程中,一家名叫「艾拉比」的公司迅速成长为OTA产业的开路先锋。
01
/顺势而为,拥抱变化/
回顾百年汽车史,汽车产业的发展经历了从「机械时代」到「电子时代」到如今的「软件定义汽车(Software Defined Vehicles, SDV)时代」。相应的,汽车制造的技术壁垒也由传统三大件+零部件的集成能力,转变为软件服务的能力,而OTA就是其中的支撑性技术。
“基本上所有的新能源车/智能车都要具备OTA能力。”艾拉比副总裁丁羽告诉科技行者。OTA(Over-the-Air Technology),行业内称之为“空中升级”,是一种通过移动通信的空中接口实现对移动终端设备及SIM卡数据进行远程管理的技术。
OTA技术最早应用于PC;后来在智能手机上普及,终结了手机软件升级需要“连接电脑-下载软件-再安装更新”的麻烦操作;直到2012年,特斯拉开创了汽车OTA的先河,OTA也奠定了特斯拉“元老级”的位置。
丁羽指出,整车OTA一直是评价汽车主机厂研发实力和智能科技水平的重要指标。首先,汽车涉及由电子控制单元 (ECU) 控制的多个运动部件,极其复杂,如今一辆汽车多达150个车载控制器和约1亿行软件代码,远高于Facebook、战斗机、人造卫星等高科技产品的代码量;其次,每辆车的生命周期约为6-10年,如果没有OTA,车子的能力就完全跟不上时代;此外,汽车的属性,决定了其在安全性和可靠性方面要求更严格,OTA是重中之重。可以预见,未来3-5年,谁先做好布局OTA,谁就有机会以最快速度抢占风口,吃下一波红利。
当一辆车开始OTA,车主碰到车辆维修和软件更新,就不用辗转4S店或汽车被召回,“隔空”升级汽车;车企也可以“隔空”升级产品或查漏补缺;更关键的是,如果OTA大规模铺开,将会带来一种全新的「车辆增值模式」,比如“订阅付费”(特斯拉曾针对Model 3的动力系统发布价值2000美元的升级包,车主付费升级后,可以增加约50PS的动力输出,0-60英里的加速时间可以升至3.9S)。
OTA主要分为两类,其一是SOTA(Software OTA,本质是软件升级),主要指对信息娱乐应用的更新,包括UI界面、导航地图、游戏等功能;其二是FOTA(Firmware OTA,本质是固件升级),包括驱动、系统、功能、应用等的升级,和OS的关系较密切,需要汽车制造商开发不同的适配兼容版本。OTA的流程,可以分成三个阶段,像“把大象放进冰箱”一样, 第一步,生成更新包;第二步,通过无线通信技术传输更新包;第三步,在车端安装更新包。
能做SOTA的车企有很多,可以说只要在汽车中控台装上大屏,这辆车就能SOTA。但FOTA更深层,往往涉及整车重要的控制器,包括车身、动力和自动驾驶等子系统的更新,难度更大。
当前,能实现FOTA的车企屈指可数,但这项技术,才是智能汽车的用户们「常用常新」的快乐源泉。
02
/交付只是起点,进化没有终点/
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。