今日,国际数据公司IDC发布《中国汽车云市场(2024下半年)跟踪》。报告显示,中国汽车厂商正积极拥抱公有云,在汽车云基础设施市场中,公有云市场规模29.94亿元,其中阿里云市场份额提升至35.7%,连续四年稳居汽车云基础设施(公有云)市场份额第一。

当前,汽车云依然具备强劲的增长潜能,2024年下半年中国汽车云市场规模达到42.99亿,同比增速36%。其中,公有云模式已经成为众多汽车厂商的共同选择,同比增长46%,规模达29.94亿人民币,市场增速最快。智能化进程加速,使得私有云的建设难以满足客户快速创新发展的需求,公有云的发展被持续看好,预计到 2029 年,公有云基础设施在整体基础设施市场中的占比将达到 77%。
在汽车云市场中,阿里云连续4年实现增速和份额的“双增长”。
在车企研发全场景智能辅助驾驶的过程中,AI云基础设施发挥着重要的作用。阿里云已为广汽、比亚迪、吉利、小鹏、地平线、卓驭科技等主机厂和方案商提供全面的技术支撑,从AI云基础设施再到MaaS服务,阿里云提供了完整的全场景智能辅助驾驶技术支撑。
以地平线为例,依托阿里云万卡智算集群,地平线正在训练端到端全场景智能辅助驾驶模型。通过对异常节点的及时排查和对每个训练任务的精细管理,智算集群的整体故障恢复时间大幅降低,推动端到端模型的训练效率加速提升。
在上海车展上,卓驭科技也表示正在基于阿里云打造端到端大模型。阿里云人工智能平台PAI支持多种异构GPU资源池,并通过企业级调度策略,帮助卓驭科技将集群资源利用率提升至95%以上。此外,PAI的分钟级自动自愈能力和秒级训练进度保存机制,也确保了训练任务的高稳定性。
在智能座舱方面,上汽集团智己汽车基于通义千问大模型的车载 IM AIOS,深度融合了阿里先进 AI 技术及丰富的生态资源,将阿里生态服务以 AI Agent 形式落地,打破了传统座舱依赖触屏交互的模式,开创“No Touch & No App”的人车交互新方式,可通过自然语言交互与AI Agent 集群协作,实现所说即所得。
值得一提的是,阿里云与中国一汽在多个领域进行大模型应用的积极探索。在办公领域,中国一汽基于阿里云百炼大模型服务平台,结合大量高质量数据资产,利用Qwen-Plus、QwQ-32B等大模型能力,构建了“多领域意图识别、多智能体协同、全域知识深度检索,大模型推理生成”的企业多智能体协同框架,打造了中国一汽企业AI智能助手——“红旗云妹”,重塑了员工日常办公、业务单元流转和企业经营决策模式。在汽车营销领域,中国一汽采用大小模型结合,赋能营销全环节智能化,构建了从线索筛选、线索运营、智能客服、到店接待、试乘试驾的全链路AI能力,打造行业AI应用创新典范。
阿里云智能集团公共云事业部副总裁,AI汽车行业总经理李强表示:“AI技术与汽车产业的深度结合逐渐成为行业共识,AI的未来不仅属于技术的突破,更属于开放、协作与共享的生态。阿里云将坚定投入,打造全栈领先的技术,持续开源开放,加速汽车产业进入AI汽车新世界。”
目前,中国乃至全球范围内的汽车企业均与阿里云展开了深度合作,中国一汽、长安、上汽、广汽、比亚迪、吉利、小鹏、理想、蔚来、极氪、零跑、梅赛德斯-奔驰等主机厂,以及博世、地平线、卓驭科技等方案商都跑在阿里云上,“云+AI”正成为推动行业进一步创新升级的关键。
好文章,需要你的鼓励
科技巨头IBM今日宣布推出新的区块链数字资产平台,专为金融机构和受监管企业设计。该平台名为"数字资产避风港",将为银行、企业和政府提供比特币、以太坊、稳定币和代币化资产的安全管理服务。平台由IBM与数字钱包基础设施提供商Dfns合作开发,支持超过40个公链和私链的全生命周期管理,并集成第三方身份验证和反洗钱合规工具。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
机器人可执行多种任务,但每个动作都需要专门训练,难以适应现实场景。Mbodi开发了云边混合计算系统,利用多个AI智能体协作,帮助机器人更快学习任务。用户可用自然语言下达指令,系统将任务分解为子任务并快速训练机器人。该公司入选TechCrunch Disrupt 2025创业大赛20强,目前专注于拣选包装领域,正与财富100强企业合作概念验证项目。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。