Google、OpenAI 都曾试图在 Gemini 或者 ChatGPT 中尝试接入 AI 打车服务，但因为种种限制，最终实现结果不过是在 AI 助手中唤起了 Uber App——你甚至可以简单理解为内嵌在 AI 助手中的小程序——称不上是真正的 AI 办事。移动互联网过去数十年的发展，彻底重构了人们的生活。你用千问买完电影票，订好机票酒店，再用千问打辆车去往目的地，结束后再预约一个返程车辆，顺

世界经济论坛更是连续三年把“虚假和错误信息”排在全球短期风险的高位，其中人工智能的负面影响是所有风险排名中上升幅度最大的，从两年展望的第 30 位跃升至十年展望的第 5 位。8 个主流模型的 2000 个问题的测试中，当模型参考了百度百科的内容后，AI 的综合准确度平均提升了 38% 以上，专家认可度达到了 91.5%，显著优于无参考组。3D 模型乃至 VR 全景等多模态计划，让那些抽象的物理知识

他们尝试将模仿学习与强化学习结合，仅仅只通过 10 万英里的城市驾驶数据的训练，就可极大提高最难场景下的安全可靠性，失败率降低超过 38%。基于强化学习的大模型技术路线，为端到端智能驾驶算法的研发提供了全新思路，有望突破传统模仿学习的限制。即便各家的技术路线有所不同，有的强调世界模型，有的强调 VLA，都无一例外都提出强化学习的重要性。”在他看来，随着 Robotaxi 进一步扩张，每辆车每天积累

但在移动互联网红利逐渐消退、获客成本高企的当下，想要重新建立一个超级 App 谈何容易，即便通过短期烧钱、投流吸引来用户，但在各家模型性能没有显著差异、同质化显著且 AI 助手尚没有后续场景承接的当下，这些依靠短期红包吸引来的用户也很难留下。用户在搜索中表达的，往往是具体需求，而非泛泛兴趣。从昆仑芯的十年探索、文心大模型的持续迭代、飞桨深度学习框架的长期积累乃至百度智能云的算力积累、一系列原生 A

想要在复杂的城区场景实现高阶智驾，通常意味着必须堆砌激光雷达和高算力芯片，叠加高昂的人力研发成本，很难在利润微薄的大众市场算过账来。它基于真正的一段式端到端架构打造，同时融入强化学习能力，具备包括系统时延低、防御性驾驶能力强、横纵向丝滑控车、持续自我进化等核心优势，可大幅提升辅助驾驶的安全性、高效性和舒适性。凭借地平线 HSD 和征程 6P 芯片的加持，奇瑞可以将不输于特斯拉 FSD 的智驾方案率

人”聚焦智能终端与健康管理，“车”打造智能驾驶与智能座舱体系，“家”覆盖全品类智能家电与服务机器人，“天”布局低空经济与航空科技，“地”深耕智能能源与户外装备，“芯”为全域生态提供自研算力支撑。相对底层的芯片板块，追觅生态品牌芯际穿越正式登场，首次对外展示了手机处理器、自动驾驶芯片、太空算力中心、个人超级 AI 电脑四大核心布局，同时落地了“天穹”系列泛机器人芯片量产和自研瑶台算力基站发射两件关键

经过半年的调整期，最近，“AI 叫车”的字样终于贴在了所有用户的 APP 图标上。另外，如果把这类出行细节全部设置为可勾选的选项，也会额外增加很多筛选的时间成本，而 AI 存在的意义就是把自然语言变成可提供的服务标签，减少了用户思考和寻找入口和按钮的链路。目前，在滴滴 AI 叫车的主界面中，已经有不少个性化叫车的选项，如“空气清新”“不晕车”“新车”“又快又便宜”等多个标签。但实际上，当我们回到真

Google、OpenAI 都曾试图在 Gemini 或者 ChatGPT 中尝试接入 AI 打车服务，但因为种种限制，最终实现结果不过是在 AI 助手中唤起了 Uber App——你甚至可以简单理解为内嵌在 AI 助手中的小程序——称不上是真正的 AI 办事。移动互联网过去数十年的发展，彻底重构了人们的生活。你用千问买完电影票，订好机票酒店，再用千问打辆车去往目的地，结束后再预约一个返程车辆，顺

2025 年开年，大模型创业公司零一万物被曝放弃预训练业务，创始人李开复在接受媒体采访时强调，国内的 AI 行业已经进入到落地为王的阶段，“2025 年将是大模型的考验年、应用爆发年和商业化淘汰年。去年，刘庆峰对外表示，大模型落地已经进入到更复杂的深水区，“当我们推出新模型时，必须有对应的场景让大家看得见摸得着。去年的科大讯飞全球 1024 开发者节上，刘庆峰总结了科大讯飞在大模型落地方面的经验，

但在移动互联网红利逐渐消退、获客成本高企的当下，想要重新建立一个超级 App 谈何容易，即便通过短期烧钱、投流吸引来用户，但在各家模型性能没有显著差异、同质化显著且 AI 助手尚没有后续场景承接的当下，这些依靠短期红包吸引来的用户也很难留下。用户在搜索中表达的，往往是具体需求，而非泛泛兴趣。从昆仑芯的十年探索、文心大模型的持续迭代、飞桨深度学习框架的长期积累乃至百度智能云的算力积累、一系列原生 A