属于年轻人的汽车终于要来啦?10月19日,小米董事长雷军在投资者日透露,小米汽车9月1日已在北京注册,首个工厂会落户在北京亦庄。
雷军表示,小米做汽车并不是为“出风头”,现在的电动车已经从机械产业转变为信息产业,加上有同行都已经在做,小米不做就会被淘汰。
而且小米一直也在布局智能生态,若跟电动汽车好好整合的话,有较强的扩张性。
目前,小米汽车已收到2万份简历,研发团队达453人。小米造车及团队各项工作远超预期,预计将于2024年上半年正式量产。
(举报)
11.11云上盛惠!海量产品 · 轻松上云!云服务器首年1.8折起,买1年送3个月!超值优惠,性能稳定,让您的云端之旅更加畅享。快来腾讯云选购吧!
快科技4月25日消息,今天上午,雷军有点忙,先是在2024北京车展上参加小米发布会,公布了小米SU7的最新锁单数据和后续规划等信息。北京车展发布会结束后,雷军又赶到了30多公里外的中关村国际创新中心,参加了2024中关村论坛年会全体会议。雷军在演讲中称:我特别感谢北京这片沃土,如果不是在北京,我觉得小米汽车不可能取得这样的成绩,也不可能诞生。”雷军表示�
快科技4月25日消息,北京车展今天开幕,而雷军毫无疑问是备受瞩目的焦点人物,因为小米SU7的销售成绩实在太抢眼了。自发布以来,小米汽车已经累计锁定了约75600辆订单,其中已有5700辆车已经成功交付。此外,雷军还郑重承诺,今年将交付10万辆小米汽车,并立志在未来15到20年内努力成为全球前五的汽车制造商。在他发布的视频中,雷军坦言:过去的28天就像是一场梦,我承认我有点难以置信,这是真的吗?而且,当所有人都用放大镜来审视你的时候,每个问题都成了一次挑战。所以每天都充满焦虑,我们甚至创造了一种模式,每天晚上回答网友当?
周鸿祎在一次讲话中提到了「小米汽车为什么叫SU7」的话题,这引发了人们对品牌命名背后逻辑的兴趣。周鸿祎通过AI搜索分析了小米汽车的命名逻辑,他提到字母加数字的组合不仅容易记忆易于市场营销,这种命名方式在汽车行业内已成为一种共识。要开始您的AI「搜索」应用探索之旅,请访问AIbase官网。
小米汽车揭晓了北京车展的详细安排。值得关注的是,车展日程安排得十分丰富。车迷们纷纷表示,期待在车展上与雷军面对面交流,共同探讨汽车科技的未来。
计划开放小米汽车工厂,让普通民众也可以参观,了解中国汽车智能制造的最新水平。不过雷军也表示,这可能需要一定的时间准备要等待一段时间。小米汽车工厂的检测也实现了100%自动化,包括整车外观紫外光、机身骨架激光雷达100%全自动在线监测,一体压铸件则是X光AI检测。
小米汽车SU7终于公布了价格,也开始接受预订,但交付要等到4月底到5月底,接下来就看小米汽车工厂的了。小米汽车工厂位于北京经济技术开发区,包含6座核心车间,內建29座研发实验室、2.5千米测试跑道。工厂部署了超过700个机器人,关键工艺已经100%实现自动化,比如钢铝混合机身骨架100%全自动组装、四门两盖和翼子板100%全自动装调、中大型零部件自动运输,还有行业一流的7轴喷涂机器人检测也实现了100%自动化,包括整车外观紫外光、机身骨架激光雷达100%全自动在线监测,一体压铸件则是X光AI检测。实现满产之后,在这样的流水线上?
4月18日,雷军在小米北京交付中心开启了一场全新的直播,谈及多个话题,尤其是小米SU7。雷军透露,小米SU7的销量比预计高了三到五倍,这是比较头疼的一点,但是合作伙伴都比较给力,提速很快。其实在小米汽车发布前,雷军就说过,既怕不火,又怕太火,结果真成了幸福的烦恼。有网友在直播互动中催促雷军去工厂打螺丝,加快汽车交付,没想到雷军很较真地回复称,�
小米汽车正式迈入交付阶段,这一重要时刻不仅兑现了雷军三年前的承诺,更标志着小米在汽车领域迈出了坚实的一步。4月3日,首批小米SU7的车主们将迎来他们期待已久的车辆,正式成为小米汽车大家庭的一员。在未来的日子里,小米汽车将继续秉持着这种精神,为消费者带来更多高品质、高性能的智能汽车产品。
身处美国的法拉第未来创始人贾跃亭通过微博,针对小米汽车发表了独到见解。贾跃亭首先给予小米汽车正面的评价。只有当变革文化成为主流,原创精神深深植根于创业者的内心,伟大的企业家不断涌现,科技产业的领军企业成为开创者,建立全球价值观以征服全球市场,才能真正推动中国科技的进步,引领全球产业的变革。
在智己L6的发布会上,智己汽车因错误标注了小米SU7Max的关键参数于近日在官方微博上正式向小米及广大消费者道歉。智己汽车在道歉函中详细说明,在“超越一切向往”智己L6超级智能轿车发布会中,对于小米SU7的产品力介绍环节,由于团队内容审核不严谨,导致一处关键参数标注错误。他们希望智己汽车能够正视自己的失误,并采取切实有效的措施加以改正。
RAGFlow是一个开源的RAG(Retrieval-Augmented Generation)引擎,基于深度文档理解,提供流线型的RAG工作流程,适用于各种规模的企业。它结合了大型语言模型(LLM)提供真实的问答能力,支持从各种复杂格式数据中引用确凿的引文。
EmojiTell是一个创新的在线服务,可以将文本翻译成表情组合,增加沟通的趣味性和表现力。它由一支对表情符号充满热情的开发者和设计师团队开发,旨在通过表情符号的力量,让信息传递更加生动和个性化。
Perplexica是一个开源的AI驱动搜索引擎,它不仅搜索网络,还理解您的问题。它使用先进的机器学习算法,如相似性搜索和嵌入,来优化结果,并提供引用来源的清晰答案。使用SearxNG保持最新和完全开源,确保您始终获得最新信息,同时不损害您的隐私。
FaceChain是一个深度学习工具链,由ModelScope提供支持,能够通过至少1张肖像照片生成你的数字孪生体,并在不同设置中生成个人肖像(支持多种风格)。用户可以通过FaceChain的Python脚本、熟悉的Gradio界面或sd webui来训练数字孪生模型并生成照片。FaceChain的主要优点包括其生成个性化肖像的能力,支持多种风格,以及易于使用的界面。
HuggingFace镜像站是一个非盈利性项目,旨在为国内的AI开发者提供一个快速且稳定的模型和数据集下载平台。通过优化下载过程,减少因网络问题导致的中断,它极大地提高了开发者的工作效率。该镜像站支持多种下载方式,包括网页直接下载、使用官方命令行工具huggingface-cli、本站开发的hfd下载工具以及通过设置环境变量来实现非侵入式下载。
WebLlama是一个基于Meta Llama 3构建的代理,专门为网页导航和对话进行了微调。它旨在构建有效的以人为中心的代理,帮助用户浏览网页,而不是取代用户。该模型在WebLINX基准测试中超越了GPT-4V(零样本)18%,展示了其在网页导航任务中的卓越性能。
GitHub Copilot for Infrastructure as Code(简称Infra Copilot)是一个利用机器学习技术帮助基础设施专业人员自动生成精确基础设施代码的工具。它通过理解基础设施任务的上下文,允许专业人员使用自然语言表达需求,并接收相应的代码建议。Infra Copilot不仅简化了基础设施即代码(IaC)的开发过程,还确保了跨环境和项目的一致性,加速了新团队成员的上手和学习过程,显著提高了工作效率并节约了时间。
LLaVA++是一个开源项目,旨在通过集成Phi-3和LLaMA-3模型来扩展LLaVA模型的视觉能力。该项目由Mohamed bin Zayed University of AI (MBZUAI)的研究人员开发,通过结合最新的大型语言模型,增强了模型在遵循指令和学术任务导向数据集上的表现。
PhysDreamer是一个基于物理的方法,它通过利用视频生成模型学习到的对象动力学先验,为静态3D对象赋予交互式动力学。这种方法允许在缺乏真实物体物理属性数据的情况下,模拟出对新颖交互(如外力或代理操作)的真实反应。PhysDreamer通过用户研究评估合成交互的真实性,推动了更吸引人和真实的虚拟体验的发展。
AI快站是一个为AI开发者设计的服务平台,提供HuggingFace模型的免费加速下载,解决大模型下载缓慢和断开的问题,支持高达4M/s的下载速度,大幅减少等待时间,提高开发效率。
Llama-3 8B Instruct 262k是一款由Gradient AI团队开发的文本生成模型,它扩展了LLama-3 8B的上下文长度至超过160K,展示了SOTA(State of the Art)大型语言模型在学习长文本操作时的潜力。该模型通过适当的调整RoPE theta参数,并结合NTK-aware插值和数据驱动的优化技术,实现了在长文本上的高效学习。此外,它还基于EasyContext Blockwise RingAttention库构建,以支持在高性能硬件上的可扩展和高效训练。
CoreNet 是一个深度神经网络工具包,使研究人员和工程师能够训练标准和新颖的小型和大型规模模型,用于各种任务,包括基础模型(例如 CLIP 和 LLM)、对象分类、对象检测和语义分割。
Llama中文社区是一个专注于Llama模型在中文方面的优化和上层建设的技术社区。社区提供基于大规模中文数据的预训练模型,并对Llama2和Llama3模型进行持续的中文能力迭代升级。社区拥有高级工程师团队支持,丰富的社区活动,以及开放共享的合作环境,旨在推动中文自然语言处理技术的发展。
Interactive3D是一个先进的3D生成模型,它通过交互式设计为用户提供了精确的控制能力。该模型采用两阶段级联结构,利用不同的3D表示方法,允许用户在生成过程的任何中间步骤进行修改和引导。它的重要性在于能够实现用户对3D模型生成过程的精细控制,从而创造出满足特定需求的高质量3D模型。
GraphRAG (Graphs + Retrieval Augmented Generation) 是一种通过结合文本提取、网络分析以及大型语言模型(LLM)的提示和总结,来丰富理解文本数据集的技术。该技术即将在GitHub上开源,是微软研究项目的一部分,旨在通过先进的算法提升文本数据的处理和分析能力。
Qwen1.5-110B是Qwen1.5系列中规模最大的模型,拥有1100亿参数,支持多语言,采用高效的Transformer解码器架构,并包含分组查询注意力(GQA),在模型推理时更加高效。它在基础能力评估中与Meta-Llama3-70B相媲美,在Chat评估中表现出色,包括MT-Bench和AlpacaEval 2.0。该模型的发布展示了在模型规模扩展方面的巨大潜力,并且预示着未来通过扩展数据和模型规模,可以获得更大的性能提升。
ID-Aligner 是一种用于增强身份保留文本到图像生成的反馈学习框架,它通过奖励反馈学习来解决身份特征保持、生成图像的审美吸引力以及与LoRA和Adapter方法的兼容性问题。该方法利用面部检测和识别模型的反馈来提高生成的身份保留,并通过人类标注偏好数据和自动构建的反馈来提供审美调整信号。ID-Aligner 适用于LoRA和Adapter模型,通过广泛的实验验证了其有效性。
Bundle of Joy是一个为准父母设计的应用程序,可以在几秒钟内为他们的新生儿浏览和筛选名字。该应用根据父母的偏好推荐名字,并根据父母的喜好进行学习,为他们提供适合他们口味的新的推荐。父母可以指示宝宝的性别,然后选择以下两个选项之一:名字的首选来源、宗教、主题、首字母和含义。他们开始根据自己的独特偏好获得漂亮的宝宝名字推荐。他们可以随时修改这些偏好,并继续根据自己的口味获得新鲜的推荐。
StudyBoosterAI通过AI技术提供个性化支持,包括定制化学习材料、生动的学习内容、个性化学习计划等,帮助学生更有效地学习和记忆知识。
SNAPVID是一款智能视频编辑工具,利用AI技术提供多个热门视频剪辑建议,用户只需点击一次即可创建多个病毒式视频剪辑。同时,用户可以根据需要自定义剪辑长度和风格,并添加自定义的字幕和动画表情。SNAPVID还支持批量导出和品牌定制,使用户能够轻松导出自己喜欢的视频剪辑并保存项目设置,方便在多个项目中复用。通过AI B Roll技术,SNAPVID还可以自动添加相关的库存视频,提升视频的沉浸感。