Autonomous Driving

主要新闻

1. 1

   Waymo：AI项目须通过评估才能上线，不只看模型性能

   Waymo在VB Transform 2026大会上阐述了自动驾驶车队的AI训练、测试和部署方法。该公司已完成超过2.2亿英里的完全自动驾驶里程，期间的严重车祸伤害数量比人类驾驶员同距离低17倍。 自动驾驶涉及现实世界的生死决策，Waymo开发的持续评估、精心策划数据、人工监督和明确业务成果相结合的方法，为其他行业部署AI代理的企业提供了风险管理的参考框架。

   Waymo的方法论表明，AI项目的部署就绪并非取决于模型性能本身，而是取决于是否通过了既定的评估标准。

2. 2

   高通宣布派息0.92美元，加紧布局汽车AI

   发生了什么：高通宣布季度现金股息为每股普通股0.92美元，将于2026年9月24日支付给截至2026年9月3日的股权登记日股东。公司还参与了美光的新型长期汽车供应协议，显示出其在AI赋能车辆平台中争取一席之地的意图。 为什么重要：高通正在努力从以智能手机为中心的业务转向AI驱动的边缘计算和汽车市场，以抵消手机需求的周期性波动以及中国相关压力。与美光的汽车协议表明其多元化战略取得了实质性进展，投资者将此视为抵御地缘政治和监管风险的关键，这些风险威胁到其全球芯片和许可业务。

   需要关注：2026年第三季度财报以及手机需求稳定迹象是近期催化剂。最大风险仍然是地缘政治和监管压力对高通全球芯片和许可业务的影响，包括出口管制可能进一步收紧和获得中国主要客户的渠道可能萎缩。

3. 3

   通用汽车用AI代理重设工程流程 合并代码请求增三倍

   什么情况：通用汽车自动驾驶部门通过重新设计完整工程流程围绕AI代理展开，而非仅添加AI编码助手。该公司VP Rashed Haq在VB Transform 2026大会上表示，工程师原本只花15%的时间写代码，其余85%用于分析车辆数据、问题分类、运行实验和测试修复方案，现在由AI代理加速这些工作。 为什么重要：结果是合并的代码请求数量增加了三倍左右，发布速度加快，进入开发后期的缺陷减少。这表明AI在工程流程中的价值不在于单纯的编码辅助，而在于重新组织整个工作方式——消除原有流程中的低效环节。

   要关注的：Haq强调，仅给工程师一个能编码的聊天机器人「仍然会在流程中留下大量低效」，真正的收益来自从整体重新设计工程工作流。

4. 4

   Synopsys推出自主芯片设计智能体，芯片验证速度提升50倍

   发生了什么：Synopsys宣布推出完全自主的AI智能体，用于芯片设计和热仿真，采用NVIDIA Nemotron技术构建。芯片验证智能体可将RTL验证时间加速50倍，同时实现了20%的覆盖率提升；新推出的热管理工作流自动化了设置、预处理和后处理流程。该公司还扩展了产品组合，推出了超过20款GPU加速EDA和多物理场产品，其中PrimeSim SPICE仿真速度提升了18倍。 为什么重要：代理型AI——能够自主推理、规划和执行复杂工作流的智能体——将工程工作从手工密集型、耗时的任务转变为自动化的洞察生成。通过压缩芯片验证周期、将热分析从数周缩短至数小时，这些工具解决了产品开发中的关键瓶颈。对研发团队而言，生产率的倍增效应可以显著缩短产品上市时间并降低工程劳动强度。

   值得关注：Synopsys在2026年7月26日举办的DAC Chips to Systems大会上首次展示了这些能力。Synopsys与NVIDIA的合作——将Synopsys在EDA和CAE领域的专业知识与NVIDIA的加速计算平台和运行时安全相结合——预示着双方在代理型工程工具方面的合作不断深化。

5. 5

   AT&T呼吁停止仓促推进AI 强调稳健部署

   AT&Tのリーダーシップが、AI技術の急速な展開を避け、より慎重で計画的なアプローチを取るべきだと述べました。同社は「信号から信号へと急いで走る」という比喩を使い、無分別なAI導入への警告を発しています。 通信業界の大手企業による発言として、エンタープライズAI戦略においてリスク管理と段階的な実装の重要性が浮かび上がっています。技術導入競争に急き立てられがちなビジネスリーダーにとって、より思慮深い展開の必要性を示唆する指摘です。

   AT&Tの具体的な推奨事項や導入計画の詳細については、同社がさらなるガイダンスを提供する見通しです。

6. 6

   何时应该拒绝AI的帮助？

   发生了什么：一篇文章探讨了何时将决策权委托给AI可能会阻碍个人成长。作者将AI的便利性——能够调用比任何个人见过的更多例子，且保持情感超然——与外包重大人生决策（工作、感情、搬家）的风险进行对比。这些外包行为会使决策能力萎缩，生活失去意义，就像视频游戏的作弊码一样，初期令人兴奋，但最终削弱了乐趣。 为什么重要：人们很少面临重大决策，所以每一个决策都是练习和学习的机会。依赖AI的即时且看似可信的答案，会陷入局部最优——总是选择最舒适的选项——并让你怀疑自己是否仍是生活的主宰。作者指出，如果不经历抉择的痛苦并承受其后果，反馈循环就会中断，学习就会停止。

   值得关注：作者承认这一矛盾尚未解决。AI会变得更加有用，也更难被忽视，但某些困难——如繁琐工作或探索好奇心——可以从AI帮助中受益，同时不必牺牲生活的意义。关键是要注意到AI的便利何时开始让你的生活变得更小，并相应调整你的使用方式。