1. 黑莓和麦格纳合作 开发下一代高级驾驶辅助 系统解决方案
据外媒报道，黑莓（BlackBerry Limited）和麦格纳（Magna International）签订了一项多年协议，就各种集成的高级驾驶辅助系统（ADAS）解决方案进行合作。
随着OEM推出功能集不断扩大的车辆，全球ADAS市场将在未来十年实现显著增长。作为协议的一部分，黑莓将向麦格纳提供QNX软件，包括QNX软件开发平台、QNX安全操作系统、QNX ADAS平台，以及用于系统级集成、性能优化和解决方案验证的专业工程服务。
麦格纳电子（Magna Electronics）高级副总裁Sharath Reddy表示：“麦格纳拥有专业的ADAS知识，以及将系统解决方案集成到各种车辆应用中的独特能力，因此可为我们提供竞争优势。此外，与黑莓等公司合作有助于我们加快上市速度。”
黑莓技术解决方案高级副总裁兼联席主管John Wall表示：“很高兴与加拿大汽车 市场的全球市场领导者麦格纳合作。此次合作将结合彼此的软件和功能安全优势。随着软件成为汽车行业的驱动力，提供可无缝集成到车辆中的解决方案可使OEM脱颖而出。而随着技术在未来一系列监管要求的推动下不断被采用和扩展，我们很高兴能与处于ADAS前沿的麦格纳合作。”
5月18日，自动驾驶汽车深度学习公司Wayve宣布正在与微软（Microsoft）达成合作，利用超级计算基础设施来支持在全球范围内开发基于人工智能
Wayve拥有行业领先的专业知识，即使用深度神经网络和大量数据训练AI模型，而微软在赋能大型AI系统方面有着卓越工程技术。两家将结合彼此的优势，致力于释放深度学习系统在自动驾驶领域的潜力，或许可比基于规则的方法更快地扩展到新的地区。当围绕Wayve的独特方法进行设计时，微软超级计算基础设施的强大功能可使得自动驾驶技术更快落地，向更多地区和客户提供。
传统的自动驾驶系统依赖于昂贵的硬件、高清地图和复杂的定位系统，而这些系统可能需要数月甚至数年才能针对新位置进行重新设计。相比之下，Wayve的数据驱动“学习”方法可以使AV系统设计普遍适用于（generalise）到新地区，或应用其驾驶智能。为证明这一点，Wayve去年在五个新的英国城市测试了其自动驾驶系统，并表明其系统可以执行与在伦敦学到的相同的驾驶技能，而无需事先针对特定城市进行调整。开发普遍适用AV可以更快地打开新市场并支持更广泛地部署该技术。
凭借这种“普遍适用”的能力，英国最大的两家杂货零售商Asda和Ocado Group已开始试用Wayve的AV技术，以用于他们在伦敦的最后一英里交付业务。商业试点中，Wayve的技术将会安装在一系列配送车上，以行驶在各个城市的配送路线上。这些自动驾驶货车还将提供车队规模的数据，用于训练Wayve的人工智能模型。除了杂货配送合作伙伴外，Wayve还与英国领先的包裹配送公司DPD合作，从每天在大伦敦地区运营的DPD货车收集更多驾驶数据。
随着Wayve将其技术商业化，Microsoft Azure将继续成为该公司的主要云平台。而随着商业试点的开始，Wayve的大型深度学习工作负载开始达到商用云和边缘计算服务的上限。因此随着这些应用的发展，超级计算机将需要处理由高清图像和视频组成的更大数据集，以及用于训练和验证的计算密集型工作负载。
为了在全球范围内构建和安全部署自动驾驶技术，Wayve将需要一个强大的新基础设施，该基础设施能够在一天内训练具有数万亿个参数的模型，以及来自真实世界驾驶和仿真的EB级图像数据。目前，Wayve正在与Microsoft Azure合作实施超级计算技术，以赋能未来的自动驾驶。
1 智能网联汽车的战略价值日益凸显 过去10年间，国家、企业等各个层面对于智能网联汽车战略价值的认知和重视程度，都有了大幅提升。在国家层面，政府******了一系列政策、法规和标准，有力推动了智能网联汽车逐步实现产业化。在企业层面，各家车企纷纷加强智能网联核心技术的开发，众多科技创业公司也不断涌现，并获得了资本的空前青睐。有人认为资本热度过高，可能存在“泡沫”，但笔者认为对于战略性新兴技术的发展，资本的青睐无疑是必要的、积极的，即使有少许“泡沫”，对于驱动技术进步也是利大于弊。
当前新能源汽车
另一方面，智能、交通、城建、能源“四位一体”融合发展的理念和模式日益清晰，并逐渐成为产业发展共识。这意味着今后汽车产业的发展将不局限于自身，而是在更高维度、更大范围内，与其他相关产业彼此支持、共同发展。这将有助于推动智能网联汽车特别是自动驾驶技术的商业应用和快速普及，并使智能网联汽车的战略价值得到最大程度的彰显，为交通升级、城市发展和能源转型提供有力支撑，为国民经济增长提供全新动能。
2 智能网联驱动汽车产业实现从量变到质变的升级
具体到智能化、网联化方面，10年来中国智能网联汽车产品及核心技术不断取得新突破。目前，中国在车载信息娱乐技术方面处于全球领先地位；在智能座舱 激光雷达
智能网联技术的进步还有力推动了新能源汽车的发展，因为对于消费者来说，新能源汽车产品动力的不同只是基础，真正大幅提升产品魅力、带给消费者更好体验的实际上是智能网联技术。正是在智能网联技术的加持下，中国市场上新能源汽车的渗透率快速提升。而在新能源汽车方面具有相对优势的自主品牌车企，也恰恰是抓住了“电动化＋智能化”组合的技术先机，并由此实现了市场份额的持续提升。今年3月，自主品牌车企在中国乘用车市场上的占比已经提升到了48％。更加可喜的是，一些造车新势力和传统车企的智能电动汽车新产品，一举跨入了豪华车的阵营，并且得到了消费者的认同，这在以前是不可想象的。
也就是说，借助于发展智能电动汽车的东风，部分自主品牌车企现在已经可以和一线合资品牌车企一较高下了。这对于自主品牌在中国大市场站稳脚跟，进而走出国门、走向世界具有深远意义。目前，一些主流自主品牌车企纷纷提出未来要成为世界级汽车企业的发展蓝图。例如，长安汽车就提出到2030年要成为世界级品牌，这既体现出一种前瞻的战略眼光，更体现出一种强烈的战略自信。笔者认为，这种自信来自于过去10年间中国汽车产业在电动化、智能化、网联化技术方面取得的显著进步。
3 智能网联汽车将给产业带来空前深远的影响
面对这些现实挑战，笔者认为中国发展智能电动汽车更要有战略定力，一定要相信所有挑战都是暂时的、局部的，产业变革的大方向不会改变，必须坚定不移地继续往前走；一定要相信智能网联汽车是产业重构、科技创新乃至人类社会转型的大势所趋，在发展过程中遇到的一些风风雨雨，都只是必然要经历的正常过程而已。
至于智能网联汽车带来的变化，笔者认为其影响是空前深远的。
首先，汽车产业将由垂直线型的传统产业链条，进化为立体网状的新型生态系统。如果说此前汽车产业是人类工业文明皇冠上的明珠，那么未来汽车生态将是人类进入生态文明的标志。因为汽车在城市生态系统中连接的要素最多，是一个可移动的互联节点、数据终端和智能载体，而且还具有独立的物理空间，所以未来智能网联汽车一定会成为万物互联下的母生态，不仅是城市大生态系统中最重要的组成部分之一，而且会催生并连接众多相关的子生态。
其次，基于汽车运行过程中产生和采集的数据，整个城市、交通和能源体系有望更加安全和高效地运行。因为未来汽车将彻底打通人流、物流、能源流、信息流以及资金流，从而驱动人类进入数字化的智能社会。正如前文所述，通过彼此的连接和数据的流通，智能汽车
最后，智能网联汽车肩负的重任也对其技术提出了严峻挑战。因为未来汽车核心技术必将涉及到多个产业、多个领域、多个环节，其中既有基础技术，也有前沿技术，既有共性技术，也有个性技术，还要确保这些技术都能在汽车产品上得到有效的集成应用。这就需要汽车及相关企业相向而行、合理分工、有效协作，共同推动汽车核心技术集群的快速发展。反过来讲，这也从技术角度表明了未来智能电动汽车的巨大潜力。
4 明确定位、鼓励创新，推动跨产业协同发展
如前所述，未来汽车产业将呈现跨产业、跨领域融合发展的态势，特别是涉及到基础设施、法规标准、测试示范以及协同创新等一系列问题。要有效解决这些问题，政府不能只是简单扮演市场环境维护者的角色，而是要积极发挥主导作用，并努力把中国的体制优势用足。为此，政府应统筹思考汽车及相关产业协同发展的路径与落地策略，要从“人-车-路-网-云”充分协同的广度，从智能交通、智慧城市和智慧能源升级的高度来系统布局，有效推动智能网联汽车的快速发展。
2．法规标准要在确保安全的前提下，尽可能支持和鼓励智能网联汽车技术 的创新尝试。
比如高等级自动驾驶对汽车产业发展100多年来建立的法律法规带来了挑战，包括无人驾驶汽车如何大规模上路行驶等一系列问题都必须尽快解决。事实上，自动驾驶将使汽车驾驶权发生根本性改变，进而带来汽车所有权与使用权的分离，这将是汽车产业的一场重大变革。面对这样的前景，如果没有与之相适应的法律法规，那么即便企业在技术上取得了突破，其产品也难以量产。现在业界都很关心L3级自动驾驶汽车何时能允许上路，德国已经******了相关法规，如果我国不能快速跟进，则不利于中国自动驾驶技术的发展。类似问题解决的速度将直接影响汽车产业的创新速度，如果中国在制定相关法律法规方面走在全球前列，就会有力促进本土企业抢占智能网联汽车的战略先机。
又如对于智能网联汽车来说，网联是手段，智能是目的，数据是核心。只有基于数据，汽车才能具备不断自我进化的能力。而数据的使用涉及安全问题，我们既要确保网络安全、数据安全，包括个人隐私信息的安全，又要确保多元海量数据能够高效、快速、顺畅地流通。这同样有赖于政府******相关法规和标准。未来汽车产品在销售给用户之后，将会通过OTA的方式不断进行迭代升级，进而实现产品的自我进化。这就意味着在产品投产之后，企业还要进行二次开发，所以笔者提出了“SOPX”的概念，即未来汽车产品在其全生命周期内将会有多次投产。而这个过程涉及到大量的数据交换，并且可能对汽车的行驶安全造成影响。因此，针对支撑汽车产品迭代的关键数据，政府必须建立起既开放又受控的监管机制，同时还要对迭代更新后的产品进行有效监管，这就要求原来那种基于硬件测试的产品认证和公告管理方式，必须尽快做出相应调整。
再如车路协同及相关基础设施建设的问题。整车企业能够解决车端的智能问题，但是无法解决路端的智能问题，也很难解决车端与路端智能基于网联环境的协同问题。为了“让聪明的车跑在聪明的路上”，政府必须系统规划并牵头推进相关工作，真正基于车路协同的理念和模式，进行汽车产品、交通环境和城市设施的布局。例如信息化基础设施的导入，不能只从交通体系升级的角度考虑，还要从支撑智能网联汽车特别是自动驾驶的角度考虑。在这方面，政府应在城市顶层设计、标准体系建设以及公共基础设施投资等方面发挥主导作用，避免由于考虑不周、标准缺失等原因造成无谓的浪费，尽可能实现汽车、交通、城建、能源“四位一体”融合发展的最大价值。
3．国家、行业要携手推动智能网联汽车跨产业协同发展。
唯有汽车、交通、信息通信、能源以及城建等众多相关产业通力合作、彼此支撑，智能化、网联化的新汽车产业才能发展起来。例如当前的芯片短缺问题，仅靠汽车产业自身难以解决，即使少数汽车企业掌握了一定的芯片设计能力，但是芯片的制造、相关的工艺装备以及上游的原材料等，所有这些环节都必须打通，才有可能真正解决问题，这就必须依靠芯片产业的支持。另一个典型的例子是汽车操作系统，很多车企都希望拥有自己的操作系统，但操作系统需要外部生态支撑，并不是企业自己打造出来就会有竞争力。所以，最终还是要靠多个产业的多家企业相互协同、分工协作，建立起有限数量的、承载生态且有广泛应用的汽车操作系统。
事实上，汽车产业原本就是一个集大成的产业，高度强调集成。只不过此前的汽车产品主要是硬件的集成，而未来的汽车产品除了硬件的集成，还会有软件的集成、软硬件融合的集成以及外部各种生态资源的集成。对此笔者认为，必须建立起新的生产关系，才能适应以万物互联、大数据、云计算、人工智能等技术为代表的新生产力的发展需要。这种新的生产关系，不仅涉及到企业内部组织架构、体系流程与运营管理等的改变，也涉及到不同企业之间资源组合、商业模式等的创新，还涉及到政府不同部门之间政策制定和资源投入的协同，这正是跨产业、跨领域协同创新发展的努力方向。
总之，智能网联汽车的战略机遇与战术挑战并存。为了有效应对挑战、抓住机遇，中国一定要利用好自身的体制优势，站在多产业、多企业、多技术协同创新的高度，大力推动智能网联汽车产业的发展，进而为人类社会进入生态文明阶段探索出具有普适意义的发展范式。
5 以“1＋1＋1”发展模式应对产业重构
特别是在国家层面，必须充分认识到智能网联汽车是新一轮科技革命最重要的载体性平台和最重大的战略机遇。在互联网时代，智能手机是母生态；而在物联网即万物互联的时代，很多专家都认为智能汽车将成为新的更大的母生态。由此，汽车产业将不再是由硬件主导的传统制造业，而是以硬件为基础，由软件主导并通过数据驱动的战略性新兴产业。同时，传统汽车产业只需关注“造好车”即可，而未来汽车产业既要“造好车”，更要“用好车”，即要为人的出行和物的移动提供最佳的解决方案，从而使汽车产业由单纯的“制造”进化为“制造＋服务”的新形态。所以，无论是制造业转型升级，还是数字经济加速发展，汽车产业都是最佳的载体、龙头和抓手。
正因如此，笔者曾专门提出过应对本轮重构的“1＋1＋1”产业发展模型，其中的三个“1”分别是指整零企业、ICT企业及其他相关科技公司，以及各级政府。也就是说，汽车产业需要将信息通信技术充分导入进来，并在政府的支持下，实现智能网联汽车产品的快速量产和不断升级。事实上，新能源汽车之所以能取得今天的成绩，也是国家准确进行战略预判、大力给予财政支持、积极推行“双积分”等一系列有力政策的结果。今后智能网联汽车的发展，同样有赖于国家基于充分的战略认知采取强有力的系统性推进策略。
作为汽车产业重构下半场较量的核心，智能网联汽车是中国不容错失的历史机遇，而这个机遇的窗口期很可能非常短暂。为此，我们必须保持战略定力，坚持不断投入，充分组合资源，凝聚最大合力，加快创新发展，尽一切努力抓住这次机遇，实现中国汽车产业及诸多相关产业的转型升级，进而驱动人类社会迈入更加美好的智能时代。
（作者赵福全系清华大学车辆与运载学院教授、汽车产业与技术战略研究院院长）
4. 重庆******智能网联汽车高精度地图管理办法
近日，重庆市规划和自然资源局制定《重庆市智能网联汽车高精度地图管理试行办法》（以下简称《办法》），促进智能网联汽车产业发展。
《办法》强调，从事高精度地图数据采集、存储、传输、处理和制作的单位，应当依法取得相应测绘资质。高精度地图数据采集应严格遵守《导航电子地图安全处理技术基本要求》。相关单位存储高精度地图数据时，应当采取必要手段，保证相关数据安全。高精度地图数据须加密后经过安全通道传输，严禁接入未采取保密措施的传输网络。高精度地图数据的处理和制作应在安全控制区域内，基于符合要求的安全保密专用产品及涉密网络中开展工作。
《办法》明确了高精度地图数据表示内容。高精度地图数据应符合重庆市《道路高精度地图基础数据规范（试行）》中明确的坐标体系、高程基准、时间基准、精度、安全处理和地图数据组织等要求。高精度地图不得以任何形式表达涉及国家秘密和其他不得表达的属性内容和位置信息。高精度地图需公开使用的，按照电子导航地图审核要求进行报送审批。
《办法》要求，相关单位应按照《重庆市智能网联汽车道路测试与应用管理试行办法》规定，在依法取得的智能网联汽车测试通知书、示范应用安全性自我声明、示范营运安全性自我声明中明确的时间、路段和区域使用高精度地图。
5. MIT发现新机器学习方法 可避免自动驾驶汽车在红灯前怠速
据外媒报道，麻省理工学院（MIT）的研究人员在一项新研究中展示了一种机器学习方法。该方法可以学习控制自动驾驶车队，使车队在接近并通过带有信号灯的十字路口时，能够顺畅行驶。
通过仿真，研究人员发现他们的机器学习方法可以减少燃料消耗和排放，同时提高平均车速。如果道路上的所有汽车都是自动驾驶的，该技术可实现最佳效果。但即使只有25%的汽车是自动驾驶汽车，通过使用该全新控制算法仍然会带来可观的燃料和排放效益。
十字路口错综复杂
虽然人类可能会不经思考就通过十字路口的绿灯，但根据车道的数量、信号的运行方式、车辆的数量及其速度、行人和骑自行车的人的存在等，十字路口可能会出现数十亿种不同的场景。
解决十字路口控制问题的典型方法是使用数学模型来解决一个简单、理想的十字路口。但该方法在现实世界中可能不会成立，因为交通模式通常非常混乱。
资深作者、土木与环境工程系Gilbert W. Winslow职业发展助理教授Cathy Wu和 研究主要作者、电气工程与计算机科学系的研究生Vindula Jayawardan使用一种深度强化学习（deep reinforcement learning）的无模型技术解决了这个问题。强化学习是一种试错法，可使控制算法学习做出一系列决策。当找到一个好的序列时，算法就会得到奖励。通过深度强化学习，该算法利用神经网络学习的假设可找到良好序列的捷径，即使存在数十亿种可能性。
Wu解释说该技术对于解决长期问题很有用，如控制算法必须在很长一段时间内向车辆发出超过500条加速指令。此外，研究人员希望该系统能够学习一种减少燃料消耗并限制对旅行时间影响的策略。这些目标可能是相互矛盾的。
虽然要全面解决这个问题具有挑战性，但研究人员采用了一种称为奖励塑造（reward shaping）的技术，可为系统提供了一些无法自行学习的领域知识。在这种情况下，只要车辆完全停止，研究人员就会对系统进行惩罚，因此系统会学会避免这种行为。
流量测试
一旦研究人员开发出有效的控制算法，就会使用具有单个十字路口的交通模拟平台对其进行评估。该控制算法应用于互联的自动驾驶车辆车队，其中这些车辆可以与即将到来的交通信号灯进行通信，以接收信号相位和时间信息并观察其周围环境。该控制算法会告诉每辆车如何加速和减速。
当车辆接近十字路口时，研究开发的系统没有造成任何走走停停的交通行为。（当汽车由于前方交通停止而被迫完全停止时，就会发生走走停停的交通行为）。在仿真中，更多的汽车在绿灯期间通过，优于模拟人类驾驶员的模型。与其他同类优化方法相比，该全新技术会减少更多燃料消耗和排放。如果路上的每辆车都是自动驾驶汽车，新的控制系统可以减少18%的油耗和25%的二氧化碳排放，同时将行驶速度提高20%。
未来，研究人员希望研究多个十字路口之间的相互作用效应。他们还计划探索不同的交叉路口设置（车道数量、信号、时间等）是如何影响行程时间、排放和燃料消耗的。此外，研究人员计划研究当自动驾驶汽车和人类司机共享道路时，其控制系统如何影响安全性。例如，尽管自动驾驶汽车的驾驶方式可能与人类驾驶员不同，但较慢的道路和速度更稳定的道路可以提高安全性。
虽然这项工作仍处于早期阶段，但Wu认为该方法可以在短期内实现应用。
6. 通过机器学习 美国研究人员可快速发现氟离子电池材料
一些人认为氟离子电池可以与锂电池相媲美，甚至可以替代锂离子电池。据外媒报道，研究人员利用机器学习可快速发现一些有前景的氟离子电池材料，以加速开发这类电池。
理论上来说，无论是对电动汽车，还是消费电子产品等设备来说，氟离子系统都是理想的电池选项。因为这种电池重量轻、体积小，具有高度稳定性。比起锂离子电池中使用的锂和钴，氟的成本更低。更重要的是，与锂离子技术相比，计算显示氟离子电池具有更高的存储容量。
然而，氟离子电池研究仍处于起步阶段，2011年才出现关于其首个实验示例的报道。这类电池通过氟离子运动进行充放电，但目前已知能够传导氟离子的材料不多，相关研究进展缓慢。在这种情况下，寻找用于氟离子电池的最佳材料成为一个挑战性问题。
最近，在美国北卡罗来纳大学教堂山分校（University of North Carolina at Chapel Hill），Scott Warren实验室的研究人员设计了一种机器学习方法，可以利用超级计算机，快速精准地计算出氟离子在任何含氟晶体中移动的难易度。该团队最初通过常见的分层算法（hierarchical calculation method），从包含14万种已知材料的数据库中进行筛选，使其缩减至1万种含氟候选材料。
Warren表示：“由于对氟离子导体的研究不多，研究人员根本不知道在1万种导体中找最佳候选项的附加标准是什么。”这意味着一些有前景的材料在被其他标准识别之前，可能会被单一标准否定，因此需要采用新策略。
“最终，这一解决方案变得非常简单，即对结构进行分级，而不是删除。”研究人员Jack Sundberg表示，“在体育运动中，球队排名会在新赛季发生巨大变化。在这里，随着对氟化物扩散状态的了解更加深入，结构分级也会更新。”
首先，研究人员从1万个候选项中随机选择300种材料，并对每种材料的氟传输能力进行精准计算；这些基准计算（每种材料需要一周）被用来训练系统，以开发更快的计算版本（每种材料只需一小时）；接着，将该计算版本用于其他材料，以快速精准地确定其氟离子传导性能。这项技术能够确定其他已知氟化物导体，这让研究小组对其结果充满信心。
Warren表示：“比起锂离子电池中使用的材料，许多材料似乎具有更好的导体性能。其中一种材料是含氟的锌钛化合物ZnTiF6。这种材料的成本很低，具有优异的氟传导性能，是一种很有前途的氟离子电池电解质。研究人员刚刚为一些表现最出色的组分提交了专利。”
研究人员认为，受益于这项工作，固态化学实验界可以先集中精力探讨以计算方式筛选出来的组合物，从而加快材料的发现过程。Sundberg表示，很快将对包括ZnTiF6在内的材料进行测试。“计算表明这些材料比较稳定，并且可以合成。实验室的其他一些学生正在进行实验合成，并测试其性能。”
7. 雷诺与四家应用程序开发商合作 丰富车辆互联体验
据外媒报道，作为扩展其应用程序目录的一部分，雷诺宣布与四家应用程序开发商EasyPark、Radioplayer、Sybel和Vivaldi browser达成合作，以增强其配备OpenR Link的新车的车载客户体验。OpenR Link是雷诺全新的、完全可定制的、直观的和互联的信息娱乐界面。
为纪念雷诺全新电动车型Megane E-Tech Electric在欧洲的上市，雷诺增加了四个新的应用程序供用户通过OpenR Link下载。用户可以通过MY Renault访问链接以下载应用程序以及获得独家优惠。然后，用户可以自由选择是否要下载内容以直接在其车载媒体控制台中显示。
EasyPark：简化停车解决方案
EasyPark可通过帮助驾驶员管理停车和支付停车费用来增强独特的互联驾驶体验，而无需物理机器甚至智能手机。该应用程序可免费下载，将为服务用户提供独家优惠券和优惠。
Radioplayer：广播和播客的直播和录播
凭借免费的“雷诺Radioplayer”应用程序，用户将可以访问Radioplayer在欧洲的数千个广播电台、网络广播和播客，因此可以在直播和回放模式下轻松访问所有内容以及相关数据。使用Radioplayer，用户可以从众多功能中受益，例如轻松和个性化地收听广播电台、显示当前正在播放的标题或在播客中查找所有节目。其他专为雷诺用户设计的服务也即将推出。
Sybel：数千小时的音频内容
借助Sybel应用程序，驾驶员和乘员可使得出行更加舒适，同时拥有广泛的音频内容，汇集了数千小时的播客、小说、纪录片、有声读物和儿童故事。此外，它还具有一系列由Sybel团队专门设计的驾驶专用解决方案：带有三个小时预加载内容的主题播放列表（无论用户使用哪个设备，都可以从上次停止的地方继续播放）、智能语音助手、个性化推荐和收藏夹列表。
除了可以访问精彩的免费音频节目外，客户还将免费获得6个月的Sybel+订阅内容，包含更多原创独家内容的付费服务。
Vivaldi：停车时上网
借助免费的Vivaldi browser应用程序，用户可在自己的汽车座椅上舒适地观看、购买和浏览，无需智能手机或平板电脑即可在等待汽车充电时进行娱乐项目。为了提高安全性，该浏览器只能在停车时使用。通过使用此应用程序，用户可以进行视频通话、设置访问常用在线应用程序、简便访问流媒体服务、安全地同步浏览器数据等等。由于Vivaldi非常重视用户隐私，因此用户可以放心使用OpenR Link系统，以在雷诺汽车上进行私密浏览，但数据不会被汽车存储。登录Vivaldi帐户后，浏览数据可能会与同一帐户的其他设备共享，但不会与雷诺共享此数据。
8. 2023年达量产水平，地平线与轻舟智航联手打造高等级自动驾驶方案
5月18日，地平线与轻舟智航（QCraft）正式达成战略合作，双方将基于地平线自研的征程®系列车规级AI 芯片，以及轻舟自研的行泊一体解决方案，联合进行开发与适配，共同打造高等级自动驾驶前装量产解决方案。
据透露，预计在2022年第三季度，地平线与轻舟智航基于征程5芯片的自动驾驶样车将开放路测，到2023年，双方基于征程5芯片联合研发的高等级自动驾驶方案将达到量产水平。
资料显示，地平线是国内车规级AI芯片供应商，目前其征程系列芯片累计出货量已突破100万片。不仅如此，地平线可提供包括高效能汽车智能芯片、车载操作系统、软件算法、工具链等在内的服务。据官方资料，截至今年4月中旬，地平线已链接包括传感器、一级供应商及软硬件等上下游产业合作伙伴100余家，并同超过17家车企签下40多个前装量产项目的定点合作，智能驾驶
作为一家L4级自动驾驶通用解决方案公司，轻舟智航则推出了独特的高效力方法论“自动驾驶超级工厂”，同时在“双擎”战略的驱动下，重磅推出了第四代量产车规级自动驾驶方案DBQ V4。据悉，DBQ V4是一套融合了轻舟行业领先的全栈自研的自动驾驶软硬件技术的超高性价比方案，只需10%的成本即可实现99%的L4能力，量产成本低至1万元人民币。
根据此次合作协议，地平线与轻舟智航还将围绕前装乘用车量产领域的高级辅助驾驶（ADAS）、自动驾驶、智能人机交互、AI能力建设等方面进行重点合作。地平线将提供以“芯片+AI开发平台”为基础的智能汽车解决方案，通过车规级AI芯片、车载计算平台、视觉感知、人机交互等技术支撑轻舟对于全场景智能驾驶技术落地的多元化需求。依托各自行业资源优势，双方还将积极开展联合市场推广，基于自动驾驶解决方案，实现更多乘用车前装量产项目的落地。
免责声明：
文章转载自其它媒体，转载目的在于传递和分享更多信息，仅供学习、交流，并不代表本平台赞同其观点和对其真实性负责，版权归原创作者及其公司所有，如有侵权请联系我们删除。（ service@lw-expo.com
