封面新闻记者 李继龙

在智能驾驶竞争不休升级的布景下，，
，车企之间的较量正从利用层逐步向底层AI能力延长。。。

近日，，
，小鹏汽车颁布视觉基础模型TuringViT。。。这是继世界模型、、预测模型等技术之后，，
，小鹏今年推出的又一项AI底层技术成就。。。与从前更多聚焦具体职能分歧，，
，这次颁布对准的是视觉感知这一智能驾驶和具身智能的重要基础能力，，
，也意味着车企对于AI竞争正进一步深刻到底层技术领域。。。

视觉感知被以为是智能驾驶系统获取环境信息的重要入口。。。随着大模型、、VLA（视觉-说话-作为）等技术加快落地，，
，行业对视觉模型提出了更高要求，，
，蕴含处置更高分辨率图像、、多摄像头输入以及陆续视频数据，，
，同时还要两全算力和运行效能。。。

零样本机能、、训练数据规模以及VisionTransformer编码器的1K分辨率吞吐量。。。TuringViT仅使用10%的训练数据，，
，就实现了比当先的开源基线模型更强的正确性与效能衡量。。。

据小鹏介绍，，
，TuringViT萦绕模型架构、、数据治理和训练方式进行了优化。。。官方数据显示，，
，该模型仅使用约10%的训练数据，，
，便达到甚至超过部门主流开源视觉模型的机能，，
，同时在高分辨率场景下具备更高运行效能。。。

对于智能汽车而言，，
，这意味着车辆可能以更低算力成本实现更复杂的环境感知，，
，从而进一步提升辅助驾驶系统在复杂路况、、狭小路线、、特殊交通参加者鉴别等场景下的阐发。。。与此同时，，
，也有望降低智能驾驶系统开发和部署成本。。。

TuringViT的块架构和模型配置。。。 （左）主干成立在反复的图灵块，，
，图灵线性把稳力（TLA）聚合全局高低文；；其序列长度感知归一化和输入依赖的输出门可不变可变象征训练并维持高频部门细节。。。 （右）TuringViT-18L和TuringViT-24L的模型配置，，
，在共享一样补丁大。。。16×16）的同时，，
，选取2D RoPE，，
，以块和总层数为尺度，，
，嵌入/头部维度，，
，以及多层感知器（MLP）比例。。。

值得关注的是，，
，这项技术并不仅局限于汽车。。。依照官方规划，，
，TuringViT将来将同时利用于智能驾驶、、智能座舱以及IRON人形机械人，，
，成为小鹏物理AI系统的重要视觉基础平台。。。

今年以来，，
，随着AI大模型急剧发展，，
，国内多家车企纷纷加快布局AI底层能力。。。从世界模型到端到端智能驾驶，，
，再到如今的视觉基础模型，，
，行业竞争重点正从单一职能比拼，，
，逐步转向算法、、数据和算力等主题能力建设。。。

业内普遍以为，，
，将来智能汽车竞争不仅取决于硬件配置，，
，更取决于底层AI模型的持续迭代能力。。。谁可能构建更高效、、更低成本、、更易训练的基础模型，，
，谁就有望在智能驾驶、、智能座舱甚至具身智能等多个领域形成更大的技术优势。。。

随着AI技术不休向汽车产业渗入，，
，车企之间的竞争也正在从产品竞争升级为底层技术系统竞争，，
，而视觉大模型正成为这一轮竞争的重要方向之一。。。

进行参照药预沟通是为了什么
？？又将若何影响医保目录调整
？？