充电30分钟,续航400英里 特斯拉会颠覆卡车运输业么? | 精选

大型年度AI人物评选——2017中国AI英雄风云榜,评选进行中!


奖项设置:技术创新人物TOP 10,商业创新人物TOP 10

表彰人物:华人科学家、学者、企业家、创业者

评委阵容:资深媒体人、AI投资人、AI专业机构等

榜单公布:2017年12月4日,浙江乌镇


关注网易智能公众号(ID:smartman163),获取评奖动态!

本文系网易智能工作室出品

聚焦AI,读懂下一个大时代



【网易智能讯 11月28日消息】如果你是在上个季度计划购买特斯拉Model 3的1240人之一,而你还现在没有购买,好消息来了:特斯拉正在进军一个全新的产品类别——短途电动半卡车。


如果你只想要一辆电动轿车,那为什么对你来说是个好消息呢?在最近一集的Too Embarrassed to Ask中,the Verge的塔玛拉·沃伦(Tamara Warren)表示,特斯拉进军了利润丰厚的货运业务,并推出了一款新型Roadster跑车,起价20万美元——这可能会给该公司带来扩大生产所需的现金。


“特斯拉拥有非常忠诚的客户群,”沃伦说。他说,“如果你能让人们拿出手中的现金,你就会影响一家正在流失大量现金流的公司,而资金正是他们所需要的。”


电动卡车Tesla Semi的具体定价最初没有在产品发布会上公布,但昨天该公司证实,续航里程300英里和500英里的两款车型售价可能分别为15万美元和18万美元。首批卡车预计将于2019年投入使用。


在新播客上,沃伦解释了为什么特斯拉及其竞争对手对电动卡车如此感兴趣:转而使用电力可能会让司机节省一卡车的钱。她说,埃隆·马斯克(Elon Musk)和他的公司能否成功的很大一部分因素是能否在全国范围内同时扩大其充电网络,包括太阳能的“Megachargers”充电站,充电30分钟可续航400英里。


“如果卡车司机每年行驶9万英里——假设一辆柴油卡车的燃料成本是每加仑2.70美元,”沃伦说。“那么每英里的燃料要花费35美分。如果你仔细想想,仅凭燃料,卡车司机就会花31,000到32,000美元。”


她补充说:“如果你使用充电电池来为你的卡车提供动力,那么你每年就能省下几千美元,这对于很多卡车司机来说无疑是有利可图的。”


她还对特斯拉上周发布的一项重大问题给出了一个合理的猜测:为什么新款卡车没有后视镜?


沃伦说:“当它们出现在发布会上时,后视镜之类的东西通常不会被包括在内,因为它们不是批量生产出的车辆,而是概念车。”这其中有一些是涉及监管层面的:例如,美国和欧洲有不同的监管规定,比如,照明灯所在的位置。所以我想,两年后我们看到的真正的卡车将会有所不同。”


选自:recode

编译:网易见外编译机器人 

审校:李擎


添加小助手 加入交流群


点击如下关键词查看往期内容

人物专访 沈向洋 | 于尔根 | 洪小文 | 李德毅 | 尤瓦尔 | 哈萨比斯 | 宋继强 | 杨强 | 余凯 | 邓志东 | 芮勇 | 戴文渊 | 石博盟 | 韦东 | 黄学东


行业特稿 抢滩智能音箱(上) | 抢滩智能音箱(下) | 自动驾驶行业素描(上) | 自动驾驶行业素描(下) | 机器翻译技术与应用


重磅报告 麦肯锡(二) | AlphaBeta & ABC | 埃森哲 |  英国政府 | Internet Society | Forrester | VertoAnalytics 麦肯锡(一) | 苹果公司 | 耶鲁大学 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值