AI重新定义导航，弯道会车无灯路口提前预警，网友：导航成精了！

AI正在守护人们的出行安全。

请看VCR：

最近，大量高德用户晒出类似图中的体验，发出感慨：现在导航都这么智能了？？？

还有用户在社交平台发帖，疯狂安利骑友们：跑山请开高德，求扩散！！！

是什么让用户当起“自来水”，甚至点赞直呼“黑科技”？

高德地图“车道级安全预警”功能。两轮四轮都能用，新老司机都刚需…

无需额外装硬件，一个APP就搞定。

高德导航在Next level了

“高德给力！”“高德变了？！”“高德什么时候变得这么智能了？！”

在各种社交平台上，尤其是假期前后出行高峰，这些评论开始大量出现，相关视频接连成为「爆款」。

结果仔细一看发现啊，他们所讨论的是高德地图的导航功能。不光有App用户，还包括不少车机用户；视频中也是各种覆盖白天黑夜；会车超车弯道各种场景。

种种体验感受，归结起来就是：高德导航已经在Next Level了。

比如一个视频中，车辆夜间正常行驶，结果导航突然鸣笛播报提醒：

后方有大型货车逼近，请小心驾驶。

结果给用户搞懵了：哪里来了的车辆？！也没看到啊。

结果几秒钟之后， 侧后方果然就有一辆大货车疾驰而过。

这这这，高德是在后面安了透视眼吗？？甚至还知道具体车辆类型。

除了能看到后方，高德也能对前方路况了解得一清二楚。

像实时通知前方有交通事故已经不足以道了。而是已经上升到「你在我前面，我知道你在干嘛」这种秒级识别并响应的Level了。

比如这位用户正在高速路上堵车中，结果收到「前方有车辆急刹，请小心行驶」提示。

结果没过多久，前方旁边那辆白色车辆就出了交通事故…这位司机直呼：好险~~

家人们，这真的能降低事故风险了。

还有像那种山中弯路这种场景，高德也是大秀了一把操作。

这种路口完全就是视野盲区，根本看不到来车，再加上路又窄，大家一般会沿道路中部行驶。

这时候高德来一句预知的提醒：“前方弯道来车，注意不要压线”。结果，几秒之后，对面真的有车！大家都靠右，让出中线会车，对司机来说，真的是很安心。

而且也不只是开车的，就是骑车开摩托的用户，高德也会标识出后方来车超车和弯道会车高发的路段。

系统还会依据后方来车的速度以及特殊车辆类型，提供特殊警报，引导用户作出合适的避让动作。

不少理想车主也表示，在跑长途开启辅助驾驶时，高德地图提供的动态施工信息，也会提示预警信息。

短短几个案例就可以看出来，不管是前后左右、白天还是黑夜，高德竟然都能都能顾及到——

实时探测到行车风险。

一边感叹着高德给行车和乘车的安全感；一边又同时疑惑着，高德什么时候装上千里眼的。

给用户装上“千里眼”

高德的确变了，而且早就变了。其实从去年起，高德陆续上线了车道级安全预警10大场景：

• 前方有车辆急刹，有慢速车，弯道有来车，货车前方有来车
• 夜间前方有货车，无灯路口有来车
• 后方有快速来车，有快速货车
• 左、右侧有车辆汇出

这10大场景下，如果双方车主都正在使用高德地图导航，程序探测到风险时，导航就会及时语音示警。

也就是从过去的“车道级导航”，进化为“车道级安全预警”，每天使用次数达千万级。

不再只追求“导的准确”，还要“导的安全”，体现在时间和空间两个维度上。

时间上，秒级响应，及时、准确的给到用户。

空间上，给用户安上“千里眼”，提供一种超视距的预警，即超越车主的视野局限。

人的视野，终归有限，更不要说遇到前方有大车，或者是夜晚了。

但在用户视野之外，高德可以利用北斗卫星，感知到用户之间的位置关系，判断行车风险，及时给到预警，无形中帮用户扩大了感知范围。

高德此举，其实是从过去的连接「人与车」，转向连接「人与人」，将更多交通参与者，纳入同一张网络。

理论上来说，参与的人越多，网络预警的能力就越强，体现了一种现实世界的Scaling Law。

规模越大，能力越强。

用户规模，也正是高德做车道级安全预警的一大优势：

据阿里巴巴2024财年 Q2 财报显示，高德地图日活跃用户峰值超过2.8亿。

QuestMobile披露的《2024中国移动互联网春季大报告》显示，2024年Q1，高德地图月活为8.01亿。

地图导航赛道第一，国内移动互联网第四。

在海量用户的基础上，高德从用户需求出发，结合技术双轮驱动，打造了车道级安全预警。

具体地说实现，比如前车急刹预警，就是在前方多辆车辆均出现踩下刹车的情况时，结合北斗卫星的高精定位能力，高德能够判断出速度的异常变化，结合交通环境进一步分析，高德能够计算出现急刹车。

高德利用这些信息，结合自研时空感知模型，会从上亿正使用导航的车辆，精准找到后方将受前车急刹影响的车辆，提前给到提示。

安全预警等多个导航相关功能背后，也是大模型在赋能提效。

类似的安全预警，目前一些智能车，借助传感器，比如激光雷达，已量产的测绘距离最远可达250米，远远超出肉眼的能力，已经算“遥遥领先”了。

但这依然无法做到穿透感知多辆车，而且硬件成本比较高。

这类车子售价一般都在20万元以上，往往还都是新能源车辆。

所以，高德其实是以更普惠的方式，给保有量巨大的燃油车，以及性价比新能源车型装上了“千里眼”，让最广大的车主受益。

同时，这种将车辆、路况以及云端信息结合，实时同步的方式，也可以说是对“车路云一体化”的初步探索，为未来发展提供了参考和想象空间。

不过目前这还比较遥远，就近期来看，高德地图主要还是提供更好的导航出行服务。

下一阶段，将在保证安全的基础上，满足用户新的需求：

更精细的场景，更高效的导航。

AI让出行更个性，安全更普惠

随着AI、大模型技术的飞速发展，它已经悄然渗透到我们生活的方方面面。尽管可能并不容易感知，但确实是AI应用的天然场景。作为日常衣食住行中的「行」，这个我们每天都会用到的高德，正是这一趋势的生动体现。

首先，从车道级导航到车道级安全预警，本质上是AI技术加强。它不再只是一个简单的导航工具，更是一个能够预测和预警风险的智能助手。

它通过对大量经验数据积累，深度学习路径特征和交通模式，结合实时场景的推理，来预测即将到来的场景，从而辅助用户决策，为驾驶者提供了更为安全和可靠的导航服务。「让出行变得更加智能」也由此变得更加具象化。

事实上，也不仅是功能预警。高德向我们透露，高德上面很多功能是弱感知，大家可能都察觉不到它是AI应用。比如每次从一开始的路线规划，还是在行驶过程中的实时路况/事故计算等背后都伴随着大量数据生成和处理，以及各种复杂算法融合计算驱动。

其次，高德地图的此次升级，还代表了一种新的出行趋势。

以往对于导航的认知，更多的是在于它的精准。尤其在结合北斗卫星导航系统的高精度定位，手机导航精度甚至可以在一米之内。

此次在精准基础之上，更重要的是用户安全体验的提升，在不同场景、不同时间段、不同交通状况，为用户提供更为个性化更智能的导航决策。

高德透露，年内将进一步提供更多个性化的服务。针对不同的驾驶者有着不同的驾驶习惯，满足各种个性化的诉求。

从导的精准、导的安全再到导的个性，这种“千人千面”甚至“一人N面”的导航服务，让每一位用户都能感受到定制化的出行体验。

另外在车机领域，高德在实现开启智驾状态语音+文字预警提醒的基础上，未来还会跟一些车厂合作开发基于精准的车道级施工信息实现优雅规避的功能，可以提前自动实现变道绕过施工占用车道。

高德地图的这一改变，不仅是技术上的升级，也是对用户需求深入理解和满足的体现。

最后，不同于当前火爆的ChatBot，关于AGI的想象力，出行导航系统可能率先被人触达。

首先亿级的用户群体，每天都会有海量数据的处理和生成。其次，有着最常用的端侧交互场景，就像GPT-4o点燃的「实时交互」，可能时时刻刻都在高德地图上发生。关键后者面向着更为强烈的需求。

当然，更重要的是，高德地图的服务具有一定的社会普惠性。

它不仅仅服务于少数人，而是面向所有用户，让每个人都能享受到AI带来的便利和安全。

从近期高德地图推出的其他功能中，比如防晒导航、室内导航等，我们可以看到AGI和大模型，在日常生活中的应用已经开始显现，而高德地图正是这一变革的先行者。

总结来说，高德地图的车道级安全预警功能升级，不仅是技术上的一次飞跃，更是AI在出行领域革新用户体验的一个缩影。

它让我们看到了AI如何让出行变得更加个性化和安全，同时也预示着在AGI时代，地图导航服务将如何更好地服务于社会，实现更广泛的普惠性。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】