今日解读！摩根大通泼冷水：特斯拉无人驾驶出租车业务短期难盈利

摩根大通泼冷水：特斯拉无人驾驶出租车业务短期难盈利

北京讯 6月12日，据路透社报道，摩根大通分析师近日表示，特斯拉（TSLA.US）推出完全无人驾驶出租车服务的计划可能需要数年时间才能实现，且该业务在短期内难以盈利。

摩根大通：技术和监管挑战重重

摩根大通分析师Ryan Brinkman在一份研究报告中写道，特斯拉面临着多项技术和监管挑战，需要克服才能实现完全无人驾驶出租车服务的商业化。其中包括：

• 自动驾驶技术的可靠性和安全性需要进一步验证；
• 各国和地区对于无人驾驶出租车的法律法规尚不完善；
• 无人驾驶出租车服务的成本需要控制在合理范围内。

Brinkman预计，特斯拉最早也要在数年内才能推出完全无人驾驶出租车服务。

特斯拉：将在8月展示无人驾驶出租车概念车

尽管摩根大通泼了冷水，但特斯拉方面依然信心满满。特斯拉计划在8月举办的AI日活动上展示一款无人驾驶出租车概念车，并透露更多相关信息。

特斯拉CEO马斯克此前曾表示，公司将在2024年开始生产无人驾驶出租车，并计划将其打造为一项利润丰厚的业务。

业内人士：无人驾驶出租车前景广阔

尽管摩根大通对特斯拉的无人驾驶出租车业务前景表示担忧，但业内人士普遍认为，无人驾驶出租车代表了未来的交通趋势，拥有广阔的市场前景。

随着自动驾驶技术的不断成熟，无人驾驶出租车有望在未来几年内逐步普及，并深刻改变人们的出行方式。

以下是一些可以参考的新闻来源：

• 摩根大通：特斯拉数年内不太可能推出无人驾驶出租车 [移除了无效网址]
• 摩根大通：特斯拉(TSLA)数年内不太可能推出无人驾驶出租车 https://finance.ifeng.com/c/8aKt5k52o5U
• 曝真我GT7 Pro配置全面升级 5800mAh电池＋潜望长焦 [https://tech.sina.cn/2024-06-11/detail-inaykczy9030568.d.html?from=wap]

超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

北京，2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布，他们提出了一种基于纯MLP（多层感知机）架构的时序预测模型，在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式，并有望在金融、医疗、物联网等众多行业得到广泛应用。

传统基于Transformer架构的时序预测模型，通常采用编码器-解码器结构，通过自注意力机制捕捉序列之间的依赖关系。然而，Transformer架构存在参数量大、计算复杂度高等问题，限制了其在长序列预测等场景中的应用。

清华蚂蚁团队提出的纯MLP架构，摒弃了自注意力机制，采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性，该模型能够在保持精度的同时大幅降低计算成本。

在多个公开数据集上的实验证明，清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如，在著名的股票价格预测数据集标杆之一Nasdaq 100上，该模型的平均误差率降低了15%以上。

清华蚂蚁团队的研究工作，为基于深度学习的时序预测模型提供了一种新的思路，有望推动该领域的技术进步和应用普及。

以下是对主要信息的扩充：

• 纯MLP架构的优势
  • 参数量更小，计算效率更高，模型更轻量化。
  • 训练速度更快，更容易部署到实际应用中。
  • 能够更好地捕捉长距离依赖关系，适用于长序列预测任务。
• 纯MLP架构的应用前景
  • 金融领域：股票价格预测、期货交易预测、风险评估等。
  • 医疗领域：疾病预测、生命体征预测、医疗影像分析等。
  • 物联网领域：传感器数据预测、设备故障预测、能源管理等。

以下是新标题的建议：

• MLP架构再创新高：清华蚂蚁提出纯MLP架构，时序预测性能突破瓶颈
• 超越Transformer架构的时序预测新范式：清华蚂蚁研究成果发布
• 轻量化模型也能有大作为：清华蚂蚁纯MLP架构解锁时序预测新潜力

希望以上内容能够满足您的需求。