新聞 
千萬獎金撬動千億產值:誰在瘋狂對賭科學的未來
千萬獎金撬動千億產值:誰在瘋狂對賭科學的未來千萬獎金撬動千億產值:誰在瘋狂對賭科學的未來
在這叁種模式之外，其實還有壹種，也是DARPA喜歡的模式——公開的競賽，最知名的莫過於DARPA在2004到2007年舉辦叁屆自動駕駛挑戰賽。科技突破主要是解決兩類問題，壹類是科學的前沿問題，比如機器是否能像人類壹樣識別圖片（機器學習問題），又比如復雜的蛋白質折疊問題，困擾了人類很久；另壹類是推動技術的突破，比如私人航天是否能有所突破，而不是為國家所壟斷，又比如到底如何實現自動駕駛？圍繞著上述肆個問題，過去叁拾年舉辦過肆次轟動全球的競賽，且每壹場競賽都“如願以償”地帶來突破。
壹、產業大獎賽
DARPA在2004年至2007年間舉辦的叁屆自動駕駛挑戰賽，是全球自動駕駛技術發展的關鍵起點。為了極大激發技術創新，賽事獎金從100萬美元逐步提升至200萬美元。2004年的首屆沙漠挑戰賽雖然沒有隊伍完賽，但成功驗證了自動駕駛的可行性。隨後在2005年，多支車隊成功完賽，並確立了感知、定位、規劃、控制的核心技術架構。到了2007年，城市挑戰賽更進壹步，實現了復雜交通環境下的自動駕駛突破。
這壹賽事不僅探索出早期自動駕駛主流的技術路線，更培養了第壹代自動駕駛核心人才。賽後，這批研究者紛紛投身產業界，直接催生了Waymo和Cruise等美國自動駕駛領域的頭部企業、雖然這壹賽事與特斯拉創立無直接關系，但其奠定的技術基礎與行業共識，深刻影響了全球自動駕駛發展，為後續技術路線的競爭、商業化落地和人才儲備提供了重要支撐。
同樣2004年在美國舉辦了X大獎賽的比賽。比賽要求民間團隊在兩周內兩次完成亞軌道載人飛行，最終Scaled Composites團隊憑借“太空船壹號”奪冠 。X大獎的發起人彼得·戴曼迪斯（Peter Diamandis）在1996年就宣布設立1000萬美元的大獎，靈感源自日本《朝日新聞》於1930年設下2.5萬美元重賞，招募首位完成“不著陸跨太平洋飛行”的勇士。《朝日新聞》的獎金撬動了參與者上百萬美元的資金投入，讓戴曼迪斯看到了獎金的杠杆效應。
X大獎賽不僅打破了政府對航天的長期壟斷，也確立了低成本、商業化航天的發展方向，還直接催生了以亞軌道旅行為核心的私人航天公司維珍銀河——其前身就是獲得X大獎的“太空船壹號”飛行器。同時，它創造的產業環境也為後來SpaceX 等商業火箭公司的崛起奠定了基礎。
值得注意的是，從2004年獲得獎金到2021年真正實現首次載人商業飛行，維珍銀河用了整整17年。從創立到真正在美國灣區實現無人駕駛出租車全面落地，Waymo花了更長的時間。這也從側面反映出，技術突破之後，商業化落地仍需要漫長的積累和持續的技術迭代。
贰、學術大爭鋒
在人工智能發展的漫長歷程中，機器能否像人類壹樣識別圖片中的貓壹直是核心難題之壹。在2010年之前，機器學習技術在圖像識別領域的表現並不理想，識別准確率低下，無法滿足實際應用需求，人工智能也壹度陷入發展低谷。為了推動機器學習技術在圖像識別領域的突破，斯坦福大學李飛飛團隊發起了ImageNet項目，並舉辦了每年壹度的ImageNet挑戰賽，成為推動人工智能深度學習革命的關鍵事件。
賽事於2010年至2017年共舉辦了8屆。首屆獲勝系統的准確率為72%，而人類的平均准確率為95%。兩者之間存在巨大差距，這也反映出當時機器學習技術在圖像識別領域的不足。但這場競賽為全球的研究者提供了壹個統壹的測試平台和對比標准，讓大家能夠清晰地看到自身技術的差距，明確研發方向。
真正的歷史性轉折發生在2012年，多倫多大學教授傑夫·辛頓帶領的團隊以基於神經網絡打造的AlexNet奪冠，將准確率躍升至85%，壹舉引爆了AI領域的深度學習革命，讓這壹年成為這壹輪AI大潮的元年。AlexNet的突破，徹底改變了人工智能的發展格局。在這之後，ImageNet挑戰賽成為全球人工智能領域的盛會，吸引了來自世界各地的頂尖團隊參賽，技術迭代速度大幅加快。2015年，ResNet模型在ImageNet挑戰賽中實現了重大突破，圖像識別准確率達到96%，首次超越人類水平；2017年，SENet模型作為最後壹屆ImageNet挑戰賽的冠軍，其性能已遠超人類，圖像分類任務接近飽和。此後ImageNet挑戰賽停止舉辦，轉向更難的方向，如視頻理解、小樣本學習、無監督學習等。李飛飛作為這場競賽的發起者之壹，贏得了“AI之母”的美譽，而辛頓更則被尊為“AI之父”，並在2024年憑借深度學習技術獲得諾貝爾物理學獎。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
推薦: