黄金周已进入最后的倒计时。最近我在准备假期自驾游出行，一直有在看高德扫街榜推荐的餐厅和路线，觉得挺有意思——国庆出去玩，或者回家乡，会更好的理解“导航”这件事并不是“从A到B”那么简单。 惯性思维里，大家容易把“导航”简单或仅仅等同于“找路”或“驾车”，会觉得“本地人熟悉路不用导航吧”、“开车去景点的应该挺少”、“不开车就不用导航”。 放在今天看，这些都是过时的说法。 因为用户对导航的使用，已不再是过去的“纯找目的地”或者“开车认路”了，使用逻辑、场景都发生了很大的改变和进化。 人们的整个出行逻辑变了。导航不再是途中的应急措施，而是决策起点和全程辅助：它不仅解决了“去哪儿”的需求，更在回答“怎么去最好”的问题，还提醒“途中和抵达各种可能”。 比如，大家出发前都会打开地图看一眼实时路况，就算本地人出门开车也会盯着地图看能不能避堵，还有像找车位、危险路段预警、电子眼提醒、施工绕行提示……这些功能早已超越我们对地图导航软件的传统认知。 聊到扫街榜，住在北上广深杭川渝这些一线城市的朋友，即便是去曾经去过的餐厅，在路上大概率也会开着导航，更多是了解实时路况、拥堵情况，哪条路线是最佳路线，以及还有多少时间到目的地——这点非常重要，尤其是跟人有约的情况下。现在的高德App能利用AI精准预计还有多少分钟到达，公共交通接驳、自驾、骑行……用户可以提前规划不同交通方式，获得出行时间上的确定性。 （图源：高德地图App） 比如我在广州常去的一家吃法国生蚝的餐厅，位于市中心的体育西，离我十几公里，位置很好找。但每年去三五次，不管哪回我都会导航，有时候看到堵车严重就错峰前往。当然，很多女性朋友说开车就得开导航啊，导航就是出行的标配，哪怕电车车机屏幕再大都要连着手机导航，这个好像也确实是事实…… 还有朋友开导航是为了看红绿灯倒计时，甚至就为了听听偶像的语音包声音，就像身边有个贴心的副驾驶，让旅行不那么无聊，还更轻松。总之，现在的地图导航，早已不止于“指路”这个单一功能了，它满足了我们在路上的种种细微功能需求，甚至还能提供情绪价值。 车越来越多，路越修越通，交通方式越来越丰富，车况、路况势必会越来越繁密复杂。而且所有城市都在快速变化，修路、堵车、城市基建、各项线下生活服务场景不断在更新迭代，路况车况和城建更新速率都很快。在城市生活的人也在变化，除了“本地人”每年还有大量新增的“新北京人”、“新上海人”、“新老广”，还有不少多地生活、自驾旅游的人……所有人在出门前都打开导航，导航App其实已经成了城市与人的连接。 艾媒咨询前两年出了一份报告，调研了网友对地图导航APP功能使用最多的五个功能，依次是确定出行路线（34.51%）、行车导航（32.21%）、实时路况查询（31.44%）、公交查询（29.91%）和周边搜索（27.15%）——排第一的已经就是“确定出行路线”，而不是大家传统理解的“导航”。 记得去年五一长假，广东梅大高速塌方事故发生后，有车主在救援过程中提到一个关键细节：他提前收到了高德地图“前方有车辆急刹”的语音警告，正是这宝贵的提前几秒预警，让他及时刹车，避免了更严重的后果。我了解了一下，这个预警来自中国安全生产科学研究院联合高德地图发布的“鹰眼守护”预警系统，用户在驾车行驶中打开高德并开启语音播报功能，才能获得这个宝贵的预警信息，守护行车安全。这也说明，今天使用导航App不一定是因为不识路，是因为我们要高效、安全、舒心、便捷出行，光靠“识路”已经不够了。 展开全文 而且啊，导航也早已不是开车群体的专属，还包含近距离的步行、骑行及公交地铁类导航。数据显示，所有出行导航行为中，有近4成的用户使用场景是步行、骑行和公交导航类。用导航的人群越来越广泛，同时一个用户也会在很多场景下用导航，比如我在北京、上海、杭州等地出差，一下飞机就导航看地铁路线，到了酒店也会经常开着导航App找餐厅，在回广州的前一天还会用导航App规划出发时间提前约好网约车。 每日经济新闻《2024城市交通出行报告》也验证这一情况。调查显示，在城市居民日常出行中，32.18%的参与者选择地铁出行；其次是私家车、公交、自有电动自行车／摩托车，占比分别为25.61%、11.07%、14.53%；网约车／出租车、自有自行车、共享自行车和共享电动自行车，分别为3.46%、4.50%、4.13%和1.38%；另有3.11%的参与者选择步行。 就算大家选择公共出行方式，导航也会帮忙规划好组合路线：步行或共享单车到地铁站或公交站，如何转线，提醒到站，出站走哪个出口，再怎么步行到目的性，全都有精准的提醒。 甚至我们坐在家里也在越来越多地使用导航App，比如会反复搜索或者将一个餐厅分享给朋友，或者定位选一个店约饭，这些场景是高德扫街榜爆发的基础。 高德有10亿量级的用户，提供的是大多数用户大多数情况下的选择。根据统计学原理，当样本量足够大时，样本均值的抽样分布无限接近于正态分布，这是“群众的眼睛是雪亮的”的理论基础。 高德拥有超大规模的活跃用户群，每日产生海量的导航、搜索、定位、收藏等交互数据，样本量规模已远超临界值，加上AI大模型算法进行数据校准，因此即便个别数据的遗漏，对结果造成的误差，在统计学上也是几乎可以忽略不计的。 简单来讲，9.9亿用户用脚投票的选择依然有参照性。这个黄金周，我强烈推荐你在使用高德App辅助出行时，多用高德扫街榜探索真实世界，发现更多美好。 对了，就在今天，高德扫街榜发布了《国庆指南：全国TOP100餐厅》，榜单显示全国31个省市区中45个城市有餐厅上榜，感觉这些算是真正的“国民级餐厅”了，强烈推荐打卡。 最后，顺祝大家双节快乐呀~返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多