我国跨境电商综试区已覆盖31个省区市
商务部新闻发言人束珏婷近日说，截至2022年底，国务院已先后分七批设立165个跨境电子商务综合试验区，覆盖31个省区市，基本形成了陆海内外联动、东西双向互济的发展格局。
近年来，综试区作为跨境电商发展的创新高地，有效助力外贸稳规模、优结构，有力推动了业态创新发展，整体呈现规模占比高、主体质量持续优化、产业配套日趋齐全的特点。
海关数据显示，2022年，我国跨境电商进出口额达到2.11万亿元，增长9.8%，其中各综试区的进出口额占比超过九成；目前各综试区跨境电商相关企业约20万家，其中被认定为高新技术的企业超过9300家；各综试区积极建设跨境电商产业园，丰富各类配套设施，涌现了一批支付、物流、营销等环节的专业服务商。
束珏婷表示，下一步将继续扎实推进综试区建设，重点做好四方面工作：一是建设一批优秀试点，实现差异化发展；二是培育一批骨干企业，提升综合竞争力；三是推广一批经验做法，向全国复制推广；四是加快跨境电商领域的国际合作，支持各类主体开拓好海外市场，加强与其他国家在规则制定、标准建设等方面的协调互动。（中华工商时报）
百度“存储介质及自动驾驶车辆”专利获得授权
信息显示，阿波罗智能技术（北京）有限公司成立于2020年12月2日，法定代表人为李震宇，注册资本8000万美元，经营范围包括；计算机软硬件及辅助设备、人工智能自研软硬件、电子元器件、电子产品、通信设备、机械设备、互联网设备、信息安全设备、交通设备技术等。股权穿透图显示，该公司由BaiduApolloTechnology（HongKong）Limited持股，比例为100%。
专利显示，本公开提供的车辆控制方法、装置、设备、存储介质及自动驾驶车辆，涉及人工智能技术中的自动驾驶技术，包括：若确定控制目标车辆按照规划路径行驶时，存在障碍物阻碍车辆按照所述规划路径行驶，则获取所述目标车辆的外部环境中的周边车辆信息；根据所述周边车辆信息在周边车辆中确定参照车辆，并根据所述参照车辆的位置更新所述规划路径；控制所述目标车辆按照更新后的规划路径行驶。
本公开提供的方案中，当目标车辆按照规划路径行驶但受到障碍物的阻碍导致无法通行时，可以参考周边其他车辆的行驶轨迹更新规划的路径，从而绕过障碍物，以顺利通行。
近日，百度发布了截至2022年12月31日的第四季度及全年未经审计的财务报告。2022年，百度全年营收1236.75亿元，归属百度的净利润为206.8亿元，同比增长10%。2022年四季度，百度自动驾驶出行服务平台萝卜快跑订单量达到56.1万，同比增长162%。截至2023年1月底，萝卜快跑累计订单量超过200万单，稳居全球最大的自动驾驶出行服务提供商。（iDoNews）
安徽首条自动驾驶公交线路进入常态化运行
日前，安徽省首条公开道路自动驾驶公交线路在合肥市包河区进入常态化运行。据介绍，该公交线路双向里程15公里，由两辆自动驾驶公交车为乘客提供接送服务，共停靠6个站点。目前，自动驾驶公交车在工作日早晚高峰时段为沿线企业员工提供接驳服务，其他时间段面向市民提供体验服务，市民可通过小程序预约乘坐。（沈阳网）
亚马逊云科技携手HuggingFace让生成式AI触手可及
日前，亚马逊云科技宣布与HuggingFace进一步合作，以加速对大语言模型和视觉模型的训练、精调和部署，促进生成式AI应用的创建。生成式AI应用可以执行各种任务，包括文本摘要、问题回答、代码生成、图像创建以及撰写论文和文章。
亚马逊云科技在生成式AI创新方面拥有深厚历史。例如，亚马逊使用AI技术为AmazonAlexa用户提供对话体验，每周用户互动次数达到数十亿次，同时也越来越多地使用生成式AI来支持新体验，如”CreatewithAlexa”功能。此外，作为亚马逊搜索（AmazonSearch）的一个小组，M5可以帮助亚马逊各地团队将大模型应用到他们的应用程序中，并训练大模型以提升Amazon.com网站的搜索结果。亚马逊云科技持续在机器学习（ML）的所有领域中创新，包括基础设施、AmazonSageMaker相关工具和开箱即用的AI服务，比如AmazonCodeWhisperer，它嵌入到程序员使用的IDE中，通过注释来生成建议代码，以提高开发人员的生产力。为加速机器视觉与大语言模型的训练和推理，亚马逊云科技还推出了自研训练芯片AmazonTrainium与推理芯片AmazonInferentia。
HuggingFace之所以选择亚马逊云科技作为首选云供应商，是因为它提供了灵活、可选的全球领先性能工具，例如AmazonSageMaker、AmazonTrainium和AmazonInferentia，满足了HuggingFace模型训练、精调和部署需求。依赖于此，开发人员使用HuggingFace可以轻松优化性能并降低成本，从而更快地将生成式AI应用投入到生产环境。
大语言模型和视觉模型的构建、训练和部署是一个昂贵且耗时的过程，需要深厚的机器学习专业知识的支持。这两类模型非常复杂，可能包含数千亿个参数，因此在很大程度上，许多开发人员无法使用生成式AI。
为了弥补这一差距，HuggingFace与亚马逊云科技建立合作，让开发人员更易通过访问亚马逊云科技的服务，来应用部署HuggingFace模型，尤其是那些生成式AI模型。这样做的好处是：可以更快地训练与扩展低延迟和高通量的推理任务。例如，由AmazonTrainium支持的AmazonElasticComputeCloud（AmazonEC2）Trn1实例提供了更快的训练时间，与基于GPU的实例相比，可节省高达50%的训练成本。而由最新一代AmazonInferentia芯片支持的AmazonEC2Inf2实例，旨在部署最新一代大语言模型和视觉模型。相比Inf1实例，Inf2实例吞吐量提升了4倍，延迟降低了10倍。AmazonSageMaker为ML提供工具和工作流，开发人员可以通过AmazonSageMaker等托管服务使用AmazonTrainium和AmazonInferentia，亦或在AmazonEC2上自行管理。
客户可以通过三种方式在亚马逊云科技平台上调用HuggingFace模型，如使用SageMakerJumpStart、HuggingFace亚马逊云科技深度学习容器（DLC），或者根据教程将已有模型部署到AmazonTrainium或AmazonInferentia。HuggingFaceDLC包含了优化的transformer、数据集和标记器库，使用户将大规模地精调和部署生成式AI应用程序的时间从几周缩短到几小时，并且只需极少的代码更改。SageMakerJumpStart和HuggingFaceDLC在提供AmazonSageMaker服务的所有区域上均可使用，无需额外费用。阅读文档或者参与论坛讨论（discussionforum）以了解更多信息，或立即使用示例上手学习（samplenotebooks）。（美通社资讯北京）