蔚来北美再次裁员141人,削减与Mobileye及中国团队重合的部门


编者按:本文来自36氪「未来汽车日报」(微信公众号ID:auto-time),作者:程潇熠。

作者 | 程潇熠

 

编辑 | 吴岩

 

12月11日,据美国媒体The Verge报道,蔚来汽车向加州就业发展部(Employment Development Department of California)提交的一份新文件显示,该公司位于圣何塞的北美总部再次裁员141人。这是蔚来今年在美国进行的第三轮裁员,裁员主要集中在自动驾驶团队的研发和工程岗位。

 

截至目前,蔚来已裁减约42%的北美员工。根据蔚来提交给美国证券交易委员会(SEC)的文件,蔚来今年年初在美国有640名员工。经历3次裁员后,蔚来目前在北美地区已裁员273人。

 

蔚来本次裁员与近期跟英特尔旗下自动驾驶技术公司Mobileye达成的合作有关。

 

“这导致了人员的冗余和工作重复。”北美传播总监乔安·亚马尼(JoAnn Yamani)在接受The Verge采访时表示,目前L4级自动驾驶研发能更多依靠Mobileye,所以蔚来看到了通过削减美国自动驾驶研发岗位以降低全球成本的机会。

 

蔚来L4级别自动驾驶车型预计2022年交付,该车将基于Mobileye的L4级AV套件及NP 2.0(蔚来第二代整车平台)研制生产。Mobileye也将批量采购蔚来专门为其定制的特别版车型,用于智能出行服务。

 

蔚来方面也向未来汽车日报(ID:auto-time)表示,本次美国削减的是和Mobileye及中国团队重合的部门。后续美国自动驾驶团队的工作重点,是完善升级目前NP1.0(蔚来第一代整车平台)的L2级NIO Pilot(蔚来智能辅助驾驶系统),以及进行NP2.0(蔚来第二代整车平台)L4级及以上NIO Pilot的研发工作。 

 

“Mobileye会提供芯片等基础硬件以及底层软件,我们在硬件上做和整车的集成,软件上我们要开发上层软件及调教。”蔚来方面表示,美国团队仍有很重要的工作要做。

 

“北美总部是蔚来的大脑和灵魂。”蔚来北美董事总经理、首席信息官、全球数字发展及运营副总裁 Ganesh V. Lye在今年8月的深圳媒体见面会上表示,北美总部是主要的研发阵地,在硅谷有两个园区,彼时有超500名员工,研发工程师约占85%至90%。

 

据Ganesh介绍,除自动驾驶团队外,蔚来北美的研发团队还有4个,分别是数字座舱、数字系统、电驱动工程和整车工程。

 

成本削减是蔚来汽车今年下半年的工作重点。蔚来汽车创始人李斌在二季度财报中明确提出降本目标:至今年第三季度末,将全球员工总数从2019年1月的9900人减少到7800人左右;至今年年底,将通过额外的重组和拆分部分非核心业务,来达到更有效率的运营。由于降本措施主要在第三季度进行,此次蔚来的降本成效或将见诸2019年报。

 

(我是36氪未来汽车日报作者程潇熠,关注智能网联、自动驾驶及共享出行动态,随时欢迎交流及爆料。请加微信tuanzi_C,添加请备注姓名、公司、职位。)

 

源链接   来源:36氪   日期:2019-12-11 10:40:38  

推荐文章

2021年中国人脸识别市场规模将达530亿元

产品的完善对人脸识别市场规模快速发展提供了有利条件,根据亿欧智库研究报告显示,人脸识别市场应用涵盖安防、金融、智慧园区、交通出行、互联网服务等多个行业领域。


跨链:详解Cosmos跨链间是如何相互通信

//  ABCI::DeliverTxfuncDeliverTx{//  Exec  txswitchtx  :=  tx.  {case*types.SendTx://  执行正常交交易case*types.AppTx://  执行plugin中的交易plugin  :=  pgz.GetByNameres  =  plugin.RunTxreturnresdefault:returnabci.ErrBaseEncodiingError.SetLog}returnres}异构跨链PegZone对于使用POW共识算法的链,例如比特币和以太坊,它们如何使用Tendermint的IBC协议跨链运作。


2小时演讲,近140页PPT,这个NeurIPS Tutorial真是超硬核的AI硬件教程

在演讲中,Sze教授首先会介绍DNN算法,以及它们在各类硬件上部署时可能带来的性能损失。演讲中还值得一提的是,Sze教授提到了算法和硬件协同设计的思路。机器之心对其中的主要内容进行了选编:重点内容演讲刚开始,Sze教授回顾了深度学习的发展,并简要提到了一些主要的DNN模型


NeurIPS 2019 |自动优化架构,这个算法能帮工程师设计神经网络

图1.NAT在人工设计的网络结构上的优化结果。图2.NAT在NAS设计的网络结构上的优化结果。从图2可以观察到,对于NAS方法得到的网络结构,NAT通过使用跳跃连接替换冗余操作或者直接删除连接的方法来降低计算量


GLUE榜单第一!百度ERNIE年底交预训练模型亮眼成绩单

北京时间12月10日,预训练模型界的“MVP”百度ERNIE再展锋芒,在自然语言处理领域权威数据集GLUE中荣登榜首,并以9个任务平均得分首次突破90大关刷新该榜单历史,其超越微软MT-DNN-SMART,谷歌T5、ALBERT等一众国际顶级预训练模型的表现,实力得到极大彰显。2018年底以来,以BERT为代表的预训练模型大幅提升了自然语言处理任务的基准效果,取得了显著技术突破,基于大规模数据的预训训练技术在自然语言处理领域变得至关重要。