企服赛道下一次爆发，离不开与AIGC碰撞的火花
企服赛道下一次爆发，离不开与AIGC碰撞的火花借助AIGC，为客户带来十倍价值。
来自主题:
AI资讯
10630 点击 2024-06-04 10:12
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
借助AIGC，为客户带来十倍价值。
“一键完成”工作的AI应用近在眼前
AI时代一个海淀家长的鸡娃思考。
大模型抄袭丑闻总是不断。
一般而言，训练神经网络耗费的计算量越大，其性能就越好。在扩大计算规模时，必须要做个决定：是增多模型参数量还是提升数据集大小 —— 必须在固定的计算预算下权衡此两项因素。
如何突破 Transformer 的 Attention 机制？中国科学院大学与鹏城国家实验室提出基于热传导的视觉表征模型 vHeat。将图片特征块视为热源，并通过预测热传导率、以物理学热传导原理提取图像特征。相比于基于Attention机制的视觉模型， vHeat 同时兼顾了：计算复杂度（1.5次方）、全局感受野、物理可解释性。
黄仁勋：我家的 GPU 芯片一年一更新，其他家怎么追？
清北爸爸李永乐都搞不定的事情，这个隐身的大模型在发起挑战
都在说大模型，都不会用大模型。
无论从合作级别还是金额来说，这一交易都是AI行业发展的里程碑事件。
Scaling law发展到最后，可能每个人都站在一个数据孤岛上。
媒体与科技平台所谓的第三次大战里，OpenAI几乎已经不战而胜。
英伟达是今天生成式AI浪潮里最大的赢家，而黄仁勋要告诉世界，这一切跟运气无关，是英伟达预见并用实力创造了今天的一切。
除了OpenAI自己，居然还有别人能用上GPT-4-Base版？？
改进Transformer核心机制注意力，让小模型能打两倍大的模型！
无情戳穿“长上下文”大模型的虚标现象
超越Devin！SWEBench排行榜上迎来了新玩家
我是万万没想到，现在的AI内容生态，居然也活成了一种“赛博投喂”的无限循环。
工业革命就注定会有钢铁、石油、铁路巨头。互联网也注定会有搜索、电商、即时通讯。历史性变革催生历史性机会，而这种历史性机会往往内置技术的特征。技术特征决定了机会是什么，甚至也决定了机会的先后。
多模态，已经成为大模型最重要的发展方向之一。
首个“脑PU”来了！由“16核”类人脑器官（human brain organoids）组成。
刚刚，中国台湾大学体育场，欢呼阵阵如同演唱会，但这次“摇滚巨星”，其实是英伟达创始人黄仁勋，再次回到学校，带来Computex重磅演讲，以及英伟达的新一代GPU。
研究人员提出了一种新的大型语言模型训练方法，通过一次性预测多个未来tokens来提高样本效率和模型性能，在代码和自然语言生成任务上均表现出显著优势，且不会增加训练时间，推理速度还能提升至三倍。
在脑机接口领域取得突破性进展的公司不止Neuralink一家。Precision Neuroscience发布公告称，他们采用与Neuralink不同的技术路径，在人脑上成功放置了4096个电极，打破了去年2048个电极的最高纪录。
在以英语为主的语料库上训练的多语言LLM，是否使用英语作为内部语言？对此，来自EPFL的研究人员针对Llama 2家族进行了一系列实验。
刚刚，老黄又高调向全世界秀了一把：已经量产的Blackwell，8年内将把1.8万亿参数GPT-4的训练能耗狂砍到1/350；英伟达惊人的产品迭代，直接原地冲破摩尔定律；Blackwell的后三代路线图，也一口气被放出。
不卖模型卖算力
为了让更多用户先人一步体验AI，京东联合产业上下游企业乘胜追击，定下了618期间让300万人换新AI硬件的“小目标”。
英伟达创始人黄仁勋把HBM（高带宽存储器）称为“技术奇迹”，认为它是AI革命的重要因素。在这一领域SK海力士处于优势，占有全球过半份额。这种状况让三星无法接受……
生成式AI时代，Arm要做计算“基石”。
