多年来,计算机硬件一直是一个乏善可陈的市场。占主导地位的x86微处理器架构正在触达可通过小型化实现性能增长的极限,因此制造商们的目光聚焦于在芯片中封装更多核心上。
Nvidia今天宣布,将与微软共同合作打造一台为运行人工智能软件而优化的超级计算机。
当人们讨论AI和工作的未来时,经常会忽略岗位质量这个重要因素,而更多跑去讨论自动化和失业的关系。AI的实际应用并不是在全面替代员工,而是成为员工密不可分的协作伙伴,融入员工们在办公场所内的日常体验。
英特尔公司宣称开发出一种AI模型,能够通过颜色的细微变化实时检测视频内容是否使用了deepfake技术。从结论来看,如果拍摄对象是真人,那么这种颜色变化会更为明显。
这款全新AIU芯片是IBM研究院AI硬件中心投入五年开发出的成果。AI硬件中心专注于开发下一代芯片与AI系统,计划每年将AI硬件效率提升2.5倍,并希望在十年间(2019年至2029年)将AI模型的训练和运行速度拉高1000倍。
Nvidia宣布与高性能计算初创公司Rescale展开合作,简化在公有云基础设施上运行人工智能应用的任务。
麻省理工学院和IBM Watson AI Lab的研究人员创建了一个机器学习模型,用于预测听众在3D空间内的不同位置上会听到什么。
NVIDIA机器人行业专家李雨倩接受记者采访时表示,机器人是研究型与商业落地多头并进发展的学科,有些领域会商业落地较早,例如服务机器人、扫地机器人、无人机、AGV等。“机器人最根本的逻辑是降本增效,为我们的工作和生活提供更好的便利性。”
“体力劳动的自动化转型就是典型例子,此外先进光谱分析等技术对于精准农业的促进作用也非常值得探索。只要利用深度学习对包含完整电磁频谱信息的光谱数据进行分析,就有望识别出图像内显现的各种物质成分。”
diffusion 带来了魔术般的用户体验:打开网址,输入你想要画面的关键字,等待几分钟,模型就会生成完成度非常高的图片作品。
在本周于硅谷举行的开放计算项目(OCP)全球峰会上,Meta Platforms推出了其全新“Grand Teton”AI系统,以及基于磁盘对口的配套“Grand Canyon”大容量存储阵列。
作为早期发现加速器价值的系统设计商之一,蓝色巨人认为从长远来看,各类高性能计算都将涉及某种加速机制。换句话说,CPU应该可以把数学负载交由专用ASIC处理,由此大大缩短计算周期。
谈及未来布局,Rob Fishert透露,Imagination不仅注重通过扩展来满足计算需求,而且还注重通过提高效率来管理所需的计算量。为了满足不断增长的需求,这两方面都必不可少。
爱立信表示,使用爱立信人工智能服务的私有5G网络要比传统电信网络具有更长的正常运行时间,并且该服务可以扩展到公共网络中。
凭借对微软云的高度集成,它能帮助大家在Teams环境中显著改善销售体验,并与Dynamics 365和Salesforce等CRM方案顺畅协同。无论大家当前使用怎样的记录系统,这都能显著提高销售组织的生产力水平,这对很多客户来说肯定是个好消息。