/
日本总务省：中国对ChatGPT等生成式AI应用，全球第一
中国凭借庞大的“原生数字人口”以及健康、积极的创新技术生态，在生成式AI产品场景化落地和应用方面领先美国、英国、日本等发达国家。
Oracle提供共享Exadata即服务，成本远低于完整实例
甲骨文公司（Oracle）为了吸引更多小型企业和部门级客户使用旗下的高端Exadata云服务，近日推出“智能数据架构”Exadata Exascale服务。
Supermicro:携手合作伙伴塑造高能效AI基础设施
绿色计算是Supermicro整体企业ESG战略和可持续发展目标的核心组成部分。面对人工智能、大型语言模型（LLMs）和高性能计算（HPC）快速发展的当下，计算基础设施的冷却解决方案成为用户必须关注的重点。
AI商业化实践！PEC·深圳活动火热报名中！
在AI大语言模型蓬勃发展浪潮中，Prompt Engineering Conference（提示词工程大会）作为一项公益性活动，专注于以Prompt为核心内容，为广大的AIGC从业者搭建一个AI创新探索的交流平台。软积木作为PEC官方授权的亚洲地区合作伙伴，凭借其卓越的组织能力与行业影响力，已成功举办多场活动并赢得了广泛赞誉。
选择一个工具，还是选择了一个生态——Unity如何为中国创新者装配“新引擎”
从游戏引擎这个梦开始的地方，到更多应用落地的广阔天地，看Unity是如何炼成的。
AIST联手HPE与英伟达，合作开发下一代AI云计算设备
日本国家先进工业科学与技术研究所（AIST）计划安装其第三代AI桥接云基础设施3.0（AI Bridging Cloud Infrastructure 3.0）超级计算机。而且正如大家所想象，这套系统将包含数千张英伟达最新一代“Hopper”H200 GPU加速器。
生成式AI将如何改变房地产经纪人的工作方式
数字化、互联网、无人机拍摄以及虚拟现实等最新趋势，都已成为房地产经纪领域的变化因素。而如今随着经纪人、评估师、投资者以及抵押贷款经纪人积极争取由生成式AI带来的助益，更大的变化很可能即将到来。
开启数据中心的新纪元 Rambus带来全新DDR5 PMIC
Rambus宣布推出最先进的全新DDR5服务器电源管理IC（PMIC）系列，包含适用于高性能应用的业界领先超高电流电源器件。凭借这一全新服务器PMIC系列，Rambus为模块制造商提供了完整的DDR5 RDIMM内存接口芯片组，支持广泛的数据中心用例。
AWS推出App Studio，利用人工智能加速应用程序开发
AWS近日推出了AWS App Studio，这是一种人工智能服务，可以使用自然语言提示开发应用程序。
AMD收购SILO AI，旨在打造其AI软件与服务栈
也正因为如此，该公司才会斥资6.65亿美元收购芬兰AI初创公司Silo AI。AMD是通过Lumi超级计算机建设项目而结识了这家年轻的企业。Lumi超级计算机是基于AMD Epyc处理器与Instinct GPU加速器打造的系统，属于EuroHPC整体计划中的一环。
CIO分享：漫长的医疗行业数字化之路得到了AI的推动
从环境文档到基于机器学习的调度，医疗行业的CIO们正在推出能够实现精确诊断、减少临床医生工作量和自动化后台功能的技术。
为了快速改进你的AI应用，Claude推出提示词Playground
开发人员可以将真实示例上传至该测试套件，也可以要求Claude提供一系列由AI生成的测试用例。
AWS云积分闪电战：“十亿美金AI初创公司追逐赛”正在进行中
随着AI市场份额之争愈演愈烈，AWS开始向微软和谷歌发起全线攻势，宣布面向AI初创公司提供价值数亿美金的云积分。
AI科技，如何让净零排放成为可能
截至目前，全球已有124个国家承诺到2050年实现碳中和，超过500万家公司承诺到2040年实现净零排放。而在这个充满挑战的过程中，能源生产企业无疑面临着越来越大的快速脱碳压力。
戴尔：人工智能革命需要“重构数据中心”
戴尔基础设施解决方案集团总裁Arthur Lewis表示，人工智能革命已经到来，数据中心是这场革命能否实现全球扩展的试验场，但目前数据中心尚未为此做好准备。
重塑数据中心未来 英特尔G-Flow浸没式液冷带来新选择
近日，英特尔发布新一代数据中心液冷解决方案——G-Flow浸没式液冷，在降低总体拥有成本（TCO）和电能利用效率（PUE）的同时，为追求卓越冷却性能的密集计算环境提供出色的散热能力、系统稳定性和易操作性，并对环境更为友好。
IDC上调数据中心计算与存储支出预测
好消息是，IDC对于2024年数据中心计算与存储支出的预测有所上调，而且幅度还相当不小。其对未来五年内的支出预测，也高于IDC此前就全球数据中心计算和存储支出给出的数字。
以太网：如何满足AI计算互联要求？
不同计算进程间数据共接收端，容易出现“受害者流量”。AI 推理集群必然会出现多个负载处理多个用户需求或多条并发请求的情况，不同负载由不同端口输出数据，传输路径上有共用的叶、脊交换机，则共接收端的“多传一”（Many-To-One）现象容易出现网络背压、拥塞传播甚至丢包。
京公网安备 11010802021500号
