/
智谱AI的AutoGLM后，Google和微软也下场来做“贾维斯”了。
谷歌准备推出接管计算机的人工智能。上周三Claude、周五智谱AI、周末Google，然后微软。短短一周内，已经有四个公司爆出来要发布类似的产品了，其中三个已经悄悄发布产品：Anthropic的Claude，智谱的AutoGLM和微软的OmniParser。这些产品的能力有目共睹。
智算为生成式AI发展铺路
从PC时代到移动互联网时代，再到如今的AI时代，每一轮技术变革都在不断降低使用门槛和开发门槛，智算的发展也将进一步降低生成式AI的应用，使其可以快速推进。
科技部回复人大、政协提案：推进人工智能产业应用和立法工作
提案针对我国人工智能大模型产业应用存在的问题，提出强化关键技术研发、促进数据安全共享、加强伦理治理规范、强化人才引培等建议，对提升我国生成式人工智能整体竞争力，推动人工智能快速有序健康发展具有重要意义。
Anthropic发布全新的Haiku 3.5和升级版Sonnet 3.5，大模型控制电脑使用能力强了很多！
Anthropic在这次更新中不仅提升了模型的整体性能，还在专业领域如编程、视觉理解等方面取得了显著进步。特别是新增的计算机使用能力，虽然仍处于早期阶段，但展现出了AI与计算机交互的新可能性。
趋势丨2024遍地开花的新能源大模型
当前，新能源头部企业对于“智能化”与“AI技术”的定位，早已不再是整齐划一的机械臂和简单存储的云平台了。AI技术正在接受海量样本数据喂养，加速实现行业落地，成为头部企业争先布局的“先手棋”，以保障成功穿越周期，继续领跑未来。
诺奖都颁给AI了，行业却已开启增速焦虑
大模型的研发和运行确实需要大规模的资源和资金支持，非小规模团队能够轻易承担。这一点在当前的人工智能领域尤为明显。以GPT4-o为例，其训练涉及了文本、视觉和音频等多种数据模态，这意味着它需要处理和分析的数据量是巨大的。据OpenAI透露，GPT-4o在训练过程中使用了多达13兆的数据，这比之前的一些大型模型如LLAMA和PaLM使用的数据量还要多。此外，GPT-4o的模型参数数量也非常庞大，达到了1.8万亿。
一句废话就把OpenAI o1干崩了？大模型的推理能力还真挺脆弱的。
保持提示词简单直接：模型擅长理解和相应简单、清晰的指令，而不需要大量的指导。 当时我对这一条的理解，觉得是为了让o1模型更好的理解我的要求，同时可以加快模型的处理速度，因为模型不需要花费额外的时间去解析复杂的语句。
新质发展X智领创新｜北京· AIGC应用发展高峰论坛倒计时7天！
AIGC应用发展高峰论坛暨AIGC100年度评选”将于下周在北京隆重开幕。本次活动将汇聚超过50位顶尖AI创业者，通过主题演讲、圆桌论坛、落地工坊、互动展区、播客马拉松、派对晚宴等多样化的形式，为与会者提供一个全面而深入的AI交流平台。
极智AI | 解读大模型量化算法之GPTQ
GPTQ 的核心思想是通过最小化量化引入的输出误差，实现高精度低比特量化。具体来说，GPTQ 在后量化过程中，针对每一层的权重矩阵，利用一小部分校准数据，最小化量化前后模型输出的差异。
大模型之家2024年9月热力榜：“快慢”思考引热议，大厂多模态领域齐发力
“慢思考”概念的提出，也引发了全行业的深思。如360两月前便提出的CoE（专家协同）架构。该架构通过整合多个大型模型和专家模型，构建了一个协作网络，实现了“快思考”与“慢思考”的有机结合，进一步提高了推理任务的灵活性和精确度。
Qwen2.5全家桶发布，包含7种尺寸规模
本次开源的Qwen2.5语言模型主要包含7种尺寸，0.5B到72B全尺寸覆盖，弥补了Qwen2 14B/32B这两种业务黄金尺寸缺失的遗憾，并且开源了强劲的3B的端侧模型。本次开源，一个字：尺寸丰富，性能强劲。（此外还包括Math、Code和VL专项模型）
人形机器人的灵魂觉醒：钉钉如何激发具身智能，引领产业新风潮？
在AI与大模型技术的加持下，人形机器人不再是冷冰冰的钢铁机器，而是拥有了更强大的“大脑”，它们能够理解、推理、学习，甚至与人类进行自然流畅的互动。钉钉，这个我们熟悉的办公平台，在其中扮演什么关键角色？“云启智跃·产业蝶变”本届的“云栖大会”为我们揭开了迷雾。
思维链就是思维么？OpenAI o1系列发布，开启推理新范式
著名的教育家约翰·杜威这样定义思维：“以一种观察到的事物为依据，去推测或判断出其他的事物，然后将作为依据的事物当做后者推测数的事物的机遇或者基础，从而产生信念。”
数据湖演进之路：架构分裂推动AI分析的新时代
数据湖这个词在21世纪10年代初出现的时候，有些人认为它是在恰当的时间出现的一种恰当的架构。数据湖是一种非结构化的数据存储库，利用了新的低成本云对象存储格式（如Amazon S3），可以容纳来自网络的大量数据。
OpenAI将在两周内发布“草莓”模型，推理模式非常特殊！
目前，多数大模型的性能受限于其预训练阶段所获取的数据集，以及推理过程中的算力资源。研究人员发现，可以通过更多的推理时间、自适应（就是草莓的特殊延迟推理）来提升模型的性能，这种技术称为——测试时计算（Test-time computation）。
大模型时代，推理的成本决定最终的胜利
大模型时代，底层逻辑发生了很大的变化。系统的成本几乎和客户使用量成线性关系，边际成本依然很高。这里的成本绝大部分都是推理的算力消耗。
凯文·凯利、王坚、沈向洋思辨2024外滩大会：人工智能还有哪些难题，如何追寻答案？
2024年，人工智能依然是全球科技创新高地，也正在全产业的基础技术和基础设施。
浪潮云做到让每朵云都更智能
浪潮云发布全新品牌Slogan“有云处皆智能”，希望深入理解客户需求，量身定制解决方案，确保每一朵云都能精准对接，释放出最大的智能效能。
京公网安备 11010802021500号
