/
IBM在“宽松的”Apache许可下发布最新Granite基础模型
IBM推出了新一代用于应用开发和现代化的watsonx Code Assistant，所有这些新功能都捆绑在一个多模型平台中，供IBM的160000名顾问使用。
Gartner发布2025 年十大战略技术趋势
2025 年的重要战略技术趋势涵盖了AI的必要事项和风险，以及计算技术和人机协同等前沿趋势。追踪这些趋势将帮助IT领导者以负责任、和合乎道德的创新方式塑造企业机构的未来。”
报告丨2024量子计算发展态势研究报告
当前，量子计算处于技术攻关和应用探索的关键阶段。超导、离子阱、中性原子、光量子、硅半导体等技术路线科研探索和原型机工程研发不断取得进展，金融、化工、生物、交通、人工智能等行业领域应用探索持续深化，量子+经典融合计算成为业界关注焦点。
搭建一个 AI 问答机器人，需要几步？
很多人想到模型私有化部署，会以为要数据中心的多台服务器来做，其实不然。办公室里搭建 AI 工作站，已经可以完美地支持企业内部知识库和一些POC场景的需求，比如进行量化的 70B 模型的训练和推理工作。所以在办公室环境下，同样可以搭建一个 AI 问答机器人。
AI网络背景下RDMA的Why，What & How
在传统数据传输方案中，内存数据访问和网络数据传输分属两套语义集合。数据传输中CPU承担了大量工作。应用程序先申请资源，再通知Socket，内核态驱动程序完成TCP/IP报文封装，最后由NIC的网络接口发送到对端。数据在发送节点需要依次经过Application Buffer、Socket Buffer、Transfer Protocol buffer。到达接收节点后同样需经过多次反向内存拷贝，内核态驱动程序完成TCP/IP报文解封装，应用程序最终将数据写入系统物理内存。
突发！微软正与OpenAI洽谈，140亿美元投资股权
微软与OpenAI进行140亿美元的投资股权谈判，关注股权分配和公司控制权。监管机构担心微软控制OpenAI可能导致AI市场不公平优势和隐私问题。OpenAI面临转型为营利公司的财务压力，需在不触发监管的前提下给予微软合理股权。微软对OpenAI的投资关键于其发展，特别是2019年的10亿美元投资，支持了GPT-3模型的研发。
元宇宙营销：在线广告的未来！
元宇宙是一个迅速扩展的概念，它正在改变我们与技术和其他用户在线互动的方式。这是一个共享的虚拟世界，人们可以在其中以身临其境的三维方式与彼此及其环境进行交互。随着元宇宙的兴起，对于那些希望以创新和吸引人的方式接触目标受众的品牌来说，新的营销机会正在出现。
观点 | 加快探索多样化的企业数据定价模式
数据作为新生产要素，定价是需要突破的难题，是发挥数据要素驱动作用的关键，需要深入研究。企业数据按照市场原则自主定价在理论和政策上已经取得共识，但在实践上还遇到很多困难，亟需找到突破的方向和路径。本文在研究成本法、市场法和收益法等定价方法的基础上，结合当前企业数据的主要定价方法实践，提出在企业数据市场的初期阶段，基于成本对企业数据定价，是市场参与各方容易接受并能有效促进交易达成的方式。
极智AI | 解读强化学习中的Q-learning
在 OpenAI o1 的背景下，Q-learning 略显神秘，这里来解读。Q-learning 是一种基于值的强化学习算法，它旨在学习一个策略，使得智能体在环境中采取行动后，能够最大化累积的奖励。它通过估计状态-动作值函数（即 Q 函数）来实现这一目标。
英伟达宣布与Aidoc合作，共同探索AI医疗应用
如今，随着AI行业逐渐站稳脚跟，AI的内在价值也逐渐被人们所理解，也终于有时间能够以系统性、有组织的方式将前一阶段的工作成果归纳在一处。近年来，也有其他类似的框架不断涌现。例如今年早些时候，在医疗AI领域投入大量精力的微软就宣布，将扩大其与2024年3月发布的可信与负责任AI网络（TRAIN）项目的合作。另一项重要举措是健康AI联盟（CHAI），该联盟得到了微软、亚马逊、谷歌、斯坦福医学院以及麻省总医院等行业巨头的支持。
HPE CEO谈收购Juniper、AI发展和竞争对手思科
Neri还谈到了HPE完成Juniper收购交易之后的渠道合作伙伴战略和产品集成愿景，他说这可能只是“几周之后的事情”。“Juniper拥有出色的QFX架构，需要进行一些现代化和加速，我们将把它和我们的HP Slingshot架构结合起来，正在使用它来扩展数万个GPU，而且随着时间的推移将它们整合在一起。因为我们相信，借助我们的高性能硅片，我们可以降低平台的复杂性。”
AI让边缘计算与CIO越来越紧密相关
随着生成式AI被嵌入到越来越多的设备中，赋予它自主决策权就将取决于实时数据，以及避免过高的云成本，这就是边缘计算的用武之地。
全球AI服务器总投入达2万亿美元，人工智能正在吞噬整个世界
每当AMD公司CEO苏姿丰宣布推出新的Instinct GPU加速器，数据中心AI加速产品的潜在市场似乎都在进一步扩大。
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。
数据中心为什么耗电那么多？ups与空调如何选型？（内附计算方法）
要做到用电的节能首先要做好机房用电的检测，精确掌握机房用电是节能省电的第一步。大多数的移动基站均采用无人值守，但这些通信机房里的各种电子设备，是需要在一定的温度环境下(机房环境国家标准GB50174-2017规定长年机房温度为18℃～28℃)，才能长期正常地运行，为了达到机房标准的环境温度，每个通信机房均配备了两台左右的空调，而这些空调长年处于开机状态，那么对机房的用电量就是很大的一块消耗。
世界最好小参数开源大模型！超谷歌、Meta，手机、平板轻松运行
Ministraux一共有Ministral 3B和8B两个版本，是专为手机、平板、笔记本等移动设备设计，在文本生成、推理、函数调用和效率方面非常强悍，大幅度超过了Meta的Llama-3.2和谷歌的Gemma-2，重新定义100亿参数以下小模型的性能。
京公网安备 11010802021500号
