/
IBM推出Guardium数据安全中心，应对人工智能、量子计算和混合云风险
IBM今天宣布推出Guardium Data Security Center，这是一个新平台，旨在帮助企业应对与混合云环境、人工智能和量子计算相关的数据安全风险，这些风险正在与日俱增。
微软Azure上线基于Arm架构的Cobalt 100 CPU虚拟机
微软的 Cobalt 100 Arm CPU 日前在 Azure 云全面上线，在 Redmondian 云中运行虚拟机因此多了另一种非 x86 选择。
CIO要权衡AI发展过快给企业带来的风险
即使生成式AI结果失败没有达到引起公众尴尬或诉讼的程度，但仍会抑制企业的风险偏好，使其不愿启动更多的AI项目。
德州仪器 (TI) 全新可编程逻辑产品系列助力工程师在数分钟内完成从概念到原型设计的整个过程
全新可编程逻辑器件和无代码设计工具可降低工程设计复杂性和成本、减少布板空间并缩短时间。德州仪器全新可编程逻辑产品系列允许工程师在单个芯片上集成多达 40 个逻辑及模拟功能，与分立式实施方案相比，大幅减小了电路板尺寸。
英飞凌、芯联集成与汽车功率半导体Tier2的无限战争
IGBT领域，国产芯片技术水平已经逐渐赶上海外巨头步伐，2023年国产化率超过30%；SiC领域，当前90%市场份额仍被英飞凌、安森美、意法半导体等国外厂商主导，但本土企业产能建设和可靠性调试正在进行，也有在未来实现大规模国产替代的希望。
微软表示Copilot人工智能代理将在11月份处理员工工作
自去年宣布推出Copilot Studio以来，微软表示该工具已在多个业务部门让效率显著提升。从下个月开始，客户将可以对这一说法进行测试。
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。
京公网安备 11010802021500号
