人工智能相关文章

爱芯元智入选2024玄铁优选伙伴

　　中国 2024年03月18日——人工智能芯片研发及基础算力平台公司爱芯元智宣布，以“开放·连接”为主题的第二届玄铁RISC-V生态大会于03月14日在深圳举行，爱芯元智联合创始人、副总裁刘建伟受邀发表主题演讲，向与会嘉宾分享了爱芯通元混合精度NPU这一面向边端侧算力布局的AI处理器，以及基于RISC-V生态所进行的AI算力提升及行业落地探索。

发表于：3/26/2024

Arm 宣布推出全新汽车技术

　　Arm 控股有限公司（纳斯达克股票代码：ARM，以下简称“Arm”）今日携手生态系统合作伙伴推出最新的 Arm 汽车增强 （AE） 处理器和虚拟平台，让汽车行业在开发伊始便可应用，助力缩短多达两年的开发周期。

发表于：3/26/2024

百度将为苹果今年国行iPhone16等设备提供AI功能

3 月 25 日消息，从知情人士处了解到，百度将为苹果今年发布的 iPhone16、Mac 系统和 ios18 提供 AI 功能。苹果曾与阿里以及另外一家国产大模型公司进行过洽谈，最后确定由百度提供这项服务。苹果预计采取 API 接口的方式计费。苹果将国行 iPhone 等设备采用国产大模型 AI 功能主要出于合规需求，该公司短期内还无法解决合规问题，但国外版 iPhone 等设备 AI 功能均来自苹果自己的大模型。

发表于：3/26/2024

高通谷歌和英特尔共同向英伟达发起挑战

3月26日消息，据国外媒体报道，高通、谷歌和英特尔等巨头集体向“AI霸主”英伟达发起挑战，欲打破CUDA“一家独大”的局面。 报道称，高通、谷歌和英特尔等科技公司参与的UXL基金会正计划开发一套软件和工具，使计算机代码能够在任何架构的AI芯片和硬件上运行，从而打破芯片巨头所主导的AI生态。 高通人工智能和机器学习主管Vinesh Sukumar接受采访时表示：“我们实际上是在向开发者展示如何从英伟达平台迁移出来。” 从长远的角度来看，由于英伟达CUDA产生的深远影响力，UXL的最终目标是支持英伟达硬件和CUDA生态代码。 目前英伟达在AI芯片市场斩获了高达90%的垄断性份额，主要归功于其高性能AI GPU和软硬件协同系统CUDA。 但是业绩普遍认为，随着英伟达竞争对手AMD、Groq等纷纷推出性能比肩英伟达的AI芯片，CUDA这一软硬件协同运算平台“垄断性的优势”才是英伟达垄断AI芯片市场的最核心。 基于CUDA的AI软硬件一体化系统为英伟达创建了一条极其宽阔的“护城河”，使得AMD等竞争对手很难与英伟达在部署AI应用方面相匹配。

发表于：3/26/2024

嘉楠基于RISC-V的端侧AIoT SoC采用了芯原的ISP IP和GPU IP

　　2024年3月14日，中国上海——芯原股份（芯原，股票代码：688521.SH）今日宣布嘉楠科技（嘉楠，纳斯达克股票代码：CAN）全球首款支持RISC-V Vector 1.0标准的商用量产端侧AIoT芯片K230集成了芯原的图像信号处理器（ISP）IP ISP8000、畸变矫正（DeWarp）处理器IP DW200，以及2.5D图形处理器（GPU）IP GCNanoV。该合作极大地优化了高精度、低延迟的端侧AIoT解决方案，可广泛适用于各类智能产品及场景，如边缘侧大模型多模态接入终端、3D结构光深度感知模组、交互型机器人、开源硬件，以及智能制造、智能家居和智能教育相关硬件设备等。

发表于：3/25/2024

新思科技推出业界首个1.6T以太网IP整体解决方案

　　加利福尼亚州桑尼维尔，2024年3月13日 – 新思科技（Synopsys, Inc.，纳斯达克股票代码：SNPS）近日宣布，正式推出业界首个1.6T以太网IP整体解决方案，该方案大幅提升数据密集型人工智能（AI）工作负载的带宽和吞吐量。超大规模数据中心是万物智能时代的重要支柱，亟需高带宽、低延迟的芯片和接口来快速处理PB级数据。新思科技全新1.6T以太网IP解决方案将助力芯片开发团队面向AI和数据中心网络应用打造业界速度领先的芯片。

发表于：3/25/2024

简化退化模型的真实图像超分辨率网络

图像超分辨率任务常用双三次下采样以构造数据集训练网络，但双三次下采样由于退化模型固定，导致网络泛化能力低，无法用于真实世界低分辨率图像。为解决上述问题本文提出预处理模块，通过预处理模块与双三次下采样数据集得到的网络相结合，在减少资源消耗的同时提高其泛化能力。此外，还针对不同的精度需求设计了特征学习训练策略和多任务联调策略。通过根据不同需求采用相应的训练策略，在满足精度需求的同时具有消耗计算资源少、训练速度快以及适用范围广的特点。实验证明，增加预处理模块的网络以较少的模型参数增加量换取了重建效果和感知质量方面的较大提升，并且通过不同策略实现了进一步的精度提高。

发表于：3/25/2024

基于CNN-Transformer混合构架的轻量图像超分辨率方法

针对基于混合构架的图像超分模型通常需要较高计算成本的问题，提出了一种基于CNN-Transformer混合构架的轻量图像超分网络STSR（Swin Transformer based Single Image Super Resolution）。首先，提出了一种并行特征提取的特征增强模块（Feature Enhancement Block，FEB），由卷积神经网络（Convolutional Neural Network，CNN）和轻量型Transformer网络并行地对输入图像进行特征提取，再将提取到的特征进行特征融合。其次，设计了一种动态调整模块（Dynamic Adjustment，DA），使得网络能根据输入图像来动态调整网络的输出，减少网络对无关信息的依赖。最后，采用基准数据集来测试网络的性能，实验结果表明STSR在降低模型参数量的前提下仍然保持较好的重建效果。

发表于：3/25/2024

首个国产单池万卡液冷算力集群正式启用

3月24日消息，中国电信官方宣布，首个国产单池万卡液冷算力集群，天翼云上海临港国产万卡算力池正式启用，首批用户也同时入驻。 据介绍，这不仅是国内首个投入正式运营的国产单池万卡液冷算力集群，也是业内领先的全国产化云智一体公共智算中心。 该集群采用新一代国产AI算力，通过高速RDMA连接各物理机节点，提供低延时、高吞吐量、无损通信网络和强大的并行计算能力，多项技术指标领跑全国。 该集群还最高可支持万亿参数大模型，满足AI计算、深度学习、图形渲染等复杂训练任务对算力的要求。 有机构认为，双碳背景下，IDC绿色化是大势所趋，液冷或是散热技术演变的必经之路，随着PUE要求不断严格，液冷散热优势逐渐凸显，无论是IDC新建需求还是存量改造需求，液冷均有望成为首选。

发表于：3/25/2024

IBM2024年将发力混合云和AI，加码大模型落地B端

IBM2024年将发力混合云和AI，加码大模型落地B端

发表于：3/25/2024

爆火的月之暗面国产大模型Kimi实测

国产大模型Kimi爆火，公司为宕机致歉，记者实测→ 站在Kimi背后的是一家叫做月之暗面的公司，该公司3月18日宣布，Kimi 智能助手在长上下文窗口技术上再次取得突破，无损上下文长度提升了一个数量级到200万字。而在此前，GPT-4Turbo-128k公布的数字约10万汉字，Claude3200k上下文约16万汉字。

发表于：3/22/2024

恩智浦与NVIDIA合作将TAO工具套件集成到恩智浦边缘设备

● 恩智浦是首家将NVIDIA TAO工具套件API直接集成到其人工智能产品（eIQ机器学习开发环境）中的半导体供应商 ● 将NVIDIA经过训练的人工智能模型部署在恩智浦边缘处理设备中 ● 简化在边缘部署经过训练的人工智能模型的过程，加速人工智能的开发

发表于：3/21/2024

详解英伟达AI盛会9个人形机器人出处

英伟达创始人兼CEO黄仁勋身着黑色皮衣登场，宣布当天参与盛会的企业价值高达100万亿美元。他表示，随着生成式人工智能发展，“一个新的产业已经出现。” 全球9大公司共筑人形机器人“梦之队” 据英伟达官网信息，英伟达正携手9家业界领先的人形机器人公司，联合开发“GR00T”项目。这9家公司包括1X Technologies、Agility Robotics、Apptronik、Boston Dynamics、Figure AI、Fourier Intelligence、Sanctuary AI、宇树科技（Unitree Robotics）和小鹏鹏行（XPENG Robotics）。 与黄仁勋同台的“机器人天团”中，每款机器人都各具特色，展示了人形机器人在不同领域的广泛应用前景。

发表于：3/21/2024

Open AI频陷非法数据收集争议

“有许多专家相信，Open AI公司在使用公共视频网站的数据训练其大模型。”美国“商业内幕”网站18日刊文称，这家业界领先的人工智能（AI）初创企业获取数据的方式正在引发争议。不只是Open AI，近期美国多个头部科技企业遭遇类似争议。训练人工智能大模型的数据来源是否合法？如何界定企业使用公众数据的边界？都成为未来各国完善人工智能法规需要认真考虑的问题。 Open AI遭遇质疑 “商业内幕”网的文章以Open AI公司旗下大火的人工智能视频创作工具Sora为例称，Sora的训练依赖海量数据，这些数据很可能搜刮自谷歌旗下的YouTube视频网站，而这已经几乎是公开的秘密。事实上，YouTube官方一直禁止使用自动化工具批量下载网站视频的做法，也禁止下载YouTube视频用于商业目的，并采取限流等措施应对工具刮削。文章称，目前尚不清楚Open AI是用了什么样的技术手段绕过YouTube的拦截。

发表于：3/21/2024

全局通道注意力增强的毫米波图像目标检测

针对主动毫米波图像中目标与背景纹理区分度较低导致隐匿目标漏检问题，并根据安检实时性要求，提出一种基于全局通道注意力增强的主动毫米波图像目标检测方法。该方法以YOLOv5s为载体，在坐标注意力位置方向上引入全局通道注意模块，增强对隐匿目标全局通道信息的关注，从而提升在隐匿目标与背景纹理区分度较低时的检测能力；再利用K-means++聚类算法重新生成适合毫米波图像目标检测的锚框。实验结果表明，无论是阵列图像数据集还是线扫图像数据集，该方法增强了对隐匿目标的特征注意，提高了召回率，在满足安检实时性的前提下，提升了检测性能。通过增加少量参数，在阵列图像数据集上，精度、召回率和mAP@.5达到了92.0%、90.93%和95.32%；在线扫图像数据集上，精度、召回率和mAP@.5达到了94.65%、92.67%和97.73%。平均单张图像推理时间在两个数据集上均达到1 ms，满足实时性要求。

发表于：3/20/2024