搜索
AI半年考，人工智能上市公司的业绩答卷如何 截至 8 月底，据 IT 桔子不完全统计，至少有 34 家有人工智能相关业务的中国上市公司都已经公布了 2024 半年报。
我个人不是喜欢打听这些公司八卦的人，前些年移动互联网时代就已经有太多这样的小道消息，但最终都没有没什么用。重要的信息迟早会变成公开，最多晚几个月而已，又不是要考虑抢时间窗口投这些公司，花时间去探究ROI不高。
这篇文章是笔者之前AI手写连笔书法生成的一个工作，是联合中央美院几位非常知名的老师完成的。当时提出的思路相对简单，主要结构是基于对抗生成网络（GAN）。虽然方法在大模型横行今天可能已经不算太新颖，但近期一些基于diffusion的AIGC工作还是关注到了这篇文章，并产生了一些启发。笔者认为这些灵感仍具有一定价值，因此在这里做个分享。由于一些公式和指标不太友好，为了不影响阅读故省略。
近日，Mamba方面又搞出了有意思的研究：来自康奈尔、普林斯顿等机构的研究人员成功将Llama提炼成了Mamba模型，并且设计了新的推测解码算法，加速了模型的推理。
就在刚刚，Ilya创业新公司SSI完成一笔10亿美元融资。公司仅仅成立3个月，10位成员，如此神速地拿到巨额融资。目前，公司估值高达50亿美金。
在21世纪的科技洪流中，人工智能（AI）正以前所未有的速度重塑着世界的每一个角落，从医疗、教育到金融、制造，无一不感受到其强大的影响力。然而，当我们将目光投向看似与AI技术相去甚远的能源领域，尤其是石油行业时，一场由AI驱动的变革似乎正悄然酝酿。
Ilya Sutskever新创公司SSI筹资10亿美元。
国产GPU厂商面临挑战，国产GPU有哪些，国产GPU芯片什么水平 谁能替代英伟达，谁又不想替代英伟达。这家掌握着将近80%的AI市场份额的企业，几乎没有天敌。
AI 大模型已经在具体的业务场景落地实践，本文通过梳理 AI 大模型技术架构的全景视图，让你全面了解 AI 大模型技术的各个层次，从基础实施层、云原生层、模型层、应用技术层、能力层、到应用层，如下图所示，揭示 AI 大模型如何在不同的层面上协同工作，推动产业应用的落地。
企业要用好 LLM 离不开高质量数据。和传统机器学习模型相比，LLM 对于数据需求量更大、要求更高，尤其是非结构化数据。而传统 ETL 工具并不擅长非结构化数据的处理，因此，企业在部署 LLM 的过程中，数据科学家们往往要耗费大量的时间精力在数据处理环节。这一环节既关系到 LLM 部署的效率和质量，也对数据科学家人力的 ROI 产生影响。