搜索
在人工智能领域，模型参数的增多往往意味着性能的提升。但随着模型规模的扩大，其对终端设备的算力与内存需求也日益增加。低比特量化技术，由于可以大幅降低存储和计算成本并提升推理效率，已成为实现大模型在资源受限设备上高效运行的关键技术之一。然而，如果硬件设备不支持低比特量化后的数据模式，那么低比特量化的优势将无法发挥。
铲子难卖，金矿难挖
近日，HCM领域的SaaS巨头Workday和全球排名第一的CRM企业Salesforce达成AI战略合作，意在结合Salesforce在客户关系管理领域方面的专业知识以及Workday在人力资源、财务管理方面的优势，试图通过当下先进的人工智能功能和统一的数据集成技术重新构想全新的企业软件。
眼镜这个古老而传统的产业，也有望迎来新的变革
一年一秀，稚晖君的第二代人形机器人来了。
刚刚，“鸽”了一年的稚晖君，终于带着具身智能新品来填坑了！
在经历了发布会蜂拥而至的Q2之后，AI领域近来似乎进入了 “冷寂”状态。
一年前，谷歌最后一位 Transformer 论文作者 Llion Jones 离职创业，与前谷歌研究人员 David Ha共同创立人工智能公司 Sakana AI。Sakana AI 声称将创建一种基于自然启发智能的新型基础模型！ 现在，Sakana AI 交上了自己的答卷。
人工智能的普及造成了一场能源危机，但并不是无法解决。
让模型具有更加广泛和通用的认知能力，是当前人工智能（AI）领域发展的重要目标。目前流行的大模型路径是基于 Scaling Law (尺度定律) 去构建更大、更深和更宽的神经网络提升模型的表现，可称之为 “基于外生复杂性” 的通用智能实现方法。然而，这一路径也面临着一些难以克服的困境，例如高昂的计算资源消耗和能源消耗，并且在可解释性方面存在不足。