之前分享了我们在运营LLM应用时磨练出来的战术(tactics)【指之前的Part I 和Part II两篇文章】。战术是具体的：是为实现目标而采取的具体行动。我们还分享了对运营（Operations）的看法：为了执行战术，达到目标，而制定的更高层次的流程。
人工智能应用的兴起推动了对算力和存储容量的需求。对企业、个人和政府而言，以安全的方式处理和存储这些数据至关重要。这意味着，对先进数据中心的需求将不断增长，我们认为这提供了具吸引力的投资机会——无论是在数据中心本身还是其所依赖的基础设施方面。
本文总结了AI应用在财报季中的表现和影响，分析了不同公司的业绩及趋势。
数据中心设计的未来。随着人工智能对数据需求越来越大，助力数据中心提升效率的企业将占据优势。
DeepMind发表了一篇名为「To Believe or Not to Believe Your LLM」的新论文，探讨了LLM的不确定性量化问题，通过「迭代提示」成功将LLM的认知不确定性和偶然不确定性解耦。研究还将新推导出的幻觉检测算法应用于Gemini，结果表明，与基线方法相比，该方法能有效检测幻觉。
大模型应用开卷，连一向保守的苹果，都已释放出发展端侧大模型的信号。
公司旗下Talkie产品，已在Google Play下载排行榜上跻身前五。
今年AI领域的热门词汇，非”AI原生应用”莫属。
面对生成式AI的崛起和沉浸式传播时代的到来，河南广电倾力打造了“大象元AI创作和应用平台”。
基础大模型的价格战终究到来，“智力调用”的边际成本会趋于零吗？
