内容提要：昨天，微软 Build 2020 首次在线上召开。大会第一天，发布了多个重磅新品，包括 AI 超级计算机、工业系统 AI 开发平台 Bonsai 项目等，我们从中可一窥微软的 AI 布局。
本文将探讨GPU开发实践，重点关注使用GPU的AI技术场景应用与开发实践。首先介绍了GPU云服务器在AIGC和工业元宇宙中的重要作用，然后深入讨论了GPU在AI绘画、语音合成等场景的应用以及如何有效地利用GPU进行加速。最后，总结了GPU并行执行能力的优势，如提高算力利用率和算法效率，卷积方式处理效率更高，现场分层分级匹配算法计算和交互，超配线程掩盖实验差距，以及tensor core增加算力峰值等。
编译丨张泷玲、杨柳 编辑丨维克多 今年1月份，苏黎世联邦理工学院的Stefan Feuerriegelc教授在 《Communications of the ACM》期刊上刊文“Artificial Intelligence Across Company Borders”，在文中教授指出了人工智能（AI）产业落地过程中常见挑战：如何开展跨公司合作？ 教授表示：通过数据共享构造大规模的跨公司数据集是一种方式，但有数据保密和隐私泄漏风险，且受隐私相关法律的限制。 而保护隐私的分布式机器学习框架—联邦学习，能让
WAIC 世界人工智能大会已于近日在上海开幕。在昨天由机器之心承办的开发者日主单元上，阿里技术副总裁贾扬清、亚马逊机器学习副总裁 Alex Smola、百度 AI 技术平台体系执行总监吴甜、Julia 创始人 Viral、Skymind 联合创始人 Adam Gibson 做了精彩演讲。
---- 新智元报道 编辑：桃子 【新智元导读】2023年人工智能指数报告发布了！这份报告显示，中国在AI顶会论文上表现世界居首，然而引用量却低于美国。另外，AI论文发表量世界前十的机构中，中国占了9席，纷纷赶超MIT。 今天，斯坦福发布了2023年AI指数报告。 值得注意的是，斯坦福AI指数报告列出了「AI论文发表量」世界前十的机构，9所全部来自中国，纷纷赶超MIT。 它们分别是：中国科学院、清华大学、中国科学院大学、上海交通大学、浙江大学、哈尔滨工业大学、北京航空航天大学、电子科技大学、北京
我们整理了GTC2022精彩讲座预告，欢迎大家报名参加 01 通过智能空间获取基础设施的价值 [A41168] 智能空间的出现对包括人工智能、视频分析和边缘计算在内的下一代技术的需求产生了冲击波。智能空间背后的理念是确保社区和工人的安全，同时提高运营效率，释放现有基础设施的财务优势。这不再是未来的概念——借助强大的 AI 加速视频分析平台和端到端解决方案，智能空间就在今天。听听那些接受将物联网数据转化为有价值的解决方案的领导者。我们将分享在机场、城市、道路、体育场馆和运营技术中植入智能空间的示例。 时间
12月1日，2022腾讯全球数字生态大会上，以“云智能加速推动产业数智化进程”为主题的腾讯云智能专场顺利召开。会上，腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声发表了主题演讲。 腾讯云副总裁、腾讯云智能负责人、 优图实验室负责人吴运声 吴运声表示，人工智能与云计算、大数据等技术的深度融合, 正在成为推动产业智能化深入发展的强劲动力。腾讯云智能聚合领先的 AI 技术优势、深耕产业互联网的行业经验，已经将腾讯云TI平台等多种 AI 产品及解决方案输送到各行各业，助力实体产业转型升级。 腾讯云TI平台
7月8日-10日，2021世界人工智能大会隆重召开，本次大会由国家发展与改革委员会、科学技术部、工业和信息化部、国家互联网信息办公室、中国科学院、中国工程院和上海市人民政府共同主办。大会期间，腾讯向观众展现了六大AI展台，分别从AI游戏、AI泛娱乐、AI可持续、AI加速器、AI政务+云AI以及微信AI等方面展示最新的AI应用成果。
一、腾讯云AI多项解决方案亮相2021世界人工智能大会 7月8日-10日，2021世界人工智能大会隆重召开，本次大会由国家发展与改革委员会、科学技术部、工业和信息化部、国家互联网信息办公室、中国科学院、中国工程院和上海市人民政府共同主办。大会期间，腾讯向观众展现了六大AI展台，分别从AI游戏、AI泛娱乐、AI可持续、AI加速器、AI政务+云AI以及微信AI等方面展示最新的AI应用成果。 展会现场，腾讯云AI展示了腾讯云TI平台及多个行业解决方案，包括腾讯云工业AI质检仪、腾讯云智媒体AI中台、腾讯云AI
在数以万计的智能工厂中，一个零部件的质量往往关系到整个产品是否合格、整条生产线的合格率、整个工厂的生产效率和经济成本，甚至是整个企业的市场竞争力。因此，产品的质量检测是生产企业管理者必须重视的关键环节。
从亚马逊到Facebook，再到谷歌和微软，全球最顶尖、最有影响力的技术公司都将目光转向了人工智能（AI）。本文将介绍AI、机器学习以及深度学习，其中着重介绍深度学习是如何工作的，以及深度学习为何直到今天才开始成熟，最后，介绍开源的深度学习框架。
机器之心报道 作者：吴昕 基于单模态 GPT-3 的 ChatGPT 「地震」余波未平，多模态 GPT-4「海啸」又顷刻席卷朋友圈。 「这提醒我们，对人工智能的预测是非常困难的。」OpenAI CEO Sam Altman 曾在 DALL-E 2 发布后讲过这样一句话。事实证明他是对的。基于符号主义的专家系统的衰落，让人们一度认为人工智能已走到尽头，2012 年的深度学习又点燃了希望，如今它已统领 AI 领域。随着系统规模越来越大，训练时间和资金成本也在不断膨胀。就在大家担心向模型添加参数正达到边际效益递减
他认为，AI 系统应该具备推理、规划和想象的能力，因果推断、注意力、元学习、掌握物理规律对于未来深度学习的发展都非常重要。此外，对于Gary Marcus 的质疑，Bengio 回应道，「我关注的是解决问题需要探索什么，而不是谁对谁错」。
近些年随着大数据的积聚、理论算法的革新、计算能力的提升及网络设施的发展，使得持续积累了半个多世纪的人工智能产业，又一次迎来革命性的进步，人工智能的研究和应用进入全新的发展阶段。
AI 科技评论按：随着 AI 技术的不断发展和应用，我们似乎开始陷入一种尴尬的局面：我们既相信 AI 还有很大的潜能、可以在社会的许多层面起到帮助，同时我们也在 AI 的安全性、隐私、与人共处、长期发展等问题上陷入纷争。
伴随人工智能的极速发展，AI工业也随之大放异彩，工业质检是整个制造中一个非常重要的环节，传统人工工业质检缺乏统一性标准，人工质检效率低，人工质检失误多，制造企业招工难，AI智能质检也随之被各大AI公司看好，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力。
AI科技评论按：近日，Rachel Thomas在fast.ai上发布了一篇博文《What you need to do deep learning》，他希望通过这篇文章回答一些深度学习入门者经常会问到的问题：什么样的电脑才能用来做深度学习？为什么 fast.ai 推荐使用英伟达的 GPU 呢？哪些深度学习库不适合初学者？你又是如何将深度学习应用到实际生产中的？ Rachel Thomas认为，所有的这些问题都可以归结到一个主题，那就是“究竟需要准备好哪些东西（硬件、软件、知识背景以及数据等）才能开始深度学
工信部联合国家发展改革委、教育部、科技部等部门发布了十四五智能制造发展规划。规划中提出：到2025年70%规模以上的制造业企业基本要实现数字化网络化，建成500个以上引领行业发展的智能制造示范工厂。
Bonsai是位于加利福尼亚州伯克利的一家人工智能创业公司，旨在通过使业务决策者可以访问该技术来实现AI的民主化，它正在将强化学习所涉及的复杂性抽象化。
除了“技术炫”，人工智能的另一大特征是“开会多”，然而，专门针对“深度学习”的开发者大会却少之又少。
沃夫冈 · 瓦尔斯特尔 德国人工智能研究中心首席执行官，诺贝尔奖评审委员会成员 新智元 AI 技术峰会 演讲：沃夫冈 · 瓦尔斯特尔 【新智元导读】德国是公认的工业强国。在新智元 AI 技术峰会上，德国人工智能研究中心首席执行官，诺贝尔奖评审委员会成员沃夫冈 · 瓦尔斯特尔进行题为“德国 AI 研究的大趋势: 团队型机器人、长期自控和大规模多模态”的主题演讲，分享了德国的“工业4.0”经验，机器人工业应用和人机协作等前沿研究问题。 沃夫冈·瓦尔斯特：大家好！欢迎大家来到这次非常重要的会议，今
作者 | 李梅 编辑 | 陈彩娴 今年年初，知名 AI 学者吴恩达在接受 IEEE Spectrum 的采访中，呼吁大家将目光从以模型为中心转向以数据为中心。深度学习问世以来，随着神经网络架构趋于固定和成熟，转而寻找改进数据的方法，已经成了 AI 研发的新出口。 近日，2021 年吴文俊人工智能科学进步一等奖获得者、云天励飞首席科学家王孝宇博士，在人工智能产业年会上作了题为“ Towards Automated Artificial Intelligence”的主题报告。报告中，王孝宇博士详述了AutoML
伴随人工智能的极速发展，AI工业也随之大放异彩，工业质检是整个制造中一个非常重要的环节，传统人工工业质检缺乏统一性标准，人工质检效率低，人工质检失误多，制造企业招工难，AI智能质检也随之被各大AI公司看好，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力。 今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题，如何回溯漏检历史现场。 01 产品功能/使用 工业质检主要指标问题
北京时间3月22日，2022年GTC大会召开，英伟达不负所望，推出一系列重磅产品。 从这些产品中可以看出，英伟达致力于成为下一代 AI 发展与元宇宙浪潮的「基建者」。 那么，具体有哪些亮点产品呢？我们来看看： 1 Omniverse Cloud 连接数千万设计师和创作者 据称，Omniverse Cloud 能够让艺术家、创作者、设计师和开发者即时访问 NVIDIA Omniverse™ 平台，允许来自数十亿台设备的用户进行 3D 设计协作和模拟。 Omniverse Cloud 所提供的服务包括： Nu
当地时间 8 月 8 日，英伟达 CEO 黄仁勋在计算机图形学顶会 SIGGRAPH 2023 上发布了专为生成式 AI 打造的下一代 GH200 Grace Hopper 平台，并推出了 OVX 服务器、AI Workbench 等一系列重磅更新。
随着有越来越多的产业纷纷采用自动化技术来解决供应链的挑战和劳动力短缺等问题，对智慧机器人的需求也因此不断增长。
获得权威认证了！ 最近，Gartner®正式发布《2023年云AI开发者服务魔力象限报告》（以下简称“报告”），腾讯云连续四年入选！
在一些制造业工厂产线上，以AI视觉检测缺陷已经开始代替人力，改变了传统只能通过人的眼睛及经验来检测缺陷的方式。
杨净 发自 凹非寺 量子位 | 公众号 QbitAI 不在一线城市，一群“泥腿子”创办的AI公司，已经赚到了钱，这可能吗？ 放眼行业，地处一线的明星公司尚且难获盈利，且圈内也无成熟经验可循。这样的AI公司，不免让人好奇。 近期，一个盈利的AI公司走入大众视野—— 第六镜，一家起源于西安的AI公司。 2014年，西北工业大学三名学生决定创业，第六镜由此诞生，发展至今团队已达百余人，估值7亿。 作为AI创业公司，虽然对外亮相有限，但在业内，它以早早实现盈利引发关注。 他们究竟走了一条怎样的商业化路径？这样一个
人工智能(AI)不只能实现无人驾驶车辆、数字语音助理或者是帮你推荐电影，它是即将席卷众多产业的浪潮；根据麦肯锡全球研究所(McKinsey Global Institute)最近针对全球3,000家“具AI意识”企业进行的一项调查结果显示，其中只有20%的企业正将AI相关技术应用于部分核心业务，但大多数的企业仍预期在未来三年增加AI相关投资。 其他单位的调查亦反映类似结果。例如印度技术服务供应商Inforsys赞助、一项针对7个国家共1,600位商业与IT领域领导厂商所做的调查显示，受访者中只有25%表示
自 2015 年底谷歌开源深度框架 TensorFlow 以来，越来越多的科技巨头、创业公司注重框架的投入与研发。而商汤科技作为国内 AI 创业公司的代表，自创办开始就走在自研深度学习框架的道路上。
郭一璞 发自 凹非寺 量子位 报道 | 公众号 QbitAI 一年前，百度开了中国AI的第一次开发者大会。 百度创始人李彦宏说，AI时代将是开发者的时代。 “有很多技术可以运用，打开了无数的可能性，让技术创新重新焕发生机，过去的个人英雄主义行不通了，因为大的平台已经出现，可以站在巨人的肩膀上做事情。” 一年就要过去了，巨人肩膀上究竟可以做些什么？百度这个AI生态又呈现出何等面貌？ 这背后可能有一些时代潮向变化的影子。 地毯式“轰炸” 单从结果来看，百度真可谓发起了一场“圈地运动”。 围绕开发者，从点，到
现在只要是跟AI主题有关的活动都绕不开一个话题：AI大模型。 在刚刚结束的Google I/O大会上，谷歌展示了其如何将最先进的预训练大模型应用在日常工作中，比如谷歌文档的自动总结功能可将几十页文件总结成几句话。在 4 月提交的论文中谷歌研究人员训练了一个 5400 亿参数的大型语言模型——PaLM，可以自动生成代码、解决数学问题、修复 bug、解释笑话的梗。AlphaBet CEO桑达尔·皮查伊表示PaLM的优点在于可区分因果关系，理解上下文中的概念组合，其在数学问题上的准确率提升到 58%，接近 60%
近日，Rachel Thomas在fast.ai上发布了一篇博文《What you need to do deep learning》，他希望通过这篇文章回答一些深度学习入门者经常会问到的问题：什么样的电脑才能用来做深度学习？为什么 fast.ai 推荐使用英伟达的 GPU 呢？哪些深度学习库不适合初学者？你又是如何将深度学习应用到实际生产中的？ Rachel Thomas认为，所有的这些问题都可以归结到一个主题，那就是“究竟需要准备好哪些东西（硬件、软件、知识背景以及数据等）才能开始深度学习？”。所以本篇
如此一来，巡检员就能避免误入带电危险区域，还能全程记录工作过程和数据，事后还能自动分析处理，一键生成报告。
人工智能（AI）领域在过去几年取得了巨大的进展，其中神经网络和强化学习技术的发展尤为引人注目。这两者结合在一起，正在为AI赋予一种超能力，使其能够在各种领域实现卓越的表现。本文将深入探讨神经网络和强化学习的关键概念，以及它们如何相互结合，为AI赋予超能力。
首先，让我们来了解一下是什么在推动边缘的人工智能的发展。传感器技术和经济的进步创造了联网设备的繁荣，也被称为物联网。这些设备正在提高生产力。
以ChatGPT、Llama等为代表的大模型技术拉开了迈向通用人工智能的序幕，人工智能成为全球经济增长的重要驱动力，对各类产业的智能化带来全新的空间。根据普华永道的预测，到2030 年，人工智能可为全球经济贡献高达 15.7 万亿美元，超过中国和印度目前的产出总和。其中，6.6 万亿美元可能来自生产率的提高，9.1 万亿美元可能来自消费端的影响。对于制造业，人工智能一直是智能制造、工业4.0、工业互联网等领域的重要部分，在ChatGPT、Stable Diffusion等崛起前，质量检测、设备预测性维护等代表性的人工智能应用已经深度融入制造业，并且形成成熟的应用范式。
在传统产业“遭遇”智能时代，科技革新亟待深化的当下，“革新者”的队伍该如何壮大？
导读：自从ChatGPT推出以来，AI圈里已经掀起了很大的浪潮，各种使用ChatGPT的尝试层出不穷，与此同时，AI内容生成技术（AIGC）也引起广泛的关注，使用生成技术撰写文章、生成图片等等，以假乱真，但是如果发生不可控的技术泛滥，势必会对“原创”造成极大的冲击，并且出现各种乱象，而这篇文章，则是就针对人工智能生成内容检测工具的一个讨论，欢迎各位关注！
在创新工场和一群优秀的人做最酷的事情，让学术界的成果落叶归根，找到合适的商业化路径。
随着 5G、大数据、人工智能等新一代信息技术的不断创新应用，制造业的生产管理方式已发生了根本性变革，企业智能化转型升级成为新机遇。
随着边缘设备的广泛使用和性能提升，将机器学习相关的部分任务迁移到边缘，也即边缘AI技术，已成为必然趋势，甚至能够同时结合云侧算力和边侧数据来完成机器学习任务。机器学习服务将边缘产生的数据转换为知识的过程中，需要在边缘快速响应并处理本地产生的数据。在落地过程中，我们发现，在连接海量边缘节点的边缘云时代，随着AI服务与边缘用户的距离缩短，通用AI原本部分挑战在边缘场景下变得更加尖锐。
机器人和自动化越来越多地用于制造、农业、建筑、能源、政府和其他行业，但许多公司一直在努力将人工智能和深度学习的优势融入到最苛刻的应用中。 借助新的 NVIDIA Jetson AGX Xavier 工业模块，NVIDIA 使在安全性和可靠性至关重要的恶劣环境中的边缘部署 AI 成为可能。这种新型工业模块扩展了 Jetson AGX Xavier 系统级模块的功能，使开发人员能够构建先进的、支持 AI 的加固系统。Jetson AGX Xavier Industrial 专为最恶劣环境中的智能视频分析、光学检
从工厂和农场到炼油厂和建筑工地，这些炎热、肮脏、嘈杂、潜在危险的地方却是保持工业繁荣至关重要的地方。而这些地方在日常运营的同时都需要检查和维护，但是，考虑到安全问题和工作条件，派人进驻并不总是最好的。
---- 新智元报道 编辑：桃子 【新智元导读】问世6年来，Transformer不仅成为NLP领域的主流模型，甚至成功向其他领域跨界，一度成为风靡AI界的机器学习架构。恰在今天，Transformers库在GitHub上星标破10万大关！ 2017年，谷歌团队在论文「Attention Is All You Need」提出了开创性的NLP架构Transformer，自此一路开挂。 多年来，这一架构风靡微软、谷歌、Meta等大型科技公司。就连横扫世界的ChatGPT，也是基于Transformer
本文约2800字，建议阅读5分钟通过10张图观察AI应用的全景。 2023年4 月 3 日，斯坦福大学以人为本人工智能研究所（Stanford HAI）正式发布了《2023 年人工智能指数报告》（Artificial Intelligence Index Report 2023）。这是该机构发布的第 6 份年度报告，分析了人工智能的影响和年度趋势。本次报告长达302页，比 2022 年的报告多出近 60%。 新报告显示了 2022 年 AI 行业的几个主要趋势： AI 在许多基准测试中继续发布最先进的结果
大数据文摘作品 作者：Liam Hänel 编译：赵逸云、蒋宝尚、钱天培 人工智能席卷各行各业早已是不争的事实。 一边是大把人担心AI抢走自己的饭碗，另一边又是人工智障事故频出、难在业界落地。 AI在业界的应用程度到底如何，恐怕还得从已有的商用AI看起。 今天，文摘菌就来盘点一下已实现产品化的商用AI，看看它们在业界都能搞出些什么名堂。 如果你真怕被AI抢走饭碗，所谓知己知彼，赶紧要来了解AI在业界的具体应用。 如果你是企业负责人，更是别错过这张清单——或许你的生产运转难题就可以被其中的某一个AI应
技术发展是一个持续叠进的过程，AI 也是如此。 经历过去 70 年的“三起两落”，近年来，人工智能行业迈进深水期，分工细化，产业落地成为主旋律，AI 与各个场景的交叉、对话不断在发生。 对不少企业而言，以前谈AI 落地，想要做一个应用，得从算法开始开发，其需要肩负的成本和代价，成为绑住他们脚步的红线。要推动AI 加速实现更广泛、更优质的落地，生产力的解放是发展的关键，抛去以往的“手工作坊”，由手工到工程化量产，从作坊到工厂到全产业链，AI 工程化也成为落地的新方向。 具体的领域，也意味着多且复杂的需求。AI
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
