摄影测量技术可以更快地提供有关珊瑚礁随时间变化的更详细信息，从而作出更明智、更及时的决策。

近日，Nvidia首席执行官黄仁勋公布了最新的T4云GPU，并将于9月推出，在Google的云上提供。他在本周达拉斯举行的SC18超级计算大会的主题演讲中宣布了这一消息。

从物理角度简单来说，kW表示的是瞬间的电力，而kWh表示的是其对时间的积分，也就是某一期间内的电力总和。简言之，kW也可称为电力，kWh也可称为电量。

Earthgrid公司展示了突破性的等离子体挖掘系统，使用双2500千瓦等离子炬在花岗岩中开凿隧道。该技术替代传统柴油设备和爆破方式，显著降低环境影响。这项绿色挖掘工艺可高效铺设地下电力线和光纤网络，减少野火风险，为AI数据中心等高耗能基础设施提供可持续的能源解决方案，推动绿色计算发展。

AMD（超威，纳斯达克股票代码：AMD）今日宣布推出的 AMD Kria(TM) K24 系统模块（ SOM ）和 KD240 驱动器入门套件，能有效提升复杂电机使用效率，为企业有效降低能耗。

这篇论文由加州大学伯克利分校和香港大学的研究团队提出了LIFT方法，挑战了传统视觉语言模型需要同时训练文本和图像编码器的假设。研究发现，使用预训练的大型语言模型作为固定文本编码器，只训练图像编码器就能在多项任务上超越CLIP，特别是在理解空间位置、对象属性关联等组合信息方面。LIFT不仅提高了计算效率，还解决了CLIP在处理复杂语义关系和长文本描述时的短板，为视觉语言模型提供了一条更高效的发展路径。

在数字驱动智能发展的大背景下，能源行业也在加快其数字化转型。

云是托管AI开发和生产的最经济方式吗？Moor Insights＆Strategy高级分析师Karl Freund认为，最好的方案取决于你在AI旅程中的位置、你将如何密集地建立你的AI能力，以及期望实现的成果。

法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估，量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量，消耗281,000立方米水。运营阶段占环境影响85%，远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹，企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。

AMD 凭借其 EPYC(TM) 嵌入式处理器不断树立行业标准，为网络、存储和工业应用提供卓越的性能、效率、连接与创新。

希捷科技中国区产品线管理总监刘嘉接受至顶网采访，分享了超大规模数据中心给大容量磁盘带来的机遇和挑战，以及希捷在降低碳排放的相关举措。

Teradata天睿公司1979年诞生于美国加利福尼亚州布伦特伍德市一间车库内。创建至今近四十年间，Teradata天睿公司已成长为占据统治地位的云端数据与分析技术公司，致力于服务全球规模最大、最富有远见的企业。

Gensyn公司研究团队提出了名为NoLoCo的新型大语言模型训练方法，该方法通过避免传统的全归约通信模式，显著降低了分布式训练的通信开销。研究采用随机配对同步和动态流水线路由策略，不仅减少了对高带宽网络的依赖，还在多种模型规模（125M-6.8B参数）上实现了比现有低通信方法最多4%的收敛速度提升，为大规模AI训练提供了更经济高效的解决方案。

研究人员发现,廉价的贴纸可以有效欺骗自动驾驶汽车的交通标志识别系统。他们还发现这些系统会"记忆"标志位置,即使标志被遮挡也会假定其存在,导致攻击成功率低于预期。研究人员测试了多种攻击方法,包括使标志"消失"或制造虚假标志。这项研究填补了商业自动驾驶系统漏洞研究的空白,为提高系统安全性提供了重要信息。

自上市以来，高能轻薄本华硕无畏15 2023便受到了广大用户的喜爱。

在本系列上一篇文章里，我们介绍了如何为 Jetson Nano 2GB 开发者套件安装系统。在本篇文章中，我们将会为大家介绍如何设置无线网络以及如何添加 SWAPFile 虚拟内存。

这个系列，我们将介绍如何利用Jetson AGX Orin开发套件进行嵌入式边缘计算开发。

微软官方于9月18日表示，除了之前宣布的Dynamics 365 AI for Sales应用程序，微软还将在今年秋季推出Dynamics 365 AI for Customer Service应用程序和Dynamics 365 AI for Market Insights应用程序。

第五代英特尔至强铂金 8592+处理器凭借更优化的SoC，三倍更大缓存和更快内存，在运行诸多工作负载时具备与众不同的优势，尤其是AI工作负载。

微软研究院团队提出了Rectified Sparse Attention（ReSA）技术，解决大型语言模型处理超长文本时的效率问题。ReSA结合了分组块稀疏注意力机制和定期密集矫正策略，既保持了生成质量，又显著提高了处理速度。实验表明，在数学推理、语言建模和检索任务上，ReSA几乎能达到密集注意力的性能水平，同时在处理25.6万词的超长文本时实现了2.42倍的速度提升，为长文本AI应用提供了实用解决方案。