随着企业家们不断学习、试验并迭代对AI流程和工具的使用方法，AI技术的采用率也在2022年内跃升至35%。但参加各种会议、阅读关于技术进展的文章和盲目测试各种应用程序只是表面功夫，甚至是单纯在浪费时间，结果才是我们真正的诉求。原始采用数字并不能说明实际情况，投资回报才是衡量效能的最佳指标。

俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法，在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB，实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩，为高清视频分析技术的普及奠定基础。

医疗保健无疑是受数据泄露影响最大的行业之一，每起数据泄露事件平均造成920万美元损失。在此类违规案例当中，最常暴露在风险之下的信息类型正是敏感客户数据。

随着AI加速了云的采用和客户的需求，云计算初创公司在2023年也火热发展起来。

法国 AI 新创企业 Mistral AI 携手 Nvidia 推出 Mistral Compute 全链路 AI 基础设施平台，并发布 Magistral 系列推理模型，助力欧洲实现技术自主与可持续发展。

这项研究揭示了大语言模型推理中的一个重要问题：数值精度会显著影响结果的可重现性。研究团队发现，即使使用相同设置，不同硬件配置下模型输出可能截然不同，准确率差异可达9%。他们提出了LayerCast解决方案，在保持内存效率的同时提供高精度计算，为AI研究的可重现性提供了实用工具。

这项研究提出了动态分层剪枝（DLP）方法，通过自动确定大型语言模型中各层的相对重要性来分配不同的剪枝率。与传统均匀剪枝方法相比，DLP在高稀疏度条件下表现优异，在70%稀疏度时可将LLaMA2-7B的困惑度降低7.79并提高平均准确率2.7%。DLP与多种模型压缩技术兼容，在CPU上可实现2.8x-3.7x的推理加速，为资源受限设备上部署大型语言模型提供了新方案。

西安交通大学研究团队开发了DenseDiT，一个基于生成式AI的视觉分析框架，能在仅使用15张训练图片的情况下处理25种复杂现实场景的视觉任务。该系统巧妙利用已训练生成模型的视觉知识，通过参数复用和轻量级分支设计，在数据效率上比传统方法提升1000倍以上，为数据稀缺的AI应用场景提供了全新解决方案。

通过思维链和内置专家模型的紧密协同工作，DeepSeek 能够高效地处理各种复杂问题，为用户提供高质量的回答和解决方案。

“AI驱动安全已是大势所趋，未来网络攻防，得AI者得天下。”

在去年百度世界大会上，李彦宏放了个狠话，说要在2018年7月份实现无人车的量产。这比行业的预计量产时间足足提早了两年。转眼之间“期限”已到，许多“吃瓜群众”都开始围观坐等看他如何亲自拔掉这个flag。

本文介绍推理模型如何通过链式推理和多路径探索外部信息，展示其在复杂问题求解中（如数学、规划和动态决策方面）的卓越优势，从而推动生成式 AI 技术向更高水平发展。

在发展数字经济的带动下，全国各省市争相推进算力基础设施建设，掀起了人工智能计算中心建设热潮，已有多个项目相继落地投运。

AI落地时代开始了，英特尔的机会也来了？

10月19日 - 10月20日，由 NVIDIA 主办的 NVIDIA 初创企业展示 · 半程展示在雅安大数据产业园成功举办。

近两年，“5G+工业互联网”的发展非常迅猛，全国在建项目超过1100个，出现了上海的商飞、山西的阳泉煤矿、湖南三一重工和厦门港等应用场景。

企业需要在每个阶段的每一层都要通过设计实现安全，包含身份与访问管理、监控与事件响应、数据和网络保护、迁移与现代化。因为正是安全这一基础使创新成为可能。

这项由中国香港中文大学（深圳）团队主导的研究发现，AI大模型存在"前缀主导陷阱"问题——仅15%的错误开头就能导致20%的性能下降。研究团队创新性地提出LeaP方法，让多个AI推理路径在思考过程中互相交流协作，显著提升了推理准确性。实验显示，使用LeaP的32B模型甚至超越了671B模型，证明了AI协作的巨大潜力。

华为云ModelArts已经不局限于是一个理想的AI开发平台，也成为华为云践行“普惠AI”的重要抓手，助力AI产业在未来大放异彩。

AI专用硬件的全面普及还需要不短的时间，在此之前，唯一办法就是充分挖掘现有硬件终端本身的计算能力。