Artificial Intelligence 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。大数据(big data),是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。AI 研究通常需要大量数据支撑。

加载中
置顶
发表了博客
04/26 17:51

云原生✖️ AI 时代的微服务架构最佳实践—— CloudWeGo 技术沙龙·上海站报名开启

## 活动介绍 CloudWeGo 开源两年多以来,社区发展迅速,生态日益丰富,落地企业用户已超过 **40** 家,涵盖 **AI、电商、金融、游戏** 、互联网等多个行业。同时,随着云原生技术和 AI 技术的持续蓬勃发展,我们发现企业用户也面临着越来越多性能、成本和稳定性方面的挑战,系统需要支持弹性伸缩和潮汐流量下的稳定性,因而也越发需要一套高性能、易扩展、功能丰富的微服务架构。 诚挚邀请企业用户和开发者共同参与 CloudWeGo ... 展开更多

收藏 0
0
置顶
发表了博客
昨天 16:46

案例分享|Alluxio在自动驾驶模型训练中的应用与部署

分享嘉宾: 杨林三-辉羲智能 关于辉羲智能: 辉羲智能是一家做自动驾驶芯片的初创公司,成立于2022年。致力打造创新车载智能计算平台,提供高阶智能驾驶芯片、易用开放工具链及全栈自动驾驶解决方案,助力车企实现优质高效的自动驾驶量产交付,构建低成本、大规模和自动化迭代能力,引领数据驱动时代的高阶智慧出行。 分享提纲: 创业公司中,如何使用 Alluxio ? 从0-1使用 Alluxio 的过程(调研-部署-上生产)。 实践经验分享... 展开更多

收藏 0
0
置顶
发表了博客
昨天 10:12

KubeAI大模型推理加速实践|得物技术

一、背景 最近我们在生产环境批量部署了大模型专用推理集群,并成功让包括70B在内的大模型推理速度提升50%,大幅缩减部署成本,稳定应用于生产环境。本文基于我们在部署大模型推理集群时的一些经验,分享一些有效提升大模型的推理速度方法。最后,我们在结尾处推荐了几个经过我们评测且表现优异的大模型推理框架。希望这些建议能帮助读者在项目中选择适合自己的推理框架。 OpenAI的科学家Hyung Won Chung在2023年的公开演讲《L... 展开更多

收藏 2
0
置顶
发表了博客
前天 16:37

逻辑升级,深度解析如何实现业务中的且或组件

在业务实现的过程中,时常会出现[且或关系](https://www.dtstack.com/dtinsight?src=szsm)逻辑的拼接。逻辑运算的组合使用,是实现复杂业务规则和决策支持系统的关键技术。 目前袋鼠云的[指标管理平台](https://www.dtstack.com/easydigit/dataindex?src=szsm)、[客户数据洞察平台](https://www.dtstack.com/easydigit/userinsight?src=szsm)、[数据资产平台](https://www.dtstack.com/dtinsight/dataassets?src=szsm)都有在使用... 展开更多

收藏 0
0
置顶
发表了博客
05/17 15:30

《2024 中国 AIGC 应用全景报告》发布

《2024 中国 AIGC 应用全景报告》由量子位智库出品,主要聚焦于中国 AIGC(人工智能生成内容)应用的现状、趋势和未来发展。 以下是报告的核心内容概要: AIGC 应用定义:量子位智库将 AIGC 应用定义为使用生成式 AI 技术作为技术引擎的标准化产品,这些产品已向公众开放且能直接使用。 AIGC 应用现状及分析: 创投现状:AIGC 产业投资呈现方向性转移,模型层投融资雪球效应明显,资源向头部聚集,潜在资本重点看向应用层。 商业... 展开更多

收藏 0
0
置顶
发表了博客
05/17 08:38

Apache StreamPark 助力天眼查实时平台建设|效率数倍提升

导 读 本文主要介绍天眼查在实时计算业务近千个 Flink 作业运维时面临作业开发和管理上的挑战,通过引入 Apache StreamPark 来解决这些挑战,介绍了在引入 StreamPark 落地过程中遇到的一些问题以及如何解决这些问题并成功落地,最后极大地降低运维成本,显著地提升人效。 Github: https://github.com/apache/streampark 欢迎关注、Star、Fork,参与贡献 供稿单位 | 北京天眼查 文章作者 | 李治霖 文章整理 | 杨林伟 内容校对 ... 展开更多

收藏 0
1
置顶
发表了博客
05/16 18:20

通义千问 2.5 “客串” ChatGPT4,你分的清吗?

作者:张添翼、董艺荃 ## 引子 OpenAI 发布了最新的 GPT-4o 模型,通义千问也在前不久刚发布通义千问 2.5,已经和 GPT-4-Turbo 不分伯仲: ![](https://oscimg.oschina.net/oscnet/up-71ad8a6c1c91ce587726be3befbd3f96089.png) 既然目前还没有和 GPT-4o 文本生成能力的对比数据,就让我们来和大模型一起做个游戏测试一下: 我们让通义千问 2.5 扮演 GPT4,来和真正的 GPT4 进行问答 PK,读者不妨来猜一猜**谁是通义千问**。 两... 展开更多

收藏 0
0
置顶
发表了博客
05/16 16:57

国内外大模型 “人情味” PK,调教最暖大模型

人工智能领域迎来了期待已久的 “智慧涌现”,受到了全社会的关注和热议,但有相当一部分社会群体,除了关注大模型能否提供实用信息, 也期待大模型的回答能温暖心灵、提供关怀,通俗来讲,他们期待大模型亦能有 “人情味” 的涌现。 近日,中国社科院社会学所、腾讯研究院、腾讯 SSV 银发科技实验室、腾讯 SSV 数字生态实验室和中国残联公益组织 - 腾讯无障碍创新实验室联合发布了调教最暖大模型 —— 通过 prompt 调试并比较国... 展开更多

收藏 0
0
置顶
发表了博客
05/09 16:23

建发弘爱 X 袋鼠云:加速提升精细化、数字化医疗健康服务能力

厦门建发弘爱医疗集团有限公司(简称“建发弘爱”)创立于2022年,是厦门建发医疗健康投资有限公司的全资子公司,专业从事医疗健康领域的医疗服务。 建发弘爱通过医疗、健康及产业服务三大板块,为百姓提供医疗和健康全生命周期解决方案。以医疗机构为核心,管理及运营弘爱医院(三级综合医院)、弘爱康复医院(三级专科医院)、弘爱妇产医院(三级专科医院)、弘爱养护院等医疗服务机构;围绕健康产业,提供预防、保健为主的健... 展开更多

收藏 0
0
置顶
发表了博客
05/10 14:08

私域流量优化:如何利用 AIPL 模型洞察客户生命周期价值

在当今这个数字化时代,商业战场的硝烟从未如此浓烈。随着互联网红利的逐渐消退,公域流量的成本水涨船高,企业间对于有限用户资源的争夺已进入白热化阶段。每一次点击、每一个曝光背后,都是企业不得不承担的高昂代价。在此背景下,传统的依赖公域流量获取新客的模式正遭受前所未有的挑战,迫使企业不得不重新审视其营销策略,探索更为经济高效、可持续发展的顾客关系构建之道。 因此,将公域流量有效转化为[私域流量](https:/... 展开更多

收藏 0
0
置顶
产品经理
发表了博客
05/14 18:30

Hugging Face 与 Wiz Research 合作提高人工智能安全性

我们很高兴地宣布,我们正在与 Wiz 合作,目标是提高我们平台和整个 AI/ML 生态系统的安全性。 Wiz 研究人员 与 Hugging Face 就我们平台的安全性进行合作并分享了他们的发现。Wiz 是一家云安全公司,帮助客户以安全的方式构建和维护软件。随着这项研究的发布,我们将借此机会重点介绍一些相关的 Hugging Face 安全改进。 Wiz 与 Hugging Face 合作的更多信息https://www.wiz.io/blog/wiz-and-hugging-face-address-risks-to-a... 展开更多

收藏 1
0
置顶
产品经理
发表了博客
05/10 18:30

StarCoder2-Instruct: 完全透明和可自我对齐的代码生成

指令微调 是一种技术,它能让大语言模型 (LLMs) 更好地理解和遵循人类的指令。但是,在编程任务中,大多数模型的微调都是基于人类编写的指令 (这需要很高的成本) 或者是由大型专有 LLMs 生成的指令 (可能不允许使用)。我们推出了一个叫做 StarCoder2-15B-Instruct-v0.1 的模型,这是第一个完全自我对齐的大型代码模型,它是通过一个完全开放和透明的流程进行训练的。我们的开源流程使用 StarCoder2-15B 生成了成千上万的指令-响... 展开更多

收藏 0
0
置顶
产品经理
发表了博客
05/13 18:30

万事通,专精部分领域的多功能 Transformer 智能体

介绍 我们很高兴分享“万事通”(Jack of All Trades,简称 JAT) 项目,该项目旨在朝着通用智能体的方向发展。该项目最初是作为对 Gato (Reed 等,2022 年) 工作的公开复现启动的,Gato 提出训练一种能够执行视觉与语言以及决策任务的 Transformer。于是我们首先构建了 Gato 数据集的开放版本。随后,我们在此基础上训练了多模态 Transformer 模型,并针对处理顺序数据和连续值引入了若干改进。 Gatohttps://hf.co/papers/2205.... 展开更多

收藏 0
0
置顶
发表了博客
05/15 20:02

大模型真要取代程序员了?最危险的岗位是......

如今,随着大模型在编程、代码生成、自动化测试等领域展现出越来越强大的能力,一个引人深思的问题浮现出来:大模型会不会最终取代程序员的工作? 有些人认为,世界上本就没有哪项工作是绝对安全的,机器取代人工本就是迟早的事。从 GitHub Copilot、ChatGPT 到国产的通义灵码,各类替代工具纷纷涌现。AI 会做得越来越多,人类做得越来越少。百度 CEO 李彦宏就曾说过,基本上以后不会存在“程序员”这种职业了,因为只要会说话,... 展开更多

收藏 6
1
置顶
架构师
发表了博客
05/15 17:43

每天Get一个小技巧:用DolphinScheduler实现隔几天调度

转载自tuoluzhe8521 这篇小短文将教会你如何使用Apache DolphinScheduler实现隔几天调度,有此需求的小伙伴学起来! ## 1 场景分析 DolphinScheduler定时器模块-定时调度时每3秒|每3分钟|每3天这种定时,不能够跨分钟,跨小时,跨月,每次跨月等都会从每个月的第1天(第几天开始可以设定)开始重新计时。 ![file](https://oscimg.oschina.net/oscnet/up-cbd96f1bbc9a3287016b7c0079add90594d.png) 为解决此问题,可以采用整天运... 展开更多

收藏 0
0
置顶
架构师
发表了博客
05/15 17:55

企业大模型如何成为自己数据的“百科全书”?

作者 | 郭炜 编辑 | Debra Chen 在当今的商业环境中,大数据的管理和应用已经成为企业决策和运营的核心组成部分。然而,随着数据量的爆炸性增长,如何有效利用这些数据成为了一个普遍的挑战。 本文将探讨大数据架构、大模型的集成,以及如何将大模型集成到公司大数据架构中,并使用Apache SeaTunnel和WhaleStudio将公司内部数据进行“百科全书化”,利用大数据和大模型来提升企业运营效率。 ## 大模型在整体公司大数据架构中的位... 展开更多

收藏 0
1
置顶
发表了博客
05/15 15:40

从独立开发者到成为SeaTunnel社区的贡献者,我做对了哪些事儿?

## 个人介绍 大家好,我是闫成雨,目前是一名独立开发者。专注于数据开发、机器学习、资源调度算法和分布式系统。 ![file](https://oscimg.oschina.net/oscnet/up-0d00451149f59f54a9767ad43ac471c274e.png) > GitHub ID: CheneyYin > > 个人主页:https://cheneyyin.github.io/ ## 为社区做了哪些贡献 - 加强了Spark引擎和Flink引擎对SeaTunnel数据类型的支持。 - 修复了一些Spark引擎转换层的BUG。 - 完善了Assert连接器支持的... 展开更多

收藏 0
0
置顶
发表了博客
05/14 19:15

腾讯宣布混元文生图大模型开源: Sora 同架构,可免费商用

5月14日,腾讯宣布旗下的混元文生图大模型全面升级并对外开源,目前已在 Hugging Face 平台及 Github 上发布,包含模型权重、推理代码、模型算法等完整模型,可供企业与个人开发者免费商用。 这是业内首个中文原生的 DiT 架构文生图开源模型,支持中英文双语输入及理解,参数量15亿。升级后的混元文生图大模型采用了与 sora 一致的 DiT 架构,不仅可支持文生图,也可作为视频等多模态视觉生成的基础。 评测数据显示,最新的腾讯... 展开更多

收藏 0
0
置顶
发表了博客
05/02 08:33

终极GPU互联技术探索:消失的内存墙

《AI算力的阿喀琉斯之踵:内存墙》一文曾指出,过去20年,硬件算力峰值增长了90000倍,但是DRAM/硬件互连带宽只增长了30倍。在这个趋势下,特别是芯片内或者芯片间的数据传输会迅速成为训练大规模AI模型的瓶颈。 上个月,在英伟达GTC 2024大会上发布了“更大的GPU”:新一代Blackwell 架构的B200和GB200 GPU ,其中B200采用台积电4nm工艺,晶体管数量高达2080亿,而GB200集成了1个Grace CPU和2个B200 GPU。 目前,头部AI芯片厂商... 展开更多

收藏 0
0
置顶
发表了博客
04/29 08:32

生成式AI产业经济学:价值分配与利润结构

处在生成式人工智能(GenAI)技术变革的浪潮上,人们对这一将降低成本和产生利润的强大工具充满了期待。 然而,ChatGPT爆火一年后,GenAI产业还没有形成像当前云服务产业那样的价值结构,后者的上层应用占据价值链中的大部分比例,并获取了大部分利润,基础设施软件层的利润次之,而硬件层分到的“蛋糕”最少。 与之相反,在GenAI领域,硬件层却占据了近90%的利润率。蓦然回首,大家发现,整个产业链基本都在给GPU厂商英伟达“打... 展开更多

收藏 0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
返回顶部
顶部