人工智能相關文章 中國AI大模型月活TOP10出爐 隨著AI大模型的不斷升級，深度思考和推理能力顯著提升，AIGC已成為全網增速最快賽道。 QuestMobile所公布的數據清晰地呈現了這一趨勢。DeepSeek APP上線次月，活躍用戶規模便一舉突破1.8億。 發表于：3/26/2025 阿里開源最新多模態模型Qwen2.5-VL-32B 就在 DeepSeek-V3 更新的同一夜，阿里通義千問 Qwen 又雙叒叕一次夢幻聯動了 —— 發布 Qwen2.5-VL-32B-Instruct。 發表于：3/26/2025 阿里巴巴蔡崇信：人工智能數據中心建設出現泡沫 3月25日消息，據多家財經媒體報道，阿里巴巴集團董事會主席蔡崇信日前在香港舉行的匯豐全球投資峰會上表示，開始看到人工智能數據中心建設出現泡沫苗頭。他指出，美國的許多數據中心投資公告都是重復或相互重疊的。 發表于：3/26/2025 美國將50余個中國科技企業和機構列入實體清單 據國內媒體報道稱，美國商務部工業與安全局美國當地時間周二在聯邦公報上刊發兩份文件，將50余個中國科技企業和機構納入所謂的“實體清單”，預期將于3月28日生效。 發表于：3/26/2025 華為中國合作伙伴大會2025在深圳繼續舉行 3月21日，以“因聚而生，眾智有為”為主題的華為中國合作伙伴大會2025在深圳繼續舉行。繼大會首日系統闡述了戰略、體系升級、政策變化后，今日華為進一步闡述了如何以“伙伴+華為”的合作伙伴體系為核心，與伙伴共同打造堅實的算力底座，全面加速行業智能化走深向實，共筑解決方案競爭力，共贏時代新機遇。 發表于：3/25/2025 因聚而生，眾智有為：華為中國合作伙伴大會2025圓滿舉行 [中國，深圳，2025年3月20日] 華為中國合作伙伴大會2025在深圳隆重舉行。大會以“因聚而生，眾智有為”為主題，旨在凝聚華為和伙伴們的智慧，強健“伙伴+華為”的合作伙伴體系，一起抓住智能化的巨大機遇，加速客戶智能化進程，與伙伴攜手共贏智能未來。 發表于：3/25/2025 消息稱微軟-張江人工智能與物聯網實驗室已關閉 3 月 24 日消息，據雷峰網報道，微軟全球最大的人工智能和物聯網實驗室 —— 微軟張江實驗室，已傳出關閉的消息。 發表于：3/25/2025 螞蟻集團使用國產芯片訓練AI取得突破 3月24日消息，近日，據媒體報道，有知情人士透露，螞蟻集團正使用中國制造的半導體來開發AI模型訓練技術，這將使成本降低20%。 知情人士稱，螞蟻集團使用了包括來自阿里巴巴和華為的芯片，采用所謂的“專家混合機器學習”方法來訓練模型，測試結果取得了與采用英偉達H800等芯片訓練相似的結果。開源分享。 發表于：3/25/2025 DeepSeek賦能網絡安全產業迎來發展新機遇 DeepSeek的廣泛應用為網絡安全帶來哪些挑戰？網絡安全行業如何利用好DeepSeek工具，共贏發展新機遇？ 發表于：3/25/2025 美國施壓馬來西亞調查英偉達AI芯片流向中國問題 3月24日消息，據英國《金融時報》報導，在美國要求馬來西亞政府阻止人工智能（AI）芯片通過非法途徑流入中國的壓力下，馬來西亞政府正計劃加強對于半導體貿易的監管。 發表于：3/25/2025 海洋領域首個業務化垂直領域大語言模型瀚海智語發布 從自然資源部獲悉，國家海洋環境預報中心聯合海洋出版社有限公司和三六零數字安全科技集團有限公司，以 360 智腦 13B 和 Deepseek-R1-70B 大模型為基座成功開發了海洋垂直領域大語言模型 ——“瀚海智語”（英文名稱 OceanDS）?！板Ｖ钦Z”已順利通過專家評審，于近日正式發布。 發表于：3/25/2025 美團押注AI未來：已投資數十億元GPU資源 據報道，美團近日發布了2024年第四季度及全年財報。數據顯示，2024年全年美團營收達3376億元人民幣，同比增長22%，展現出強勁的增長勢頭。 在業績發布會上，美團CEO王興重點分享了公司在AI領域的戰略布局。他表示，過去一年，GPU資源供應一直是美團的首要任務，公司已投入數十億資金用于GPU資源的建設，并計劃在2025年進一步加大對AI關鍵基礎設施的投資力度。 發表于：3/25/2025 消息稱微軟云OpenAI 1/4全球營收來自中國互聯網巨頭 消息稱微軟云OpenAI 1/4業務全球營收來自中國互聯網巨頭 發表于：3/25/2025 LSTM與Transformer融合模型在時間序列預測中的應用研究 隨著可再生能源的快速發展，風電功率預測對于電網穩定運行和能源管理具有重要意義。風電功率預測是一個復雜的非線性問題，涉及多種氣象因素和環境條件。提出了一種基于長短期記憶網絡（LSTM）、自適應稀疏自注意力機制（ASSA）和Transformer的融合模型，用于發電功率的時間序列預測。該模型結合了LSTM在捕捉時間序列長期依賴性方面的優勢、ASSA在處理局部特征交互稀疏性方面的高效性以及Transformer在捕捉全局依賴性方面的強大并行處理能力。通過實驗驗證，該模型在發電功率預測任務中表現出色，尤其是在極端波動或拐點處的預測精度上有所提高。與傳統方法相比，該模型能夠更準確地捕捉風電功率變化的復雜性和動態性，為風電場的運營管理提供了有力的決策支持。 發表于：3/24/2025 基于邊緣增強和多尺度時空重組的視頻預測方法 針對當前視頻預測算法在生成視頻幀時細節模糊、精度較低的問題，提出了一種基于邊緣增強和多尺度時空重組的視頻預測方法。首先通過頻域分離技術，將視頻幀劃分為高頻信息和低頻信息，并對二者分別進行針對性處理。其次，設計了高頻邊緣增強模塊，專注于高頻邊緣特征的學習與優化。同時，引入多尺度時空重組模塊，針對低頻結構信息，深入挖掘其時空依賴性。最終將高低頻特征進行充分融合，用以生成高質量的預測視頻幀。實驗結果表明，與現有先進算法相比，該方法在預測性能上實現了提升，充分驗證了其有效性。 發表于：3/24/2025 ?…33343536373839404142…?
