人工智能相關文章 TrendForce：2025年光模塊出貨量年增56.5% 2月10日消息，中國AI初創公司深度求索（DeepSeek）憑借DeepSeek-R1、V3等系列開源模型，號稱能以Open AI的3%-5%成本，實現媲美甚至超過Chat GPT的性能，引發了業界對“算力為王”和“scaling law”的疑問。 發表于：2/11/2025 法國力推Mistral 2025年秋季建成歐洲最大AI超算 在接受美國 CNN 采訪時，在巴黎舉行的 AI 峰會上，法國總統馬克龍坦言，歐洲在人工智能（AI）領域已然落后，正面臨被美國和中國甩在身后的風險，并呼吁歐洲制定積極的 AI 發展戰略，迎頭追趕。 發表于：2/11/2025 OpenAI自研AI芯片擬2026年量產 2月10日消息，據路透社報道，OpenAI正積極推進其首款自研AI芯片的研發，該公司將在未來幾個月內完成芯片設計，并于2025年上半年交由臺積電流片，若流片成功，OpenAI計劃在2026年啟動大規模生產，并逐步迭代開發更先進的處理器。 發表于：2/11/2025 AI世界的2024：十大亮點讓今年成為里程碑之年 人間一年，AI世界已天翻地覆！2024年，AI領域可謂是“低開高走”，徹底革新了各個領域。 2024年對于人工智能而言是具有里程碑意義的一年，這項技術已經深深融入我們的日常生活。從電子商務到內容創作，AI已經徹底革新了各個領域，顯然它不僅僅是一個短暫的趨勢。 發表于：2/10/2025 國家超算互聯網平臺上線DeepSeek-R1滿血版 2 月 9 日消息，據 " 超算互聯網 " 公眾號消息，為滿足開發者與企業端需求，國家超算互聯網平臺現已上線包括 R1 滿血版的 DeepSeek全家桶模型，并提供快速部署 API 調用及 AI web 應用服務。 發表于：2/10/2025 國產飛騰CPU完整支持DeepSeek 國產飛騰CPU完整支持DeepSeek：可達國外平臺性能80％ 發表于：2/10/2025 DeepSeek與沙特阿美聯手運營數據中心 DeepSeek進軍中東，與石油巨頭沙特阿美聯手運營數據中心 發表于：2/10/2025 Quantinuum推出開創性的生成式量子人工智能框架 Quantinuum's System Model H2, the world's highest performing commercially available quantum computer. （全球 TMT2025 年 2 月 6 日訊）Quantinuum 于 2 月 5 日宣布推出開創性的生成式量子人工智能框架 ( Gen QAI ) ，該框架利用獨特的量子生成數據，能夠在新藥開發、金融市場精準預測建模以及全球物流和供應鏈實時優化等多個領域實現商業應用。僅這三種功能的潛力就極為巨大，該框架還將為經典計算無法解決的其他復雜問題提供解決方案。 發表于：2/10/2025 三大通信運營商接入DeepSeek股價大漲 2月10日消息，據媒體報道，今天上午，三大通信運營商持續走高，中國電信漲停股價創歷史新高，成交額超10億元，中國聯通漲超6%，中國移動漲超4%。 發表于：2/10/2025 法國豪擲1090億歐元加入全球AI競賽 法國總統馬克龍在巴黎舉行為期兩天的人工智能峰會前夕表示，法國將宣布未來幾年由企業、基金和其他來源在該國的人工智能項目上投資1090億歐元(約合1130億美元)。 發表于：2/10/2025 阿里云上線DeepSeek六大模型 2月9日消息，阿里云官方宣布，阿里云百煉平臺已經全面上線DeepSeek全系列大模型，包括DeepSeek-V3、DeepSeek-R1、DeepSeek-R1-Distill-Qwen-32B/14B/7B/1.5B等共六款。 發表于：2/10/2025 重塑通勤體驗：先進音頻技術革新您的駕乘之旅 采用邊緣 AI 技術的先進雷達傳感系統可有效探測視線盲區內的潛在危險，進而增強駕駛安全?，F在，先進的處理技術也為車載高端音響系統開辟了前所未有的可能性。 發表于：2/8/2025 人工智能數據訓練作品使用的困境破解——以不同法律主體地位為語境 如何規制人工智能未經許可使用作品進行訓練之行為是當前著作權法急需回應的問題。鑒于采取不同法律主體地位理論會存在不同利益分配對象，為避免影響規則的調整邏輯，應將不同利益關系置于具體語境中進行討論。若采用“主體說”，應明確學習階段侵權與輸出階段侵權的關系，作品性使用與非作品性使用的標準，來確定合理使用制度外緣；若采用“工具說”，人工智能在參照適用合理使用的同時，應承擔更重的版權注意義務，采取更為嚴格的合理使用準入標準，借助集體管理組織制度簡化降低許可成本以達到準入標準。 發表于：2/8/2025 基于字節序列頻域采樣的惡意軟件分類 近年來，利用機器學習直接從文件字節序列中提取特征并進行惡意軟件分類的方法受到了廣泛關注。但惡意軟件字節序列較長，直接輸入模型進行訓練，時間和空間開銷巨大，難以適用大數據場景下的海量文件樣本。針對該問題，提出基于字節序列頻域采樣的惡意軟件分類方法，通過離散傅里葉變換設計頻域采樣策略保留字節序列中的主要低頻成分，合成新的短信號，實現訓練效率的提高。公開數據集上的實驗結果表明，與最先進的基于原始字節序列的惡意軟件分類方法相比，所提出的方法與其分類效果相當，且將模型的訓練時間和GPU顯存占用分別降低了90%和50%以上。 發表于：2/8/2025 速看！openKylin本地部署并運行DeepSeek-R1全攻略！ 速看！openKylin本地部署并運行DeepSeek-R1全攻略！ 發表于：2/8/2025 ?…45464748495051525354…?
