全国政协委员、360集团创始人周鸿祎透露,今年全国两会他的提案是建议多层面推进大模型研发应用,将大模型打造成新质生产力工具。
多层面推荐包括:一、坚持安全发展底线、二是发展私有大模型、三是打造普惠大模型。大模型的本质是生产力,未来一定要结合工业革命,必须跟随企业进入百行千业,与业务流程和产品功能相结合。
他表示,对中国企业而言,因为中国公司的学习能力很强。 不需要等到技术全面赶上GPT-4或Sora后,才去探索应用落地。
“有意见”留言板
@媒体搬运工:大模型需要不同的思路,如果还是以互联网思路来发展,肯定行不通,虽然我们实现了跨道超车,但是AI时代不一定,路漫漫其修远兮。
@辣腿堡不加酱:总是说中国学习能力强,但也不能靠学习来试图超越吧,期待着中国能在AI创新上早有建树。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。