FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

东方国信：目前公司已不持有亿刻所在公司北京区块节点的股权
 go
秘：您好，感谢您的关注。公司在人智能和深度学习技术领域已投入多年，目前以深度学习技术栈为核心，提供一体化算法开发、模型训练、推理服务和边缘智能的端到端解决方案，综合运用图像和视频分析、OCR、语音识别、自然语言处理技术支持智能安防、缺陷检测、图纸比对、智能运维等场景。在人工智能领域公司集中优势力量打造了数据科学云-图灵引擎产品，利用大型语言模型技术，提供精准营销、智能客服、虚拟数字人以及智能推荐等能力，支撑运营商、金融、政府、公共安全等客户进行深层次数字化转型。谢谢！投资者：贵公司自称是大数据公司，但8月3日，大数据与数字经济大会暨2023（第八届）大数据产业生态大会在北京盛大开幕，并评出大数据50强企业，为什么贵公司不在列？东方国信董秘：您好，感谢您的关注。公司根据实际需要参加各项评选，未来公司将积极加强相关宣传。谢谢！投资者：董秘你好，华为也在搞垂直大模型，算力应该更强，贵司有没有想法与华为合作共赢的打算？！东方国信董秘：您好，感谢的您的关注。公司自主研发的AI深度学习应用层产品与华为昇思（盘古大模型的底层AI框架）完成兼容认证。公司秉承“开放合作，共赢未来”的理念，与各界伙伴广泛开展合作，与中国联通、中国移动、腾讯等国内、华为等知名企业达成了战略合作伙伴关系。谢谢！投资者：请问美国限制对中国人工智能等领域的投资是否会影响公司与英特尔的合作？东方国信董秘：您好，感谢您的关注。公司与英特尔的合作正常，目前未受到影响。谢谢！投资者：贵公司称与华为盘古大模型没有合作，7月7日华为公布了盘古大模型3.0与贵公司业务完全重合并有落地项目如煤矿、金融等（B端）贵公司大模型还没推出，请问贵公司如何应对？东方国信董秘：您好，感谢的您的关注。公司自主研发的AI深度学习应用层产品与华为昇思（盘古大模型的底层AI框架）完成兼容认证。公司秉承“开放合作，共赢未来”的理念，与各界伙伴广泛开展合作，与中国联通、中国移动、腾讯等国内、华为等知名企业达成了战略合作伙伴关系。谢谢！投资者：贵司全国一共部署了多少传感器，采集的数据是自用还是对外销售？有大模型公司向贵司采购吗？东方国信董秘：您好，感谢您的关注。公司通过传感器采集的数据既非自用也不对外销售，数据所有权归属客户，公司帮助客户形成高质量的数据资产、发掘数据深层次价值、提升IT资源利用率及服务能力，从而获得更高的生产效率和经营效益，助力客户数字化转型。谢谢！投资者：基于东方国信BonGPT构建的“智能助手”，智能助手实现了与企业数据库的对接。专业数据分析场景中的多轮对话效果怎么样？能否详细介绍？东方国信董秘：您好，感谢您的关注。把客户沉淀出来的数据报表，通过比较容易理解的交互方式呈现给用户，通过对话交互的方式降低数据使用门槛。以某运营商为例，现在沉淀的报表量有几百万张，依靠原有体系无法在数据交互和呈现方面降低使用门槛。通过大模型将提高用户对于所有数据结果的可溯源性，提高对应的数据分析结果，降低数据使用门槛，客户内部使用人群覆盖率将大幅提高。并降低做项目实施过程中，数据分析二次加工、定制开发整体投入的人力物力，降低实施成本。谢谢！投资者：公司有没有向量数据库的产品、技术方案或技术储备? 东方国信董秘：您好，感谢您的关注。公司Cirrodata数据库作为核心基础软件之一，东方国信多年来坚持打造民族品牌，历时八年的自主研发和反复打磨，具有完全自主知识产权。已在在电信、金融、政府、工业等领域得到了行业的主流认可。公司暂无向量数据库产品，目前在规划中。谢谢！投资者：请问公司有向量数据库产品吗？东方国信董秘：您好，感谢您的关注。公司Cirrodata数据库作为核心基础软件之一，东方国信多年来坚持打造民族品牌，历时八年的自主研发和反复打磨，具有完全自主知识产权。已在在电信、金融、政府、工业等领域得到了行业的主流认可。公司暂无向量数据库产品，目前在规划中。谢谢！投资者：董秘好，贵司是否有计划接入阿里巴巴的大模型？或者百度，华为的大模型？东方国信董秘：您好，感谢您的关注。公司秉承“开放合作，共赢未来”的理念，积极与各界伙伴广泛开展合作。谢谢！投资者：我们的大模型 AI训练之类的跟国外比落后多少？如果微软开源了，那我们自己的东西还有优势吗？现在芯片卡我们脖子，很多高科技也卡如果未来大模型卡我们脖子我们能国产替代吗东方国信董秘：您好，感谢您的关注。公司专注于大数据领域二十余年，在技术产品方面，基于大数据、云计算、人工智能、工业互联网、5G和机器学习等前沿技术提供包括数据采集、数据存储计算、数据分析挖掘、数据应用、数据治理管控、云基础服务与应用开发平台相关技术产品；在行业解决方案方面，基于公司多年的业务经验积累为通信、金融、工业、政府与公共安全等行业客户提供解决方案与技术服务，帮助客户形成高质量的数据资产、发掘数据深层次价值、提升IT资源利用率及服务能力，从而获得更高的生产效率和经营效益，助力企业数字化转型。公司核心竞争力不仅是深厚的大数据技术能力，更重要的是将数据能力与行业知识（Know-How）有机结合的应用变现能力。公司近年来持续加强研发投入，保持自主创新能力，公司诸多技术和产品处于前沿领先，可对标国际产品。例如公司自主研发的CirroData数据库、数据治理等多项技术和产品可替代国外产品。未来公司将继续保持自主创新，持续为国产化替代贡献力量。谢谢！投资者：请问公司有跟英特尔在数据中心与算力出租方面的合作意向吗？东方国信董秘：您好，感谢您的关注。目前没有该方面的合作意向。谢谢！以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。
证券之星2023-08-18
机器人行情又“狂飙”？机器人指数暴涨超5%，世界机器人大会在京盛大开幕，利好政策连夜传出！
go
为人形机器人的“大脑”，机器人可以通过深度学习、自然语言处理等技术来实现语音图像识别、自主导航等功能，人形机器人能够更加自然、准确的理解人类情感，在精神陪伴和物理陪伴需求日益增加的背景下有稀缺价值。另外多模态学习可以聚合多源数据的信息，比如gpt4、PaLM-E的多模态训练，极大提高决策总体的准确率。运动控制关键在算法迭代，运动控制技术领先的波士顿动力公司采用模型预测控制（MPC），即构建机器人动力学模型来预测机器人未来的动作。另一方面，例如英伟达、谷歌、腾讯等公司都在推进虚拟环境调试，能够大幅提高训练的效率。总体来说，AI的发展将进一步提高机器人的智能化水平，有望为机器人领域带来更多的发展机遇。【特斯拉等重磅玩家的入局，“下一个”类比电动车的现象级长坡厚雪赛道来袭】近日特斯拉明确机器人Optimus进展，预计11月进行行走测试和执行任务测试，计划明年将被用于特斯拉工厂中进行一些生产活动。特斯拉在机器人赛道是“得天独厚”的龙头玩家。汽车技术和供应链可复用和迁移：人形机器人的视觉识别、场景构建等都采用了和汽车FSD相同的神经网络学习技术；人形机器人零部件也可共用成熟的汽车供应链；规模化降本能力强：特斯拉规模化降本能力已在车端验证，若人形机器人未来成为销售规模匹配汽车的终端产品，降本效应可期；迭代速度与进展可期：特斯拉车端打造FSD和Dojo加速数据训练、模型迭代的速度，并且具备成本和能耗优势。机器人的闪耀登场远不止解放双手那简单，无论从情感陪伴还是物理支持都将全方位赋能人类的生活。人形机器人相较于其他行业壁垒较高，涉及到多学科的融合、软硬件的协同，所以对入局的玩家资金、技术、资源整合都有相对较高的要求。机器人从0到1 的革命中，特斯拉创始人兼首席执行官马斯克多次阐述愿景：未来人类和人形机器人的比例将不止是1：1，未来人形机器人可能超过人类数量，渗透率的天花板高且想象空间大。而且人形机器人产业链从上游到核心零部件和系统零部件，到中游的机器人本体和系统集成，到下游的终端应用，产业链长且复杂。机器人，可能是未来不可多得的, 如同当年消费电子中苹果产业链、特斯拉电动车产业链——现象级的长坡厚雪大赛道，人形机器人的星辰大海将带来属于新时代的投资机遇。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!
有连云2023-08-17
Vitalik Buterin：社交媒体实验Community Notes极具加密精神
 go
甚至更糟的是，可能是彻头彻尾的骗局。深度学习在正常情况下是有效的，但它对各种对抗性机器学习攻击具有不可避免的弱点。如果能够做得好，技术陷阱和高度抽象的阶梯可以对抗这些攻击。因此，我有一个问题：我们能否将 Community Notes 本身转变成更像是一种经济学算法的东西？为了实际了解这意味着什么，让我们探讨一种我几年前为类似目的设计的算法：Pairwise-bounded quadratic funding（新的二次融资设计）。 Pairwise-bounded quadratic funding 的目标是填补“常规”二次融资中的一个漏洞，即即使有两个参与者相互勾结，他们也可以为一个虚假项目贡献非常高的金额，将资金返还给他们，并获得耗尽整个资金池的大额补贴。在 Pairwise-bounded quadratic funding 中，我们为每对参与者分配一个有限的预算 M。算法遍历所有可能的参与者对，如果算法决定向某个项目 P 添加补贴，因为参与者 A 和参与者 B 都支持它，那么这个补贴就从分配给该对（A，B）的预算中扣除。因此，即使 k 个参与者勾结，他们从机制中窃取的金额最多为 k *（k-1）* M。这种形式的算法对于 Community Notes 的背景并不适用，因为每个用户只投出很少的票数：平均而言，任何两个用户之间的共同票数都是零，因此仅仅通过单独查看每对用户，算法无法了解用户的极性。机器学习模型的目标正是尝试从非常稀疏的源数据中“填充”矩阵，这种数据不能直接以这种方式进行分析。但这种方法的挑战在于，为了避免在面对少数不良投票时结果高度不稳定，需要额外的努力。 Community Notes 是否真的能够抵制左派右派吗？我们可以分析一下 Community Notes 算法是否实际上能够抵制极端，也就是说，它是否比一个天真的投票算法表现得更好。这种投票算法已经在一定程度上抵制了极端：一个帖子如果有 200 个赞和 100 个踩，比起只有 200 个赞的帖子，它的表现要差。但是 Community Notes 是否做得更好呢？从抽象的算法来看，很难说。一个平均评分很高但具有两极分化的帖子为什么不能获得强烈的极性和高有用性呢？想法是，如果这些投票是相互冲突的，极性应该“吸收”导致该帖子获得大量投票的特性，但它是否真的做到了呢？为了检查这一点，我运行了自己简化的实现 100 轮。平均结果如下：在这个测试中，“好”Notes 在同一政治派别的用户中获得 + 2 的评分，在相反政治派别的用户中获得 + 0 的评分，“好但更具极端倾向”的 Notes 在同一派别的用户中获得 + 4 的评分，在相反派别的用户中获得 -2 的评分。虽然平均分数相同，但极性不同。而且实际上，“好的”Notes 的平均有用性似乎比“好但更具极端倾向”的 Notes 更高。拥有更接近“经济学家算法”的算法将有一个更清晰的故事，说明算法是如何惩罚极端化的。在高风险情况下，这一切有多有用？我们可以通过观察一个具体的情况来了解其中的一些情况。大约一个月前，Ian Bremmer 抱怨说，一条推文添加了一条高度批评的 Community Note，但该 Notes 已被删除。这是一项艰巨的任务。在一个以太坊社区环境中进行机制设计是一回事，那里最大的抱怨可能只是 20000 美元流向一个极端的 Twitter 影响者。而在涉及影响数百万人的政治和地缘政治问题时，情况就完全不同了，每个人往往都会合理地假设最坏的动机。但是，如果机制设计师想要对世界产生重大影响，与这些高风险环境进行互动是必不可少的。幸运的是，该算法是开源且可验证的，所以我们实际上可以深入了解！让我们来做这件事。原始推文的 URL 是 https://twitter.com/MFA_China/status/1676157337109946369。末尾的数字 1676157337109946369 是推文的 ID。我们可以在可下载的数据中搜索该 ID，并确定电子表格中具有上述 Notes 的特定行：在这里，我们得到了 Notes 本身的 ID， 1676391378815709184 。然后我们在运行算法生成的 scored_notes.tsv 和 note_status_history.tsv 文件中搜索该 ID。我们得到了以下结果：第一个输出中的第二列是该 Notes 的当前评分。第二个输出显示了该 Notes 的历史记录：它的当前状态在第七列（NEEDS_MORE_RATINGS），而它之前收到的第一个不是 NEEDS_MORE_RATINGS 的状态在第五列（CURRENTLY_RATED_HELPFUL）。因此，我们可以看到算法本身首先显示了该 Notes，然后在其评分稍微下降后将其删除-似乎没有涉及中心化的干预。我们还可以通过查看投票本身来以另一种方式来看待这个问题。我们可以扫描 ratings-00000.tsv 文件，以分离出所有针对该 Notes 的评分，并查看有多少评为 HELPFUL 和 NOT_HELPFUL：但是，如果按时间戳对它们进行排序，并查看前 50 个投票，你会发现有 40 个 HELPFUL 投票和 9 个 NOT_HELPFUL 投票。因此，我们得出了相同的结论：Notes 的最初受众对 Notes 的评价更为积极，而 Notes 的后来的受众对其评价更低，因此其评分从一开始就较高，随着时间的推移下降得更低。不幸的是，关于 Notes 如何改变状态的确切情况很难解释：它不是一个简单的问题，即“之前评分高于 0.40 ，现在评分低于 0.40 ，所以它被删除了”。相反，大量的 NOT_HELPFUL 回复触发了异常条件之一，增加了 Notes 需要保持在阈值以上的有用性分数。这是另一个很好的学习机会，教会我们一个教训：使一个可信的中立算法真正可信需要保持简单。如果一个 Notes 从被接受到不被接受，应该有一个简单明了的故事来解释为什么会这样。当然，还有另一种完全不同的方式可以操纵这个投票：Brigading。看到一个他们不赞同的 Notes 的人可以呼吁一个高度参与的社区（或更糟糕的是，一大批假账户）来给它评为 NOT_HELPFUL，而且可能不需要太多的投票就能将 Notes 从“有用”变为“极端”。要正确地减少该算法对这种协调攻击的脆弱性，需要进行更多的分析和工作。一个可能的改进是不允许任何用户对任何 Notes 进行投票，而是使用“为您”算法推荐的方式将 Notes 随机分配给评分者，并且只允许评分者对他们被分配到的那些 Notes 进行评分。 Community Notes 不够“勇敢”吗？我看到对 Community Notes 的主要批评基本上是它做得不够。我看到了两篇最近的文章提到了这一点。引用其中一篇文章：该程序受到了一个严重的限制，即要使 Community Notes 成为公开的，必须得到各个政治派别的人们的共识的普遍接受。 “它必须有意识形态共识，”他说。“这意味着左翼人士和右翼人士必须同意该注释必须附加到该推文中。” 他说，从本质上讲，它需要“就真相达成跨意识形态的一致意见，而在党派之争日益加剧的环境下，达成这种共识几乎是不可能的。” 这是一个棘手的问题，但最终我倾向于认为，宁愿让十条错误信息的推文自由传播，也不愿意让一条推文被不公正地附加注释。我们已经见证了多年的事实核查，这是勇敢的，并且从“实际上我们知道真相，我们知道一方比另一方更经常撒谎”的角度来看。结果会怎样呢？老实说，对事实核查的概念存在相当普遍的不信任。在这里，有一种策略是说：忽略那些批评者，记住事实核查专家确实比任何投票系统更了解事实，并坚持下去。但是全力以赴采取这种方法似乎有风险。建立至少在某种程度上受到所有人尊重的跨部落机构是有价值的。就像 William Blackstone 的格言和法院一样，我觉得要保持这种尊重，需要一个系统，它犯的错误是遗漏而不是主动犯错。因此，对我来说，至少有一个主要组织采取这种不同的路径，并将其罕见的跨部落尊重视为一种珍贵的资源，这似乎是有价值的。我认为 Community Notes 保守一点是可以的另一个原因是，我不认为每条错误信息的推文，甚至大多数错误信息的推文，都应该收到纠正性的注释。即使不到百分之一的错误信息推文得到提供背景或纠正的注释，Community Notes 仍然作为一种教育工具提供了极其有价值的服务。目标不是纠正一切；相反，目标是提醒人们存在多种观点，某些看起来在孤立状态下令人信服和引人入胜的帖子实际上是相当错误的，而你，是的，你通常可以进行基本的互联网搜索来验证它是错误的。 Community Notes 不能成为，也不是旨在成为，解决公共认识论中所有问题的灵丹妙药。无论它解决不了什么问题，都有足够的空间供其他机制填补，无论是像预测市场这样的新奇小工具，还是雇佣具有领域专业知识的全职员工的老牌组织，都可以尝试填补这些空白。结论 Community Notes 不仅是一个引人入胜的社交媒体实验，也是一种引人入胜的新兴机制设计类型的实例：有意识地试图识别极端，并倾向于促进跨界而非延续分歧的机制。我所了解的这个类别中的另外两个例子是：（i）Gitcoin Grants 中使用的成对二次融资机制，以及（ii）Polis，一种讨论工具，它使用聚类算法来帮助社区识别普遍受欢迎的声明跨越通常有不同观点的人。这个机制设计领域很有价值，我希望我们能在这个领域看到更多的学术工作。 Community Notes 提供的算法透明度并不完全是完全去中心化的社交媒体——如果你不同意 Community Notes 的工作方式，就没有办法通过不同的算法查看相同内容的观点。但这是未来几年内超大规模应用程序将达到的最接近的结果，我们可以看到它已经提供了很多价值，既可以防止集权操纵，也可以确保不参与此类操纵的平台能够得到应有的认可。我期待着在未来十年里看到 Community Notes 以及许多类似精神的算法的发展和壮大。来源：金色财经
金色财经2023-08-17
哪些相关业务可结合人工智能的应用？华大基因这样答复
 go
I技术可以应用于基因数据分析过程，通过深度学习等方法提高基因变异检测和基因表达分析的准确性，从而为客户提供更可靠的检测结果。遗传解读自动化方面，AI可以实现遗传解读的自动化，通过对大量遗传数据的分析，为客户提供个性化的健康风险评估、疾病预防建议和治疗方案。检测后的遗传咨询方面，AI可以辅助遗传咨询师进行遗传咨询，通过智能分析客户的遗传数据和健康状况，为客户提供个性化的健康管理建议。公司一直致力于降低数据分析成本，推动高性能算法的升级迭代，目前公司以高质量的真实世界基因大数据为基础，在此之上开发相关应用，未来将持续结合基因组、代谢组等多组学数据，建立相关数据库并开发相应的算法模型应用到精准医学服务中来提升公司的市场竞争力。 3、目前火眼实验室转化进度如何？答：在火眼实验室的升级方面，公司在技术层面准备了实验室检测项目延伸和实验室改造升级两套方案，其中火眼实验室的项目延伸是在原有实验室检测项目上拓展检测项目，直接进行部分民生项目的交付；火眼实验室升级则是公司在原有的实验室包括补充高通量测序仪器在内的改造以完成更多的项目的检测。基于不同技术路线下的不同应用场景，公司与当地合作方共同推动民生项目的落地。如公司在云南的普洱通过移动筛查车的方式开展女性两癌筛查的民生项目，取得了良好成效。在海外项目拓展方面，公司通过将原有的检测实验室升级转化成为当地可承接宫颈癌防控项目的实验室并通过合资公司与文莱卫生部签署了国家宫颈癌筛查合作备忘录；同时公司在乌兹别克斯坦的合资公司也承接了当地政府的民生筛查项目。这些项目的成功推行离不开公司火眼实验室在过去三年间积累的品牌声誉，以及和当地政府建立的良好合作关系。随着公司海外业务的不断地拓展，公司将继续通过火眼实验室升级项目，转化为对当地民生筛查公卫项目的支持。 4、公司在沙特合资成立了独立临床实验室，请介绍一下双方合作的战略模式及商业愿景，以及公司在沙特的整个布局规划？答：公司依托过去三年期间对沙特公卫疾控及精准医学检测服务的贡献，建立了良好的合作渠道和品牌优势，在此背景下，公司沙特全资子公司华大基因沙特源泉健康医疗服务公司与沙特当地合作伙伴成立了名为GenaliveMedicalCompany的合资公司。结合沙特2030的目标愿景，我们也注意到其在公共卫生相关政策支持的范围和力度都在不断增加。可以预见整体的ICL检测市场需求增长比较乐观。而当地大多数服务提供商提供的服务相对零散，难以提供全面的检测项目，因此通过与公司合作建立大型的检测实验室来提供综合的解决方案，能够充分满足当地的医学检测需求。目前，沙特合资公司旗下成立的独立临床实验室在2023年6月顺利开业，是当地首个国际品牌的独立医学实验室，主要用于满足本地化检测及样本交付的需求。实验室项目已包括了公司生育健康、肿瘤检测及传染疾病检测在内的核心检测服务，在此基础之上我们也增加了相对更加成熟的生化、免疫、血常规等一些相关检测。从服务渠道来看，公司将着眼于承接当地医院的检测项目及政府的一些公共卫生项目，如婚前的携带者筛查，新生儿的筛查等。同时公司与沙特的卫生和疾控部门将共同结合当地高发的遗传病，来推进相关公共卫生项目的开展。 5、公司常规板块中的生育健康、肿瘤防控、感染防控，哪些是公司重点发力的临床领域？答：在临床领域，公司的生育健康、肿瘤防控、感染防控三个业务方向都做了相应的产品和技术布局。例如在生育健康方向，公司除了围绕主流产品无创产前基因检测，加速NIFTY®从基础版向全因系列的市场转化，结合CNV-seq和WES本地化平台优势，加强CNV-seq和WES联合诊断外，同时在孕前和新生阶段展开包括多种隐性单基因遗传病携带者筛查和新生儿耳聋、遗传代谢病检测等一系列出生缺陷防控产品的开发升级。在肿瘤防控业务方向，公司将坚持“防大于治”的理念，加大在早筛产品的临床性能验证、国内外资质申报、大规模自动化检测方案推广等方向的投入力度，并推动多癌联检，泛癌种早筛产品开发和应用转化。此外，感染防控业务也一直公司的布局重点，公司将继续围绕传感染性疾病病原学诊断及用药需求，提升PMseq®系列高通量产品检测性能及竞争力；不断丰富POCT相关产品管线。 6、今年上半年公司重点研发投入的方向有哪些？答：公司历来非常重视新产品的研发投入，今年上半年公司进一步加大研发投入，除了在生育健康、肿瘤防控和重大传感染疾病防控等核心业务领域外，也加大在慢性疾病领域的研发投入；同时公司也将持续加强基础能力建设，如提升中心实验室规模集成化、自动化和信息化水平。公司秉承“防大于治”发展理念，成立了智惠医学研究院体系，加大了对立体多组学、多维度的疾病防控整体解决方案的研发投入。在未来技术变革趋势方面，公司也重点布局AI技术在多学大数据与合成业务的应用，持续投入研发单分子测序技术和时空组学技术等新技术在临床中的应用。 7、公司是否有开始在医院进行LDT试点合作，进展如何？答：北京、上海先后发布医疗机构自行研制使用体外诊断试剂（英文全称laboratorydevelopedtests，英文简称LDT）试点工作通知，试点单位包括北京6家医院及上海4家医院。从2021年3月18日新版《医疗器械监督管理条例》发布后，公司就一直跟进政策动态，与药监、卫生部门保持紧密协同与沟通，并参与了2022年内“试点通知”3次内部修订稿的意见征求与提议。同时协同及时学习、保持对政策的敏感性，并加强基因测序医学服务平台的传统实验室自建项目（LDT）的业务合作，以响应与新版LDT政策的衔接与转化。目前公司深度参与了其中多家医院包括病原mNGS、肝癌多基因检测和无创产前显性单病基因检测等多个产品的共同申报。二、经营展望今年以来，公司针对当前的宏观经济形势做了很多新的调整。一方面，公司于今年上半年建立了新的研发体系，设立了智惠医学研究院，聚焦大数据、大人群的前瞻性研究，这将为华大基因未来在整个基因组学领域保持前瞻性奠定良好基础，另一方面，公司从原来聚焦于生育健康、肿瘤防控、传感染防控到进一步开辟慢病人群的疾病防控，包括心血管、脑血管、认知障碍、退行病变、药物筛查等，上述领域在健康中国2030战略下未来市场空间值得期待。此外，公司探索了新的渠道和模式，今年上半年天津华大优康互联网医院正式取得了医疗机构执业许可证，将有利于推动公司toC终端业务的发展。在新区域布局方面，公司将进一步加大核心业务在东南亚、西亚、拉美地区、澳大利亚、欧洲等区域的布局，火眼实验室在各区域的运营和转型升级将夯实公司海外业务的本地化发展。未来，公司将秉承“基因科技造福人类”的使命，坚持“防大于治、人人可及”的公共卫生普惠精准防控理念，坚持源头创新，加快技术转化和产品迭代，加强全球资质布局，以新模式、新思路、新技术、新场景引领基因组学在精准医学领域的创新发展，将产品和技术通过工程化赋能的方式进行全球拓展，推动公司的持续发展。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!
有连云2023-08-15
浅谈解锁带来的市场效应, 这 5 项目代币解锁值得关注 !
go
，支持计算密集性的用例，比如机器学习和深度学习，未来应用前景广泛。作为底层 Layer 1 协议的证明，允许多个并行执行环境（ParaTimes）同时向网络提交事务，这提高了网络的可扩展性以及网络的适应性，可满足广泛的需求。从解锁频次来看，相似量级的代币解锁每季度发生一次。 ROSE 代币经济学显示，本次解锁的代币来自于核心贡献者、社区、合作伙伴&储备。其中，本次 ROSE 解锁的 1.71 亿枚中， 1.4 亿枚（约合 667 万美元）将归属于核心贡献者。 ROSE 最大供应量上限为 100 亿枚，目前仍有约 24% 的代币等待解锁仍未流通。Coingecko 数据显示，ROSE 的 24 小时的交易量仅为 502 万美元。而本次解锁的代币金额高达 814 万美元，占总供应量的 1.7% ，占流通量的约 3.4% ，这一数字较为可观。若全部抛售或将带来较大的抛压。最后的最后，还有很多其实都没写进来，比如具体的机会，具体的决策，这些东西往往不是一篇文章能概括的。来源：金色财经
金色财经2023-08-14
AIbit, 能否解锁未来AI革命机遇之门？
go
移学习和元学习等新颖方法，超越了传统的深度学习模型。这种技术的融合增强了 AIbit 适应、学习和泛化各种数据源的能力，为更强大、更通用的人工智能系统铺平了道路。了解AIbit的智能投资策略，将在未来AI时代中更加从容应对，把握财富的机遇。选择AIbit，将在数字资产市场中实现财富增长与稳定性更大的可能。未来AI革命将改变我们的世界，学习AI策略投资是您在这个变革时代中的关键策略。AIbit 站在未来人工智能革命的前沿，让我们一睹无限可能的世界。有了 AIbit，未来人工智能革命的大门不仅是敞开的，同时邀请我们探索未知领域并重新定义人类成就的界限。AIbit，能否解锁未来AI革命机遇之门？答案显而易见。来源：金色财经
金色财经2023-08-14
2023年 AI芯片公司正被夺命三连问
 go
英伟达拿到了创新者的奖励：2012年，深度学习算法的计算表现轰动学术圈，作为高算力且更为通用、易用的生产力工具，GPU+CUDA迅速风靡计算机科学界，成为人工智能开发的“标配”。在AI大算力芯片的征途上，存算一体芯片迎来了自己的“黄金期”，超前投入，是为正解。 PART-02 非技术、资金雄厚者，勿进窥见到存算一体的种种好处，现阶段，存算一体芯片玩家阵营日益庞大。（图源：偲睿洞察《AI大算力芯片行业报告-百舸争流，创新者先》）据偲睿洞察不完全统计，自2019年起，新增的AI芯片厂商，多数在布局存算一体：在2019-2021年新增的AI芯片厂商有20家，在这之中，有10家选择存算一体路线。这无一不说明着，存算一体将成为继GPGPU、ASIC等架构后的，一颗冉冉升起的新星。而这颗新星，并不是谁都可以摘。在学界、产界、资本一致看好存算一体的境况下，强劲的技术实力、扎实的人才储备以及对迁移成本接受度的精准把控，是初创公司在业内保持竞争力的关键，也是挡在新玩家面前的三大门槛。强劲的技术实力，永远是芯片领域的最高山。首先是存算一体“涉猎广泛”，涉及到芯片制造的全环节：从最底层的器件，到电路设计，架构设计，工具链，再到软件层的研发；其次是其“牵一发而动全身”：在每一层做相应改变的同时，还要考虑各层级之间的适配度。我们一层一层来看，一颗存算一体芯片被造出来，有怎样的技术难题。首先，在器件选择上，厂商就“如履薄冰”：存储器设计决定芯片的良率，一旦方向错误将可能导致芯片无法量产。其次是电路设计层面。电路层面有了器件之后，需要用其做存储阵列的电路设计。而目前在电路设计上，存内计算没有EDA工具指导，需要靠手动完成，无疑又大大增加了操作难度。紧接着，架构层面有电路之后，需要做架构层的设计。每一个电路是一个基本的计算模块，整个架构由不同模块组成，存算一体模块的设计决定了芯片的能效比。模拟电路会受到噪声干扰，芯片受到噪声影响后运转起来会遇到很多问题。这种情况下，需要芯片架构师足够了解模拟存内计算的工艺特点，同时针对这些特点去设计架构，在此基础上，还要考虑到架构与软件开发的适配度。软件层面架构设计完成后，还需要开发相应的工具链。（图源：偲睿洞察《AI大算力芯片行业报告-百舸争流，创新者先》）而由于存算一体的原始模型与传统架构下的模型不同，编译器要适配完全不同的存算一体架构，确保所有计算单元能够映射到硬件上，并且顺利运行。一条完整的技术链条下来，考验着器件、电路设计、架构设计、工具链、软件层开发各个环节的能力，与协调各个环节的适配能力，是耗时耗力耗钱的持久战。同时，根据以上环节操作流程可以看到，存算一体芯片亟需经验丰富的电路设计师、芯片架构师。鉴于存算一体的特殊性，能够做成存算一体的公司在人员储备上需要有以下两点特征： 1、带头人需有足够魄力。在器件选择（RRAM、SRAM等）、计算模式（传统冯诺依曼、存算一体等）的选择上要有清晰的思路。这是因为，存算一体作为一项颠覆、创新技术，无人引领，试错成本极高。能够实现商业化的企业，创始人往往具备丰富的产业界、大厂经验和学术背景，能够带领团队快速完成产品迭代。 2、在核心团队中，需要在技术的各个层级中配备经验丰富的人才。例如架构师，其是团队的核心。架构师需要对底层硬件，软件工具有深厚的理解和认知，能够把构想中的存算架构通过技术实现出来，最终达成产品落地； 3、此外，据量子位报告显示，国内缺乏电路设计的高端人才，尤其在混合电路领域。存内计算涉及大量的模拟电路设计，与强调团队协作的数字电路设计相比，模拟电路设计需要对于工艺、设计、版图、模型pdk以及封装都极度熟悉的个人设计师。而这一系列的人才与技术，都要以落地效果为终极目标——落地才是第一生产力。在交付时，客户考量的并不仅仅是存算一体技术，而是相较于以往产品而言，存算一体整体SoC的能效比、面效比和易用性等性能指标是否有足够的提升，更重要的是，迁移成本是否在承受范围内。如果选择新的芯片提升算法表现力需要重新学习一套编程体系，在模型迁移上所花的人工成本高出购买一个新GPU的成本，那么客户大概率不会选择使用新的芯片。因此，存算一体在落地过程中是否能将迁移成本降到最低，是客户在选择产品时的关键因素。在大模型背景下，存算一体芯片凭借着低功耗但高能效比的特性，正成为芯片赛道，冉冉升起的一颗新星。现如今，存算一体市场风云未定，仍处于“小荷才露尖尖角”阶段。但我们不可否认的是，存算一体玩家已然构筑了三大高墙，非技术实力雄厚，人才储备扎实者，勿进。来源：金色财经
金色财经2023-08-12
2030年深度学习市场料超4000亿美元，这些公司或成赢家
 go
财经报社(北美)讯预计到2030年，深度学习市场将超过4000亿美元。以下是在深度学习领域有望获胜的公司。深度学习（the Deep Learning）是机器学习（the machine learning）的一个不断发展的分支，使计算机能够从复杂的数据中学习。深度学习为人工智能领域的许多最新突破，如逼真的对话代理、语言翻译服务和自动驾驶汽车，做出了很大贡献。根据Acumen的研究，到2030年，深度学习市场的规模将超过4000亿美元，年复合增长率高达40%以上。深度学习在未来几年为投资者提供了丰富的机会。以下几个涉及深度学习领域的公司值得投资者重点关注，但是只适合作为投资参考，不建议作为投资决策的依据。 AMAZON.COM，INC. AMZN. Amazon.com，Inc. (AMZN)为客户提供一系列产品和服务。其商店提供的产品包括由其自行购买用于转售的商品和内容，以及第三方卖家提供的产品。Amazon制造和销售包括Kindle、Fire平板电脑、Fire TV、Echo和Ring在内的电子设备，还开发和制作媒体内容。Amazon还提供订阅服务，如Amazon Prime会员计划。其业务分为北美、国际和Amazon Web Services（AWS）三个部分。AWS部分包括为初创公司、企业、政府机构和学术机构提供全球销售的计算、存储、数据库和其他服务。Amazon向卖家、供应商、出版商、作者等提供广告服务，包括赞助广告、展示广告和视频广告。客户可以通过网站、移动应用、Alexa、设备、流媒体和实际访问商店来访问其产品。 Amazon.com Inc.在过去一个月内上涨了8.99%，在过去一年内下跌了2.89%。 ALPHABET INC. GOOG. Alphabet Inc. (GOOG)是一家控股公司。该公司的业务包括Google服务、Google Cloud和其他业务。Google服务包括广告、Android、Chrome、硬件、Google Maps、Google Play、搜索和YouTube等产品和服务。Google Cloud包括为企业客户提供的基础设施和平台服务、协作工具和其他服务。其他业务包括距离其核心Google业务更远的早期阶段技术，包括卫生技术和互联网服务的销售。Google Cloud提供面向企业的云服务，包括Google Cloud Platform和Google Workspace。Google Cloud Platform提供在网络安全、数据、分析、人工智能（AI）、机器学习和基础设施等方面的技术。该公司的Google Workspace是一种安全的沟通和协作工具，包括Gmail、Docs、Drive、Calendar、Meet等应用程序。 Alphabet Inc.在过去一个月内上涨了11.41%，在过去一年内上涨了7.92%。 NVIDIA CORPORATION NVDA. NVIDIA Corporation(NVDA)致力于加速计算速度以帮助解决计算问题。该公司有两个部门。计算和网络部门包括其数据中心加速计算平台、网络、汽车人工智能（AI）驾驶舱、自动驾驶开发协议和自动驾驶解决方案；电动汽车计算平台；机器人和其他嵌入式平台的Jetson；NVIDIA AI Enterprise和其他软件；以及加密货币挖矿处理器（CMP）。图形部门包括面向游戏和个人计算机（PC）的GeForce GPU、GeForce NOW游戏流媒体服务和相关基础设施，以及面向游戏平台的解决方案；面向企业工作站图形的Quadro/NVIDIA RTX GPU；用于基于云的可视化和虚拟计算的虚拟GPU（vGPU）软件；用于信息娱乐系统的汽车平台；以及用于构建和运营元宇宙和三维互联网应用的全息企业软件。 NVIDIA Corp.在过去一个月内上涨了0.49%，在过去一年内上涨了134.23%。 INTERNATIONAL BUSINESS MACHINES CORPORATION （IBM）国际商业机器公司（IBM）是混合云和人工智能（AI）以及商业服务的提供者。IBM提供整合的解决方案和产品，利用数据、信息技术来进行行业和业务流程。IBM分部包括软件、咨询、基础设施和融资。软件部分包括两个业务领域：混合平台和解决方案，包括在混合、多云环境中帮助客户运营、管理和优化其IT资源和业务流程的软件；以及交易处理，包括在银行、航空公司和零售等行业支持客户的关键任务、在地工作负载。咨询部分从事业务转型、技术咨询和应用运营。基础设施部分从事混合基础设施和基础设施支持。融资部分从事客户融资和商业融资。 IBM在过去一个月内上涨了7.77%，在过去一年内上涨了8.92%。 MICRON TECHNOLOGY, INC. MU. Micron Technology (MU)是内存和存储解决方案的提供商。其产品组合包括动态随机存取存储器（DRAM）、Negative-AND（NAND）、三维（3D）XPoint存储器和NOR、固态驱动器、图形和高带宽存储器（HBM）、受管理的NAND和多芯片封装。其品牌包括Micron和Crucial。其分部包括计算和网络业务单位（CNBU），包括销售到客户、云服务器、企业、图形和网络市场的存储器产品；移动业务单位（MBU），包括销售到智能手机和其他移动设备市场的存储器和存储产品；存储业务单位（SBU），包括销售到企业和云、客户和消费者存储市场以及其他分离存储产品的固态驱动器（SSD）；嵌入业务单位（EBU），包括销售到汽车、工业和消费市场的存储器和存储产品。 Micron Technology Inc.在过去一个月内上涨了4.74%，在过去一年内上涨了6.58%。注：本文图片均截图自finance.yahoo.com
Heidi2023-08-12
九方数字人：AIGC技术，如何为金融科技赋能？
go
术，AI能够通过数据库更新、机器学习、深度学习等方式，不断的实现优化迭代，7*24小时的在线服务，能够帮助用户在交互中实现高效的信息获取，不断完善市场认知，实现快速成长。随着科技的发展与创新，数字化的金融市场正在逐年崛起，金融科技也不再是机构的专属服务，而是以更加多元的方式，渗透进了普通投资者生活中的方方面面。在未来，必将有越来越多的“数字人”应用于服务领域，而作为金融领域的首发产品，九方财富开发的“九方数字人”，或将树立起一个新的行业标杆。三、未来已来，如何做好一笔投资？九方财富的经营愿景，是“成为客户投资理财的终身伴侣”，而“九方数字人”的发布，就是九方财富迈出的重要一步。据相关数据显示，目前我国共有79家证券投资机构，在过去20年内，我国的咨询业务领域正在快速拓张，不仅体现在业务范围的拓展，更体现在细分领域的专精度，以及更加多元化的服务模式。 2023年，在智能技术的浪潮下，证券投资咨询行业也迎来了一个转型与升级的新时期，利用技术创新与行业整合，有望给用户的投顾体验带来一次革命性的质变。因此，“九方数字人”的推出，并不只是一次AI技术力量的体现，更是九方财富基于多年的市场洞察，给出的一套综合性的解决方案。在这套解决方案下，无论是行业动态的捕捉，还是信息的分析与解码，以及最后的投资决策，都可实现“一站式”解决，大幅降低投资者在信息处理过程中的沉没成本，进一步展现出证券咨询行业在金融领域的核心价值。随着金融数字化的进一步加深，大数据模型与人工智能也必将迎来更广泛的应用，而作为智能交互的重要载体，“数字人”也必将释放出更多的想象力。未来已来，作为“金融数字人”的先驱者，“九方数字人”必将秉承着发展的目光持续创新，给投资者带来更加优质的投顾体验。九方数字人——九方诊股app正式发布，各大应用市场皆可下载。也可以打开微信搜索——九方诊股，欢迎下载体验！风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!
有连云2023-08-11
亚马逊云解决方案架构师汪其香：AIGC在不同领域的落地与应用场景
 go
其是英伟达等公司算力的提升，我们进入了深度学习时代，神经网络变得越来越庞大、复杂。随着Transformer等技术的出现，大型模型开始兴起，我们把它称之为AIGC。AIGC的核心意义在于改变了创作生产力的方式。传统的AI主要用于推荐和搜索等任务，改变的是内容传播的方式，但创作的源头仍然是人类。然而，AIGC改变了创作的源头，将创作的过程由人类转变为由人工智能生成，因此AIGC在未来的发展潜力越来越大，能够承担的任务也越来越多。据预测，到2025年，由生成式人工智能产生的数据将占据全部数据的10%，而目前这个比例不到1%。这意味着在未来一到两年内，我们在生活中接触到的由人工智能生成的素材，例如广告、海报等，其比例将迅速增加10倍。市场对AIGC的反应也表明，目前已经有许多行业开始应用AIGC技术。AIGC将在各个行业中发挥作用，不仅局限于图片生成，还包括视频生成、语音生成以及文本创作等各个方面。从技术角度来看： 1. 生成图片：AIGC在游戏、电商等领域能够生成各种类型的图片，包括电商产品图片等。 2. 文字生成：除了邮件、广告等场景，AIGC还可以在办公和代码编写领域生成文字内容。 3. 生成音频：AIGC可以用于音乐作曲、生成虚拟数字人等音频创作。 4. 视频生成：虽然之前不够成熟，但现在AIGC已经可以通过输入文字生成相应的视频，例如产品宣传片等。 5. AIGC在典型行业中的应用：在广告媒体领域，AIGC技术可以应用于视频制作，同时也可以用于生成文字内容。在游戏领域中，AIGC的应用也十分引人注目。以前，一个人要创造一个游戏可能需要花费几个月的时间，但有了AIGC技术，现在仅需一个小时就可以创造出多个游戏。这使得游戏开发者的角色从创作者转变为选择者。其中，图片生成的技术成熟度最高，行业中的应用程度也最广泛。不过，在音频和视频方面，目前的技术还没有像图片生成那样成熟。 AIGC技术可以分为两个主要方向： 1. 多模态转化：AIGC能够处理多种不同的输入模态，如文字、图片和代码，然后将其转化为多模态的输出。例如，你可以给AIGC一个描述，它可以生成相应的图片、文字和代码等多种形式的输出。 2. 语言交互：AIGC还可以用于语言交互，比如对话机器人。你提供一段输入，它能够与你进行交互，而不仅仅是单向地创作内容。在这个领域中，常见的应用是客服。随着AIGC技术的普及，人们很难分辨出某个回复是由人还是机器生成的。像ChatGPT这样的大型语言模型，它的回复方式与人类非常相似。在AIGC技术中，可以将其分为不同的技术层次： 1. 基础设施层：基础设施层是整个技术栈的基础。英伟达和云服务提供商为AIGC提供了必要的硬件设施，因为应用于垂直领域和各种训练和推理任务的大型模型需要底层的计算能力。 2. 模型层：模型层是构建在基础设施之上的，当前有一些大公司和科研机构推出了开源的大型模型。这些模型提供了基础能力，可以根据具体行业的需求进行进一步的训练和应用。例如，对于Web3.0中的链游领域，可以利用开源模型进行特定训练，以满足该行业的需求。现在许多公司在这一层面主要是应用模型，根据自身领域的问题引入大型模型的能力，构建SaaS工具，提高内部生产力。 3. 细分应用层：在模型层之上，还可以进一步构建细分的应用。例如，绘画领域中的模型，最初可能会比较受欢迎，但随着时间的推移，针对实际场景的应用将变得更加重要。例如，商品展示和设计等领域，除了绘画外，还可以应用AIGC来生成特定的设计元素。除了图片生成，另一个重要的应用场景是大型语言模型。这些模型在语义理解方面取得了巨大进展。与以往只能进行简单文本提取和分类不同，现在的大语言模型能够理解你的意图。无论是要在互联网上搜索信息，从数据库中查询数据，还是撰写文章，它都能够理解语义，并将其转化为相应的指令。这些大语言模型的语言表达也更加流畅，不再像以前那样与人类表达方式相悖。它们还能够进行闲聊对话。然而，大型语言模型可能会出现编造和虚构的情况，有时候会编造不实信息。另外，由于它们的知识来源于已学习的数据，可能会出现过时的信息。如果要应用这些模型，可能需要在其基础上加入其他组件来提高其准确性和可靠性。模型的规模、成本和质量之间存在一定的关系。模型越大，效果往往会更好，但同时需要更大的计算能力支持。参数量的减少可能会导致回答质量的下降。以图片生成为例，如果要将AIGC用于实际应用，比如在设计领域，就需要对模型进行一定的控制，以生成符合实际需求的内容。例如，在营销活动中，设计师或运营人员可能需要根据需要生成大量图片。AIGC可以在几分钟内生成大量图片，然后运营人员可以从中挑选。在服装行业中，AIGC还可以帮助设计人员找到创意并生成图片和设计风格。此外，AIGC还可以用于活动海报的生成，帮助拓展创意思路。例如，有一个广告客户卖眼镜和假发，以前需要找模特并在各个国家拍摄照片，成本很高。但现在借助AIGC和开源模型，可以生成各种肤色和国籍的模特照片，降低了全球投放的营销成本。在游戏策划和素材创意方面，AIGC也能发挥作用。游戏设计的原画师可以通过AIGC提高工作效率，生成原画和策划灵感。同样，填色领域也非常适合AIGC，特别是在二次元动漫场景中。在文字生成方面的应用，主要集中在对话、客服、陪伴机器人、游戏中的NPC、数字人以及智能问答等领域。以前在搜索引擎中，你需要明确指定你要搜索的内容。但现在的大语言模型可以理解你的语义，你可以以自然对话的方式向搜索引擎提问。智能问答方面，你可以直接问出类似“搜线下性价比最高的产品是什么”这样的问题，它会理解你的意思并呈现出相应的结果。此外，大语言模型还可以辅助编写代码，帮助生成SQL语言和模块，以及撰写剧本和营销邮件等。为了应对开源大语言模型可能出现的幻觉和胡编情况，可以采取一些限定条件下的回答策略，以确保机器人的回答不偏离主题。例如，在提问之前，可以通过企业文档和数据库来限定机器人的回答范围，让它只在特定领域内进行回答，从而实现可控的文本生成。除了开源模型的应用，亚马逊云还提供了一系列机器学习能力。亚马逊云的机器学习服务分为三个层次。最底层是基础设施，提供强大的算力支持。中间层是机器学习训练平台，您可以在这个平台上进行模型训练、模型部署，并且可以找到并使用各种开源模型。最上层是托管的AI服务，如AIGC和模型推理等。举一个例子，如果我们使用AIGC生成图片，可以结合图像识别服务，对生成的图片进行简单的筛选。例如，确保生成的图片不含有黄色或暴力内容。或者可以指定生成某种产品在特定场景下的展示图，然后通过图像识别服务检查生成的结果，确保是否符合要求。这类似于前处理或后处理的操作，可以借助不同的AI服务来实现。目前，除了AIGC（Artificial Intelligence Generated Content）之外，另一个热门的工具是“Building”服务，它是围绕大语言模型的脚手架工具。由于开源大语言模型的种类繁多，而在不同的场景下可能会使用不同的模型或者有一些特定的思维链。Building工具可以帮助我们管理多个大语言模型，包括AWS自家的泰坦大语言模型，从而简化在大模型上的开发工作。 AWS还提供了基础设施算力支持，通过自研芯片可以降低未来推理成本。当我们完成模型开发后，通常需要进行推理以适用于实际场景。AWS自研的芯片可以提供低成本的算力资源，以满足各种应用的需要。另一个面向个人开发者免费的服务是“第三个服务”，该服务支持多种语言。刚刚提到的“Bedrock”服务是一个API，它支持许多常见的基础模型。举个例子，你可以使用AWS自家的大语言模型泰坦进行文字生成。同时，你还可以利用其他公司的大语言模型。有一些模型是预先训练好的，可以直接使用。然后，通过这种服务，你可以将这些开源大语言模型导入到你自己的AWS账号中，进行微调以满足特定场景需求。你可以将这些模型集成到自己的应用框架中。 “Bedrock”提供了许多模型，它们不断更新。你可以使用这些模型来生成内容，辅助编写代码等。最后，让我们来了解一下关于基础设施的服务。目前，我们提供了A100和A800等型号的计算卡，这些资源可以在海外使用。除了在训练阶段需要的高性能算力外，我们还提供了用于推理的计算卡，以降低推理的成本。除了英伟达的计算卡外，我们还自行研发了芯片，例如SD和其他常见的大语言模型，这些模型可以在我们的芯片上进行部署。由于成本较低，相同的算力情况下，使用我们的自研芯片会更加经济高效。这些大语言模型已经兼容了我们的芯片。在机器学习领域，AWS提供了全流程的赋能。我们拥有解决方案架构师团队，可以协助您进行架构梳理。此外，我们还有产品技术专家团队，以及人工智能实验室和数据算法科学家。如果您有创新的AIGC场景，我们会投入算法科学家与您合作，共同推进项目。此外，我们还提供培训体系，以确保您可以充分了解和利用我们的服务。 AWS的解决方案具有高度的灵活性，可以确保私域数据的安全性，并提供高性价比的基础设施选项。我们还提供了直接调用API来使用大模型的功能，同时我们也拥有全面成熟的AIGC解决方案，适用于各个行业、媒体等领域。以上就是我今天的演讲内容，大家对于AIGC在海外的云计算，或者关于AIGC的任何问题，都可以一起来讨论，谢谢大家！来源：金色财经
金色财经2023-08-10

上一页
1
•••
83
84
85
86
87
•••
131
下一页

24小时热点

最新话题更多