- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI SPPECH
2025 AI4Science入门：新手如何用AI加速科学研究？
别担心自己没有深厚的科学背景，本文将从基础概念出发，结合实际案例和实用工具，带你一步步了解AI如何加速科学研究，以及如何从零开始入门这一前沿领域。 一、AI4S是什么？ 新手必须了解的核心概念 1.1 AI4S的定义 AI for Science（AI4S）是指利用人工智能技术来解决科学问题、加速科学发现的交叉领域。 2.3 AI辅助气候研究 气候变化是当今人类面临的重大挑战之一，AI4S在气候研究中也发挥着越来越重要的作用： 气候模拟：AI可以加速气候模拟过程，提高模拟的准确性，帮助科学家更好地理解气候变化的机制。 量子机器学习：量子计算可以加速机器学习算法的运行，提高AI模型的性能。 7.2 对科学研究的影响 加速科学发现：AI4S将大大加速科学发现的过程，让科学家能够在更短的时间内取得更多的研究成果。
1.7K11编辑于 2025-11-13 - 来自专栏刘旷专栏
AI主播、AI记者、AI编辑，传媒AI化加速
但随着AI的深入，Microsoft News方面逐渐转向 AI，其鼓励出版商和新闻工作者使用AI辅助工作，或用AI替代人工进行内容的处理、过滤、发表。 微软作为全球名企，每个改变都会引起其他企业效仿和学习，这一次AI替代编辑人员的改变也将影响传媒行业的发展。国外传媒AI之路是如此，国内传媒AI化之路也在逐渐升温。 传媒行业正在AI化 目前为止，AI对于各行各业起到的作用都是正面性的，传媒行业也不例外。 AI化。 传媒行业加速AI化，本质上是主流媒体、科技巨头为强化自身竞争实力所作出的改变，而新趋势将带来新格局，又一轮竞争开始了。 文/刘旷公众号，ID：liukuang110
1.2K30发布于 2020-06-28 - 来自专栏CSDN技术头条
Facebook开源Torchnet，加速AI研究
近日，Facebook 发表了一篇学术论文和一篇博客帖子详述Torchnet——一个用于简化人工智能——深度学习的新型开源软件。 图片描述 深度学习涉及海量数据，比如图片之上训练人工神经网络是目前的一大技术趋势。利用神经网络来预测新的数据，相比于构建一个全新的深度学习框架，Facebook决定在Torch基础之上来构建深度学习框架，Torch是一个Facebook之前开源的源程序库。 Facebook人工智能研究实验室深度学习专家Laurens van der Maaten表示：“深度学习让一切变得很容易，
64690发布于 2018-02-12 - 来自专栏人人都是极客
解密AI芯片的加速原理
下面我们从以上三点阐述下目前比较主流的深度学习在芯片层面实现加速的方法。 AI 芯片的加速原理 乘加运算硬件加速，脉冲阵列 ? 脉动阵列并不是一个新鲜的词汇，在计算机体系架构里面已经存在很长时间。 大家平时看到跟存储相关的的PCIe卡可能是PCIe Gen3 by 4，只有4个lanes和Memory对接，但是NVLink与有16个PCIe的lanes的PCIe Gen3对比，速度也有很大的提升 上面讲了一些比较经典的加速方法。下面分享几个已经存在的AI加速芯片的例子，相信这样会更加直观。 AI 芯片实例 TPU ? 这是Google的TPU。 这一个是Rokid和杭州国芯共同打造的一颗针对智能音箱的SoC，AI加速只是里面的一个功能。通过上面右边的框图可以看到里面集成了Cadence的DSP，还有自己设计的语音加速硬件IP——NPU。 这款芯片还集成了一些实现智能音箱必要的interface，最值得一提的是在SiP层面封装了Embedded DRAM，可以更好的在系统层面实现数据的交互，实现存储和运算的加速，也实现了AI加速的功能。
92630发布于 2019-05-14 - 来自专栏云上修行
vLLM: 加速AI推理的利器
* "npcache"将以pytorch格式加载权重并存储numpy缓存以加速加载。* "dummy"将以随机值初始化权重，主要用于性能分析。 --kv-cache-dtype {auto,fp8,fp8_e5m2,fp8_e4m3} kv缓存存储的数据类型。 CUDA 11.8+支持fp8(=fp8_e4m3)和fp8_e5m2。 ROCm（AMD GPU）支持fp8(=fp8_e4m3) --quantization-param-path QUANTIZATION_PARAM_PATH 在ROCm（AMD GPU）上，相反，支持FP8_E4M3以满足常见的推理标准。
3.3K10编辑于 2024-07-22 - 来自专栏人人都是极客
解密AI芯片的加速原理
下面我们从以上三点阐述下目前比较主流的深度学习在芯片层面实现加速的方法。 AI 芯片的加速原理 乘加运算硬件加速，脉冲阵列 ? 脉动阵列并不是一个新鲜的词汇，在计算机体系架构里面已经存在很长时间。 大家平时看到跟存储相关的的PCIe卡可能是PCIe Gen3 by 4，只有4个lanes和Memory对接，但是NVLink与有16个PCIe的lanes的PCIe Gen3对比，速度也有很大的提升 上面讲了一些比较经典的加速方法。下面分享几个已经存在的AI加速芯片的例子，相信这样会更加直观。 AI 芯片实例 TPU ? 这是Google的TPU。 这一个是Rokid和杭州国芯共同打造的一颗针对智能音箱的SoC，AI加速只是里面的一个功能。通过上面右边的框图可以看到里面集成了Cadence的DSP，还有自己设计的语音加速硬件IP——NPU。 这款芯片还集成了一些实现智能音箱必要的interface，最值得一提的是在SiP层面封装了Embedded DRAM，可以更好的在系统层面实现数据的交互，实现存储和运算的加速，也实现了AI加速的功能。
4.5K30发布于 2018-09-25 - 来自专栏机器之心
详解AI加速器（四）：GPU、DPU、IPU、TPU…AI加速方案有无限种可能
在这篇文章中，我们将跟着作者的思路回顾一下相关 AI 硬件公司，看看都有哪些公司在这一领域发力。 这是本系列博客的第四篇，主要介绍了 AI 加速器相关公司。 全球科技行业最热门的领域之一是 AI 硬件， 本文回顾了 AI 硬件行业现状，并概述相关公司在寻找解决 AI 硬件加速问题的最佳方法时所做的不同赌注。 其他创业公司似乎同样火爆，在过去几年中，他们已花费数十亿美元资助 AI 硬件初创公司，以挑战英伟达的 AI 领导地位。 AI 硬件初创公司 - 截至 2021 年 4 月的总融资。 与部署的第三代 TPU 相比，这使每个 Pod 的性能提高了 5.4 倍（每个 Pod 中最多装有 4,096 个芯片）。 图源：ZDNet 详解 AI 加速器（一）：2012 年的 AlexNet 到底做对了什么？ 详解 AI 加速器（二）：为什么说现在是 AI 加速器的黄金时代？
2.6K30编辑于 2022-03-04 - 来自专栏量子发烧友
量子+AI：量子计算加速机器学习
机器学习技术的快速发展有赖于计算能力的提高，而量子计算因其独特性质，使得它无论在数据处理能力还是数据储存能力，都远超经典计算，从而可以解决目前机器学习算法处理海量大数据时计算效率低的问题，也有利于开发更加智能的机器学习算法，将大力加速机器学习的发展 事实上，从经典–量子的二元概念出发可以将机器学习问题按照数据和算法类型的不同分为4类。 通过量子算法使某些在经典计算机上不可计算的问题变为可计算的, 从而大幅降低机器学习算法的计算复杂度, 如量子退火(quantum annealing，QA)算法、Gibbs采样等； （2) 量子理论的并行性等加速特点直接与某些机器学习算法深度结合 （4）经典模型估计：经典信息被提取出来后，可以进一步做经典后处理，以提取测量期望值之间的关联信息。这一过程可以通过经典深度神经网络实现。 plot_histogram(counts) 3.3 Paddle Quantum Paddle Quantum（量桨）是一种开放源代码的机器学习工具包，旨在帮助数据科学家在量子计算应用程序中训练和开发AI
1.9K40编辑于 2023-02-24 - 来自专栏量子位
浪潮发布OpenStack AI云平台，加速行业AI进程
△ 浪潮集团副总裁 彭震 云+AI融合基础架构加速行业AI落地 随着AI在社会生产生活各环节的渗透加速，可以预见的是AI将会快速步入到“应用繁荣期”，商业组织与科研机构的AI技术与应用研发将趋向多样化， 因此，如何将云计算与AI融合，使得IT基础架构既能具备云的灵活性，也能保留AI所需的高性能，将成为推动AI真正成为一项社会性变革技术的重点所在。 此次浪潮发布的OpenStack AI云平台，可帮助行业AI用户快速便捷的构建CPU+GPU的弹性异构云环境，并实现对异构计算资源池的动态调度与分配，支撑数据管理、模型训练、模型部署等各类AI应用场景。 △ 浪潮OpenStack AI云平台架构 高集成度进一步简化AI开发 浪潮自主开发的AIStation在集成度上有显著提升，极大的降低了AI开发难度并简化操作。 浪潮AI&HPC总经理刘军表示：“浪潮OpenStack AI云平台为用户提供了面向未来的云+AI融合基础架构，使其在开源云平台上能够简单、快速构建易用、先进、完整的AI开发环境，赋能更多行业快速利用人工智能技术进行产品服务开发
97540发布于 2018-09-29 - 来自专栏CODING DevOps
X加速计划 | 聚焦机器人& AI 领域的产业加速营！
海归创业学院在第一期人工智能主题班成功经验基础上，今年强势联合科沃斯共同主办X 加速计划。 X加速计划 深圳第一期 上海第二期 同步开始招募 加速计划内容 PROJECT COURSE 加速计划流程 PROJECT SCHEDULE 备注：深圳、上海两地课程时间基本一致。 AI人工智能：声学处理、语音识别、语义理解、计算机视觉 3. 大数据：基于大数据基础，AI为引擎的消费、金融、安防等行业应用 项目筛选基本情况 1. 创始团队占股超过50%； 2. 截止2018年5月10日，公司创立时间不超过5年； 4. 融资阶段在天使轮之后，B轮之前。 X加速计划仅针对创始人，创始人，创始人，重要的事情说三遍； 3. 加速计划不收取课程费用，活动期间餐费、住宿费、交通费、学杂费自理； 4.
38710编辑于 2023-05-17 - 来自专栏存储公众号：王知鱼
Micron：SSD替换主存，加速AI落地
Fig-1 AI/ML 处理数据量越来越多，一说数据每年增长430x。 IGB 在 AI 领域受到关注，尤其是在图学习和图计算的研究中，因其能够帮助研究者比较不同算法的效果和效率。该数据集的多样性和真实场景的代表性使其成为图相关任务的一个重要基准。 Fig-2 NVIDIA 加速计算常见的存储案例。 完全被绕过 • 利用GPU的高并行性，饱和GPU和NVMe设备之间的PCIe总线，实现细粒度的I/O • 高性能 Fig-3 MicroSoft 内存优化方案-微软DeepSpeed • 是微软大规模AI 和不少AI从业人员交流，共性认知是，尚未出现 Killer APP，部分原因是技术本身成熟度尚未达标，另一部分可能还是基础设施建设成本高昂，“贫穷限制了想象”。
45610编辑于 2025-02-11 - 来自专栏小小挖掘机
一行代码将Pandas加速4倍
当你使用 4 核(现代 Intel i5)或 6 核(现代 Intel i7)时，情况会变得更糟。pandas 的设计初衷并不是为了有效利用这种计算能力。 Modin是一个新的库，通过在系统所有可用的 CPU 核上自动分配计算来加速 pandas。 因此，并不是所有的 pandas 功能都被完全加速了。如果你在 Modin 中尝试使用一个还没有被加速的函数，它将默认为 panda，因此不会有任何代码错误或错误。 import ray ray.init(num_cpus=4) import modin.pandas as pd 在处理大数据时，数据集的大小超过系统上的内存(RAM)的情况并不少见。 希望你发现 Modin 至少在一些情况下对加速 panda有用。
3.7K10发布于 2019-12-11 - 来自专栏Datawhale专栏
一行代码将Pandas加速4倍
当你使用 4 核(现代 Intel i5)或 6 核(现代 Intel i7)时，情况会变得更糟。pandas 的设计初衷并不是为了有效利用这种计算能力。 Modin是一个新的库，通过在系统所有可用的 CPU 核上自动分配计算来加速 pandas。 因此，并不是所有的 pandas 功能都被完全加速了。如果你在 Modin 中尝试使用一个还没有被加速的函数，它将默认为 panda，因此不会有任何代码错误或错误。 import ray ray.init(num_cpus=4) import modin.pandas as pd 在处理大数据时，数据集的大小超过系统上的内存(RAM)的情况并不少见。 希望你发现 Modin 至少在一些情况下对加速 panda有用。
3.4K10发布于 2019-12-09 - 来自专栏CreateAMind
超GFlowNet 4个数量级加速
65] and Probabilistic Circuit (PC)5[45]. 4个数量级的加速 摘要 我们介绍边缘化模型（MMs），这是一种新的用于高维离散数据的生成模型家族。 在两种设置中，MMs 在评估边际概率方面实现了数量级的加速。对于基于能量的训练任务，MMs 可以实现高维问题的任意阶生成建模，超越了先前方法的能力。 我们通过实验证明，MAMs在边缘似然评估中实现了数量级的加速。对于基于能量的训练，MAMs能够将任意阶生成模型的训练扩展到先前方法无法实现的高维问题。 MAM在边缘推断中实现了接近4个数量级的加速，同时与AO-ARM-S的质量相当。PC在边缘推断中也非常快，但在质量方面存在差距。生成的样本和关于部分图像的额外边缘推断在附录B中。 MAM在边缘推断方面具有显著的加速，并且是唯一支持任意阶生成建模的模型。
30410编辑于 2024-06-04 - 来自专栏程序IT圈
Python处理大数据，推荐4款加速神器
本文向大家介绍几个好用的加速工具，可以很好地补齐现有 PyData 技术栈的短板。有了这些工具，即便是处理亿级数据你也可以应对自如。 Mars Mars 是numpy 、 pandas 、scikit-learn的并行和分布式加速器，由阿里云高级软件工程师秦续业等人开发的一个基于张量的大规模数据计算的统一框架，目前它已在 GitHub 基于 Numpy 数组的实现，GPU 自身具有的多个 CUDA 核心可以促成更好的并行加速。CuPy 接口是 Numpy 的一个镜像，并且在大多情况下，它可以直接替换 Numpy 使用。 只要用兼容的 CuPy 代码替换 Numpy 代码，用户就可以实现 GPU 加速。 ?
2.6K10发布于 2021-01-19 亚马逊Nova AI挑战赛加速生成式AI发展
亚马逊Nova AI挑战赛加速生成式AI领域发展首届全球大学竞赛，致力于推动安全、可信的AI辅助软件开发。发布时间：2025年3月10日在负责任AI发展框架下，通过与顶尖大学合作以培育突破性研究。 虽然该挑战赛将探索生成式AI的多个方面，但今年的重点聚焦于“可信AI：推进安全的AI辅助软件开发，以构建更安全、更可靠的应用程序”。 、快节奏的锦标赛，旨在加速面向实际应用的学术研究。 挑战赛本质上是跨学科的——位于负责任AI、生成式AI、安全、对话式AI和自动化软件开发的交叉点。因此，它汇集了在多个研究领域具有专业知识的团队，为竞赛带来了不同的才能和视角。 研究领域对话式AI安全、隐私和滥用防护标签生成式AI负责任AI大语言模型学术合作某Nova关于作者撰稿人
9410编辑于 2026-01-13- 来自专栏MixLab科技+设计实验室
AI 加速你的想法 | MixLab+AI 第39期
Knowledge / def mix( ): 本期收录 新增13+ NO. 39 设计流程的加速包 #每周ai工具 快速验证想法的工具——UIzard，基于图像识别，将线框图快速转化成高保真原型，帮助设计师能快速验证可行性 设计流程的加速包 | 每周ai工具 #游戏##技术美术 Alex Strook 最近分享了模拟油画的 NPR（非现实渲染）技术项目，非常赞。 包括AI产品、AI技术、AI场景、AI投资事件、AI的思维方式等。MIX的主题包括：AR、VR、计算设计、计算广告、智能设计、智能写作、虚拟偶像等。 加入星球后，即可加入Mix读书会。
61341发布于 2020-10-19 - 来自专栏计算机视觉战队
详解AI加速器：为什么说现在是AI加速器的黄金时代？
选自 Medium 作者：Adi Fuchs 机器之心编译 机器之心编辑部 在上一篇文章中，前苹果工程师、普林斯顿大学博士 Adi Fuchs 解释了 AI 加速器诞生的动机。 4GHz。 如今，随着越来越多表现出「良好」特性的应用程序成为加速的目标，加速器越来越受关注：视频编解码器、数据库处理器、加密货币矿机、分子动力学，当然还有人工智能。 是什么让 AI 成为加速目标？ AI 是一个「可加速」的应用领域 AI 程序具有使其适用于硬件加速的所有属性。首先最重要的是，它们是大规模并行的：大部分计算都花在张量运算上，如卷积或自注意力算子。 如果没有适当的加速硬件来满足你的 AI 需求，对 AI 进行实验和发现的能力将受到限制。
1.9K20编辑于 2022-03-04 - 来自专栏Tapdata
TapData × 梦加速计划 | 与 AI 共舞，TapData 携 AI Ready 实时数据平台亮相加速营
4月10日，由前海产业发展集团、深圳市前海梦工场、斑马星球科创加速平台等联合发起的「梦加速计划·下一位独角兽营」正式启航。 未来 5 个月，将通过增长加速、AI 赋能、产品打磨、融资对接等多个维度，全面提升项目创新能力与市场竞争力，助力企业迈入快速增长轨道。 TapData 基于 MCP 的 AI-Ready 实时数据平台 在 AI 加速重塑企业运作方式的今天，数据的实时性、完整性与可用性，直接决定着智能推理和决策的效率与精准度。 梦加速计划：助力独角兽梦想加速落地 「梦加速计划·下一位独角兽营」不仅是一场深港协同创新的盛会，更是一次连接科研-产业-资本的系统加速。 TapData 也将在此次加速过程中，深度融入梦工场创新生态，对话 30+ 投资机构、产业龙头与科研平台，探索 AI 时代实时数据新价值，携手前海与香港，迈向下一个增长新高峰。
24500编辑于 2025-04-19 - 来自专栏防止网络攻击
【玩转 GPU】GPU加速的AI开发实践
HK-WEKA的小型4K块大小与NVMe SSD介质块大小相匹配，以实现最佳性能和效率。 二、NVIDIA Riva SDKNVIDIA Riva 是一个 GPU 加速的 SDK，用于构建和部署完全可定制的实时语音 AI 应用程序，这些应用程序可以实时准确地交付。 实际来看 NVIDIA 在 GitHub 所提供的实际数据，表示 TensorRT 大约快1.5-4倍。 NVIDIA GPU 加速科学计算，释放“AI + Science”巨大潜力“AI + Science” 的科学研究范式是当下的前沿热点。 深势科技作为AI+Science范式的典型企业，致力于以算力算法的进展切实赋能科研突破与产业升级，NVIDIA GPU 助力深势科技加速实现技术迭代与产品部署。
1.6K00编辑于 2023-05-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号