- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据猿
美军的AI发展计划研究（3）
美国防部AI的发展态势 一、国防部阶层 美国防部提出国防部AI的宏大愿景、制定AI发展战略及确立“联合人工智慧中心”（JAIC）为执行国防AI的专责机构，主要任务是影响与推广AI在国防部的部署运用。 ； 2）JAIC缺乏组织能见度，身为国防部AI战略的专责机构，有望吸引和培养一支世界级的AI团队，但外界对其职责、角色和活动，均缺乏明确认识； 3）JAIC缺乏履行当前职责权力或预算授权，严重限制其同步协调国防部范围内 T-1：JAIC应制定一个5年期战略发展蓝图，以基线和指标为后盾，作为后续5年战略蓝图发展基础，以及未来扩大执行AI和影响任务的指导依据。 T-3：JAIC应与国防研究工程副部长室（USD/RE）、国防采购维持副部长室（USD/AS）、参谋长联席会议主席和JAIC委员会的各军种代表共同合作，对国防部范围内的AI投资，进行每年或每半年的投资组合审查 S-3：国防部应将数据视为关键资源，继续实施制度化数据搜集和管理，提升数据分享，确保数据分析和运用过程的安全防护问题。
69220发布于 2020-02-19 - 来自专栏技术积累
AI 发展 && MCP
文章目录 一、AI 的发展历程 二、关键技术演进 2.1 架构演进 2.2 训练方法演进 2.3 应用领域扩展 三、重要里程碑产品/工具 3.1 开发框架 3.2 AI 应用 四、MCP 4.1 什么是 XL Google发布Gemini DALL-E 3 Code Llama Llama 2 2024（AI应用落地年）： Claude 3 Gemini 1.5 GPT-4 Turbo Sora（OpenAI 新的 AI 应用也很多，但我们都能感受到的一点是，目前市场上的 AI 应用基本都是全新的服务，和我们原来常用的服务和系统并没有集成，换句话说，AI 模型和我们已有系统集成发展的很缓慢。 3.AI Agent 用户问：“帮我订明天去北京的机票，并告诉我天气。” 看看 Cursor 的 AI Agent 发展过程，我们会发现整个 AI 自动化的过程发展会是从 Chat 到 Composer 再进化到完整的 AI Agent。
1.3K12编辑于 2025-07-20 - 来自专栏老齐教室
图说AI发展史
翻译：洪贤斌 1943年，可以认为是AI肇始，自此人类打开了一个盒子，对于从中放出来的巨兽，尚未定论。但，它来了。 ? ? ? ? ? ? ? AI的发展并如开始期望那样，自1974年，进入了第一次寒冬。尽管在寒冬，聪明的头脑也没有放弃思考。 ? 寒冬总会过去，AI的春天再次来临。 ? ? 重要突破刚刚萌芽，又遇到了问题，AI再次被冷落，史称第二次寒冬，而且，这次持续时间较长，直到1993年AI才回归到人们的视野中。 ? ? 寒冬没有挡住AI的发展，特别是互联网和相关计算技术的发展，AI不仅仅是理论研究，开始步入生产生活中。 ? ? 从深蓝开始，关于“机器人会不会取代人”的讨论似乎其必要性更紧迫了。 ? ? ? ? ? 原文链接：https://figshare.com/articles/AI_History_svg/12363890
99510发布于 2020-06-01 - 来自专栏智能大数据分析
【AI大模型学习】AI领域技术发展
3、在语音识别领域 AI大模型的应用也带来了革命性的变化。基于深度学习的语音识别模型能够识别各种口音、语速和噪声环境下的语音信号，并将其转换为文本。 3、模型安全性 AI大模型的安全性也是一个重要问题。攻击者可能会利用模型的漏洞进行恶意操作，例如故意输入误导模型的数据或攻击模型的逻辑。 通过深入研究和广泛讨论这些议题，我们可以更好地理解和解决AI大模型学习所带来的伦理和社会问题，促进科技的发展与社会的共荣。 五、未来发展趋势与挑战 展望AI大模型学习的未来发展趋势，可以预见以下几个方面的发展： 持续的模型扩展和改进：随着对大型神经网络模型需求的增长，未来将会看到更多规模更大、效果更好的AI大模型的涌现。 通过共同努力，我们可以推动AI大模型学习朝着更加可持续、负责任和有益于社会的方向发展。
40310编辑于 2025-01-22 - 来自专栏AI科技大本营的专栏
AI芯片发展的前世今生
人工智能芯片的发展 据了解 ，人工智能(AI)技术的发展和应用在美 国 、中国和欧盟等世界主要国家中已经成为国家战 略 ，在国家的科技发展和产业竞争中占据越来越重要的位置。 2.2 人工智能芯片中的后CPU时代 基于 CPU 的算力问题 ，近年来人工智能芯片领域的科学家们进行了富有成果的广泛研究 ，主要集 中在 AI 芯片目前的两种发展方向。 AI 芯片行业生命 周期正处于幼稚期 ，市场增长快 ，至 2022 年将从2018 年的 42.7 亿美元 ，发展至 343 亿美元 ，但芯片企 业与客户的合作模式仍在探索中。 云端(含边缘端)服务 器 、智慧型手机和物联网终端设备等 3 个场景 ，是目 前 AI 芯片企业的主要落地市场 ，少数企业则是面向 未来的自动驾驶汽车市场。 4.2 AI 芯片产业链 AI 芯片产业链主要分成设计—制造/封测—系统。 （1）上游：主要是芯片设计，按商业模式，可再细分成 3 种:IP 设计 、芯片设计代工和芯片设计。
1.4K10发布于 2020-02-20 - 来自专栏DrugOne
2021AI年度发展报告
编译 | 董靖鑫 审稿 | 程玉 2021AI年度发展报告由Nathan Benaich (Air Street Capital)和Ian Hogarth (angel investor)合作撰写，它指出了研究人员在过去一年中在 参考资料： https://www.stateof.ai/
44920发布于 2021-10-21 - 来自专栏AI系统
【AI系统】谷歌 TPU 历史发展
在本文中，我们将深入探讨谷歌的 Tensor Processing Unit（TPU）的发展历程及其在深度学习和 AI 领域的应用。 以下表格中除了芯片之外，随着技术地不断进步和对于超大计算资源的需求，谷歌研发了 TPU Pod，这是一种由众多 TPU 单元构成的超大规模计算系统，专为处理大量深度学习和 AI 领域的并行计算任务而设计 在这个 AI 爆发的大时代，谷歌在移动端的 AI 掷下豪赌，对于最新发布的 Tensor G3，谷歌 Silicon 的高级总监 Monika Gupta 是这样评价的：“我们的合作与 Tensor 一直不仅仅局限于追求速度和性能这样的传统评价标准 在最新的 Tensor G3 芯片中，我们对每个关键的系统组件都进行了升级，以便更好地支持设备上的生成式 AI 技术。 以下是 3d torus 的图例，简单来说，相比于 2d torus，3d torus 中的节点可以左右、上下、前后互联。
1.9K10编辑于 2024-11-27 - 来自专栏AI科技大本营的专栏
AI芯片行业发展的来龙去脉
与此同时 ， Google、FaceBook、Amazon、Intel等巨头纷纷成立AI团队 ，促进人工智能技术的进一步发展。 根据人工智能产业的发展状况和技术成熟度划分 ，可以分 为4个阶段[3] 。 AI 芯片发展需要应用和架构创新双轮驱动 [C]. GTIC 2018 全球 AI 芯片创新峰会 . 上海, 2018. WEI S J. AI 芯片 0.5 与 2.0[EB/OL]. (2019-02-25) [2019- 03-12]. https://mp.weixin.qq.com/s/jpgTCY3cC_AQhBxKznLaOw AI chip 0.5 and 2.0[EB/OL]. (2019-02-25) [2019-03-12]. https://mp.weixin.qq.com/s/jpgTCY3cC_A QhBxKznLaOw
89800发布于 2020-02-20 - 来自专栏人工智能AI
AI 技术发展趋势
▶ 3D 视觉： 3D 视觉技术是视觉 AI 领域多年热点研究方向之一，核心任务是对三维空间、物体及环境进行真实还原与重建。 随着相关算法与硬件计算能力的不断升级， 3D 视觉算法效果得到大幅提升，三维几何重建更加精细，表面纹理重建更加清晰，带来更加逼真的视觉观感。 基于 3D虚拟形象的舞台演出、直播带货、教育互动等应用层出不穷，成为 AI 内容产业全新发展方向。 ▶ 安全 AI： 近年来算法后门攻击、对抗样本攻击、模型窃取攻击等针对人工智能算法的攻击技术持续发展，通过篡改构造特殊数据诱骗人工智能应用产生不可信的错误结果，带来了更大的算法安全风险，因此保障人工智能应用安全可靠的需求日渐迫切 这些因素促使 AI 技术向多点协作的方向发展。
79110编辑于 2024-05-21 - 来自专栏奇点大数据
说真的，为什么要发展AI？
AI的热潮起源于2016年AlphaGO的秀肌肉，随后我国就进行了运动式的AI学习与产业革命。 ? 当然在这个过程中有不少怪相，比如一些很传统的数据分析项目也把自己粉饰成AI项目等等。 所以这也招致很多科学家对盲目AI跟随浪潮的批评。 不过，说真的，我们为什么要发展AI？难道所有人都是为了赶时髦吗？其实并不是的。 在我看来，无论是在个人层面还是国家层面，发展AI几乎可以说都是必须走的不能回头的路。 第一、这是不可逆的产业升级 AI本质上是一种高质量的自动化过程。 AI产业的必须性，不管是从自然科学领域，还是从经济学领域，都能讲得通。 ? （无人仓库） 第二、形势所迫 前两天大家可能也看到一则新闻，标题有点耸人听闻——2035年我国养老金即将耗竭。 （看护机器人） 在一所医院中，每100位病患所需要的护士数量如何从20人，降低到10人，甚至降低到2、3人？而且同时还不能对服务质量产生太明显的影响。
1.3K30发布于 2019-05-05 - 来自专栏C语言
【AI】AI 发展下的伦理挑战，应当如何应对 ？
人工智能（AI）的快速发展带来了诸多便利，但也伴随着伦理和隐私保护方面的挑战。以下是一些应对这些挑战的思路和策略： 1. 加强法律法规的制定和执行 1.1 现有法规的改进 尽管一些国家已经出台了相关的法律法规，但现有法规还需要不断改进和完善，以适应AI技术的快速发展。 2.2 算法公平性 在开发和应用AI算法时，必须考虑并消除可能的偏见和歧视。可以采用多样性和包容性的数据集进行训练，并通过公平性测试来评估算法的表现。 3. 跨国合作和全球治理 6.1 国际合作 AI技术的发展和应用具有全球性，单靠某一国家的努力难以解决所有问题。需要加强国际合作，共同制定和推行全球性的AI伦理和隐私保护框架。 6.2 全球治理 推动建立全球范围内的AI治理机构和机制，协调各国政策和行动，确保AI技术的安全、透明和公正应用。 总结 面对AI发展带来的伦理和隐私挑战，我们需要多方努力，共同应对。
1.3K10编辑于 2024-12-11 - 来自专栏实验盒
当我用DeepSeek预测AI for BioScience未来3-5年发展趋势
预测未来3-5年AI在生物科学（AI for BioScience）的发展趋势，可以从技术突破、跨学科融合、数据驱动创新以及伦理监管等多个维度进行分析。以下是一些关键趋势的展望： 1. 药物研发的端到端AI化 全流程覆盖：AI将贯穿从靶点发现、化合物生成、ADMET（毒性/代谢预测）到临床试验优化的全链条，缩短药物研发周期（目前平均10年→可能压缩至3-5年）。 个性化药物设计：结合患者基因组和病理数据，AI辅助设计个体化疗法（如肿瘤新抗原疫苗）。 3. 总结 未来3-5年，AI将深度重构生物科学的研究范式，从“数据辅助分析”转向“主动设计创造”，并在药物研发、合成生物学、精准医疗等领域实现商业化落地。 然而，技术突破需与伦理、监管和社会接受度同步发展，才能真正释放AI for BioScience的潜力。
53310编辑于 2025-02-05 - 来自专栏人工智能
现在，医疗 AI 发展的怎样了？
影像科皮肤科首当其冲 人工智能发展至今，已涉足医学影像、基因检测、临床手术、辅助决策等多个医疗领域。其中，医学影像属于介入较早且卓有成效的板块之一。 这项技术，让那些可能将在 3 年、5 年甚至 10 年后失明的糖尿病患者，获得了宝贵的提前治疗机会。 在验证实验中，研究组请来了 8 位眼科专家，与 AI 一同识别 9,963 张眼底图像。 这位在 2012 年就通过美国执业医师考试的 AI 老前辈，可以在 17 秒内阅读 3,469 本医学专著、248,000 篇论文、69 种治疗方案、106,000 份临床报告。 但国民不断增长的医疗健康需求为 AI 催生了广阔的发展空间，相信在不久的将来，国产人工智能会带给我们更多惊喜。 Jama, 2016, 316(22):2402. 3. Mandl K D, Bourgeois F T.
1.2K70发布于 2018-02-01 - 来自专栏架构师专栏
2026年AI发展趋势预测
2026年，能源效率将成为AI发展的硬约束，推动技术路线的调整：稀疏模型架构普及。传统密集模型的每个参数都参与计算，效率低下。 这些规则涉及数据使用（需征得用户同意，保护隐私）、算法透明（高风险系统必须可解释）、责任归属（AI出错谁负责）等核心问题，为AI发展划定了红线。但坦率讲，现有治理框架仍处于摸索阶段。 这将催生新的审计行业，预计2026年会有数十家专业机构成立，提供AI审计服务。也会推动可解释AI技术的发展——企业需要向审计员展示模型如何做出决策。数据权益保护强化。 类似金融领域的巴塞尔协议，AI领域也会有统一的安全标准、测试方法、认证流程。这有助于避免监管套利和技术壁垒，促进全球AI产业健康发展。治理的目标不是限制创新，而是让创新更负责任。 治理框架的完善不是束缚，而是保障AI朝着有益于人类的方向发展。2026年会给我们答案，但答案取决于我们今天的选择。技术本身是中性的，关键在于如何使用。
2.4K20编辑于 2026-01-03 - 来自专栏智能大数据分析
【2024年AI辅助研发趋势】AI辅助科技发展
前言 随着人工智能技术的持续发展与突破，2024年AI辅助研发正成为科技界和工业界瞩目的焦点。从医药研发到汽车设计，从软件开发到材料科学，AI正逐渐渗透到研发的各个环节，变革着传统的研发模式。 但鉴于虚拟环境中人工智能迭代速度可能远超想象，其可能在不远的将来自主发展出在各个领域均可超过人类水平的AI。 目前，以AI大模型为基础的编程辅助工具已经发展到一个新的阶段，能够根据用户十分模糊的指令来生成软件或网页代码。 机遇：这些挑战推动了可解释AI（XAI）和数据科学领域的发展。通过开发更加透明和可解释的模型，不仅可以增强用户对AI系统的信任，还可以促进AI技术在更广泛领域的应用。 AI辅助研发领域的挑战虽然多样且复杂，但正是这些挑战激发了技术创新和法规发展。通过跨学科合作、技术创新和政策制定，我们可以不仅克服这些挑战，还能开拓AI技术的新应用领域，推动社会和经济的进步。
69410编辑于 2025-01-22 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”。 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。 “我们立即获得了AWS Trainium芯片的访问权限，这是一个由AWS专为AI训练和推理构建的AI芯片系列，旨在降低成本的同时提供高性能。 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 2026-01-13Draper University生态发展副总裁Chris：Web3是AI天然的经济搭档
AI正从工具跃升为「新基础设施」，逐步成为所有创新项目的默认能力；而Web3，则正从叙事驱动走向实际应用，构建起数字经济所需的信任与价值结算体系。 在这一轮技术重叠与范式转移中，AI与Web3不再是彼此独立的赛道，而是逐渐形成高度协同的关系——AI负责智能决策与自动化执行，而Web3提供身份、信任与价值流转的底层支撑。 在本次访谈中，Chris分享了他对当前创业与投资格局的洞察、DraperUniversity的项目筛选逻辑，并深入探讨了地缘政治与市场变化对风险投资的影响，以及AI与Web3融合所带来的新机遇。 我们期待那些利用AI解决深层复杂问题、并由此构筑持久护城河的创业公司。如果你还没有思考AI如何重塑你的产品或发展路线图，那你实际上是在原地踏步，而世界其他地方正在加速前行。 我将Web3视为下一代互联网不可或缺的「信任层」，也是AI天然的经济搭档。
9010编辑于 2026-03-30- 来自专栏AI
我“AI”发文——AI发展现状与未来趋势分析
本文将详细分析AI的现状，并探讨其未来的发展趋势。AI发展现状1. 大模型时代的到来目前，AI的发展已进入大模型时代。 以OpenAI的GPT-4、DeepMind的Gemini 1.5、Meta的Llama 3以及国内的DeepSeek、通义千问等为代表，大规模预训练模型正主导NLP、生成式AI（AIGC）等领域。 金融：AI用于风险评估、反欺诈，如蚂蚁集团的风控系统能实时分析交易风险。自动驾驶：特斯拉的FSD（Full Self-Driving）不断优化AI算法，推动L3及以上级别的自动驾驶发展。 3. AI伦理与监管挑战随着AI的普及，其伦理与监管问题日益凸显。数据隐私：AI需要大量数据进行训练，但如何确保数据安全是个关键问题。模型偏见：AI可能会反映训练数据中的偏见，导致不公平的决策。 智能体（AI Agent）将是AI未来发展的一个重要方向，例如AutoGPT、BabyAGI等已经初步展现出自主执行复杂任务的能力。3. AI与量子计算结合量子计算的发展有望进一步提升AI计算能力。
2.1K10编辑于 2025-03-23 - 来自专栏存储公众号：王知鱼
TechInsight：3D-NAND发展趋势
3D-NAND 单元架构发展历程 在3D-NAND领域，CTF（Charge Trap Flash） 和FG（Floating Gate） 是两种主要的存储单元架构，各自具有不同的技术特点和优势。 3. 降低功耗：该技术在数据传输过程中减少了功耗，适合对能效要求高的应用场景，如移动设备和数据中心。 4. 图中分别展示了QLC（四阶单元）和TLC（三阶单元）两种技术路线的发展趋势。QLC技术在相同层数下能够实现更高的位密度。 未来的发展可能更多地依赖于3D堆叠、材料创新和系统级优化，而不仅仅是简单地缩小栅极间距。 图示YMTC 基于Xtacking技术迭代出的4种SSD产品参数，第四代 TLC 232L能做到单盘2TB。 图示不同厂商3D NAND闪存技术中单元格尺寸和体积的演变趋势，反映了存储技术不断追求更高密度和更小尺寸的发展方向。 总结 1. 多层化设计：3D-NAND技术正向更高层数发展，以提高存储密度和容量。
1.1K10编辑于 2025-02-11 - 来自专栏LB说IOT
AI技术推动车站监控系统的发展
为了创建更完整的答案，安全团队必须利用AI技术。 有效的AI安全系统要求： 强大的计算系统 多个可独立配置的IP摄像机 具有行为分析和虚拟围栏功能的高级AI软件 用户友好的视频管理系统 广阔的视野 AI应用程序最多使用六个网络或云连接的IP摄像机。 视频管理 视频馈送和AI分析的结果（包括安全警报）被发送到视频管理软件，然后通过用户友好的GUI将其传递给人工操作员。 通过AI技术可以更快地处理潜在的欺诈或危险行为,可以将警务人员部署在真正需要的地方,并且火车站/航站楼等可以成为乘客更安全的地方. 我们提供服务、配置，定制和OEM支持，以确保可以快速有效地交付您的AI应用程序。
42510编辑于 2022-04-12
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