- 综合排序
- 最热优先
- 最新优先
AI社交将走向何方？
社交作为互联网确定性最高、网络效应最强的赛道，将会与AI如何交汇并走向何方？ 社交网络的本质是什么？ 探究社交网络的本质，首先要探究人的本质是什么。 AI社交就是用新技术解决过去社交产品的老问题，比如用AI更高效、快速地建立关系，在供给端，利用AIGC生成内容，提升分发的精准，深化关系。 《自然》杂志发表的一项研究也明确了，Replika聊天机器人帮助3%的用户减轻了自杀念头。 可见，Agent是AI社交的技术基础，即AI像人一样与人进行社交交互。 这样AI陪伴不仅可以保留对过往聊天细节的记忆，更可以发展和记住和用户此时聊天的场景，比如当下的关系，用户的喜好、星座、职业等。 AI社交将走向何方？
68820编辑于 2024-12-09- 来自专栏人工智能
AI时代的互联网走向
在笔者看来，人工智能的概念其实早已有之，很早就有深蓝对卡斯帕罗夫的对决，计算机科学也早早就有决策树、数据挖掘等技术，如今又往前走了一小步，尤其是有了机器自我学习的能力，当然，还在于阿尔法狗远超人类的围棋水平 当今的互联网产品，无非是两种模式，一种是技术驱动，一种是业务/运营驱动，技术流派比如说谷歌、百度，算上造车发射火箭的特斯拉可能更具有代表性，这类公司或者产品就是用技术硬生生制造出壁垒，让后者很难甚至无法超越 还有一种是业务或运营驱动，比如淘宝，滴滴打车，美团等等，其实从技术上没有那么高的壁垒，主要是业已形成的市场容量，让后来者望其项背。 如果说 Web 2.0 是对 Web 1.0的降维打击，比如博客微博代替了门户，那么AI的出现，又是一个升级过程。 幸运的是，周围已经看到不少在做人工智能基础设施和服务的创业公司，大家只要保持敏锐度，了解AI的场景，想想所在的行业，是否有可能用AI去提升效率或者颠覆业务模式，把这些事情想清楚，相信很快就有可以较为轻松集成的技术方案
1.2K100发布于 2018-02-24 - 来自专栏科技云报道
军用AI技术将开启人类走向毁灭的第一步？
---- 最近一段时间，军用AI和主动攻击型武器的问题闹得沸沸扬扬，很多AI研究者联名反对这项技术的军事化。 这就向人类提出了一个疑问：军用AI技术将开启人类走向毁灭的第一步？AI与军事真的不能共存吗？ 随着数据挖掘技术、大规模并行算法及AI技术的不断完善并广泛应用在军事上，情报、决策与作战一体化将取得快速进展。 比如2007年10月，美军第三机步师一部带着3台“利剑”机器人进攻一个反美武装盘踞的据点时，由于没有及时更换软件，其中一台“利剑”竟把枪口瞄准美军操作者，而且无论操作员如何发出“行动取消”的指令，失控的 目前来看，AI在军事领域的应用潮流势不可挡，在可预见的时期内，AI将在情报侦察、后勤保障、无人作战系统等领域发挥重要作用，但如何防止技术异化对人类构成新的威胁则是AI军事化必须要解决的问题。
70120编辑于 2022-04-15 - 来自专栏C语言
【AI】人工智能会走向何方？
通过本文，我们将探讨AI技术的现状、应用价值及其未来发展方向，并结合具体实例说明如何在实际应用中实现技术的最大化效益。 1. 这一转变体现了AI技术的进步和潜力。 1.2 技术应用的价值： 重点在于如何将AI技术应用到实际场景中，以解决现实问题。 3. 我的观点 3.1 技术与应用结合是关键： AI技术的发展应该以解决实际问题为导向，而不是一味追求模型的规模和复杂度。 可持续发展是AI技术长期健康发展的基础。 4. 结语 AI技术的快速发展为我们带来了前所未有的机遇，同时也提出了新的挑战。 我们需要在技术和应用之间找到平衡点，注重实际效果和产业价值，推动AI技术为社会和经济发展做出更大的贡献。这一观点为我们提供了重要的思考方向，是未来AI发展的重要指南。
28810编辑于 2024-12-11 - 来自专栏about云
技术走向管理一些深度思考
3、进行精力管理：人的时间是有限的，精力也是，科学的精力管理才能让自己做出最多的成绩。时间管理的最终价值在于管理自己的精力，提升自己的工作效率。 技术走向管理，必须突破只关注技术细节而忽略全貌的障碍、建立管理思维，包括： 1，目标导向 管理的意义在于在于在当前的各种限制条件下解决所面临的问题、达到项目目标、促进企业的发展。 3，充分授权、控制质量 领导是一种责任，是要调配公司的资源去促进企业的长久发展，因此要学会授权，而不能只顾自己。 3，制度建设与人文关怀并举： 制度建设和人文关怀两条腿走路才稳、快。制度建设促使规矩方圆，人文关怀建设有凝聚力的同心团队，人都是有情感需求的。 3，加强沟通 项目中的很多问题都是由于沟通不畅产生的，为了促进项目的成功，项目经理必须通过各种方式和媒介主动的去达成有效的沟通。
92060发布于 2018-03-27 ClawdBot 出圈记：AI Agent 正在走向大众
它不仅再次点燃了大众对 AI Agent 的热情，也让「让 AI 真正帮你干活」这件事，从极客玩具逐步走向普通用户。 他是奥地利人，毕业于 维也纳科技大学，是一位典型的技术天才。在因为 OpenClaw 被更多人熟知之前，Peter 就已经是靠代码成功创业、实现 身家上亿欧元、提前退休的程序员了。 这次出山，更像是一次「技术理想主义者」的回归。命名之旅：一只龙虾的蜕变史OpenClaw 的名字，并不是一开始就确定的，反而经历了一段颇有戏剧性的演化过程。 3. 抢票 / 抢资源 有网友分享：通过 OpenClaw 成功抢到了高铁票（是否成功取决于运气 + 网络环境）。4. 项目”，而是一个非常清晰的信号：AI Agent 正在从实验室，走向普通人的真实生活。
67020编辑于 2026-02-06- 来自专栏科技云报道
“元年”之后，生成式AI将走向何方？
当智能数字业务走向深水区 从应用变化的角度来看，生成式AI之所以触发科技的转折点，遵循的是“大模型摩尔定律”。虽然，新世界还没有到来，但生成式AI的未来已至。 随着AI从实验室研究走向现实场景这一过程的推进，技术、法规、伦理以及社会接受度的挑战逐渐浮现。 全球技术合作交汇点 生成式AI的发展就像一场马拉松，现在还处于非常早期的阶段，不仅是一场长期竞争，更成为全球企业开展技术合作、携手探索未来科技世界的桥梁。 比如双方共同探讨构建生成式AI应用的关键路径，亚马逊云科技提供行业专家、技术专家和架构师等专家资源支持和一系列培训，提升神州泰岳的技术能力。 目前，神州泰岳已成功帮助制造、互联网、游戏等行业客户利用生成式AI技术提高生产力和创新速度。
44810编辑于 2024-06-21 - 来自专栏AI科技评论
重磅丨Yoshua Bengio 2017 年全面解读：后 AI 时代的技术走向与局限
AI科技评论按：近日，深度学习大牛 Yoshua Bengio 在 Beneficial AI 大会上发表了一篇题为《创造人类水平AI》的演讲，分享了他对于极深网络（Very Deep NN）和 GAN 等前沿技术的一些看法和思考。 以下为演讲原文和PPT，AI科技评论编译。 3. 要使用非常多的数据去训练出强大而灵活的模型，我们就需要足够的计算能力。最近机器学习领域的成功有一部分要归功于我们有了GPU的帮助。 其中我个人非常关注的一点是，机器如何学会人类的价值观，我认为这才是训练真正“聪明”的AI的关键，即 wise AI。
82350发布于 2018-03-09 - 来自专栏星融元
AI产业的未来，必将走向开放生态
英伟达的3万亿市值、高得难以置信的净利率、干一月等于别人干三年的收入，都是用那些不堪的过往换来的，岂是短短一句情绪宣泄可以对冲掉的！？ 说到这里，对于这篇文章所描述的这些人和事，就可以给出结论了：世上只有一种英雄主义，就是在认清AI和GPU的真(xian)相(zhuang)之后，依然热爱并坚持探索“如何用新的方法搓出新的GPU”，从而为人 说到这里，小编的脑海中突然又浮现出一行字：交换芯片领域和B记……[偷笑]AI不等于GPU芯片，AI是一个生态，一个从最底层基础设施到最上层各种应用的生态；正如GPU芯片需要多家参与的开放格局，AI生态也需要多家参与的开放共建 关注vx公号“星融元Asterfusion”，获取更多技术分享和最新产品动态。
16610编辑于 2024-07-10 - 来自专栏量子位
苹果AI哪去了？前员工揭秘Siri何以走向没落：团队内耗、技术判断太谨慎
三位从苹果转投谷歌的AI工程师，透露了更多细节。 管理混乱、迭代缓慢 这三位AI工程师，来头不小。 据说他们的变动，惊动了谷歌CEO劈柴哥和苹果CEO库克。 而更深层次的问题，体现在技术研发和判断方面。 在《纽约时报》的文章里，曾负责改进Siri的工程师表示，Siri数据库中包含了一个巨大的单词列表，包含各种音乐艺术家、餐馆等地点的24种语言表达方式。 加入后，他将负责整个公司的机器学习和人工智能战略，以及CoreML和Sir的技术开发。 2019年，在苹果任职七年已久的Siri副总裁比尔·斯塔希尔（Bill Stasior）提出离职，之后加入微软担任技术VP。 当时这一动向被外界视为微软CEO纳德拉提升了对AI的关注。 ://www.theinformation.com/articles/apples-siri-chief-struggles-as-new-ai-era-begins [3]https://9to5mac.com
36220编辑于 2023-05-06 - 来自专栏IT技术订阅
Grok 3与DeepSeek：AI技术的巅峰对决
引言：AI技术的快速发展与竞争格局 随着人工智能技术的飞速发展，全球科技巨头纷纷在AI领域展开激烈竞争。近期，马斯克旗下的xAI公司发布了新一代AI模型Grok 3，引发了广泛关注。 与此同时，中国的DeepSeek也凭借其卓越的技术表现成为全球AI领域的焦点。本文将对Grok 3与DeepSeek的技术架构、性能表现、应用场景等，探讨两者在AI领域的竞争态势与合作潜力。 一、技术架构：从基础框架到创新优化 在AI模型的开发中，技术架构的选择是决定模型性能和效率的关键因素之一。Grok 3与DeepSeek在技术架构上各有侧重，展现了不同的技术路线和创新方向。 Grok 3与DeepSeek在数学推理、科学推理和编程能力等方面的表现各有千秋，展现了不同的技术优势。 （一）数学推理：高精度与高效率的较量 数学推理能力是AI模型在解决复杂问题时的重要体现。 Grok 3与DeepSeek在硬件资源和训练成本上的差异反映了两者不同的技术路线和市场定位。
65510编辑于 2025-02-21 - 来自专栏FreeBuf
从近期情况看蜜罐新技术和发展走向
基于对蜜罐技术的研究，结合对开源蜜罐项目和商用欺骗防御类产品的调研和分析，本文将从对当前蜜罐产品使用的新技术介绍出发，来看未来欺骗防御的发展走向。 1. 环境仿真技术主要包括软件仿真技术、容器仿真技术、虚拟机仿真技术等，几类仿真技术所能提供的仿真能力和支持仿真的类型示意如下： ? 几类仿真技术简要对比如下： 项目\类别 软件仿真技术 容器仿真技术 虚拟机仿真技术 交互类型 低、中交互为主 高交互 高交互 优势 资源占用小，部署简单，运行高效 支持应用、服务类高交互仿真 支持设备、 3. 溯源反制 传统的基于IP的溯源方法对攻击者的身份信息获取十分有限，很难及时对攻击者进行有效溯源和反制。 获取攻击者主机操作系统和浏览器的特性信息，包括攻击者主机的操作系统类型、操作系统时区、屏幕分辨率、浏览器指纹、浏览器类型、浏览器版本等信息； 2、通过应用的JSONP漏洞获取攻击者主机上曾经使用过的社交账号、攻击者手机号等个人信息； 3、
1.7K10发布于 2021-05-20 - 来自专栏专知
Yann LeCun卸任FAIR主管：FaceBook背后的AI走向
而空缺的职位将有Jérôme Pesenti接棒，同时领导应用机器学习小组（Applied Machine Learning）团队，偏向将AI技术应用到FaceBook News Feed推送及其他产品中 他还将继续推广AI行业的进程。 就连Facebook首席执行官扎克伯格也对AI赋能产业基于厚望：「我们不应该惧怕 AI。 相反，我们应该对其为世界带来的美好抱有希冀，」扎克伯格在 2016 年宣布打造其自己的由 AI 赋能的智能家居系统的目标时讲到，「AI 将通过诊断疾病挽救生命，通过自动驾驶提高出行效率，它也将在帮助人类发现新星球 而LeCun自己也表示他的专长在于研究，特别是设定研究目标并与研究人员合作来研发新的人工智能技术。
1.1K60发布于 2018-04-12 - 来自专栏贾志刚-OpenCV学堂
2020年代，中国AI创业公司将走向何方
那么，走向21世纪的新的十年（2020年），中国AI创业公司将走向何方呢？ 写这篇文章之前先介绍一下自己，我是一位90后创业者，18年硕士毕业后在业界常说的“CV四小龙“中做了近两年的算法工程师。 笔者作为一名行业从业人员，结合媒体对AI公司的报道、对创始人的采访以及与同行的讨论分析，我们可以大致总计为以下3点： 1 核心团队技术很强，但是产品和销售能力较弱，踩坑较多 以CV四小龙的创始人为例 从技术到产品，中间还考验公司的工程化能力、成本控制能力、供应链和营销能力，这些，或许是跨越技术到产品鸿沟，走向成功的技术公司的的必备能力。 对于一个新兴的技术研发公司，我们需要保持长期心态，作为人工智能领域的拓荒者，旷视非常值得我们尊重。 作为一名AI领域的创业者，笔者肯定不会主动唱衰AI。在21世纪新的十年，AI公司将走向何方呢。 迅雷创始人程浩：人工智能创业的6大核心问题 3. 旷视2019年港交所上市招股书 4. 陌陌2019年上半年财报 5. 虹软2019年科创板上市招股书
95041发布于 2020-02-21 - 来自专栏人工智能LeadAI
三大技术基础推动人工智能走向实用
人工智能从幕后走向实用离不开人工智能技术取得的突破和发展。在互联网时代背景下，大数据、新型高性能计算架构以及深度学习帮助人工智能技术实现了从量变到质变的转变。 其中，计算机视觉、语音识别技术均已能够规模化商用，自然语言处理技术仍处于攻关阶段，机器人技术则正在逐渐提升社会生产效率。 除了三大技术基础外，开源也成为人工智能技术普及的催化剂，有效降低了人工智能的技术门槛。 ? 海量数据为人工智能技术发展奠定技术 大数据的爆发为基于深度学习的人工智能发展奠定基础。 自然语言处理公开数据集对比 机器人技术突破大幅提高社会生产效率 机器人技术是21世纪人工智能领域最具变革性的技术之一。 Handle机器人采用轮腿混合系统，腿部关节只有3个，设计、加工和装配难度都有所下降，并且轮式云动的控制难度远小于足式不行；Atlas机器人腿是3维，Handle机器人腿是2维平面的，算法难度降低；少了三个关节
1.9K90发布于 2018-03-08 - 来自专栏资讯分享
走向平衡：生成式AI的开源与专有模型之争
葛凌 牛津大学博士、腾讯公司欧洲首席代表2023年3月，OpenAI发布了极具开创性的GPT-4模型，这是生成式人工智能历史上的里程碑。然而，这并不是3月唯一一件吸引科技界目光的活动。 这个结果至关重要，不仅是从确保AI以有益于人类的方式发展的角度出发，还体现在它将塑造商业和社会中最具变革性的AI应用案例，以及决定谁将收获生成式AI的回报。 此外，部署先进的训练技术，如使用人类反馈的强化学习，需要专业知识的加持。 随着AI领域的不断发展，主要人物和关键参与者越来越倾向于支持生成式AI成为开源。 除了像LLaMa-2这样的主流举措之外，其他值得关注的项目也在为开源AI生态系统做出贡献。例如，Runway于2018年开始专注于为电影制作人提供AI工具，但现在已转向生成式AI。
42320编辑于 2023-10-11 - 来自专栏数据智能小站
NLP，AI皇冠上的明珠 | AI应用正走向精细化时代
在会上，腾讯云带来了在大数据与AI领域的最新研究成果，包括AutoNLP、AI换脸甄别技术AntiFakes、语言模型自学习工具、腾讯星图以及企业画像平台等系列重磅新品，并对AI和大数据产品进行了全线升级 ，致力于为用户带来更精细化的应用场景、更强大的技术能力以及更低的应用成本，全面降低企业AI技术的应用门槛。 随着大数据、人工智能等数字化技术的不断成熟，产业智能化升级已成为必然趋势。行业和企业都渴望更丰富、更精细化的AI应用场景，为产业发展带来新动能。 但是效果提升的同时也带来了模型训练成本的不断攀升，以目前行业较大规模的模型训练为例，用200G语料训练一个3亿参数的bert模型，需要1400多张V100的GPU，训练500多分钟才能得到一个可用的模型 腾讯云NLP整合了公司内AI Lab、微信AI等最强的NLP前沿技术，依托千亿级互联网语料累积、九千多万实体&十亿三元组的百科知识图谱，打造了业界最大的中文词向量（基于200G中文语料、词覆盖率行业领先
1.3K70发布于 2019-12-12 - 来自专栏新智元
AI教父Hinton：AI 系统将走向无监督，我们需要真正理解大脑
过去 30 年里，Hinton 一直致力于解决 AI 面临的一些最大的挑战。 除了在机器学习方面的开创性工作，Hinton 还撰写 (或与他人合作撰写) 了 200 多篇 AI 论文，包括 1986 年发表的一篇开创性的机器学习技术论文 —— 反向传播。 他说：“2012 年时，我没有想到仅仅 5 年之后，我们就能够使用相同的技术在多种语言之间进行翻译。” 尽管如此，Hinton 认为目前的 AI 和机器学习方法仍然存在局限性。 Hinton 说，人类的视觉采用一种重建的方法来学习，事实证明，计算机视觉系统中的重建技术增强了它们抵抗对抗性攻击的能力。 需要说明的是，Hinton 认为神经科学家可以从 AI 研究人员那里学到很多东西。他认为未来的 AI 系统将主要是无监督的。
58530发布于 2019-05-17 - 来自专栏人称T客
2014年IT趋势：3D打印将走下神坛走向普及
在2014年，在市面上将更容易购得3D打印机，有机会带动设计领域或尝试者开始采用3D打印机。企业可以开始用3D打印机，来制造少量多样的定制化塑料产品，学校也更容易培训设计人才，快速制作雏形产品。 3D打印机的兴起来自2013年实际产品上市的趋动力，预计在2014年3D打印机在市面上的能见度将会大幅提高。 震旦集团3D营业部资深总监蔡坤明表示，目前3D打印机以采用热熔堆栈成形技术的方式来印制，市场占有率最高。 用3D打印机制造定制化产品，也满足自造者需求 黄铭智表示，过去产业界已经用3D打印机来协助工业设计打样，但实际加工时仍使用技术成熟的机械加工方式，而3D打印机技术尚未成熟到足以协助大量生产的程度，所以目前无法取代现有的技术 黄铭智也补充，3D打印机对学校设计教学有明显帮助，因为学生经费并不多，使用3D打印机打样更节省费用。
68230发布于 2018-03-16 从技术走向实践：GPU云服务助力企业突破计算困局
在AI、大数据、云计算等技术的广泛应用的背景下，企业如何应对图像处理、科学计算、深度学习等场景的高负载计算挑战？当算力成为高频诉求，怎样才能摆脱技术约束，走向算力自由？ GPU主要面向2D、3D的图形处理与高性能计算而设计，其没有负载的控制单元、硬件架构以多个计算逻辑单元和高速缓冲存储器组成，每个单元都可执行相同的指令。 AI训练AI训练过程涉及大规模矩阵乘法，这种重复、并行化操作与GPU的计算逻辑相契合。此外，计算速度离不开内存的支撑，虽然CPU具有更大的缓存空间，但神经网络参数矩阵的数据量更加庞大。 AI推理GPU通过众核并行处理推理过程的矩阵运算任务，相比传统CPU串行处理方式，大大提高了运算速度，从而支持高效管理和读取数据，实现AI推理中对任务的快速响应。 云端调取 从技术获得到技术应用搭建GPU集群属于技术密集型工程，在技术适配、运维管理、迭代升级等多方面都需要较高的知识支撑和成本投入。
18110编辑于 2026-01-29
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