资讯列表
利用 AI Agent 充当传统软件开发团队角色，GitLab Duo 平台开启公测
AI在线 7 月 22 日消息，GitLab 宣布旗下 AI 协作平台 GitLab Duo 正式开启公测，该平台主要提供一系列 AI Agent 帮助程序员开发软件流程，号称全方位覆盖“需求规划、代码编写、测试部署”三大阶段，开发者可直接通过 VS Code、JetBrains 系列 IDE 与相应 AI Agent 互动。 据官方介绍，该平台核心理念是将传统软件开发团队中各类专业角色“虚拟化”，由多种具备专业能力的 AI Agent 组成协作网络，也就是让 AI 扮演软件开发、代码审查、安全分析、产品规划、测试工程及平台运维等角色，各自分别执行自己最擅长的任务。 ▲ 图源 GitLab（下同）此外，平台的另一大亮点是引入“Flows”功能，也就是让上述 AI Agent 组成自动化工作流，合作配合完成一系列流程操作。
Netflix 首次引入生成性人工智能，革命性提升影视制作效率！
在全球流媒体市场中，Netflix 再次引领潮流，宣布首次在其原创节目中使用生成性人工智能（GenAI）。 在最近的一次财报电话会议上，Netflix 的共同首席执行官泰德・萨兰多斯透露，生成性人工智能已在阿根廷剧集《永恒者》中应用，成功创造出一幕建筑物倒塌的场景。 萨兰多斯表示，这一场景的制作效率是传统视觉特效工具的十倍，且成本大幅降低。
进度过半：OpenAI 与甲骨文 Oracle 宣布 4.5GW 规模“星际之门”项目新合作
AI在线 7 月 22 日消息，OpenAI 与甲骨文 Oracle 当地时间今日宣布，在 Stargate“星际之门”项目的框架下在美国境内额外开发 4.5GW 电力容量规模的 AI 数据中心，相关投资将在建筑和运营领域创造超过 10 万个就业机会。 “星际之门”项目位于得克萨斯州 Abilene 的首个数据中心正在建设中，部分设施已投运。 Oracle 上月开始向 Abilene 数据中心交付首批英伟达 GB200 机架级 AI 系统，OpenAI 最近已在该站点运行早期训练和推理工作负载。
分析师：台积电二季度 AI 业务营收达 100 亿美元，英伟达是最大功臣
AI在线 7 月 22 日消息，据台湾地区分析师称，得益于与英伟达（NVIDIA）的深度合作，台积电（TSMC）在 2024 年第二季度实现了超过 100 亿美元（AI在线注：现汇率约合 718.46 亿元人民币）的人工智能（AI）相关收入。 这表明英伟达在台积电客户名单中的重要性日益增加，而此前台积电的客户名单一直由苹果主导。 图源：台积电台积电上周公布了第二季度财报，总营收达 317 亿美元，同比增长 61%，主要驱动力正是来自 AI 芯片的旺盛需求。
一年破千万美金，一款海外AI创意引擎爆发了
大猩猩在线安利AI工具，24小时狂揽两百万播放。 最近，一条魔性视频在X（推特）上火了。 效果be like：创意很抽象，但不得不说视频效果很惊艳。
创智「小红书」震撼上线，让AI从效率工具进化为认知伙伴
我们似乎正处在一个“收藏即掌握”的时代。 不管是知乎、论文库，还是小红书，只要看到一句金句、一篇好文、一个值得学习的案例，我们的第一反应往往是点个收藏，留着以后看。 然而，我们真的会“回头再看”吗？
AMD 联手 Stability 推首款 BF16 精度 SD 3.0 Medium 模型，针对 XDNA 2 NPU 优化
AI在线 7 月 22 日消息，AMD 当地时间昨日一篇博客中宣布，其与 Stability AI 的合作结出了新成果：世界首款采用 BF16 精度格式的 Stable Diffusion 3 Medium 图片生成开源模型。 这一模型专为 AMD 锐龙 AI 300 / 锐龙 AI Max 300 系列处理器搭载的 XDNA 2 架构 NPU 进行优化，需要系统内存 24GB、运行实际内存占用 9GB，可在总内存不足 32GB 的笔记本电脑上实现高质量本地图片生成。 此外，搭载 XDNA 2 NPU 的平台还支持 XDNA 超分辨率：通过两级流水线将 Stable Diffusion 3 Medium 生成的 1024×1024 原始图像增强到分辨率更高的 2048×2048。
重塑注意力机制：GTA登场，KV缓存缩减70%、计算量削减62.5%
GTA 工作由中国科学院自动化研究所、伦敦大学学院及香港科技大学（广州）联合研发，提出了一种高效的大模型框架，显著提升模型性能与计算效率。 一作为自动化所的孙罗洋博士生，研究方向为：大模型高效计算与优化，通讯作者为香港科技大学（广州）的邓程博士、自动化所张海峰教授及伦敦大学学院汪军教授。 该成果为大模型的优化部署提供了创新解决方案。
惠普与阿里云签署合作备忘录，探索通义大模型在 PC 端侧落地
AI在线 7 月 22 日消息，阿里云官方今日宣布，其近日与惠普签署合作备忘录，将围绕通义大模型展开合作，在惠普 AI 助手惠小微 / 小惠中集成模型能力，探索大模型在 PC 端本地运行，提升终端产品的智能化能力与用户体验。 据介绍，惠小微 / 小惠是惠普打造的 AI 助手应用，服务于日常办公和内容处理场景，具备文档总结、翻译、语义问答等功能。 此次合作，双方将基于通义千问的小尺寸 3B 版本，在硬件层进行优化，在保障数据可控的同时，提升 AI 助手的响应效率与使用体验。
给 AI“补补课”：微软砸资源抢救欧洲小语种
AI在线 7 月 22 日消息，微软在巴黎公布了两项重大举措，旨在保护欧洲语言和文化遗产，并进一步巩固欧洲在人工智能时代的竞争地位。 这两项计划是对微软此前“欧洲数字承诺”的延续和升级，该承诺围绕扩展人工智能与云基础设施、强化数据隐私、提升网络韧性，以及支持欧洲整体数字竞争力四大方向展开。 新举措的核心目标，是让欧洲语言和文化资产在互联网上更易获取，并在大语言模型（LLMs）中得到更好的体现。
OpenAI 与英国政府签署合作协议 探索 AI 在公共服务中的应用
近日，OpenAI 首席执行官萨姆・阿尔特曼（Sam Altman）与英国政府签署了一项合作备忘录，旨在探索先进人工智能模型在公共服务中的应用。 这项协议的签署表明，OpenAI 将在政府的多个领域，包括司法、安全和教育等方面，寻求 AI 技术的有效部署。 阿尔特曼与英国科学与技术大臣彼得・凯尔（Peter Kyle）于周一签署了这份协议。
Instacart CEO即将加盟 OpenAI，领导应用部门
Instacart 的首席执行官 Fidji Simo 将于8月18日正式加入 OpenAI，担任应用部门的负责人。 Simo 将领导 OpenAI 公司至少三分之一的业务，并直接向 OpenAI 的首席执行官 Sam Altman 汇报。 她的新职位是 “应用首席执行官”，主要任务是扩展和推动人工智能技术的应用场景。
继 OpenAI 之后，谷歌宣布其 Gemini AI 在国际数学奥林匹克竞赛测试中获金牌水平成绩
AI在线 7 月 22 日消息，国际数学奥林匹克竞赛（IMO）是全球最负盛名的数学竞赛之一，每年每个国家由六名高中生代表参赛，他们需在规定时间内解答六道极具挑战性的数学难题。 在这一竞赛中，仅有约 8% 的参赛者能够获得金牌，这使得 IMO 的金牌成为数学领域的至高荣誉。 在今年的国际数学奥林匹克竞赛中，OpenAI 和谷歌都使用了它们最新的大语言模型（LLM）参赛。
怪异却奏效的实验设计，AI：我寻思这样可行
编辑丨%在物理学史上，实验设计往往需要研究者穷尽想象、反复试错：从光学元件的排布到粒子探测器的细微调校，无不凝聚着科学家的智慧与汗水。 但如今，人工智能（AI）正作为新的「合作者」，通过奇妙的「俺寻思」之力（whatever but works），以超越常规思维的方式，推动实验物理进入「怪异却奏效」的全新时代。 LIGO灵敏度优化加州理工学院（California Institute of Technology），主持 LIGO（激光干涉引力波天文台）优化的物理学家 Rana Adhikari 和同事，向 AI 求助以期突破 2015 年首波引力波探测后的瓶颈。
Kimi K2官方技术报告出炉：采用384个专家，训练不靠刷题靠“用自己的话再讲一遍”
Kimi K2称霸全球开源模型的秘籍公开了！ 没错，就是整整32页的Kimi K2官方技术报告。 业内人士第一波repo已火速出炉：这篇论文中有很多令人印象深刻的内容。
李开复入场Agent！直接对话CEO走独特“一把手工程打法”
衡宇 奕然 发自 凹非寺. 量子位 | 公众号 QbitAI火到不能再火的Agent，零一万物也下场了。 就在今早，零一万物创始人兼CEO李开复博士宣布升级发布万智企业大模型一站式平台（下文简称万智平台）2.0版本，并推出零一万物企业级Agent智能体，昵称“万仔”。
牛津团队推出百万级数据抗体-抗原模型，超大模型的上限到底在哪里？
编辑丨%抗体药物是抗癌、抗病毒的「利器」，但其疗效好坏，核心看抗体与抗原的结合强度（ΔΔG）。 长期以来，这个关键指标的预测难住了无数科研人员 —— 要么靠昂贵的实验测量，要么依赖 AI 模型却因数据不足屡屡翻车。 近日，牛津大学的研究团队开发了 Graphinity，一种直接从抗体-抗原结构构建的等变图神经网络架构，虽然在 ΔΔG 预测上的测试皮尔逊相关系数（Pearson Correlation Coefficient）——r可达 0.87，但也同样陷入了过拟合的困境。
关于机器人数据，强化学习大佬Sergey Levine刚刚写了篇好文章
我们知道，训练大模型本就极具挑战，而随着模型规模的扩大与应用领域的拓展，难度也在不断增加，所需的数据更是海量。 大型语言模型（LLM）主要依赖大量文本数据，视觉语言模型（VLM）则需要同时包含文本与图像的数据，而在机器人领域，视觉 - 语言 - 行动模型（VLA）则要求大量真实世界中机器人执行任务的数据。 目前而言，Agent 是我们走向通用人工智能（AGI）的重要过渡。