Author: aitrendtrackers@rengongzhineng.io

在10月10日晚间的“We, Robot”发布会上，埃隆·马斯克将展示备受期待的自动驾驶出租车原型，这次展示对于特斯拉来说至关重要。马斯克一直以来都在承诺自动驾驶技术即将到来，这次发布会被认为是兑现这一承诺的关键时刻。特斯拉将揭示一款专为自动驾驶设计的“Cybercab”自动驾驶出租车，目标是开启一个新交通时代，让无人驾驶的特斯拉为车主在睡觉或上班时赚钱。 自动驾驶出租车“Cybercab” 此次活动的亮点是特斯拉的自动驾驶出租车Cybercab，这款车预计与特斯拉现有的车型有所不同，不需要人类司机进行操作。特斯拉的自动驾驶技术主要依赖摄像头和计算能力来导航，与通用汽车的Cruise和Waymo等竞争对手不同，后者还依赖于激光雷达（Lidar）。马斯克一直认为激光雷达成本高昂且不必要。 设计和技术 虽然Cybercab的最终设计仍未公开，但有消息称这款车将配备两个前座和向上开启的“蝴蝶门”。此外，外界还猜测特斯拉可能会同时展示另一款新车型，例如可以载十几人的自动驾驶货车或用于配送的自动驾驶车辆。 为了实现完全自动驾驶，特斯拉需要在人工智能领域取得重大突破。目前，成千上万的特斯拉车主已为所谓的“全自动驾驶”（FSD）功能支付了高额费用，但这些驾驶辅助功能依然需要驾驶员的监控，并不能实现真正的自动驾驶。马斯克预计还会在发布会上谈及FSD技术在特斯拉Semi卡车上的应用前景，但不会展示Semi的FSD功能。 监管挑战 即使特斯拉在技术上取得成功，仍需要获得监管部门的批准才能推出自动驾驶出租车服务。目前，特斯拉选择在华纳兄弟片场的非公共道路上举办发布会，而在加州提供自动驾驶商业乘客服务需要申请部署许可，而特斯拉尚未申请。相比之下，Waymo和Cruise等竞争对手在这方面已走在前面。 商业模式 马斯克描绘的自动驾驶出租车服务类似于Uber和Airbnb的结合体：特斯拉车主可以在不用车的时候将车辆加入特斯拉的出租车队伍，这些私家车将与专为自动驾驶设计的出租车一起服务，以满足市场需求。 人形机器人Optimus 发布会的名字“We, Robot”暗示，马斯克可能会在活动中更新关于人形机器人Optimus的最新进展。他此前表示，Optimus将在明年开始小批量生产。 更便宜的车型 尽管外界对自动驾驶出租车的期待很高，特斯拉当前面临更紧迫的问题——可能会首次出现年度销量下滑。在第三季度，特斯拉共交付了接近46.3万辆汽车，未能达到分析师预期。此外，对于此前在4月提到的更廉价车型，特斯拉并没有进一步说明，只表示这些车型将在现有生产线上制造，可能是Model 3或Model Y的低价版本。 此次发布会对于特斯拉至关重要，不仅是展示新技术的机会，也是证明其自动驾驶愿景可行性的关键时刻。如果未能展示令人信服的自动驾驶原型，可能会引发投资者的质疑。

在2019年，谷歌首次宣布实现了“量子霸权”，即量子计算机能够执行传统计算机在合理时间内无法完成的操作。然而，这一说法引发了争议，因为当时的操作主要是一个基准测试，用于让量子计算机表现出其量子特性，而改进后的超级计算机模拟方法大幅减少了所需的模拟时间。如今，谷歌带着新的研究成果回归，通过一篇发表在《自然》杂志上的论文，展示了最新的基准测试结果，并探讨了其量子处理器性能的“相变”现象，以及如何在低噪声环境中运行。 量子随机电路和交叉熵基准测试 这次研究的基准测试涉及量子随机电路的性能。这类电路的操作涉及对量子比特进行一系列操作，让系统状态随时间演变，使输出结果高度依赖于量子力学的随机性。随着量子比特数量的增加，在经典硬件上模拟量子随机电路的难度也随之增加，这正是谷歌最初提出量子霸权的依据。 然而，运行量子随机电路时不可避免地会出现错误。交叉熵基准测试是一种评估量子硬件整体保真度（即执行无误操作的能力）的方法，它与量子随机电路的性能密切相关。谷歌首席科学家Sergio Boixo将量子随机电路的运行比作一场竞赛，一方面是量子纠缠的快速扩展，另一方面是噪声对纠缠的破坏。 探索低噪声环境和相变点 谷歌的研究重点在于使用交叉熵基准测试来探讨最新一代Sycamore芯片的错误情况，并确定从“错误占主导”状态到“低噪声状态”之间的过渡点。通过数值估算和实验，研究人员发现这一过渡点与每个操作周期中的错误率有关，而参与操作的量子比特数量也会影响这一点的位置。要想在低噪声环境下运行，就需要限制量子比特的数量，或者降低整体错误率。 在低噪声环境中，虽然每个操作仍有可能出错，量子比特也可能无故失去状态，但这些错误率可以通过交叉熵基准测试来估计。不过，当超出过渡点时，错误会迅速干扰纠缠过程，导致纠缠系统分裂为多个小系统。谷歌的研究模拟了这种情况，并证明经典计算机可以通过将计算分解为多个可管理的部分来模仿这种行为。 最终，研究人员利用对相变的表征，确定了在Sycamore芯片的基本错误率下，最多能在低噪声环境中保持的量子比特数量，并执行了上百万次随机电路操作。尽管在量子硬件上这相对容易，但即使使用最先进的超级计算机进行模拟，仍需要约一万年的时间。通过优化存储器使用，这一估计时间才被缩短至12年。 研究的意义 Boixo强调，这项工作的价值不在于随机量子电路的实际用途，而在于更好地理解量子算法所能容忍的噪声水平。该基准测试旨在让量子计算机尽可能容易地超越经典计算。因此，如果在这个基准测试上无法胜出，就不可能在更复杂的问题上获胜。谷歌还表示，确定相变点可以帮助寻找在低噪声相位内运行的应用，这些应用有望在噪声较大的量子计算机上超越经典计算机。 这也解释了为什么谷歌专注于改进单一处理器设计，而其他竞争对手则快速增加量子比特数量。如果基准测试表明，Sycamore处理器无法在最简单的低噪声计算中同时利用所有量子比特，那么增加比特数量的价值可能有限，唯一的解决办法就是降低处理器的基础错误率。 谷歌目前正致力于降低错误率，并探索通过纠错逻辑量子比特来克服这些限制。这项研究为未来的量子计算应用提供了新的视角和技术路径，期待后续的进展能带来更大的突破。

在Meta，React和React Native不仅仅是开发工具，而是推动产品开发和创新的核心技术。每个月有超过五千名员工使用这些技术来构建产品和体验，这些技术已经深深融入Meta的工程文化，并使公司能够快速开发和发布高质量的产品。在Meta Connect 2024上，不少项目展示了这些技术的威力，以下就是一些产品团队的开发故事。 Instagram和Facebook在Meta Quest上的重生 在Meta Connect大会上，马克·扎克伯格宣布Instagram和Facebook已经为混合现实（MR）平台Meta Quest重建，旨在将旗舰社交体验带到这款头戴设备上，让用户可以与好友保持联系并观看Stories和Reels，同时展现MR带来的新可能性。要为Meta Quest从零开始构建这些社交应用，团队必须充分利用平台的功能，并确保高质量标准。团队面临的第一个问题是：是重用现有的安卓应用、编写新的安卓原生应用，还是用React Native重新开发？为了提供符合Meta Quest独特特性的用户体验，我们选择了React Native，因为它能够快速迭代开发，提供强大的动画能力，良好的性能，并且是支持大部分Meta Quest 2D系统应用的共享平台。 对于Instagram的新应用，React Native让团队能够打造出丰富的动画效果和独特的交互体验。例如，视频帖子可以从动态消息无缝过渡到全屏视图，并可在不丢帧的情况下与评论并排显示；还支持通过手柄摇杆滑动浏览照片堆叠，或用手势操作。此外，互动元素还引入了随手柄动作平滑跟随的悬停动画。 在开发Facebook for Meta Quest时，团队利用了Facebook.com桌面版成熟的代码和基础设施，通过共享代码技术重用一些复杂的功能，如动态消息和评论。这些技术包括Meta的开源项目，如StyleX和React Strict DOM。这种代码共享大大减少了重复业务逻辑的时间，使团队能够专注于Meta Quest的特定交互和体验开发。 全新的Meta Horizon移动应用 今年，Meta还推出了焕然一新的Meta Horizon移动应用，让用户在头显内外都能更轻松地社交和表达自己。新增了一个专属标签，用于个性化定制虚拟形象，用户还可以通过手机访问Horizon Worlds并完成任务，解锁独家虚拟形象样式、物品和表情。 在性能方面，Meta的团队通常以Facebook Marketplace作为React Native的性能基准。然而，Meta Horizon作为一个独立应用，其冷启动时React Native即会初始化，而Facebook应用则是在首次访问React Native界面时才进行初始化。尽管如此，Meta Horizon团队的性能优化成果超出了预期，达到了Meta移动社交应用的水平。 Meta Horizon商店的更新 Meta Horizon商店现已开放，所有开发者都可以发布应用，包括2D应用。为了支持这一变化，团队对商店进行了重大改进，如增加更多分类、更好的应用排名和分类，以及新增“抢先体验”版块。由于商店需要在Android、iOS、Horizon OS和Web四个平台保持功能一致，React和React Native的使用使得团队可以更快地推出新功能和实验，并节省了人力。 Meta Spatial Editor的开发 Meta推出了Meta Spatial SDK和Meta Spatial Editor，帮助移动开发者使用熟悉的Android编程语言、库和工具为Meta Horizon OS创建沉浸式体验。Meta Spatial Editor是一款全新的桌面应用，支持用户导入、组织和变换资源，并通过glTF标准将其导出到Meta Spatial…

2024年诺贝尔化学奖的一半授予了谷歌DeepMind的联合创始人兼首席执行官德米斯·哈萨比斯和公司总监约翰·M·朱姆珀，以表彰他们在利用人工智能预测蛋白质结构方面的研究成果。另一半奖项则授予华盛顿大学生物化学教授大卫·贝克，以表彰他在计算蛋白质设计领域的贡献。三位获奖者将分享1100万瑞典克朗（约合100万美元）的奖金。 这一研究的潜在影响巨大。蛋白质是生命的基础，但要了解其功能，需要破解其结构，这是一个复杂且耗时的难题，以往往需数月甚至数年才能解决。如今，由今年获奖者开发的计算工具大大缩短了预测蛋白质结构的时间，帮助科学家更好地理解蛋白质的工作原理，并为研究和药物开发开辟了新的途径。这项技术可能推动更高效的疫苗研发，加速癌症治疗研究，甚至催生全新的材料。 哈萨比斯和朱姆珀开发的AlphaFold于2020年解决了科学家们数十年来的难题：如何从氨基酸序列预测蛋白质的三维结构。自那以来，该AI工具已被用于预测所有已知蛋白质的形状。其最新版本AlphaFold 3不仅可以预测蛋白质的结构，还能预测DNA、RNA和配体等分子的结构，这对药物研发至关重要。DeepMind还将其成果的源代码和数据库免费向全球科学家开放。 哈萨比斯表示：“我致力于AI领域的研究，是因为它具有无与伦比的潜力，可以改善数十亿人的生活。AlphaFold已经被超过两百万名研究人员用于推进关键研究，从酶设计到药物发现。我希望将来人们回顾AlphaFold时，会将其视为AI加速科学发现的首个实例。” 大卫·贝克则通过开发多个AI工具来设计和预测蛋白质结构，例如著名的Rosetta程序系列。他的实验室在2022年开发了一款名为ProteinMPNN的开源AI工具，帮助研究人员发现未知蛋白质并设计全新的蛋白质。该工具能辅助科学家根据目标蛋白质结构，寻找可折叠成该形状的氨基酸序列。 最近，贝克的实验室在9月底宣布，他们成功开发出定制分子，能够精准地在活细胞中靶向和消除与疾病相关的蛋白质。 贝克曾在2022年接受《麻省理工科技评论》采访时表示：“蛋白质在进化过程中不断优化，以解决生物体面临的各种问题。但今天我们面临的新问题，如新冠疫情，如果我们能够设计出能像进化过程中产生的蛋白质那样有效解决新问题的蛋白质，那将具有非常强大的潜力。” 此次诺贝尔奖的颁发不仅再次彰显了AI在推动科学研究中的巨大作用，也预示着计算工具在生物学和医学领域的广泛应用前景。

过去二十多年，谷歌一直致力于机器学习和人工智能（AI）的研究，开发出一系列旨在改善人们日常生活的产品。谷歌的各个团队正积极探索如何在医疗、危机应对和教育等广泛领域释放AI的潜力。为了向大家分享最新进展，谷歌将定期汇总最新的AI动态，包括产品、研究等方面的最新消息。以下是九月份部分AI公告的回顾。 谷歌首席执行官在联合国峰会上宣布全球AI机会基金 在联合国首次举办的“未来峰会”上，谷歌首席执行官桑达尔·皮查伊宣布设立1.2亿美元的全球AI机会基金，旨在扩大AI教育和培训，并呼吁公私合作确保AI的普惠性。他在演讲中表示：“有了AI，我们有机会从一开始就实现包容性，确保数字鸿沟不会演变为AI鸿沟。”皮查伊向国际政策制定者们表示，“我们期待与大家合作，确保将大胆的创新以负责任的方式应用于每个人。机遇太大、挑战太紧迫，AI的变革性影响太深远，绝不容忽视。” 利用AI让人们和企业更高效 谷歌为其AI驱动的研究助手NotebookLM增加了“音频概述”功能。这项新功能通过两个AI主持人讨论用户上传的材料，帮助用户更快地理解复杂信息。用户可以收听对话并下载保存，还支持上传YouTube链接和音频文件，并且可以轻松分享音频概述。此外，NotebookLM还改进了内容共享方式，使学习和分享有趣话题更加便捷。 企业AI应用的广泛推广 在“Gemini at Work”全球数字活动中，Google Cloud和Google Workspace展示了超过50个企业客户的AI应用案例。这些客户利用Gemini技术提升生产力、改善客户体验，并为企业开辟全新的业务模式。特别是AI代理在满足不同需求方面表现突出。例如，帮助顾客找到特定商品、指导员工选择合适的健康福利，或者辅助护理人员更好地进行交接工作。 谷歌.org支持AI教育 谷歌.org宣布向五个教育组织提供超过2500万美元的资助，旨在为美国50多万名教育工作者和学生提供AI基础技能培训。该项目将开发AI课程、教师培训以及包容性的AI学习体验，其中一些组织还将提供“生成式AI教育者课程”，帮助教师利用生成式AI工具提高教学效率并节省时间。 AI推动更安全、更健康的社区 谷歌推出了“耐热性工具”，通过AI增强的卫星和航空影像分析城市中的高温风险。该工具结合AI检测技术与其他模型分析，评估城市绿地面积和建筑屋顶反射太阳光的能力，帮助城市规划者和地方政府制定降温措施。目前，这一工具正在14个美国城市试点，以确定哪些社区最易受高温影响，并制定相应的应对方案。 卫星技术用于检测野火 谷歌研究部门与消防领域的专家合作，推出FireSat项目，这是一组专门用于检测和追踪野火的卫星系统。FireSat能够探测到仅有教室大小（约5×5米）的火灾，并在全球范围内每20分钟更新一次高分辨率图像，有助于紧急救援人员快速响应。这将大大提升早期火灾发现和控制的能力。 AI助力疾病早期筛查 谷歌推出了“健康声学表示”（HeAR）模型，供研究人员使用。HeAR可以帮助开发模型，分析人类发出的声音（如咳嗽声）来早期检测疾病。这项技术有望用于筛查结核病等可治疗但常被漏诊的疾病，特别是在医疗资源不足的国家。 展望AI的未来 谷歌高级副总裁詹姆斯·曼尼卡在斯坦福大学的《数字化论文》中撰文，探讨2050年AI的广泛益处。他呼吁公众思考AI发展方向，并设立里程碑来衡量进展。AI的每一步发展都至关重要，这样的公共讨论对AI技术的应用至关重要，并将对当下及未来的生活产生深远影响。 谷歌通过这些创新和举措，展示了其利用AI推动社会进步的雄心，为不同领域的挑战带来了新的解决方案。

Nvidia（NASDAQ:NVDA）展示了下一阶段的人工智能（AI）发展，应用范围涵盖从高级AI代理到机器人运行的工厂、天气预报、癌症治疗甚至与外星生命体的联络。 这些雄心勃勃的目标背后是Nvidia的硬件和软件技术支持，包括目前正在建设的AI工厂和名为“Blackwell AI超级集群”的数据中心，这些数据中心配备了32,000个液冷GPU。 在周二于华盛顿特区举行的Nvidia AI峰会上，Nvidia企业平台副总裁兼总经理鲍勃·佩特称，“这是工程学的奇迹。再加上CUDA库、LLM（大型语言模型）和Omniverse（全宇宙平台），我们正在训练AI使其更好地适应现实世界。” 佩特还表示，“我们预计将在今年第四季度增加Blackwell的出货量，其中一些最强大的系统将在这个季度出货。”据他预测，AI技术预计将在各行业产生20万亿美元的经济影响。受此推动，Nvidia的股价在当天下午交易时段上涨了3.5%。 NIM代理蓝图和AI应用 佩特介绍了Nvidia的NIM代理蓝图，这些蓝图包括用于客户服务的数字助手“James”等AI代理。此外，NIM代理还应用于网络安全、基因组分析，甚至帮助研究人员无需进入实验室就能测试新药的有效性。 佩特提到，“ServiceNow（NOW）正在使用我们的NIM代理，特别针对公共部门、电信和医疗保健领域开发了新助手。我们提供的不仅是应用程序，而是工作流程，就像Hello Fresh提供的食谱和食材，用户可以根据需求进行定制。” 物理AI、Earth 2和寻找外星生命 Nvidia表示，AI的下一阶段将是“物理AI”，即机器人在物理世界中的互动，这些机器人将由远程计算机控制。Nvidia首席执行官黄仁勋透露，“全球最大的电子制造商富士康（OTCPK:FXCOF）正在使用Nvidia AI训练机器人，并建设机器人制造工厂。” 物理AI的其他应用还包括增强通信网络。佩特称，Ansys（ANSS）、T-Mobile（TMUS）、爱立信（ERIC）和软银（OTCPK:SFTBY）等公司都在利用AI工具改善网络性能。此外，Nvidia还宣布推出“Nvidia Aerial RAN计算机”，帮助电信公司提升5G覆盖并为6G做准备。 佩特还详细介绍了Nvidia的Earth 2项目，这是一个地球的数字孪生体，用于分析天气模式、自然灾害以及检测和减缓野火等用途。 最后，佩特介绍了Nvidia的Holoscan平台，该平台正在被SETI研究所用于远程探测，以更好地了解新的和罕见的天文现象，寻找外星生命的迹象。SETI研究所的安德鲁·西米恩表示，“我们正处于以全新方式分析流式天文数据的边缘，未来能够发现的东西将非常令人惊叹。” Nvidia此次发布的新技术不仅推动了AI应用的发展，也展示了该公司在人工智能硬件和软件领域的领先地位，同时为未来的科技创新描绘了宏伟的蓝图。

Uber正加大力度推动更多电动车（EV）加入打车和外卖平台，并认为为司机提供一个能解答所有电动车问题的聊天机器人将会有所帮助。根据Uber发言人透露，这个AI助手将于2025年初在美国推出，由OpenAI的GPT-4o驱动。 在上线初期，这个AI助手将专注于回答电动车相关问题，比如哪里可以充电或者哪款车更适合购买。不过，未来可能会扩展到其他使用场景。Uber在伦敦举行的Go-Get活动中宣布了这一与OpenAI新旗舰模型的集成。GPT-4o能够进行类人对话，并具备文本、音频和视觉推理的能力。 司机可以在Uber司机应用的主界面上找到这个AI助手，机器人将不断更新信息，并提供个性化的回答，根据司机的需求、所在城市以及政府提供的相关激励措施进行定制。Uber发言人告诉TechCrunch，未来司机将不仅能通过文字向机器人提问，还能直接与其对话，而机器人也会通过语音回答司机的查询。 目前尚不清楚AI助手将支持哪些语言，但Uber计划在接近发布时公布更多细节。OpenAI表示，GPT-4o能够支持超过50种语言。 与AI助手的推出同步，Uber还将推出一项“电动车导师计划”。在这一计划中，高评分的电动车司机如果愿意成为新司机的导师，帮助他们了解拥有电动车的经验，将有机会获得现金奖励和其他激励措施。 Uber在Go-Get活动中公布的这项与OpenAI的合作，是其电动车和气候相关新闻的一部分。今年的活动聚焦于气候问题，Uber宣布了一些新功能和更新，使乘客和司机更容易选择电动车。 例如，Uber的绿色出行服务（Uber Green），目前在180多个市场中让乘客可以选择乘坐混合动力或电动车。未来将在40个城市增加“纯电动”选项，首批城市包括纽约、洛杉矶、费城、旧金山、拉斯维加斯、巴黎、奥克兰等。乘客还可以在Uber应用中设置偏好，当附近有电动车时，优先匹配电动车。 Uber这一系列新举措显示了其在推广电动车和应对气候变化方面的决心，旨在通过技术和激励措施鼓励更多用户和司机向电动化转型。

美国司法部提出了一项广泛的提议，要求谷歌剥离部分业务，这可能会成为40年来首次大型企业拆分的案例，并重塑全球最有价值的科技公司之一的结构。 司法部与多州总检察长联合在周二向美国地区法官阿米特·梅塔提交了一份32页的文件，列出了解决谷歌在搜索和搜索广告领域垄断问题的潜在补救措施。去年8月，梅塔在一项具有里程碑意义的反垄断案件中裁定谷歌败诉，这些补救措施框架提供了一系列选择，包括行为限制和更为激进的结构性调整。 司法部的提议涵盖了四个主要领域的补救措施： 搜索分发：限制或取消默认搜索协议、预装和收入共享协议。考虑通过结构性措施将Chrome、Play商店和/或Android与谷歌拆分。限制谷歌对新兴搜索技术（包括人工智能功能）的控制。实施用户教育计划，以促进用户对搜索引擎的知情选择。 数据访问与使用：要求共享谷歌的搜索索引、数据、算法和AI模型。要求在搜索结果、功能和广告排名信号方面保持透明。禁止谷歌利用因隐私问题而无法共享的数据。采取措施降低竞争对手在数据索引和存储方面的成本。 扩展搜索垄断：限制谷歌通过合同阻碍竞争对手访问网络内容，并允许出版商网站选择退出AI训练或不出现在谷歌旗下的AI产品（如AI摘要）中。 广告业务：缩减或重组谷歌的高级广告产品，包括基于AI的工具。探索单独许可谷歌广告数据流与搜索结果的选项。提高广告业务的透明度，为广告商提供详细的竞价和盈利数据。 司法部还详细说明了其关于拟议补救措施的逻辑，以及为何即便是目前收入较少的人工智能工具也应包括在内。补救措施应“考虑到替代性和未来的垄断维护形式”，并旨在“消除谷歌排他性行为对这些市场的束缚”，移除竞争壁垒，并“剥夺谷歌因违法行为所获的不正当收益”。 谷歌在周二晚间的博文中回应，称司法部的提议“激进且广泛”，并警告可能对美国的创新和消费者带来“负面的意外后果”。 投资机构伯恩斯坦的分析师在周三致客户的报告中表示，这一补救措施“范围广泛”，但“广而不深”。 他们写道：“在当前更广泛的AI竞争中，谷歌最不需要的就是因监管限制而只能单手作战。” 这一反垄断提案如果落实，可能会对科技行业及谷歌自身产生深远影响。它不仅可能重塑谷歌的商业模式，还将对未来的AI发展、数据使用和广告技术产生广泛的连锁反应。

今天，Nvidia在华盛顿特区的AI峰会上展示了其技术，旨在向首都介绍最新的AI发展。这家全球最大的AI芯片制造商在会上发布了七项重要公告，概述如下。 首先，Nvidia宣布与美国科技领军企业合作，帮助组织开发定制的AI应用，并通过最新的Nvidia NIM Agent Blueprints和Nvidia NeMo及NIM微服务，推动全球产业转型。像AT&T、Lowe’s和佛罗里达大学这样的组织已经在利用这些微服务，构建数据驱动的AI生态系统，以支持定制化生成式AI应用的开发。 此外，美国的咨询巨头，如埃森哲、德勤、Quantiphi和SoftServe，正在采用Nvidia的NIM Agent Blueprints和Nvidia NeMo及NIM微服务，协助医疗、制造、通信、金融服务和零售等领域的客户创建生成式AI代理和辅助工具。 数据和AI平台的领导者，如Cadence、Cloudera、DataStax、Google Cloud、NetApp、SAP、ServiceNow和Teradata，也正利用Nvidia NIM推进其平台的发展。Nvidia首席执行官黄仁勋表示，AI正在改变全球产业的未来，通过与美国企业、大学和政府机构合作，Nvidia将助力AI的广泛应用，推动生产力提升和经济增长。 新的NeMo微服务（包括NeMo Customizer、NeMo Evaluator和NeMo Guardrails）可以与NIM微服务结合，帮助开发者大规模整理数据、定制和评估模型，并管理响应，确保符合业务目标。这些技术可以部署在任何GPU加速的云端、数据中心或工作站上。 Nvidia的技术还应用于寻找地外智能。SETI研究所利用Nvidia技术进行快速电波爆发的实时AI搜索，以期发现可能的地外生命迹象。科学家们在今夏升级了工具，首次将AI应用于来自太空的微弱信号检测。SETI研究所的Allen望远镜阵列正在北加州用于搜寻地外智能，并研究瞬态天文现象。 此外，匹兹堡将迎来Nvidia AI技术中心，与卡内基梅隆大学和匹兹堡大学合作，建立两个联合技术中心，促进人工智能创新及学术与公共领域的合作。卡内基梅隆大学以其在自主驾驶和自然语言处理方面的领先研究闻名，而匹兹堡大学在2022年科研经费超过10亿美元，排名全美第六。 美国的医疗系统也在采用Nvidia的AI技术，从研究实验室到临床应用都能看到AI的身影。例如，国家癌症研究所利用Nvidia MonAI模型进行3D影像标注，而国家转化科学中心则使用生成式AI技术缩短新药开发的时间。 在网络安全领域，Nvidia推出的NIM Agent Blueprint为容器安全提供了解决方案，结合Nvidia Morpheus框架和数据分析工具，加速漏洞分析，并支持生成式AI应用的自动化风险评估，助力企业更好地防御潜在威胁。 最后，Nvidia宣布CUDA-X平台为Polars数据处理库提供加速，使其数据分析速度提升高达13倍，有效优化单机工作负载的开发速度和成本效率。这一进展对于需要快速迭代的AI开发来说无疑是一个重大提升。

2024年诺贝尔物理学奖得主、与约翰·霍普菲尔德教授共同获奖的杰弗里·辛顿教授，近日对人工智能技术（AI）潜在的危险发出了严厉警告。 在诺贝尔奖公布后的电话会议中，辛顿教授表达了对AI技术快速发展带来的深刻担忧。 “我们必须担心可能产生的不良后果，”辛顿教授警示道，并特别强调了应对AI发展过程中潜在风险的必要性。 这位因在神经网络领域的开创性工作与霍普菲尔德教授共享诺贝尔奖的计算机科学传奇人物指出，AI系统的能力正在以前所未有的速度增长。 “AI的影响将会像工业革命一样巨大。但不同的是，它并非只是超越了体力，而是增强了人类的智力。我们从未有过与比我们更聪明的事物共存的经验。AI可以提供更好的医疗服务，提升效率，极大地推动生产力的提升。然而，我们也必须担忧潜在的不良后果，尤其是这些技术可能失控的威胁。”辛顿教授如此表示。 作为AI领域的奠基者之一，辛顿教授反复强调了技术进步的双重性质。 他在肯定AI在医疗、科研以及应对气候变化等方面所具有的巨大潜力的同时，也呼吁人们保持警惕，防止技术被滥用以及应对可能的意外后果。 辛顿教授的警告出现在AI技术日益融入社会各个层面的关键时刻。 他特别指出了AI领域内伦理问题的考量和负责任发展的重要性，呼吁科学家、政策制定者和行业领袖之间加强合作，制定有效的安全保障措施。 辛顿教授的担忧反映了科学界乃至更广泛的社会对先进AI系统可能影响的持续辩论。 当被问及他使用最多的AI工具时，辛顿教授表示是ChatGPT，并坦言自己对获得2024年诺贝尔物理学奖感到非常震惊和意外。 这位诺奖得主发出的警告，由于他在科学领域的崇高地位，尤其是在刚获得科学界最高荣誉的情况下，必然会进一步推动关于AI治理和伦理的讨论。 随着全球继续应对AI技术的迅猛发展，辛顿教授的警告无疑是一个及时的提醒，提示人们在享受AI带来的巨大益处时，也必须采取主动措施，防范潜在的风险。