跳到正文
今天10月12日周一2 条
10月10日周六
  1. Latent Space42

    Standard Bots 如何为工业机器人构建可靠执行的 AI

    Standard Bots 用共享基础模型加客户演示微调的方式驱动机器人手臂,最大模型参数量在“low billions”级别,训练在云端、推理在本地边缘 GPU 上完成。其零样本感知系统基于超 10 亿张图像训练,负责定位识别零件,运动与单元逻辑仍由传统编程处理。公司称已获 NASA、Amazon、Lockheed Martin 等客户,近期以 10 亿美元估值完成 2 亿美元 C 轮融资。

10月9日周五
  1. Latent Space38

    Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能":从半导体到超导体

    Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在访谈中提出"合成超级智能"愿景:让 AI 通过物理实验而非单纯互联网数据学习,用强化学习结合高通量实验室、材料表征与 DFT 模拟来发现新材料。他们主张即便未来前沿模型仍需做实验,失败实验可能是最有价值的训练数据,并设想让每台实验仪器拥有"140 IQ",把数十年的科学试错压缩到数月。

10月8日周四
  1. MIT Technology Review · AI22

    AVEVA 如何为自主工业 AI 构建更安全的路径

    AVEVA 首席技术专家 Arti Garg 认为,工业 AI 走向自主化需以安全为前提,AI 应增强而非取代关键决策中的人类。她援引一项研究称工业领域 AI 采用率过去两年增长约 78%,AVEVA 的负责任 AI 框架强调安全、效率与人类监督。她参与的 IEEE 工作组正制定衡量 AI 在电力、能源、水与碳等方面环境影响的标准方法。

9月24日周四
  1. Microsoft Research62

    微软研究:把物理 AI 推理卸载到边缘或云端 GPU 可提升机器人表现与续航

    微软研究院对移动机器人操作负载做了系统性测量,发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现。

    推荐理由:微软对移动操作机器人推理负载的系统性测量,给出端侧、边缘与云端 GPU 在任务成功率、时延和续航上的量化差异。