共 6739 条新闻 · 第 668 / 674 页
全球首款融合视觉传感器ALPIX-Pizol由锐思智芯推出,集成了全局曝光图像技术和EVS事件感知技术,实现了像素级融合。这款1/4英寸传感器提供高性能的图像和事件模式,支持低功耗设置,适用于低算力、低功耗端侧AI感知、超低功耗成像、无人机、机器人与智慧城市领域。ALPIX-Pizol通过其独特的ULPMD和LPMD模式,在低功耗环境下实现运动检测,增强了设备的快速感知能力。此外,该传感器还具备优越的暗光高速性能、高动态范围中的高速运动捕捉能力、超低功耗优势以及减少数据冗余和系统算力消耗等特点。从消费电子到工业4.0,ALPIX-Pizol为各种应用场景提供了多模态融合视觉方案,赋能端侧AI与空间智能产业生态。
2025-03-31 16:13
阅读约 1 分钟
西安交通大学与优艾智合联合成立具身智能机器人研究院,首次公布人形机器人矩阵,包括巡霄轮式机器人。该系列包含7款产品,针对不同应用场景,如半导体制造和能源行业配电间操作等。研究院采用“一脑多态”架构,融合多模态大模型和端侧具身模型,实现复杂任务场景感知和通用语言理解,以及高频实时控制和质量在线评估。此外,团队构建了面向工业智能制造、智慧巡检、生活服务等泛化场景的Agent聚合应用平台。
2025-03-31 16:13
阅读约 1 分钟
苹果公司正在开发名为“Project Mulberry”的AI健康助手,旨在通过个性化建议提升用户健康管理。该应用将与苹果设备和第三方应用数据联动,利用AI技术提供健康改善建议。此外,Apple Watch可能集成摄像头以支持AI功能。
2025-03-31 16:13
阅读约 1 分钟
南京大学与阿里云宣布启动人工智能人才培养合作计划,旨在共同培养适应未来技术变革的跨学科AI创新人才。该合作利用阿里云在云计算和人工智能领域的技术优势,以及南京大学在相关学科的深厚底蕴。双方将设计前瞻性和应用性的人工智能通识课程,并研发跨学科融合的大模型应用实践课程,以加速“1+X+Y”三层次人工智能通识核心课程体系的建设,推动学科交叉与人才培养的深度融合。此外,阿里云还为南京大学在校生提供免费的云计算和 AI 算力资源,支持教学和科研。双方还将联合开展学术交流和成果对接活动,推动科技成果转化,为新工科人才培养开辟新模式。
2025-03-31 16:13
阅读约 1 分钟
腾讯公司宣布其最新推出的“腾讯混元大模型应用实战课程”已正式上线国家智慧教育平台。该课程旨在为全国高校师生提供全面的AI大模型技术知识和实用技能,帮助他们更高效地利用人工智能技术推动教育和科研的创新发展。此举标志着在国家教育数字化战略行动2025年部署会上发布的国家智慧教育平台2.0智能版的背景下,腾讯的课程如同一剂强心针,旨在帮助教育工作者和学习者更好地掌握大模型技术的运用。
2025-03-31 16:13
阅读约 1 分钟
OpenAI最近宣布,其ChatGPT的图像生成功能已向所有免费用户开放。这一变化引发了关于版权和抄袭的争议,尤其是与吉卜力工作室的作品有关。同时,由于高使用率,OpenAI计划引入速率限制以保护GPU性能,并计划每天为免费用户提供三次图像生成机会。
2025-03-31 16:13
阅读约 1 分钟
湖北省医保局发布全国首个脑机接口医疗服务价格,包括侵入式和非侵入式服务,最高收费6552元。这项技术通过识别大脑活动产生的电波,转化为计算机指令实现人与机器或外部环境的直接交互,有望在神经功能障碍等疾病治疗中创造医疗奇迹。此前浙江大学研究团队已实现汉字书写脑机接口,为患者带来希望。
2025-03-31 16:13
阅读约 1 分钟
AI技术文章《正在和DeepSeek-V3-0324做个大项目,「氛围编程」简直太疯狂了》摘要:
最近,由AI专家Andrej Karpathy提出的“氛围编程”概念迅速流行起来。用户只需自然语言描述,即可生成代码。Hugging Face联合创始人Thomas Wolf宣布,用户可以在Hugging Face的DeepSite应用中体验这一技术。开发者enzostvs使用最新版本的DeepSeek-V3-0324实现了此功能,允许一次性创建应用程序和游戏。该应用和模型完全开源,显示了开源合作的力量。通过简单的指令,如“生成一个带有爆炸效果的网络版乒乓游戏”,用户能够在短短几分钟内完成游戏制作。此外,AI还被用于创造互动的3D内容、适用于WhatsApp的链接生成器以及动漫网站等。尽管存在一些挑战,如对提示词的准确性要求较高,但整体上,氛围编程展示了AI在快速原型设计和创意实现方面的潜力。
2025-03-31 14:13
阅读约 1 分钟
这篇文章详细介绍了智谱公司最新推出的AI产品——AutoGLM沉思,这是一个基于其全栈自研的Agent技术打造的智能体产品。文章从多个角度展示了这款产品的技术亮点和实际应用,包括其强大的推理能力、多模态理解能力以及在实际应用中的表现。
首先,AutoGLM沉思的最大特点是其“动手能力”,即能够边想边做,模拟人类在面对复杂问题时的深度思考和决策过程。这种能力使得模型能够像人一样进行复杂的操作和任务处理,如分析问题、生成报告等。
其次,该产品还具备强大的感知世界的能力,能够像人一样获取并理解环境信息。这使得它能够在各种场景下进行有效的工作,如小红书、公众号等平台的深度查询和总结。
此外,AutoGLM沉思还具有强大的工具使用能力,能够像人一样调用和操作工具,完成复杂任务。这一点对于许多需要大量数据处理和分析的场景来说,是非常有价值的。
最后,智谱公司在发布这款产品时,也宣布了其未来的发展计划,即专注于AGI和基座模型的研发,以及构建智能体平台,帮助应用合作伙伴做出成功的大模型应用。这显示了智谱公司对未来AI发展趋势的深刻理解和积极布局。
总的来说,AutoGLM沉思是一款非常强大且实用的AI产品,它的出现无疑将推动AI技术的进一步发展和应用。
2025-03-31 14:12
阅读约 2 分钟
华盛顿大学的Cameron Glasscock和David Baker开发了一种基于深度学习的蛋白质序列设计方法,称为LigandMPNN,该方法能够模拟生物分子系统的所有非蛋白质成分。这种方法在与小分子、核苷酸和金属相互作用的残基方面明显优于Rosetta和ProteinMPNN,尤其是在天然主链序列恢复方面。LigandMPNN不仅能生成序列,还能生成侧链构象,以便详细评估结合相互作用。该研究以「Atomic context-conditioned protein sequence design using LigandMPNN」为题,于2025年3月28日发布在《Nature Methods》上。从头蛋白质设计能够创造具有新功能的新型蛋白质,例如催化、DNA、小分子和金属结合以及蛋白质-蛋白质相互作用。从头设计通常分三个步骤进行:首先,生成预测接近最佳的执行新期望功能的蛋白质主链;其次,设计每个主链的氨基酸序列,以驱动折叠到目标结构并产生功能所需的特定相互作用(例如,酶活性位点);第三,使用结构预测方法进行序列结构兼容性过滤。在蛋白质序列设计中,研究人员已经开发了基于物理的方法(例如 Rosetta)和基于深度学习的模型(例如 ProteinMPNN、IF-ESM等)。基于深度学习的方法在设计蛋白质骨架序列方面优于基于物理的方法,但目前可用的模型无法结合非蛋白质原子和分子。为了实现更广泛的蛋白质功能的设计,David Baker团队着手开发一种用于蛋白质序列设计的深度学习方法,该方法可以明确模拟完整的非蛋白质原子背景。他们试图通过推广ProteinMPNN架构来纳入非蛋白质原子来实现这一点。与 ProteinMPNN一样,研究人员将蛋白质残基视为节点,并根据Cα–Cα距离引入最近邻边,以定义稀疏蛋白质图;蛋白质主链几何形状通过N、Cα、C、O和Cβ原子之间的成对距离编码到图边中。然后使用具有128个隐藏维度的三个编码器层处理这些输入特征,以获得中间节点和边缘表示。他们尝试引入两个额外的蛋白质-配体编码器层来编码蛋白质-配体相互作用。Baker团队推断,当主链和配体原子在空间中固定时,只有在紧邻的(~10 Å以内)配体原子会影响氨基酸侧链的身份和构象,因为配体和侧链之间的相互作用(范德华力、静电力、排斥
2025-03-31 14:12
阅读约 2 分钟