AI资讯新闻榜单内容搜索-ALE

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: ALE
巨头收购a16z投资的AI初创企业,团队来自Palantir和Oracle

巨头收购a16z投资的AI初创企业,团队来自Palantir和Oracle

巨头收购a16z投资的AI初创企业,团队来自Palantir和Oracle

Salesforce近日官宣收购Regrello,这是一家专注于制造业和供应链的自动化工作流公司,也可以定位为AI驱动的制造业运营编排平台,核心技术是将非结构化业务数据转化为动态的自动化工作流。

来自主题: AI资讯
11641 点击    2025-08-21 15:13
Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

Meta在半年内第四次重组AI部门,将超级智能实验室拆分为四个团队,全面押注「超级智能」。新成立的TBD Lab由Alexandr Wang领衔,或放弃Llama 4并转向闭源模型,Meta开源旗帜动摇。Meta内部人心浮动,几家欢喜几家愁。

来自主题: AI资讯
8645 点击    2025-08-21 11:59
“最大的障碍来自物理学界”,MIT物理学家反思AI与物理的结合

“最大的障碍来自物理学界”,MIT物理学家反思AI与物理的结合

“最大的障碍来自物理学界”,MIT物理学家反思AI与物理的结合

在一次采访中,美国国家科学基金会(NSF)人工智能和基本相互作用研究所(IAIFI)主任杰西·塞勒(Jesse Thaler)畅谈了AI和物理学富有成效的交叉。他分享了自己从机器学习怀疑者转变为倡导者的思想转变经历,并分析了AI与物理学双向互动可能带来新发现的潜在路径。

来自主题: AI资讯
9617 点击    2025-08-20 16:31
首尔AI标注公司获1.2亿融资,无代码神器叫板硅谷巨头!AI安全战争正式打响

首尔AI标注公司获1.2亿融资,无代码神器叫板硅谷巨头!AI安全战争正式打响

首尔AI标注公司获1.2亿融资,无代码神器叫板硅谷巨头!AI安全战争正式打响

一面是Meta豪掷143亿美元下注Scale AI,一面是OpenAI紧急切断合作——当全球目光聚焦硅谷之时,一家藏身首尔的初创公司悄然撕开了AI安全市场的裂口。

来自主题: AI资讯
9327 点击    2025-08-13 17:18
OpenAI一年收入都1400亿了,国内AI为啥还是不赚钱?

OpenAI一年收入都1400亿了,国内AI为啥还是不赚钱?

OpenAI一年收入都1400亿了,国内AI为啥还是不赚钱?

过去一年,Meta 在 AI 上的出手堪称疯狂:斥资百亿收购 Scale AI 49% 股份、砸下上亿美元挖人补强团队,还任命年仅 26 岁的 Alexandr Wang 为 Meta 首任“首席 AI 官”。

来自主题: AI资讯
8877 点击    2025-08-12 12:16
伯克利华人辍学生,靠新一代AI营销自动化,拿下2800万美金融资

伯克利华人辍学生,靠新一代AI营销自动化,拿下2800万美金融资

伯克利华人辍学生,靠新一代AI营销自动化,拿下2800万美金融资

你有没有想过,营销这件事可能彻底变了?两个24岁的UC Berkeley辍学生,刚刚拿到2800万美元融资,要挑战Salesforce和Adobe这样的巨头。他们的武器很简单:用AI让营销软件不再是企业的噩梦,而是真正能解决问题的工具。

来自主题: AI资讯
9116 点击    2025-08-02 16:21
Figma上市首日暴涨250%的深层逻辑:为什么AI时代协作平台更加不可替代?

Figma上市首日暴涨250%的深层逻辑:为什么AI时代协作平台更加不可替代?

Figma上市首日暴涨250%的深层逻辑:为什么AI时代协作平台更加不可替代?

你有没有想过,为什么在AI能生成一切的时代,一个"画图工具"反而更值钱了?7月31日,Figma正式登陆纽约证券交易所,首日收盘市值高达563亿美元,P/S倍数超过60倍。相比之下,SaaS行业的平均P/S倍数仅为7倍,这个数字不仅远远超过Adobe、Salesforce等成熟SaaS公司的估值水平,甚至比两年前Adobe试图收购它的200亿美元报价还要令人震撼。

来自主题: AI资讯
8309 点击    2025-08-01 11:31
EvaLearn:AI下半场的全新评测范式!

EvaLearn:AI下半场的全新评测范式!

EvaLearn:AI下半场的全新评测范式!

在三个月前,OpenAI 研究员 Shunyu Yao 发表了一篇关于 AI 的下半场的博客引起了广泛讨论。他在博客中指出,AI 研究正在从 “能不能做” 转向 “学得是否有效”,传统的基准测试已经难以衡量 AI 的实际效用,他指出现有的评估方式中,模型被要求独立完成每个任务,然后取平均得分。这种方式忽略了任务之间的连贯性,无法评估模型长期适应能力和更类人的动态学习能力。

来自主题: AI技术研报
8300 点击    2025-07-29 10:54