搜索
据外媒The Information报道，OpenAI将在未来三年内支付超200亿美元（约合人民币1364.3亿元）购买美国AI芯片独角兽Cerebras的芯片。作为协议的一部分，OpenAI将获得Cerebras少数股份的认股权证。此外，OpenAI还将向Cerebras提供约10亿美元（约合人民币68.2亿元），用于资助开发运行其AI产品的数据中心。
4 月 15 日，戴盟机器人联合Google DeepMind、中国移动、新加坡国立大学、香港科技大学、上海交通大学、日本东北大学等海内外数十家顶尖学术机构与知名企业，发布了全球最大规模含触觉全模态物理世界数据集Daimon-Infinity。
美国当地时间4月16日，ThinkingAI（原ThinkingData / 数数科技）在硅谷计算机历史博物馆举办全球发布会。这是ThinkingData更名为ThinkingAI的首次亮相，同时也是ThinkingAI首次在海外举办发布会。ThingkingAI联合创始人韩盼介绍，“Data”到“AI”的变化，代表我们从“帮企业⽤好数据”到“帮企业⽤好AI”的定位跃迁。
具身智能的Scaling Law停滞了吗？
AI模型只看了一串纯数字序列，就能继承另一个模型的危险偏好，即使删掉敏感词没有用，合成数据时代最隐蔽的安全裂缝，被撕开了。
过去两年，具身智能最大的瓶颈，其实不是模型。
质量和成本只能二选一？通过大脑+小脑分层、场内+场外双轮驱动，数据堂给出了具身智能数据难题的解。
AI 公司对更多数据的贪婪需求推高了从事该行业不起眼工作的初创公司的销售额：这些公司与律师、博士学位持有者和医生签约 ，由他们对 AI 模型生成的答案进行评分。
最新研究提出合成数据的全新分类框架，突破「生成模型=合成数据」的传统认知，涵盖反演、仿真与数据增强等方法，并按应用层次划分为数据中心AI、模型中心AI、可信AI和具身AI。
当大模型训练进入深水区，竞争的关键已经不再只是「模型参数怎么调」，而逐渐转向一个更核心、也更难系统解决的问题：模型在训练过程中究竟看到了什么数据、以什么比例看到、哪些样本应该被更频繁地学习。