全部新闻
美国必须赢得全球开源人工智能竞赛
2022 年，包括解放军附属人员在内的中国研究人员将 Meta 的 Llama 模型用于军事目的，引发了关于开源人工智能的争论，并导致美国政策制定者提出限制。像 Llama 这样的开放权重模型因其可访问性而带来安全风险，但也提供了创新和成本效率等优势。虽然批评者认为闭源人工智能更安全，但支持者强调开源生态系统对创新和全球竞争的好处。尽管美国对其技术生态系统进行限制，但中国积极投资开源人工智能开发，使自己能够在全球范围内竞争。政策制定者面临着平衡安全问题和人工智能开放带来的好处的问题。
Fortinet 通过新的 FortiAI 集成扩展了网络安全产品组合中的生成式 AI - SiliconANGLE
Fortinet 宣布通过两项新集成扩展其网络安全产品组合中的生成式人工智能功能：FortiAI for FortiNDR Cloud，帮助威胁追踪者评估新兴威胁；和 FortiAI for Lacework FortiCNAPP，帮助安全团队更准确地解读警报。该公司现在将生成式人工智能集成到七种产品中，增强了威胁管理和响应效率。
为什么人工智能可以吃掉量子计算的午餐
根据这篇文章，很明显，经典机器学习方法和量子计算在模拟复杂系统（特别是那些具有强相关性的系统）的能力方面都在进步。以下是一些要点：1. **用于量子模拟的机器学习**：机器学习技术，尤其是神经网络，在模拟弱相关量子系统方面显示出了巨大的前景，在这些系统中，精确的解决方案可能很难或不可能以经典方式计算。这些方法提供了一种近似解的方法，无需指数资源即可捕获复杂量子态的基本特征。2. **局限性和挑战**：尽管机器学习方法取得了成功，但当应用于某些可能不存在经典捷径的强相关系统时，机器学习方法仍面临局限性。预测这些方法可以切实解决哪些问题仍然是一个悬而未决的问题，因此很难完全依赖它们来满足量子物理学中的所有计算需求。3. **经典方法的进步**：除了神经网络之外，其他经典模拟技术也取得了重大进展，并且在特定条件下有效。这些方法通常是对机器学习方法的补充，而不是被机器学习方法所取代，这凸显了多样化工具包对于处理复杂系统的重要性。4. **量子计算机的作用**：对于甚至对先进机器学习算法都构成挑战的强相关量子系统，未来的容错量子计算机可能会提供解决方案，因为它们能够随系统规模有效扩展。这对于开发新催化剂或了解制药行业的代谢过程等应用至关重要。5. **混合方法和竞争**：人们越来越认识到，结合经典方法和量子方法可能会提供最有效的解决方案策略。纯粹基于机器学习的方法和量子计算之间的竞争并不被视为相互排斥，而是被视为解决计算挑战不同方面的互补工具。6. **科学意义与商业应用**：虽然商业应用引起了人们对这些技术的极大兴趣，但专家强调了它们实现基础科学突破的潜力。量子计算的主要价值在于它能够解决目前任何已知的经典或量子近似方法无法解决的问题。7. **未来展望**：随着技术的进步和更可靠、更大规模的量子计算机的出现，预计结合机器学习技术和量子模拟能力的混合方法将在许多领域提供比纯经典方法更优越的性能。场景。总之，虽然机器学习显着增强了我们模拟弱相关系统的经典能力，但量子计算对于解决最具挑战性的强相关系统仍然至关重要。未来可能涉及这些技术之间的协同关系，每种技术都对推进材料科学、制药和高能物理等领域的科学理解和实际应用做出独特的贡献。
雨水可以帮助满足人工智能的用水需求
科技公司正在探索重新开放核电站等极端措施，以满足人工智能和云计算日益增长的能源需求，但忽视了解决日益增长的水消耗问题。数据中心需要大量的水来冷却系统，每年全球人工智能的使用量预计将与一个欧洲小国的使用量相媲美。虽然一些公司投资回收或创新解决方案，但雨水收集提供了一种简单且行之有效的方法来减轻水资源短缺的风险。尽管最初存在成本和挑战，但随着水资源变得稀缺和昂贵，特别是由于气候变化，收集雨水的经济性变得更加可行。谷歌、微软和亚马逊等领先科技公司开始在一些地方实施雨水系统，凸显了通过绿色银行和两党倡议更广泛采用的潜在政策支持。
Nvidia 会被颠覆吗？AI 芯片初创公司首席执行官表示，这是肯定的。
当然，对于那些旨在颠覆 NVIDIA 等老牌企业的初创公司来说，AI 芯片开发的前景充满了诱人的机遇和挑战。以下是强调这些公司面临的潜力和障碍的一些关键点：### 潜在机会：1. **市场增长**：人工智能市场预计将在未来十年呈指数级增长，为新技术提供众多切入点。2. **多样化的应用**：随着人工智能应用扩展到医疗保健、金融、自动驾驶汽车等各个领域，人们需要比 NVIDIA 目前提供的专业硬件解决方案。3. **政府激励**：通过美国《CHIPS 法案》等旨在促进国内半导体制造的举措，初创企业可能会通过赠款和与政府机构的合作获得支持。4. **合作机会**：与云提供商、研究机构和其他科技公司的合作可以加速开发和市场采用。### 挑战：1. **高进入壁垒**：构建定制硬件需要在研发、制造基础设施和供应链管理方面进行大量投资——与老牌巨头相比，初创企业往往缺乏这些资源。2. **可扩展性问题**：从原型到批量生产的过渡充满了与良率、可靠性测试和成本效率相关的技术障碍。3. **竞争**：NVIDIA 强大的品牌影响力以及广泛的开发商和集成商生态系统使得新进入者在没有显着的技术优势或独特的价值主张的情况下很难获得吸引力。4. **监管与合规性**：了解硬件制造的监管环境可能非常复杂且耗时，特别是在数据隐私法和国际贸易法规方面。### 战略考虑：1. **创新焦点**：初创公司需要不断创新，重点关注能源效率、每瓦性能或满足特定市场需求的专业处理能力等领域。2. **战略联盟**：与大型科技公司建立战略联盟可以提供关键资源并加快产品开发周期。3. **模块化设计方法**：采用模块化设计理念可以灵活地使产品适应不断发展的人工智能工作负载，而无需完全重新设计。### 历史教训：1. **英特尔的主导地位**：在互联网时代颠覆英特尔的比喻是恰当的——正如英特尔面临着逐渐侵蚀其主导地位的竞争一样，NVIDIA 也可能会看到新的挑战者出现。2. **最佳技术获胜**：强调卓越技术而不是品牌忠诚度强调了持续创新和在绩效指标方面保持领先的重要性。＃＃＃ 结论：虽然初创公司与 NVIDIA 等老牌企业竞争无疑具有挑战性，但人工智能快速发展的性质提供了独特的机会。通过专注于利基市场、培育战略合作伙伴关系和不断创新，新进入者可以在这个新兴市场中占据重要份额。关键不仅在于颠覆，还在于重新定义在人工智能硬件领域脱颖而出的含义。通过保持敏捷性、利用新兴趋势并围绕其解决方案建立强大的生态系统，初创公司不仅有潜力在人工智能芯片开发的竞争格局中生存下来，而且还能蓬勃发展。
Anthropic 与 Palantir 和 AWS 合作，向国防客户销售人工智能 |TechCrunch
Anthropic 正在与 Palantir 和 AWS 合作，为美国情报和国防机构提供对其 Claude AI 模型的访问权限。此次合作旨在在 Palantir 平台内实现 Claude 的使用，特别是在机密数据的安全环境中（Palantir 影响级别 6）。Anthropic强调负责任的人工智能部署，同时允许政府实体从事合法授权的外国情报分析和其他与安全相关的任务。该公司将此举视为其向公共部门扩张战略的一部分，迄今为止已筹集了约 76 亿美元，并正在就新一轮融资进行谈判，估值高达 400 亿美元。
投资者称人工智能的这一“大主题”让他“非常乐观” |福克斯商业视频
福克斯新闻提供直播电视流媒体，包括 Hannity 和 Gutfeld! 等节目以及广播报道。用户可以通过关注相关内容来参与讨论并减少眼睛疲劳。
辉立证券分析师因人工智能潜力强劲而上调元价格目标 - TipRanks.com
辉立证券分析师 Jonathan Woo 将 Meta Platforms 的目标价从 555 美元上调至 640 美元，理由是该公司强大的人工智能潜力、改进的广告收入预测和成本效率。由于 Meta 强劲的第三季度收益、不断增长的用户群和先进的人工智能基础设施，Woo 仍然高度看好 Meta。在注意到电子商务收入增长和人工智能驱动的货币化机会等积极因素的同时，Woo 还强调了 Reality Labs 持续的财务负担。总体而言，Meta 强劲的第四季度指引和对人工智能基础设施的大量投资支持了乐观的前景。辉立证券分析师 Jonathan Woo
人工智能、数据中心和能源初创公司十月份获得大量资金注入
2024年10月，全球风险投资资金达到320亿美元，创下今年创业投资新高。主要投资由人工智能、数据中心和能源等领域的大型基金推动，其中 OpenAI 获得了最大一轮的 66 亿美元融资。人工智能行业以 122 亿美元的总融资额领先，其次是医疗保健和生物技术行业，约为 56 亿美元。种子和早期融资也保持强劲，早期投资总额为 109 亿美元，种子资金为 28 亿美元。后期融资环比大幅增长，但同比持平。
据称，苹果已与富士康和联想接洽，以构建基于 Apple Silicon 的人工智能服务器
苹果计划在其数据中心的人工智能服务器中使用自己的Apple Silicon处理器，旨在减少对中国的依赖，并利用富士康在基于Nvidia的人工智能服务器制造方面的专业知识。该公司正在探索在富士康台湾工厂进行生产，以增强跨设备的新生成人工智能功能的计算能力。苹果还考虑与联想合作在中国境外生产这些机器，以实现供应链多元化。尽管与 Nvidia 的产品相比，生产规模较小，但苹果对推理而非训练的关注使得更简单的服务器技术就足够了。
