在科技飞速发展的今天，人工智能（AI）已经不再只是科幻小说中的概念。随着各大科技公司和研究机构在AI领域的投入加大，AI技术正在逐步渗透到我们生活的方方面面。2024年，AI不仅在科研上取得了巨大突破，在产业应用、政策法规、安全等方面也有了显著的进展。本文将带您深入探讨[《2024人工智能现状报告》（**State of AI Report 2024**）](https://www.stateof

在过去两年里，大模型几乎以光速发展：参数量从百亿级推到万亿级，算力投入也从几千万美金飙升到数十亿美金。然而，我们也能明显感觉到，近来新模型的能力提升正在趋缓。算力和参数的堆叠，边际效益不断递减。于是问题来了——**Scaling Laws 是否已经失效？我们真的撞上了“数据墙”吗？**DatologyAI 创始人 **Ari Morcos** 给出的答案是：**数据才是影响 AI 研究的最大变量，

光子芯片

在人形机器人的设计中，灵巧手无疑是最关键和最复杂的部件之一。它不仅需要具备高度的灵活性和精确性，还需要在体积和重量上与人手相媲美。本文将深入探讨灵巧手的设计原理和技术挑战，并以特斯拉的OPTIMUS机器人为例进行详细讲解。

近年来，随着Transformer架构的出现，人工智能特别是自然语言处理领域取得了飞跃性的进展。然而，最新的大语言模型架构Test-Time Training（简称TTT）的出现，可能会在不久的将来超越Transformer和Mamba。本文将详细介绍这一全新架构的设计理念、技术细节、实际应用及其潜在影响。

随着AI技术的飞速发展，对计算性能的需求日益增加。尤其是在推理模型和大规模深度学习任务中，GPU的性能和内存成为了制约计算速度和效率的瓶颈。英伟达（Nvidia）作为全球领先的AI加速芯片制造商，持续推动着硬件的创新。在最新发布的**B300**和**GB300**系列GPU中，英伟达不仅带来了显著的性能提升，还通过全新的技术架构与供应链策略重塑了市场格局。本篇文章将深入探讨这些新一代GPU的技术

FASTGPT开发

> 本文面向希望深入理解 IMU（惯性测量单元）姿态估计原理的工程师、机器人爱好者和无人车开发者。我们将从物理测量原理出发，讲清楚：>> * IMU 中加速度计与陀螺仪各自的作用> * 为什么要融合> * 为什么 yaw（偏航角）会漂移> * 工程中如何解决这个问题

自2017年谷歌发表了开创性的论文《Attention Is All You Need》以来，基于Transformer架构的模型迅速成为深度学习领域的主流选择。然而，随着技术的发展，挑战Transformer主导地位的呼声也逐渐高涨。最近，由麻省理工学院(MIT)计算机科学与人工智能实验室（CSAIL）孵化的初创公司Liquid AI提出了一种基于**液态神经网络（Liquid Neural N

在人工智能和机器学习领域，大模型的兴起对硬件提出了前所未有的挑战。苹果公司最近推出的M4芯片，被视为其在这场竞赛中的“第一式”。本文将探讨M4芯片的特点，并与其他芯片进行比较。