Universal Robots unveils its AI Accelerator
丹麦协作机器人 (cobot) 公司 Universal Robots 首次推出了 UR AI Accelerator - 一个即用型硬件和软件工具包，旨在进一步推动 AI 驱动的协作机器人应用程序的开发。UR AI Accelerator 专为商业和研究应用而设计，为开发人员提供了一个可扩展的平台来构建应用程序，加速[…]
10 Benefits of AI as a Service (AIaaS) for Businesses of All Sizes
AI 即服务 (AIaaS) 已成为游戏规则改变者，它使各种规模的公司无需在基础设施、人才或技术上投入大量资金即可获得先进的 AI 功能。AIaaS 通过云服务提供现成的 AI 工具和平台，使 AI 价格合理、可扩展且适应性强。在本文中，我们将以研究和现实案例为依据，探讨 AIaaS 为各种规模的企业带来的十大好处，重点介绍 AIaaS 如何成为业务增长、效率和创新的关键驱动力。AI 即服务对企业的好处AI 即服务 (AIaaS) 为企业带来的 10 大好处AI 即服务 (AIaaS) 正在通过云平台让人工智能变得可用，从而改变商业格局。与传统的 AI 部署不同，传统的 AI 部署需要在硬件和
What is AI as a Service (AIaaS)? A Complete Guide to Cloud-Based AI Solutions
人工智能即服务 (AIaaS) 详解：云端人工智能终极指南人工智能即服务 (AIaaS) 是一种云端服务模式，让企业和个人无需在硬件、软件或专业知识方面进行大量的前期投资，即可访问先进的人工智能工具和功能。以下是人工智能即服务 (AIaaS) 的详细概述，包括其组成部分、优势、挑战、关键参与者、行业应用和未来趋势，涵盖所有方面，为读者提供完整的指南。人工智能即服务人工智能即服务 (AIaaS) 简介人工智能 (AI) 已迅速从一项专属于科技巨头的尖端技术转变为各种规模企业可用的主流工具。这种演变很大程度上归功于人工智能即服务 (AIaaS)，这种模式使公司无需开发内部专业知识或基础设施即可访问
The ISS has been leaking for 5 years. NASA and Russia disagree on how to fix it
Crew-8 指挥官马修·多米尼克 (Matthew Dominick) 表示，NASA 正在谨慎做出决定以确保宇航员的安全，而国际空间站正在处理与老化硬件相关的泄漏和宇航服问题。
Virtual Commissioning Unleashed: UNIMORE Researchers Enhance Efficiency in Multi-Brand Robotics
虚拟调试正在成为将机器人添加到制造流程中的关键工具。但碎片化的硬件可能会阻碍您的发展……这正是 UNIMORE 的 PeneloPe 项目所要解决的问题。... 文章《虚拟调试的释放：UNIMORE 研究人员提高多品牌机器人的效率》首先出现在 RoboDK 博客上。
How Much Will Intelligence Cost in the Future?
人工智能驱动的智能成本正在快速下降：代币价格的下降速度几乎比科技领域的任何事物都要快。我们可能会看到智能（计算、推理）成为一种可再生、可替代的资源，由硬件（GPU、TPU、ASIC）、电力以及创建和部署智能所需的供应链等投入推动。但真正的商品化并不能保证：如果硬件仍然稀缺，价格就会上涨（尽管相反的情况一直在发生）如果有人开发出下一代人工智能（例如 GPT-6），可以解锁全新的用例，并且可以在竞争对手赶上之前收取额外费用，那么稀缺性将再次推高价格。特别是如果推理硬件有限，在愿意支付的人之间引发竞价战。这种情况还没有发生，因为目前的 LLM（如 GPT-4）没有提供足够的价值来证明大幅提高价格是合
Operation Synergia II sees Interpol swoop on global cyber crims
22,000 个 IP 地址被关闭，59 台服务器被查获，95 个国家/地区逮捕 41 人国际刑警组织报告称，在针对网络犯罪分子的大规模联合行动中，取得了重大胜利，逮捕了 41 人并查获了被认为用于邪恶目的的硬件。
Loft Dynamics 是合格虚拟现实 (VR) 飞行模拟训练设备 (FSTD) 领域的全球领导者，今天宣布推出一套行业领先功能，以更高效、更有效地解决全球飞行员短缺和高培训相关事故率的问题。其中的核心是 LofTWIN，这是一种虚拟演示模式，可将世界知名飞行员和飞机原始设备制造商 (OEM) 的教练的飞行指导数字化。该工具使他们的专业知识在 Loft Dynamics 的全球模拟器网络中具有沉浸感、可访问性和可扩展性。此外，Loft Dynamics 正在推出新的模拟，包括夜视镜 (NVG) 和白化/电压下降条件，使基于技能和场景的培训更安全，并使模拟更逼真。下一代解决方案：沉浸式硬件和
Abu Dhabi dough powering autonomous desert cars
阿布扎比先进技术研究委员会 (ATRC) 的商业化部门 VentureOne 推出了 SteerAI，它提供了一种由人工智能驱动的先进移动系统，可以“将标准工业车辆转变为自动驾驶动力装置”，其创建者表示。SteerAI 最初面向物流和国防领域，使用硬件套件、软件堆栈和 […]
Reducing the Size of AI Models
在边缘设备上运行大型 AI 模型使用 Pixlr 创建的图像AI 模型，尤其是大型语言模型 (LLM)，需要大量的 GPU 内存。例如，对于 2024 年 7 月发布的 LLaMA 3.1 模型，内存要求如下：80 亿参数模型需要 16 GB 内存（16 位浮点权重）更大的 4050 亿参数模型需要 810 GB（使用 16 位浮点数）在全尺寸机器学习模型中，权重表示为 32 位浮点数。现代模型具有数亿到数百亿（甚至数千亿）的权重。训练和运行如此大的模型非常耗费资源：它需要大量的计算（处理能力）。它需要大量的 GPU 内存。它会消耗大量的能源，特别是，造成这种能源消耗的最大因素是：- 使用 3
Running Large Language Models Privately
框架、模型和成本的比较 Robert Corwin，Austin Artificial Intelligence 首席执行官 David Davalos，Austin Artificial Intelligence ML 工程师 2024 年 10 月 24 日大型语言模型 (LLM) 迅速改变了技术格局，但安全问题仍然存在，尤其是在将私人数据发送给外部第三方方面。在这篇博文中，我们深入探讨了在本地和私下（即在自己的计算机上）部署 Llama 模型的选项。我们让 Llama 3.1 在本地运行，并调查了速度、功耗和不同版本和框架中的整体性能等关键方面。无论您是技术专家还是只是对所涉及的内容感到
Incredible generalist robots show us a future free of chores
新兴创业公司 Physical Intelligence 对制造机器人不感兴趣。相反，该团队有更好的想法：用人工智能软件不断学习的通用“大脑”为硬件提供动力，这样现有的机器将能够自主执行越来越多需要精确动作和灵活性的任务 - 包括家务。继续阅读类别：机器人技术，技术标签：物理智能，开放人工智能，人工智能，LLM（大型语言模型），机器人
EADS celebrates completion of agile operations project
1310 万美元的硬件配置管理项目提高了任务效率
Stable Diffusion 3.5 opens new doors in digital art
Stability AI 最新发布的 Stable Diffusion 3.5 引入了三种强大的模型变体，可为消费硬件提供增强的图像质量、速度和可访问性。这些模型可免费用于非商业用途，并集成了先进的安全功能以防止滥用。
'Hurts the consumer': Companies planning substantial price hikes in anticipation of Trump tariffs
副总统卡马拉·哈里斯一直警告称，如果前总统唐纳德·特朗普赢得美国 2024 年总统大选并履行承诺征收大量新关税，消费者将遭受价格大幅上涨。哈里斯警告称，进口商品成本的增加将相当于一项新的“美国人民全国销售税”。华盛顿邮报的戴维·J·林奇的报道证实了哈里斯的说法。阅读更多：'找出一个可信的人'：詹姆斯·卡维尔抨击社交媒体造假者在 10 月 30 日发表的一篇文章中，林奇报道说，“服装、鞋类、婴儿用品、汽车零部件和硬件等一系列商品的生产商表示，他们将把关税成本转嫁给他们的美国客户。”哥伦比亚运动服装公司首席执行官蒂莫西·博伊尔告诉邮报，“我们准备涨价。我们今天买东西，明年秋天交货。所以我们要处理这
From planes to chips to laptops, India is building manufacturing ecosystem
印度正在通过各种激励计划和举措推动国内 IT 硬件、军用飞机和半导体的制造。政府的目标是大幅增加本地价值并减少对进口的依赖，为该国创造大量就业机会和技术进步。
Generative AI could create 1,000 times more e-waste by 2030
《自然计算科学》杂志上的一项新研究预测，生成式人工智能技术可能在 2020 年至 2030 年期间产生 120 至 500 万吨电子垃圾。 生成式人工智能的快速崛起需要升级硬件和芯片技术，这意味着越来越多的电子设备正在变得过时。 电子垃圾可能含有铅和铬等有毒金属，以及金、银、铂、镍和钯等贵重金属。 该研究的作者表示，实施减少、再利用、修复和回收数据中心过时设备的策略可以将电子垃圾产生量减少多达 86%。
