武道至尊帝临小说,手机推荐排行榜,欢乐颂第三季

AI GPU功耗將達15000瓦英偉達正式進軍核電站

6月20日消息，我們經(jīng)常調(diào)侃NVIDIA的旗艦顯卡是“戰(zhàn)術(shù)核彈”，沒想到老黃真的進軍核能領(lǐng)域了！ NVIDIA旗下風投部門NVenture與比爾蓋茨、現(xiàn)代汽車集團共同參與了對泰拉能源(TerraPower)的6.5億美元融資。

發(fā)表于：6/20/2025

SK海力士已向英偉達小批量供應(yīng)HBM4

6月19日消息，據(jù)韓國媒體dealsite.co.kr報道稱，隨著人工智能（AI）芯片大廠英偉達（NVIDIA）準備向客戶提供其下一代 AI 加速器“Rubin”的樣品，SK海力士也在加快了HBM4 的量產(chǎn)進度。目前，SK海力士已經(jīng)開始向英偉達小批量供應(yīng)了HBM4，并已經(jīng)安裝在了 Rubin 樣品中。美光也緊隨其后，向英偉達提供了12層堆疊的HBM4 樣品。行業(yè)觀察人士表示，SK 海力士將占據(jù)英偉達初始采購量的很大一部分。

發(fā)表于：6/20/2025

樂聚聯(lián)合中國移動和華為發(fā)布業(yè)界首款5G-A具身智能機器人

6 月 19 日消息，本周上海世界移動通信大會（MWC 上海 2025）期間，樂聚聯(lián)合中國移動、華為發(fā)布業(yè)界首款 5G-A 具身智能機器人，攻克了高并發(fā)場景下的多機協(xié)同、實時決策等技術(shù)難題。

發(fā)表于：6/20/2025

零次方機器人發(fā)布國內(nèi)首個全模態(tài)具身數(shù)據(jù)全鏈路解決方案

6 月 19 日消息，據(jù)安徽日報報道，位于安徽合肥的零次方機器人有限公司今日宣布，該企業(yè)在智能核心技術(shù)領(lǐng)域取得重大突破，發(fā)布國內(nèi)首個、業(yè)內(nèi)領(lǐng)先的“全模態(tài)”具身數(shù)據(jù)全鏈路解決方案?！八缤诵螜C器人的‘訓練寶典’，可系統(tǒng)解決當前制約具身智能模型訓練與落地的核心痛點，讓人形機器人訓練與場景落地更快速、更便捷?！?

發(fā)表于：6/20/2025

智能背景下的雷達通信電子對抗一體化技術(shù)

在人工智能技術(shù)興起的大背景下，針對雷達通信電子對抗一體化技術(shù)進行了分析研究，梳理了一體化技術(shù)概念，討論了一體化技術(shù)在此背景下的實現(xiàn)意義，總結(jié)分析了國內(nèi)外一體化系統(tǒng)發(fā)展狀況，重點圍繞一體化波束、一體化信號設(shè)計兩方面闡述了主要技術(shù)研究現(xiàn)狀，對一體化技術(shù)的實現(xiàn)要點進行了歸納討論，探討了從認知到智能化的技術(shù)發(fā)展趨勢，并簡單列舉了無人駕駛場景下一體化技術(shù)的影響，指出一體化智能系統(tǒng)實現(xiàn)的可能方式，最后展望了一體化技術(shù)實現(xiàn)前景。

發(fā)表于：6/19/2025

NVIDIA最新中國特供RTX 5090 DD曝光

發(fā)表于：6/19/2025

蘋果擬用生成式AI加速定制芯片設(shè)計流程

6 月 19 日消息，據(jù)路透社今日報道，蘋果硬件技術(shù)主管 Johny Srouji 上月在一次非公開場合透露，公司正考慮利用生成式 AI 技術(shù)，加速其定制芯片的設(shè)計流程。

發(fā)表于：6/19/2025

英特爾挖角蘋果谷歌悍組建AI芯片夢之隊

發(fā)表于：6/19/2025

比亞迪與字節(jié)跳動合作用AI聯(lián)合攻堅動力電池關(guān)鍵技術(shù)

6月19日消息，“小迪快報”發(fā)文稱，比亞迪鋰電池將與字節(jié)跳動Seed及火山引擎深化合作，共建“AI+高通量聯(lián)合實驗室”。雙方通過共享算法、算力及實驗數(shù)據(jù)，聯(lián)合攻克動力電池快充、壽命和安全等關(guān)鍵技術(shù)問題，推動AI for Science研究在鋰電池領(lǐng)域落地。其中，字節(jié)跳動Seed團隊將持續(xù)投入模型算法研究，依托火山引擎云基礎(chǔ)設(shè)施優(yōu)化模型能力。而比亞迪鋰電池則提供高通量實驗平臺，保障大規(guī)模、系統(tǒng)性且高一致性的實驗數(shù)據(jù)，為模型優(yōu)化提供高質(zhì)量數(shù)據(jù)支持。此外，雙方將構(gòu)建融合海量實驗與計算數(shù)據(jù)的電池綜合性能AI模型，多維度縮短電池迭代周期，加速新材料和新配方的發(fā)現(xiàn)。

發(fā)表于：6/19/2025

50萬一臺的人形機器人進廠搬運效率連工人一半都不到

半年前，機器人還是車企提升估值的特效藥。當時，如果一家車企宣布要做機器人，資本市場給它的估值就會翻一倍，汽車的零部件供應(yīng)商同理。在特斯拉發(fā)布機器人視頻后，十多家車企都蹭上機器人概念。小鵬、小米、廣汽已經(jīng)推出了機器人產(chǎn)品；理想表達了進場的意圖、蔚來處在調(diào)研階段；賽力斯、長安、比亞迪等已經(jīng)設(shè)立團隊并開啟招聘，賽力斯在重慶和上海機器人團隊已有近 200人；上汽、北汽、奔馳則是重在投資參與。車企做機器人，最簡單的理由就是特斯拉已經(jīng)做了，而且給行業(yè)提供了足夠多的理由——

發(fā)表于：6/19/2025

面向多源異構(gòu)數(shù)據(jù)的知識圖譜可視化融合方法

為解決數(shù)據(jù)冗余沖突與關(guān)聯(lián)缺失問題，研究面向多源異構(gòu)數(shù)據(jù)的知識圖譜可視化融合方法，提升數(shù)據(jù)融合的可靠性。利用網(wǎng)絡(luò)本體語言為多源異構(gòu)數(shù)據(jù)建立對應(yīng)的領(lǐng)域本體庫與全局本體庫，使得知識實體抽取和知識融合在同一框架下進行；通過長短期記憶網(wǎng)絡(luò)-條件隨機場模型，在本體庫約束下，從多源異構(gòu)數(shù)據(jù)中抽取符合領(lǐng)域定義的知識實體；利用基于層次過濾思想的知識融合模型，可視化融合抽取的知識實體，解決多源異構(gòu)數(shù)據(jù)中冗余信息和不一致性問題，形成準確、完整、可靠的多源異構(gòu)數(shù)據(jù)可視化融合知識圖譜，有助于發(fā)現(xiàn)潛在的數(shù)據(jù)關(guān)聯(lián)，補全數(shù)據(jù)關(guān)聯(lián)缺失。實驗結(jié)果表明：隨著數(shù)據(jù)缺失比例的提升，尺度系數(shù)與屬性覆蓋度均開始下降，最低尺度系數(shù)與屬性覆蓋度是0.86與0.87，均顯著高于對應(yīng)的閾值；所提方法在處理四個數(shù)據(jù)源時，視覺清晰度達93%~97%，信息融合度達92%~96%，均優(yōu)于對比方法。說明該方法可有效抽取多源異構(gòu)數(shù)據(jù)知識實體，建立知識圖譜，實現(xiàn)多源異構(gòu)數(shù)據(jù)可視化融合；在不同數(shù)據(jù)缺失比例下，該方法多源異構(gòu)數(shù)據(jù)可視化融合的尺度系數(shù)與屬性覆蓋度均較大，即數(shù)據(jù)可視化融合效果較優(yōu)；同時有效提升了數(shù)據(jù)可視化效果和信息整合程度。

發(fā)表于：6/18/2025

復(fù)雜景觀圖像的語義多狀態(tài)圖像風格遷移

復(fù)雜景觀圖像包含具有不同特征的各種對象，傳統(tǒng)的風格遷移方法無法在同一圖像中對不同對象進行局部風格遷移。CycleGAN可以通過偽監(jiān)督策略在沒有配對樣本的情況下實現(xiàn)風格遷移。但是CycleGAN無法實現(xiàn)對復(fù)雜風景圖像中不同類別對象的風格遷移；同時CycleGAN在復(fù)雜場景中的泛化能力不足且復(fù)雜度高。因此，提出了一種基于語義類別的復(fù)雜風景多狀態(tài)圖像生成方法，即語義類別風格遷移（Semantic Category Style Transfer，SCST），能夠有效地結(jié)合局部特征實現(xiàn)復(fù)雜風景的圖像生成。同時提出了上下文感知的風格遷移模型GCycleGAN。實驗結(jié)果表明本文提出的GCycleGAN的性能優(yōu)于CycleGAN、DualGAN和Munit等基于深度學習的圖像生成模型。

發(fā)表于：6/18/2025

基于特征選擇和優(yōu)化CNN-BiLSTM-Attention對SF6斷路器漏氣故障診斷

SF6（六氟化硫）斷路器是保障電網(wǎng)穩(wěn)定運行的重要設(shè)備，但其在長期使用中容易發(fā)生漏氣問題，既影響設(shè)備性能，又威脅電網(wǎng)的安全性。為精準診斷SF6斷路器的漏氣故障，提出了一種基于Gini指數(shù)特征選擇和貝葉斯優(yōu)化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention組合模型。首先，針對影響SF6斷路器漏氣的內(nèi)外部因素，進行特征映射與重要性分析，并采用KMeans-SMOTE技術(shù)解決數(shù)據(jù)分布不均的問題。其次，利用基于Gini指數(shù)的方法篩選關(guān)鍵特征，并通過貝葉斯優(yōu)化精調(diào)CNN-BiLSTM-Attention模型的超參數(shù)以提升分類性能。實驗結(jié)果表明，設(shè)備缺陷、運行年限、運維水平、天氣和溫度是導(dǎo)致漏氣的主要因素。與其他模型相比，所提方法在漏氣故障的0/1分類任務(wù)中展現(xiàn)出更高的分類精度和魯棒性。研究不僅驗證了方法的有效性，還揭示了引發(fā)SF6斷路器漏氣的關(guān)鍵因素，為設(shè)備巡檢和運維管理提供了科學支持，進一步提升了電網(wǎng)運行的安全性與可靠性。

發(fā)表于：6/18/2025

如何安全可靠地獲取高質(zhì)量數(shù)據(jù)訓練大模型

如何安全可靠地獲取高質(zhì)量數(shù)據(jù)訓練大模型？北電數(shù)智給出更優(yōu)解

發(fā)表于：6/18/2025

MiniMax推出全球首個開源大規(guī)?；旌霞軜?gòu)的推理模型

6 月 17 日消息，MiniMax 稀宇科技宣布將連續(xù)五天發(fā)布重要更新。今天第一彈是開源首個推理模型 MiniMax-M1。

發(fā)表于：6/18/2025