2019年12月1日下午,世界智能大会路演推介活动在广州成功举办,数十家来自全国及广州当地的企业代表参加了本次路演推介活动。
本次路演推介活动的举行,不仅为2020年第四届世界智能大会进行宣传推介,为有意参会、参展、进行商业合作的企业和机构搭建了一个交流对接平台,同时也围绕天津市委、市政府出台的《加快推进智能科技产业发展总体行动计划》、《加快推进智能科技产业发展的若干政策》、《“海河英才”行动计划》等一系列政策措施进行了解读,宣传推介了天津在支持智能产业快速发展方面的优势政策、良好环境和配套服务。
来自天津市商务局、天津市工业和信息化局、天津市滨海新区商务和投资促进局、天津市东丽区工业和信息化局的相关负责同志,出席参与了本次推介会,并就世界智能大会及天津智能科技产业的有关情况进行了介绍。
世界智能大会组委会秘书处副总经理任丽伟
世界智能大会组委会秘书处副总经理任丽伟首先对往届世界智能大会的亮点和成果,以及第四届世界智能大会的整体安排进行了介绍。她表示,第四届世界智能大会拟于2020年4月23日-26日在天津梅江会展中心召开,大会主题暂定为“智能新时代:融合、创新与生态”,将持续秉承高端化、国际化、专业化理念,举办会、展、赛、智能体验等一系列活动。同时,大会将围绕落实智能科技产业1+10专项行动,集中展示天津智能化解决方案和应用场景,打造智能化解决方案的策源地和生产地,集聚八方资源。此外,第四届世界智能大会还将扩大商业合作机会,增强市场化运作,构建企业+机构+媒体的模式,注重政府服务,发挥市场主导。
天津市商务局会展处处长张继文
作为“会、展、赛、智能体验”中的重要组成部分,天津市商务局会展处处长张继文详细介绍了第四届世界智能大会智能科技展的具体情况。据她介绍,第三届世界智能大会智能科技展吸引了246家企业参展,其中包括24家世界500强企业和6家国内500强企业,吸引了超过36000名专业观众参观。参展满意度超过80%,服务满意度达到80%,专业观众满意度达到77.85%。据此,第四届世界智能大会智能科技展将锁定智慧生活、智能制造、科研创新、智慧城市、智能体验、大数据以及智能农业等主题,涉及5个展厅、1个室外体验区和1个公共发布区,并将通过进一步的市场化运作,旨在将智能科技展打造成一个多远对接活动,为企业提供舒适的洽谈环境和深度的交流平台。
中国汽车技术研究中心有限公司汽车技术情报研究所智能网联研究中心主任王亚飞
主题介绍环节的最后,中国汽车技术研究中心有限公司汽车技术情报研究所智能网联研究中心主任王亚飞介绍了世界智能大会的赛事安排。据悉,世界智能驾驶挑战赛每年在天津市东丽区举行,是国内首个国际级的智能驾驶示范运营项目,并且已经成为国内规模最大、评测结果最权威、影响力最广泛的科技性赛事。明年的大赛将以整车企业为抓手,继续扩大媒体宣传,为参赛企业提供更多的宣传窗口。王亚飞表示,第四届世界智能驾驶挑战计划于2020年4月22日-24日举行,并将于12月底在世界智能大会官网、官方微信等渠道开放报名通道,具有无人驾驶车辆的企业团队、高校团队或者整车企业、甚至是整车企业委托的改装平台均有报名参赛资质。
在推介会的互动交流环节,众多企业代表积极与嘉宾进行沟通,畅所欲言,并就世界智能大会以及天津的产业发展和相关政策问题展开了探讨和交流。多家企业在现场表示,希望能够积极参与第四届世界智能大会各项活动中,在天津落地具体智能科技成果和应用项目,挖掘更多实际商机。
在如今时代正处于产业转型、动力转换、结构转变的关键时期,天津正在凭借世界智能大会这一平台,为全国乃至全球企业和政府、企业和企业、企业和客户之间的合作提供供需平台,为智能领域搭建一个共谋、共赢、共发展的互动平台,共同加速推进智能科技与智能产业融合发展。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。