在最近的发布会上，数据动力公司（DDN）宣布了其最新的 Infinia2.0对象存储系统，专为人工智能(AI)训练和推理而设计。该系统声称可以实现高达100倍的 AI 数据加速和10倍的云数据中心成本效率提升，吸引了众多行业关注。DDN 的首席执行官兼联合创始人亚历克斯・布扎里（Alex Bouzari）表示:“全球500强企业中有85家在使用 DDN 的数据智能平台来运行他们的 AI 和高性能计算(HPC)应用。Infinia 将帮助客户在数据分析和 AI 框架方面实现更快的模型训练和实时洞察，同时确保 GPU 效率和能耗的未来适应

近日，包括康泰纳仕（Condé Nast）、《大西洋月刊》(The Atlantic)和《福布斯》(Forbes)在内的14家出版商联合起诉 AI 初创公司 Cohere，指控其存在 “系统性” 的版权侵犯行为。根据投诉，出版商们指责 Cohere 在训练其 AI 模型时使用了至少4，000部受版权保护的作品，并且在向用户展示时显示了大量文章的片段，甚至是整篇文章，严重影响了出版商的引流流量。此外，诉状还指出 Cohere 通过 “虚构” 的内容侵犯了出版商的商标，这些内容并非实际由这些出版物发布。Cohere 的沟通负责人乔希・加特

斯坦福大学和华盛顿大学的研究团队近日联合发布了一项突破性的AI训练方法，该方法名为S1，其核心理念在于利用极简的测试时缩放技术来显著提升语言模型的推理能力。与以往依赖庞大算力或复杂算法不同，S1方法巧妙地通过控制模型在测试时的计算资源分配，实现了性能的飞跃。S1方法首先精心构建了一个名为s1K的小型数据集，其中包含1000个高质量的推理问题。该数据集的筛选标准非常严格，必须同时满足难度高、多样性强、质量优良三个条件。研究团队通过详尽的消融实验验证了这

英国政府正考虑修改法律，拟允许人工智能公司使用创作者的在线内容训练其模型，除非创作者明确选择退出该系统。此举引发了音乐界的强烈反对，其中，前披头士乐队成员保罗·麦卡特尼更是公开表达担忧，警告称这将导致一个“狂野西部”的局面，创意作品将失去应有的版权保护。在接受BBC采访时，麦卡特尼敦促政府重新考虑这一做法，并强调这对新兴艺术家带来的潜在威胁:“年轻的男孩、女孩们涌现出来，他们写了一首很美的歌，但他们却不拥有它。”他认为，创作者应该获得作

Meta 首席执行官马克・扎克伯格在近期的法律诉讼中，借助 YouTube 与盗版内容的斗争来为公司在 AI 训练中使用版权数据的做法辩护。此案名为 “Kadrey 诉 Meta”，是美国法庭中众多针对 AI 公司的版权诉讼之一，原告包括知名作家莎拉・西尔弗曼和塔 - 纳希西・科茨。根据最近公布的扎克伯格证词摘录，他指出，尽管 YouTube 上可能会存在一部分盗版内容，但 YouTube 仍在努力将这些内容删除。“大多数在 YouTube 上的内容应该都是合法的，他们有相关许可。” 扎克伯格表示。这番言论暗示着他对

在推动人工智能（AI）领域透明度的进程中，计算机与通信行业协会(CCIA)于布鲁塞尔和华盛顿共同宣布推出一项开创性的新举措，即全球行业透明度报告模板。这一模板旨在提升公众对通用人工智能(GPAI)模型训练数据的信任与理解。此次发布的 “AI 模型训练数据透明度模板” 要求企业披露用于训练特定 GPAI 模型的数据类型，例如播客、书籍等，同时还需明确数据的主要来源，如开放存取档案、大型公共数据集或公共网站的爬取数据。此外，企业还需详细解释这些数据是如何被筛选和应用于

近日，一则来自彭博社的爆料引发了内容创作者们的热烈讨论，OpenAI 和谷歌等科技巨头正在高价收购 UP 主们未发布的视频内容，以供 AI 模型进行训练。此举不仅让 UP 主们看到了新商机，还让 “废旧” 视频焕发出新的价值。根据报道，这些公司正在寻求购买那些 “从未公开” 的视频，尤其是用于 YouTube、Instagram 和 TikTok 等平台的未发布视频。每分钟的报价在1到2美元之间，若视频质量更高，如4K 分辨率或无人机拍摄素材，价格则可能更高。整体来看，这样的交易不仅能让 UP 主们从未发布

训练大型AI模型（如Transformer和语言模型）已成为AI领域不可或缺的关键环节，但也面临着高昂的计算成本、内存消耗和能源需求。例如，OpenAI的GPT-3拥有1750亿个参数，需要数周的GPU训练。这种巨大的资源需求限制了这项技术在大规模计算资源充足的组织中的应用，同时也加剧了人们对能源效率和环境影响的担忧。解决这些挑战对于确保AI发展的更广泛可及性和可持续性至关重要。传统训练方法效率低下，亟需创新解决方案大型模型训练效率低下的主要原因在于其对稠密矩阵的依赖，这需要

工业和信息化部、国务院国有资产监督管理委员会、中华全国工商业联合会印发《制造业企业数字化转型实施指南》。要求推动制造业企业数字化转型是一项系统工程，要以企业发展实际为出发点、以解决企业痛点难点问题为目标、以提升全要素生产率为导向、以场景数字化为切入点，综合考虑技术成熟度、经济可行性、商业模式可持续性，精准识别数字化转型优先领域和重点方向。其中提出，推动生产过程智能转型。引导企业开展生产全过程的透明化管理，鼓励部署基于工业互联网平台

英国政府正在就一项针对AI训练的“选择退出”版权制度进行咨询，该制度将要求权利持有者采取积极措施，以防止其知识产权成为AI训练的免费素材。随着大量数据训练的生成式AI模型的兴起，知识产权问题日益凸显。许多创意人士强烈反对在未经许可（或补偿）的情况下，其作品被用于训练AI技术，而这些技术又会生成与之竞争的内容，包括文本、视觉、音频或三者的组合。视觉艺术、音乐、电影制作和电子游戏等领域都可能成为生成式AI的目标。这种AI使用高度可扩展的AI工具取代了传

在数字时代，计算机芯片越来越小，但计算问题却变得越来越大。随着AI模型的不断发展，数据中心的能耗和计算需求正呈指数级增长。IBM近日推出的光学技术突破，有望彻底改变这一现状。传统数据中心面临两大技术瓶颈:铜线传输和电子传输速度的局限。目前，大多数CPU都处于大量空闲状态，仅仅是在等待数据包传输。这意味着计算资源的巨大浪费。图源备注：图片由AI生成，图片授权服务商MidjourneyIBM的创新方案是使用光学技术替代传统铜线。具体而言，公司开发了一种名为聚合物光波

近期，微软的 “连接体验” 设置在其 Office 软件中引发了广泛的讨论和用户担忧。许多人担心，默认开启的这一功能可能会使微软在未获得用户同意的情况下，利用用户的 Word 和 Excel 文档等数据来训练其人工智能模型。对此，微软坚决否认这些指控，明确表示不会在未征得用户明确许可的情况下使用客户数据。微软的一位发言人向媒体表示:“在 Microsoft365的消费者和商业应用中，微软不使用客户数据来训练大型语言模型，除非获得您的明确许可。” 但当被询问 “许可” 的具体含义，以及

《纽约时报》和《每日新闻》在版权诉讼中遭遇意外转折:OpenAI一名工程师不经意间删除了可能成为关键证据的虚拟机搜索数据，令这起备受关注的法律纠纷再添戏剧性情节。根据周三晚间提交至纽约南区美国地方法院的信件，两家媒体公司的律师和技术专家此前已投入逾150小时搜索OpenAI的AI训练数据集。然而，11月14日，一名OpenAI工程师意外删除了存储在虚拟机上的全部搜索数据。尽管OpenAI随后尝试恢复数据并取得基本成功，但由于文件夹结构和文件名已"无法挽回"地丢失，恢复的数据实际

近期，xAI工程师Hieu Pham在社交媒体上发布了一条“爆炸性”消息，声称xAI旗下的大语言模型Grok3成功证明了黎曼猜想，并因此暂停了模型的训练。这条消息迅速在AI圈引发热议，网友们纷纷表示震惊，难以分辨真假。毕竟，黎曼猜想作为千禧年七大数学难题之一，被誉为“猜想界的皇冠”，其难度可想而知。几小时后，Pham在另一条帖子中揭晓了答案:这只是一场调侃。这场“乌龙”源于网友Andrew Curran的爆料，他声称Grok3在训练过程中遭遇了“灾难性事件”。面对越传越离谱的谣言，xAI联创Gr

近日，英伟达发布了其全新的 Blackwell 平台，并在 MLPerf Training4.1基准测试中展示了初步的性能表现。根据测试结果，Blackwell 在某些方面的性能相比于前一代 Hopper 平台实现了翻倍的提升，这一成果引起了业界的广泛关注。在 MLPerf Training4.1基准测试中，Blackwell 平台在 LLM（大语言模型）基准的 Llama270B 微调任务中，每个 GPU 的性能达到了 Hopper 的2.2倍，而在 GPT-3175B 的预训练中则达到了2倍的提升。此外，在 Stable Diffusion v2训练等其他基准测试中，新一代的 Blackwell 也以1.7倍的优势超过了前代产品

今天，NVIDIA（英伟达） 宣布，与 xAI 合作打造的 Colossus 超级计算机集群正式上线，这可是全球最强AI训练集群Colossus，整整由10万颗 NVIDIA Hopper GPU 组成。这个庞然大物之所以能达到这样的规模，得益于 NVIDIA Spectrum-X 以太网网络平台的支持。这个平台专门为多租户、超大规模的 AI 工厂设计，能够通过标准以太网实现远程直接内存访问，提供卓越的性能。Colossus 主要用于训练 xAI 的 Grok 系列大型语言模型，同时还为 X Premium 用户提供聊天机器人服务。更令人兴奋的是，xAI 正在计划将 Colossus 的规

耶鲁大学研究团队近日发布了一项开创性研究成果，揭示了AI模型训练的关键发现:AI学习效果最好的数据并非越简单或越复杂越好，而是存在一个最佳的复杂度水平——被称为"混沌边缘"的状态。研究团队通过使用基本元胞自动机（ECAs）进行实验，这是一种简单的系统，其中每个单元的未来状态仅取决于自身和相邻两个单元的状态。尽管规则简单，但这种系统可以产生从简单到高度复杂的多样化模式。研究人员随后评估了这些语言模型在推理任务和国际象棋走子预测等方面的表现。研究结

最近，推特（X）更新了其服务条款，给用户带来了一个令人不安的消息:所有在平台上发布的内容都可能被用来训练他们的人工智能模型。听起来让人心寒的消息又一次让艺术家们感到焦虑，现在在推特上分享创作似乎更需要小心了。根据新的服务条款，用户在推特上发布、提交或展示的任何内容，都会自动授予平台一个 “全球范围内、非独占、免版税的许可”。简单来说，就是推特可以使用、复制、修改和发布用户的内容，甚至可以把这些内容用在任何现有或未来的媒体和分发方式上，

在AI训练领域，GPU和其他芯片之间的通信互联（interconnects）是数据传输的关键，但这些互联的带宽限制了AI训练的性能。2022年的一项调查显示，AI开发者通常只能利用GPU容量的25%。Xscape Photonics的首席执行官兼联合创始人Vivek Raghunathan提出了一种可能的解决方案:采用具有更高带宽的新互联技术，其核心技术是硅光子技术，这是一种通过操纵光来传输数据的硅基材料。Xscape Photonics位于硅谷核心地带的圣克拉拉，其技术起源于哥伦比亚大学的一个实验室，那里的三位教授发明了一种他们认为可以

在人工智能快速发展的今天，一场发生在德国汉堡的法庭裁决为AI训练数据的收集和使用带来了新的讨论。这起案件不仅引发了公众对AI与版权之间关系的深思，也为未来AI发展的法律框架提供了重要参考。事件的起因是非营利组织LAION在未经授权的情况下，从一个图片代理网站下载了一张受版权保护的图像。LAION将这张图像与相关描述配对，并将其纳入了名为"LAION-5B"的免费数据集中。这个庞大的数据集包含了高达58.5亿对图像和文字组合，被广泛用于AI训练。图源备注：图片由AI生成，图片授