作为数字经济蓬勃发展的重要驱动力,人工智能技术发展迅猛,目前已然深度融入到经济、民生等各个领域,并成为重组全球要素资源、重塑全球经济结构、改变全球科技竞争格局的关键力量。尽管如此,人工智能技术的突破与应用仍然面临着巨大的挑战,广大开发者们也面临着诸如算力稀缺、技术门槛高、开发周期长等难题,阻碍了人工智能产业的进一步发展。
为了直面挑战、解决难题、打造健康繁荣的AI技术生态,2022昇腾AI开发者创享日·南京站将于8月6日举办。本次活动以“创未来 享非凡”为主题,旨在依托南京人工智能计算中心,聚焦“新技术、新体验、新机会”三大维度,携手广大开发者共创机遇、共谋发展。
作为昇腾AI开发者创享日旗舰级活动的城市巡回站之一,本次南京站亮点纷呈,一起了解一下吧!
亮点一:重磅发布 展望人工智能美好未来
活动现场,南京市新一代人工智能公共算力开放创新平台将隆重揭牌,南京人工智能计算中心二期也将举办启动仪式,意味着南京市人工智能生态建设迈入全新阶段。而在行业应用上,昇腾AI+南农大“智慧育种”科研项目将宣告启动,标志着南京市人工智能产业发展迎来崭新未来。
亮点二:大咖空降 探讨前沿技术实践
如果说人工智能的核心之一在“数据”,那么开发者成长的关键词之一即为“学习”。活动现场,东南大学首席教授、国家杰出青年、研究生院常务副院长耿新将围绕机器学习,进行深入浅出的思维分享与理念辨析,解读人工智能的感知基础;昇腾AI边缘计算专家、B站2021百大UP主彭志辉,中科院南京人工智能创新研究院技术总监辛淼等专家学者也将围绕机器人开发、技术应用等方向,向与会嘉宾分享人工智能应用落地的最新实践。
亮点三:机器狗+AI臂 领略昇腾AI神奇魅力
纸上得来终觉浅,绝知此事要躬行。对于开发者们而言,没有什么比代码所绘就的应用更具吸引力。在上午的主题演讲中,昇腾CANN首席科学家杜鹏将依托“机器狗+AI臂”的神奇组合,通过智能巡检场景化应用,展示昇腾AI在智能机器人上的前沿技术探索、成熟技术应用和解决方案构建。
亮点四:“野生钢铁侠”对话“野生开发者”
彭志辉——昇腾AI边缘计算专家、B站2021百大UP主,通过把硬核机械、算法知识转化成一个个科技感爆棚的“小玩具”,他被广大网友称为“野生钢铁侠”。
刘林——中科院纳米科学中心在读博士,自学昇腾CANN产品文档和昇腾社区开源样例,被称为“野生开发者”。他在2021年昇腾CANN训练营期间三度获奖,并成为2022年昇腾CANN训练营的优秀开发者。
8月6日下午,“野生钢铁侠”将与“野生开发者”同场对话,分享项目开发亲身经历、传授硬核昇腾开发体会、感悟知识落地经验,为广大人工智能领域的开发者点亮一盏“指路明灯”。
亮点五:干货+实操 助你全方位提升开发能力
三年前,华为发布了新一代全场景AI框架昇思MindSpore,以创新编程范式、原生场景适应、按需协调等优势,成为开发者们的一大利器。三年过去,昇思MindSpore在技术突破上又哪些新进展?现场,华为分布式并行计算首席技术专家苏腾将带来昇思MindSpore 1.8版本最新技术解密,介绍其在易用、效率等方面带来的全新突破,解答现场嘉宾的各项困惑。
值得一提的是,2022昇腾AI开发者创享日·南京站还将在8月6日下午举行“昇腾AI训练营”、“遇见大咖”、“开发者AI说”三场精彩活动,以满足广大开发者的不同学习需求。届时,不仅有杜鹏、彭志辉、苏腾等大咖围绕AI开发中的趣味成果、技术案例、个人成长等进行经验分享,更有昇腾CANN机器人研发男团解密机器狗技术,技术大牛们还会在活动中与开发者面对面交流,解答AI开发过程中可能会遇到的难点、疑点,给出人工智能应用构建的一些思考与展望。
除了以上的亮点之外,2022昇腾AI开发者创享日·南京站还设置了精彩纷呈的线上活动,期待您的关注和参与!活动详情可访问昇腾官网(Hiascend.com)。

好文章,需要你的鼓励
据《华尔街日报》报道,在马斯克针对OpenAI的诉讼失败后,OpenAI正加速推进IPO计划。CEO萨姆·奥特曼希望公司最快于今年9月上市,目前已与高盛、摩根士丹利合作,并可能在数日或数周内秘密提交上市申请。与此同时,马斯克旗下SpaceX的IPO文件也预计近期公开。两家公司的上市竞争,标志着马斯克与奥特曼的博弈从法庭转移至资本市场。
KAIST团队提出策略助推方法,通过强制分配解题方向引导AI探索多样思路,仅用八份样本就超越了消耗八倍资源的传统方法。
调查显示,51%的专业人士认为AI生成的低质量内容(即"workslop")正在降低生产效率,45%的人因此对职场使用AI更加谨慎。这类内容表面精致却缺乏准确性和实质价值。专家建议两步应对:一是重塑AI生产力思维,推行"AI先行、人工复核"的工作模式;二是保持持续投入,深入掌握AI工具的有效用法。企业领导者强调,真正从AI中受益需要坚持与学习,而非浅尝辄止。
要理解这项研究,先得明白现在的AI是怎么"画"图的。 可以把AI生成图片的过程想象成一个特殊的厨房。当AI要学会画图时,它不会像人类画家那样一笔一画地描绘,而是采用一种叫做"自回归"的方式——简单说就是"一个食材接一个食材地添加"。但问题在于,AI厨房处理的"食材"不是真实的图像像素,而是一种被压缩过的"标准化食材包"。 这个压缩过程,叫做"离散分词",由一个叫"分词器"(tokenizer)的设备完成。打个比方,分词器就像一台高级的食材切片机,它把一整张图片切成很多小块,然后给每一小块贴上一个"编号标签",对应到一本"标签字典"(也就是研究者口中的"码本")里的某个条目。比如,标签001可能代表"蓝天的一小块",标签002代表"绿草的一小块"。 这种做法的好处是大幅简化了AI的工作量——它不用记住几百万个像素,只需要记住一串编号就行了。这就是为什么如今像Chameleon、Emu3这些大名鼎鼎的多模态AI模型都用这种技术。 但问题也恰恰出在这里。当切片机以16倍的压缩率工作时(也就是说原本256个像素被压缩成1个标签),很多细节就被无情地丢弃了。蓝天少一些云彩、草地少几根草尖,人眼几乎看不出来。可一旦切到了文字或人脸,灾难就发生了——一个英文字母"e"和"c"的差别可能就在那么几个像素,一张脸上眉眼的位置稍微挪一挪,整个人就变了样。 研究团队发现,认知科学研究早就指出,人类的视线会不自觉地被文字和人脸吸引,对这两类内容的细节扭曲特别敏感。换句话说,AI画其他东西糊一点没关系,但文字和脸糊了,用户立马就能察觉。 之前的研究者也意识到了这个问题,他们的解决思路通常是"加大切片机的容量"——比如把标签字典从1万6千条扩展到26万条,或者让每张图用更多的标签。但这就像为了切好一根胡萝卜而把整个厨房改造成大型工厂,成本高得离谱,而且效果也不见得好。 清华和微软的团队提出了一个完全不同的思路:与其让切片机变得更大,不如教它学会"看重点"。 二、给切片机装上"火眼金睛"