海南文昌：开拓液氢商业化应用场景 有望为商业火箭发射提供清洁燃料

海南文昌：开拓液氢商业化应用场景 有望为商业火箭发射提供清洁燃料 海南文昌积极开拓液氢商业化应用场景。今年 4 月，海南首个商业航天发射场特燃特气配套项目在文昌开工，建设项目包括 1 套 333 吨 / 年制氢及氢气液化装置，建成后将为商业火箭发射提供更多清洁燃料。5 月 14 日，海南商业航天发射场迎来首批液氢运输设备 一辆 120 立方米液氢运输加注公路车及两台电力牵引车头。车上的两个储氢罐能装载约 8 吨液氢，可以支持一次火箭发射任务。除清洁环保外，液氢作为火箭推进剂还有很多独特优势。首先，与液氧煤油、四氧化二氮、偏二甲肼等传统火箭推进剂相比，消耗同样的质量，液氢液氧能产生更大的冲量，给火箭提供更多推力。（海南日报）

“360AI办公”产品即将上线：会员订阅模式、含100余个爆款AI应用

“360AI办公”产品即将上线：会员订阅模式、含100余个爆款AI应用 业界分析人士指出，将大模型技术转化为实际的商业价值，并探索出可持续的商业化模式，是当前国内大模型厂商面临的关键挑战。而360AI办公的推出，不仅有助于360集团构建完善的AI会员体系，还有望为公司带来可观的AI营收。值得一提的是，浏览器作为用户日常上网的重要入口，具有天然的办公属性。360安全浏览器作为国内市场占有率领先的浏览器产品，其用户触达优势显著。通过结合AI技术，推出相关的AI办公服务，不仅可以在B端提供私有化大模型定制服务，还有望在C端开辟出AI商业化的新路径，为公司的未来发展注入新的动力。 ... PC版： 手机版：

微软正积极探索生成式 AI 的各种可能，未来的应用场景之一，就是为用户炒股提供信息参考，可以预判未来的价格走势。

微软正积极探索生成式 AI 的各种可能，未来的应用场景之一，就是为用户炒股提供信息参考，可以预判未来的价格走势。 微软广告和网络服务主管 Mikhail Parakhin 在最新推文中表示，会在未来几个月内，邀请 Bing Chat 用户参与测试 AI 炒股功能。 微软表示分析股价模型，可以预测某支股票在某个时间高于或者低于某个价格的概率，帮助投资者做出更明智的投资决策。 微软表示这项新功能主要使用期权定价（Option Pricing）方式预测，综合当前股票价格、行使价、到期日和股票的波动性等诸多因素，创建新模型来预判股价走势。 推文中表示：“我认为，目前还没有任何免费的消费工具可以做到这一点”，暗示必应聊天的 AI 炒股功能将免费向用户开放。 via 匿名 标签: #微软 #必应 频道: @GodlyNews1 投稿: @GodlyNewsBot

美亚柏科：公司 AI 研究已应用到公司的大数据分析等业务及产品方向

美亚柏科：公司 AI 研究已应用到公司的大数据分析等业务及产品方向 美亚柏科在互动平台表示，公司 AI 研究已应用到公司的大数据分析、电子数据取证、智慧城市等业务及产品方向，目前在计算机视觉、文本处理、人工智能安全和人工智能国产化方向都已有相关产品。在AIGC方面，公司将根据市场需求情况，适时对各类 AIGC 内容的检测、AI 生成文本的检测技术及产品进行布局。 编注：该公司开发的MFSocket可以读取手机内所有资料。

#APPDO应用推荐 #iOS

#APPDO应用推荐 #iOS ▎Ainder：语音AI聊天应用 在尝试了微软的Azure OpenAI API和TTS API、Bark语音以及Call Annie和Character.ai后，决定结合几家的功能来开发一款语音AI聊天应用。 ▎功能特色 1. 丰富的AI角色：参考了Character.ai的创建方式，创建了一批AI角色。欢迎提供角色建议并领取好礼。 2. 口语练习角色：支持英语、日语、韩语和普通话等多种语言。为了确保语音输出的稳定性，选择了Azure的语音技术。 3. 名人角色：这些AI角色具备了名人的语气和声音，使用了Bark生成的语音。虽然Bark的稳定性不如微软，但其更具人性化，更有趣味性。目前训练的效果只有马斯克，川普，拜登的效果还可以，后面会继续改进。 4. 后续发展：目前尚未想好下一步的发展方向，可能会加入更多Bark生成的语音，也可能会加入角色的3D模型，让角色动起来，增加吸引力。 ▎下载地址 目前限免活动将持续到7月底。如果您有关于添加更多有趣提示词和角色的建议，请随时留言。 提供尚不存在的角色和提示词的用户，只需留言截图并发送邮件至[email protected]，即可获得上任意App的兑换码，只要你看中的应用都可以送兑换码。 频道 @AppDoDo

Google发布了一个生成式AI学习路径，包括8门课和2个测试，从技术原理、实现方式到应用场景和开发部署都包括，完全免费。

Google发布了一个生成式AI学习路径，包括8门课和2个测试，从技术原理、实现方式到应用场景和开发部署都包括，完全免费。 1.：什么是生成式AI，有什么应用，和传统机器学习有什么不同。 2.：什么是大语言模型 （LLM），大语言模型的应用场景，以及提示词 (prompt) 和微调 (fine-tuning) 如何提升模型性能。 3. ：什么是负责任的AI (Responsible AI)，为什么AI模型安全可靠且道德很重要，以及如何打造一个使用负责任AI的产品。 4.：Diffusion Models图像生成模型理论、模型训练方法以及如何部署模型到云端 5. ：机器翻译、语音识别等任务广泛应用的encoder-decoder 模型架构原理以及如何在TensorFlow中构建一个此架构的诗歌生成AI。 6. ：神经网络中的注意力机制（Attention Mechanism）如何在计算能力有限的情况下将计算资源分配给更重要的任务，提高翻译、总结、问答等性能。 7. ：自然语言处理中的预训练技术BERT（Bidirectional Encoder Representations from Transformers）的基础原理，以及其如何可以让AI在许多不同任务中的显著提升在上下文中理解无标记文本的能力。 8. ：学习图像理解和标注，学习如何构建出一个看图说话理解图片的人工智能模型。