PingPong将成为中国首家持有阿联酋支付牌照的第三方支付机构

PingPong将成为中国首家持有阿联酋支付牌照的第三方支付机构 近日，全球支付平台PingPong宣布获得阿联酋中央银行（CBUAE）原则性批准，将成为中国首家持有阿联酋支付牌照的第三方支付机构。牌照正式生效后，PingPong将为阿联酋本地企业全球展业，以及全球企业进入阿联酋市场提供开户、本地汇款、支付聚合、本地收单、跨境转账等在内的一系列服务。 “阿联酋对我们用户来说是一个重要的市场机会，拿下阿联酋牌照，加速全球本地化战略布局，将进一步提升PingPong企业全球化支付底座的价值，为我们全球用户更广泛的国际化商业增长提供助力。后续我们将基于牌照在当地构建深度的金融机构合作网络、生态合作网络，将阿联酋作为PingPong全球支付网络的一个重要节点。”PingPong集团合伙人、全球机构业务总经理徐征表示。 截至目前，PingPong已获得中国、美国、加拿大、欧盟、英国、日本、新加坡、印尼、马来西亚、澳大利亚、阿联酋等60多张全球支付牌照及许可，形成了覆盖欧美、东亚、东南亚、中东等全球贸易核心往来区域的本地化支付服务网络。

大量中国籍科技从业者无法办理印度签证

大量中国籍科技从业者无法办理印度签证 数以千计的中国工程师和技术人员难以办理印度签证，还有许多人因为“担心被拒”而没有申请。突显申办流程存在瓶颈，以及印度成为“中国+1”制造业大国的潜在障碍。 印度成功吸引了电子产品等行业的一些跨国公司，这些公司希望实现供应链多元化，并将销售重心从中国转移，其中包括苹果及其供应商富士康。很多情况下，在印度落户的跨国制造商要依赖中国工程师和技术人员来帮助布置厂房或运营工厂，但他们却因为印度严厉的对华政策而受阻。

无忧担保大群-6月1日开业（发88W红包)

无忧集团是互联网出海合作平台，专注出海项目、走向全球，通过整合行业内顶级资源，打造一站式产品展示和资源对接平台。我们以全球化视野与本地化优势，推动海外市场的快速扩展，精准捕捉全球机遇。 麻豆传媒： @madou 大秀直播： @wetv 海盗社群： @woyo 无忧大群： @huise 官方频道： @wuyo 无忧供需： @wygx 无忧娱乐城： @wydb

，主要为本科生高年级、硕博研究生、AI系统从业者设计。

，主要为本科生高年级、硕博研究生、AI系统从业者设计。 这个开源项目英文名字叫做 Deep Learning System 或者 AI System(AISys)，中文名字叫做 深度学习系统 或者 AI系统。 本开源项目主要是探讨和学习人工智能、深度学习的系统设计，而整个系统是围绕着 ZOMI 在工作当中所积累、梳理、构建 AI 系统全栈的内容。 课程主要包括以下五大模块： 第一部分，AI基础知识和AI系统的全栈概述的AI系统概述，以及深度学习系统的系统性设计和方法论，主要是整体了解AI训练和推理全栈的体系结构内容。 第二部分，硬核篇介绍AI芯片，这里就很硬核了，从芯片基础到AI芯片的范围都会涉及，芯片设计需要考虑上面AI框架的前端、后端编译，而不是停留在天天喊着吊打英伟达，被现实打趴。 第三部分，进阶篇介绍AI编译器原理，将站在系统设计的角度，思考在设计现代机器学习系统中需要考虑的编译器问题，特别是中间表达乃至后端优化。 第四部分，实际应用推理系统，讲了太多原理身体太虚容易消化不良，还是得回归到业务本质，让行业、企业能够真正应用起来，而推理系统涉及一些核心算法和注意的事情也分享下。 第五部分，介绍AI框架核心技术，首先介绍任何一个AI框架都离不开的自动微分，通过自动微分功能后就会产生表示神经网络的图和算子，然后介绍AI框架前端的优化，还有最近很火的大模型分布式训练在AI框架中的关键技术。 第六部分，汇总篇介绍大模型，大模型是全栈的性能优化，通过最小的每一块AI芯片组成的AI集群，编译器使能到上层的AI框架，中间需要大量的集群并行、集群通信等算法在软硬件的支持。

蚂蚁集团启动组织升级，任命韩歆毅为集团总裁

蚂蚁集团启动组织升级，任命韩歆毅为集团总裁 井贤栋在全员信中说，这次组织升级，是为了进一步加快改革步伐，推进蚂蚁“AI First”、“支付宝双飞轮”、“加速全球化”三大战略。调整延续了蚂蚁面向市场变革组织阵型、推动管理团队年轻化的策略，将进一步激发组织活力。

Sora 详细的技术报告发布了，相关从业者可能都需要看看。

Sora 详细的技术报告发布了，相关从业者可能都需要看看。 里面有 Open AI的训练思路以及 Sora 详细的技术特性，我从里面找了一些要点，详细的可以去看完整内容。 简单来说 Sora 的训练量足够大也产生了类似涌现的能力。 技术特点： 三维空间的连贯性：Sora可以生成带有动态相机运动的视频。随着相机移动和旋转，人物和场景元素在三维空间中保持连贯的运动。 模拟数字世界：Sora还能模拟人工过程，如视频游戏。Sora能够同时控制Minecraft中的玩家，并高保真地渲染游戏世界及其动态。通过提及“Minecraft”的提示，可以零样本地激发Sora的这些能力 长期连续性和物体持久性：对视频生成系统来说，Sora通常能够有效地模拟短期和长期的依赖关系。同样，它能在一个样本中生成同一角色的多个镜头，确保其在整个视频中的外观一致。 与世界互动：Sora有时能够模拟对世界状态产生简单影响的行为。例如，画家可以在画布上留下随时间持续的新笔触，或者一个人吃汉堡时留下咬痕。 训练过程： Sora 的训练受到了大语言模型（Large Language Model）的启发。这些模型通过在互联网规模的数据上进行训练，从而获得了广泛的能力。 Sora实际上是一种扩散型变换器模型（diffusion transformer）。 首先将视频压缩到一个低维潜在空间中，然后将这种表现形式分解成时空区块，从而将视频转换为区块。 训练了一个用于降低视觉数据维度的网络。这个网络以原始视频为输入，输出在时间和空间上都被压缩的潜在表示。Sora在这个压缩的潜在空间上进行训练，并在此空间中生成视频。还开发了一个对应的解码器模型，它能将生成的潜在表示映射回到像素空间。 对于给定的压缩输入视频，提取一系列时空区块，它们在变换器模型中充当标记（token）。这种方案同样适用于图像，因为图像本质上是单帧的视频。基于区块的表示方法使Sora能够针对不同分辨率、持续时间和纵横比的视频和图像进行训练。在推理过程中，可以通过在适当大小的网格中排列随机初始化的区块来控制生成视频的大小。 随着 Sora 训练计算量的增加，样本质量有了显著提升。 Sora训练时没有对素材进行裁切，使得Sora能够直接为不同设备以其原生纵横比创造内容。 针对视频的原生纵横比进行训练，还可以提高构图和取景的质量。