/tmp/tmpk7qe7r9c

反派影评№091 | 《不成问题的问题》:那年重庆,一场轰轰烈烈的改革破产了……

相关推荐

封面图片

/tmp/tmplc_i9r7a

反派影评№233 | 《奥本海默》

封面图片

/tmp/tmp52r9plgu

反派影评№048 | 《辛普森-美国制造》:八小时,每一秒钟都雷霆万钧

封面图片

/tmp/tmppk9y8r_n

反派影评№224 | 《黑客帝国4》:你的自杀式创作,凭什么要我们买单?

封面图片

/tmp/tmpo4mb4y7r

反派影评№041 | 《降临》:还比肩库布里克?先把吕克·贝松超过去吧……

封面图片

传AMD Radeon RX 8000系列显存继续使用GDDR6 而非GDDR7

传AMD Radeon RX 8000系列显存继续使用GDDR6 而非GDDR7 近日有网友透露,AMD在Radeon RX 8000系列显卡的显存选择上,仍然会坚持使用18Gbps的GDDR6,包括台式机和笔记本电脑使用的RDNA 4架构产品,并不像人们想象的那样选择三星的GDDR6W或者下一代的GDDR7。要知道18Gbps也并非最快速率的GDDR6,现在Radeon RX 7900 XT/XTX上已经在用20Gbps的显存了。这消息听起来有点令人感到失望,或许AMD打算在RDNA 4架构GPU对应的细分市场上提供更具性价比的产品,毕竟18Gbps的GDDR6已大规模生产很长时间,并被广泛使用,成本和供应完全不成问题。传闻Navi 48将配备32个WGP,共有64个CU,显存位宽为256-bit,显存带宽为693GB/s,等效带宽达到了2770GB/s,GPU芯片面积为240mm²。另外一款规格更低的Navi 44面向中低端市场,仅有16个WGP,共32个CU,显存位宽为128-bit,显存带宽为288GB/s,等效带宽为515GB/s,GPU芯片面积为130mm²。Navi 4x系列芯片将改用4nm工艺制造,以进一步提升能效。 ... PC版: 手机版:

封面图片

#人型 #机器人 #投资 #具身智能

#人型 #机器人 #投资 #具身智能 现在大家都在看人型机器人和具身智能,但都没搞明白投资具身机器人到底是投资什么。 现在我们看到大部分的投资,讲的故事都是说五年内会有居家性的机器人卖到消费者手上,但如果我们看现在实际的案例和学术理论这种假设是基本上没法成立的。 现在机器人技术上能解决的比较好的,就是1)如何在不同的环境能够维持平衡并且行动,这个包括轮式,双足、四足;2)还有就是不同自由度的机器臂进行预定好的,提前设置的,提前规划的移动。这种技术已经非常成熟了,所以在工业场景进行简单的搬运、组装、上下料,这个完全没有任何问题。 但是如果要进行在居家环境里面进行稍微比分拣不同东西更复杂的操作的话,现在还没有任何模型能够胜任。甚至现在去进行这些复杂动作的数积集和模型框架都不成熟。 现在generative人工智能之所以这么火,是因为在学术界有两个很大的突破,一个是attention is all you need (transformer), 另一个是latent diffusion。那大家可以想一想,在机器人和现实世界的互动中,就现在的理论知识去解决这个问题够吗? 这个突破还没出现。 那投资人实际应该去投资的是什么呢?答案是5年前类似openai的公司,openai在过去五年期间我一直关注,大家可能忘了,他们做了很多理论的突破,都没有寻求变现,而是去验证模型本身的可行性。我第一次关注到他们是在游戏里面,他们用强化学习模型打赢了星际争霸的韩国冠军。这个没有进行任何变现的技术突破,在后来的GPT 3.5模型的收敛和人工矫正aligment效果上面是有趣大贡献的,就是大家现在所谓的RLHF。第二次关注到他们是基因序列模型,Alpha fold,这个在医疗领域,当时是轰轰烈烈的大突破,但他们也没有将它进行直接变现。第三次关注到他们是GPT3语言大模型的发布,但这个模型出来后,他们也没有进行变现。我想说的是,学术领域的突破到实际应用的落地是需要接受很长一段时间的没有任何变现的(没有任何收入的)积累。

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人