目前,许多领导者对其组织的生成式人工智能专业知识充满信心。44%的受访者认为其组织目前在生成式人工智能方面拥有很高(35%)或非常高(9%)的专业知识水平。
相对于其他受访者,那些将其组织的整体生成式人工智能专业知识评为“非常高”的领导者往往对这项技术感到更加积极;他们也感受到更大的压力,并将其视为对其业务和运营模式的更大威胁。
当前的生成式人工智能努力仍然更多地关注效率、生产力和降低成本,而不是创新和增长。大多数接受调查的组织目前的目标是战术效益,如提高效率/生产力(56%)和/或降低成本(35%)。此外,91%的受访者表示,他们希望生成式人工智能能够提高组织的生产力,27%的人希望生产力能大幅提高。
大多数组织主要依赖现成的人工智能解决方案。与他们目前强调生成式人工智能的战术效益相一致,绝大多数受访者目前依赖于现成的解决方案。
人才、治理和风险是缺乏生产性人工智能准备的关键领域。在最初的季度调查中,41%的领导者表示,他们的组织只是稍微或根本没有准备好解决与生成式人工智能采用相关的人才问题;22%的人认为他们的组织准备得非常充分。
领导者正在寻求更多的全球监管和合作。在打破传统商业规范的情况下,与生成式人工智能相关的独特风险促使许多商业领袖呼吁加强政府监管,并加强围绕人工智能技术的全球合作。
以下是《2024年美国生成式人工智能报告》部分内容:





好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。