总部位于阿联酋的全球技术集团G42与思科签署了谅解备忘录,旨在深化双方在人工智能和基础设施开发领域的战略合作。该协议标志着阿联酋成为全球负责任AI创新中心这一雄心壮志的重要里程碑。
该谅解备忘录由G42集团首席执行官彭晓和思科董事长兼首席执行官Chuck Robbins正式向阿布扎比王储谢赫·哈立德·本·穆罕默德·本·扎耶德·阿勒纳哈扬殿下递交。此次合作建立在G42快速扩张的AI生态系统和思科在安全数字基础设施方面的全球专业知识基础上,目标是在公共和私营部门提供可扩展的高性能AI解决方案。
该协议的核心是双方共同致力于构建安全、高效且全球可及的AI基础设施。合作将探索联合市场推广举措,将思科的AI原生解决方案和安全产品组合与G42的区域领导地位和基础设施能力相结合。两家公司旨在支持AI技术在阿联酋和国际范围内的推广应用。
"与思科签署的这份谅解备忘录反映了我们在探索如何负责任且安全地跨市场扩展AI基础设施和创新方面的共同利益,"彭晓表示。"随着G42不断扩大其国际足迹,我们欢迎与重视开放合作、可信生态系统和长期影响的组织结盟的机会。我们期待确定我们的综合能力能够支持政府、企业和社区充分利用AI潜力的领域。"
除了市场扩张之外,该谅解备忘录还概述了共同开发AI驱动的网络安全解决方案和为高性能计算环境量身定制的参考架构的计划。该架构将整合思科的网络、安全和基础设施技术,帮助客户构建AI就绪的数据中心并更有效地部署AI工作负载。
"AI正在根本性地改变我们的世界,为了真正释放其潜力,我们需要构建一个强大的全球生态系统。思科很自豪能与G42携手,为我们的客户大规模提供尖端的AI和数字基础设施解决方案。思科致力于支持G42对AI的变革性愿景,"Robbins说道。
该公告发布之际,阿联酋正在迅速巩固其作为全球AI领导者的地位。作为首个任命AI国务部长并建立专门AI大学——穆罕默德·本·扎耶德人工智能大学的国家,阿联酋已展现出对在该领域培养创新和人才的长期承诺。G42-思科合作伙伴关系与阿联酋2031年国家AI战略紧密契合,该战略旨在将国家定位在负责任AI开发和部署的前沿。
G42与包括微软和现在的思科在内的美国技术领导者不断增长的战略联盟网络,反映了其通过合作、基础设施投资和全球推广来塑造AI未来的雄心。该公司对可信生态系统和可扩展解决方案的关注使其成为下一波AI变革的关键参与者。
随着AI继续重新定义从医疗保健和金融到能源和教育的各个行业,G42-思科合作伙伴关系是跨境合作的一个例子,旨在加速创新,同时关注安全性、可持续性和包容性。
Q&A
Q1:G42与思科合作的主要目标是什么?
A:G42与思科合作的主要目标是深化双方在人工智能和基础设施开发领域的战略合作,构建安全、高效且全球可及的AI基础设施,在公共和私营部门提供可扩展的高性能AI解决方案,支持AI技术在阿联酋和国际范围内的推广应用。
Q2:这次合作会开发哪些具体的技术解决方案?
A:合作将共同开发AI驱动的网络安全解决方案和为高性能计算环境量身定制的参考架构。该架构将整合思科的网络、安全和基础设施技术,帮助客户构建AI就绪的数据中心并更有效地部署AI工作负载。
Q3:这次合作对阿联酋AI发展战略有什么意义?
A:这次合作与阿联酋2031年国家AI战略紧密契合,该战略旨在将国家定位在负责任AI开发和部署的前沿。这标志着阿联酋成为全球负责任AI创新中心这一雄心壮志的重要里程碑,进一步巩固了阿联酋作为全球AI领导者的地位。
好文章,需要你的鼓励
Python通过PEP 810提案正式引入惰性导入功能,允许程序延迟加载导入库直到实际需要时才执行,而非在启动时全部加载。该提案由指导委员会成员Pablo Salgado于10月3日提出并于11月3日获批。新功能采用选择性加入方式,保持向后兼容性的同时解决了社区长期面临的启动时间过长问题,标准化了当前分散的自定义解决方案。
蒙特利尔多机构联合研究团队通过AInstein框架首次大规模验证了大语言模型的科学推理能力。研究使用1214篇ICLR论文测试AI提取研究问题和生成解决方案的能力,发现顶级AI模型成功率达74%,能够提出创新性技术方案而非简单模式匹配。研究证实AI具备真正的科学推理能力,但也揭示了其对问题表述敏感、推理稳定性有限等局限性。
Valve最新Steam硬件软件调查显示,Linux用户占比达到3.05%,较上月增长0.37个百分点,相比去年同期增长约50%。游戏网站Boiling Steam分析显示,Windows游戏在Linux平台兼容性达历史最高水平,近90%的Windows游戏能在Linux上启动运行,仅约10%游戏无法启动。
这项研究提出了MADPO方法,解决了AI训练中的"一刀切"问题。传统方法对所有训练案例使用相同强度,导致简单案例过度学习、复杂案例学习不足。MADPO通过两步训练:先评估案例难度,再据此调整学习强度,实现"因材施教"。实验显示该方法在不同质量数据上均有显著提升,最高达33.3%,为AI精细化训练提供了新思路。