生成式AI的案例
識別生成式AI解決方案的商業(yè)價值
識別生成式AI解決方案的商業(yè)價值 課程時長：1小時 課程大?。?40.0MB 發(fā)布年份：2026 課程內(nèi)容：許多機構(gòu)在引入生成式AI時，缺乏評估其價值與展示實際回報的清晰框架。本課程將幫助你掌握評估生成式AI應(yīng)用場景的能力，使其與實際業(yè)務(wù)成果相匹配。你將學(xué)習(xí)生成式AI基礎(chǔ)理念、成
生成式 AI 重塑自動駕駛仿真：4D 場景生成技術(shù)的突破與實踐
尤其在數(shù)據(jù)閉環(huán)迭代、長尾場景驗證及安全冗余驗證等關(guān)鍵環(huán)節(jié)中，高保真、高復(fù)雜度的場景生成能力正在成為測試體系的核心支撐。
傳統(tǒng)場景生成方式面臨效率低、人工成本高、行為多樣性不足等問題，難以滿足當(dāng)前智能駕駛系統(tǒng)對大規(guī)模、多模態(tài)、真實物理驅(qū)動場景的需求。為應(yīng)對這一挑戰(zhàn)，基于生成式AI的4D場景生成技術(shù)迅速興起，構(gòu)建了從環(huán)境建模、行為重建到視覺渲染的完整鏈條，正在重塑自動駕駛仿真驗證的技術(shù)基礎(chǔ)。
本文將從技術(shù)背景、系統(tǒng)能力、核心技術(shù)和實際應(yīng)用四個方面，系統(tǒng)梳理AI驅(qū)動的4D場景生成體系及其在自動駕駛仿真中的實踐價值。
一、測試覆蓋率瓶頸與生成式AI切入點
自動駕駛測試需要應(yīng)對極其復(fù)雜的交通場景，包括非結(jié)構(gòu)化路口、弱交通規(guī)則區(qū)域、極端天氣、低照度場景，以及多主體交互引發(fā)的不確定性行為等。當(dāng)前基于真實數(shù)據(jù)采集或手工建模的方式存在如下限制：
（1）采集成本高：依賴實車、實景、多模態(tài)同步設(shè)備，周期長、數(shù)據(jù)稀疏；
（2）稀有場景不足：事故場景、異常行為等真實比例極低，難以高質(zhì)量復(fù)現(xiàn)；
（3）組合爆炸問題：參數(shù)空間（如天氣、時間、交通密度）指數(shù)級增長，難以人工覆蓋；
（4）場景可控性弱：缺乏可調(diào)控的語義接口，測試粒度不足。
生成式AI具備從數(shù)據(jù)中學(xué)習(xí)潛在分布、生成新組合樣本的能力。其引入使得場景構(gòu)建從“手工定義”轉(zhuǎn)向“自動生成”，具備如下優(yōu)勢：
（1）能構(gòu)造真實但未見過的長尾組合；
（2）能對目標測試策略進行定向增強（如遮擋率、交通密度等指標）；
（3）可支持大規(guī)模仿真測試平臺的持續(xù)供場；
（4）支持動態(tài)交互與時間演進建模，構(gòu)建完整4D語義閉環(huán)。
二、4D場景生成的核心能力
所謂4D場景生成，核心在于“空間 + 時間”的聯(lián)合建模能力，既要對物理環(huán)境建模，也要對場景中各類參與者的行為軌跡進行動態(tài)建模與演化。
展開 借助生成式AI進行更智能的API審查
GPT，即“生成式預(yù)訓(xùn)練模型”（Generative Pretrained Transformer），是一個能“理解”數(shù)據(jù)之間關(guān)系的復(fù)雜數(shù)學(xué)模型。在使用您可能熟悉的ChatGPT這類工具時，該模型通過語言數(shù)據(jù)進行了訓(xùn)練，創(chuàng)建了一個模型來描述語言中的詞匯如何相互關(guān)聯(lián)。通過研究書籍、文檔、博文、錄音轉(zhuǎn)寫等中的數(shù)十億個詞匯，該模型能夠理解一個詞匯如何根據(jù)不同的上下文與另一個詞匯相關(guān)聯(lián)。通過這種方式，它也能理解新的輸入并逐詞生成輸出，形成類似我們聊天時的回應(yīng)。當(dāng)它為輸出生成一個新詞時，它會回顧上下文并生成句子中接下來最可能出現(xiàn)的詞。
如今，市面上有很多LLM（Large Language Model，大型語言模型），而OpenAI的GPT-4模型就是其中之一。到目前為止，GPT已經(jīng)經(jīng)歷了四次重大迭代，每一次都在功能、記憶力和理解力方面超越了之前的模型。
盡管GPT通常來說是用于理解人類語言，但它實際上只是一個模型，也可以被訓(xùn)練用來理解如代碼等其他類型數(shù)據(jù)間的關(guān)系。這意味著我們可以與它討論某段代碼，并要求它進行分析，或是通過往復(fù)對話來幫助我們自己更好地理解代碼。
API審查的現(xiàn)狀
自去年12月中旬以來，我們一直在運行一個概念驗證機器人，監(jiān)控提交到codereview.qt-project.org的更改，并通過GPT-4進行diff（代碼差異）分析。由于生成式AI不會自行作出反應(yīng)，它必須根據(jù)提示語來生成輸出。提示語可以包含指令、請求、上下文信息等。以下是我們用于API審查的提示語，以及提供的一段原始代碼更改差異：
（摘要）“任務(wù)：對公共頭文件中的更改進行分類，判定它們是否對API的行為和使用具有重大影響。
展開 高級RAG：構(gòu)建與部署生產(chǎn)級生成式AI應(yīng)用 發(fā)布于2026年，視頻格式MP4，視頻編碼h264，分辨率1920×1080，音頻編碼AAC，采樣率44.1kHz，雙聲道。課程共114講，時長11小時
高級RAG：構(gòu)建與部署生產(chǎn)級生成式AI應(yīng)用 發(fā)布于2026年，視頻格式MP4，視頻編碼h264，分辨率1920×1080，音頻編碼AAC，采樣率44.1kHz，雙聲道。課程共114講，時長11小時，文件大小10.1GB。 你將學(xué)到：使用BM25混合搜索、RRF融合與Qdr
新思科技攜手AMD榮登世界經(jīng)濟論壇MINDS榜單，生成式與自主式AI推動芯片設(shè)計進入全新階段
MINDS 獎項與項目隸屬于世界經(jīng)濟論壇的 AI Global Alliance（全球人工智能聯(lián)盟）計劃，旨在甄選能夠在高復(fù)雜度、高風(fēng)險挑戰(zhàn)中引領(lǐng)人工智能應(yīng)用落地的組織。新思科技與 AMD 是基于雙方在半導(dǎo)體芯片設(shè)計領(lǐng)域?qū)娀瘜W(xué)習(xí)、生成式 AI 以及代理式（Agentic）AI 應(yīng)用于工程流程方面的突出貢獻而受到表彰——這是一個對創(chuàng)新速度與精度要求極高的技術(shù)領(lǐng)域。
在芯片設(shè)計中引入人工智能，已不再是可選項。架構(gòu)復(fù)雜性快速攀升、性能目標日益激進以及人才缺口持續(xù)擴大，使傳統(tǒng)的工程工作流面臨極限壓力。
AI 驅(qū)動的設(shè)計流程緩解了這些壓力——它們并非取代工程師，而是提升專家知識的效能與決策質(zhì)量。代理式（Agentic）與基于學(xué)習(xí)的系統(tǒng)能夠幫助開發(fā)者更快速地探索龐大的設(shè)計空間，更有效地權(quán)衡取舍，并在問題成本最低時提前發(fā)現(xiàn)潛在隱患，從而實現(xiàn)更短的開發(fā)周期、更高質(zhì)量的芯片以及更具韌性的創(chuàng)新鏈路。隨著上市時間壓力加劇以及高端芯片需求持續(xù)增長，這類流程正成為半導(dǎo)體行業(yè)未來發(fā)展的關(guān)鍵路徑。
新思科技與 AMD 被選為 MINDS 獎項得主，凸顯了在前所未有的行業(yè)壓力下，AI 創(chuàng)新在半導(dǎo)體行業(yè)中的戰(zhàn)略重要性。通過對這兩家公司的認可和表彰，世界經(jīng)濟論壇強調(diào)：基于代理式（Agentic）和強化學(xué)習(xí)驅(qū)動的 AI 正從實驗階段邁向可規(guī)?；?、可投入生產(chǎn)的工作流程。它們在增強人類開發(fā)者專業(yè)能力的同時，為工程團隊及更廣泛的科技生態(tài)體系帶來實質(zhì)性價值。
作為全球最具創(chuàng)新力企業(yè)的重要研發(fā)合作伙伴，新思科技始終致力于推動行業(yè)前行。此次入選世界經(jīng)濟論壇 MINDS 項目，并因 AI 在芯片設(shè)計這一極其復(fù)雜的工程領(lǐng)域中的突破性應(yīng)用而獲得認可，我們深感榮幸。
展開 數(shù)據(jù)分析與AI丨在企業(yè)環(huán)境中利用知識圖譜賦能生成式 AI
<p><br></p><p>如今，各行各業(yè)對生成式人工智能（GenAI）的參與度遠超以往。GenAI 發(fā)展迅猛，不斷帶來新的機遇與價值。然而，對企業(yè)而言，實施 GenAI 常面臨諸多挑戰(zhàn)，或覺其難以駕馭，或擔(dān)憂風(fēng)險過高。</p><p><br></p><p>盡管存在一定局限，但<strong>技術(shù)的進步以及知識圖譜等工具的出現(xiàn)，正不斷強化 GenAI 的數(shù)據(jù)分析能力。</strong>在用戶 AI 環(huán)境中引入知識圖譜，能夠讓模型輸出更<strong>精準、一致，且具備可追溯性</strong>，同時保障<strong>數(shù)據(jù)安全與隱私。</strong></p><p><br></p><p>Gartner 分析師指出，<strong>知識圖譜是企業(yè)構(gòu)建更先進 GenAI 解決方案的關(guān)鍵基礎(chǔ)設(shè)施。</strong>知識圖譜包含語義層，即ontology（本體論），它能賦予企業(yè)特有數(shù)據(jù)在專業(yè)領(lǐng)域的清晰、全面業(yè)務(wù)含義。這一本體可作為基礎(chǔ)上下文，為分析處理及數(shù)據(jù)建立終端用戶問題與數(shù)據(jù)之間的映射關(guān)系。此外，大語言模型（LLM）與知識圖譜技術(shù)相結(jié)合，可以<strong>使用概念模型作為上下文提供可信、經(jīng)過驗證的輸出</strong>。</p><p><br></p><p><img src="https://mmecoa.qpic.cn/mmecoa_jpg/x0yLiaf5fF6x0FHMa9san31EB22wZygdIAz4nymZQNnoRbf4g0oYcSm58SjeDIwORhYchMCaIMDwUFPnVQWrPsg/640?
展開 使用大型語言模型（LLMs）、檢索增強生成（RAG） ￥5
與僅涉及高層理論的課程不同，本課程專注于現(xiàn)代AI系統(tǒng)在生產(chǎn)環(huán)境中實際的構(gòu)建、部署、優(yōu)化和治理方式。你將超越簡單的提示詞實驗，學(xué)習(xí)如何利用大型語言模型、嵌入技術(shù)、檢索、智能體、工具和全棧應(yīng)用架構(gòu)，設(shè)計可靠、可擴展且適合企業(yè)使用的AI系統(tǒng)。課程的每個部分都包含循序漸進的實踐實驗，確保你不僅理解概念，還能通過真實代碼實現(xiàn)這些概念。
- 課程模塊：
- 模塊1——生成式AI入門：通過理解生成式AI與判別式模型的區(qū)別、生成式系統(tǒng)的重要性以及它們在企業(yè)軟件、醫(yī)療保健、金融和航空等真實行業(yè)中的應(yīng)用，建立堅實的概念基礎(chǔ)。實踐實驗：比較判別式模型與生成式模型，使用基于Transformer的模型生成文本，并繪制真實世界中生成式AI的應(yīng)用場景。
- 模塊2——Transformer架構(gòu)與大型語言模型基礎(chǔ)：揭開Transformer的工作原理，包括自注意力機制、位置編碼以及編碼器與解碼器架構(gòu)。你還將探索令牌化、嵌入技術(shù)、上下文窗口，以及大型語言模型如何通過預(yù)訓(xùn)練、微調(diào)、指令調(diào)優(yōu)和基于人類反饋的強化學(xué)習(xí)（RLHF）進行訓(xùn)練。實踐實驗：實現(xiàn)自注意力概念，可視化令牌化和嵌入過程，并在高層模擬大型語言模型的訓(xùn)練流程。
- 模塊3——大型語言模型實踐：親手實踐熱門的大型語言模型系列，包括GPT、Claude、Gemini、LLaMA、Mistral和Falcon，并學(xué)習(xí)如何根據(jù)質(zhì)量、成本、延遲和應(yīng)用場景要求選擇合適的模型。實踐實驗：構(gòu)建多模型評估工具，測試幻覺現(xiàn)象和偏見，并使用溫度參數(shù)、核采樣（top-p）和最大令牌數(shù)等參數(shù)集成大型語言模型API。
- 模塊4——工程師的提示詞工程：將提示詞工程作為軟件工程學(xué)科進行教學(xué)，涵蓋系統(tǒng)、用戶和助手角色，零樣本、單樣本和少樣本提示技術(shù)，以及思維鏈、自一致性和基于約束的提示等高級技術(shù)。
展開 康謀分享 | aiSim5基于生成式AI擴大仿真測試范圍（終）
2、添加動態(tài)對象
在NeRF和3DGS生成靜態(tài)場景后，aiSim5將基于外部渲染API進一步增加動態(tài)元素，不僅可以重建原始場景，也可以根據(jù)測試需求構(gòu)建不同的交通狀態(tài)。
編輯
aiSim5中基于NeRF/3DGS場景細節(jié)。
圖13：網(wǎng)格投射陰影
編輯
圖14：車下環(huán)境遮蔽
3、效果展示
在aiSim5中完成動態(tài)對象的添加后，可以自由的在地圖場景中更改交通狀態(tài)，用于感知/規(guī)控等系統(tǒng)的SiL/HiL測試。
圖15：aiSim5運行NeRF城市場景1
圖16：aiSim5運行NeRF城市場景2
作者介紹
崔工
康謀科技仿真測試業(yè)務(wù)技術(shù)主管，擁有超過5年的汽車仿真測試及自動駕駛技術(shù)研發(fā)經(jīng)驗，熟練掌握仿真測試工具和平臺，如aiSim、HEEX等，能有效評估和優(yōu)化自動駕駛系統(tǒng)的性能和安全性。擁有出色的跨文化溝通能力，成功帶領(lǐng)團隊完成多項海外技術(shù)合作項目，加速了公司在自動駕駛技術(shù)上的國際化進程。作為技術(shù)團隊的核心，領(lǐng)導(dǎo)并實施過大規(guī)模的自動駕駛仿真測試項目，對于車輛行為建模、環(huán)境模擬以及故障診斷具有獨到見解。擅長運用大數(shù)據(jù)分析和人工智能技術(shù)，優(yōu)化仿真測試流程，提高測試效率和結(jié)果的準確性。
展開 工程碩士：碩士人工智能和大型語言模型（LLMS） ￥6
第59講 第5天 - 使用Hugging Face和OpenAI生成AI驅(qū)動的會議記錄
第 60 講 第 5 天 – 構(gòu)建綜合測試數(shù)據(jù)生成器：面向企業(yè)的開源 AI 模型
渴望進入生成式 AI 和 LLM 領(lǐng)域的有抱負的 AI 工程師和數(shù)據(jù)科學(xué)家，希望在快速發(fā)展的 AI 環(huán)境中提升技能并保持競爭力的專業(yè)人士，對構(gòu)建具有實際實踐經(jīng)驗的高級 AI 應(yīng)用程序的開發(fā)人員感興趣。
數(shù)據(jù)分析與AI丨如何選擇合適的知識圖譜軟件，CTO/CIO 必問10個關(guān)鍵點
生成的知識圖譜易用性如何？
若昂貴的知識圖譜系統(tǒng)僅能被資深數(shù)據(jù)科學(xué)家使用，其普及率將大打折扣。需確保高管、產(chǎn)品經(jīng)理、研發(fā)負責(zé)人等非技術(shù)人員能理解系統(tǒng)邏輯、自主查詢并獲取有效答案，無需依賴IT支持。
可要求供應(yīng)商：演示知識圖譜的構(gòu)建與訪問流程：操作是否直觀？技術(shù)團隊能否快速掌握管理方法？能否像管理現(xiàn)有云數(shù)據(jù)平臺中的表、數(shù)據(jù)集、數(shù)據(jù)產(chǎn)品一樣輕松維護知識圖譜？業(yè)務(wù)用戶能否通過熟悉的工具訪問系統(tǒng)？
5. 系統(tǒng)如何應(yīng)對安全、隱私與合規(guī)性要求？
知識圖譜整合多源數(shù)據(jù)的特性可能引發(fā)安全風(fēng)險。在各行業(yè)應(yīng)用中，敏感數(shù)據(jù)必須具備嚴格的訪問控制、審計跟蹤，并符合GDPR、HIPAA等法規(guī)要求。
需要向供應(yīng)商確認其解決措施：如何延續(xù)現(xiàn)有安全協(xié)議？如何支撐內(nèi)部治理與合規(guī)要求？是否提供業(yè)務(wù)所需的數(shù)據(jù)安全與合規(guī)工具？
6. 平臺如何應(yīng)用本體論？
本體論是領(lǐng)域知識的語義基礎(chǔ)，可促進數(shù)據(jù)互操作性，通過業(yè)務(wù)術(shù)語描述數(shù)據(jù)，支撐透明度、信任度與可操作洞察的生成。
需要要求供應(yīng)商說明：系統(tǒng)如何利用本體論抽象與描述整合數(shù)據(jù)，以支持生成式AI的訪問需求；是否兼容相關(guān)行業(yè)標準，能否通過自定義擴展?jié)M足業(yè)務(wù)當(dāng)前及未來的需求。
7. 知識圖譜是否支持自然語言查詢與響應(yīng)？響應(yīng)準確度如何？
高管需要的是直接答案而非復(fù)雜儀表盤。能否將復(fù)雜業(yè)務(wù)問題（如“本國銷售的進口產(chǎn)品毛利率是多少？過去三年有何變化？”）轉(zhuǎn)化為完整、準確、易懂的結(jié)果，至關(guān)重要。
檢索增強生成（RAG）技術(shù)可以將生成式AI的參考范圍限定在真實驗證信息內(nèi)，而圖RAG（GRAG）通過利用知識圖譜的上下文信息進一步減少“幻覺”，為提示添加上下文，提升響應(yīng)準確性，且在結(jié)構(gòu)化數(shù)據(jù)源與非結(jié)構(gòu)化文檔的關(guān)聯(lián)構(gòu)建上更高效。
展開 CATIA 2026X新能力揭秘（白皮書下載）
id=419&Curopenid=&openid=o-Q3fwY9dmfbicpbApO6DcS2Rw5k
白皮書概述
錨定核心價值，驅(qū)動CATIA 2026X創(chuàng)新發(fā)展
生成式AI，憑借專業(yè)工程虛擬助手（Virtual Companions），全面提速開發(fā)進程，推動CATIA產(chǎn)品組合實現(xiàn)變革。團隊可通過整合生成式工程和虛擬孿生實現(xiàn)持續(xù)發(fā)展，同步完成產(chǎn)品性能與可持續(xù)性的雙重優(yōu)化。本次版本發(fā)布側(cè)重于三個核心價值維度。
增強的工程能力
幫助工程師即時獲取企業(yè)知識。CATIA使用自然語言，可預(yù)測設(shè)計意圖并自動執(zhí)行任務(wù)，確保您能夠信心十足地啟動每項設(shè)計工作，無需從零開始。
廣泛的探索空間
生成式AI打通生成式工程與虛擬孿生技術(shù)的應(yīng)用脈絡(luò)，為創(chuàng)新發(fā)展注入強勁動力。這不僅可加速設(shè)計探索，同時還能在一體化高效流程中優(yōu)化性能、合規(guī)性與可持續(xù)性。
設(shè)計即合理
從設(shè)計源頭確保產(chǎn)品的安全性、可靠性以及可制造性。CATIA將質(zhì)量與合規(guī)性檢查直接嵌入在設(shè)計流程中，助力將零妥協(xié)的創(chuàng)新成果推向市場。
展開 
新思科技推出Ansys 2026 R1版本，通過聯(lián)合解決方案和AI驅(qū)動型產(chǎn)品重塑工程領(lǐng)域
這種集成通過自動生成 Verilog-A 模型，并確保不同工具之間的光學(xué)行為保持一致，提升了器件設(shè)計人員與系統(tǒng)級光子工程師之間的協(xié)作效率。同時，該工作流程還消除了設(shè)計與仿真環(huán)境之間的手動數(shù)據(jù)轉(zhuǎn)換步驟，為先進光子應(yīng)用節(jié)省了時間并提高了可靠性。
除了Ansys SCADE?基于模型的軟件開發(fā)解決方案外，新思科技還提供了一款可靠的控制軟件測試自動化解決方案——TPT。這些協(xié)同技術(shù)，將共同幫助客戶強化其開發(fā)工作流程、簡化驗證，并加速交付高質(zhì)量、可靠的嵌入式系統(tǒng)。SCADE可提供嚴謹?shù)陌踩P(guān)鍵型軟件開發(fā)環(huán)境，而TPT可實現(xiàn)自動化測試生成、執(zhí)行和分析，使團隊能夠加速迭代、強化早期驗證，并提高復(fù)雜控制軟件的質(zhì)量。這兩種解決方案的結(jié)合，可以減少手動驗證工作量，并提高客戶構(gòu)建跨領(lǐng)域任務(wù)關(guān)鍵型控制系統(tǒng)的自動化程度，包括高級駕駛輔助、電氣化動力總成、飛行控制、發(fā)動機控制和航空電子系統(tǒng)。
恩智浦半導(dǎo)體（NXP Semiconductors）全球安全副總裁Tina Lamers表示：“現(xiàn)代汽車微控制器和處理器集成了更高水平的功能、安全機制和可配置性。只有將器件級安全分析無縫集成到ECU和車輛級安全概念中，才能充分理解其對系統(tǒng)安全的貢獻。因此，功能安全成為了芯片供應(yīng)商、一級供應(yīng)商和原始設(shè)備制造商（OEM）的共同責(zé)任。”
借助AI支持的數(shù)字工程技術(shù)，
推動更早、更智能的設(shè)計迭代
Ansys 2026 R1版本引入生成式AI和該產(chǎn)品組合的首批智能體（agentic）功能，其強化了AI增強型產(chǎn)品組合，可加速驗證、加快設(shè)計探索并實現(xiàn)復(fù)雜工作流程的自動化，從而使工程團隊在開發(fā)周期的每個階段都能獲得更智能、更快速的洞察。
面向幾何結(jié)構(gòu)的Ansys GeomAI平臺引入了一種由生成式AI驅(qū)動的概念設(shè)計探索方法，使工程團隊能夠以更高的創(chuàng)造力和效率快速生成、評估和優(yōu)化幾何結(jié)構(gòu)概念。
展開 音視頻技術(shù)開發(fā)周刊 | 292
谷歌將 AI 芯片團隊并入云計算部門 追趕微軟和亞馬遜
OpenAI推出的ChatGPT獲得一定成功，微軟是OpenAI的重要投資者，它將ChatGPT植入必應(yīng)搜索，威脅到谷歌搜索地位。谷歌將會整合旗下兩個AI研發(fā)實驗室DeepMind和谷歌Brain，以增強公司AI部門實力。
幾行代碼，GPT-3變ChatGPT！吳恩達高徒、華人CEO震撼發(fā)布Lamini引擎
Lamini的開發(fā)團隊表示，你需要的只是幾行代碼，就可以用托管數(shù)據(jù)生成器倆訓(xùn)練自己的LLM，包括權(quán)重和其他所有的內(nèi)容。此外，你也可以使用開源的LLM，用Lamini庫對生成的數(shù)據(jù)進行微調(diào)。以及訪問完整的LLM訓(xùn)練模塊，使用從LoRa等速度優(yōu)化，到虛擬私有云 (VPC) 部署等企業(yè)功能。
「AI教父」萬字采訪實錄：AI航行的方向藏著巨大的冰山
被譽為「深度學(xué)習(xí)教父」的 Geoffrey Hinton 是深度神經(jīng)網(wǎng)絡(luò)技術(shù)的奠基人之一，對人工智能的發(fā)展做出了重要貢獻，曾獲得過計算機領(lǐng)域的最高榮譽「圖靈獎」。在 2023 年 3 月初的一場采訪上，Geoffrey Hinton 曾就 AI 的發(fā)展做了詳細的解讀，完整地闡述了他對大語言模型的看法和憂慮。
Stability AI連扔兩個王炸：首個開源RLHF模型，DeepFloyd IF像素級出圖
一位Youtube主播對Stable Vicuna進行了實測，Stable Vicuna在每一次測試中，都擊敗了前任王者Vicuna。
ICLR 2023 | 負責(zé)任的人工智能，守護機器學(xué)習(xí)的進階思考
負責(zé)任的人工智能方向的三篇研究工作：分別拓展了差分隱私深度學(xué)習(xí)效率的邊界、時序圖的可解釋性研究以及預(yù)訓(xùn)練語言模型在文本生成中的安全性。
展開 CATIA助力AI提升汽車造型設(shè)計【8月22日直播】
點擊圖片報名觀看??
生成式AI輔助汽車造型設(shè)計
隨著科技的不斷進步，人工智能（AI）逐漸滲透到我們生活的各個領(lǐng)域，尤其是在汽車設(shè)計行業(yè)。生成式AI的出現(xiàn)為設(shè)計師們提供了全新的工具和思維方式。在ChatGPT發(fā)布之前，特斯拉、寶馬、奧迪和福特等汽車制造商已經(jīng)開始利用AI進行汽車造型設(shè)計、性能優(yōu)化和用戶體驗分析。AI能夠通過分析大量的設(shè)計數(shù)據(jù)和市場趨勢，生成獨特的汽車造型。這種創(chuàng)意的多樣性為設(shè)計師提供了新的靈感來源，幫助他們突破傳統(tǒng)設(shè)計的限制。通過AI生成效果圖，設(shè)計師可以減少傳統(tǒng)手繪或3D建模所需的時間和成本，從而使設(shè)計過程更加經(jīng)濟高效。
在汽車設(shè)計的初期創(chuàng)意階段，為滿足市場對汽車造型推陳出新的多樣性要求，設(shè)計師需要繪制大量的草圖和效果圖，以探索不同的造型和風(fēng)格。這一階段的工作量相對較大，因為設(shè)計師需要嘗試多種設(shè)計方向。
隨著人工智能繪畫技術(shù)的不斷成熟，越來越多的設(shè)計師開始使用AI來輔助他們的創(chuàng)意設(shè)計。這種技術(shù)大大減輕了設(shè)計師的手繪工作量。
目前，許多汽車設(shè)計中心已經(jīng)開始探索使用AI進行創(chuàng)意設(shè)計。為了避免知識產(chǎn)權(quán)糾紛，他們根據(jù)已有車型素材訓(xùn)練了符合品牌DNA的AI大模型，并通過文本生成圖像的方式生成效果圖。然而，他們發(fā)現(xiàn)這種方式生成的效果圖比較隨機，且造型不可控。因此，他們在文本生成圖像的基礎(chǔ)上引入草圖控制，即設(shè)計師首先繪制二維草圖，然后用草圖來指導(dǎo)AI生成效果圖，這樣AI就不會隨機生成不符合要求的造型方案。
然而，設(shè)計師繪制的這些二維草圖往往為表達效果而夸張變形，且空間透視不準確。此外，這些草圖是在二維平面下繪制的，無法參考三維工程模型，因此AI參考的二維草圖生成的效果圖也常常失真。
達索系統(tǒng)CATIA助力AI的價值
三維草繪
達索系統(tǒng)基于3DEXPERIENCE平臺的CATIA三維草繪技術(shù)有效解決了上述問題。
展開 AI芯課程 | 探索Code Advisor 如何提升10x設(shè)計驗證效率
隨著AI技術(shù)的不斷演進，芯片EDA 領(lǐng)域也在加速擁抱 AI 技術(shù)，用AI來設(shè)計芯片也在逐漸成真。4月3日，新思科技芯課程AI系列主題第五講即將推出：「探索Code Advisor 如何提升10x設(shè)計驗證效率」，將為大家介紹新思科技代碼生成工具Code Advisor，該工具基于LLM 模型和agent 模式助力RTL生成到RTL驗證整個流程，提高工程師生產(chǎn)力數(shù)十倍！歡迎報名參會，探索Code Advisor 如何助力提升設(shè)計驗證效率！
時間：4月 3日（星期五），14:00–15:00
地點：線上直播
講師簡介：
史迎輝 | 新思科技應(yīng)用工程師
負責(zé)數(shù)字電路驗證系列產(chǎn)品的支持，在DDR VIP，低功耗動態(tài)驗證，生成式AI代碼生成等方向具有豐富經(jīng)驗。
掃碼立即報名參會?
展開 