除了让冰箱知道什么时候牛奶喝完了,物联网(IoT)还有更深层次的东西。在这个系列文章中,我们将分析三个IoT网络,以及用它们可以实现的企业服务。
在上世纪80年代,卡内基梅隆大学有一组计算机科学学生将他们公寓的一台可乐售卖机连接上互联网。这台机器可以报告库存量,以及新放置的饮料是否已经冰冻。
这就是所谓物联网(IoT)的开端,传奇仍在继续。
许多围绕IoT技术的公众宣传都集中在消费类应用上,例如大家所熟知的当牛奶喝完后就会自动下订单购买的电冰箱。这些IoT技术主要是一些具有收发数据连网功能的物件。但是,IoT网络也逐渐成为各种组织的强力支持,其中包括市政、校区和商业环境等。在11月,Gartner预测到2015年会有49亿连网“物体”,其数量比2014年增长30%。Gartner指出,这个数字很可能到2020年达到250亿。
然而,随着企业寻找到更多的IoT应用,他们需要考虑大师设备涌入对环境的影响,如它们所产生流量对有线和无线网络的影响。支持IoT网络的基础架构也需要负责处理密度、管理和安全性等需求的变化。
我们将探寻现在正在运行IoT网络的三个组织——拉斯维加斯Sands集团、圣何塞与田纳西啤酒零售商Del Papa,探讨他们部署的网络,了解背后支撑这些网络的技术。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。