大家好，欢迎来到本期AI前沿速报。本期我们将为您介绍推出的 Plus自定义指令功能，以及一系列最新的AI研究成果和行业动态。希望通过这些资讯，让大家了解到AI技术的前沿进展，并引发对AI接下来发展的思考与讨论。请大家关注、点赞、转发这篇内容，让更多的人了解AI的日新月异变化。
1. 【推出 Plus的自定义指令功能】
今天为其 Plus订阅服务（每月20美元）的用户推出了一个潜在影响巨大的功能：自定义指令。这个新设置允许用户在登录 Plus账户时切换开启，让AI聊天机器人记住用户希望它如何回应和行为，即使用户关闭一个聊天窗口并开始另一个，它也能保持这个记忆。这个功能可以节省常用服务的用户大量时间，因为它避免了用户每次打开新的聊天窗口时都要从头开始设置的界面。用户只需一次输入总体提示， Plus将会一直记住，即使在之后的请求和问题中提醒它，并关闭和开始新的聊天对话。
2. 【研究发现新型水下三维触觉张力结构技术】
研究人员开发了一种名为U3DTT的水下三维触觉张力结构技术，利用深度学习算法实现。该技术基于三体电机制，具有高灵敏度和高自由度，能够快速响应。它可以在水下机器人领域应用，提供3D感知反馈，并模仿陆地植物和动物的结构。研究结果表明，U3DTT能够估计地下3D空间中的障碍物姿态，并希望未来的纳米发电器能够解决在受限水域的信息收集和数据分析问题。这一研究为地下机器人技术带来了重大进展。
3. 【全球最大芯片制造商TSMC将推迟在美国亚利桑那州新工厂的4纳米芯片生产】
由于劳动力短缺，全球最大芯片制造商TSMC将推迟在美国亚利桑那州新工厂的4纳米芯片生产至2025年。苹果表示将从TSMC美国工厂采购芯片用于和，和AMD也承诺使用其生产能力。TSMC计划暂时派遣台湾技术人员培训当地工人。芯片制造商的Q2财报显示，由于消费电子需求下降，预计2023年全年收入将下降10%。TSMC预计AI芯片需求旺盛将持续到明年。
4. 【如何利用AI优化营销策略】
通过使用生成式AI技术，任何企业都可以优化其营销策略。首先，训练AI系统找到最佳关键词，然后将关键词按商业、交易和信息类别组织起来。接下来，利用这些关键词创建有针对性的营销内容，如博客主题、标题和网站文案。AI工具会随着提供的数据越多，结果和建议会越来越准确。通过这种方式，企业可以在搜索结果中获得更高的排名。
5. 【斯坦福研究推出-2：长上下文语言模型速度和效率的飞跃】
斯坦福大学的研究人员推出了-2算法，它是一种用于长上下文语言模型的创新算法，能够显著提高速度和效率。-2利用了的 3.x和CuTe核心库，能够在A100 GPU上实现2倍的加速，达到230 /s的速度。此外，-2还引入了一些新功能，如支持256个头维度和多查询注意力等。该算法的性能令人印象深刻，相比前一版本，它能够实现2倍的加速，并且比中的标准注意力实现速度提高了9倍。未来，-2有望在分析长篇书籍、报告、高分辨率图像、音频和视频等方面发挥重要作用。
6. 【META发布开源大型语言模型Llama 2】
Meta最近宣布发布了其免费开源的大型语言模型Llama 2，这是其第二个版本。Meta的这一战略举措引起了科技行业的关注。与竞争对手微软/开放AI和谷歌相比，Meta的开源决策代表了一次具有重大战略意义的举动。通过开源Llama 2，Meta在战略上获得了先发优势，吸引了用户和开发者，利用开源社区的协作力量。此举还使Meta能够获得宝贵的反馈和测试，以改进和增强模型的能力。Meta的开源LLM倡议展示了该公司在创新、合作和长期成功方面的承诺。
7. 【AI工具助你未来自我提升】
在此领域具有一系列AI工具，包括12ft、、、.ai、Tugan.ai、Pico、 AI、Claid.ai、、、 、 AI、AI Photo 、Baked、Opus Clip、Ellie、Rask AI和 AI。这些工具利用人工智能技术，帮助用户在各个领域提高效率和创造力，包括阅读文章、编辑照片、管理日程、创建应用、发送邮件、设计网站、整理照片、生成艺术作品、编辑视频、撰写邮件等。这些工具的使用可以帮助用户节省时间和精力，提高工作效率。
8. 【59%的企业缺乏资源满足生成式AI的期望：研究】
一项由开源AI解决方案公司与AI基础设施联盟（AIIA）合作进行的最新研究揭示了财富1000强企业在采用生成式AI方面的情况。研究发现，59%的高层管理人员缺乏满足业务领导层对生成式AI创新的期望所需的资源。预算限制和资源有限成为企业成功采用AI的关键障碍，阻碍了创造有形价值。此外，66%的受访者无法完全衡量他们的AI/ML项目对企业利润的影响和投资回报率。这表明在资金不足、人手不足和管理不足的情况下，大型企业的AI、ML和工程团队无法有效地量化结果。
9. 【研究团队开发了，一种统一的精调框架，使LLMs能够使用外部功能命令理解和操作表格】
研究人员开发了一种名为的框架，通过将表格、口头指令和普通语言结合起来，使LLMs能够更好地理解和操作表格数据。采用全局表格表示、指令链和领域感知微调等关键技术，提供了更好的用户友好性和数据解释性。该框架具有语言驱动的探索性数据分析、统一的跨模态框架和泛化性与隐私保护等优势。这一研究成果有望使表格数据处理、分析和可视化更加高效。
10. 【边缘计算助力人工智能、增强现实/虚拟现实和网络安全等领域】
近年来，许多数据中心已从集中式模式转向边缘计算。这种方法将计算靠近使用点，减少延迟，提高性能。企业、云服务提供商和电信公司正在大量投资数字边缘数据中心，以优化流媒体视频、远程医疗和工厂自动化等应用。此外，边缘数据中心还促进了增强现实/虚拟现实（AR/VR）和自动驾驶等先进技术的实施。边缘计算在数据中心的部署为组织提供了竞争优势，使其能够及时应对市场变化并以更快的速度和规模分析数据来源。边缘计算还有助于降低网络成本，并提供必要的计算能力和速度，以及可扩展性。5G技术的应用进一步增强了边缘网络和数据中心的能力，降低了延迟，增加了带宽，支持软件定义网络。边缘计算和5G的结合为虚拟现实、增强现实和自动化等实时应用提供了更好的用户体验。边缘计算还有助于保护数据隐私和安全，并满足数据留存和主权要求。边缘计算为数据中心提供了更好的安全性和资源利用率，并通过自动化和安全措施加强了整个供应链的安全性。未来，边缘计算将继续为组织带来明显的优势，提供实时应用所需的计算能力，并满足法规要求。
11. 【为AI时代的数据中心重新构想】
有篇文章讨论了如何在数据中心中满足生成式AI技术的需求。构建大型语言模型需要大量的计算资源和昂贵的GPU，而且还需要专业的训练技术和工具。对于那些不是专门从事AI的公司来说，投资数据中心基础设施是一笔巨大的开销。因此，对于大多数企业来说，最好的方法是在现有的开源语言模型上进行微调，以适应特定的用例。如果企业确实需要从头开始构建模型，可以先从小规模开始，并使用托管的云基础设施和机器学习服务。在做出投资决策之前，企业需要与其他领导者和专家合作，制定清晰的战略，并评估当前和未来对这些工作负载的需求。
12. 【数据中心网络安全的10个重点】
攻击者通过窃取特权访问凭证和身份信息，成功进入数据中心并窃取大量客户数据。为了应对这种复杂的攻击，零信任是数据中心需要采取的虚拟防护措施。CIO和CISO需要合作制定统一的网络安全策略，以保护数据中心。其中，优先保护身份安全、进行访问权限审计、更新遗留的身份和访问管理系统、采用微分割技术等是关键步骤。此外，实时资产管理、实时遥测数据、数字证书管理、自愈式终端等也是重要的安全措施。通过采取这些措施，可以构建一个坚固的虚拟防护屏障，减少数据泄露的风险。
13. 【发布 Chat公测，将AI聊天助手集成到IDE】
宣布限量公测 Chat，将AI聊天助手直接集成到 和VS Code等IDE中。开发者可以通过简单的提示轻松完成复杂任务，无论经验水平如何，都能在几分钟内构建完整应用程序或调试大量代码。表示， Chat不同于一般的AI聊天助手，它能理解开发者编写的代码并解释错误信息，提供与开发者环境相关的指导。称这将提高开发团队的生产力和满意度，并降低入门门槛，帮助初学者快速提升技能。
14. 【MIT 推出在线活动系列】
MIT 将于8月10日推出在线活动系列，仅限订阅者参与。活动将每月举办30分钟的对话，主题涵盖人工智能、生物技术、气候变化、科技政策等。首个活动将讨论大型语言模型如对经济的影响以及美国重新引领芯片产业的努力。第二个活动将探讨如何监管人工智能。活动将通过订阅者的电子邮件发送注册详情。
15. 【Meta将其LLaMA大型语言模型免费提供给微软Azure平台】
Meta将其LLaMA大型语言模型以开放许可证的形式免费提供给微软Azure平台，这一决定突出了AI互操作性的好处。这也意味着未来可能会有更多的合作伙伴关系而不仅仅是竞争。LLaMA的开放使得更多的LLM框架可供选择，并引发了如何使各个模型相互配合的问题。这对于AI互操作性的倡导者来说是个好消息。虽然目前还没有实现LLaMA与的GPT模型之间的互通，但这是朝着开源和互操作性的正确方向迈出的一步。
16. 【苹果内部开发生成式AI产品“Apple GPT”】
据报道，苹果正在内部开发类的产品，将与微软、、谷歌、Meta等科技巨头在生成式AI赛道展开竞争。苹果内部构建了代号为“Ajax”的大语言模型开发框架，并构建了一款生成式AI聊天机器人“Apple GPT”。目前尚不确定如何商业化。此消息使苹果市值飙升至3.1万亿美元，股价上涨2.09%。苹果计划在明年发布与AI相关的重大声明。
感谢您的关注，AI前沿观察将继续为您带来前沿、全面的人工智能资讯。请大家积极参与互动，点赞、评论、转发，让更多人了解AI的前沿技术和应用。明天的速报，我们不见不散！
相关文章
