搜索

关于“AI for Science”的结果

共 27 篇

深度访谈 | Radical AI揭露AI材料学真相:为什么纯软件模型永远无法“一步到位”?

深度访谈 | Radical AI揭露AI材料学真相:为什么纯软件模型永远无法“一步到位”?(在新窗口打开)

近期Radical AI 的 CEO Joseph Krause接受了一次深度访谈,在访谈中,他揭开了现在资本热炒的 “AI for Science” 的虚假外衣。如果你以为搞材料研发只要像生物制药一样,用大模型在云端“跑个分”就能大力出奇迹,那这期节目会给你狠狠上一课,你会发现,真正的材料学 AI 护城河,离我们简单的想象差了十万八千里。

AI资讯
0
两位95后打造“伴身智能”硬件,获商汤国香、奇绩创坛千万元级投资

两位95后打造“伴身智能”硬件,获商汤国香、奇绩创坛千万元级投资(在新窗口打开)

一枚戒指里的“Token经济学”。 2024年11月,深圳,凌晨三点。腾讯滨海大厦楼下的空气里弥漫着南方特有的潮湿,一场对话已经持续数个小时。 这场谈话的主角是两位95后,Jasper和黄鑫晨(Xander)。当时,他们正站在人生重要的十字路口上——是继续留在各自的职业高光安稳度日,还是放下已有的成绩,踏上一条从未有人走过的路,开始一次创业冒险? Jasper出自全球顶级人工智能研究机构Mila研究院,是图灵奖得主、全球深度学习三巨头之一约书亚・本吉奥(Yoshua Bengio) 实验室成员。近年来,他一直在做AI for Science相关的研究,在和英特尔、IMC、腾讯、Oura的合作经

AI资讯
0
HPC迎来AI大考,鲲鹏如何为开发者“减负”?

HPC迎来AI大考,鲲鹏如何为开发者“减负”?(在新窗口打开)

一场科研生产力的深度革命。 在科研计算领域,传统HPC的优化路径正在逐渐逼近效率与成本的双重边界。 长期以来,HPC的核心方法论,是在明确物理方程与数值模型的前提下,通过规模化并行计算逼近唯一解。这一范式在流体力学、材料计算、分子模拟等领域取得了巨大成功,但其前提是:计算过程高度规则、算子结构稳定、通信模式可预测。 然而,随着AI4S(AI for Science)逐步深入科研主流工作流,这一前提正在被打破。越来越多的科研任务不再仅仅依赖传统数值求解,而是引入深度学习模型、统计推断与数据驱动方法,形成HPC+AI的混合计算形态。 这类负载呈现出算子碎片化、计算图驱动、混合精度以及动态负载不均衡

AI资讯
0