SAS，作为专门从事数据和人工智能解决方案的公司，推出了被称为“改变游戏规则的方法”，帮助组织直面业务挑战。{ width=50% }

---

引入轻量级、行业特定的AI模型的个人许可，SAS希望向组织提供可立即部署的AI技术，以实现真实世界用例的高效实现。

IDC的未来智能研究总监Chandana Gopal表示：“SAS正在不断发展其产品组合，以满足更广泛用户需求，并通过创新的新产品拓展市场份额。
“SAS一个有潜力的领域是将基于SAS核心资产、人才和从与客户一起解决行业问题的丰富经验中提炼的模型产品化。”

目前的市场主要关注大型语言模型（LLMs）用于生成性人工智能。事实上，LLMs只是实际生产部署的AI和业务决策中模型需求的一小部分。通过这一新产品推出，SAS正在超越LLMs，为覆盖欺诈检测、供应链优化、实体管理、文件转换和医疗保健支付完整性等各行业用例的行业验证确定性AI模型。

与传统的人工智能实施不同，可能繁琐且耗时，SAS的行业特定模型经过了快速集成的工程化，使组织能够运用可信赖的AI技术并加速实现切实的利益和可信赖的结果。

扩展市场足迹
组织正面临竞争的压力，并寻求利用AI获得优势。同时，由于AI技能短缺，组建数据科学团队从未如此具有挑战性。因此，企业要求在使用AI解决问题时具有灵活性，并需要灵活的AI解决方案快速推动业务结果。SAS易于使用但功能强大针对企业调整的模型使组织从SAS在各行业长达半个世纪的领导地位中受益。

将行业模型作为打包的产品提供是SAS致力于AI支持行业解决方案10亿美元投资的结果。正如2023年5月的宣布中所概述的，对AI的投资建立在SAS数十年来专注于提供打包解决方案以应对银行、政府、医疗保健等行业挑战的基础上。

SAS的AI和分析副总裁Udo Sglavo表示：“模型完美地补充了我们现有的解决方案和SAS Viya平台产品，并面向各种受众的不同业务需求，确保创新触达我们生态系统的每个角落。
“通过量身定制我们的方法以了解具体行业需求，我们的框架让企业能够在其独特环境中蓬勃发展。”

让AI惠及大众
SAS正在通过提供即插即用、轻量级的AI模型来实现AI民主化，无论技能水平如何都能获得AI技术，首先推出的是用于仓库空间优化的AI助手。利用大型语言模型等技术，这些助手面向非技术用户，将互动转化为优化的工作流程，并帮助更快地做出规划决策。

Sgvalo表示：“SAS模型为组织提供了灵活、及时和易获得的AI，与行业挑战相一致。
“无论您是刚开始AI之旅还是想加速AI在企业中的推广，SAS在满足您企业独特需求方面提供了无与伦比的深度和广度。”

预计首批SAS模型将于今年晚些时候正式推出。

---

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

SAS，一家专注于数据和AI解决方案的公司，发布了一种被描述为 “改变游戏规则的方法” 的方法，以帮助组织直面业务挑战。{ width=50% }

---

通过引入适用于个人许可的轻量化、行业特定的AI模型，SAS希望为组织提供可随时部署的AI技术，以以无与伦比的效率将真实世界的用例投入生产。
IDC 的未来智能研究总监 Chandana Gopal 表示：“SAS正在发展其产品组合，以满足更广泛的用户需求，并通过创新的新产品争夺市场份额，
“SAS有望在其中一个领域成功，即将建立在SAS的核心资产、人才和在解决行业问题方面的丰富经验的模型化产品化。”
在当今市场上，模型的使用主要集中在用于生成AI的大语言模型（LLM）。实际上，LLM只是真实世界生产部署的AI和企业决策中建模需求的很小一部分。通过这一新提供，SAS正在超越LLM，为各种行业提供经过验证的确定性AI模型，涵盖欺诈检测、供应链优化、实体管理、文件转换和医疗保健支付完整性等用例。
与传统的AI实施可能繁琐且耗时不同，SAS的行业特定模型经过快速集成的工程化设计，使组织能够将可信任的AI技术投入运营，并加速实现实质性的利益和可信任的结果。
扩大市场足迹
组织正面临着有效竞争的压力，并将AI视为获得优势的手段。与此同时，由于AI技能短缺，人员配备数据科学团队从未如此具有挑战性。因此，企业要求在使用AI解决问题方面变得更加灵活，并需要灵活的AI解决方案快速推动业务成果。SAS易于使用但功能强大的面向企业的模型能使组织受益于 SAS 跨行业领域半个世纪的领导地位。
将行业模型作为打包产品提供是 SAS 承诺的 AI 支持行业解决方案的 10 亿美元投资的一个结果。正如 2023 年 5 月的宣布所述，对 AI 的投资建立在 SAS 几十年致力于提供打包解决方案以解决银行、政府、医疗保健等行业挑战的基础上。
SAS AI和分析副总裁Udo Sglavo表示：“模型是我们现有解决方案和 SAS Viya 平台产品的完美补充，并满足各种受众的不同业务需求，确保创新触及我们生态系统的每一个角落。
“通过调整我们的方法以理解特定行业需求，我们的框架使企业能够在其独特环境中蓬勃发展。”
让AI惠及大众
SAS通过提供即开即用、轻量级的AI模型使AI无需技能，使AI无障碍获得—开始提供适用于仓储空间优化的AI助手。利用诸如大语言模型等技术，这些助手面向非技术用户，将交互转化为优化的工作流程，有助于更快的规划决策。
Sglavo 表示：“SAS模型为组织提供了灵活、及时和易获得的AI，与行业挑战相一致。
“无论您是刚刚开始AI之旅，还是寻求加速业务中AI的扩张，SAS在满足您企业独特需求方面具有无与伦比的深度和广度。”
第一批 SAS 模型预计将于今年晚些时候正式推出。

想从行业领袖那里了解更多关于AI和大数据的信息吗？请查看在阿姆斯特丹、加利福尼亚和伦敦举行的AI＆大数据博览会。此综合性活动与其他领先活动同期举办，包括BlockX，Digital Transformation Week以及Cyber Security & Cloud Expo。
查看由TechForge提供的其他即将举行的企业科技活动和网络研讨会 链接。

注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

SAS，作为专注于数据和人工智能解决方案的专家，推出了一种被称为“改变游戏规则”的方法，以帮助组织迎接商业挑战。{ width=50% }

---

通过引入面向个人许可的轻量级、行业特定的AI模型，SAS希望为组织提供可立即部署的AI技术，以高效生产化实际用例。
IDC的智能未来研究主任Chandana Gopal表示：“SAS正在发展其产品组合，以满足更广泛的用户需求，并通过创新的新产品占领市场份额。
“SAS有望在产品化建立在其核心资产、人才和来自与客户合作解决行业问题的丰富经验积累的模型领域取得成功。”
当前市场上，模型的使用主要集中在大型语言模型（LLM）用于生成AI。事实上，LLM只是实际生产部署的AI和企业决策中模型需求的很小一部分。通过这一新提供，SAS正在超越LLM，为跨各行业的使用案例如欺诈检测、供应链优化、实体管理、文档转换、医疗保障支付等领域提供经受市场验证的确定性AI模型。
与传统的AI实施不同，可能耗时且复杂，SAS的行业特定模型旨在快速集成，使组织能够实现值得信赖的AI技术的实施，并加速实现明显的好处和可信的结果。
扩展市场影响力
组织面临着有效竞争的压力，并希望通过AI获得优势。与此同时，由于AI技能短缺，填充数据科学团队从未如此具有挑战性。因此，企业要求在使用AI解决问题时具有灵活性，并需要灵活的AI解决方案，以快速推动业务成果。SAS易于使用但功能强大、针对企业调整的模型使组织从SAS跨行业五十年的领导经验中受益。
提供行业模型作为打包产品是SAS承诺的10亿美元AI增强行业解决方案的一个结果。正如2023年5月宣布的那样，AI的投资是SAS几十年来专注提供打包解决方案以应对银行业、政府、医疗保健等行业挑战的发展。
SAS AI与分析副总裁Udo Sglavo表示：“模型是我们现有解决方案和SAS Viya平台产品的完美补充，适用于各类业务需求的各种受众，确保创新触及我们生态系统的每个角落。”
使AI普及
SAS通过提供即开即用、轻便的AI模型，使AI技术无障碍让更多人可接触，从而推出了用于仓库空间优化的AI助手。利用大型语言模型等技术，这些助手面向非技术用户，将互动转化为优化的工作流程，并帮助加速决策过程。
Sgvalo表示：“SAS模型为组织提供灵活、及时、易接近的AI，与行业挑战保持一致。
“无论您是即将开启AI之旅，还是寻求加速企业全面扩展AI，SAS在满足业务独特需求方面具有无与伦比的深度和广度。”
首批SAS模型预计将于今年晚些时候正式推出。

注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

SAS，作为数据和人工智能解决方案专家，推出了一种被其描述为“改变游戏规则的方法”，让组织能够直面业务挑战。{ width=50% }

---

通过为个人许可发布轻量级、行业特定的AI模型，SAS希望为组织提供可立即部署的AI技术，以实现现实世界用例的生产化，实现效率最大化。

IDC的未来智能研究总监Chandana Gopal表示：“SAS正在发展其产品组合，以满足更广泛的用户需求，并通过创新性的新产品争夺市场份额，”较适合SAS的一个领域是产品化建立在SAS核心资产、人才和知识产权的模型，这些模型来自SAS丰富的与客户合作解决行业问题的经验。”

在当前市场上，模型的使用主要集中在用于生成式AI的大语言模型（LLMs）。然而，在现实中，LLMs只是AI生产部署和业务决策中模型需求的很小一部分。通过这一新功能，SAS超越了LLMs，为跨越欺诈检测、供应链优化、实体管理、文件转换和医疗保障支付完整性等用例的行业已验证的确定性AI模型。

与传统的AI实施不同，这些行业特定模型被设计用于快速集成，使组织能够将可信任的AI技术实施，并加速实现切实的收益和可信任的结果。

扩展市场足迹，组织正面临着有效竞争的压力，并希望借助AI获取优势。与此同时，由于AI技能短缺，组织招募数据科学团队的困难从未如此之大。因此，企业要求以灵活的AI解决方案迅速解决问题，需要灵活的AI解决方案以快速推动业务成果。SAS易于使用但功能强大的面向企业的模型使组织能够受益于SAS在各行业中长达半个世纪的领导。

推出行业模型作为打包产品是SAS承诺的10亿美元资金用于AI驱动行业解决方案的结果。正如在2023年5月的公告中所概述的，对AI的投资是SAS几十年来专注于提供打包解决方案来应对银行业、政府、医疗保健等行业挑战的延续。

SAS的AI副总裁Udo Sglavo表示：“模型是我们现有解决方案和SAS Viya平台产品的完美补充，适合各种观众的不同业务需求，确保创新触及我们生态系统的每一个角落。”
“通过我们针对特定行业需求的个性化方法，我们的框架能够使企业在其独特的环境中蓬勃发展。”

将AI推广到大众，SAS通过提供即插即用的轻量级AI模型实现AI的民主化，使AI技术无论技能水平如何都能获得 - 首个示范为仓库空间优化的AI助手。借助大型语言模型等技术，这些助手面向非技术用户，将交互转化为优化的工作流程，帮助更快地进行规划决策。

Sgvalo表示：“SAS模型为组织提供了灵活、及时和易接近的AI，切合行业挑战。不论您是开始AI之旅还是寻求加速AI在企业全面拓展，SAS在满足您业务独特需求方面具有无与伦比的深度和广度。”

首批SAS模型预计将于今年晚些时候正式推出。

想向行业领袖学习更多有关人工智能和大数据的信息？请查看在阿姆斯特丹、加利福尼亚和伦敦举行的AI和大数据博览会。该全面活动与其他领先活动同期举办，包括BlockX、Digital Transformation Week和Cyber Security & Cloud Expo。
探索由TechForge提供的其他即将到来的企业技术活动和网络研讨会。

---

---

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

組織對生成式人工智慧（Generative AI）增加業務和人力生產率的潛力持有熱情，但缺乏戰略計劃和人才短缺阻礙了它們實現其真正價值的能力。{ width=50% }

---

這是根據2024年初由Coleman Parkes Research進行的一項研究所得，該研究由數據分析公司SAS贊助，對300名美國GenAI策略或數據分析決策者進行了調查，以對組織的主要投資領域和面臨的障礙進行脈搏檢查。

SAS的戰略AI顧問Marinela Profi表示：”組織正在意識到僅僅擁有大型語言模型（LLMs）並不能解決業務挑戰問題。GenAI應被看作是對超級自動化和現有流程和系統加速的理想貢獻者，而不應被視為新的光鮮亮眼的玩具，它將幫助組織實現所有業務目標的工具。在潜入並全部投入之前，組織應該花時間制定先進策略並投資於提供LLMs整合、治理與可解釋性的技術，這是所有組織應採取的重要步驟。”

組織在實施的四個關鍵領域中遇到了障礙：

• 提高對數據使用的信任度並實現合規性。只有10％的組織有可靠的系統來衡量LLMs中的偏見和隱私風險。此外，93％的美國企業缺乏一套全面的GenAI治理框架，大多數在法規方面面臨風險。
• GenAI與現有系統和流程的整合。組繹透露當他們試圖將GenAI與其當前系統結合時，他們遇到了兼容性問題。
• 人才和技能。內部的GenAI缺乏。隨著人力資源部門遭遇合適人選的短缺，組繹領導者擔心他們無法獲得必要的技能來最大程度地利用他們的GenAI投資。
• 預測成本。領導人引述使用LLMs的直接和間接成本過高。模型創作者提供了一個象徵性的成本估計（組繹現在意識到這是禁止的）。但關於私人知識準備、培訓和模型運營管理的成本是冗長且復雜的。

Profi補充說：”重要的是找出提供最大價值並以可持續和可擴展方式解決人類需求的現實用例。通過這項研究，我們將繼續致力於幫助組繹保持競爭力，明智地投資他們的資金並保持彈性。在人工智慧技術幾乎每天都在進步的時代，競爭優勢高度關注於能夠遵守彈性規則的能力。”

該研究的詳細信息是在拉斯維加斯的SAS Innovate大會上披露的，這是為商業領袖、技術用戶和SAS夥伴舉辦的SAS軟件人工智能和分析會議。如果您想從行業領袖了解更多關於人工智慧和大數據的信息，請查看將在阿姆斯特丹、加州和倫敦舉辦的AI＆Big Data Expo。這一全面的活动与其他领先的活动如BlockX、Digital Transformation Week和Cyber Security & Cloud Expo共同举行。

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Neura Robotics, 一家全球认知机器人的先驱，以及全球工业机器人与自动化领域的领导者 Omron Robotics and Safety Technologies Inc.，很高兴地宣布他们的战略合作伙伴关系。

---

这一合作旨在通过引入认知机器人到工厂自动化中，利用先进的人工智能能力提高效率、灵活性和安全性，从而彻底改变制造业。

与传统工业机器人不同，认知机器人具有从环境中学习、自主做出决策和适应动态生产场景的能力。这开启了新的应用可能性，包括复杂的装配任务、细致的质量检查和适应性材料处理流程。

Omron Robotics and Safety Technologies Inc. 的总裁兼首席执行官 Olivier Welker 强调了这一合作的重要性，称：“我们认为 Neura 的认知技术是工业机器人的一个引人注目的增长机会。通过将 Neura 的创新解决方案与 OMRON 的全球影响力和自动化产品组合在一起，我们将为客户提供提高安全性、生产率和灵活性的全新方式。”

Neura Robotics 的创始人兼愿景领袖 David Reger 在合作中反思道：“强大的合作伙伴关系和联盟是加快增长的关键。Omron 和 Neura Robotics 之间的战略联系是工业自动化史上的里程碑。它使我们更接近实现彻底改变全球机器人市场的目标。将我们的传感器和人工智能技术和专业知识汇集成一个终极平台方案，我们将在极大程度上塑造制造业的未来，并树立新的标准。”

除了技术进步，Omron Robotics and Safety Technologies 与 Neura Robotics 之间的合作伙伴关系是基于共同愿景驱动的。致力于改善生活并为更美好的社会做出贡献，Omron 在 Neura 通过突破性机器人技术为人类服务的使命中找到了共鸣。这种一致性加强了合作关系的基础，推动两家公司朝着塑造制造业未来的共同目标迈进。

探索 AITechPark，了解人工智能、物联网、网络安全、人工智能新闻最新进展以及行业专家的见解！

---

---

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

快速退火预计将影响广泛的量子计算应用，从推动量子模拟和人工智能的科学研究，到解决跨行业的实际问题。{ width=50% }

---

D-Wave Quantum Inc.（纽交所：QBTS）（“D-Wave”或“公司”），一家领先的量子计算系统、软件和服务提供商，也是世界上第一家商业量子计算机供应商，今天推出了快速退火功能，可在Leap™实时量子云服务的所有D-Wave量子处理单元（QPUs）上使用。
快速退火功能已经是D-Wave研究里程碑的重要组成部分，包括在《自然物理学》（2022年）和《自然》（2023年）发表的作品，展示了退火量子计算相对于经典算法解决复杂优化问题的优势。现在，用户可以使用这一功能以前所未有的速度执行量子计算，大大减小了经常阻碍量子计算的外部干扰，如热量波动和噪声。通过提供比以前可用的更快的退火时间的扩展控制，该功能为用户铺平了道路，以在D-Wave的Advantage™系统和Advantage2™原型上使用全尺度的连续退火量子计算，这是公司迄今最高性能的系统。
“直接提供快速退火的访问权限，快速退火一直是D-Wave最近进展的核心，代表了我们在为客户提供推动创新和取得非凡成果所需资源的使命中迈出的重要一步，” D-Wave首席执行官Alan Baratz博士说，“我们相信这将进一步赋予他们能力，在今天可获得的最强大量子计算环境中构建颠覆性的应用。”
D-Wave最新的退火量子计算技术受到了客户需求的增长，这清楚地表现在两个下一代Advantage2实验原型的使用上，自2022年和2024年推出以来，它们共解决了将近800万个客户问题。
预计快速退火功能将吸引商业和学术研究人员的注意，他们渴望构建世界一流的应用程序，扩展基准研究，并将提高的连续性与更好的性能联系起来。
“利用快速退火功能直接与D-Wave的Advantage2原型进行交互的能力对我们的研究非常令人兴奋，我们致力于利用分子数据训练的量子增强生成AI模型，加速药物发现和设计新材料，” Zapata AI的联合创始人兼首席执行官Christopher Savoie说，“快速退火功能可以产生具有潜力允许以经典方式难以实现的复杂数据模式更高效编码的连续分布。除了分子发现应用外，该功能在涉及复杂数据模式的其他工业应用中也可能具有价值，特别是在跨行业的组合优化问题中。”
“通过提供与量子计算的中枢神经系统直接互动的方式，D-Wave独自为我们在量子计算和人工智能研究中开拓了新的视野，” SavantX的总裁兼首席执行官Ed Heinbockel说，“我们相信新功能将帮助我们实现应用程序开发的相应的协同性益处，如果没有这一能力，我们将无法实现。”
“快速退火功能将帮助研究人员观察量子世界中的独特物理过程。提高的连续性和减少的环境干扰将在量子科学中开辟新的道路，” 洛斯阿拉莫斯国家实验室的Alejandro Lopez-Bezanilla说，“通过为科学家提供能够探索量子对象与控制和最小干扰的交互的技术，我们预计会迎来一个实验无缚的新时代，超越了传统实验方法的限制。通过增加量子连续性，我们最终可以实现前所未有的精确观察量子现象，这些以前只能在理论上获得，但现在可以在实验验证中实现。”。

---

---

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

组织可以在云中 consoli进行数据专栏，并利用 Nasuni 的文件数据平台将微软 AI 助手集成到其中

Nasuni，领先的混合云存储解决方案，今天发布了新指南，帮助客户加快集成 Microsoft 最前沿的 Copilot AI，用于他们的 Nasuni 管理的数据存储库和运营工作流。{ width=50% }

---

微软 Copilot 是一个强大的人工智能助手，集成在微软应用程序组合中，可以理解自然语言，分析数据，并提供智能响应。Nasuni 正在教育客户，使他们能够创建定制的 Copilot 体验，利用客户的非结构化数据集来解锁更多的业务见解和收入来源。
McKim and Creed 的 IT 主管 Charles Douglass 表示：“Nasuni 教育了我们如何使用我们的 Nasuni 数据创建定制的 AI Copilots。我们现在已经创建了一个初始的 Copilot，并期待继续了解如何对其进行改进，以提供对我们业务文件的自然语言交互。”
“虽然 Microsoft Copilot 是一个令人难以置信的通用 AI 助手，但当它被注入到一个组织的特定领域数据时，其真正的企业价值才能得到实现，” Nasuni 的首席创新官 Jim Liddle 说道。“文件数据通常被锁定在专用环境中，使得 AI 成为一种不可能。有了 Nasuni，客户可以在云中 consoli他们的数据，然后利用 AI。我们创建了一个名为‘Ask Nasuni’的自己的 Copilot 聊天机器人，该聊天机器人利用我们的 Nasuni 数据，并在 Microsoft Teams 环境中部署供我们的员工进行交互。我们的客户想要做类似的事情来利用自己的公司信息是理所当然的。”
Nasuni 文件数据平台使公司能够将分布在多个位置的数据专栏 consoli到一个中央云中。然后，借助 Nasuni 的指导，客户可以：

• 使用 Copilot AI 与 Nasuni 管理的非结构化数据集。
• 通过教导 Copilot 使用 Nasuni 数据进行关键工作流程（例如销售和/或支持聊天机器人）来构建自定义 Copilot。
• 通过利用‘锁定的’机构知识提高员工生产力。
• 部署定制到公司需求的安全、私有的 Copilot 实例。
  RWDI 的信息技术主管 Marco Accardo 表示：“在 RWDI，我们正在努力利用 Copilot AI 进行机构知识传承。Nasuni 在探索这个用例并寻求利用我们 Nasuni 管理的数据中的知识方面一直在帮助我们。”
  有关企业如何利用 Nasuni 和 Microsoft Copilot AI 的更多信息，请点击这里。您还可以注册参加 4 月 23 日的即将举行的网络研讨会，与微软云解决方案架构师 Melody Yin 一起，了解 AI 在 Microsoft 生态系统中的运作方式，Copilot Studio 的基本知识，如何通过外部数据集（如 Nasuni）提高生产力等。
  探索 AITechPark，了解人工智能、物联网、网络安全、AITech 资讯以及来自行业专家的见解和深刻更新！

---

---

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Intel构建最大的神经形态系统以实现更可持续的人工智能

新闻概要

今天，英特尔宣布建立了世界上最大的神经形态系统。{ width=50% }

---

代号Hala Point的这一大规模神经形态系统最初部署在桑迪亚国家实验室，采用英特尔的Loihi 2处理器，旨在支持未来基于大脑的人工智能（AI）研究，并着眼于解决当今AI的效率和可持续性挑战。Hala Point是英特尔首代大规模研究系统Pohoiki Springs的进化版本，在架构上进行了改进，实现了超过10倍的神经元容量和高达12倍性能提升。

“当今AI模型的计算成本正以不可持续的速度上升。产业需要能够扩展的基本新方法。因此，我们开发了Hala Point，结合深度学习效率和新型的大脑启发学习和优化能力。我们希望通过Hala Point的研究推动大规模AI技术的效率和适应能力。”
– 迈克·戴维斯（Mike Davies），英特尔实验室神经形态计算实验室主任

功能与用途

Hala Point是首个大规模神经形态系统，在主流AI工作负载上展示了最先进的计算效率。性能测试表明，当执行传统深度神经网络时，它可以支持高达20千万亿次操作每秒（20 petaops），效率超过15兆次8位操作每秒每瓦特（TOPS/W）。这与基于图形处理单元（GPU）和中央处理单元（CPU）构建的架构所达到的水平相媲美甚至超越。Hala Point的独特功能可以实现未来实时的连续学习，适用于科学与工程问题解决、物流、智慧城市基础设施管理、大型语言模型（LLMs）和AI代理等应用。

研究人员计划使用Hala Point进行高级脑刻度计算研究。该组织将专注于在设备物理学、计算机架构、计算机科学和信息学领域解决科学计算问题。

重要性

最近将深度学习模型扩展至数万亿参数的趋势，揭示了人工智能面临的艰巨可持续性挑战，凸显了在硬件架构最低层面需要创新的必要性。神经形态计算是一种根本性新方法，借鉴了神经科学的见解，将内存和计算与高度细粒度的并行性结合，以最大程度地减少数据移动。在这个月国际声学、语音和信号处理会议（ICASSP）发表的结果中，Loihi 2展示了在新兴小规模边缘工作负载中的效率、速度和适应性方面的数量级提升。

Hala Point通过多项改进，不断进步自己的前身Pohoiki Springs，将神经形态性能和效率提升带入到主流的传统深度学习模型中，特别是处理视频、语音和无线通信等实时工作负载。例如，爱立信研究正在应用Loihi 2来优化电信基础设施效率，这一点在今年的世界移动通信大会上得到了强调。

探索AITechPark，了解人工智能、物联网、网络安全、AI科技新闻以及行业专家的深刻见解！

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Findings show accurate cyber risk quantification is crucial for organizations to better understand the potential financial consequences of cyber breaches

CYE, the industry leader in cybersecurity optimization platforms, today released its Inadequacies in Breach Insurance Coverage: A Data-Driven Gap Analysis study.{ width=50% }

---

This report delves into the depths of cyber risk management, unearthing the critical insurance coverage gaps that threaten organizational stability in the wake of cyberattacks. In an era where digital threats loom larger than ever, businesses are increasingly turning to cyber insurance as a safeguard against the financial ravages of data breaches. Yet CYE’s recent study leveraging external and internal datasets reveals a stark reality: the protection afforded by such insurance may fall significantly short of the actual costs incurred during cyber incidents. Specifically, CYE found that:

• 80% of insured companies that suffered a data breach did not have sufficient coverage
• The average coverage gap is 350%, which means that more than 75% of the incident was not covered
• In some cases, the maximum insurance gap reached 3,000%
• “Low tech” sectors of accommodation and food services, construction, transportation and warehousing are among the more adequately covered ones, while sectors like finance and insurance, information and manufacturing present well beyond a 100% gap in coverage

“Many organizations are aware of cyber risk, but do not fully comprehend what the potential cost could be if they are breached,” said Nimrod Partush, Vice President of Data Science at CYE. “This study underscores how many companies rely on cyber insurance to cover the losses incurred as a result of cyber incidents and are then taken by surprise when they find that their insurance only covers a small portion.”

The study concludes there’s a pressing need for more accurate cyber risk quantification so that organizations can prepare for possible cyberattacks with their eyes open. Performing accurate CRQ assessments not only provides a more realistic estimate of damages but also enables optimal mitigation planning and cyber budgets with high ROI, allowing organizations to avoid breaches altogether.

Download the full report here.

Please visit CYE at booth 5173 at the RSA Conference in San Francisco next month, where they will showcase their cutting-edge cyber risk quantification solution and engage in key industry discussions.

Methodology

Drawing from an extensive pool of internal and external data breaches recorded in CYE’s dataset, this study analyzed a total of 101 incidents across various sectors containing breach coverage figures. The focus sharpened on sectors notably vulnerable to cyber threats: finance and insurance, manufacturing, and information. Through meticulous examination, the analysis revealed the disparities between insured and uninsured exposures, offering unprecedented insights into the financial aftermath of cyber incidents.

---

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的最新发展感兴趣，可以查看更多AI文钊文章：GPTNB。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。