24-Stunden-KI-News: Rechtsstreitigkeiten und Finanzierung gehen Hand in Hand, Jetson Thor startet neue Vertriebskanäle und KI-DingTalk

24-Stunden-KI-News auf einen Blick: Inländische Anwendungen auf Unternehmens- und Industrieniveau sind neu, und die Rechenleistung in Übersee und die regulatorische Windrichtung sind mit der gleichen Frequenz gestiegen

In den letzten 24 Stunden hat Huawei auf der heimischen Seite den Veröffentlichungszeitpunkt von KI-SSDs bekannt gegeben, DingTalk hat AI 1.0 veröffentlicht und Büroszenarien gestärkt, und die "AI+"-Industrie in Wuhan hat Ergebnisse erzielt. In Übersee reichte xAI eine Klage gegen Apple und OpenAI ein, AirTrunk schloss eine Refinanzierung in Höhe von 100 Milliarden US-Dollar ab, NVIDIA Jetson Thor ging in den Vollverkauf für physische KI, und in Bezug auf die methodische Forschung schlug Apple das Ausrichtungsparadigma im Stil einer RLCF-Checkliste vor, um eine ausgewogene Abdeckung Chinas und des gesamten Auslandslandes zu erreichen.

1. xAI verklagt Apple und OpenAI und konzentriert sich dabei auf KI auf Systemebene und den Wettbewerb um den Vertrieb von Anwendungen

1. Am 25. August (Ortszeit) wurde beim US-Bundesgericht in Texas eine Klage eingereicht, in der "Milliarden von Dollar" an Schadenersatz und Verhaltenserleichterungen gefordert werden.
2. In der Beschwerde werden die Auswirkungen der Integration auf Systemebene, der Standardportale und der Ranking-Mechanismen der App Stores auf den Wettbewerb geltend gemacht.
3. Kurzfristige oder regulatorische Überprüfung der KI-Zugangsregeln im mobilen Ökosystem, die sich langfristig auf die Neutralitätsgrenze von KI auf Systemebene auswirken wird.

2. AirTrunk erhielt eine Refinanzierung in Höhe von 10,4 Milliarden US-Dollar für den Ausbau seines ultra-großen KI-Rechenzentrums im asiatisch-pazifischen

1. Am 26. August gab das Unternehmen den Abschluss einer nachhaltig verknüpften Refinanzierung in Höhe von 16 Milliarden AUD (ca. 10,4 Milliarden US-Dollar) bekannt, die die Geschäftsausweitung im asiatisch-pazifischen Raum und in Japan abdeckt.
2. Unterstützung des grünen Kreditrahmens Singapurs in Höhe von 22,5 Mrd. S$ zur Stärkung der Versorgungskapazität regionaler kohlenstoffarmer Rechenzentren.
3. Es wird erwartet, dass es den Engpass bei der Rechenleistung für KI-Training/Inferenz und elektromechanischer Unterstützung verringert und die Nachfrage nach Strom, Flüssigkeitskühlung, Netzwerk- und Upstream-Geräten ankurbelt.

3. NVIDIA Jetson Thor ist offiziell im Verkauf für "physische KI" und Roboter 1

. Das Jetson AGX Thor Development Kit und das in Serie produzierte Jetson T5000-Modul werden am 25. August veröffentlicht und verkauft.

1. Die offizielle nominale FP4-Rechenleistung beträgt etwa 2070 TFLOPS, das Entwicklungskit beginnt bei 3499 US-Dollar und die Echtzeit-Fusionsfähigkeiten von generativer Inferenz mit mehreren Modellen und Multisensoren auf der Seite einer einzelnen Maschine wurden verbessert.
2. Die frühe Ökologie umfasst Humanoide und Industrieroboter, medizinische Geräte und Automatisierungsszenarien, und der Anteil der endseitigen Inferenz nimmt zu.

4. Apple schlägt ein auf RLCF-Checklisten basierendes Feedback-Alignment-Paradigma vor, um die Ausführung komplexer Anweisungen zu verbessern

1. Die Studie schlägt vor, eine Belohnung mit einem einzigen Lineal durch "Aufgabenlistenbewertung" zu ersetzen, kombiniert mit KI-Schiedsrichter und programmatischer Verifizierung, um Reinforcement-Learning-Signale zu generieren.
2. In den Dimensionen komplexe Instruktionskonformität und Constraint-Compliance wird betont, dass das Verfahren nicht durch "Sicherheitsausrichtung" ersetzt wird.
3. Bereitstellung neuer Tools für Unternehmen, um Modelle innerhalb eines interpretierbaren und überprüfbaren Rahmens auszurichten und die Abhängigkeit von der manuellen Präferenzkennzeichnung zu verringern.

5. Huawei kündigte am 27. August offiziell die Veröffentlichung von KI-SSDs an, da es zu einem Engpass bei der HBM-Kapazität kam

1. Positionierung von KI-spezifischen SSDs mit "hoher Kapazität + hoher Leistung", die den Unzulänglichkeiten der Speicherschicht für das Training und die Inferenz großer Modelle gegenüberstehen.
2. Es wird mit dem gesamten Maschinen-/Server-Ökosystem zusammenarbeiten, um datenintensive Szenarien und Inferenzbeschleunigungsszenarien zu bedienen.
3. Wenn die Massenproduktion implementiert wird, oder verbessern Sie die inländische KI-Speicherkette, um die Kostenleistung und Verfügbarkeit zu verbessern.

6. DingTalk veröffentlicht 8.0 (AI DingTalk 1.0), ein umfassendes Upgrade von KI-Workflows auf Unternehmensebene

1. Veröffentlicht am 25. August in Hangzhou, wurden 10 neue KI-Produkte wie KI-Suche für Unternehmen, KI-Formulare, Zuhören und Anwendungserstellung hinzugefügt.
2. Das offizielle Kaliber positioniert die kollaborative Plattform "AI Native", um Information Retrieval, Wissensmanagement und automatisierte Prozesse zu stärken.
3. Medienberichten zufolge hat DingTalk mehr als 26 Millionen Unternehmen und mehr als 190.000 zahlende Unternehmen bedient, und der Umfang der ökologischen Partner und KI-Anwendungen hat sich gleichzeitig erweitert.

7. Fortschritt der "AI+"-Aktion von Wuhan: Die Effizienz der industriellen Schweißerkennung ist um etwa 50 % gestiegen 1

. Das Schweißnahterkennungs- und -verfolgungssystem auf der Grundlage des industriellen Modells wurde implementiert, und die Effizienz der Roboterschweißerkennung wurde im Vergleich zur herkömmlichen Lösung um etwa 50 % verbessert.

1. Förderung der Zusammenarbeit zwischen Industrie, Universität und Forschung in Richtung Display-Panel-Design, Simulation und Ertragsoptimierung.
2. Die "Rechenleistung× Anwendung" in der Region verläuft parallel, und die digitale Transformation der Fertigungsindustrie beschleunigt sich.

8. Die Veröffentlichung der inländischen Wanka-Cluster-Inferenztechnologie für große Modelle zur Bewältigung der inländischen Chip-Adaption

1. Am 25. August wurde die "inländische Wanka-Cluster-Großmodell-Inferenztechnologie" vorgestellt, die mit dem Anpassungsproblem zwischen inländischen Chips und Mainstream-Frameworks konfrontiert ist.
2. Systematische Auseinandersetzung mit Schlüsselproblemen rund um den technischen Stack wie parallele Inferenz, Speicherverwaltung und Kompilierungsoptimierung.
3. Stellen Sie einen integrierten "End-Edge-Cloud"-Pfad für die Bereitstellung mehrerer Szenarien bereit, um die Latenz und die Kosten für groß angelegte Inferenzen zu reduzieren.

Häufig gestellte Fragen (Q&A)

F: Was sind die direkten Auswirkungen des Vorfalls bei der Strafverfolgung von xAI?

A: Der Schwerpunkt liegt auf den Wettbewerbsauswirkungen von KI-Standardeinstiegs- und -verteilungsrankings auf Systemebene sowie auf der Transparenz potenzieller Trainingsdatenkanäle und Plattformregeln. Kurzfristig könnte dies die Verfeinerung der Offenlegungs- und Zugangsmechanismen für Plattformen veranlassen, und langfristig könnte es kartell- und neutralitätsrechtliche Diskussionen im mobilen Ökosystem auslösen.

F: Was sind die Kernparameter und die Anwendungsschwelle von Jetson Thor?

A: Die offizielle nominale Rechenleistung beträgt etwa 2070 TFLOPS (FP4), und das Entwicklungskit beginnt bei 3499 US-Dollar; Es unterstützt Echtzeit-Inferenz und Multi-Sensor-Fusion mit mehreren Modellen und eignet sich daher für Szenarien mit hohen Latenzanforderungen, wie z. B. humanoide/industrielle Roboter, Automatisierung und medizinische Geräte.

F: Was bedeutet die Refinanzierung von AirTrunk für die KI-Industriekette?

A: Eine nachhaltige Refinanzierung von 100 Milliarden US-Dollar wird die Einführung von Rechenzentren im asiatisch-pazifischen Raum beschleunigen, indem unterstützende Verbindungen wie Stromversorgung, Flüssigkeitskühlung, Netzwerke und Schränke unterstützt werden, während gleichzeitig die Stückkosten und die Latenz von Training/Inferenz durch Skaleneffekte reduziert werden.

F: Was ist der Unterschied zwischen AI DingTalk 1.0 und traditionellem Collaborative Office?

A: Von "anwendungsgesteuert" bis "agentengesteuert" besteht der Kern aus KI-Suche, KI-Dokumenten/-Formularen, automatischem Zuhören und Prozessorchestrierung, sowie Unternehmenswissen und -workflows können einheitlich von KI abgerufen und aufgerufen werden, wodurch die Kosten für anwendungsübergreifendes Switching erheblich gesenkt werden.