商汤科技助力中移在线打造安全高效的移动端实名认证系统

商汤科技领先的图像视觉技术为中国移动3亿用户手机卡实名制计划,提供基于人脸识别技术的整套身份验证类解决方案,包括身份证/银行卡OCR解决方案、线上公民信息认证比对解决方案、人脸门禁考勤系统等,全方位、一体化解决实名制身份认证技术的高标准需求,帮助中国移动在国家出台手机卡实名制规范要求后,短时间内掌握行业先机,顺利展开战略化布局。

以AI入局商汤科技“踏浪”智慧交通赛道--专访商汤科技交通研发总监武伟

近日,商汤科技交通研发总监武伟忙得不可开交。作为进军交通赛道的重要举措之一,商汤科技将与江苏交通控股有限公司联合推进面向高速公路场景的智慧视图技术研发和应用,共同搭建交通视觉算法平台,以AI赋能江苏智慧高速和数字化交通产业的高质量发展。武伟和他的团队也参与其中。从智慧感知到决策智能,这家长期投入于原创技术研究。

大模型百花齐放 AI竞争激烈升级——专访商汤科技智慧城市与商业事业群智能计算总经理金古

"2023年上半年,ChatGPT火爆出圈.生成式AI(AIGC)技术、人工智能基础设施多模态预训练大模型等成为了备受瞩目的技术发展趋势.一时间,全球互联网大厂、科技公司都在积极推进通用型AI大模型的相关工作.在此之前,各行各业很久未见如此令人兴奋的场景了.

生成式AI的大视听产业应用和未来展望——以商汤“日日新SenseNova”大模型为例

人工智能领域正在经历快速且重要的大模型革新浪潮。多模态大模型的出现不仅能够提高模型性能及泛化能力的上限,还能为用户带来更加自然的交互体验。随着生成式AI和大模型技术的飞速发展,大视听产业将迎来前所未有的机遇。本文将以商汤科技大模型为例,探讨生成式AI为大视听产业带来的全新机遇、应用效果以及未来发展。

科研建筑的科技创新

随着科学技术的发展,科研建筑内在功能需求发生日新月异的变化,人们对科研建筑的需求有了更高的要求,对于科研建筑的功能和形式也有了更多的期待。科研建筑不再局限于实验、科研办公、展览展示等功能属性,而是朝着更加多元化、复合化、综合化方向转变。本期沙龙希望建构建筑师、工程师、科学家之间的交流平台,以科学思维与技艺呈现相结合为目标,交流最前沿的科研建筑设计实践案例和成功经验,探讨相关研究的新动态、新成果,探索面向未来的科研建筑设计之路。

开新局 低碳运营技术栈体系赋能智慧交通——专访商汤科技智能交通产品线总经理郭海锋博士

在产业数字化、智能化的背景下,新型智慧交通业务不断涌现,智能交通核心技术发展日新月异,智能交通低碳、高效运营需求迫切。就安防行业与交通的融合应用而言,《中国安防行业“十四五”发展规划》着重强调,深化交通枢纽、路网、客货运载车辆安防技术应用和智能升级,完善智慧交通建设解决方案;基于智慧视觉构建新一代智慧交通管理系统。同时“十四五”期间也将持续强化运营管理意识,大力促进以“综合安全运营运维服务”为主要方向的现代安防服务业发展。

人工智能在历史文化街区保护的应用初探

历史文化街区作为城市历史和文脉的重要载体,记录了城市的发展和变迁。随着数字化技术的飞速发展,特别是人工智能(AI)技术的应用,为历史文化遗产的保护和传承提供了创新的方法和手段。本文重点探讨了AI技术在历史文化街区和历史建筑的三维重建、动态监测和智慧化管理中的应用,并结合具体实践案例,展示了AI技术如何提升历史文化街区保护的效率和效果。通过本文的研究,期望为历史文化街区的系统性保护与创新性传承提供新的思路和经验,以科技的力量守护人类共同的文化财富。

AI 2.0数字人平台

基于大模型能力,提升数字人在形象塑造、人机交互及场景适应等方面的灵活性和效率。生成式AI和大模型为数字人产业注入动力2023年是人工智能领域的重要转折点,生成式AI和大模型技术取得飞跃性进步,AI从“分类器”角色转变为具备强大创造力的“生成器”。这一根本性转变赋予AI前所未有的创新能力和深层次理解力,引领人们步入AI 2.0时代。

基于GAN-DCNN的树叶识别

【目的】利用深度学习进行树叶识别时需要大量训练样本,当样本量不足、图像风格单一会导致识别准确率不稳定。研究利用少量的样本进行树叶图像增殖和风格转换,可极大减轻数据采集的负担,为提升林业调查信息化、智能化提供有效的技术手段和理论支撑。【方法】采集6种树种的树叶图像建立数据集,引入light-weight GAN对图像进行增殖和风格转换,扩充人工拍摄的树叶数据集,通过在该数据集与原数据集上分别应用AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种深度卷积神经网络进行训练,分析生成对抗网络的图像增殖技术在树叶识别中的作用。综合模型准确率和训练时间等性能指标选择最优模型,同时对模型的学习率进行调整。使用测试样本对参数优化后的模型进行验证,分析该方法在实践中的可行性和意义。【结果】基于生成对抗网络生成的样本具有高清晰度,高保真性,能够有效地辅助神经网络模型的训练工作,同时也丰富了样本类别,使之获得包含更多不同季节、形状、健康状况的树叶图像。与原始数据集相比,AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种网络在新数据集的训练上均表现出训练误差更小、验证精度更高的特点,其中学习率为0.01的ShuffleNetV2模型对该数据集的训练效果最好,训练时最高验证精度为99.7%。使用未参与训练的测试样本对该模型进行验证,模型对各树叶的识别效果较好,模型的总体识别准确率高达99.8%。与未使用GAN技术的普通深度卷积神经网络相比,本文提出的模型对树叶识别准确率明显提升。【结论】生成对抗网络可以有效地扩充图像数量,对图像进行风格转换,与深度卷积神经网络相结合,可以显著提高树叶识别准确率,适合应用于林业树叶识别领域。

对话讨论:AIGC使用与治理

一、AI在广播电视行业的应用。刘幼琍:请各位从技术角度,分享一下AI技术或者大模型在广播电视行业的应用现状。王川南:在传媒领域,腾讯混元大模型有三大引擎来服务于这个行业。第一个是知识引擎,主要是用来做知识的解析和理解生成,比如新闻摘要的生成、标题的生成。第二个是图像创作引擎,即文生图和图像风格化等。腾讯是国内首个开源中文原生基于IT架构的文生图模型的公司。由于是中文原生,并且是新的架构,所以它在多轮对话以及复杂语义理解上的性能得到大幅提升。第三个就是视频创作引擎,包括文生视频、人脸融合等。

AI引领媒体创新之路:助力媒体发展“日日新”

商汤科技是一家落户于上海的人工智能公司,总部位于徐汇区漕河泾。在临港,商汤建设了全亚洲最大的AIGC中心之一。商汤在上海投入了约60亿元人民币,在全国10个左右的城市建设了区域级的算力中心,目前共有1200P的算力,峰值算力将近7000P至8000P。就本次论坛“聚焦媒体新质生产力——AIGC使用与治理对话会”的主题,想同大家分享商汤在AIGC应用以及在相关伦理和治理中的探索和尝试。

基于多源高分遥感影像的土地利用动态监测

及时掌握土地利用信息是进行土地用途管制、基本农田保护和土地利用规划的必要条件;及时有效地监测土地资源的变化趋势,有利于土地资源的持续发展与规划。该文分析利用多源高分遥感影像进行土地利用动态监测的内涵、技术方法和应用情况,建立相应的技术流程,包括辐射校正、多源高分影像区域网联合平差、正射纠正、影像融合、基于面向对象与深度学习的土地利用信息提取、基于CA-Markov模型的土地利用变化分析。从全国土地调查、土地利用/土地覆盖监测、耕地变化监测和城市建设用地监测等方面总结我国在土地利用动态监测方面的应用情况,以期为国土综合管理、土地利用总体规划、农田保护、执法检查和土地综合整治等提供技术支撑。

生成式人工智能技术对通信行业的影响研究

以ChatGPT为代表的基于大模型的生成式人工智能应用,引发了新一轮的人工智能发展浪潮,并将对这个世界产生深远影响。高速发展且不断进化的生成式AI,不仅实现了人工智能由“分类”向“生成”的转变,也为企业带来了全新的赋能价值和想象空间。详细剖析了生成式AI技术体系,探索其带来的前景价值,思考了技术背后的潜在风险并对企业提出了行动建议。同时,还探讨了通信运营商在生成式AI时代浪潮下的定位及应对之策。

大语言模型时代的落地方法论——成本、效率与效果

以GPT-4为代表的大语言模型(Large Language Model,LLM)展现出了惊人的通用智能潜力,基于相关技术,一系列大语言模型相继诞生。在这场技术变革中,一方面是巨大的参数量和计算量要求,另一方面是大量的使用需求和有限的算力资源支撑。如何使得其高效、低成本地规模性推广成为LLM更大范围落地的关键。本文围绕压缩、推理和评测三个角度,介绍相关大模型压缩技术和分布式推理技术,以及大模型在应用中的效果评估方式,探讨大语言模型时代的落地方法论,并对未来发展进行展望,期待推动大语言模型在各行各业的广大范围的应用和推广。

全球人工智能治理:趋势与特点

每一次技术突破在提升生产效率的同时都会带来新的安全和伦理风险,人工智能技术作为一项通用目的技术也不例外。随着人工智能技术的广泛应用,特别是生成式人工智能的快速发展,人工智能治理问题已成为全球各方面临的现实挑战,因此亟需深入思考如何平衡人工智能技术带来的利益与潜在的风险。本文通过梳理人工智能治理的全球趋势以及主要国家和地区监管方案,为我国推进人工智能治理进程提出相关建议。

基于区块链技术的政务数据共享设计研究

文章首先简单介绍了区块链技术和应用以及区块链技术设计政务数据平台的动因,然后分析了基于区块链技术进行政务数据共享平台架构设计的基本方法,同时解析了应用区块链技术进行政务数据共享平台设计时的关键机制构设途径,并从双链结构机制设计、智能合约独立空间设置、平台数据存储机制等方面详细论述,仅供参考。

中小学AI教育需要怎样的学习工具

夸美纽斯在其开创“教育学”这一学科的巨著《大教学论》的第十一章中,曾指出“在此以前没有一所完善的学校”,这句话在目前同样适用。因为我们目前也正处于一个“重新定义教育和学习”的新时代。就像在夸美纽斯的学校中,每个人都平等地接受语文、数学、科学和艺术教育一样,人工智能教育的出现,给了我们一种重新看待学校和学习的视角。人工智能需要普及,仅仅将人工智能看成学习方式的观点需要被修正甚至变革。这样,我们面临的首个问题就是人工智能教育的教学内容是什么。

基于跨虚拟机零下陷通信的加速器虚拟化框架

人工智能技术的长足发展对于云计算的算力提出了更高的要求,云服务提供商在数据中心内添置了拥有大量并行计算单元的加速器,这些加速器需要与已有的虚拟化平台相结合以进行计算资源的划分.当前主流的加速器虚拟化方案是通过PCI透传的方式,但是该方式不支持细粒度的资源划分;部分特定型号的加速器还支持了时分复用的方案,通过硬件与虚拟机监视器配合划分计算资源和时间片,但是该方案可移植性差,对于任何新型加速器的适配都要重新开发,固定的资源划分策略也导致可扩展性有限;另有基于API转发的方案,通过分离式驱动的模式将虚拟机的请求转发给后端驱动处理,而转发通信的过程中存在着性能瓶颈.提出了Wormhole,一种基于C/S架构的、支持跨虚拟机快速代理执行的加速器虚拟化框架,旨在为上层用户提供高效、透明的加速器API转发虚拟化的同时保障多用户间的强隔离性.该框架利用硬件虚拟化技术,允许CPU控制流在虚拟机间快速切换而不触发任何下陷,大幅降低了虚拟机间通信带来的虚拟化性能开销.实验结果表明,Wormhole的原型系统相较于具有代表性的开源虚拟化方案GvirtuS,在经典模型的训练测试中能够有高达5倍的性能提升.

面向GPU计算平台的归约算法的性能优化研究

归约算法在科学计算和图像处理等领域有着十分广泛的应用,是并行计算的基本算法之一,因此对归约算法进行加速具有重要意义。为了充分挖掘异构计算平台下GPU的计算能力以对归约算法进行加速,文中提出基于线程内归约、work-group内归约和work-group间归约3个层面的归约优化方法,并打破以往相关工作将优化重心集中在work-group内归约上的传统思维,通过论证指出线程内归约才是归约算法的瓶颈所在。实验结果表明,在不同的数据规模下,所提归约算法与经过精心优化的OpenCV库的CPU版本相比,在AMD W8000和NVIDIA Tesla K20M平台上分别达到了3.91～15.93和2.97～20.24的加速比;相比于OpenCV库的CUDA版本与OpenCL版本,在NVIDIA Tesla K20M平台上分别达到了2.25～5.97和1.25～1.75的加速比;相比于OpenCL版本,在AMD W8000平台上达到了1.24～5.15的加速比。文中工作不仅实现了归约算法在GPU计算平台上的高性能,而且实现了在不同GPU计算平台间的性能可移植。

基于人工智能的事件管控预警技术应用实践

道路交通突发事件对城市交通运行的效率、秩序、安全等方面构成了严重的威胁,而随着人工智能的快速发展,基于视频监控的事件感知预警技术在交通事件处置与防范中得到广泛应用。但如何将事件的及时感知与交警部门快速精准反应有效衔接起来,成为事件处置从科技管理到实战落地的最后一环,也是交管部门不断探索创新的方向。本文将讲述基于人工智能的事件感知、预警、个性化报告推送的事件管控预警技术和在天津交通中的应用实践。