首页 文章 精选 留言 我的

精选列表

搜索[首次盈利],共10000篇文章
优秀的个人博客,低调大师

中国超级计算机扩大领先优势:TOP500总量首次超越美国

本文来自AI新媒体量子位(QbitAI) 世界上最快的超级计算机在哪里? 刚刚发布的TOP500榜单表明,在超级计算机领域,中国已经全面压倒美国,成为世界第一。神威·太湖之光、天河2号继续蝉联超算排行榜的前两位,这已经是意料之中的事情。 最新的变化是,全球最快的超级计算机排行榜上,中国的超级计算机入围总量达到202台,成为这个榜单上最大的“势力”。 这也是TOP500发布25年以来,美国的最差成绩。 仅仅在六个月之前,TOP500的排行榜上,来自美国的超级计算机还有169台,当时中国入围的数量为160台。尽管美国已经滑落到第二位,但继续下跌的空间几乎没有了。 排名第三的日本,拥有35台。然后是德国,20台。法国18台,英国15台。 在总计算力上,中国超级计算机的表现也超过美国。中国占TOP500 flops的35.4%,而美国大约占29.6%。

优秀的个人博客,低调大师

AI马拉松第三场结束,美女团队首次夺冠,恭喜!

“虽然我们没能完成最终作品的提交,但还是学到了不少知识。” “这次的考题完全找不到头绪,如果给我一周时间,也许可以给出更好答案。” “居然没有有效的标注数据,几乎奔溃了,这比赛太真实了吧。” “我们是搞图像识别的,这回领教了语义识别的难度。” 在刚刚结束的第三届大赛中,AI参赛者们遇到了“巨大”的困难。这究竟是个什么比赛,为什么大家叫苦不迭,让小编给大家说说看。 9月2日,第三季 “Power AI 人工智能马拉松编程大赛”在马哥孛罗酒店开幕,此次大赛主题是“挖掘制造工艺和流程的金矿”,活动由CSDN、IBM、e-works联合举办,旨在推动人工智能在传统制造业的应用落地。大赛的消息放出去以后,在国内人工智能算法领域引起广泛关注,报名踊跃。活动报名123人,主办方经过严格选拔后由76位开发者自由组队形成的20个团队参加了现场决赛圈的比赛(因为题目很难,只有11支团队提交了可以运行的作品), 10000+以上用户通过映客平台观看了活动直播。 跟其他人工智能算法大赛相比,本次Power AI马拉松大赛有三个特点: 亮点1:技术架构领先 PowerAI架构可独享 NVIDIA NVLink 技术的 AI 计算平台,开发平台支持TensorFlow,训练速度可提升100倍以上,与x86架构形成鲜明对比……优势多多,绝非俗流,未来在金融、电信、保险、制造等核心业务领域中将有广泛的应用。 亮点2:紧贴行业 本次大赛面向AI技术精英及在校优秀学生,通过开放真实的制造业数据,结合行业难点课题,向算法天才征集AI解决方案。参赛选手将通过对大量非结构化文本数据建立相关模型,分析和理解其中语义。类似模型可以在制造业的新产品设计、工艺和流程改进等方面,帮助设计和研究人员更快速借鉴既有经验从而加速产品设计、工艺和流程改进的过程,从而有力的推动人工智能在传统制造业中的创新应用。 活动亮点3:AI评判 比赛使用了自己开发的一套裁判程序。其中包括一个“抢答”部分一个答案自动判断部分。主办方从两个方面来考察选手的模型和程序:一个是inference的速度,另一个是答案的准确性。 选手通过每一轮的问题进行抢答,只有第一个送回正确答案的队伍才能在这一题得分。关于如何判断答案的时间顺序,程序中使用了消息队列来记录选手送回答案的时间。正确性的判断通过使用的语料构建了一个模型来进行自动判断。 除此之外,如果选手的模型中使用到了大赛说明中提到的一些比较前沿的算法的话,评奖嘉宾也会有相应的额外附加分,基本上还是以抢答部分的得分为主的。 (AI比赛,AI自己评判结果,这个创意绝了!) 考官挖了哪些坑? 1、数据没有清洗 这里面涉及到中文的繁体、简体问题,有编码问题,全角、半角的问题,这些其实都是中文里非常常见的问题。数据一旦清洗的不是很好,一定会影响到后面训练的过程。如果这方面经验不足,就会很容易与其他团队拉开差距。 2、特意规避了一些字词 你如果试图用关键字、关键词、关键短语来搜索问题的答案是找不到的,因为有很多问题的答案是跨行的,甚至是有顺序关系的。我们想看看这些选手在这种最新的领域里面,是不是能够很快地把新的paper转换成能够实验、尝试的模型。 (画外音:大部分考生都哭晕在考场) 这么难的题,谁获奖了? 一等奖团队合影 一等奖团队,来自中科院声学所,现金奖10000元。 二等奖两支获奖团队,分别由来自中国科学院自动化研究所和腾讯公司(北京)组成的第五组,以及来自北京大学&微软亚洲研究院的第十九组,现金奖8000元。 三等奖三支获奖团队,现金奖5000元。 为啥她们是第一名? IBM中国系统实验室高性能计算部门开发部经理宋煜表示:“就技术而言,大赛看重模型的设计能力,不只是复制和使用既有的模型,更重要的是能够有模型设计上的创新。来自中科院声学所的冠军团队使用了两种方案。在最后的方案中使用了Bi-direction LSTM+Attention-LSTM。由于标签数据量有限,他们用R-Net的Attention机制对问题和篇章进行表示,然后再次使用Attention-RNN在篇章上进行Auto Encoder最后使用带Attention的Decoder生成答案,替换掉原来R-Net的输出层,巧妙降低了标签数据不足的影响。同时,在比赛中,该团队有着良好的项目分工,在转码,异常字符处理,词和字的特征提取以及匹配算法上都做了相应的调整和优化,最后达到一个良好的效果,从而赢得了比赛。” (画外音:小伙子们,你们不行啊!) 一等奖的美眉团队(唯一男组员哭了)有技术、有分工,巾帼不让须眉,又一次把男同胞拍在了沙滩上! 获奖MM选手感言 “最大的收获,我们能在一个团队中工作搭配的很完美,这是最重要的。借用一句话独狼死,群狼生。”“有了这一万元明天先吃顿大餐,我们组写代码都没吃晚饭。” 嘉宾寄语 “当下,人工智能正处于深耕行业应用的关键点,中国也将人工智能上升为国家战略。但把新技术应用到实践中,不是一蹴而就的。比如,开发者学了模型、训练数据后,并不一定能真地用在生产线。相信一天的比赛下来,选手们遇到不少挑战,而赛题的设计就是一步一步地带领大家解决这些难题,在其中体验、学习人工智能最新的技术,学会用人工智能解决行业中的实际问题。IBM希望通过举办这样的活动,发掘、培养更多人工智能创新人才和团队,共同引领人工智能在行业实现新的突破、新的繁荣。” ——IBM全球副总裁、IBM中国系统开发中心总经理谢东博士表示。 除此之外,CSDN &《程序员》总编孟迎霞前往现场致辞, TCL集团副总裁、亏联网事业本部总裁、豪客亏联网有限公司CEO孙良先生带来远方寄语。 赛后合影 小结 云计算、大数据、VR/AR、人工智能、区块链……技术圈每几年都会出现各种新的技术潮流,对于开发者来说,如果我们选对了未来技术方向,那必将事半功倍。现在,最火的技术非人工智能莫属了,我们转型AI的决心就差这一场实战马拉松了。CSDN 作为中国最大的开发者社区,还将携手IBM等合作伙伴共同主办了多场不同行业、不同技术点的人工智能大赛,希望大家继续关注我们的更多报道。 本次大赛的一等奖团队美眉主打天下,下次比赛男同胞们要加油了。 本文转自d1net(转载)

优秀的个人博客,低调大师

苹果iOS恶意软件数量增速首次超过Android

之前小编还说Android系统似乎已经成为世界各地病毒作者的首选目标,但是近日一份安全研究报告让小编啪啪打脸. Skycure的移动安全报告显示,近三个季度内,在iOS上运行的恶意软件增加了2倍多,而Android设备上的恶意软件仍基本持平。 报告指出,第一季度iOS设备上发现了0.65%高危恶意软件,远远高于去年第三季度的0.21%,然而Android在这段时间内保持平稳。 互联网上钱多的地方黑客也多,iOS不仅是当前最受欢迎的设备之一,而且更多有钱人更加青睐iPhone手机。小编拿着手里的iPhone 4,微微一笑。 数据来源于Skycure 如图所示,iOS的的漏洞数量在今年急剧上升,达到了192个漏洞,远远超过了2016年所发现的161个漏洞。iOS漏洞预计今年将高达643,同比增加了4倍。相比之下,Android漏洞预计将从523下降至500。 相比于Android用户,iOS用户对于系统更新这事还是非常上心的,报告显示将近91.4%的iOS用户已经更新到iOS 10版本,而Android 7的更新用户只占20.8%。但是更新系统并不能解决iOS的安全问题。虽然iOS比Android更加积极的修复漏洞,但也只能解决一部分问题。移动设备还有其他需要面对的安全威胁,如物理损耗,WiFi网络攻击,漏洞利用等。 最后阿里聚安全小编建议小伙伴们,不要通过陌生渠道下载APP,尽量到官方认证的应用市场下载。建议说了很多次,还请大家牢记在心。 移动安全也是聚安全的老本行,相关的问题可以私信留言。我们还有数据风控、内容安全以及实人认证等产品,感兴趣的小伙伴可以移步官网了解下(http://jaq.alibaba.com)

优秀的个人博客,低调大师

阿里首次公开量子通信技术: “走进了一个无人区”

“量子通信的加密技术被科学界认为是目前无法被破解的信息保密技术,阿里巴巴除了会持续深耕量子通信技术,还会通过阿里云向全球企业输出量子通信的安全服务”,阿里集团首席通信科学家谢崇进博士在近日“阿里技术下午茶”活动上,向参会媒体记者介绍了阿里NASA计划-量子通信技术的发展规划。阿里巴巴集团首席通信科学家 谢崇进博士量子信息被业界公认是对未来世界科学产生重大影响的革命性技术,中美等大国均投入巨大资源参与到这场未来之战。 今年6月,科技部等四部门联合印发《“十三五”国家基础研究专项规划》,列出了“十三五”期间重大科技项目,其中就包括量子通信与量子计算机。 在最核心的量子通信、量子计算领域,阿里巴巴在今年上半年相继推出世界级成果。 3月,阿里云发布全球首个云上量子通信商用服务,由此打开了量子信息科学普惠发展之门。 5月,中科院、阿里巴巴等机构研发

优秀的个人博客,低调大师

PUE 无限接近 1.0,阿里云首次展示“麒麟”数据中心解决方案

4 月 26 日,阿里巴巴在南京云栖大会上展示了全球首个商用服务的全浸没液冷数据中心“麒麟”。作为阿里巴巴 NASA 计划的重要基础,“麒麟”通过液冷而不是常见风冷的方式为服务器集群降温,即将整台服务器浸在液体里循环冷却,极速运算的服务器产生大量热量可被冷却液直接吸收进入外循环冷却。这一方案可以无需使用空调,能源使用率(PUE)逼近了理论极限值 1.0——在传统数据中心里,几乎有一半的电能消耗在了散热上。 目前,“麒麟”已经通过了初步测试和验证,这种耗能极低的技术方案将应用于阿里云服务,可为未来 20 年提供计算能力。 浸没液冷是最近几年备受业界关注的新型散热技术,尤其在 SC14 全球超级计算大会上,来自国内外的多家服务器企业均展示了在浸没液冷散热上的产品,大幅提高了业界对液冷的关注度。不过受限于技术实现的难度,目前参与浸没液冷服务

优秀的个人博客,低调大师

WorkBuddy 搭配思源笔记:纯小白首次AI体验——赋能个人笔记#WorkBuddy#

先介绍一下自己吧,我是一个笔记爱好者(或者说单纯的囤囤鼠属性)每次看到不错的文章、句子都会摘抄下来,上学的时候一直用的notion作为自己的笔记软件,但是毕业之后学生邮箱被注销,notion又限制只能用邮件验证登陆,丢失了很多东西所以想到做本地的知识笔记,最后找到思源笔记,基本符合我的使用习惯和需求

优秀的个人博客,低调大师

Oracle 裁减 13% 员工,并首次在 SEC 文件中确认 AI 已导致岗位减少

2026 年 6 月 22 日,Oracle 在向美国 SEC 提交的年度 10-K 文件中披露了一个引人注目的数字:截至 2026 年 5 月 31 日,公司全球员工总数为 141,000 人,较上一财年末的约 162,000 人减少了约 21,000 人,降幅约 13%。 这份文件同时披露了另一组数据——公司在 2026 财年支出了 18.4 亿美元的遣散费和相关离职成本,而上一财年这个数字仅为 3.74 亿美元,同比增长了近四倍。更引人关注的是 Oracle 在文件中给出的人员调整原因:"AI 技术在我们各项运营中的采用和部署已经导致、并且可能继续导致我们员工队伍的减少。"这是迄今为止大型科技公司在官方监管文件中就 AI 替代人力给出的最直白的表述。 Oracle 在文件中同时列举了其他导致裁员的因素,包括管理层变动、产品方向调整、绩效优化、战略转型和收购整合。但将 AI 单独列为第一条原因、并以如此明确的因果关系表述写入 10-K 文件,意味着 Oracle 不仅在内部已经验证了 AI 对部分岗位的替代效应,而且选择向投资者公开承认这一趋势。对于一个年营收超过 500 亿美元、在云计算和数据库市场占据核心地位的科技巨头来说,这种坦率本身就传递了一个信号:AI 驱动的组织瘦身已经从实验阶段进入了执行阶段。 值得注意的是,这轮大规模裁员伴随着 Oracle 历史上最强劲的财务表现。公司在最近一个季度报告了创纪录的营收,其合同积压量已经超过了公司的总市值,其中超过一半的积压合同被估计与 OpenAI 有关。Oracle 同时宣布计划通过债务和股权融资筹集 400 至 500 亿美元,用于 AI 基础设施建设,当前财年的资本支出预计将达到约 700 亿美元。换句话说,Oracle 正在同时进行两件事:一边用创纪录的预算建造 AI 基础设施,一边用 AI 替代那些曾经建设和维护旧基础设施的员工。这种"左手建 AI、右手裁人"的并行操作,为理解 AI 时代的公司组织变革提供了一个经典样本。 从更广的行业视角来看,Oracle 并非孤例。根据 Layoffs.fyi 的追踪数据,2026 年以来已有 196 家科技公司进行了裁员,涉及超过 119,800 名员工。亚马逊、Meta、Block、PayPal、Cloudflare 和 Google 等公司都在 2026 年进行了多轮以 AI 为由的人员调整。但与大多数公司选择用"重组""效率提升"或"战略调整"等模糊措辞来包装裁员不同,Oracle 在 10-K 文件中的直白表述——将 AI 明确列为导致岗位减少的直接原因——可能成为行业的一个分水岭。一旦一家公司以官方监管文件的形式确认了 AI 对人力的替代效应,其他公司在后续的文件披露中是否继续使用模糊措辞,将成为投资者审视的焦点。 Oracle 的股价目前为每股 175 美元,年内下跌约 10.5%,但三年涨幅约 55%,五年涨幅约 139%。市场对于 Oracle 大规模投入 AI 基础设施的看法是分裂的:一方面,超过市值总额的合同积压证明了 AI 需求的真实性;另一方面,公司面临负自由现金流、对少数 AI 客户(尤其是 OpenAI)的高度集中依赖,以及 700 亿美元资本支出的执行风险。标普全球的分析师指出,Oracle 对少数大客户的依赖在行业中并不常见——与 AWS 或 Google Cloud 广泛分散的客户基础相比,Oracle 的 AI 收入更加集中,这使得任何单一客户的合同变更、推迟或技术路线切换都可能对公司产生不成比例的影响。 Oracle 的战略逻辑实际上是清晰的:如果 AI 确实是未来十年最重要的计算范式转变,那么在基础设施层占据先发优势比保护短期利润率更重要。13% 的人员削减和 18.4 亿美元的遣散费,从这个角度看,不是衰退的信号,而是一次大规模的资源重新配置——把人力的预算转移到 GPU 的预算上。问题在于,这种转移的速度和规模是否超出了组织的消化能力,以及当 AI 基础设施的产能过剩周期不可避免地到来时,Oracle 是否有足够的多元化客户基础来吸收冲击。 对于 Oracle 自身而言,这也反映出其独特的战略路径选择。与 Microsoft 通过深度绑定 OpenAI 成为 AI 应用层的最大受益者、Amazon 通过 Bedrock 和自研芯片构建多模型平台、Google 通过垂直整合从芯片到应用全栈布局不同,Oracle 的 AI 战略高度聚焦于基础设施层——大规模数据中心、GPU 集群、以及面向头部 AI 公司的专用云服务。这种策略的优势在于客户单价极高、合同金额巨大、增长速度快;代价则是客户集中度过高,且需要天文数字级别的资本投入。裁员 21,000 人释放出的薪酬预算,在 Oracle 的 AI 资本支出中只是杯水车薪——18.4 亿美元的全年遣散成本,在 700 亿美元的年资本支出计划面前仅占约 2.6%。这笔账的另一面是:省下的人力成本远不足以支撑 AI 基建的胃口,AI 基建的回报又高度依赖于少数几个大客户的持续投入。Oracle 正在押注的是一个高风险、高回报的循环。 对于科技行业的从业者来说,Oracle 的 10-K 文件提供了迄今为止关于 AI 对就业市场影响的最高清晰度信号。当一家拥有 14 万员工、年营收数百亿美元的公司在官方文件中明确写出"AI 的采用已经导致且将继续导致员工减少"这句话时,AI 替代人力已经不是一个预测,而是一个正在进行中的事实。Oracle 没有掩饰这一点,它选择把这句话写进了 SEC 文件。对于每天坐在 Oracle 办公室里写代码、做测试、管运维的工程师们来说,这份 10-K 传递的信息再清楚不过:公司的未来预算表上,GPU 的优先级正在超越你的工位。而对于整个科技行业来说,Oracle 的坦率或许只是一个开始——当越来越多的公司不得不在监管文件中解释它们的人力成本为什么在下降而算力成本在飙升时,AI 替代人力的真实规模才会从公司内部的运营数据中浮现出来,变成一个可以被公众审视的数字。 参考来源: Reuters: Oracle workforce shrinks by about 13% New Straits Times: Oracle slashes workforce by 21,000 as AI adoption accelerates restructuring MarketScreener: Oracle workforce shrinks by about 21,000 employees amid AI adoption

优秀的个人博客,低调大师

TIOBE 2 月:Go 首次进入前十、“上古语言” COBOL 和 Fortran 排名飙升

TIOBE 编程语言排行榜公布了最新的 2 月榜单: https://www.tiobe.com/tiobe-index/ 2024 年 2 月,Go 进入了 TIOBE 编程语言排行榜前十,排名第 8 位 —— 这是 Go 有史以来的最高排名。从其排名趋势变化图来看,Go 排名最低是 2015 年的第 122 位。 除了 Go 语言,本月的榜单有两门“上古语言” 罕见地进入了前 20: Fortran 从去年同期的第 24 位上升至第 11 位,PHP 在其前一位 COBOL 从去年同期的第 30 位上升至第 19 位,紧随大热的 Rust 其后 根据这两门语言排名的趋势变化,它们的排名于去年中旬突然出现爆发式上升,此后虽然稍有下降,但也比前几年靠前。 去年 8 月,IBM 推出了一款生成式 AI 编程助手watsonx,用于将传统的 COBOL 转换为企业级 Java 代码。据称该工具由 IBM 的 watsonx.ai 代码模型提供支持。该模型从 1.5 万亿个 tokens 中学习了 115 种编码语言的知识;拥有 200 亿个参数,从而实现“更高效的 COBOL 到 Java 转换”。 COBOL 是最古老的编程语言之一,历史可以追溯到 1959 年左右;但当下仍被大型组织广泛用于处理来自重要中央系统的数据,例如账单、帐户、工资单和客户交易等。2022 年的一项调查指出,92% 的受访者认为 COBOL 具有战略意义,日常使用的 COBOL 代码量显着增加至 775-8500 亿行;大约是先前估计的三倍。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册