註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 AI决策 
AI决策  貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 AI决策  的搜尋結果
具身智能 = AI 决策 + 传感器 + 执行器 + 移动能力。 现实世界开始出现低成本、远程、自动化的执行能力,潜在风险包括: - 非法进入限制区域 - 恶意破坏公共设施或私人财产 - 物流、仓储等场景中的蓄意扰乱 - 对人员造成意外伤害(例如机器人失控、被恶意控制) - 被用于走私、偷运、盗窃等违法活动 - 被黑客接管形成大规模机器人网络(类似 IoT 僵尸网络,但拥有物理执行能力) - 大规模自动化骚扰(例如无人机、机器人持续干扰公共秩序) GPT 都不敢说太细了,但是可以参考一下大疆的管控方向。
顯示更多
a16z 领投,AI 模型 Jev 开发商 TypeSafe AI 估值达 75 亿美元 AI “决策”模型 Jev 的开发商 TypeSafe AI 完成约 8.7 亿美元融资,投后估值 75 亿美元,由 a16z 领投。 据悉,TypeSafe AI旗下AI模型Jev在发布数周后迅速走红,其联合创始人Diogo Almeida表示,发布视频走红后,公司获得大量企业高管、开发者和投资者关注 目前已被约三分之一的《财富》500强企业使用,并在数天内突破100万用户。
顯示更多
🕸️ 又发现一个能让 AI 的每个决策都倒查得到来源的神器 Semantica,把企业散在各处的数据织成一张图。 GitHub 上 1.3 万 star、1500 多个 fork,MIT 协议,pip 一行就能装。 在强监管的行业里用 AI,最难过的一关是解释:模型给了个结论,风控问你凭什么,你只能把提示词和一堆检索片段翻出来,还原不出它当时究竟依据了哪条数据。真出了问题要复盘,更是无从下手。 Semantica 把这条链路做成了确定性的:数据从文件、网页、数据库、Kafka、邮件这些地方摄进来,抽成上下文图谱和知识图谱;推理走前向链式、Rete、Datalog 和 SPARQL,不依赖大模型也能跑。每一个 AI 决策都落成图上的一个节点,能往上追因果、往旁边找相似案例、往下看影响范围,审计轨迹按 W3C 的 PROV-O 标准导出成 JSON、CSV 或 RDF,直接交给合规。需要大模型的地方也留了口子,OpenAI、Anthropic、Gemini 都能接,CLI、REST API 和 MCP server 也都有。官方把丑话说在前面:Rete 引擎当前版本的条件匹配还比较简单,上合规生产前建议自己先验一遍结果。 AI 敢不敢上生产,不看它多聪明,看它能不能讲清楚自己为什么这么说。 GitHub:
顯示更多
AI 时代,留学目的地怎么选?重点早已不是“去哪儿”,而是“你想成为谁”! 当下热门留学地的申请人数趋于平稳,但培养方向的绝对分化正在加速发生: 1. 技术工程师 专注于底层逻辑与算法的技术精进; 2. 顶层规则制定者(如美国头部院校的重点培养方向)则要求将技术与人文、科技伦理深度结合,在 AI 决策中平衡效率与公平,解决复杂的跨学科难题。 对于科技产品爱好者&科技留学生: 如果你对技术本身以及“技术如何改变世界”充满热情,现在的专业选择远不止 Computer Science! AI 伦理(AI Ethics)、科技政策(Tech Policy)、AI 与人机交互(HCI) 等融合方向,正在成为培养下一代领军人才的新赛道。 赛道本无绝对优劣,关键在于你的定位是否匹配时代的需求。你想做技术的构建者,还是规则的制定者?
顯示更多
《AI 下半场:美股人形机器人产业链全梳理》 白毛股神 Serenity @aleabitoreddit 说:Robotics is next.🤖🤖🤖 过去两年,市场主要交易的是 AI 的大脑:GPU、CPU、存储、数据中心、大模型、推理算力。 但大脑建好之后,AI 不能永远只停留在屏幕里写代码、画图、聊天。 大模型是 AI 的大脑,机器人是 AI 的身体。大脑负责思考,身体负责行动。 只有当 AI 拥有了身体,它才能真正走进工厂、仓库、医院、家庭,去搬运、分拣、装配、护理、清洁,最终在真实世界里创造价值。 Biteye 按照人形机器人的组成部分,系统梳理了美股机器人及供应链核心标的👇 🔹 感知系统 这部分负责让机器人看到世界。它通过视觉、深度、触觉等传感器,把真实世界转化为数字信息,让机器人能够识别物体、理解环境并进行空间定位,是机器人理解外部世界的第一步。 $CGNX Cognex | ~$8B+ | 工业机器视觉龙头,工厂自动检测与识别系统 $KEYS Keysight | ~$30B+ | 测试测量系统,机器人电子系统验证基础设施 $TDY Teledyne Technologies | ~$25B+ | 高端工业相机+LiDAR+传感器系统 $ON onsemi | ~$25B+ | 自动驾驶+机器人图像传感器核心供应商 $NOVT Novanta | $5.61B | 做机器人力/力矩传感器,在人形机器人和工业机器人里很重要。 $AMBA Ambarella | ~$4B+ | AI视觉芯片,用于机器人/无人机/安防识别 $VPG Vishay Precision Group | ~$1.7B | 精密力学传感器公司,应变计和力传感器可用于人形机器人灵巧手、关节力控与高精度抓取,是 Optimus 供应链弹性标的之一。 $VLN Valens Semiconductor | ~$200M+ | 高速信号传输芯片公司,提供低延迟视觉数据传输方案,可用于机器人多摄像头、自动驾驶和端侧计算系统。 🔹 执行系统 执行系统相当于机器人的肌肉和关节,负责把计算系统发出的指令转化为真实动作。无论是行走、转身、抓取、搬运,还是保持平衡,都依赖电机、减速器、液压/气动系统和精密传动部件来完成。 $PH Parker Hannifin | ~$120B+ | 运动控制+液压系统,机器人核心驱动与执行器 $IR Ingersoll Rand | ~$32B+ | 工业压缩机+自动化气动系统 $FTV Fortive | ~$18B+ | 工业精密工具+自动化设备系统 $RRX Regal Rexnord | ~$14B+ | 电机+传动系统,工业机器人动力核心 🔹 计算与控制 计算与控制相当于机器人的“大脑 + 小脑”,负责处理感知数据、理解环境、规划路径,并把AI决策转化成稳定动作。它决定机器人反应快不快、动作准不准、能不能在复杂环境中自主运行。 $NVDA Nvidia | ~$3.0T+ | AI GPU + Jetson边缘计算平台,机器人算力绝对核心 $MSFT Microsoft | ~$3.2T+ | Azure + Copilot + AI基础设施,提供机器人云端大脑与开发平台 $GOOGL Alphabet | ~$2.0T+ | DeepMind + Waymo,布局自动驾驶与机器人AI系统 $AMD AMD | ~$880B+ | GPU/CPU替代方案,提供机器人边缘与训练算力 🔹 能源系统 能源系统决定机器人能运行多久、功率能有多强,包括电池技术、电源管理和充电系统,是机器人能否规模化落地的关键限制条件。 $ADI Analog Devices | $203.57B | 模拟芯片、电源管理、传感和工业控制巨头,机器人底层硬件核心。 $HON Honeywell | $144.11B | 电源管理+工业能源系统 $MPWR Monolithic Power Systems | $76.83B | 电源管理芯片龙头,广泛应用于机器人、AI服务器和汽车电子。 $VICR Vicor | $14.40B | 做高效率电源模块,将电池电压转换成不同部件用电,适合机器人能源系统。 $AMPX Amprius Technologies | $2.43B | 硅负极高能量密度锂电池,已切入无人机与机器人市场 $BLNK Blink Charging | $85.63M | EV充电基础设施公司,探索机器人与物流设备充电场景 🔹 基础软件 基础软件是人形机器人真正的“智能底座”,决定机器人不是简单重复动作,而是能够理解任务、学习环境并不断优化行为。 在人形机器人训练中,软件的重要性甚至高于单一硬件。机器人需要先在仿真环境中学习走路、抓取、避障和执行任务,再通过真实世界数据不断修正模型。 $MSFT Microsoft | ~$3.2T+ | Azure AI + Copilot 生态,机器人云端大脑与企业AI开发平台。 $NVDA Nvidia | ~$3.0T+ | Isaac Sim + Jetson + GPU 算力平台,机器人仿真训练和AI推理基础设施。 $TSLA Tesla | ~$1.3T+ | FSD + Optimus 数据闭环,端到端机器人策略模型代表。 🔹 人形机器人 在人形机器人方向,本体公司的目标是让机器人像人一样在复杂环境中完成通用任务;在工业和协作机器人方向,则更强调稳定性、效率和规模化部署。因此,这一层通常也是机器人产业链中最接近终端需求、最容易形成品牌和估值叙事的部分。 $TSLA Tesla | ~$1.3T+ | Optimus 人形机器人 + FSD 自动驾驶统一系统,代表“AI大脑 + 机器人本体 + 数据闭环”的一体化路线。 $HON Honeywell | ~$140B+ | 工业自动化、航空自动化与物流自动化解决方案商,更多偏机器人系统集成与场景落地。 $ABB ABB | ~$100B+ | 全球工业机器人和自动化龙头,产品覆盖机械臂、控制系统、产线自动化,是成熟工业机器人代表。 $TER Teradyne | ~$24B+ | 通过 Universal Robots 和 MiR 布局协作机器人与自主移动机器人,是工业协作机器人平台型公司。 $CCXI Churchill Capital Corp XI / Agility Robotics | 拟合并估值约 $2.5B | Agility 是美国人形机器人公司,核心产品 Digit 主攻物流、仓储和制造场景。 目前 Agility Robotics 正通过与 SPAC 公司 Churchill Capital Corp XI 合并上市,交易完成后预计更名为 Agility,并使用新 ticker $AGLT。 🌟写在最后 机器人产业链的投资逻辑,其实和半导体周期很像。 早期阶段,很难判断谁会成为最终赢家,但产业链上每一层都会先跑出阶段性机会:感知、执行、能源、控制、本体,都会随着行业关注度提升被重新定价。 今天优必选超仿生机器人刷屏,就是一个很明显的信号:机器人正在从实验室、发布会,开始走进大众视野。根据公开报道,优必选在 6 月 30 日发布会上表示,“优世界 U1”系列全渠道订单已突破 1 万台,并计划今年交付。 当然,这不代表机器人马上就会全面商业化。短期看,它更像一个从“概念展示”走向“真实订单”的拐点。真正值得关注的,是订单能不能持续、成本能不能下降、供应链能不能跟上。 对普通投资者来说,与其现在就押注谁是“人形机器人界的英伟达”,不如把机器人当成一条完整产业链来研究:感知、执行、能源、本体,每一层都选出核心公司,用组合方式分散单一标的不确定性。 Robotics is next 这句话大概率是对的。但节奏不会一蹴而就,真正的机会,可能藏在每一台机器人都绕不开的核心供应链里。
顯示更多
0
6
75
25
轉發到社區
每个人都应该了解的AI 术语名词,你都认识吗? 搞懂这些名词 并了解其实现方式和原理。你基本就入门了。 AGI(类人AI):类似人类思维的AI。 CoT(链式思维):AI一步步思考。 AI Agents(AI代理):自动化决策的程序。 AI Wrapper:简化与AI模型的互动。 AI Alignment(AI对齐):确保AI遵循人类价值观。 Fine-tuning(微调):使用特定训练数据来改进AI。 Hallucination(幻觉):AI编造的信息。 AI Model(AI模型):用于任务的训练AI。 Chatbot(聊天机器人):模拟人类对话的AI。 Compute(计算):AI模型的处理能力。 Computer Vision(计算机视觉):AI理解图像和视频的能力。 Context(上下文):AI为更好响应保留的信息。 Deep Learning(深度学习):通过多层神经网络学习的AI。 Embedding(嵌入):AI的词汇数字化表示。 Explainability(可解释性):理解AI决策背后的逻辑。 Foundation Model(基础模型):可适应任务的大型AI模型。 Generative AI(生成式AI):创建文本、图像等内容。 GPU(图形处理单元):用于快速AI处理的硬件。 Ground Truth(真实数据):AI学习的验证数据。 Inference(推理):AI对新数据做出的预测。 LLM(大型语言模型):用大量文本数据训练的AI。 Machine Learning(机器学习):AI通过数据经验改进。 MCP(模型上下文协议):AI内部数据访问的标准。 NLP(自然语言处理):AI理解人类语言。 Neural Network(神经网络):受大脑启发的AI模型。 Parameters(参数):AI学习的内部变量。 Prompt Engineering(提示工程):创建输入以指导AI输出。 Reasoning Model(推理模型):有逻辑推理能力的AI。 Reinforcement Learning(强化学习):AI通过奖励与惩罚学习。 RAG(检索增强生成):结合搜索与生成的AI。 Supervised Learning(监督学习):在标记数据上训练的AI。 TPU(张量处理单元):AI处理专用芯片。 Tokenization(分词):将文本分割成词片。 Training(训练):通过调整参数教AI。 Transformer(变换器):用于语言理解的AI架构。 Unsupervised Learning(无监督学习):AI在无标签数据上发现模式。 Vibe Coding(情绪编码):通过语言捕捉情绪并预测输出。 Weights(权重):影响AI学习的值。 #AI# #AIAgent#
顯示更多
谁能想到,现在连俄罗斯方块,都可以交给一部安卓手机上的 AI 来玩了。 @Acurast 又展示了一个挺有意思的 Demo,让开源 AI 模型 Laya 在真实手机上运行,自己判断俄罗斯方块应该往哪里放。 一开始觉得就是个小游戏,仔细研究后才发现,背后涉及的其实是小模型决策、手机算力,以及 Crypto Agent 的去中心化执行。 / 先说说这个 Laya。 它属于 System One 决策模型,和我们平时使用的大语言模型有些区别。 比如玩俄罗斯方块,游戏会提前生成 5 个候选落点,Laya 根据当前局面选择一个,并返回对应概率。 整个决策过程只需要约 0.2–1 秒,而且直接运行在手机 CPU 上。 不需要昂贵的 GPU,也不必每次都调用大型云端模型。 这就挺有意思了。 / 更值得关注的,是 Acurast @Acurast 把这套能力放进了自己的去中心化计算网络。 按照近期官方数据: • 340,000+ 部接入手机 • 覆盖 175+ 个国家 • 11 亿+ 笔链上交易 • 70 万+ 次计算部署 结合 TEE 安全执行环境,Acurast 希望让手机提供的不仅是算力,还有可验证的 AI 决策能力。 这件事放到 Crypto Agent 领域,想象空间就更大了。 比如钱包交易审核、DEX 兑换路径选择、链上任务调度。 程序先生成合法选项,AI 根据策略快速做出选择,再由系统验证执行。 当然,涉及资金安全的操作,还需要额外的风控机制。 / 以前关注 Acurast,更多还是想着手机能不能挂机赚点奖励。 现在看到 Laya 真正在手机上跑起来,我反而更好奇,后面还能接入多少实际任务。 毕竟手机数量已经不少了,接下来就看这些算力能不能真正派上用场了。 #Acurast# #DePIN# #AI#
顯示更多
0
63
44
0
轉發到社區
Github 最多好评的开源【美股智能分析系统】 我刚发现这个库好像我还没分享过,实在是罪过啊。作为 Github 最多星星的仓库--41.5K,含金量我就不多说了。 主要功能如下: AI 决策报告:核心结论、评分、趋势、买卖点位、风险警报、催化因素、操作检查清单。 多市场数据聚合:A股、港股、美股、ETF;行情、K 线、技术指标、资金流、筹码、新闻、公告和基本面。 Web / 桌面工作台:手动分析、任务进度、历史报告、完整 Markdown、回测、持仓、配置管理、浅色 / 深色主题。 Agent 策略问股:多轮追问,支持均线、缠论、波浪、趋势、热点、事件、成长、预期等 15 种内置策略,覆盖 Web/Bot/API。 智能导入与补全:图片、CSV/Excel、剪贴板导入;股票代码/名称/拼音/别名补全。 自动化与推送:GitHub Actions、Docker、本地定时任务、FastAPI 服务和企业微信/飞书/Telegram/Discord/Slack/邮件推送。 仓库地址: 这个库功能十分强大,推荐大家使用。 我是尼卡,平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目,感兴趣的话欢迎关注,下次见~
顯示更多
0
45
115
27
轉發到社區