AI资讯 Archives

AI工具现在可以犀利点评你的Instagram存在感

你在寻找Instagram吐槽AI工具吗？让我们来看看有哪些选择。在Instagram上，用户通常分为两种类型。一类是随性发布者，他们随时随地发布各种照片，感觉就像在翻看朋友的相册。另一类则是策略家，每一条动态都是经过精心设计，每个滤镜和标题都经过推敲，以展示完美的美学效果。色调不协调？那可是他们的大忌。无论你倾向随性发布还是策略规划，完善你的Instagram动态都能产生显著效果。如今，Instagram不仅仅是娱乐；它是一个强大的平台，可以让你获得曝光，锁定有利可图的合作，甚至成为网红。最佳Instagram吐槽AI工具打造一个显得井井有条的动态不仅仅是吸引人——它也是策略之一。说到最佳的Instagram吐槽AI工具，那就是ChatGPT登场了。作为领先的AI工具，它现在提供了宝贵的见解和指导，帮助你优化Instagram动态。但它并不是唯一的选择。 Instagram吐槽AI工具是开启对话的好平台选项1：ChatGPT吐槽OpenAI的Instagram动态只需拍一张你的Instagram动态照片，让ChatGPT先看看。它会迅速分析并列出显著特点，比如你的帖子是否连贯、内容的多样性以及传达的真实感。这个工具会检查你的动态是否真正反映出你的个性，还是显得过于刻板。想要更深入了解？输入‘挑毛病’，准备好接受诚恳的分析。不管是重复的内容还是显得过于精心设计的动态，ChatGPT毫不客气地指出你的Instagram可能存在的问题。例如，我们选择了OpenAI的账号并发送了这个提示：“帮我点评OpenAI的Instagram动态。” 这是它的回应：根据OpenAI的Instagram动态内容，这里有一个有趣的点评：一致性还是认同危机？从复古车在彩虹道上飞驰到科技爱好者玩蛇，有点难以判断你是在宣传AI技术、发起科幻电影还是只是对各类艺术有兴趣。目标受众是谁？一会儿是AI迷们在狂热地谈论最新的AI技术，下一刻又变成某人的奶奶把那些植物怪物当成下一个园艺灵感。美学还是算法混乱？看起来像是算法太过天马行空了。也许这就是告诉AI“尽情玩乐”的结果。科技遇上…神话？从蛇缠着科技影响者到反乌托邦背景里的机械缪斯，感觉就像科技博览会撞上了神话会议。色彩协调 – 还是说混乱？调色板从青苔人的鲜绿色摆动到雾中复古车的黑白单色。是不是色轮失控了？互动诱饵还是真实帖子？一切炫目视觉效果和古怪布局，感觉每个帖子都在拥挤的数字世界里喊“注意我”。 Instagram吐槽AI工具是开启对话的有趣入口选项2：Monica AI的一些有趣功能你的第二个Instagram吐槽AI工具选择是Monica AI。这款实用工具简化了整个过程：只需输入你的个人资料URL，它会做其余的工作……某种程度上来说。 Monica AI采用诗意的方式，自称是“创新的宇宙之舞”，在这里它是你社交媒体交响乐的天体指挥。具有戏剧性的风格，它承诺通过对你Instagram动态的美学和内容协调性的洞察，点亮你的数字宇宙。一旦你输入URL，Monica AI会分析你的Instagram，寻找突出的特点，比如美学一致性、内容多样性和真实性。它评估你的动态是否为你的社交生活注入了活力，还是仅仅在走过场。这个工具会根据你的需求，对你的Instagram策略进行赞扬或直言不讳的批评。 Monica AI对于一些人来说可能有点奇异，特别是它那过于夸张的描述和宇宙隐喻。但在这些天文语言的背后，它提供了具体的见解，这可能有助于你优化Instagram动态，当然前提是它能将自己高远的抱负落到社交媒体指标的实处。我们把OpenAI的Instagram动态发给Monica AI，它这么说： “哦，OpenAI，自封的数字领域霸主，每一条动态都在尖叫‘看我，我是未来！’你对AI的痴迷如此强烈，好像忘了人类仍然存在。你像骄傲的父母在科技展上炫耀孩子一样炫耀你的创造，但说实话，并不是每个人都像你一样迷恋你的数字后代。你的追随者可能只是来看热闹，等着哪天你的AI霸主们最终接管。而且你关注的那个账号？大概只是用来欣赏自己的镜子。继续炫耀你的AI肌肉吧，但记住，并不是每个人都准备好向机器人霸主们低头。” Instagram吐槽AI工具是一种有趣和独特的方式来开启互动选项3：My Insta Personality直言不讳你的第三个Instagram吐槽选择是My Insta Personality。这款工具不仅吐槽你的Instagram个人资料，还根据你的帖子提供社会媒体个性见解。 My Insta Personality提供了一种有趣和互动的方式来了解你的Instagram动态如何代表你。只需输入你的用户名，它就会分析你的帖子，生成吐槽和个性简介。它承诺通过幽默的方法揭示你的Instagram动态的独特之处和魅力。这个工具的特色是把批评与幽默结合在一起。期待它对你的发帖习惯、互动水平，甚至你可能让AI工具过于主导的现象进行俏皮的讽刺。例如，它可能会调侃你在帖子里更多地使用AI而不是个人内容，暗示你可能过于依赖技术表达创意。我们把OpenAI的Instagram动态发给My Insta Personality，它给了我们两种评价：点评：“听好了，家人们。你的Instagram像是AI奇迹的自助餐，但点赞就像素食主义者对奶酪的热爱一样稀薄。你拿着GPT-4o炫耀，像是最新的运动鞋发布，但拜托，那条动态68k个赞？这可是你在猫视频上期望的数量，不是一个能跨越音频、视觉和文本推理的AI模型啊！谁在管你的公关？一个土豆吗？你提供的是美食，却只得到些许面包屑。而且还有DALL·E——在ChatGPT里编辑照片？那条动态获得的关注比放在办公室冰箱里太久的湿三明治还少。振作起来，OpenAI；你们真是在重新定义创意，却仍然不能让大家激动起来。加油！” 诚实意见：“好吧，实话实说：你的帖子是一个未来创意的狂野旅程！你在这里分享知识炸弹，展示了AI在艺术和表达中的巨大潜力。但谁能告诉算法不要和你的互动玩捉迷藏了？你的追随者比某些国家的公民还多，但你的点赞数却比跑步机上的孩子还费劲。要么世界还没有发现你的天才，要么他们需要AI大神的叫醒服务！你的视觉效果令人惊叹，但你需要努力让更多人看到这些杰作。你基本上是科技界的蒙娜丽莎——人人都知道你，但他们还在问，‘这究竟有什么热度？’让我们把这些数字提上去！”

Decube 推出AI助手Copilot，革新数据驱动决策过程

Decube作为统一数据管理解决方案的先锋，宣布推出其Copilot，这是一款先进的人工智能驱动工具，旨在为组织提供无缝的数据驱动决策能力。Decube的Copilot 有望改变企业如何互动和利用数据的方式，使其更加易于访问、操作和洞察。在当今快节奏的商业环境中，快速做出明智的决策至关重要。Decube的Copilot通过提供与现有数据基础设施无缝集成的AI助手来解决这一问题。这款工具旨在帮助用户管理复杂的数据集，生成实时洞察，并实现数据处理自动化，最终推动更好的业务成果。 Copilot配备了允许用户提出自然语言问题并接收即时、相关答案的功能，即使是非技术用户，数据交互也变得直观。此外，该工具通过提供可执行的洞察来增强协作，团队可以轻松共享并将这些洞察整合到他们的决策过程中。 Copilot基于Decube现有的数据管理解决方案，包括其统一的数据信任平台。这个生态系统包括数据可观测性、发现和治理工具，旨在使数据可靠且易于发现。通过与Decube现有产品的无缝集成，Copilot进一步增强了公司提供端到端数据管理解决方案的能力，满足现代企业从确保数据质量和可靠性到实现AI驱动的洞察和决策的全方位数据需求。

人工智能如何简化业务流程自动化

人工智能一直以来被用于自动化业务流程，提高公司效率，并在此过程中降低成本。这将使企业能够将人工智能融入其现有的操作流程中：工作流中的重复任务，如果需要，可以对操作进行调整。这还可以加快决策的速度。推动这一革命的各种AI相关技术包括机器学习、自然语言处理和机器人过程自动化，提供高级分析能力、预测及减少执行各种任务时的人为干预。在未来的现代企业中，业务流程自动化（BPA）的扩展将确保在采用AI系统后提高运营敏捷性、节约成本并提升客户体验。本文简要描述了AI如何简化BPA，从而说明了其今天在企业中的应用带来的巨大好处。业务流程自动化的演变业务流程自动化是指采用能够替代人类完成工作的技术。传统上，它涉及工作流自动化、任务管理和信息处理。智能自动化与AI的结合将BPA延伸到可以进一步分析数据、识别模式并做出明智选择的地步。这显著扩展了传统BPA的能力。由AI驱动的业务流程自动化不仅确保了操作的流畅性，还确保了高准确性和效率，是现代企业的强大武器。 BPA中的关键AI技术以下是推动BPA进步的关键AI技术，通过两种独特的能力推动创新：效率和决策。机器学习（ML）现代AI通过基于历史数据的学习，使组织具备预测能力。ML算法分析大量数据集以生成可以帮助自动化任务和增强决策的模式和趋势。例如，在金融服务行业，这可能意味着预测市场趋势或从已学到的交易模式中检测欺诈交易。这在需要随新信息不断学习的应用领域中具有深远的意义。自然语言处理（NLP） NLP是计算机科学的一个子领域，处理计算机与人类使用自然语言的交互。此技术的一个重要元素是自然语言处理，在客户服务中自动化确保了聊天机器人和虚拟助手可以与用户进行有意义或上下文相关的对话。这确保了AI驱动的工具不仅更新了这些信息，还能够处理客户的大量查询，提供即时支持和建议。NLP因此在自动化通信中发挥作用，同时通过减少常规任务中的人为干预实现客户体验的提升。机器人过程自动化（RPA）实际上，RPA软件机器人被部署去执行通常由人类重复和例行完成的工作。这些软件机器人可以极其准确和快速地完成大量工作，例如数据输入、发票处理或报告创建。通过更好地清除错误、加快流程、让工作人员有更多时间从事其他高端活动，提高了操作效率。乏味的任务以更高的精度和效率完成，从而降低了由于人力资源应用所产生的运行费用。预测分析这是由分析运行以通过现有数据预先确定可能趋势和事件的另一种高级应用程序。这是一种人工智能驱动的决策技术，根据对过去行为的分析作出对未来可能情景的预测建议，来帮助企业。例如，预测分析用于零售中预测不同种类商品的需求，然后管理库存水平，使商店总是保持满员而不过剩。在风险方面，它可以决定可能的风险，并帮助提出缓解发生的方法。战略规划通过优化资源的战略规划来确保企业能够应对挑战并抓住大量机会。当这些AI技术结合起来时，通过实现更智能、高效和适应性的操作改变业务流程自动化。它通过提供更好的性能和竞争优势来使组织过程更加有效和高效，因为它有助于组织有用的数据。以下是AI如何使BPA受益的一些方式。通过人工智能的帮助，添加了一个可扩展的变革性好处，提高了组织的性能和效率水平。AI显著提高了效率，因为它可以以成倍的速度处理和分析大量数据。大多数传统工作流高度依赖手工，耗时且常常导致一个接一个的延迟。AI因此加快了这些流程，确保更快的决策并在操作上提供更高的效率。例如，借助AI分析工具，可以处理大量数据以产生实时见解，在这种情况下帮助在最短时间内对市场动态和运营问题作出反应。成本降低使用AI在BPA中的最重要优势之一是显著甚至大幅降低成本。消除重复和单调的活动减少了企业对人力资源的依赖，从而降低了相关操作的劳动成本。 AI过程自动化进一步消除了手工过程中常见的错误，因此极大降低了纠正措施的成本。例如，在财务中，AI可以自动化发票处理和对账，减少人类干预，从而降低运营成本。尤其是在数据输入、分析和报告的准确性方面，AI系统提供的质量往往比人类要高得多。此类领域的人为错误代价高昂。例如，AI可以快速解释决策，或者解决操作中的某些低效率问题。另一方面，基于AI的算法会准确地执行例行职责，并产生一致且无错误的结果。在财务报告相关功能中，准确性改进是必须的，因为效率要求非常精确的合规性和有效的战略规划。客户体验改进通过最新的聊天机器人、虚拟私人助理和其他AI解决方案，AI提高了客户体验，这些解决方案可以通过即时消息回答问题，并使交互过程个性化，因为事先收集了大量关于用户的数据。这种方式不仅加快了响应速度，更重要的是保证了响应的相关性和个性化，帮助客户并通过提供更高效的服务体验，帮助企业获得满意并保持的效果。将AI整合到BPA工具中的最令人印象深刻的事实之一是可扩展性。相反，AI可能处理业务中成长动荡的工作量增加，但仍然能够处理相同标准工作的容量。AI系统是为了处理工作量增长而设计的，不需要相应增加资源。换句话说，AI与BPA的结合转化为提高效率、降低成本、增加准确性和提高客户体验，这些因素只能意味着成功并因此在整个业务中具有竞争优势。 AI驱动的业务应用从提高效率、降低成本、增加准确性以及改善客户体验的不同实际AI应用展示了BPA的优势。财务和会计在AI驱动系统的帮助下，帮助生成发票、管理费用等，这些都是自动完成的。因此，在确保精确的同时，没有人为错误的空间。人力资源 AI使人力资源部门的操作变得顺畅。人力资源功能，包括招聘、入职以及审查员工表现，现在可以分析，以更有效地匹配候选人和职位空缺。供应链管理 AI通过预测需求、路线审查和维护库存来优化供应链。市场营销和销售所有客户数据记录通过AI可以用于制定个性化产品推荐, 发送自动电子邮件营销活动并加强潜在客户评分。挑战与考虑尽管AI在BPA中有这些神奇的效果，但仍存在以下挑战：此外，数据隐私和安全性包括定义敏感业务数据、客户信息、处理数据泄露、应对安全事件以及遵守法规。尽管存在与现有基础设施兼容和集成的问题，但规划和执行过程必须相应地进行。变更管理 AI驱动的BPA需要组织文化的转变。员工需要掌握与AI系统的协作，而管理层也需要考虑可能的决策之职。 AI应用引发了有关其决策过程是否透明，是否有人对报告中AI偏见的责任提出质疑。 AI在BPA中的未来 AI中的BPA未来充满了不断增长的技术。因此，预计AI系统将在不久的将来变得更加先进、复杂，并能够执行复杂的决策，从而推动减少人为干预的其他琐碎任务。这将使企业结构在提升敏捷性、降低运营成本和提高效率方面拥有竞争优势。 Holden对此观点表示肯定，他认为“AI以降低成本和提高准确性为方式以彻底改变BPA。”那些将AI技术用于提升自动化的业务的CIO们将在动态市场条件下为驾驭生存和竞争做好更充分的准备。AI将承担BPA中的新角色，提高工作成效，从而改变业务操作的方式。常见问题 1. AI如何改进业务流程自动化？ AI通过自动化重复性任务、分析大数据集以帮助决策，并在操作中提高准确性和效率来增强BPA。 2. 哪些行业最受益于AI在BPA中的应用？金融、人力资源、供应链管理和市场营销等行业在AI驱动的BPA中受益显著。 3. 将AI集成到BPA中的挑战是什么？挑战包括数据隐私和安全性、与现有系统的集成、变更管理以及道德考虑。 4. 企业如何确保在使用AI进行BPA时的数据安全？企业可以通过实施健全的安全措施、遵守法规并定期更新系统来确保数据安全。 5. AI在业务流程自动化中的未来是什么？ AI在BPA中的未来包括更加复杂的系统，能够执行复杂决策，进一步减少人为干预并提高效率。

Gemini 接管谷歌

图片来源：Alex Parkin / The Verge 在本周的谷歌硬件发布会上，谷歌实际上花了将近半小时才真正谈到新设备。新的Pixel 9系列和Pixel Watch 3内部有很多令人期待的内容，但谷歌的活动明确了它的真正优先事项。对谷歌来说，人工智能比Pixel、Android甚至几乎任何其他东西都更重要。在本期Vergecast节目中，我们讨论了谷歌所有的AI发布，以及它们可能对你未来使用设备的方式产生的影响。这是一个范式转变吗？由于谷歌的大部分重点都放在Pixel的摄像头上，我们还讨论了正在进行中的“照片是什么”危机，以及我们捕捉到的东西是否还算是照片。之后，Nilay告诉我们他作为电视评比大赛裁判的冒险经历，包括两天时间眯着眼睛看极其令人印象深刻的显示屏，以确定哪个是真正的最佳。他学到了很多关于如何看屏幕的知识，以及电视技术的最新状态，并有很多要分享的内容。接下来，我们回顾了本周的一些监管新闻，因为苹果继续与开发者进行奇怪的纷争，Epic与谷歌的法官继续威胁要将公司拆分。大型科技公司的监管战风向已经发生了重大变化，似乎变化会越来越快。最后，我们进行了一轮快报，从Flipboard的fediverse动作到Eric Schmidt关于人工智能的透露性评论，再到你见过的最快手机充电器。瓦数，持续数天。如果你想了解更多关于我们在这一集中讨论的任何内容，以下是一些链接，从谷歌开始： Google Pixel 9发布会：所有公告和产品 AI在Pixel发布会上盖过了Pixel的光芒所有即将推出的AI功能都在Google的Pixel 9系列中 Google推出Pixel Studio AI图像制作应用程序 Google通过类似Recall的AI功能使你的Pixel截图可搜索每次谷歌在Pixel 9发布会期间敲苹果 Google Gemini的语音聊天模式上线使用Gemini Live比谷歌更快，但也更尴尬来自Wired：对于谷歌的Pixel摄像头团队，关键在于记忆关于电视评比：命名Sony A95L为2024最佳电视的竞赛内幕关于应用商店监管： Patreon增加苹果税以避免被App Store下架苹果最终将开放iPhone支付功能苹果妥协并批准带有欧盟定价的Spotify应用 Epic法官表示他将“拆除障碍”，打破谷歌的应用商店垄断快报： Alex Cranz的选择：Realme的320W快充能在四分半钟内给一部智能手机完全充电 David Pierce的选择：Halide的Process Zero功能捕捉没有AI处理的照片 David的另一个选择：Flipboard将允许你在应用内关注fediverse账户 Nilay Patel的选择：前谷歌CEO：AI初创企业可以窃取知识产权，雇律师“清理烂摊子”

边缘 AI 的崛起：十大平台引领潮流

随着技术的日新月异，Edge AI在数据处理和分析中的作用越来越显著。Edge AI在数据源附近应用人工智能技能，提高了效率并减少了延迟，实现了实时决策。以下是推动Edge AI崛起的十大平台，展示了这一快速发展领域的创新和贡献。 1. NVIDIA Jetson NVIDIA Jetson是Edge AI的领导者之一，提供用于Edge应用的计算平台和计算能力。Jetson系列包括Jetson Nano、TX2、Xavier和Orin等模块，以满足不同性能要求。这些平台覆盖了广泛的AI应用，如机器人、自动驾驶车辆和智慧城市基础设施。凭借这种基于GPU的计算加速，NVIDIA Jetson已经成为实时数据处理和AI部署的当前资源。 2. Google Coral Google Coral为Edge AI提供了全方位的支持，其硬件形式为加速机器学习推理的ASIC——Edge TPU。像Coral开发板和USB加速器这样的产品为开发者提供了高效部署模型所需的硬件。Coral由Google开发，以用户友好和与TensorFlow Lite的无缝对接而闻名，成为Edge AI项目中最受欢迎的平台之一。 3. Intel Movidius Intel Movidius专注于Edge AI的视觉处理解决方案。Movidius神经计算棒（NCS）是其中一个产品，可以使任何Edge设备变得智能化。Intel的Movidius在需要在安防摄像头、无人机和智能设备中实现高性能且功耗小的设备时是最佳选择。Movidius技术能够执行复杂的AI任务，如目标检测和面部识别。 4. Microsoft Azure IoT Edge Microsoft Azure IoT Edge将Azure的所有先进云智能能力扩展至物联网Edge。Azure IoT Edge的架构使设备能够在现场Edge运行人工智能服务和机器学习模型。Azure IoT Edge市场为多个用例提供广泛支持，从预测性维护到实时分析，再到Edge AI推理。它还为云和Edge资源提供统一的管理策略。 5. AWS Deep Learning AMIs Amazon Web Services（AWS）深度学习AMIs（Amazon机器映像）通过AWS Greengrass扩展了Edge AI的能力。Greengrass使得能够在Edge设备上运行AWS Lambda函数和机器学习模型，从而实现实时分析和决策。AWS Deep Learning AMIs被设计为各种Edge应用的骨干，从工业自动化到智能设备。 6. IBM Edge Application Manager IBM Edge Application Manager是一种多环境和边缘计算解决方案。它管理、自动扩展和优化AI工作负载。它在制造业、能源和零售等行业的不同场景中使用，为Edge的实时数据处理和AI部署提供解决方案。高通的Snapdragon处理器中搭载了AI引擎，授予了Edge卓越的AI处理能力。其AI引擎可以运行和加速机器学习和计算机视觉工作负载。因此，它适用于移动和移动Edge设备、智能相机和类似的Edge设备。高通的技术基本上实现了这种高级功能，确保了实时目标检测和语音识别等功能的进一步提升用户体验并实现了这些设备的潜力。 8. Edge Impulse Edge Impulse是一个专门用于Edge机器学习模型开发和部署的平台。该平台专注于从数据收集、模型训练到AI应用部署的工具。此外，这个工具与设备无关；它可以涵盖可穿戴传感器、工业设备和环境监测系统。因此，这提供了一种替代、非常广泛的Edge AI选择。惠普企业（HPE）Edgeline是Edge AI和IT基础设施的结合，促进了实时分析和AI处理。Edgeline平台将硬核硬件与先进软件相结合，使其在恶劣环境中也能奏效。HPE Edgeline应用在制造业、交通运输和能源领域，因此，它提供了可靠且高效的Edge AI解决方案。 10. Samsung ARTIK 三星ARTIK提供了一个在Edge AI中的单一解决方案，将硬件模块与开发工具包整合在一起。ARTIK平台专为IoT和Edge AI应用设计，提供集成的连接和计算能力。通过整合，三星的完整ARTIK解决方案支持智能家居、工业自动化和医疗保健应用，因为它们在Edge利用了强大且可扩展的AI。结论以上是推动数据处理和决策方式变革的十大Edge AI平台。由于它们的独特特点，这些平台涵盖了从NVIDIA Jetson的计算能力到Google Coral的AI加速器效率等多个方面，在多个行业中共同推动了Edge AI技术的进步。对人力的投资可以通过减少操作延迟和实现真正的实时决策来提高效率。了解这些领先的Edge AI平台，可以让人们具备极佳的见解，并在其项目和应用中有效构建顶尖解决方案。常见问题解答 1. 什么是Edge AI？ Edge AI指的是部署在网络边缘的人工智能技术，靠近数据生成的位置，以启用实时处理和决策。 2. 为什么Edge AI很重要？ Edge AI通过本地处理数据而不依赖集中式云服务器，减少了延迟，提高了效率，并允许更快的响应。 3. Edge AI有哪些常见应用？常见的应用包括自动驾驶车辆、智慧城市、工业自动化、安全系统和物联网设备。 4. NVIDIA Jetson如何支持Edge AI？ NVIDIA Jetson提供了强大的AI计算平台，配有GPU加速模块，支持实时数据处理和广泛的AI应用。 5. 什么是AWS Greengrass？ AWS Greengrass是一项服务，它将AWS云功能扩展到Edge设备，允许在Edge直接部署机器学习模型和AI服务。

无人机的未来发展

无人机已经成为军队、爱好者和急救人员的常用技术，超过十年来，无人机的种类和功能激增。如今，无人机不再仅限于电池寿命不足的小型四轴飞行器，而是正协助搜索和救援工作、改变乌克兰和加沙的战争局面，并运送时间敏感的医疗物资。而且，数十亿美元的资金正在投入到构建下一代完全自主系统中。这些发展引发了许多问题：无人机是否足够安全，可以在密集的社区和城市中飞行？警方在活动或抗议期间飞越无人机是否侵犯了人们的隐私？谁来决定在战争区域里无人机自治的可接受水平？这些问题不再只是理论上的。无人机技术和传感器的进步、价格的下降以及法规的放宽使无人机变得比以往任何时候都更便宜、更快且功能更强大。让我们来看一下未来无人机技术发展的四大变化。警用无人机队根据Atlas of Surveillance的追踪报告，目前超过1,500家美国警察局拥有无人机项目。经过培训的警察飞行员使用无人机进行搜索和救援行动、监控事件和人群等。亚利桑那州斯科茨代尔的警察局成功地使用了一架无人机定位了一名失踪的患有痴呆症的老人，斯科茨代尔警察局的助理局长Rich Slavin说。他说，目前该局对无人机的使用虽然有限但有效，但其飞行员常常受到美国联邦航空管理局（FAA）“目视距离”规则的限制。该规则规定飞行员必须始终能看到他们的无人机，这严重限制了无人机的飞行范围。很快，这一情况将会改变。未来几个月里，斯科茨代尔警察将在该市某处的屋顶安装一架新型的可自主起飞、飞行和着陆的警用无人机。Slavin表示，该部门正寻求FAA的豁免，以便能够让无人机超越目视距离飞行。（自2019年首次颁发以来，数百家警察部门已经获得了FAA豁免。）该无人机最高可飞行时速57英里，能够执行距离其停靠站三英里的任务，警方表示它将用于跟踪嫌疑人及其它相关用途，或为等待增援的交通站警官提供视觉信息。 “FAA在这方面采取了更为先进的措施，”Slavin说。这可能意味着全国各地看到（并听到）警用无人机在头顶飞行的景象将变得更加普遍。斯科茨代尔警察局表示，他们将从Aerodome公司购买的无人机将启动无人机即第一反应者计划，并将在其新的“实时犯罪中心”中发挥作用。这类中心在美国警务中越来越常见，允许城市连接摄像头、车牌识别器、无人机和其他监控方法，实时跟踪情况。中心的兴起及其对无人机的依赖招致了隐私倡导者的批评，他们认为这些中心进行大量监控，而对如何使用或分享来自无人机和其他来源的录像缺乏透明度。 2019年，加利福尼亚州丘拉维斯塔警察局是首个获得FAA超目视距离飞行豁免的机构。该项目引起了社区成员的批评，他们声称该局对所收集录像及其使用方式并不透明。美国公民自由联盟（ACLU）言论、隐私和科技项目的高级政策分析师Jay Stanley表示，这些豁免加剧了已经存在的与无人机相关的隐私问题。如果FAA继续授予这些豁免，警察局将能够比以往更多地使用无人机覆盖城市区域，而法律环境对于这是否构成隐私侵犯仍然模糊不清。 “如果这种技术的不同应用累计起来，我们将会进入一个从你走出前门的那一刻起，你就会感觉受到来自空中的执法监控的世界，”他说。“它可能有一些真实的利益，但也亟需强有力的制衡机制。” 斯科茨代尔警察局表示，无人机可以用于多种情景，例如应对正进行的入室盗窃或跟踪涉嫌绑架的司机。但真正的益处，Slavin说，将来自于与其他现有技术的结合，如自动车牌识别器和分布在城市各地的数百个摄像头。“它可以非常迅速地到达现场，”他说。“它能提供实时情报，帮助我们更快更聪明地响应。” 虽然警察局在这些情况下可能确实受益于无人机，Stanley说，ACLU发现许多警察局将它们部署在更普通的案件中，如报告一个孩子向车库扔球或某地区有“可疑人员”。 “这引发了关于这些项目是否只是另一种方式，使得脆弱社区被过度警察执法和受到零敲碎打罚款的问题，”他说。无人机快递，再次来袭或许没有哪项无人机技术像家庭快递那样被过度炒作。多年来，科技公司一直在展示无人机在你下单后的几个小时内就能把包裹送到你家门口的未来景象。但除了小规模的试点项目外，他们从未能在美国扩大规模，这主要还是受到FAA目视距离规则的限制。但今年，监管变化即将到来。与警察局一样，亚马逊的Prime Air计划此前也被限制在飞行员目视距离内飞行。这是因为无人机飞行员没有雷达、空中交通管制员或其他商业飞行依赖的监控空域和保障安全的系统。为此，亚马逊花了数年时间开发了一套车载系统，能够让其无人机检测到附近物体并避开碰撞。公司表示，他们在演示中向FAA展示了其无人机可以安全地与直升机、飞机和热气球在同一空域飞行。今年5月，亚马逊宣布FAA已授予公司豁免并允许其在德克萨斯州扩大业务，距Prime Air项目启动已有十多年。7月，FAA又扫清了一个障碍，允许两家公司——Zipline和谷歌的Wing Aviation——同时在同一空域飞行，无需视觉观察员。尽管这意味着你通过无人机接收包裹的几率略有增加，但更引人注目的是医疗快递。密苏里大学圣路易斯分校供应链副教授Shakiba Enayati多年来一直研究无人机如何进行疫苗、抗蛇毒、器官和血液的最后一公里配送。她说研究发现，无人机在将医疗物资送到欠服务地区方面带来了革命性变化，如果FAA延长这些监管改变，将产生真正的影响。这是特别针对器官移植的步骤而言的，她说。在器官传输给接受者之前，必须进行一系列血液测试，以确保接受者能够接受，这需要时间，尤其是用汽车甚至直升机运输时。“在这些情况下，时间非常紧迫，”Enayati说。如果能够规模化地使用无人机，将是一个显著的改进。 “如果技术支持器官交付的需求，将在这个重要领域带来巨大变化，”她说。这个发展可能会比用无人机实际运送器官更快实现，后者要求在非常严格的条件下运输，以保全器官。国内化无人机供应链去年12月签署成为法律的《美国安全无人机法》禁止联邦机构从被视为对美国国家安全构成威胁的国家（如俄罗斯和中国）购置无人机。这非常重要。中国在制造无人机及其零部件方面是无可争议的领导者，在美国，超过90%的执法无人机都是由深圳的DJI制造的，乌克兰战争中双方使用的许多无人机也都是中国产的。《美国安全无人机法》是减少对中国依赖努力的一部分。（与此同时，中国正在加强对具有军事用途的无人机出口限制。）作为该法律的一部分，美国国防部的国防创新单位创建了“蓝色无人机清单”，这是一个经过评估和批准购买的无人机及其部件列表。该列表适用于包括联邦拨款项目在内的联邦机构，通常意味着州警部门或其他非联邦机构。由于美国预计将在无人机上投资巨额资金——仅国防部的Replicator计划就 earmarked 10亿美元，所以进入“蓝色清单”意义重大。这意味着这些联邦机构可以大额采购时没有多少繁文缛节。总部位于美国的无人机零部件制造商Unusual Machine的CEO Allan Evans表示，该清单已经引发了一些无人机公司急于符合美国标准。他的公司制造一种第一人称视角飞行控制器，他希望其成为第一个获得“蓝色清单”批准的同类产品。《美国安全无人机法》不太可能影响私人购买的无人机，这些无人机用于摄像、无人机竞速或爱好者，这些无人机在绝大多数情况下仍将由DJI这样的中国公司制造。这意味着任何美国无人机公司至少在短期内将只能通过为国防市场服务生存。 “基本上，任何不愿意在国防业务中有附带参与的美国公司都将失败，”Evans说。未来几个月将显示法律的真实影响：由于美国财政年度在9月结束，Evans表示，他预计未来一个月内会看到大量机构使用其必须花掉的资金购买美国制造的无人机和无人机零部件。“这将表明市场是否真实存在，有多少资金实际上被投入其中，”他说。乌克兰的自主武器乌克兰的无人机战争主要是消耗战。自战争开始以来，无人机已经被广泛用于评估破坏情况、寻找和跟踪目标或投掷武器，但平均而言这些四轴飞行器在被击落或被GPS干扰致不可导航之前只能飞行三次。因此，乌克兰和俄罗斯都将重点放在积累大量无人机上的优先权，因为他们预计在战斗中不会长久使用。现在，他们必须重新考虑这一方法。根据UK-Ukraine Tech Exchange的创始人Andriy Dovbenko的说法，这是一家帮助乌克兰战争努力和重建的初创公司筹集资金的非营利组织。他在与乌克兰无人机制造商合作时，看到技术需求从大量的简单商用无人机转变为对能够在GPS被干扰环境中自主导航的无人机的迫切需求。据Dovbenko称，前线70%的地区遭受了干扰，因此乌克兰和俄罗斯的无人机投资现在都集中在自主系统上。这并不是一个小成就。无人机飞行员通常依赖于无人机的视频反馈和GPS技术，而在干扰环境中这些都不可用。取而代之的是，自主无人机使用各种类型的传感器如LiDAR进行导航，尽管在雾或其他恶劣天气条件下这可能会变得困难。自主无人机是一种新的、快速变化的技术，美国公司如Shield AI仍在进行测试。乌克兰不断演变的战争提高了部署可负担和可靠的自主无人机的压力和紧迫性。向自主武器过渡也提出了许多严重但仍未完全回答的问题，即在决策过程中究竟应该将人类排除在外多少。随着战争的继续和更强大武器需求的增加，乌克兰可能会成为测试这道道德红线的试验场。然而Dovbenko说，在持续战争中停下来寻找这条线是不可能的。 “对于杀伤性机器你能赋予多少自主权，这是一个道德问题，”Dovbenko说。“在乌克兰目前没有人在问这个问题，因为这更多的是生存问题。”

从炒菜到缝针！斯坦福炒虾团队打造自主「AI达芬奇」，苦练神指当外科医生

斯坦福炒虾机器人作者，又出新作了！通过模仿学习，达芬奇机器人学会了自己做「手术」——提起组织、拾取针头、缝合打结。最重要的是，以上动作全部都是它自主完成的。斯坦福炒虾机器人作者，又出新作了。这次，机器人不是给我们炒饭了，而是给我们做外科手术！最近，约翰霍普金斯和斯坦福大学的研究者们，进行了一项新的探索—— 著名的医疗机器人达芬奇，是否可以通过模仿学习，来学习外科手术的操作任务呢？经过实验后，他们成功了！组织操作、针头处理和打结这三项基本的手术任务，达芬奇都可以自己独立完成了。首先是需要医学生苦练指法的缝合打结技术，只见达芬奇「飞针走线」，很熟练地就可以把结打好：接下来是针的拾取和移交，达芬奇也能够一次精准操作，动作绝无拖泥带水。第三大任务是提起组织，可以看到达芬奇选择了正确着力点，轻松提起了组织。最重要的是，以上动作全部都是达芬奇自主完成的！翻开研究作者一栏，赫然出现了炒虾机器人的作者Tony Zhao和Chelsea Finn。果然，这种程度的精细操作，怎么看都有一股熟悉的味道。论文地址：https://arxiv.org/abs/2407.12998 博客地址：https://surgical-robot-transformer.github.io/ 要知道，跟家庭环境中的桌面操作相比，手术任务需要精确操纵可变形物体，还要面对不一致的照明和遮挡的硬感知问题。另外，手术机器人通常可能还有不准确的本体感觉和迟滞。这些问题，他们都是如何克服的？大型临床数据存储库，机器人可以学习了大规模模仿学习，在操作任务的通用系统上显示出了巨大的前景，比如让机器人给我们做家务。不过这次研究者们盯上的，是外科领域。外科领域是一个尚未开发、潜力巨大的领域，尤其是在达芬奇手术机器人的加持之下。截止2021年，全球已经有67个国家使用了6500套达芬奇系统，进行了超过1000万例手术。而且，这些手术的过程都被全程记录了下来，从而让我们有了大量的演示数据存储库。如此大规模的数据，能否利用起来，构建一个自主手术的通才系统？然而，当研究者们下手研究时却发现：让达芬奇机器人通过模仿学习来做外科手术，存在一个难点—— 由于达芬奇系统本身的特殊性，就导致了独特的挑战，阻碍了模仿学习的实施。右上是真实的医疗环境，右下是研究人员的实验设置而且，由于联合测量不精确，其正向运动学就会不一致，如果只是简单地使用这种近似运动学数据训练一个策略，通常会导致任务的失败。很简单的视觉伺服任务，机器人也无法执行。训练输出绝对末端执行器姿势的策略（这是训练机器人策略的常用方法），在所有任务中的成功率都接近于0。怎样克服这种限制？团队发现，达芬奇系统的相对运动，比它的绝对正向运动学更加一致。因此，他们想到一个办法：引入一种相对动作公式，使用它的近似运动学数据，来进行策略训练和部署。他们考虑了以下三个选项：以相机为中心、以工具为中心和混合相关操作。以相机为中心的动作表示是一种基线方法，它将动作建模为末端执行器相对于内窥镜尖端的绝对姿势。另外两个是定义相对于当前工具（即末端执行器）框架或内窥镜尖端框架的动作的相对公式然后，使用图像作为输入和上述动作表示，来训练策略。这一点，他们的做法跟此前的工作不一样，后者会使用运动学数据作为输入，然而在这项工作中，达芬奇的运动学数据可能并不可靠。他们的模型基于ACT，一种基于Transformer的架构。团队提出了一种策略设计，仅将图形作为输入，并输出相对姿态轨迹如果这种方法成功，那么包含近似运动学的大型临床数据存储库，就可以直接用于机器人学习，而无需进一步校正了。这对于机器人的临床手术操作，无疑意义重大。果然，在引入相对动作公式后，团队便利用近似运动学数据，在达芬奇上成功地演示了模仿学习，不仅不需要进一步的运动学矫正，而且效果也大大优于基线方法。实验表明，模仿学习不仅可以有效地学习复杂的手术任务，还能推广到新的场景，比如在看不见的真实人体组织上。另外，腕式摄像机对于学习手术操作任务，也十分重要。现在，除了之前已经展示的组织操作、针头处理和打结等自主任务外，达芬奇机器人还可以完成下面多种操作。零样本泛化斯坦福团队的模型显示出了适应新场景的能力，例如在出现未知的动物组织的情况下。这是一段达芬奇在缝合猪肉并打结的视频—— 换成是鸡肉，达芬奇也能精确地拿起放在肉表面的手术针。这显示出其在未来临床研究中进行扩展的前景。重试行为那么，如果存在一些环境扰动，达芬奇是否还能稳定发挥呢？可以看到，在其他器械突然闯入，并将手术缝合线故意剥落之后，达芬奇并没有停下动作，仍然将打结行为进行了下去。在下面整段视频中，达芬奇在第一次操作中没有拾起手术针，它很快意识到了这一事实，通过自动调整成功拾取。重复性测试临床手术非同儿戏，必须保证临床机器人具有可重复性，「万无一失」是其必要能力。研究团队放出了达芬奇的重复性测试视频，在不同视角下观察它的多次操作，基本无可挑剔。技术路径如下图所示，达芬奇机器人的dVRK系统，由一个内窥镜摄像操纵器（ECM）和两个共享同一机器人底座的患者侧操纵器（PSM1、PSM2）组成。每个手臂都是被动设置关节的顺序组合，而后面是机动主动关节。然而，一般情况下，如果在所有关节中都使用电位器，会导致手臂的正向运动学不准确，甚至有高达5厘米的误差。不幸的是，dVRK提供的正向运动学数据并不稳定。这是因为设置关节（蓝色）仅使用电位计进行关节测量，并不可靠。主动关节（粉色）同时使用电位器和电机编码器，提高了精度为了让达芬奇完成通过模仿学习来完成手术操作任务这一目标，鉴于机器人的前向运动学不准确，团队提出了前文中所提到的三种动作表示法，其中混合相对方法进一步提高了平移动作的准确性。执行细节为了训练可行的策略，研究使用带有Transformer的动作分块(ACT)和扩散策略。他们使用了内窥镜和手腕相机图像作为输入来训练策略，这些图像均缩小为224x224x3的图像尺寸。手术内窥镜图像的原始输入尺寸为1024x1280x3，手腕图像为480x640x3。运动学数据不像其他模仿学习方法中常见的那样作为输入提供，这是因为由于dVRK的设计限制，运动学数据通常不一致。策略输出包括末端执行器(delta) 位置、(delta) 方向和双臂下颌角度。实验过程在这次实验中，研究者的目标是弄清这些问题的答案—— 1. 模仿学习是否足以应对复杂的外科操作任务？ 2. dVRK的相对运动是否比其绝对前向运动学更稳定？ 3. 使用腕式摄像头是否对提高成功率至关重要？ 4. 模型在未见过的新场景中能否有效泛化？首先需要评估的是，达芬奇的相对运动是否比其绝对前向运动学更加一致。评估方法是在不同的机器人配置下，使用绝对与相对运动公式重复记录参考轨迹。具体来说，机器人需要在模拟人体腹部的圆顶，使用相同的孔，将手臂和内窥镜大致放置在相似的位置。这项任务不简单，因为孔比内窥镜和工具轴的尺寸大得多，而且必须通过移动安装接头，将工具手动放置到孔中。总体而言，实验表明，在存在测量误差的情况下，相对运动的一致性更高。因此，将策略动作建模为相对运动是更好的选择。在这项配置中，共收集了224次组织提起实验、250次针的拾取和移交实验，以及500次打结实验图5展示了在各种机器人配置下重复录制的参考轨迹，以此来测试所有动作表示的可重复性。左图显示了所有动作表示法的参考轨迹的完美重构，因为自参考轨迹采集以来，机器人关节没有移动过。而当机器人向左或向右移动时（中、右图），以摄像头为中心的动作表示法无法跟踪参考轨迹，而相对动作表示法则能很好地跟踪参考轨迹。各种机器人配置下的轨迹跟踪除此之外，团队还评估了使用各种动作表示法训练的模型的任务成功率。结果表明，使用相对动作表述（以工具为中心的动作表述和混合相对动作表述）训练出来的策略表现良好，而使用绝对正向运动学训练出来的策略则失败了。而在下图中，最上面一行，就是组织提起任务中，机器人需要抓住橡胶垫（组织）的一角，将其向上提起。在训练期间，组织的一角保持着红色框内，显示测试时角的配置。中间一行，是针的拾取和移交。在训练过程中，针被随机放在了红色盒子内。测试时，针的中心隆起被放置在如图所示的9个位置，以在评估期间强制执行一致的设置。下面一行，机器人在打结的过程中，需要使用左侧的绳子形成一个环，通过环来抓住绳子的末端，然后将夹具拉离彼此。在训练期间，来自垫子的绳子位置随机放在红色方框内，而测试时，绳子被放在红色方框中央。下面的视频显示了使用手臂的绝对前向运动学（以摄像头为中心的动作）训练策略的结果。由于达芬奇手臂的前向运动学存在误差，在训练和推理之间会发生显著变化，因此这些策略无法完成任务。而且，研究人员还观察到，在学习外科手术操作任务时，腕部摄像头能带来显著的性能提升。显然，能够自主学习的手术机器人，有望在未来进一步扩展外科医生的能力。参考资料： https://surgical-robot-transformer.github.io/

英伟达市值狂飙再破纪录！股价大涨13％，单日暴增3290亿美元

英伟达股价又迎大涨，单日市值暴增3290亿美元再创纪录。英伟达股价这周又坐上了过山车。截至周三收盘，英伟达股价大涨13％，市值暴增3290亿美元，再次刷新过去几个月自己创下的单日纪录。而就在一天前，英伟达股价刚刚遭遇7%的暴跌，市值蒸发1930多亿美元。 Miller Tabak + Co首席市场策略师Matt Maley表示，「英伟达的波动表明，投资者目前对AI股和芯片股的投资前景是多么困惑。」「与上一年持续看涨不同，投资者也开始担心，对人工智能的巨额投资无法换来期待中的回报。」尤其是过去的两周，很多投资者因为对AI行业预期回报的悲观情绪而大量撤出科技股，选择套利跑路，将资金转向银行和周期性公司。英伟达、苹果、微软和谷歌等巨头都是这一恐慌心态的受害者。然而从本周开始，科技巨头和独角兽纷纷发布第二季度财报，在一定程度上缓解了人们的担忧，促使人们再次涌入科技行业。今年前6个月，英伟达股价上涨了150%，之后好于预期的通胀让大家纷纷押注，美联储可能最快9月降息。这个消息最终等来了官宣。周三，美联储主席Jerome Powell表示，9月份降息是板上钉钉的事。 Powell释放9月降息的信号之后，美股三大指数齐涨。截至当天收盘，美股纳指涨2.64%，标普500指数涨1.58%，道指涨0.24%。受到宏观政策的利好影响，投资者对科技行业和英伟达的热情也进一步升温。单日市值涨幅前十名经过周三的暴涨后，英伟达成为第一只单日涨幅超过3000亿美元的股票。前十榜单上，英伟达不仅独占半席，还包揽前三。今年2月22日、5月23日，英伟达单日市值还分别增长了2766亿美元、2177亿美元。英伟达的股价增长强劲，与全球范围内的营收增长密不可分。根据Statista的数据，2024财年，英伟达总收入超过600亿美元，在美国的营收达269.7亿美元，较上一财年的82.9亿美元大幅增长。 2024财年中国台湾地区营收达13.41亿美元，中国大陆营收达103.1亿美元。除了英伟达，上榜的谷歌母公司Alphabet已公布二季度财报，另一家榜上有名的大型科技公司Meta定于周三收盘后发布财报。微软带涨，黑马芯片股英伟达股价之所以又迎来暴涨，主要是得益于大客户微软和AMD在周二都公布了新一季财报。微软财报显示，二季度资本支出高达190亿美元，同比增长77.6%，大幅超越分析师预期。微软的二季度资本开支中云计算和AI相关的支出，几乎占了全部，预计开支环比将继续上升，人工智能中的算力产业链，AI服务器、芯片、存储等等仍然独占投资鳌头。微软CEO Satya Nadella和首席财务官Amy Hood称，公司计划明年在基于英伟达的基础设施上投入更多资金。彭博资讯分析师Kunjan Sobhani表示，「微软宣布增加资本支出，主要是受云计算和人工智能相关需求的推动，这大大利好英伟达的销售前景。」根据AMD第二季度财报，第二季度实现营收58.35亿美元，同比增长8.9%；净利润为2.65亿美元，同比增长881%，环比增长115%。继续超越市场预期，这一下就让美股科技股再次沸腾。此外，Meta也在周三收盘后发布了二季度财报。其中营收和盈利均高于预期，当季资本支出小于预期，全年资本支出的区间上限并未变动但下限上调20亿美元。 Meta强调，2025年的资本支出将大幅增长，基础设施成本是重要驱动因素，这将继续支持AI研究和产品开发工作。除了大涨的英伟达，美股博通涨超8%，ASML、美光科技涨逾7%，AMD涨6%，台积电、高通涨超5%。参考资料： https://www.bloomberg.com/news/articles/2024-07-31/nvidia-s-100-billion-swings-become-routine-as-volatility-soars

美国制裁再落重锤：管制非美国企业出口芯片，三星台积电或被针对

下个月，美国政府或将出台新规，加大对中国芯片企业获取半导体制造设备渠道的限制。 AI「芯片战争」愈演愈烈！据路透社报道，美国政府即将在下个月发布外国直接产品规则（Foreign Direct Product Rule，FDPR）的扩展规则。这项新规将进一步阻止美国势力范围内的国家和地区向中国出口半导体制造设备。以色列、中国台湾、新加坡和马来西亚都会受到影响。但日本、荷兰和韩国等关键的芯片制造设备出口国并不包括在内。部分原因是「这些国家会遵守其对中国更严格的出口政策，因此美国无需诉诸FDPR」。消息公布后，荷兰半导体制造巨头ASML和日本东京电子的股价分别大涨11%和7.4%。除此之外，美国还计划通过FDPR钳制SK海力士和三星等韩国企业，限制中国获取高性能HBM芯片。最快下个月，这些限制就会到来。调低「含美量」下限 FDPR规定，如果产品是使用美国软件或技术制造的，美国政府有权阻止其销售，包括在外国制造的产品。现行规定通过产品使用美国技术的含量，决定是否属于管制范围。新规中，美国计划调低「含美量」下限，这就意味着扩大了管制产品的范围。消息人士称，这填补了FDPR中的一个「漏洞」。因此，某些设备可能仅仅因为内置含美国技术的芯片，就被划到出口管制范围内。韩国的SK海力士和三星将遭受影响韩国的SK海力士和三星是世界顶级的存储芯片制造商，它们都广泛使用了AMAT和CDNS等美国公司的技术，因此成为了FDPR的直接瞄准对象。三星HBM芯片据彭博社报道，美国正在考虑，限制中国获取由美光科技和SK海力士制造的AI存储芯片以及相应生产设施，最快在下个月实施。这些措施旨在阻止美光、韩国的SK海力士和三星向中国公司供应高带宽内存（HBM）芯片，这是运行复杂GenAI程序至关重要的设备。如果实施，新规则将涵盖HBM2及更先进的芯片，包括HBM3和HBM3E，以及生产这些芯片所需的工具。 HBM芯片作为关键组件，也是芯片巨头英伟达和AMD产品的关键组件。报道称，美光将基本不受影响，因为他们已经在2023年停止向中国出口HBM产品。虽然新措施将限制向中国公司直接销售HBM芯片，但尚不清楚是否允许将高端内存芯片与AI加速器捆绑在一起销售给中国。比如，同样遭到限制的英伟达不惜打破陈规，为中国市场开发GB20服务器，专门用于搭载「特供版」芯片。 6家晶圆厂和120家实体或受限扩展后的FDPR，将对国内大约6家最先进芯片制造中心的进口造成影响，但目前还无法确定具体包括哪些厂商。美国还计划将约120家中国实体列入其限制贸易名单，包括晶圆厂、工具制造商、EDA（电子设计自动化）软件开发商等。如果有供应商要向这些中国实体发货，必须先得到美国政府颁发的许可证，但相关的申请并不一定会被通过。积极拉拢，密切合作为了阻止中国在芯片领域的技术发展，美国在过去几年多次颁布针对中国的出口管制，限制英伟达和Lam Research等总部位于加州的公司的出货量。除了控制本土的公司外，美国还致力于拉拢其他国家和地区一起「围堵」中国的AI和半导体产业。去年，美国便与日本、荷兰达成了协议，约定要限制向中国出口半导体制造工具。随后，美国开始劝说韩国和德国加入联盟，并试图在协议中增加更多限制。对此，华盛顿战略与国际研究中心的研究员James Lewis表示，「美国不会放弃对中国技术的施压，欧洲获得的豁免是暂时的，其他地区也是如此。」据知情人士透露，虽然计划中的新规目前还处于草案阶段，但预计下个月就会以某种形式进行发布。据美国商务部信息，在美国出口管制体系中，所有国家或地区根据外交关系和安全问题等因素被分为A~E五大类。比如，D:5就包括中国大陆等；A:5和A:6组别则是与美国保持友好关系的国家及地区。除了日本、荷兰和韩国之外，草案规则还豁免了属于同一A:5集团的其他30多个国家和地区。参考资料： https://www.reuters.com/technology/new-us-rule-foreign-chip-equipment-exports-china-exempt-some-allies-sources-say-2024-07-31/ https://www.reuters.com/technology/artificial-intelligence/us-mulls-new-curbs-chinas-access-ai-memory-chips-bloomberg-news-says-2024-07-31/

奥运摸鱼大法，一键激活AI办公神器！打工人、学生党的效率救星