至顶网软件频道消息: 人工智能工作负载的复杂性可以让这些负载非常难以部署。应用团队必须构建专门的基础设施,有效地支持运行在底层的深度学习神经网络算法,而这正是Bitfusion正在努力解决的问题。
这家初创公司在新一轮融资中获得500万美元,投资方包括Sierra Ventures、Data Collective、Resonant Ventures Partners和Geekcom(一家位于美国德克萨斯州的加速器)。Bitfusion宣布该消息的同时,还推出了Bitfusion AI Platform,这是一个革新的自动化工具套件,用于深度学习项目。
该软件是基于一项自主开发的虚拟化技术,能够根据Bitfusion安排把图形处理单元变成单一计算能力池。一旦设置完毕,管理控制台就可以让用户集中地将基础设施分配给他们的深度学习应用。用户可以把资源以“虚拟GPU”的形式进行分配,Bitfusion称这相比物理方法来说有诸多优势。
最显著的特点就是能够调节分配给每个虚拟处理器的内存容量,这样可以让一个普通GPU中存有更多数据。这避免了将数据密集型工作分散到多个节点上,简化AI应用的开发。而且这减少了花费在编码上的精力,意味着可以更快地完成项目。
Bitfusion宣称应用引入生产中,它的平台提可以提供类似的好处。该软件可以在计算要求增加的时候自动配置更多资源用于深度学习算法,同时内嵌的故障切换机制可以快速从GPU故障中恢复。Bitfusion称,该平台几乎支持任何类型的环境,包括内部部署的和公有云的基础设施。
这轮融资可以帮助Bitfusion在全球范围内推广它的软件。Bitfusion瞄准了各种细分市场,其官方网站上罗列的医疗、金融、制造和零售都是该软件适用的领域。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。