哀同丝

这主要源于我们这几年对相关领域技术人才的投资，比如今年招聘的人工智能人才所带来的全年薪酬支出预算。这是一个非常根本的问题，它将对我们如何制造产品、运营公司、发明新事物、探索造福社会的新发现等等带来深远、广泛的影响。虽然类似的尝试目前还不多，我也不确定这些新尝试是否对公司本季度或者未来季度的收益带来了重大贡献，但我对未来的发展轨迹充满信心。但在我看来，从某种程度上来说，研发超级智能不仅仅是要向人类学习——我们所打造的技术实际上比人类更聪明，所以它本身需要具备自我提升、自我改进的能力，我们需要探索如何让技术实现自身迭代。首先，如何让推荐的内容更贴合用户需求，向用户呈现与他们兴趣最相关的内容。展望2026年的资本支出增长情况，通过提高服务器、网络数据中心的支出，我们会不断提升自身的训练能力、扩大生成式人工智能（GenerativeAI）容量。我的问题是，随着您把关注点转向超级智能，力求从基础设施投资中获取更高回报，近期您的想法有什么变化吗？我的第二个问题想问苏珊。我的问题是，这些投资所带来的基础设施容量会主要用于内部使用吗？还是说您计划通过某种商业模式将一部分容量与外部共享？我的第二个问题想问苏珊。通过智能眼镜，AI系统得以感知用户周围发生的事、生成用户界面、显示相关信息以便为用户提供帮助。一直以来，Meta都持续在这方面做投入，在智能眼镜制造方面，我们的技术也领先同业好几年。全球没有哪家公司能像我们一样，有能

7月31日，苏宁易购Super会员联合爱奇艺、腾讯视频、优酷视频、网易云音乐、QQ音乐等16家热门品牌，推出全新联名权益。相比数字世界中的大模型，MogoMind可以视为物理世界的实时搜索引擎，通过接入物理世界实时动态数据，MogoMind形成全局感知、深度认知和实时推理决策能力，能够从数据中抽取意义、从经验中学习规则、在场景中灵活决策。MogoMind依托交通数据流实时全局感知、物理信息实时认知理解、通行能力实时推理计算、最优路径实时自主规划、交通环境实时数字孪生、道路风险实时预警提醒六大关键能力，解决了当前AI缺乏物理世界实时感知能力和全局认知系统两大问题。自动驾驶领域，MogoMind通过多源数据融合和长尾场景持续学习，反哺自动驾驶模型训练。交通管理领域，MogoMind让交通管理者掌握整个城市交通系统的运行全貌，能基于实时动态数据的融合分析做出科学决策。通过全域覆盖的通感算一体化设备，MogoMind能够全天候、不间断捕捉车辆行驶轨迹、速度变化、交通流量、行人动态等海量异构数据，并经过数据融合算法快速整合处理，为智能分析和精准决策提供数据基础。大

我相信，未来智能眼镜将成为非常基本的人工智能物理形式之一，它也会有不同的版本。摩尔线程创新推出零中断容错技术，故障发生时仅隔离受影响节点组，其余节点继续训练，备机无缝接入，全程无中断。且在计算精度方面支持从FP64至INT8的完整精度谱系，并通过FP8混合精度技术，在主流前沿大模型训练中实现20%~30%的性能跃升。在单芯片算力方面，摩尔线程的GPU单芯片基于MUSA架构的突破性设计，可集成AI计算加速、图形渲染、物理仿真及超高清视频编解码能力，充分适配AI训推、具身智能、AIGC等多样化应用场景。这种全方位的基础设施变革，将推动AI训练从千卡级向万卡级乃至十万卡级规模演进，以系统级工程实现生产力和创新效率飞跃。大会期间，摩尔线程首次提出了AI工厂理念，公司创始人兼CEO张建中在分享中表示，为应对生成式AI爆发式增长下的大模型训练效率瓶颈，摩尔线程将通过系统级工程创新，构建新一代AI训练基础设施，为AGI时代打造生产先进模型的超级工厂。据悉，摩尔线程提出的AI工厂，如同芯片晶圆厂的制程升级，需要实现从底层芯片架构创新、到集群整体架构的优化，再到软件算法调优和资源调度系统的全面升级。专题：2025世界人工智能大会新浪科技讯7月27日午间消息，2025世界人工智能大会（WAIC2025）于7月26-28