谷歌 Gemini 月活用户突破 10 亿，成公司史上增长最快产品
谷歌旗下 AI 助手 Gemini 正式突破 10 亿月活跃用户，成为该公司历史上增长最快的产品。数据显示，其用户数量在不到一年内增长约三倍，而 Gmail 达到同样规模耗时约 14 年。Gemini 的交互方式也发生显著变化，63% 的用户倾向语音对话，每天生成超 1.5 亿张图像，约 38% 的学生提示涉及上传文档。该平台已从最初的 Bard 聊天机器人发展为多模态 AI 系统，并整合进搜索、Android 和 Workspace 等产品中，同时可连接 40 多个第三方应用。此外，超过 1 亿活跃用户来自 iOS 和 Mac 设备，与 ChatGPT 的用户规模竞争日趋激烈。 #Google #Gemini #人工智能 #AI #科技新闻 #语音交互
谷歌旗下 AI 助手 Gemini 正式突破 10 亿月活跃用户，成为该公司历史上增长最快的产品。数据显示，其用户数量在不到一年内增长约三倍，而 Gmail 达到同样规模耗时约 14 年。Gemini 的交互方式也发生显著变化，63% 的用户倾向语音对话，每天生成超 1.5 亿张图像，约 38% 的学生提示涉及上传文档。该平台已从最初的 Bard 聊天机器人发展为多模态 AI 系统，并整合进搜索、Android 和 Workspace 等产品中，同时可连接 40 多个第三方应用。此外，超过 1 亿活跃用户来自 iOS 和 Mac 设备，与 ChatGPT 的用户规模竞争日趋激烈。 #Google #Gemini #人工智能 #AI #科技新闻 #语音交互
西门子与 NVIDIA 深化合作，推出自验证智能体 AI 工作流
西门子近日宣布与 NVIDIA 深化战略合作，为其电子设计自动化（EDA）平台升级自验证智能体 AI 工作流，旨在提升半导体与印制电路板（PCB）设计的可信度与效率。新功能基于西门子 Fuse™ EDA AI Agent 系统，整合 NVIDIA 新一代 AI 技术，支持长时间运行、面向特定领域的 AI 智能体进行推理与执行，并依托确定性、基于物理的 EDA 引擎持续校验决策。该方案已接入西门子 Intelligence Center X 平台，实现设计、制造、供应链全流程协同。升级后的智能体工作流可将工艺库特性分析周期缩短 10 倍以上，Token 成本降低 5 至 10 倍。此外，新推出的 Solido Layout Analyzer 工具可帮助工程师提前发现版图关联效应问题，将调试周期缩短数周。芯片验证环节作为设计瓶颈，西门子还通过 Questa One Agentic Toolkit 与 NVIDIA Nemotron 模型提升验证效率，加速可靠成果交付。 #西门子 #NVIDIA #EDA #半导体 #PCB #AI智能体 #自验证 #工业AI #芯片设计
西门子近日宣布与 NVIDIA 深化战略合作，为其电子设计自动化（EDA）平台升级自验证智能体 AI 工作流，旨在提升半导体与印制电路板（PCB）设计的可信度与效率。新功能基于西门子 Fuse™ EDA AI Agent 系统，整合 NVIDIA 新一代 AI 技术，支持长时间运行、面向特定领域的 AI 智能体进行推理与执行，并依托确定性、基于物理的 EDA 引擎持续校验决策。该方案已接入西门子 Intelligence Center X 平台，实现设计、制造、供应链全流程协同。升级后的智能体工作流可将工艺库特性分析周期缩短 10 倍以上，Token 成本降低 5 至 10 倍。此外，新推出的 Solido Layout Analyzer 工具可帮助工程师提前发现版图关联效应问题，将调试周期缩短数周。芯片验证环节作为设计瓶颈，西门子还通过 Questa One Agentic Toolkit 与 NVIDIA Nemotron 模型提升验证效率，加速可靠成果交付。 #西门子 #NVIDIA #EDA #半导体 #PCB #AI智能体 #自验证 #工业AI #芯片设计
英伟达被曝正开发万亿参数开源模型，挑战全球顶尖水平
据外媒报道，英伟达正在秘密开发一款全新的开源大模型，参数量或达万亿级别，旨在超越当前顶尖模型。此前，英伟达刚推出Nemotron 3.5系列，该系列以高效训练和推理著称，但新项目目标更为宏大。知情人士透露，英伟达计划利用其强大的GPU算力优势，打造一个完全开放、性能顶尖的AI基础模型，以推动行业生态发展。若成功，该模型将显著降低大模型使用门槛，并对Meta的Llama等开源模型形成直接竞争。目前英伟达尚未官方确认，但业界普遍认为此举将加速AI开源社区的技术迭代。 #英伟达 #开源模型 #万亿参数 #AI #大模型 #Nemotron #科技新闻
据外媒报道，英伟达正在秘密开发一款全新的开源大模型，参数量或达万亿级别，旨在超越当前顶尖模型。此前，英伟达刚推出Nemotron 3.5系列，该系列以高效训练和推理著称，但新项目目标更为宏大。知情人士透露，英伟达计划利用其强大的GPU算力优势，打造一个完全开放、性能顶尖的AI基础模型，以推动行业生态发展。若成功，该模型将显著降低大模型使用门槛，并对Meta的Llama等开源模型形成直接竞争。目前英伟达尚未官方确认，但业界普遍认为此举将加速AI开源社区的技术迭代。 #英伟达 #开源模型 #万亿参数 #AI #大模型 #Nemotron #科技新闻
成本成功的代价
许多团队在优化AI模型调用成本时，只盯着每次调用的价格，却忽略了真正决定总成本的指标——每次成功的成本。当团队将旗舰模型切换为廉价模型后，虽然单次调用价格下降，但模型成功率从90%降至55%甚至30%，导致系统频繁重试。例如，成功率90%的模型平均需要约1.1次尝试完成任务，而成功率30%的模型则需要约3.3次。每次失败都会产生额外开销，最终总账单反而上升，延迟恶化，并出现“模型卡死循环”的故障。这种测量陷阱源于对“成本-每次调用”的盲目优化，而非“成本-每次成功”。文章指出，正确的衡量标准还应包括“到首次有用令牌的时间”，而非单纯的“到首令牌时间”。忽视这些指标，廉价模型只会成为伪装成节省的负债。 #AI成本优化 #LLM路由 #成本成功比 #模型调用 #机器学习运维 #AI工程 #性能指标 #技术债务
许多团队在优化AI模型调用成本时，只盯着每次调用的价格，却忽略了真正决定总成本的指标——每次成功的成本。当团队将旗舰模型切换为廉价模型后，虽然单次调用价格下降，但模型成功率从90%降至55%甚至30%，导致系统频繁重试。例如，成功率90%的模型平均需要约1.1次尝试完成任务，而成功率30%的模型则需要约3.3次。每次失败都会产生额外开销，最终总账单反而上升，延迟恶化，并出现“模型卡死循环”的故障。这种测量陷阱源于对“成本-每次调用”的盲目优化，而非“成本-每次成功”。文章指出，正确的衡量标准还应包括“到首次有用令牌的时间”，而非单纯的“到首令牌时间”。忽视这些指标，廉价模型只会成为伪装成节省的负债。 #AI成本优化 #LLM路由 #成本成功比 #模型调用 #机器学习运维 #AI工程 #性能指标 #技术债务