美国当地时间周二，特斯拉推出了一项手机软件更新，引入了名为“特斯拉助手Beta版”的人工智能聊天助手。该助手是特斯拉应用程序的新功能之一，其目的是解答与已注册的特斯拉产品以及其他特斯拉产品相关的问题。特斯拉一直将其应用程序视为汽车生态系统的核心组成部分，为特斯拉车辆提供了各种连接功能，这在汽车行业中是一项先驱工作。此次更新不仅引入了聊天助手，还在菜单中新增了一个选项，突出显示公司的非汽车产品。特斯拉认识到越来越多没有特斯拉车辆的用户正在下载并使用其应用程序，尤其是因为特斯拉将其应用程序用于非特斯拉电动车车主使用超级充电网络。这表明特斯拉正在努力将其服务扩展到更广泛的用户群体，并为所有用户提供更全面的体验。

本文转自【澎湃新闻】车企掌门人纷纷回应苹果放弃造车。2月28日凌晨，知名科技记者马克·古尔曼抛出一记重磅“炸弹”：苹果公司决定放弃投入十多年的造车项目，部分员工将被转入人工智能部门。多家外媒报道了此事并对此评价说，苹果造车梦碎也意味着苹果与特斯拉的对决就此结束。特斯拉CEO埃隆·马斯克在旗下社交媒体X上转发了苹果停止造车的消息，并配上了敬礼和抽烟两个表情。随后，特斯拉投资人Sawyer Merritt发帖分析了苹果放弃造车的原因，并表示美国只有两家车企从未破产过，一家是福特，另一家是特斯拉。马斯克对此回复说，“破产是一家车企的常态。”该消息一出，中国的新势力车圈大佬也纷纷在社交平台作出回应。理想汽车CEO李想表示，苹果放弃造车，选择聚焦人工智能是绝对正确的战略选择，时间点也合适。他分析道，人工智能会成为所有设备、服务、应用、交易的最顶层入口，是苹果的必争之战。汽车大获成功的必要条件仍然是人工智能。汽车的电动化是上半场，人工智能才是决赛。小鹏汽车CEO何小鹏则发帖表达了意外之感，“去年还讨论过，汽车行业新进入者会在2024年内全部出牌，但除了苹果。2024年后的十年会进入淘汰赛和全明星赛。但没有想到苹果在2024年出了这样的牌。”同样表示震惊的还有小米集团董事长兼CEO雷军。雷军表示“非常震惊”，并提到深知造车难度，3年前依然做了无比坚定的战略选择，认认真真为米粉造一辆好车。在社交媒体上，有不少数码圈分析人士表示，苹果放弃造车，尤其对于小米汽车而言算不上好消息。因为苹果造车与小米造车有很高的相似度，巨头苹果折戟在一定程度上证明了这条路很难走通。小米集团总裁卢伟冰此前在接受媒体采访时透露，小米确信在竞争激烈的电动汽车市场找到了自身定位和用户群体，愿意为即将推出的小米SU7买单。预计小米汽车的第一批用户将与手机用户高度重叠。小米汽车最快今年第二季度开始在国内市场交付。早在2014年，苹果就开始探索电动汽车项目，该项目被称为Titan计划。苹果启动Titan计划后，发挥“钞能力”重金从谷歌、奔驰、特斯拉等公司挖角，组建了一支拥有硅谷和汽车产业基因的核心团队。在最为鼎盛的时期，研发人员就超过5000名。据外媒报道，截至2019年末，苹果仅从特斯拉挖走的人才就超过300人。不过后来，由于苹果在造车路线和方向上反复摇摆，也迟迟没有合作对象和形式落地，导致参与Titan计划的高管大量出走，项目也几度停滞。(本文来源澎湃新闻，如有侵权请联系删除)

社交平台X博主Mckay Wrigley和twitter用户@0xca0a的经验共同展示了Gemini Pro 1.5在自动代码修复领域的卓越性能。Mckay Wrigley通过文字描述和上传程序界面截图向Gemini Pro 1.5报告了问题，Gemini不仅准确找到了问题代码的位置，还提供了详细的解决方案，成功修复了Bug。而twitter用户@0xca0a则采用了一种更为直观的方法，通过录制应用中的三个不同的bug，并将视频连同整个代码库一并提交给Gemini 1.5 Pro。令人惊讶的是，Gemini成功识别并修复了每一个bug。这表明通过视频记录bug，并利用AI进行分析和修复，可能成为传统bug修复流程的革新，极大提高了开发效率。这两个案例突显了Gemini Pro 1.5在自动代码修复方面的出色表现。无论是通过文字报告还是视频记录，Gemini都展现了其强大的问题定位和解决能力。这种智能修复的方法不仅能够减少开发者的工作负担，更为开发团队提供了一种更快速、高效的bug修复途径。这一技术的应用可能会为开发者社区带来积极影响，推动软件开发过程的创新。通过Gemini Pro 1.5的先进能力，社交平台X博主和twitter用户的经验都揭示了自动化代码修复的巨大潜力，这不仅是技术上的进步，也是提升开发效率的重要一步。

微软副总裁兼Copilot和必应工程与产品负责人约尔迪·里巴斯（Jordi Ribas）今天透露，微软正在测试名为Copilot GPT的新功能。用户在打开Microsoft Copilot时会看到一个新的Copilot GPT列表，这个功能将提供健身训练计划、假期规划以及烹饪帮助等服务。原文：我们在Microsoft Copilot中推出了几个Copilot GPT。它们可以帮助创建设计，规划您的下一个假期，学习烹饪新食谱，或制定定制的锻炼计划。GPTs利用提示中的上下文指令和领域信息作为基础数据的一部分。

ChatGPT在安卓平台推出了全新的主屏幕小组件功能，用户可通过点击并按住手机主屏幕上的空白位置调出小组件菜单。这一功能旨在更快访问OpenAI聊天机器人的对话和查询模式。目前处于测试阶段，正式推出时间未确定。用户可在正式推出前通过点击主屏幕上的空白位置预览小组件菜单，为Android用户提供更便捷的ChatGPT互动方式，提升使用体验。

作者：崔爽来源：科技日报科技日报记者 崔爽记者从华为公司获悉，近日，华为在MWC24巴塞罗那期间发布通信行业首个大模型。据了解，针对行业提出的敏捷业务发放、精准用户体验保障、跨领域高效运维的高阶智能化目标，大模型提供基于角色和场景的智能化应用，助力运营商赋能员工、提升用户满意度，提升网络生产力。MWC24巴塞罗那期间，华为以“引领智能世界”为主题，探讨如何促进“网云智”协同创新，推动数智化转型深入发展，加速5G商业正循环，拥抱更繁荣的5G-A时代。同时，华为展示了全系列、全场景的5.5G产品解决方案，包括5G-A、F5G-A、Net5.5G等。MWC24巴塞罗那华为Hall1展区根据最新数据，截至2023年底，全球已有超过300张5G商用网络，超过16亿5G用户。5G进入高速发展期，全球5G用户增长速度是4G同期的7倍。在2023年全球知名机构测试中，华为在德国、奥地利、荷兰等重要城市助力运营商网络体验取得测试第一。据了解，截至目前，华为联合运营商客户在全球20多个城市启动5G-A商用验证和测试。在中东，5G-A已成产业共识，海湾阿拉伯国家合作委员会（GCC）六国均已完成5G-A 10Gbps速率验证以及RedCap（Reduced Capability，5G轻量化）和Passive IOT（无源物联网）等新业务孵化。中国内地，三大运营商已启动全国重点城市的5G-A网络部署，并全面开展联人、联物、联车、联行业、联家庭的五联业务探索；在中国香港，运营商完成C-band+毫米波的5G-A万兆测速验证，并启动发放5G-AFWA业务；在芬兰，运营商在商用网络上完成5G-A技术验证，实现超过10Gbps峰值速率和Passive IoT的技术验证；在德国，运营商通过6GHz多载波突破12Gbps峰值速率。2024是5G-A商用的元年，华为表示，将联手全球运营商积极探索向5G-A时代的演进，构建极致体验、高效协同、绿色低碳、高稳智能的泛在网络，推动数智化转型深入发展，引领智能世界加速到来。据悉，华为企业业务以“引领数智基础设施，加速行业智能化”为主题亮相MWC24巴塞罗那，发布十大行业数智化解决方案，以及系列旗舰产品。华为终端业务携一系列科技新品亮相，展现让科技进一步融入消费者生活、丰富场景化体验的追求，以创新技术打造丰富的个性化生活方式。（主办方供图）(本文来源科技日报，如有侵权请联系删除)

法国生成式AI公司Mistral AI最近发布了Mistral Large，被誉为「欧洲OpenAI」。这一先进的文本生成模型展现出卓越的推理能力，能够处理复杂的多语言推理任务，如文本理解、转换和代码生成等。在多项基准测试中，Mistral Large表现出色，全球排名第二，仅次于GPT-4，成为API广泛使用的顶级模型。Mistral Large目前已经成功集成到Mistral AI的聊天机器人Le Chat中，并在La Plateforme和Azure平台上可用。微软宣布与Mistral AI建立长期合作伙伴关系，共同开发新的商业机会，并通过Azure AI超级计算基础设施支持Mistral AI的大型模型训练和推理工作。这一合作涵盖多个领域，双方将共同探索为特定客户定制特定目的模型的合作。此外，微软和Mistral AI还计划通过Azure AI Studio和Azure机器学习模型目录中的模型即服务（MaaS）向客户提供Mistral AI的高级模型。他们将共同探索为特定客户提供定制模型的可能性。这一合作使Mistral成为继OpenAI之后，在微软Azure云平台上提供商用语言模型的第二家公司，为用户提供更广泛、更强大的人工智能解决方案。

谷歌研究人员发布了一项引人瞩目的AI技术，名为Genie，这是一款全新生成式AI模型，拥有110亿参数。该模型被定义为“生成式交互环境”的新典范，具有快速生成充满交互性虚拟世界的能力，而且这个虚拟世界的“动作可控”，用户能够在其中自由展开各种活动。Genie的独特之处在于它是一种基础世界模型，与传统的AI训练模式不同，不需要动作标签。谷歌Deep Mind团队在Genie的开发中未向模型提供任何动作标签，而是通过训练模型以视频数据为输入，使其能够生成照片、草图，甚至是可操控的虚拟世界。这标志着Genie能够从互联网视频中学习细致入微的控制，无需对视频进行标注。Jim Fan，英伟达高级研究科学家兼通用具身智能体研究小组负责人，对Genie赞誉有加，认为它将成为具身智能体的关键支持。与之前的Sora相比，Genie实际上是一个由行动驱动的世界模型，具备推断行动的能力。他预测2024年将成为基础世界模型的重要节点。Genie的展示案例显示，该模型能够在不同提示图像下生成相似的行为，并且符合物理规律。谷歌强调Genie专注于2D平台游戏和机器人技术的视频，但他们的方法是通用的，可适用于各个领域，并且可以扩展到更大的互联网数据集。这意味着Genie不仅在虚拟世界中具有广泛的应用前景，还有望成为实现通用AI Agent的催化剂，引领“图/文生成交互世界”的时代。项目地址：https://sites.google.com/view/genie-2024/home论文地址：https://arxiv.org/abs/2402.15391

根据最新发布的《2024新春开工首周就业洞察报告》来自猎聘大数据研究院的数据显示，新春开工首周人工智能与图形计算领域的就业需求迎来了显著增长。特别是在OpenAI Sora的引领下，相关职位数量相较去年同期激增了612.5%，平均年薪达到了44.37万元，呈现出引人瞩目的趋势。整体就业市场方面，猎聘平台首周新发职位较去年同期增长23.63%，表明各行业对人才的需求持续上升。在新发职位的细分行业中，集成电路和新能源领域的人才需求进入了前十，突显了科技领域的蓬勃发展态势。消费拉动下，服装、物流和汽车零配件行业的人才需求增速最为惊人，同比增长率均超过50%。此外，互联网行业人才需求反弹上扬，而证券行业用人需求则出现了明显的下降。在AIGC领域相关职位中，算法工程师和产品经理仍然是最受欢迎的职位，占比分别为18.95%和12.63%。与此同时，视觉设计、自然语言处理和图像算法等职能也在该领域中占据了前五的重要地位。新春开工首周的就业市场呈现出多元化和科技化的趋势，为求职者提供了更为广泛的职业选择机会。这些数据不仅反映了人工智能与图形计算领域的蓬勃发展，也为各行业提供了招聘和人才培养的有益参考。

数据处理是信息管理的关键环节，也是最基础的工作之一。在信息化社会中，数据无处不在，如何有效地处理数据，从中提取有价值的信息，是每个信息工作者必须面对的问题。本文将介绍几种常见的数据处理方法，帮助大家更好地处理数据。一、数据清洗数据清洗是指对数据进行预处理，去除噪声、缺失值、异常值等不符合要求的数据，以保证数据的准确性和完整性。常用的数据清洗方法包括：1. 删除重复数据：通过去重操作，去除重复的数据记录。2. 填充缺失值：对于缺失的数据，可以使用均值、中位数、众数等替代方法进行填充。3. 异常值处理：对于明显偏离正常范围的数据，可以通过删除或替换为某种合理的值进行处理。二、数据转换数据转换是指将数据从一种格式或格式转换为另一种格式，以满足不同的数据处理需求。常用的数据转换方法包括：1. 文本转表格：将文本数据转换为表格数据，方便进行数据处理和分析。2. 图像转表格：对于图像数据，可以通过OCR技术将其转换为表格数据。3. 数据库转换：将数据从一种数据库格式转换为另一种数据库格式，以满足不同的数据处理需求。三、数据挖掘数据挖掘是指从大量的数据中提取有价值的信息和知识的过程。常用的数据挖掘方法包括：1. 聚类分析：将相似的数据对象归为一类，以便更好地理解数据的分布和特征。2. 关联规则分析：寻找数据之间的关联和规则，发现隐藏的模式和关系。3. 决策树算法：根据数据的特征和属性，建立决策树模型，用于分类和预测。四、数据分析数据分析是指利用各种统计和数据分析工具，对数据进行深入的挖掘和分析，提取有价值的信息和知识。常用的数据分析方法包括：1. 数据可视化：通过图表、图形等方式展示数据，以便更好地理解和分析数据。2. 描述性统计分析：对数据进行基本的统计分析和描述，了解数据的分布和特征。3. 预测性分析：利用历史数据和模型，对未来数据进行预测和分析。五、机器学习与深度学习机器学习是人工智能领域的一个分支，通过训练大量的模型和算法来从数据中自动发现规律和模式。深度学习是机器学习的一个分支，利用神经网络和深度学习算法进行自动化建模和特征提取。在数据处理方面，常用的机器学习算法包括支持向量机、决策树、随机森林等，常用的深度学习算法包括卷积神经网络、循环神经网络等。这些算法可以应用于图像、语音、文本等多种类型的数据处理中。综上所述，数据处理方法有很多种，包括数据清洗、数据转换、数据挖掘、数据分析以及机器学习和深度学习等方法。在实际应用中，需要根据具体的数据类型和需求选择合适的方法进行处理和分析。同时，还需要注意数据的保密性和安全性问题，确保数据处理过程的安全和可靠。