08月11日AI快讯 | 第33届国际人工智能联合会议成功举行，推动AI领域发展。

---

AI快讯目录

• [1] 第33届国际人工智能联合会议成功举行，推动AI领域发展
• [2] 微软推出T-MAC技术，提升边缘设备智能性
• [3] 软件工程专业扩招引发的机遇与挑战
• [4] AI生成技术的快速进步与挑战
• [5] 汽车芯片行业的挑战与机遇：2024年的转型之路
• [6] 碳化硅在电动汽车市场的机遇与挑战
• [7] Tora模型：基于Diffusion Transformer的轨迹可控视频生成技术

---

第33届国际人工智能联合会议成功举行，推动AI领域发展

1. IJCAI 2024在韩国济州岛举行，吸引近三千名参会者，投稿量增长23.8%，录用率为14.0%，显示出对论文质量的严格要求。

2. 会议涵盖多个研究方向，特别关注在线组合优化等议题，颁发多个奖项以表彰杰出贡献的科学家和优秀研究。

3. 会议展示了人工智能的多样性，关注传统与新兴领域，为AI未来发展提供新可能，巩固了其在全球AI研究中的重要地位。

微软推出T-MAC技术，提升边缘设备智能性

1. 微软亚洲研究院开发的T-MAC技术通过查找表计算范式，支持低比特大型语言模型（LLMs）的高效部署，显著提升边缘设备的推理性能，降低计算复杂度。

2. T-MAC无需专用加速器，仅依赖CPU，实验显示其推理速度超越传统NPU和GPU，且功耗显著降低，为资源受限设备提供了新的解决方案。

3. T-MAC的创新在于基于比特的计算方式，优化了数据结构和计算流程，现已开源，助力边缘设备智能化发展，并将在AICon大会上分享相关应用与实践。

软件工程专业扩招引发的机遇与挑战

1. 近年来，中国高校软件工程专业招生规模不断扩大，太原理工大学计划招生1795人，实际录取1871人，引发社会关注。其他高校也在扩招，学费普遍在1万元以上。

2. 扩招引发对教学质量和就业前景的担忧，太原理工大学师生比高达1:78，可能突破1:85。尽管招聘教师，但条件宽松，毕业生就业压力和学历门槛问题引发讨论。

3. 有观点认为扩招为低分考生提供机会，计算机专业就业前景依然良好。行业对程序员需求存在分歧，技术变革要求教育模式转变，未来将重视学习能力和适应能力的培养。

AI生成技术的快速进步与挑战

1. 最近，社交媒体上出现了一系列由人工智能生成的逼真TED演讲者图片，制作者Leo Kadieff利用Flux真实版LoRA技术提升了生成效果，简化了提示词的使用。

2. 尽管Kyrannio尝试使用Midjourney复刻这些图片，但效果不如Kadieff的作品。同时，谷歌Imagen 3的发布也吸引了众多网友的尝试，显示出其强大的生成能力。

3. AI视频生成方面，Runway创意总监使用Gen-3 Alpha制作的视频效果尚可，但细节处理仍需改进。Stable Diffusion的FLUX.1系列模型在图像生成上取得了显著进展，未来AI生成技术将更加成熟。

汽车芯片行业的挑战与机遇：2024年的转型之路

1. 2024年，全球汽车芯片行业面临经济下行和需求减缓的挑战，企业利润受到影响，但长期发展态势依然积极，企业通过并购和扩产展现韧性。

2. 裁员成为常态，英飞凌和安森美等主要供应商因需求下降宣布大规模裁员，反映出汽车行业的严峻形势。

3. 尽管面临困境，企业仍在SiC领域积极扩张，市场预计将在未来几年强劲反弹，电气化和高级功能的需求将推动汽车半导体行业的长期增长。

碳化硅在电动汽车市场的机遇与挑战

1. 碳化硅（SiC）作为高效半导体材料，在电动汽车动力系统中展现出巨大潜力，预计到2030年市场将以26%的年增长率增长。然而，电动汽车普及率放缓为SiC晶圆市场带来不确定性。

2. SiC材料在高功率应用中具备多项优势，尤其是汽车级MOSFET对晶圆质量要求严格。尽管产能预计增加，但实际供应量难以预测，可能无法满足市场需求。

3. 电动汽车市场的放缓促使SiC需求新趋势，预计到2027年，超过50%的纯电动汽车将依赖SiC动力系统。行业需关注供需变化及技术转型带来的挑战与机遇。

Tora模型：基于Diffusion Transformer的轨迹可控视频生成技术

1. Tora模型基于Diffusion Transformer架构，能够生成720p分辨率下长达204帧的稳定运动视频，运动模式流畅且符合物理规律。

2. 模型由ST-DiT、TE和MGF三部分组成，确保用户轨迹与生成视频运动一致，采用3D motion VAE和高斯滤波技术提升轨迹提取效果。

3. Tora在对比实验中表现优越，尤其在128帧测试中轨迹准确度显著提高，为视频生成技术和AIGC领域的发展提供了新思路。

推荐阅读

💡添加关注，获取更多AI热点资讯～💡

感谢您的阅读，辛苦您 点赞、在看、分享！