ResNets王者回归、「极飞科技」刷新中国农业AI领域最大融资纪录 | AI日报

ResNets王者回归、「极飞科技」刷新中国农业AI领域最大融资纪录 | AI日报_第1张图片

「极飞科技」获高瓴创投超3亿元C++轮融资,刷新中国农业科技领域最大融资纪录

「极飞科技」宣布完成由高瓴创投投资的超3亿元人民币C++轮融资。此次注资,是高瓴创投对去年11月「极飞科技」12亿元人民币融资的追加投资。由此,「极飞科技」在半年时间内,再度刷新了中国农业科技领域最大笔融资记录。

此前,百度资本、软银愿景基金、创新工场、成为资本、越秀产业基金、广州新兴基金等机构以12亿人民币投资「极飞科技」是中国农业科技领域历史上最大的一笔商业融资。此番高瓴的加入,是高瓴在农业领域的重要布局,也可见数字农业已成为普遍被头部基金看好的优质赛道。

「极飞科技」在2007年成立之初是一家无人机公司;2013年,将无人机运用在农业之中,「极飞科技」转身成为“农业无人机公司”;2019年,借着农业无人车、农机自动驾驶以及智慧农场管理系统的发布,逐步转型成为“农业科技公司”。「极飞科技」的愿景是构建一个满足人类未来 100 年发展需求的农业生态系统,让全世界的人们都能获得充足、丰富和安全的食物。

两张图表看透全球芯片制造格局:中国台湾份额过半

中国台湾如何牵制全球芯片?近日,美媒CNBC用下面两张图表,展示世界各地对台湾半导体的依赖程度。从计算机、智能手机到汽车制动传感器……各种电子设备都离不开芯片,而在关键的芯片制造环节,中国台湾及大陆正发挥不容小觑的影响力。

中国台北研究机构TrendForce数据显示,2020年,中国台湾地区在全球晶圆代工市场中市占率高于60%,远超占比18%的第二名韩国。

ResNets王者回归、「极飞科技」刷新中国农业AI领域最大融资纪录 | AI日报_第2张图片

图表1:2020年中国台湾地区在全球晶圆代工市场中市占率高于60%(数据来源-TrendForce)

全球前十大晶圆代工厂中,龙头台积电、第三名联电、第七名力积电总部均位于台湾,总部位于马六甲海峡的第八名VIS亦在台湾拥有生产基地。

其中,仅台积电一家的全球市场份额就高达54%。可以看到,中国台湾之所以在全球芯片产业链中占据的重要战略位置,与台积电在市场份额、技术先进程度等方面的领先息息相关。苹果、华为、高通、英伟达、AMD、联发科等知名芯片设计企业,都是台积电的客户。中国大陆市占率为6%,其中,中芯国际一家就贡献了5%的市场份额。

ResNets王者回归、「极飞科技」刷新中国农业AI领域最大融资纪录 | AI日报_第3张图片图表2:2020Q1及2021Q1营收预测全球前十大晶圆代工厂(图源-CNBC,数据来源-TrendForce)

ResNets王者回归!谷歌、伯克利联合发文:它当初输给EfficientNets不是架构问题

谷歌大脑和UC伯克利近期联合发表了一篇论文,这篇论文对何恺明等人2015年发表的ResNet为骨干的ResNets系列网络做了重新的回顾和研究。ResNets王者回归、「极飞科技」刷新中国农业AI领域最大融资纪录 | AI日报_第4张图片

论文地址:https://arxiv.org/abs/2103.07579

大家都知道ResNet自提出以来便取得了巨大的成功,一时之间很多视觉研究工作都会以此为骨干网络,但是近两年来ResNets这一骨干网络的地位逐渐被EfficientNets取代。

本篇论文便是对ResNets进行了重新研究。在这篇论文中,研究人员决定分别分析模型架构、训练和扩展策略的效果。令人惊讶的是,研究人员在这篇论文中发现训练和扩展策略可能要比架构更改更重要,而且,最终的ResNet是可以与SOTA模型相比的。在本篇论文中,研究人员提供了两种新策略:

1、如果可能过拟合,则缩放模型深度;否则,缩放模型宽度;

2、增加图像分辨率的速度比以往的论文中推荐的速度更慢。

基于这些想法,研究人员开发了新的架构ResNet-RS。在GPU上训练的结果比较得出,它比EfficientNets快2.1-3.3倍,同时在ImageNet上达到类似的准确率。在半监督学习中,ResNet-RS达到了86.2%的ImageNet Top-1准确率,同时比EfficientNet-NoisyStudent快了4.7倍。

ResNets王者回归、「极飞科技」刷新中国农业AI领域最大融资纪录 | AI日报_第5张图片


同时,ResNet-RS在下游任务的迁移学习上也提高了性能。

图学习+分子表示学习,飞桨刷新OGB药物分子性质预测榜单

化合物的生物活性筛选是现代药物研发中关键的一环,其主要目的是在大量候选化合物中发现针对某种药物靶点具有活性的分子。传统的活性筛选方法需要合成大量化合物用以进行生物实验,整个流程的成本高、周期长、成功率低。而通过 AI 技术进行药物的虚拟筛选有望代替传统的活性筛选方法,加速中间步骤从而大幅度降低研发成本。

近日,百度飞桨在通用性能评价基准数据集Open Graph Benchmark(OGB)上的HIV和PCBA这两项分子性质预测榜单登上榜首,在AI药物发现领域取得了新的技术突破。据介绍,飞桨基于图学习框架 PGL,使用深度图神经网络(GNN),配合生物计算平台螺旋桨 PaddleHelix 对药物发现领域的理解,设计自监督学习任务学习化合物分子表示,并应用到分子性质预测中。

ResNets王者回归、「极飞科技」刷新中国农业AI领域最大融资纪录 | AI日报_第6张图片

OGB上的HIV和PCBA数据集包括多种生物活性实验。其中,HIV数据集关注不同化合物是否能够抑制HIV病毒在细胞内的复制,PCBA数据集关注不同化合物针对100多种疾病靶点的有效性。以其中能增强功能性SMN2蛋白表达的化合物为例,这些化合物能够改善因SMN1蛋白突变失效引起的脊髓肌肉萎缩。成功预测化合物这类性质对于发现针对多种疾病的有效药物具有重要意义。


点击左下角“阅读原文”,了解更多!

你可能感兴趣的:(芯片,人工智能,机器学习,深度学习,大数据)