报道援引了非常熟悉这桩收购案人士所给出的消息，称Intel正在和这家公司进行深入的谈判，最终的收购价格可能在10~20亿美元之间，它很可能将是Intel从2017花了153亿美元收购Mobileye以来的最大一笔收购案。

Habana Labs目前的主要研发方向是针对深度学习设计处理器，公司已经拥有120名雇员，并且拿到了总计1亿2000万美元的投资，其中大部分都是来自于Intel，当时Intel并没有收购这家公司的计划。

如果收购成功，那么Habana Labs将助力Intel进行AI处理器的开发，Intel已经进入了AI处理器市场并推出了一些CPU和ASIC，用于加速深度学习，专用于深度学习的芯片可以提供比通用计算如通过CUDA方式实现的深度学习更高的计算量，Habana Labs的Gaudi芯片就可以在图像处理速度上面比V100快3.8倍之多，而它在ResNet-50的测试中更是表现出了比V100高得多的能耗比。不过在Habana Labs之前，Intel已经收购了两家AI初创企业了，其中Nervana也是做AI处理器的公司，Habana Labs的产品与Nervana的有一定的相似。Intel可能是想借助Habana Labs的产品丰富自己AI处理器的产品线，对市场进行细分以获取更多利润。

在受到外挂影响的游戏当中，《CS:GO》算是一个面临着大量外挂的热门游戏了。这些外挂为部分玩家带来透视、自动瞄准等特殊功能，然后可以轻松获得游戏胜利。对此，据gamebase报道，最近出现了一位《CS:GO》玩家的救世主，它一口气举报了17659位疑似作弊的玩家，并且在官方审核过了其中15356个举报之后，成功封禁了15104位作弊玩家。

据报道，突然现身的那个救世主并非是一个人，而是由目前还不到20岁的玩家2Eggs所开发的深度学习AI。2Eggs表示自身在2018年的游戏开发者大会（GDC）上看到了Valve资深软件工程师John McDonald 的 Demo 展示后就有了兴趣，希望能够做出来一个自动辨别开挂玩家的AI。

就在这样的背景之下，2Eggs就开发了一个名字叫做HestiaNet的反作弊AI系统。这个AI自2015年开始就持续不断“看”各种游戏新闻，以此来学习玩家的行为，然后辨别正常和异常的作弊动作等。2Eggs表示，《CS:GO》对于他或者其他喜欢这款游戏的人来说就像是一个家，但是这个家目前正在被各式各样的外挂所荼毒，因此他希望HestiaNet能够成为这个家的守护神。

NVIDIA Inception和Microsoft for Startups原本就是两个针对初创企业的项目，两家联手之后原来的项目成员公司将可以获得来自NVIDIA和微软双方面的优惠——包括技术、培训、市场指导以及可以让企业使用Azure云上面的NVIDIA GPU的免费资金。这些支持可以帮助AI初创公司继续成长，NVIDIA将和微软一起评估已经参与了项目的公司所需要的，并且将为这些公司实现他们的目标提供帮助。

具体一点就是原NVIDIA Inception成员可以免费获得微软的初创技术套装，其中包括在Azure云上的12万美元免费资金，另外还将获得微软的上市支持。而原Microsoft for Startups成员则是可以从NVIDIA那边免费获得NVIDIA的深度学习课程和在DevTalk这个技术论坛中的无限访问权，另外购买NVIDIA硬件也将享受折扣。

而新的有意向参与这两个项目的公司现在也只需要申请其中的一个即可获得双方面的支持。

两个项目原本就已经拥有非常庞大的成员了，比如NVIDIA Inception目前已经扩展到了5000多家公司，两家联手扶持AI初创企业的动作也可以说明未来真的会是AI的天下。

Jetson Xavier NX保持了与Jetson Nano相同的70mm*45mm尺寸大小，也同样是形似笔记本内存的260针SO-DIMM接口，支持最高x4的PCIe Gen3规格，而从占据PCB板绝大部分面积的芯片来看，就知道新板的升级很大，首先从名字就知道，Jetson Xavier NX的采用Volta架构的384核GPU，并加入了48个Tensor Core，由此最高可以带来21 TOPS的INT8运算能力，而CPU为6核的Carmel架构，带有10MB的缓存，为大小核、64位设计，最高可以达到1900MHz主频。

其它方面，Jetson Xavier NX配备8GB LPDDR4x内存、16GB eMMC 5.1存储，内置可支持6个CSI摄像头，支持最高2路的4K/30p HEVC编码，而解码可以到4K/60p，另外还有DP 1.4、HDMI 2.0和千兆LAN网的支持，但这些I/O应该是要通过开发套件来配合使用。

虽然Jetson Xavier NXAI性能大幅提高，但功耗也从Jetson Nano的5W/10W提高了10W/15W，其中10W的版本在性能要稍微一些，GPU和CPU主频都低一些，AI计算能力由此下降到14TOPS，所以这块新板应该不会完全取代原来的产品，而是为了应对需要更高运算，且功耗上限更高的AI设备，比如无人机、监控摄像头、医疗设备等。

那么这么强大的小玩意哪里可以买到呢？不好意思，NVIDIA要到明年3月才开始出货这块Jetson Xavier NX，售价为399美元，但你现在可以先用Jetson AGX Xavier Developer Kit为它开发程序。

PTK1位于以色列的佩塔提科瓦市，楼高11层，占地面积约为75000千平方米。Intel表示这个研发中心可以容纳2000名员工。在此之前，这2000名属于计算、AI、网络安全和通信业务的员工是分布在5个园区的8幢大楼内。

Intel同时表示，PTK1内的14000个传感器是寻常建筑的两倍，主要用于灯光、温度、通风、停车等系统的监控，每天产生约50至100TB不等的数据。这些数据将会由Intel自家研发的一个大楼管理系统来处理，然后由AI来做出相关的决定，不需要任何人工干预。

这一整套系统体系包含970个 API以及60000个输入字段。此外PTK1还有50个分布在各走道内的3D摄似头、500个显示器和平板、143间会议室，以及总长度达到1900公里的线路。

除了智能外，PTK1也很节能。根据Intel的说法，这幢大楼的供水系统可以节省75%的用水，并且会以100%可再生能源来供电。

PTK1并非是Intel在以色列的唯一一幢建筑项目。在8月份时，Intel的无人驾驶部门Mobileye在以色列总理的授权下，宣布将会在耶路撒冷兴建一幢与PTK1有同样容量的8层大楼。

据了解，在上个月底东京举办的第46届国际家庭护理和康复展览会上，日本公司Lixil展示了带有摄像头的AI马桶。这款AI马桶依赖于马桶圈下的摄像头和两个LED指示灯进行工作，当用户坐到马桶圈上时，LED以及摄像头就会开始工作，自动获取用户排出的粪便的图像资料，然后按照布里斯托尔粪便表将其分门别类，一共有7个类别。当系统开始工作时，这些工作一般会在几秒钟之内完成，然后工作人员通过计算机或者平板电脑进行检查，来查看老人是否出现腹泻等症状。

对于这个产品，Lixil公司表示已经在公司内部进行3000张图像测试，并且判断准确度能够达到80%甚至更高。另外，Lixil公司还计划在2020年第二季度在一个老旧设备中进行验证测试，但是，Nikkei XTech报告该公司不打算将该系统商业化。这或许意味着当前的原型产品无法生产，不过，这项技术最终还是可能会在未来的AI马桶产品中实现。

虽然看着这样的产品有些……重口？但是，这类型的产品对于其面向的客户群体来说，真的是帮上太大忙了。在这样的AI马桶出现之前，特殊医护人员只能够通过目视来判断老年患者的排便情况，AI马桶产品则将他们从这项工作中解放出来。

据digitimes报道，盛群半导体的首个AI神经网络处理器可识别包括钞票，车牌，物体和人脸在内的图像，还可用于自动光学检查，具有750mW的低功耗和支持双CIS输入的图像接口模组。

针对汽车电子和工业4.0应用的光明销售前景，盛群半导体还推出了CAN（控制器局域网）总线控制器产品，它们能够承受高达125摄氏度的温度，并符合CAN 2.0A / B和ISO11898-1标准。

该公司新发布的烟雾探测器闪光单片机具有AFE（模拟前端）和RF（射频）电路，并能覆盖315-915 MHz的频带，有助于形成小型无线协作式烟雾预警网络。

该公司还首次推出了具有世界上最低功耗的触摸单片机，并配备了双按钮，适用于可穿戴设备和指纹识别模块。

对于数字传感器应用，盛群已将其ASSP（专用标准零件）单片机与各种传感器集成在一起，用数字输出替代了传统的模拟输出信号，以检测气压，温度，湿度，烟雾，火和激光PM2.5。

据tweakers报道，谷歌在博客文章中指出，全球有19亿人患有皮肤病，但并非所有人都接受过正规皮肤科医生的治疗，在许多情况下，治疗是由非专科医生完成的，并且在许多情况下诊断是不正确的。

如果你没有皮肤科医生的帮助，Google开发的这个工具一样可以做出正确的诊断。利用该软件，可以基于患者皮肤的图像和可用的元数据进行诊断皮肤情况。为了训练该系统，谷歌使用了17,777个病例。

就像医生经常做的那样，人工智能通过对属于某个图像的可能疾病进行诊断排序。结果显示，对于该研究中的26种皮肤病，该软件提供的诊断与皮肤科医生的诊断一样准确。顺便提一下，皮肤癌比较难以检测，因为病例较少，因此系统训练不太好。尽管谷歌认为人工智能作为诊断皮肤状况的工具很有用，但未来仍需要进行改进，以帮助诊断不常见的疾病。

新的MLPerf推理基准测试其中包括5项内容，主要针对目前常见的应用，包括图像识别、物体检测及机器翻译项目。而且测试模拟的场景都与真实情况相关。其中单流检测评估如智能手机用户拍照，多流检测评估如检测障碍物的多摄像头气测系统。服务器场景针对在线请求，而离线检测针对批处理系统，主要测试系统的吞吐量。这套测试中还包括了一个负载生成器LoadGen，除了生成负载外，还要负责验证结果的准确性并计算最终的指标。

目前训练好的人工智能模型中包括了很大的数据库，在使用时可能会有不便，所以现在有研究人员想要一种可以保持一种逻辑并能迅速应用到其他的数据中，这种机器推理过程也逐渐成为了现在很多人工智能应用需要做的东西。

此前MLPerf已经推出了MLPerf Training机器学习训练基准测试，而本次推出的MLPerf Inference推理基准测试让GPU、AI芯片有了更加全面的测试。不过在这些测试中，还没有正式加入功率测试，要提交测试硬件功率需要加入其中的功率工作组。

目前MLPerf Inference推理测试还没有成绩提交，但已经有Training训练基础测试数据了，不过数据也不是很多，只有英特尔、NVIDIA及谷歌TPU的一些测试成绩。但MLPerf将测试程序开源了，所以对深度学习、神经网络感兴趣的朋友及研究者可以将测试程序下载下来后测试一下自己的电脑。

根据cnet的报道，Adobe说它正在开发一种人工智能工具来发现虚假图像。他们开发的工具可以识别一张照片被修改过的痕迹，并且识别率超过99%。不仅如此，在识别出被修改过的痕迹之后，还可以将照片还原到它被修改之前的样子，这就很厉害了。

Adobe与加州大学伯克利分校的研究人员在合作研究这个问题，不过他们表示这项技术限制还处于早期阶段。

由于P图变得越来越简单，我们现今活在一个充斥着被修改过的、深度伪装甚至是完全虚构的人脸的世界中，“虚假内容是一个严重且日益紧迫的问题，”Adobe在周五的一篇博客文章中表示，并补充说它将使用人工智能来增加人们对数字媒体的信任。

虚假的内容不仅出现在照片中，还有视频中，比如今年年初很火的那个94版射雕英雄传换脸成杨幂的视频。很多人表示到担心技术进步引发的安全问题，当时阿里安全也及时蹭了个热点，阿里安全高级算法专家觉奥表示，阿里人脸识别活体检测技术能够毫秒级辨别，成功率高达99.9%，防控技术还是有的，大家无需过于担忧。

总的来说，随着信息量的爆炸式增加，虚假类容的增加是不可避免的问题，除了技术上的防控，人们也需要增加自己辨别真伪的能力，多看点书学点有深度的东西，少关注网上那些肤浅没营养的信息。