曝孙正义抢英伟达的大客户并与供应商谈判!少赚 1500 亿美元后,寄托于 Arm 成为下一个英伟达,明年生产 AI 芯片

文章来源:Newin有新

图片来源:由GPTNB生成

在 6 月份软银股东大会回顾上,孙正义提到其投资生涯的重大失误 —— 2019 年清仓 4.9% 英伟达股份,错失 1500 亿美元的潜在回报。

图片来源:由GPTNB生成

此外,软银也曾计划投资 OpenAI,但由于 Sam Altman 最终决定接受微软的投资,而与 OpenAI 失之交臂。


所幸的是软银在 2016 年以 320 亿美元收购的 ARM 终在去年 9 月 IPO,目前 ARM 最新市值接近 1362 亿美元,软银仍然持股 90%,一举带动了软银市值的走高。

今年 5 月,ARM 被曝计划 2025 年推出 AI 芯片,同时软银将斥资 640 亿美元将集团向 AI 转型,包括投资数据中心以及机器人技术等。

同马斯克,不能拥有 OpenAI 不如动手戳一个 xAI。错失英伟达,也让软银开启自己造“英伟达”的念想。

根据《金融时报》,软银曾与英特尔就生产 AI 芯片以对抗英伟达进行过谈判,但由于英特尔未能满足软银的要求,这一计划最终失败。

软银将谈判失败归咎于英特尔,原因是英特尔方面无法满足软银对产量和速度的要求。

那么客户和资金从哪里来?孙正义向谷歌以及 Meta 等大型科技公司推销他雄心勃勃的计划,涵盖了从芯片生产、软件到为数据中心提供处理器所需的电力等多个领域。

然而,建立新的芯片生产业务所需的巨额投资的一部分可能来自于资金充裕的大型科技公司提前下的订单。

当然,孙正义的做法不免受到客户质疑。例如,将 Arm 投入芯片生产可能会损害其与英伟达的的关系,而软银认为这种风险是值得冒的。

孙正义希望自己设计并生产 AI 芯片,甚至认为在未来几个月内就能有原型机问世,包括近期收购的英国 AI 芯片制造商 Graphcore 有助于其芯片生产。

目前,孙正义开始转向与台积电合作进行芯片设计,但仍未达成协议,而此前与英特尔的谈判也是希望加速芯片生产。

当然,英特尔现在也不好过,二季度财报宣布运营亏损 70 亿美元后,股价暴跌 20%,并宣布了裁员 1.5 万人,甚至在前两天被曝清仓了 188 万股价值 1.47 亿美元的 ARM 股权,此举或意味着与软银的合作渐行渐远。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

「肢解」谷歌帝国!Chrome安卓或遭剥离,AI训练数据被迫共享

「肢解」谷歌帝国!Chrome安卓或遭剥离,AI训练数据被迫共享

文章来源:新智元

【导读】反垄断案败诉,谷歌或将面临「分家」,一旦与Chrome和安卓操作系统解绑,谷歌该何去何从?

谷歌刚热热闹闹地开完「谷歌制造」发布会,一个晴天霹雳就打到谷歌头上——

违反反垄断法,全球搜索引擎霸主可能面临强制分拆!

一个商业帝国的兴起,往往伴随着不断的吞并和收购,谷歌亦是如此。没有巨大的财富饥渴,就不会有今天的「谷歌帝国」。


现任CEO劈柴手握谷歌的第2个接力棒,史无前例地处于风暴中心,这次他还能否力挽狂澜?

上周,谷歌搜索被判垄断,让整个科技行业都受到了震动。牵一发而动全身,更何况是谷歌这样的巨头。

不仅搜索引擎的市场格局会发生显著变化,也会对苹果等公司的财务健康造成影响。

谷歌败诉,对于反垄断司法是一次史诗般的胜利,对谷歌而言,却是一次巨大的生存危机。

据悉,在法官做出裁决之后,司法部正在计划下一步行动,其中可能包括拆分谷歌——将谷歌剥离安卓或Chrome浏览器。

如果谷歌难逃此劫,这将是自80年代美国电信巨擘AT&T分拆以来最重大的企业分拆。

谷歌反垄断案的影响不止于它自身,也是对其他大型科技巨头,如亚马逊、苹果和Meta的一次警告。

搜索霸主

尽管谷歌不是唯一一家拥有搜索引擎的公司,但它已经成为网络搜索的代名词。

网络流量分析公司Statcounter的数据显示,截至7月份,谷歌的搜索引擎市场份额约为91%。事实上,从2009年以来,它就一直保持着约90%的市场份额。

谷歌的第二大竞争对手是微软的Bing,Bing的市场份额是多少呢?只有不到4%。

凭借具有主导地位的搜索引擎,再结合广告业务,带动了其年收入超过3000亿美元,使得谷歌及其母公司Alphabet成为世界上最有价值的公司之一。

谷歌占有这么庞大的市场份额,手段也很赤裸,那就是向苹果和三星等公司支付数百亿美元,将谷歌搜索作为设备和浏览器中预装的默认选项。

这让谷歌获得了如日中天的发展,也为今天的败诉埋下了祸根。

谷歌败诉

在谷歌与司法部和州总检察长进行了长达一年的司法斗争后,美国司法部胜诉,联邦法官正式裁定谷歌违反反垄断法。

也就是说,谷歌输掉了二十多年来第一起重大科技反垄断诉讼。

最确凿的证据包括,谷歌向苹果公司支付了180亿美元,阻止苹果扩张搜索业务,确保谷歌在2021年继续成为默认搜索引擎。

此外,谷歌还拥有自己的网络浏览器Google Chrome和Android系统,这两者都使谷歌成为数百万设备上的默认搜索引擎。

华盛顿法官Amit Mehta在一份长达286页的裁决中表示,「谷歌的分销协议侵占了大部分普通搜索服务市场的份额,并蚕食了竞争对手公平竞争的空间。」

裁决书地址:裁决书地址

并且,通过独家分销协议垄断手机端和浏览器的服务,谷歌能够肆无忌惮地让在线广告不断涨价,而不会产生任何后果。

谷歌表示将对此裁决提出上诉,Mehta已下令双方开始进入诉讼的第二阶段,这将涉及政府将采取何种恢复竞争的措施,包括对谷歌进行分拆。

除了分拆,司法部还在考虑其他较为温和的反垄断措施。其中包括要求谷歌与微软必应、DuckDuckGo等竞争对手分享更多数据。这样做将有助于竞争对手改善搜索结果,从而更有效地与谷歌竞争。

这是华盛顿自二十年前解散微软公司未果以来,首次以非法垄断为由解散一家公司。

据「纽约时报」报道,法官安排于9月6日举行听证会,与谷歌和司法部讨论下一步行动。

司法部的谷歌审判小组

「肢解」谷歌

如果司法部推进分拆计划,那么安卓操作系统和Chrome浏览器将是最有可能被剥离的业务部门。

这两种产品的用户数量极其庞大,全球约25亿台设备都安装了安卓系统。

Mehta在裁决中指出,谷歌要求设备制造商签署协议,要求预装Gmail、Google Play商店等应用程序,还无法卸载。

除了安卓和Chrome,官员们还在考虑强制出售谷歌用于销售搜索广告的平台AdWords。

判决书也提到,谷歌垄断了出现在搜索结果页面顶部的广告,而这些广告正通过AdWords出售。

这一举措将对谷歌的广告业务产生重大影响,因为搜索广告占据了谷歌总收入的约三分之二。

如果司法部不要求谷歌出售AdWords,它可能会提出让谷歌提供互通操作的要求,使AdWords能在其他搜索引擎上无缝运行。

先例

为了打破垄断,对大型科技公司进行分拆的举措早已有之。

上一个被反垄断官司缠身的是微软。

近20年前,正值互联网腾飞,微软将自己的Internet Explorer与Windows捆绑在一起,严重阻碍了其他浏览器的发展。

地区法院下令,要求微软将Internet Explorer与Windows解绑,拆分为两部分。

但微软上诉并获胜,避免了被分拆的命运。

2001年,微软的反垄断案才终于解决,以微软做出妥协而告终——允许制造商出售装有其他操作系统和其竞争对手软件的Windows PC。

微软之所以能死里逃生,部分原因是法官在初审期间发表了不当的公开声明。

法院确实肯定了杰克逊结论的精神——即微软在计算机操作系统市场上确实拥有垄断地位,并违反了美国的反垄断法。但是,杰克逊关于拆分微软的激进解决方案似乎已经失败,而这位白发苍苍、如熊一般的地区法院法官,在生活和职业生涯上将永远受到上诉法院意见的影响。

如今,谷歌也已经提起了上诉,但面对风头正盛的司法部的攻讦,它能否像微软那样幸运逃脱,还是一个未知数。

如果谷歌上诉胜诉,那么它会是第二个微软,如果它败诉,则会成为第二个AT&T。

40多年前,这家电信巨头被拆得七零八落——一个长途电话公司和七个本地电话公司。

影响

尽管谷歌对裁决结果提出继续上诉,谷歌分拆的可能性仍然很大。

一旦分拆开始,对于市值接近2万亿美元的谷歌将是一场生死存亡的浩劫。

在判决公布当日下午3:50,Alphabet股价就下跌4.5%,苹果公司股价下跌5.8%。

谷歌搜索作为公司最大的摇钱树,直接减少谷歌搜索的收入无疑是一棒打在公司的大动脉上。

如果其中任何一个不再是谷歌的产品,谷歌将直接失去搜索和智能手机市场的半壁江山。

如果像业界声称的那样,A技术集成也将成为智能手机的核心,那么空有Gemini技术而没有Android的谷歌也会发现自己在这个关键领域陷入困境。

并且,就在昨天,谷歌举办了年度硬件发布会,展示最新的手机等硬件产品系列,其中包括谷歌Pixel智能手机。

活动上,谷歌高管Sameer Samat使用谷歌Pixel智能手机演示Gemini AI效果,并且率先发布语音模式Gemini Live,截胡OpenAI的AI语音功能。

可以想象,如果没有Android,谷歌就没有硬件基础,也无法确保数十亿人将在日常生活中首选由Gemini驱动的聊天机器人。

谷歌分拆的影响也将远远超出自身而波及全行业,因为许多同行也卷入了类似的反垄断案件,谷歌的判决将成为重要的司法参考。

例如,联邦贸易委员会对Meta提起诉讼,想要Meta剥离Instagram和WhatsApp。

联邦贸易委员会还对亚马逊提出了投诉,一些专家表示,这可能会导致这家电子商务巨头的物流服务分拆。

因此,各大科技巨头人人自危,都在等着这场审判的最终结果。

共享数据

共享数据

共享数据

除了分拆,司法部给谷歌指了另一条路——将其数据剥离或授权给竞争对手,如微软的Bing或DuckDuckGo。

谷歌的合同确保其搜索引擎获得了最多的用户数据,是仅次于它的竞争对手的16倍。

谷歌对数据流的垄断,使得其竞争对手没有用来改进搜索结果的足够多的数据,也就无法和谷歌进行有效竞争。

欧洲最近颁布的「数字市场法案」也提出了类似要求,要求谷歌向第三方搜索引擎提供部分数据。

谷歌曾公开表示,共享数据可能会带来用户隐私问题,它只提供符合特定门槛的搜索信息。

这个措施也是有判例可循的。

1956年,司法部针对AT&T提起了第一起诉讼,要求AT&T提供免版税专利许可。

在微软反垄断案中,司法部要求微软向第三方免费提供一些API。

AI产品 or 搜索新功能?

多年以来,谷歌通过爬虫各个网站,来确保它们出现在搜索结果中。在加入AI竞赛以后,谷歌利用这些数据来开发自家的人工智能产品。

去年秋天,一些公司对此提出了不满和抱怨。

谷歌不得不开发了一种工具,允许网站阻止谷歌抓取数据,以用于AI产品的开发。

可谷歌并没有就此「收手」。

今年5月,谷歌推出了「AI搜索概述」,强行涵盖了所有网站的内容。

谷歌辩称,「AI搜索概述」只是搜索的一项新「功能」,而不是一个单独的AI产品。

已经被司法部盯上的谷歌,可能需要为它的种种行为做出解释。

参考资料:


感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

何必死磕人形,云迹科技押注复合多态机器人「UP」:让具身智能走进百姓生活

人工智能时代,我们需要什么样的AI?

对最早布局商用服务机器人赛道的云迹科技来说,已在酒店业的这个市场攻下了擂台,让送物机器人成为我们日常生活里的 “伙伴”。在具身智能玩家们纷纷探索如何寻找场景落地、如何让产品持续发挥价值时,云迹科技再次探索出一个新的路径。


“理想的 AI,应该是让机器像人一样思考,让产品像人一样工作,并结合具体场景应用,端到端解决实际问题,创造价值。AI + 具身智能进化的云迹科技机器人,已经做到了这点。其核心之一就是让机器人会使用工具,会理解推理、分配任务,实现了群体智能” 云迹科技 CTO 应甫臣说。

具身智能应用需要针对场景开方,对症下药。“具身智能也不是包治百病的灵丹妙药,需要针对场景开方,对症下药” 应甫臣说。在具身智能的应用上,云迹科技始终从需求出发,瞄准痛点解决问题。综合空间和时间两个维度选择酒店场景提供服务,24 小时营业、服务时长最长且服务距离足够。其次,是需求,综合发现酒店场景的迎宾需求并非最高,需求量大的是配送客需及外卖等,综合便有了酒店配送机器人的推出以及被广泛需要。…

复合多态机器人:寻找当下在物理世界需求的最优解。2023 年,云迹科技复合多态机器人 UP 完成全球首发,这个消息对于具身智能行业来说也颇具革新性,究其原因是它让机器人 “解耦” 了,也就是 “分体”。机器人为什么要分体?分体后的机器人到底有什么价值?…。

场景智能 + 具身智能是通往 AGI 的主要路径。在云迹科技看来,让机器人做人类不愿和不能做的事情,一类是枯燥、重复的事情,另一类是高算力、危险的事情,来创造价值,提升人类幸福感。为了让机器人真正走进日常生活,实现人机和谐共处的场景智能。云迹科技在机器人技术架构上构建了具身智能技术基座,比如,率先运用 SLAM 技术实现实时建图、位置标注、自动测试功能,同时运用多传感器融合系统基于计算机视觉,使得机器人能够精准地识别和理解其运行环境。这不但增强了其避障能力,还有效解决了信号丢失或系统死机等问题,即便在完全陌生的环境里,机器人也能够迅速适应并找到回归预定路径的办法。…。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

以「垂直模型」引领AIGC商业化落地,FancyTech的技术路径是什么?

我们正在见证又一轮技术革新,这一次是 AIGC 为个体提供表达自我的工具,让创作变得更加容易和普及,但背后的推动力却并不是「大」模型。

两年以来,AIGC 技术的发展速度超过所有人的想象,席卷了从文本、图像到视频的各个领域。


关于 AIGC 商业化路径的讨论从来没有停止过,其中,有共识也有路线分化。

一方面,通用模型的强大能力令人惊叹,在各行各业展示出应用潜力。特别是 DiT、VAR 等架构的提出,让 Scaling Law 实现了从文本到视觉生成领域的跨越。在这一法则的指引下,很多大模型厂商朝着增加训练数据、算力投入和堆积参数的方向持续前进。

另一方面,我们也看到,通用模型并不意味着「通杀」,面对很多细分赛道的任务,一个「训练有素」的垂直模型反而能够取得更好的效果。

随着大模型技术进入落地加速期,后一种商业化路径获得的关注快速增长。

这个演进过程中,一家来自中国的创业公司 FancyTech 脱颖而出:它以面向商业类视觉内容生成的标准化产品快速拓展市场,比同行们更早一步验证了「垂直模型」在产业落地层面的优越性。

环顾国内大模型创业圈,FancyTech 的商业化战绩是有目共睹的。但较少为人所知的是,这家诞生仅几年的公司,凭借怎样的垂直模型和技术优势跑在了赛道前列。

在一次专访中,机器之心和 FancyTech 聊了聊他们正在做的技术探索。

FancyTech 发布视频垂直模型 DeepVideo

如何突破行业壁垒?

一般来说,在通用模型的零样本泛化能力达到某个水准后,在其之上做微调就可用于下游任务。这也是当下很多大模型产品落地的打法。但从实际效果来看,仅仅是「微调」还不能满足产业应用需求,因为各个行业的内容生成任务都有自己的特定而复杂的一套标准。

通用模型或许能完成好 70% 的常规任务,但客户真正需要的是能 100% 满足需求的「垂直模型」。以商业视觉设计为例,以往的相关工作均由有长期积累的专业人士完成,且需要根据品牌方的具体需求进行设计和调整,其中涵盖大量的人工经验。比起美观度和指令遵循程度等指标,「商品还原度」是这项任务中品牌方更为重视的一点,也是品牌方是否愿意付费的决定因素。

在自研面向商业图像 / 视频的垂直模型过程中,FancyTech 将核心挑战拆解开来:如何让商品足够还原且融入背景,特别是在生成视频中,实现商品的运动可控且不形变。

图片

图片

点击查看更多

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

从头设计抗体,腾讯、北大团队预训练大语言模型登Nature子刊

AI 技术在辅助抗体设计方面取得了巨大进步。然而,抗体设计仍然严重依赖于从血清中分离抗原特异性抗体,这是一个资源密集且耗时的过程。


为了解决这个问题,腾讯 AI Lab、北京大学深圳研究生院和西京消化病医院研究团队提出了一种预训练抗体生成大语言模型 (PALM-H3),用于从头生成具有所需抗原结合特异性的人工抗体 CDRH3,减少对天然抗体的依赖。

此外,还设计了一个高精度的抗原-抗体结合预测模型 A2binder,将抗原表位序列与抗体序列配对,从而预测结合特异性和亲和力。

总之,该研究建立了一个用于抗体生成和评估的人工智能框架,这有可能显著加速抗体药物的开发。

相关研究以「De novo generation of SARS-CoV-2 antibody CDRH3 with a pre-trained generative large language model」为题,于 8 月 10 日发布在《Nature Communications》上。

论文链接:https://www.nature.com/articles/s41467-024-50903-y

抗体药物,又称单克隆抗体,在生物治疗中发挥着至关重要的作用。通过模仿免疫系统的作用,这些药物可以选择性地针对病毒和癌细胞等致病因子。与传统治疗方法相比,抗体药物是一种更具体、更有效的方法。抗体药物在治疗多种疾病方面已显示出积极的效果。

开发抗体药物是一个复杂的过程,包括从动物源中分离抗体,使其人性化,并优化其亲和力。但抗体药物的开发仍然严重依赖于天然抗体。

蛋白质的序列数据可以看作是一种语言,因此自然语言处理(NLP)领域的大规模预训练模型已被用来学习蛋白质的表征模式。当前已经开发了多种蛋白质语言模型。然而,由于抗体的多样性高和可用的抗原抗体配对数据稀缺,生成对特定抗原表位具有高亲和力的抗体仍然是一项具有挑战性的任务。

为了应对上述挑战,腾讯 AI Lab 团队提出了预训练抗体生成大型语言模型 PALM-H3,用于优化和生成重链互补决定区 3 (CDRH3),该区域在抗体的特异性和多样性中起着至关重要的作用。

为了评估 PALM-H3 产生的抗体对抗原的亲和力,研究人员结合使用了抗原抗体对接和基于 AI 的方法。

研究人员还开发了用于评估抗体-抗原亲和力的 A2binder。A2binder 能够实现准确且可推广的亲和力预测,即使对于未知抗原也是如此。

PALM-H3 和 A2binder 的工作流程和模型框架如下图所示。

PALM-H3 和 A2binder

PALM-H3 的目的是生成抗体中的从头 CDRH3 序列。CDRH3 区域在决定抗体对特定抗原序列的结合特异性方面起着最重要的作用。PALM-H3 是一个类似 transformer 的模型,它使用基于 ESM2 的抗原模型作为编码器,使用抗体 Roformer 作为解码器。研究还构建了 A2binder 来预测人工生成的抗体的结合亲和力。

PALM-H3 和 A2binder 的构建包括三个步骤:首先,研究人员分别在未配对的抗体重链和轻链序列上预训练两个 Roformer 模型。然后,基于预训练的 ESM2、抗体重链 Roformer 和抗体轻链 Roformer 构建 A2binder,并使用配对亲和力数据对其进行训练。最后,使用预训练的 ESM2 和抗体重链 Roformer 构建 PALM-H3,并在配对抗原-CDRH3 数据上对其进行训练,以从头生成 CDRH3。

A2binder 可以准确预测抗原抗体结合概率、亲和力。通过将 A2binder 预测亲和力的能力与几种基线方法进行比较来评估其性能。

A2binder 在亲和力数据集上表现出色,部分原因在于抗体序列的预训练,这使得 A2binder 能够学习这些序列中存在的独特模式。

结果表明,在所有抗原抗体亲和力预测数据集上,A2binder 的表现均优于基线模型 ESM-F(后者具有相同的框架,但预训练模型被 ESM2 取代),这表明使用抗体序列进行预训练可能对相关的下游任务有益。

为了评估模型在预测亲和力值方面的表现,研究人员还利用了两个包含亲和力值标签的数据集 14H 和 14L。

A2binder 在 Pearson 相关性和 Spearman 相关性指标上均优于所有基线模型。A2binder 在 14H 数据集上实现了 0.642 的 Pearson 相关性(提高了 3%),在 14L 数据集上实现了 0.683(提高了 1%)。

然而,与其他数据集相比,A2binder 和其他基线模型在 14H 和 14L 数据集上的性能略有下降。这一观察结果与以前的研究一致。

PALM-H3 在生成高结合概率抗体方面表现优异。研究人员探索了 PALM-H3 产生的抗体与天然抗体之间的差异。发现它们的序列存在显著差异,但产生的抗体的结合概率并没有受到这些差异的显著影响。同时,它们的结构差异确实导致结合亲和力的下降。这些结果与之前关于抗体库网络分析和功能性蛋白质序列生成的研究一致。

A2binder 的性能

结果表明,尽管与天然抗体不同,但 PALM-H3 能够生成具有高结合亲和力的多种抗体序列。

此外,研究人员通过 ClusPro 和 SnugDock 验证了 PALM-H3 的性能。PALM-H3 能够生成针对 SARS-CoV-2 HR2 区稳定肽的抗体 CDRH3 序列。它生成了新的 CDRH3 序列,并且验证了生成的序列 GRREAAWALA 与天然 CDHR3 序列 GKAAGTFDS 相比,对抗原稳定肽的靶向性有所改善。

PALM-H3 性能

PALM-H3 能够生成对新出现的 SARS-CoV-2 变体 XBB 具有更高亲和力的抗体 CDRH3 序列。生成的序列 AKDSRTSPLRLDYS 对 XBB 的亲和力比其来源 ASEVLDNLRDGYNF 更强。

PALM-H3 不仅克服了传统顺序突变策略面临的局部最优陷阱,而且与 E-EVO 方法相比,它还能产生具有更高抗原结合亲和力的抗体。这凸显了 PALM-H3 在抗体设计方面的优势,能够更有效地探索序列空间并生成针对特定表位的高亲和力结合物。

体外实验包括蛋白质印迹、表面等离子体共振分析和假病毒中和试验,为 PALM-H3 设计抗体的有效性提供了关键验证。

体外实验

PALM-H3 产生的针对 SARS-CoV-2 野生型、Alpha、Delta 和 XBB 变体刺突蛋白的两种抗体在这些试验中都实现了比天然抗体更高的结合亲和力和中和效力。这些湿实验室实验的有力经验结果补充了计算预测和分析,验证了 PALM-H3 和 A2binder 在生成和选择对已知和新抗原具有高特异性和亲和力的强效抗体方面的能力。

总之,提出的 PALM-H3 集成了大规模抗体预训练的能力和全局特征融合的有效性,从而具有卓越的亲和力预测性能和设计高亲和力抗体的能力。此外,直接序列生成和可解释的权重可视化使其成为设计高亲和力抗体的有效且可解释的工具。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

从头设计抗体,腾讯、北大团队预训练大语言模型登Nature子刊

AI 技术在辅助抗体设计方面取得了巨大进步。然而,抗体设计仍然严重依赖于从血清中分离抗原特异性抗体,这是一个资源密集且耗时的过程。


为了解决这个问题,腾讯 AI Lab、北京大学深圳研究生院和西京消化病医院研究团队提出了一种预训练抗体生成大语言模型 (PALM-H3),用于从头生成具有所需抗原结合特异性的人工抗体 CDRH3,减少对天然抗体的依赖。

此外,还设计了一个高精度的抗原-抗体结合预测模型 A2binder,将抗原表位序列与抗体序列配对,从而预测结合特异性和亲和力。

总之,该研究建立了一个用于抗体生成和评估的人工智能框架,这有可能显著加速抗体药物的开发。

相关研究以「De novo generation of SARS-CoV-2 antibody CDRH3 with a pre-trained generative large language model」为题,于 8 月 10 日发布在《Nature Communications》上。

图片

论文链接:https://www.nature.com/articles/s41467-024-50903-y

抗体药物,又称单克隆抗体,在生物治疗中发挥着至关重要的作用。通过模仿免疫系统的作用,这些药物可以选择性地针对病毒和癌细胞等致病因子。与传统治疗方法相比,抗体药物是一种更具体、更有效的方法。抗体药物在治疗多种疾病方面已显示出积极的效果。

开发抗体药物是一个复杂的过程,包括从动物源中分离抗体,使其人性化,并优化其亲和力。但抗体药物的开发仍然严重依赖于天然抗体。

蛋白质的序列数据可以看作是一种语言,因此自然语言处理(NLP)领域的大规模预…



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

以「垂直模型」引领AIGC商业化落地,FancyTech的技术路径是什么?

我们正在见证又一轮技术革新,这一次是 AIGC 为个体提供表达自我的工具,让创作变得更加容易和普及,但背后的推动力却并不是「大」模型。

两年以来,AIGC 技术的发展速度超过所有人的想象,席卷了从文本、图像到视频的各个领域。


关于 AIGC 商业化路径的讨论从来没有停止过,其中,有共识也有路线分化。

一方面,通用模型的强大能力令人惊叹,在各行各业展示出应用潜力。特别是 DiT、VAR 等架构的提出,让 Scaling Law 实现了从文本到视觉生成领域的跨越。在这一法则的指引下,很多大模型厂商朝着增加训练数据、算力投入和堆积参数的方向持续前进。

另一方面,我们也看到,通用模型并不意味着「通杀」,面对很多细分赛道的任务,一个「训练有素」的垂直模型反而能够取得更好的效果。

随着大模型技术进入落地加速期,后一种商业化路径获得的关注快速增长。

这个演进过程中,一家来自中国的创业公司 FancyTech 脱颖而出:它以面向商业类视觉内容生成的标准化产品快速拓展市场,比同行们更早一步验证了「垂直模型」在产业落地层面的优越性。

环顾国内大模型创业圈,FancyTech 的商业化战绩是有目共睹的。但较少为人所知的是,这家诞生仅几年的公司,凭借怎样的垂直模型和技术优势跑在了赛道前列。

在一次专访中,机器之心和 FancyTech 聊了聊他们正在做的技术探索。

FancyTech 发布视频垂直模型 DeepVideo

如何突破行业壁垒?

一般来说,在通用模型的零样本泛化能力达到某个水准后,在其之上做微调就可用于下游任务。这也是当下很多大模型产品落地的打法。但从实际效果来看,仅仅是「微调」还不能满足产业应用需求,因为各个行业的内容生成任务都有自己的特定而复杂的一套标准。

通用模型或许能完成好 70% 的常规任务,但客户真正需要的是能 100% 满足需求的「垂直模型」。以商业视觉设计为例,以往的相关工作均由有长期积累的专业人士…

图片

图片

图片

图片

图片

真・降维打击:「空间智能」如何指导 2D 内容生成?

很多视觉生成类产品的效果之所以不尽如人意,核心原因就在于目前的图像和视频生成模型往往基于 2D 训练数据进行学习,并没有理解真正的物理世界。

这一点在领域内已形成共识,部分研究者甚至认为,在自回归学习范式下,模型对世界的理解始终处于浅层。

但在商业视觉生成这项细分任务上,要想增强模型 3D 物理世界的…

「强还原」和「超融合」背后,有哪些算法创新?

面向常见的商品场景图像生成任务,现阶段的主流方法主要用贴图的方式保证商品部分的还原度,然后基于 Inpainting 技术实现图片场景的编辑。用户选定需要改动的区域,输入 Prompt 或者提供参考图像,以引导商品场景生成。这种方法的融合效果较好…

图片

让 AIGC 时代的红利

从垂直模型开始走向更多普通人

无论是「通用」还是「垂直」,两条路线的终点都是商业化问题。

FancyTech 垂直模型落地最直接的受益者是品牌方,以往,从策划、拍摄、剪辑,一段广告视频的制作周期可能长达几个星期。但在 AIGC 时代,创作这样一段广告视频只需要十几分钟而已,成本甚至也只需要原来的五分之一。

凭借着海量独有数据和行业 Know-how 的优势,FancyTech 通过垂直模型的优势赢得国内外广泛的认可,与韩国合作伙伴携手签约了三星和 LG;与东南亚的知名电商平台 Lazada 开启合作;在美国,受到了 Kate Sommerville 和 Solawave 等本土品牌的青睐;在欧洲,荣获了 LVMH 创新大奖,并与欧洲客户深入合作中。

在核心的垂直模型之外,FancyTech 还提供了 AI 短视频全链路自动发布和数据反馈的能力,驱动商品销售持续增长。

更重要的一点是,垂直模型让普通大众利用 AIGC 技术提高生产力的路径具像化了。比如,一个街边传统照相馆在不增加专业设备和专业人员的情况下,借助 FancyTech 的产品,即可完成从简单人像拍摄到专业…

图片

现在只要拿起手机,几乎每个人都能拍视频、录音乐,并与全世界分享他们的创作。想象一个 AIGC 再一次释放个人创造力的未来 ——

让普通人跨越专业门槛,更轻松地将创意化为现实,从而让每个行业的生产力实现飞跃,并产生更多的新兴产业,AIGC 技术带来的时代红利,从这一刻起开始真正走向普通人。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

“非常端庄,非常体贴”:为什么每个人都在追捧谦逊的潮流

Jools Lebron已成为TikTok的讽刺Emily Post,为从求职面试到脱口秀表演等一切提供礼仪指导

安息吧,顽皮夏天。


TikTok上出现了一个全新的流行词兼理念,基本上是Charli xcx派对女孩形象的反面。现在,一切都是关于表现得很端庄。至少,这是根据这个口号背后的内容创作者Jools Lebron的说法,她建议她的粉丝们在各种生活场景中展现出“非常端庄,非常体贴”的形象。你问怎样才算端庄呢?首先,在工作时保持得体。Lebron在一个TikTok视频中说:“我非常谦虚,我非常体贴。我去面试时的打扮就是我去工作的打扮。很多女孩去面试时看起来像Marge Simpson,到了工作时又像Patty和Selma。不够端庄。” 一周来,Lebron建议她的120万粉丝们如何在各种有压力的情况下保持端庄,比如跟家人一起旅行(到机场要“很早到,很准时到,很体贴,很端庄”)或者拿起在酒吧留下的身份证(不要继续留下来喝酒,而是拿起你的身份证离开——“很可爱,很端庄”)。Lebron说,在拉斯维加斯大道上可以表现得很端庄,“展现一点点风骚,但不要太多”。或者在脱口秀表演时:“我不突出自己,让表演全部关注他们。”
埃米莉·波斯特会赞同吗?可能不会,但这正是关键所在。Lebron并未回应置评请求,她讽刺地运用这个短语,利用这段话来戏谑地谈论女性性别表演。这也可以看作是对Z世代对安静奢华的痴迷的恶搞,即通过轻声细语而非大声宣扬来炫耀财富。 (想想海莉·比伯穿着低调但昂贵的运动套装,手提着20美元的Erewhon果昔。)在一个视频中,Lebron断言,即使在维持手臂时也可以保持端庄。她说:“女士们,在我们在CVS时要小心。这不是大都会慈善晚宴。”她鼓励女性“不要过火”或打扮。而是像她一样出现:衣服上晕染的粉底,或头发中卡着Taco Bell炸豆。“好的TikTok时刻一样,‘端庄’也引起了CVS、Elf化妆品和Delta等品牌的关注,这些品牌都来到了Lebron的评论区以赞许她的公益广告(“✨端庄✨旅行的艺术”Delta账户在她关于与家人旅行的TikTok上评论道)。其他用户也纷纷加入,解释如何在吃披萨时保持端庄(“披萨送上来”,一位创作者一边小口咬着一边说),或者订婚时如何保持端庄(一位妇女举起新的钻戒说:“我没大惊小怪”)。
当然,“端庄”的定义是“保守、谦逊、害羞”。语言学家、《童话词源字典》作者杰斯·扎法里斯表示,端庄的拉丁语根maturus意为“成熟”或“成熟”。 “这让我想起了‘早熟’这个词的词根‘coquere’,意为预先烹饪或成熟,通常用来描述表现更好、更有纪律性、在课堂限制内表现更好的孩子,”扎法里斯说。“端庄这个词也被用来描述妇女:一个表现良好,不出风头,更为保守、沉着、认真的女性。” 扎法里斯还指出,15世纪和16世纪的神学著作中用“端庄”来描述那些虚伪、“隐藏着更黑暗一面”的人。“我喜欢‘端庄’现在在TikTok上的使用方式,因为用户们有点戴上了这副严肃的面具,但同时也在取笑它,所以它保持了这个词作为一种假象的定义。”扎法里斯补充道。端庄也许离开播孩子之夏的全部狂欢还有很远,但秋天即将到来。比起一件舒适的羊绒毛衣,还有什么东西可以更端庄、体贴或谦逊呢?。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Critical Start通过Qualys提供VMS漏洞优先级排序

今天,领先的托管检测与响应(MDR)网络安全解决方案提供商Critical Start宣布正式推出Critical Start漏洞管理服务(VMS)和漏洞优先级处理。图片{ width=60% }


这些新的服务是托管网络风险降低(MCRR)的基础支柱,使组织能够评估、管理、优先处理并降低其环境中漏洞导致的网络风险暴露。

Critical Start的漏洞管理服务是一项完全托管的服务,使安全领导能够通过卸载繁琐的运营任务来有效运行漏洞管理计划。该托管服务利用Critical Start与Qualys的合作,利用后者业界领先的端到端漏洞管理、检测和响应解决方案(Qualys VMDR)。Critical Start的托管服务工程师提供漏洞扫描的运营执行,持续运营监控以及详细报告,所有这些都有助于对组织的暴露情况提供全面的视图。向客户提供的所有发现都基于对客户环境中漏洞和潜在暴露的专业分析。客户会收到关于漏洞的上下文报告和有效、高效的漏洞管理指导,帮助他们降低网络风险,最小化攻击面。

漏洞优先级处理功能(可选择作为漏洞管理服务的一部分或独立提供)根据Critical Start计算的多个维度(包括CVSS分数、威胁情报、攻击类型利用化程度(勒索软件、恶意软件、僵尸网络)、资产关键性以及由于技术安全控制差距造成的暴露设置)识别高风险漏洞。Critical Start的漏洞优先级处理基于该平台的资产可见性功能,提供统一的资产清单,计算资产关键性并确定关键控制差距。这使安全团队能够将补救工作重点放在对组织构成最大风险并制造最大暴露的漏洞上。

“组织明白,有效的漏洞管理对于降低其网络风险暴露至关重要,但许多组织在实施并及时运行准确的漏洞管理计划时遭遇到复杂性和工作量方面的困难,”Critical Start的首席产品官Chris Carlson表示。“通过提供建立在端到端资产可见性基础上的漏洞管理服务和漏洞优先级处理,这是我们全面风险降低方法的关键组成部分,使安全团队能够轻松识别、管理、优先处理并解决对满足其组织的风险容忍度、保护免受威胁以及尽量减少总体暴露至关重要的漏洞。”

“与Critical Start合作将Qualys漏洞管理检测和响应(VMDR)集成到其新的托管安全服务中,使我们共同的客户能够有效识别和消除漏洞,并有效监控威胁,从而可以专注于其核心业务运营,”Qualys的高级副总裁、产品管理Shailesh Athalye表示。“我们很高兴与Critical Start合作,并将此服务扩展至客户,以检测、优先处理和消除勒索软件和业务运营损失风险的漏洞。”

Critical Start新服务的主要优势包括:

基础资产可见性 - 所有漏洞管理服务和漏洞优先级处理客户都可以访问通过连接的安全工具构建的集中、归一化和去重复的资产清单,为其提供有关资产关键性和安全控制差距的见解。这使客户能够确定其安全姿势中的弱点,同时为他们提供有价值的洞察,指出哪些资产容易在发生数据泄露时构成最大风险。

一键式漏洞管理计划 - 客户可以将漏洞扫描配置、调整和持续运营监控的负担交给Critical Start的专业分析人员,让其团队专注于风险降低和暴露管理活动,对于那些希望全面了解和掌控其运营配置的客户,还提供了可选的共同管理。

清晰的风险可见性和可操作性报告 - 执行层仪表板和报告提供关键风险指标、整体风险暴露和随时间变化趋势的最新视图。详细报告能够有效地与高管、董事会、审计员和其他利益相关者交流关于漏洞和暴露的信息。

基于风险的漏洞优先级处理 - 多维分析考虑因素包括资产关键性、易利用性、安全控制姿势和威胁情报,以识别最高风险资产和需紧急处理且暴露最严重的漏洞。

改善的漏洞结果 - 整合漏洞和暴露数据消除了手动工作,并允许快速访问信息以支持报告、决策、预算编制和合规需求。

与Critical Start平台集成 - 用户可以在Critical Start Cyber Operations Risk and Response™ (CORR)平台的相同用户界面中看到他们的漏洞结果和优先的补救建议,以及托管检测和响应警报、资产清单和安全控制差距,以及风险评估姿势和改进建议。

这些新服务通过在漏洞被利用之前解决漏洞来补充Critical Start的MDR服务。与MDR结合使用,客户将拥有一个全面的安全策略,涵盖了预防性措施和反应性措施。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Akeana™发布全面的RISC-V处理器组合产品

Akeana™以Kleiner Perkins、Mayfield和Fidelity Ventures为后盾,其可定制的基于RISC-V的IP套件在性能和范围方面设立了新的行业标准,与Arm、SiFive、Andes等RISC-V公司竞争。图片{ width=60% }


新闻亮点

  • Akeana的RISC-V IP组合是ARM核心的高性能、高度可配置的替代方案
  • 除了RISC-V核心外,Akeana还提供可扩展的一致性互连、中断控制器和IOMMU IP,以构建计算子系统
  • Akeana提供面向AI的矢量RISC-V核心以及矩阵计算IP
  • 顶级行业领导者与Akeana合作提供尖端IP解决方案

Akeana™是一家致力于推动半导体IP创新和性能的公司,宣布在成立约三年后正式推出公司,已筹集超过1亿美元的资金,得到了包括Kleiner Perkins、Mayfield和Fidelity在内的著名投资者的支持。今天的推出标志着公司宽广的IP解决方案正式面向任何工作负载或应用提供定制化的可唯一性选择。Akeana由设计Marvell的ThunderX2服务器芯片的同一团队组建,提供各种IP解决方案,包括微控制器、Android集群、AI矢量核心和子系统,以及用于网络和数据中心的计算集群。Akeana将行业推向超越Arm等传统供应商和架构的现状,提供公平的许可选项和填补和超越当前性能差距的处理器。

Akeana在公司正式发布的同时推出了三条处理器产品线和SoC IP,均可随时交付给客户,包括:

  • Akeana 100系列:一系列高度可配置的处理器,具有32位RISC-V核心,支持从嵌入式微控制器到边缘网关再到个人计算设备的应用。
  • Akeana 1000系列:包括64位RISC-V核心和MMU的处理器系列,支持丰富的操作系统,并同时保持低功耗,要求低的芯片面积。这些处理器支持顺序或乱序流水线、多线程、矢量扩展、超监视器扩展和其他是最近和即将发布的RISC-V配置文件的扩展,以及可选的AI计算扩展。
  • Akeana 5000系列:极高性能处理器系列,表现出行业性能领先地位,超过已有竞争者和RISC-V生态系统。这一系列产品提供具有64位RISC-V核心的极致性能,优化用于下一代设备、笔记本电脑、数据中心和云基础设施的苛刻应用。这些处理器与Akeana 1000系列兼容,但单线程性能要高得多。
  • 处理器系统IP:创建处理器SoC所需的IP模块集合,包括一致性集群缓存、I/O MMU和中断控制器IP。此外,Akeana提供可扩展的网状和一致性中心IP(兼容AMBA CHI),以构建用于数据中心和其他用例的大型一致性计算子系统。
  • AI矩阵计算引擎:设计用于加速AI矩阵乘法运算。尺寸可配置化,支持各种数据类型,可连接到一致性集群缓存块,如核心一样用于最佳数据共享。

“Akeana的团队拥有设计世界一流服务器芯片的成功经验,现在我们将这一专业知识应用于更广泛的半导体市场,正式进入市场,”Akeana首席执行官Rabin Sugumar表示。“凭借我们丰富的可定制化核心和特殊的安全、调试、RAS和遥测功能,我们为客户提供了无与伦比的性能、可观察性和可靠性。我们相信我们的产品将彻底改变这个行业。”

“硅片的复兴使我们的行业充满了架构创新,如RISC-V,”Mayfield董事总经理Navin Chaddha表示。“Akeana具备成为突破性公司所需的一切——一流的创始人和投资者团队、最全面的IP、公平的许可模式,以及为芯片制造商设计工作负载优化的硅解决方案的引人注目的价值主张。我期待着与Rabin和团队合作,共同迎接下一个阶段的旅程。”

Kleiner Perkins合伙人Mamoon Hamid表示:“RISC-V的迁移正在全面展开。大多数顶级半导体公司正在转向RISC-V,其中许多选择Akeana,因为其性能是最佳的。”

Akeana的资深专业团队,以及其致力于为数据和AI密集型用例提供创新解决方案的承诺,使其成为行业的新驱动力,为客户提供与众不同的能力,以满足其独特的半导体设计需求。Akeana是RISC-V董事会的自豪成员,同时也参与了加速RISC-V软件可用性的RISE项目。

探索AITechPark了解人工智能、物联网、网络安全、人工智能科技新闻以及行业专家的见解!

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB