专注于计算机图形学的全球学术顶会 SIGGRAPH，正在出现新的趋势。

在上周举行的 SIGGRAPH 2024 大会上，最佳论文等奖项中，来自上海科技大学 MARS 实验室的团队同时拿到两篇最佳论文荣誉提名，其研究成果亦在快速走向产业化。

作者使用生成模型的方法，开启了将想象力直接转化为复杂 3D 模型的新路。

拿到最佳论文提名的两篇论文——CLAY 和 DressCode，二者的主题分别是 3D 生成和 3D 服装生成。

在 SIGGARPH 的 Real-Time Live 环节，上科大这一团队更实时展示了基于这两项工作的一系列应用场景。

论文作者，研究生二年级学生，同时也是初创公司影眸科技的 CTO 张启煊首先演示了基于 CLAY 的 3D 生成解决方案。影眸团队去年用简单的文字提示词（Prompt）给扎克伯格和黄仁勋构建了真实风格的 3D 模型，成为第一个登上 SIGGRAPH Real-Time Live 的中国团队。今年他们的 3D 生成方案，通过单张图片作为输入，可以生成出小扎和老黄不同风格的卡通形象。

这些生成内容的背后是新一代 3D AI 引擎 Rodin，致敬著名雕塑家罗丹。现场展示的 3D 内容都是由用户上传的单张图片直接生成的，Rodin 可以进一步生成 PBR 纹理和四角面，以方便艺术家进一步修改和使用。

通过 3D ControlNet，Rodin 可以控制 AI 生成的形状。仅需提供简单的几何元素作为指导，就可以将其转换为体素，并根据参考图片的语义信息将其转换为所需要的 3D 资产。

Rodin 也支持直接手绘的图片，甚至是简单涂鸦。几张照片生成 3D 人物，儿童涂鸦生成树木作为背景，开发人员现场实时操作，一分钟内便搭建了一个完整的 3D 建模的场景。当主持人问到中间的小怪物是谁时，张启煊风趣的说，这就是 AI。

说起来，3D 模型生成的上一次出圈其实也是在 SIGGRAPH 上：在 2021 年，英伟达在这个舞台上介绍了给黄仁勋制作 3D 模型的方法，以假乱真的效果震撼了世界。

彼时的 3D 模型生成被认为对于数字人、虚拟现实等技术而言至关重要。但毫无疑问，高精度人体扫描 + 深度学习重建方式的高成本，决定了它注定不会成为投入大规模生产的方式。

使用 AI 生成或许才是更好的路径。然而此前在这个方向上，人们提出的技术一直「叫好不叫座」。

对实际应用而言，这些方法存在一些挑战：3D 是一个工业问题，模型仅仅在视觉上表现好是不够的，还需要符合特定的工业标准，比如材质如何表现，面片规划、结构如何合理。如果不能和人类工业标准对齐，那生成结果就需要大量调整，难以应用于生产端。

就像大语言模型（LLM）需要对齐人类的价值观，3D 生成的 AI 模型需要对齐复杂的 3D 工业标准。

更实用的方案已经出现：3D 原生

上科大 MARS 实验室获得最佳论文提名的工作之一——CLAY 让行业看到了上述问题的一个可行的解决思路，即 3D 原生。

我们知道，最近两年，3D 生成的技术路线大致可以分为两类：2D 升维和原生 3D。
…
…

期待未来，新技术的进一步落地。

1

{Copy the content from "Body" section with markdown formatting, excluding the image links}

1
2
3
4

![图片](https://image.jiqizhixin.com/uploads/editor/8b4c210c-f1b8-4c19-9993-89025ec06521/640.png)
![图片](https://image.jiqizhixin.com/uploads/editor/66d8ed58-cac6-4ed1-b3f6-acddf9bec5fc/640.gif)
...
{Copy all the image links mentioned in the article}

1

{Acknowledgement}

1

{Reference}

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。

专注于计算机图形学的全球学术顶会 SIGGRAPH，正在出现新的趋势。在上周举行的 SIGGRAPH 2024 大会上，最佳论文等奖项中，来自上海科技大学 MARS 实验室的团队同时拿到两篇最佳论文荣誉提名，其研究成果亦在快速走向产业化。

作者使用生成模型的方法，开启了将想象力直接转化为复杂 3D 模型的新路。

拿到最佳论文提名的两篇论文——CLAY 和 DressCode，二者的主题分别是 3D 生成和 3D 服装生成。在 SIGGARPH 的 Real-Time Live 环节，上科大这一团队更实时展示了基于这两项工作的一系列应用场景。论文作者，研究生二年级学生，同时也是初创公司影眸科技的 CTO 张启煊首先演示了基于 CLAY 的 3D 生成解决方案。影眸团队去年用简单的文字提示词（Prompt）给扎克伯格和黄仁勋构建了真实风格的 3D 模型，成为第一个登上 SIGGRAPH Real-Time Live 的中国团队。今年他们的 3D 生成方案，通过单张图片作为输入，可以生成出小扎和老黄不同风格的卡通形象。

这些生成内容的背后是新一代 3D AI 引擎 Rodin，致敬著名雕塑家罗丹。现场展示的 3D 内容都是由用户上传的单张图片直接生成的，Rodin 可以进一步生成 PBR 纹理和四角面，以方便艺术家进一步修改和使用。

通过 3D ControlNet，Rodin 可以控制 AI 生成的形状。仅需提供简单的几何元素作为指导，就可以将其转换为体素，并根据参考图片的语义信息将其转换为所需要的 3D 资产。

Rodin 也支持直接手绘的图片，甚至是简单涂鸦。几张照片生成 3D 人物，儿童涂鸦生成树木作为背景，开发人员现场实时操作，一分钟内便搭建了一个完整的 3D 建模的场景。当主持人问到中间的小怪物是谁时，张启煊风趣的说，这就是 AI。

说起来，3D 模型生成的上一次出圈其实也是在 SIGGRAPH 上：在 2021 年，英伟达在这个舞台上介绍了给黄仁勋制作 3D 模型的方法，以假乱真的效果震撼了世界。

彼时的 3D 模型生成被认为对于数字人、虚拟现实等技术而言至关重要。但毫无疑问，高精度人体扫描 + 深度学习重建方式的高成本，决定了它注定不会成为投入大规模生产的方式。使用 AI 生成或许才是更好的路径。然而此前在这个方向上，人们提出的技术一直「叫好不叫座」。对实际应用而言，这些方法存在一些挑战：3D 是一个工业问题，模型仅仅在视觉上表现好是不够的，还需要符合特定的工业标准，比如材质如何表现，面片规划、结构如何合理。如果不能和人类工业标准对齐，那生成结果就需要大量调整，难以应用于生产端。就像大语言模型（LLM）需要对齐人类的价值观，3D 生成的 AI 模型需要对齐复杂的 3D 工业标准。更实用的方案已经出现：3D 原生。上科大 MARS 实验室获得最佳论文提名的工作之一——CLAY 让行业看到了上述问题的一个可行的解决思路，即 3D 原生。我们知道，最近两年，3D 生成的技术路线大致可以分为两类：2D 升维和原生 3D。2D 升维是通过 2D 扩散模型，结合 NeRF 等方法实现三维重建的过程。由于可以利用大量的 2D 图像数据进行训练，这类模型往往能够生成多样化的结果。但又因为 2D 扩散模型的 3D 先验能力不足，这类模型对 3D 世界的理解能力有限，容易生成几何结构不合理的结果（比如有多个头的人或动物）。近期的一系列多视角重建工作通过把 3D 资产的多视角 2D 图像加入 2D 扩散模型的训练数据，在一定程度上缓解了这一问题。但局限性在于，这类方法的起点是 2D 图像，因此它们关注的都是生成图像的质量，而不是试图保持几何保真度，所以生成的几何图形经常存在不完整和缺乏细节的问题。换句话说，2D 数据终究只记录了真实世界的一个侧面，或者说投影，再多角度的图像也无法完整描述一个三维内容，因此模型学到的东西依旧存在很多信息缺失，生成结果还是需要大量修正，难以满足工业标准。考虑到这些局限，CLAY 的研究团队选择了另一条路 ——3D 原生。这一路线直接从 3D 数据集训练生成模型，从各种 3D 几何形状中提取丰富的 3D 先验。因此，模型可以更好地「理解」并保留几何特征。不过，这类模型也要足够大才能「涌现」出强大的生成能力，而更大的模型需要在更大的数据集上进行训练。众所周知，高质量的 3D 数据集是非常稀缺且昂贵的，这是原生 3D 路线首先要解决的问题。在 CLAY 这篇论文中，研究者采用定制的数据处理流程来挖掘多种 3D 数据集，并提出了有效的技术来扩展生成模型。具体来说，他们的数据处理流程从一个定制的网格重构（remeshing）算法开始，将 3D 数据转换为水密性网格（watertight meshes），细致地保留了诸如硬边和平整表面等重要几何特征。此外，他们还利用 GPT-4V 创建了细致的标注，突出显示重要的几何特性。众多数据集经过上述处理流程后，汇成了 CLAY 模型训练所使用的超大型 3D 模型数据集。此前，由于格式不同，缺乏一致性，这些数据集从来没有一起用于训练 3D 生成模型。处理后的组合数据集保持了一致的表示和连贯的注释，可以极大地提高生成模型的泛化性。利用该数据集训练出的 CLAY 包含一个参数量高达 15 亿的 3D 生成模型。为了保证从数据集转化到隐式表达再到输出之间，信息损失尽可能小，他们花了很长时间去筛选、改良，最终探索出了一套全新、高效的 3D 表达方式。具体来说，他们…

为了使生成的数字资产能够直接用于现有的 CG 生产管线，研究者进一步采用了一套两阶段方案：1、几何优化确保结构完整性和兼容性，同时在美观和功能上对模型的形态进行细化，如四边面化、UV 展开等；2、材质合成通过真实的纹理赋予模型逼真的质感。这些步骤共同将粗糙的网格转变为在数字环境中更可用的资产。

其中，第二个阶段涉及一个近 10 亿参数的多视图材质扩散模型。在进行网格四边面化与 UV 展开之后，它通过多视图方法生成 PBR 材质，随后将其反向投影到 UV maps 上。相比先前的方法，该模型生成的 PBR 材质更加真实，最终实现逼真的渲染效果。

为了让 CLAY 支持更多任务，研究者还设计了 3D 版 ControlNet，极简的架构使它能够高效地支持各种不同模态的条件 （Condition）控制。他们实现了几种用户可以轻松提供的示例条件，包括文本（原生支持），以及图像 / 草图、体素 (Voxel)、多视图图像（Multiview Images）、点云（Point Cloud）、边界框（BoundingBox）和带有边界框的部分点云。这些条件可以单独应用，也可以组合应用，使模型能够基于单一条件忠实生成内容，或结合多种条件创建具有风格和用户控制的 3D 内容，提供广泛的创作可能性。

此外，CLAY 还直接支持在 DiT 的注意力层 (attention layers) 上进行 Low-Rank Adaptation (LoRA)。这允许高效的微调，使生成的 3D 内容能够针对特定风格。

从这些设计不难看出，CLAY 的设计从一开始就瞄准了应用场景，这和一些纯学术研究有很大的不同。这也让该模型实现了快速落地：目前 Rodin 已经成为很多 3D 开发者的常用 3D 生成器。

国内外很多行业使用者反馈认为，Rodin 生成的 3D 资产几何科学、布线规则、材质贴图精致，而且可以直接被导

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。

8月9日消息，阿里通义团队开源新一代数学模型Qwen2-Math，包含1.5B、7B、72B三个参数的基础模型和指令微调模型。Qwen2-Math基于通义千问开源大语言模型Qwen2研发，旗舰模型 Qwen2-Math-72B-Instruct在权威测评集MATH上的得分超越GPT-4o、Claude-3.5-Sonnet、Gemini-1.5-Pro、Llama-3.1-405B等，以84%的准确率处理了代数、几何、计数与概率、数论等多种数学问题，成为最先进的数学专项模型。

注：在MATH基准测评中，通义千问数学模型的旗舰款Qwen2-Math-72B-Instruct取得了84%的准确率，超过GPT-4o、Claude-3.5-Sonnet、Gemini-1.5-Pro 和 Llama-3.1-405B等开闭源模型。

Qwen2-Math 基础模型使用 Qwen2大语言模型进行初始化，并在精心设计的数学专用语料库上进行预训练，训练数据包含大规模高质量的数学网络文本、书籍、代码、考试题目，以及由 Qwen2 模型合成的数学预训练数据。所有预训练和微调数据集都进行了去污染处理。

随后，研发团队训练了指令微调版本模型：首先，基于Qwen2-Math-72B 训练一个数学专用的奖励模型；接着，将密集的奖励信号与指示模型是否正确回答问题的二元信号结合，用作学习标签，再通过拒绝采样构建监督微调（SFT）数据；最后在SFT模型基础上使用 GRPO 方法优化模型。

据悉，Qwen2-Math系列模型目前主要支持英文，通义团队很快就将推出中英双语版本，多语言版本也在开发中。

通义团队在多个中英文数学基准测评集对指令微调模型作了性能评估，除了 GSM8K 和 MATH等常见的测评基准 ，还引入了更具挑战性的考试竞赛类测试，如奥林匹克级别的基准测评OlympiadBench、大学数学级别的基准测评CollegeMath、高考（GaoKao）、美国数学邀请赛（AIME）2024 赛题、美国数学竞赛（ AMC）2023赛题，中文测评则有CMATH测评集、2024年中国高考和中考数学题。最终，Qwen2-Math-72B-Instruct表现优异，在十大测评中都获得了远超其他开源数学模型的成绩。

注：研发团队在 greddy 和 RM@8 的条件下对模型作了测评，表中为每款 Qwen2-Math-72B-Instruct 模型列出了三个得分结果，分别是第 1 次回答得分（无下标数字）、8 次回答中出现最多次数的答案的得分，8 次回答中 reward model 所选答案的得分。

“大模型能不能做数学题”，不仅是社交平台的热门话题，也是业界非常关注的研究课题。处理高级数学问题，需要模型具备复杂多步逻辑推理能力。通义团队在技术博客中表示，希望通过开源“为科学界解决高级数学问题做出贡献”，未来将持续增强模型数学能力。

附：Qwen2-Math解题示例

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。

Deepwave Digital今天宣布推出了三款最新产品，全部由最新的NVIDIA Orin NX图形处理单元（GPU）模块提供动力，这些产品是该公司人工智能无线电收发器（AIR-T）嵌入式产品系列的新成员。{ width=60% }

Deepwave Digital的下一代射频（RF）和人工智能（AI）边缘产品是通过与客户和合作伙伴的广泛互动塑造而成的。Deepwave的首席执行官约翰·弗格森（John Ferguson）表示：“我们非常重视最终用户的观点，并乐于接受创建推动技术边界的解决方案的挑战，同时平衡性能、使用率和成本。”

这些新的RF + AI边缘计算产品旨在通过利用NVIDIA的Jetson Orin NX GPU模块来实现高级AI计算，为导航等特定RF用例提供服务。Deepwave产品系列采用高度可配置的性能选项。它们适合标准的1U机架安装机箱，使这些边缘产品非常适合测试实验室、无线电塔基础设施或机载飞行器。

Deepwave Digital位于美国宾夕法尼亚州费城，提供集成硬件和软件解决方案，实现RF、AI和无线系统的整合。该公司的技术将AI计算引擎移至信号边缘，减少了网络带宽、延迟和人工驱动分析任务。

在AITechPark上探索人工智能、物联网、网络安全、AI技术新闻以及来自行业专家的见解！

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。

为了训出最强Grok 3，xAI耗时19天，打造了由10万块H100组成的世界最大超算集群。

而在训练FSD、擎天柱机器人方面，马斯克同样不惜重金，投入了大量的计算资源。

超算Dojo，是特斯拉AI的基石，专为训练FSD神经网络而打造。

就在今天，他在德州超级工厂（Cortex）参观了特斯拉的超级计算机集群。

马斯克称，「这将是一个拥有约10万个H100/H200 GPU，并配备大规模存储的系统，用于全自动驾驶（FSD）和Optimus机器人的视频训练」。

不仅如此，除了英伟达GPU，这个超算集群中还配备了特斯拉HW4、AI5、Dojo系统。

它们将由一个高达500兆瓦的大型系统提供电力和冷却。

2021年特斯拉AI Day上，马斯克首次对外宣布Dojo。

如今三年过去了，Dojo建得怎样了？

8000块H100等价算力，加倍下注

半个月前，网友称2024年年底，特斯拉拥有AI训练算力，等价于9万块H100的性能。

马斯克对此做了一些补充：

我们在AI训练系统中不仅使用英伟达的GPU，还使用自己的AI计算机——Tesla HW4 AI（更名为AI4），比例大约为1:2。
这意味着相当于有大约9万个H100，加上大约4万个AI4计算机。

他还提到，到今年年底，Dojo 1将拥有大约8000个相当于H100算力。这个规模不算庞大，但也不算小。

Dojo D1超算集群

其实在去年6月，马斯克曾透露Dojo已经在线并运行了几个月的有用任务。

这已经暗示着，Dojo已经投入到一些任务的训练中。

最近，在特斯拉财报会议上，马斯克表示特斯拉准备在10月推出自动驾驶出租车，AI团队将「加倍投入」Dojo。

预计Dojo的总计算能力，将在2024年10月达到100 exaflops。

假设一个D1芯片可以实现362 teraflops，要达到100 exaflops，特斯拉将需要超过27.6万个D1芯片，或者超过32万英伟达A100 GPU。

500亿晶体管，D1已投产

2021年特斯拉AI Day上，D1芯片初次亮相，拥有500亿晶体管，只有巴掌大小。

它具备了强大和高效的性能，能够快速处理各种复杂的任务。

今年5月，D1芯片开始投产，采用台积电7nm工艺节点。

Autopilot前硬件高级总监Ganesh Venkataramanan曾表示，「D1可以同时进行计算和数据传输，采用定制ISA指令集架构，并针对机器学习工作负载进行了充分优化」。

这是一台纯粹的机器学习的芯片。

尽管如此，D1仍没有英伟达A100强大，后者同样采用了台积电7nm工艺制造。

D1在645平方毫米的芯片上放置了500亿个晶体管，而A100包含540亿个晶体管，芯片尺寸为826平方毫米，性能领先于D1。

为了获得更高的带宽和算力，特斯拉AI团队将25个D1芯片融合到一个tile中，将其作为一个统一的计算机系统运作。

每个tile拥有9 petaflops的算力，以及每秒36 TB的带宽，并包含电力源、冷却和数据传输硬件。

我们可以将单个tile视为，由25台小型计算机组成的一台自给自足的计算机。

通过使用晶圆级互连技术InFO_SoW（Integrated Fan-Out，System-on-Wafer），在同一块晶圆上的25块D1芯片可以实现高性能连接，像单个处理器一样工作。

6个这样的tile构成一个机架（rack），两个机架构成一个机柜（cabinet）。

十个机柜构成一个ExaPOD。

在2022年AI Day中，特斯拉表示，Dojo将通过部署多个ExaPOD进行扩展。所有这些加在一起构成了超级计算机。

晶圆级处理器（wafer-scale processor），比如特斯拉的Dojo和Cerebras的晶圆级引擎WSE，比多处理器（multi-processor）的性能效率要高得多。

前者的主要优点包括内核之间的高带宽和低延迟通信、较低的电网阻抗以及更高的能源效率。

目前，只有特斯拉和Cerebras拥有晶圆上系统设计。

然而，将25个芯片放在一起对电压挑战和冷却系统也是不小的挑战。

网友拍到特斯拉在德州建设巨型冷却系统

晶圆级芯片的固有挑战还在于，必须使用片上内存（on-chip memory），这不够灵活，可能无法满足所有类型的应用。

Tom’s Hardware预测， 下一代使用的技术可能是CoW_SoW（Chip-on-Wafer），在tile上进行3D堆叠并集成HBM4内存。

此外，特斯拉还在研发下一代D2芯片，为了破解信息流难题。

与连接单个芯片不同，D2将整个Dojo tile放在了单个硅晶圆上。

到2027年，台积电预计将提供更复杂的晶圆级系统，计算能力预计将提升超过40倍。

自D1发布以来，特斯拉既没有公开已订购、预期接收的D1芯片订单情况，也没有公开Dojo超算的具体部署时间表。

不过在今年6月份的时候，马斯克曾表示，在未来18个月，一半部署特斯拉AI硬件，一半是英伟达/其他硬件。

其他硬件，也可能是AMD。

为什么需要Dojo

自动驾驶耗算力

在我们的印象中，特斯拉的主业仅限于生产电动汽车，再附带一些太阳能电池板和储能系统的业务。

但马斯克对特斯拉的期望远远不止于此。

大多数自动驾驶系统，…

英伟达不给力

英伟达GPU有多抢手？看看各大科技巨头的CEO有多想跟老黄套近乎就知道了。

即便财大气粗如马斯克，也会在7月的财报电话会上承认，自己对特斯拉可能没法用上足够的英伟达GPU感到「非常担忧」。

「我们看到的是，对英伟达硬件的需求如此之高，以至于通常很难获得GPU。」

目前，特斯拉似乎依旧使用英伟达的硬件为Dojo提供算力，但马斯克似乎不想把鸡蛋都放在一个篮子里。

尤其是考虑到，英伟达芯片的溢价如此之高，而且性能还不能让马斯克完全满意。

在硬件与软件协同这方面，特斯拉与苹果的观点类似，即应该实现两者的高度协同，尤其是FSD这种高度专门化的系统，更应该摆脱高度标准化的GPU，使用定制硬件。

这个愿景的核心，是特斯拉专有的D1芯片，于2021年发布，今年5月开始由台积电量产。

此外，特斯拉还在研发下一代D2芯片，希望将整个Dojo块放在单个硅片上，解决信息流瓶颈。

在第二季度财报中，马斯克指出，他看到了「通过Dojo与英伟达竞争的另一条途径」。

Dojo能成功吗

即便自信如马斯克，在谈到Dojo时，也会支支吾吾地表示，特斯拉可能不会成功。

从长远来看，开发自己的超算硬件可以为AI部门开拓新的商业模式。

马斯克曾表示，Dojo的第一个版本将为特斯拉的视觉数据标注和训练量身定制，这对FSD和训练特斯拉的人形机器人Optimus来说非常有用。

而未来版本将更适合通用的AI训练，但这不可避免地要踏入英伟达的护城河——软件。

几乎所有的AI软件都是为了与英伟达GPU配合使用，使用Dojo就意味着要重写整个AI生态系统，包括CUDA和PyTorch。

这意味着，Dojo几乎只有一条出路——出租算力，建立类似于AWS和Azure一样的云计算平台。

摩根士丹利在去年9月的报告中预测，Dojo可以通过robotaxi和软件服务等形式释放新的收入来源，为特斯拉的市值增加5000亿美元。

简言之，从目前马斯克对硬件的谨慎配比来看，Dojo并非「孤注一掷」而更像是一种双重保险。但一旦成功，也可以释放巨大红利。

参考资料：

https://techcrunch.com/2024/08/03/tesla-dojo-elon-musks-big-plan-to-build-an-ai-supercomputer-explained/

https://www.tomshardware.com/tech-industry/teslas-dojo-system-on-wafer-is-in-production-a-serious-processor-for-serious-ai-workloads

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。

伊隆·马斯克分享了一篇虚假的《每日电讯报》文章，声称凯尔·斯塔默考虑将极右翼暴乱者送往福克兰群岛的“紧急拘留营”。

马斯克在发文约30分钟后删除了帖子，但据Politics.co.uk的一则截图显示，在删除前帖子已获得近两百万次浏览。在帖子中，马斯克分享了极右翼组织英国第一党的联合领导人阿什莉·西蒙发布的一张图片，图片配文为“我们都被驱逐到了福克兰群岛”。这篇虚假文章据称是由《每日电讯报》的一名资深新闻记者撰写的，并以该报的风格虚构出来，声称福克兰群岛的营地“将用于拘留正在持续暴乱中的囚犯，因为英国监狱系统已经饱和”。《每日电讯报》周四表示，该报道从未发表过。《每日电讯报》媒体集团的发言人在一份声明中表示：“这是一篇不存在的文章的虚构标题。我们通知了相关平台，并要求删除该帖子。”《每日电讯报》在X上的一篇帖子中表示：“我们注意到正在流传在X上的一张图片，声称是《每日电讯报》关于‘紧急拘留营’的文章。《每日电讯报》从未发表过此类文章。”马斯克并未就分享虚假报道道歉，但继续分享批评英国政府和执法机构对暴乱的反应的材料。《卫报》联系了X，但收到自动回复称：“现在很忙，请稍后再来。”周四，马斯克分享了天空新闻的一则采访，英格兰和威尔士公共检察官办公室主任斯蒂芬·帕金森表示警察正在检查社交媒体上煽动种族仇恨的材料。“这真的正在发生，”马斯克说。在另一篇帖子中，马斯克把帕金森称为“觉醒的斯塔西”。马斯克自英格兰和北爱尔兰的反移民抗议开始以来就与凯尔·斯塔默和英国执法部门发生了争执，他声称“内战是不可避免的”，并且指责警方的回应是“单方面的”。首相发言人本周表示，这些评论“无法辩解”。作为回应，马斯克一直在平台上多次攻击斯塔默，包括称其为“双重凯尔”。马斯克是特斯拉、SpaceX以及后来成为PayPal的支付平台X.com的亿万富翁创始人，他于2022年以440亿美元的价格购买了Twitter。他去年将其重新品牌为X。在他领导下平台的走向方面存在一系列争议，包括他对删除有害内容的严肃性不够的指控。皇家国家骨科医院NHS信托周四在一篇帖子中表示，由于平台“不再符合我们的信任价值观”，他们将关闭在X上的账户13年。他们将关注者引导至Facebook、Instagram和LinkedIn。本周，马斯克宣布正在起诉一群广告商和大公司，声称他们非法同意不在X上做广告。

探索更多关于这些主题的内容

伊隆·马斯克
X
《每日电讯报》媒体集团
极右翼
凯尔·斯塔默
英格兰
抗议
新闻

分享本文
可重复使用此内容。

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。

当基尔·斯塔默在2020年竞选工党领袖时，他的助手们认真考虑过是否应永久离开Twitter。

当时，仍有一些与现任首相斯塔默关系密切的人热衷于离开这个平台。工党仍然受到残酷选举活动和社交媒体上进行的丑陋活动的伤害。

即使在埃隆·马斯克接管Twitter、将其改名为X之前，并重新接纳汤米·罗宾逊等极右人物，并监督虚假信息的不断增加，人们也感到该平台从根本上侧面推动了政治中的黑暗力量。

斯塔默本人一直对该平台的实用性持怀疑态度，反复对自己的议员因发布帖子而陷入麻烦感到沮丧。

但这一开始的抵制想法从未实现-在反对党中太难做到了。现在，对X的依赖甚至更大。政治家、政府部门和公众人物都将其用作重大声明的首选港口。作为首相，里什·苏纳克曾在其人工智能峰会上举行了一次软软皂访谈，拥戴马斯克。

多年来，工党一直实施“先推文”策略，意味着在官方新闻发布之前甚至发布公告和回应都会在X上发布。但政府内部现在有关于这种做法能维持多久的议论，而本周马斯克公开挑衅斯塔默，称其为“两级基尔”并向数百万追随者分享虚假信息。

政府部长使用的官方语言并未单独指出X。关于该平台的虚假信息问题与Facebook、YouTube、TikTok和WhatsApp一起被提及为一个普遍问题。

但私下承认X有两个不同之处-首先，因为它是政治家和记者的选择平台，意味着准确性特别重要；其次，因为其所有者公开在增加虚假信息方面具有显著影响力。

斯塔默的发言人决定批评马斯克关于“内战是不可避免的”评论，该评论是在展示利物浦骚乱视频下发表的，称其“毫无理由”。这段视频最初由罗宾逊发布，但发布在另一个用户的动态中。

但自那时以来，这位亿万富翁明显享受挑衅首相，多次发布强调色情团伙的推文，或称其为“两级基尔”，以表明极右翼集会较黑人生命重要运动或加沙问题抗议活动受到的严格警察执法。

周四，马斯克放大了《每日电讯报》的虚假头条新闻，报道指控骚乱分子将被送往拘留营，该新闻最初由“不列颠第一”领导人发表。他在发布大约30分钟后删除了该帖，但在此之前，其已获得200万次观看。

马斯克很快可能会失去挑衅斯塔默的兴趣，重新关注美国大选。但对新政府而言，这是一种难以应对的局面。目前，第一步是更多与社交媒体公司的接触，尽管如果《在线安全法》无法取得更多成果，未来选择将不得不重新审视政府如何使用该平台。

这是一个恶性循环：大多数知名用户不会放弃X，因为这是关键信息传播的地方。许多政治家将反对放弃X：伦敦市长萨迪克·汗周四表示，他认为这在玩家场中至关重要，因为它可以用来对抗虚假信息。

但一些公共机构已经选择退出。周四，一家NHS信托退出了X，称该平台“不再符合我们的信任价值观”。

一些工党议员正在重新考虑如何使用此平台。韦尔温·哈特菲尔德的国会议员安德鲁·卢因表示尚未决定是否要离开，但补充道：“在本周埃隆·马斯克的可耻行为之后，我将减少在这里的活动。马斯克正利用他的平台播下分歧，煽动仇恨之焰。这是不可原谅的。” 他的新同僚袁洋表示，卢因的评论“变得越来越相关”。

令人不安的现实是，没有其他平台能提供同样即时接触具有影响力的人物或像一个新闻网络那样运作。Meta的Threads平台最接近，但至今马克·扎克伯格似乎并未竭力争取政府或媒体转投。事实上，其算法根本不会提升政治内容，只有选择加入。

目前，X几乎是唯一一个人们专门用来聆听政治的社交媒体空间-这可能是太宝贵而不可放弃的。

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。

当基尔·斯塔默（Keir Starmer）在2020年竞选工党领袖时，他的助手认真考虑过他们是否应该永远离开Twitter。

那些至今仍与斯塔默保持密切联系的人中，当时有些人热衷于离开这个平台。政党仍然为残酷的选举战役所伤，以及社交媒体上进行的方式所带来的痛苦而感到痛苦。即使在埃隆·马斯克（Elon Musk）接管Twitter之前，将其更名为X，恢复了极右翼人物如汤米·罗宾逊，并监督虚假信息持续增加的年代，人们仍然感到该平台本质上的对抗性质正助长政治中的黑暗东西。斯塔默本人一直对这个平台的用处持怀疑态度，并一再因自己的议员在发布帖子时惹上麻烦而感到沮丧。但是，当时有关抵制的早期想法从未付诸实施——反对党中太难了。现在对X的依赖甚至更大。政界人士、政府部门和公众人物都将其用作发布重要声明的重要平台。作为总理的里希·苏纳克（Rishi Sunak）曾在他的人工智能峰会上通过一次软性采访来迎合马斯克。多年来，工党一直遵循“先发推文”的策略，意味着在正式新闻稿发送之前，公告和回应都会首先发布在X上。但政府内部目前正在私下讨论这种做法能够继续多久，本周马斯克公开讥讽斯塔默，称其为“两级基尔”，并向数百万粉丝散播虚假信息。在政府部长们使用的官方语言中，并没有单独指出X的问题。该平台上的虚假信息问题被提及，就像Facebook、YouTube、TikTok和WhatsApp一样作为一个普遍问题。但私下承认X有两个不同之处——首先，因为它是政治家和记者选择的平台，这意味着准确性具有特别重要性；其次，因为其所有者在加剧虚假信息方面明显具有影响力。斯塔默的发言人决定批评马斯克评论的“内战是不可避免的”，这条评论是在展示利物浦骚乱视频的帖子下发表的，称其“毫无正当理由”。该视频最初由罗宾逊发布，尽管是在另一个用户的帖子中。但自那以后，这位亿万富翁明显喜欢戏耍首相，多次发推文突显人贩子团伙，或称其为两级基尔，以表明极右翼集会被更严厉地取缔，而黑人的生命事例或关于加沙的抗议活动则没有受到同等对待。周四，马斯克放大了《电讯报》的一则虚假头条新闻，称被定罪的暴乱者将被送进拘留营，该新闻最初是由“英国第一”领袖发布的。在发布大约30分钟后，他删除了该帖子，但在此之前已获得200万次观看。马斯克很可能很快就会对戏弄斯塔默失去兴趣，然后回到关注美国选举。但这对新政府而言是一个难以应对的情况。目前，首要解决办法是与社交媒体公司更多互动，尽管如果在线安全法无法解决问题，将会重新审视还能采取哪些措施。但是，如果这种做法证明是无效的，下一个选择只能是审查政府如何使用该平台。这是一个恶性循环：大多数知名用户不会放弃X，因为这里是关键信息传播的地方。许多政治家可能反对放弃X：伦敦市长萨迪克·汗（Sadiq Khan）周四表示，他认为在那里成为一名参与者至关重要，因为如何利用它来对抗虚假信息。但已经有一些公共机构选择退出。周四，一家NHS托管机构退出了X，称该平台“不再符合我们的信任价值观”。一些工党议员正在重新考虑他们如何使用它。惠灵哈特菲尔德的国会议员安德鲁·卢因（Andrew Lewin）表示尚未决定是否离开，但补充道：“在本周埃隆·马斯克的可鄙行为之后，我会在这里花更少的时间。马斯克正在利用他的平台播撒分裂，煽动仇恨的言论。这是不可捍卫的。”他的新同僚袁洋表示，卢因的评论变得“愈发相关”。令人不安的现实是，没有其他平台能够提供与有影响力的人物进行即时互动或以同样方式操作的新闻网络。Meta的Threads平台最接近，但迄今马克·扎克伯格似乎并没有劝说政府或媒体转投其阵营。实际上，其算法根本不会提升政治内容，而且只能选择加入。目前，X几乎是唯一一个人们专门用来倾听政治的社交媒体空间，这可能太有价值而无法放弃。

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。

亚马逊对美国人工智能初创公司Anthropic的40亿美元投资将在英国竞争监管机构最新的技术合作调查中受到审查。

英国竞争和市场监管局（CMA）周四表示，他们将启动对这笔交易的初步调查，然后再决定是否将其提交进行深入审查。

这笔交易于三月份宣布，包括亚马逊对Anthropic的40亿美元投资，以及Anthropic承诺将使用亚马逊云服务“作为其主要的云提供商，用于关键工作负载，包括安全研究和未来基础模型开发”。

监管机构表示，“正在考虑亚马逊与Anthropic的合作是否导致了相关并购情况的产生”。

Anthropic的一位发言人表示：“我们是一家独立的公司。我们的战略合作伙伴关系和投资者关系不会削弱我们的公司治理独立性或与他人合作的自由。”

亚马逊的一位发言人表示：“我们对英国CMA还没有结束调查感到失望。亚马逊与Anthropic的合作不会引发任何竞争问题，也不符合CMA自己的审查标准。”

“生成式人工智能的初期阶段主要只有一个可供客户选择的成功选项。Anthropic为成为一个新兴可行的替代方案而努力奋斗。但是，构建模型是昂贵的，像Anthropic这样的公司需要大量的资本来训练这些模型。”

亚马逊表示，它的投资将有助于增加这一新兴领域的竞争，并且Anthropic“可以自由与任何其他供应商合作（实际上已有多个合作伙伴）”。

上周，CMA宣布将对谷歌与Anthropic的合作进行几乎相同的调查。该机构还在调查微软与人工智能实验室Inflection和ChatGPT创建者OpenAI之间不寻常结构的合作关系。

CMA对微软与法国人工智能初创公司Mistral之间的交易进行的调查在五月份被放弃。

探索更多关于这些主题的内容：亚马逊 人工智能（AI） 竞争和市场管理局 监管者 新闻

转载内容。注意：新闻可能包含有关慈善组织、在线广告和由外部方资助的内容的信息。更多信息请参阅我们的隐私政策。我们使用Google reCaptcha 来保护我们的网站，适用Google的隐私政策和服务条款。

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。

Amazon在美国人工智能初创公司Anthropic的40亿美元投资将成为英国竞争监管机构最新调查技术合作关系的一部分。

英国竞争和市场管理局（CMA）周四表示，他们将对这项交易展开初步调查，然后决定是否将其提交进行深入审查。这项交易是在三月份宣布的，包括亚马逊对Anthropic的40亿美元投资，并且Anthropic承诺将使用亚马逊网络服务“作为其主要云提供商用于关键任务工作负载，包括安全研究和未来基础模型开发”。监管机构表示，他们正在“考虑亚马逊与Anthropic的合作是否导致了相关的并购情况的产生”。Anthropic的一位发言人表示：“我们是一家独立公司。我们的战略合作伙伴关系和投资者关系不会削弱我们的公司治理独立性或与他人合作的自由。”亚马逊没有在Anthropic的董事会中担任职位，也没有任何董事会观察员权利。我们打算与CMA合作，向他们全面介绍亚马逊的投资和我们的商业合作关系。亚马逊的一位发言人表示：“我们对英国CMA还没有结束调查感到失望。亚马逊与Anthropic的合作不会引发任何竞争问题，也不符合CMA自身的审查标准。”生成式人工智能的初期阶段主要看到了一种成功的选项供客户选择。Anthropic为成为一个新兴的可行选择付出了艰苦努力。但是，构建模型是昂贵的，像Anthropic这样的公司需要资本大量训练这些模型。”亚马逊表示，其投资将有助于增加新兴行业中的竞争，并且Anthropic“可以自由与任何其他供应商合作（事实上，他们有多个合作伙伴）”。跳过通讯路线推广TechScape免费周报Alex Hern每周深入探讨技术如何影响我们的生活输入您的电子邮箱地址注册Privacy Notice：新闻简报可能包含有关慈善机构、在线广告以及由外部机构资助的内容的信息。有关更多信息，请参阅我们的隐私政策。我们使用Google reCaptcha来保护我们的网站，并适用Google隐私政策和服务条款。通讯路线推广后，上周，CMA宣布对Google与Anthropic的合作进行了几乎相同的调查。他们还在调查微软与AI实验室Inflection以及ChatGPT创建者OpenAI之间的反常结构合作。CMA在五月放弃了对微软与法国人工智能初创公司Mistral之间交易的调查。了解更多关于这些话题的信息亚马逊人工智能（AI）竞争与市场管理局监管机构新闻分享重复使用此内容。

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。