比英伟达快 20 倍!Sohu 芯片引爆 AI 算力革命

提起搜狐,你或许会想起那个承载着青春记忆的门户网站,或是曾经火爆一时的搜狐视频。但今天,我们要聊的不是新闻资讯,也不是热播剧集,而是一款来自硅谷初创公司,却偏偏跟搜狐同名的 AI 芯片——Sohu


它带着颠覆行业的气势横空出世,甚至让芯片巨头英伟达也感受到了压力。

Sohu 芯片有多快?
它能以每秒 50 万个 token 的速度运行 Llama 70B 模型,性能是英伟达 H100 服务器的 20 倍,号称 “史上最快 AI 芯片”。只需要 一台 8 卡 Sohu 服务器,就能取代 160 块 H100,这效率,简直是降维打击!

Sohu 的秘诀是什么? 答案是 “专注”。与英伟达 GPU 追求 “全能” 不同,Sohu 是一款专门为 Transformer 模型 设计的 ASIC 芯片。它放弃了对 CNN、LSTM 等其他 AI 模型的支持,将全部资源集中于优化 Transformer 性能,最终实现了速度和成本上的双重突破。

为什么说 ASIC 是 AI 芯片的未来?
近年来,GPU 性能提升的速度明显放缓。数据显示,过去四年中,GPU 的计算密度(TFLOPS/mm²)仅仅提升了约 15%。为了维持性能增长,英伟达、AMD 等厂商开始将两颗 GPU 封装在一起,作为单一产品推向市场,但这终究只是权宜之计。

随着摩尔定律逐渐失效,GPU 性能提升的空间越来越小,而 AI 模型的规模和复杂度却在不断增长,对算力的需求也越来越高。在这种情况下,ASIC 芯片凭借其定制化设计的优势,能够在特定任务上实现比 GPU 更高的性能和效率,因此受到了越来越多的关注。

例如,在比特币挖矿领域,ASIC 矿机的出现就迅速成为了 GPU 矿机的有力竞争者。如今,AI 模型的训练成本动辄数十亿美元,任何一点性能提升都能带来巨大的经济效益。因此,越来越多的公司开始投入到 AI ASIC 芯片的研发中,希望在未来的 AI 算力市场占据一席之地。

当然,ASIC 芯片也并非没有缺点。由于其定制化程度高,研发成本和风险也更高,同时灵活性也低于 GPU。未来,GPU 和 ASIC 芯片可能会在 AI 算力市场长期共存,各自发挥优势。

Sohu 的出现,对英伟达意味着什么?
尽管英伟达凭借强大的 GPU 性能和 CUDA 生态,在 AI 芯片市场占据着主导地位,但 Sohu 的出现无疑是一个危险的信号。

首先,Sohu 的性能优势太过明显,足以打破英伟达在 AI 训练领域的垄断地位。

其次,Sohu 背后的公司来头也不小,他们获得了来自 OpenAI、谷歌等巨头的投资,资金实力雄厚。

更重要的是,Sohu 的成功验证了 ASIC 芯片在 AI 领域的巨大潜力,未来将有更多公司加入这场竞争,英伟达的压力可想而知。

当然,Sohu 也并非没有挑战。ASIC 芯片的研发成本高昂,风险巨大,Sohu 公司能否持续推出具有竞争力的产品还有待观察。

此外,英伟达也在积极布局 ASIC 芯片领域,并推出了 Grace Hopper 等产品线。未来,AI 芯片市场将迎来更加激烈的竞争。

Sohu 的出现,预示着 AI 芯片市场即将迎来一场新的革命。 就像智能手机取代功能机一样,ASIC 芯片或许也将逐步取代 GPU,成为 AI 时代的算力基石?

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

比英伟达快 20 倍!Sohu 芯片引爆 AI 算力革命

文章来源:智子矩阵

提起搜狐,你或许会想起那个承载着青春记忆的门户网站,或是曾经火爆一时的搜狐视频。但今天,我们要聊的不是新闻资讯,也不是热播剧集,而是一款来自硅谷初创公司,却偏偏跟搜狐同名的 AI 芯片——Sohu


它带着颠覆行业的气势横空出世,甚至让芯片巨头英伟达也感受到了压力。

Sohu 芯片有多快?
它能以每秒 50 万个 token 的速度运行 Llama 70B 模型,性能是英伟达 H100 服务器的 20 倍,号称 “史上最快 AI 芯片”。只需要 一台 8 卡 Sohu 服务器,就能取代 160 块 H100,这效率,简直是降维打击!

Sohu 的秘诀是什么? 答案是 “专注”。与英伟达 GPU 追求 “全能” 不同,Sohu 是一款专门为 Transformer 模型 设计的 ASIC 芯片。它放弃了对 CNN、LSTM 等其他 AI 模型的支持,将全部资源集中于优化 Transformer 性能,最终实现了速度和成本上的双重突破。

为什么说 ASIC 是 AI 芯片的未来?
近年来,GPU 性能提升的速度明显放缓。数据显示,过去四年中,GPU 的计算密度(TFLOPS/mm²)仅仅提升了约 15%。为了维持性能增长,英伟达、AMD 等厂商开始将两颗 GPU 封装在一起,作为单一产品推向市场,但这终究只是权宜之计。

随着摩尔定律逐渐失效,GPU 性能提升的空间越来越小,而 AI 模型的规模和复杂度却在不断增长,对算力的需求也越来越高。在这种情况下,ASIC 芯片凭借其定制化设计的优势,能够在特定任务上实现比 GPU 更高的性能和效率,因此受到了越来越多的关注。

例如,在比特币挖矿领域,ASIC 矿机的出现就迅速成为了 GPU 矿机的有力竞争者。如今,AI 模型的训练成本动辄数十亿美元,任何一点性能提升都能带来巨大的经济效益。因此,越来越多的公司开始投入到 AI ASIC 芯片的研发中,希望在未来的 AI 算力市场占据一席之地。

当然,ASIC 芯片也并非没有缺点。由于其定制化程度高,研发成本和风险也更高,同时灵活性也低于 GPU。未来,GPU 和 ASIC 芯片可能会在 AI 算力市场长期共存,各自发挥优势。

Sohu 的出现,对英伟达意味着什么?
尽管英伟达凭借强大的 GPU 性能和 CUDA 生态,在 AI 芯片市场占据着主导地位,但 Sohu 的出现无疑是一个危险的信号。

首先,Sohu 的性能优势太过明显,足以打破英伟达在 AI 训练领域的垄断地位。

其次,Sohu 背后的公司来头也不小,他们获得了来自 OpenAI、谷歌等巨头的投资,资金实力雄厚。

更重要的是,Sohu 的成功验证了 ASIC 芯片在 AI 领域的巨大潜力,未来将有更多公司加入这场竞争,英伟达的压力可想而知。

当然,Sohu 也并非没有挑战。ASIC 芯片的研发成本高昂,风险巨大,Sohu 公司能否持续推出具有竞争力的产品还有待观察。

此外,英伟达也在积极布局 ASIC 芯片领域,并推出了 Grace Hopper 等产品线。未来,AI 芯片市场将迎来更加激烈的竞争。

Sohu 的出现,预示着 AI 芯片市场即将迎来一场新的革命。 就像智能手机取代功能机一样,ASIC 芯片或许也将逐步取代 GPU,成为 AI 时代的算力基石?

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

AI正在抢走谁的工作?一个人使用ChatGPT取代了60名员工

来源: 新智元

【导读】ChatGPT发布一年多来,总是有人担心自己的工作会被取代,但最后总是演变成「狼来了」的故事。但这次不一样了,ChatGPT它来真的。


BBC的一篇报道,让reddit网友吵得不可开交。

报道是这样的:一个由60多位编辑和作家组成的团队,负责为科技公司撰写和编辑文章,逐渐被ChatGPT所取代,团队只剩下1个人和1个ChatGPT。

剩下的这个人,每天做的事情就是修改ChatGPT生成的内容,让它显得没那么像机器生产的。

ChatGPT变成了主笔,人类则更像机器。

编辑们的「饭碗」不仅被AI夺走,曾经由创作带来的成就感,也一去不复返了。

so sad……

有网友开始逐渐想起了历史——

「When it came for the content farmers I said nothing, for I was not a farmer of content… 」

起初,AI追杀「内容民工」时,我不说话,因为我不是「内容民工」……

难道我们都要都要变成被替代的「沉默的大多数」了吗?

且慢,有网友持不同意见——

what? 编辑被AI取代=希特勒自杀?

fine. 悬着的心彻底死了。

如果说,好的一面是,AI现在取代的是一些并不真正「富有创意且引人入胜」的工作,也就是那些需要一些智能,但更多的只是重复性劳动的工作;

那么,坏的一面是,这正是我们很多人正在从事的工作!

David Graeber 在他所著的「Bullshit Jobs」一书中,一针见血地指出,40%的工作都毫无意义。这些工作往往能带来很不错的收入,工作环境也极佳,只是它们都毫无意义,也最容易被机器取代。

ChatGPT取代了60名员工

2023年,作家本杰明·米勒(化名)的事业蒸蒸日上。

他领导着一个由60多名作家和编辑组成的团队,发表博客文章来为一家科技公司做宣传,这是一家打包和转售从房地产到二手车等各种数据的公司。

在米勒眼中,「这确实是一项非常有趣的工作」,可以发挥他的创造力,还能够获得与各个领域的专家合作的机会。

直到有一天,米勒的经理告诉他,「希望利用人工智能来降低成本」。

一个月后,公司引入了自动化系统。

米勒的经理将文章标题输入在线表格,人工智能模型就会根据标题生成大纲,米勒的电脑上就会收到提示。

他带领的撰稿人无需再自己构思,而是根据这些提纲撰写文章,米勒会在文章发表前进行最终审核。

这种工作模式只持续了几个月,团队就迎来了第二次「自动化」的消息。

接下来,由ChatGPT负责撰写文章的全部内容,米勒的大部分团队成员都被解雇了。

剩下的几个人面临着一项更没有创造性的任务:润色ChatGPT低质量的文本,使其看起来更有「人情味」。
时间来到2024年,公司解雇了米勒团队的其他所有成员,只剩下他一个人了。

「突然之间,我一个人开始完成之前所有人的工作。」

每天,他都会打开人工智能编写的文档,来修改机器人犯的错误。

「我开始觉得自己才是机器人」

「大多数情况下,需要做的是让文本看起来不那么奇怪和尴尬,删掉那些太过正式或热情过头的语言。」
总是重复这个过程让米勒觉得非常无聊,他开始觉得自己才是机器人。

米勒的经历并不罕见,行业内,出现了一个崭新的工作—

新工作的出现:帮机器人改稿

这种新兴起的工作,就是修复机器人的劣质写作。

美国肯塔基州列克星敦的文案撰稿人Catrina Cowar表示,「我们正在给机器人稿件添加人性化的元素,这通常需要对一篇文章进行深入的、发展性的编辑」。

首先,需要把那些泛滥的「因此」和「尽管如此」删掉,另外,你必须得对所有细节进行事实核查,因为人工智能会产生「幻觉」而编造一些不存在的东西。

这要耗费大量的精力,因为人工智能总会在那些你不易察觉的地方轻率地「添枝加叶」。

工作时间更长,报酬却更低

Cowar对此感到疲惫,让AI写的文字更像人这件事情,通常比自己从头开始写一篇文章需要更长的时间,但报酬却更低。

「在你找工作的平台上,每词最高约按照10美分计薪。但当你真正开始写作的时候,就会发现,这被认为是一份『编辑』工作,所以通常你只能得到每个词1~5美分。」

这项乏味得可怕的工作,报酬却几乎可以忽略不计。

其他行业也能够看到类似的例子,低薪人员默默地为机器提供动力,可能是协助自动订购系统,也可能是数据标注。

到底哪种表达方式更「像人」

随着越来越多低质量的机器生产的内容充斥网络,通过人工智能检测软件,来检查文本是否是机器生产的,已经成为文案领域的常见做法。

吊诡的是,AI在与AI对话,人成了最不重要的。

先用AI生成内容,再用AI检查到底是不是AI生成的。

人在中间起到了什么作用呢?可能也起到了一个「造型」的作用吧——把AI写的东西改造得像是人写的。

更离谱的是,去年,一批作家甚至表示,他们因人工智能生成内容探测器的虚假指控而失业。

而且,根据Cowart的说法,这些拥有人工智能检测软件的自由写作平台往往会「两头通吃」——一边雇佣编辑修改AI写的稿子,一边用AI检测。

这就要求编辑们要不断随着探测器的更新而更新写作方式——哪些内容会被标记为人工智能生成内容的规则会不断变化。

这让Cowart崩溃了,「英语有一百万种方式表达同一件事,但哪一种是更『像人』的?我猜不出来。」

最后一个人也被解雇了

好景不长,米勒「帮机器人改稿」的工作时代也突然结束了。

坚持了几个月的重复编辑工作,他被召集去参加一个意想不到的会议。

2024年4月5日,他被解雇了,理由是公司认为米勒只是另一个不必要的「人为干预层」。

又一次被取代

本来以为自己会失业在家的米勒,幸运地找到了一个新的机会,虽然这个新的机会看起来相当讽刺。

他在UnDetectable AI找到了一份工作,顾名思义,这家公司专门开发让「人工智能生成内容更难以识别」的软件。

换言之,米勒又被取代了一次。人工智能正在取代他被人工智能取代后不得已做的工作。

但UnDetectable AI首席技术官Bars Juhasz却非常乐观,「当汽车在马车时代首次出现时,人们的反应就像是世界末日了。但社会总是在适应。」

「我们将看到很多工作被取代,而自由职业者将受到最严重的打击,我确实同情他们。但这些靠『帮AI机器人改稿』获得报酬的人都是出色的机会主义者,当然,他们还算不上伟大的机会主义者。那些学会使用新技术工作的人将会没事。」

「出色的机会主义者」米勒是如何看待自己的工作的呢?

「我制造了很多垃圾,这些垃圾充斥着互联网并摧毁了它,甚至没有人读过。」

AI会抢走你的工作吗

很难说。

我们正处于一个令人不安的十字路口,一些专家警告说,ASI(超级人工智能)将很快取代大多数人类工作,

有的人则认为不会有那一天。

也有人认为我们正在走向人工智能和人类协作,而不是竞争的未来。

但是就像米勒等人的经历一样,AI的发展已经让一些人承担了令人痛苦的结果。

现实选择是必须适应AI

但对于文案界的一些人来说,人工智能的到来是好事还是坏事取决于如何对待它,以及你的职业生涯有多远。一些作家表示,将AI运用到他们的创作过程中甚至可以改善他们的工作。

美国作家与艺术家公司 (AWAI) 是一个为自由作家提供培训和资源的组织,他们主动为其成员举办各种人工智能课程的培训。

AWAI总裁Rebecca Matter表示,人工智能课程目前是该学院迄今为止最受欢迎的课程。

Matter认为,「对于那些以文案写作为职业的人来说,风险不是人工智能会不会抢走他们的工作,而是他们能不能适应AI。这可能会让人不舒服,但我认为这是一个巨大的机会。」

她还表示,对于她认识的大多数作家来说,向人工智能世界的过渡都很顺利。

事实上,AI已经成为文案写作过程中固有的一部分,以至于许多作家现在将个人「人工智能政策」添加到他们的专业网站上,以解释他们如何使用该技术。

甚至对AI使用巧妙得当,还可以拿到普利策新闻奖。

拥有九年经验的文案撰稿人Rebecca Dugas表示,人工智能是一个「天赐之物」,让她在更短的时间内创作出同样高质量的作品。

「只要我的客户满意,我不会拒绝使用人工智能。无论是集思广益、市场调研,还是在我为文案冥思苦想的时候,它都是一个令人难以置信的共同创意合作伙伴。」

对于那些对AI持保留态度的客户,他们支付更多的费用就好。

随着人工智能生成内容变得更好,可以预见的是,一些企业将转向ChatGPT和其他工具来满足他们的写作需求,而不是雇用人类。

但即使是这样,Dugas依然很乐观,她认为,如果你不了解文案写作,你就无法判断人工智能产生的效果,这意味着,有才华的知名作家总会有高薪工作。

但处于职业生涯低端的文案撰稿人可能就没那么幸运了。

那么,你认为本篇文章的「含人率」是多少呢?

参考资料:
https://www.bbc.com/future/article/20240612-the-people-making-ai-sound-more-human

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

OpenAI刺破了中国AI的幻想

OpenAI在6月25日凌晨宣布,将从7月9日起,将阻止来自不支持其服务的国家和地区的API流量,而中国也在禁用名单之列。

Image 1

消息一出,国产大模型们应声而动,立刻推出了相应的“搬家”或“迁移”方案。


有的还提出了与OpenAI使用规模对等的 Token 赠送计划(不设上限),坊间戏称,“这下中国做AI的可以实现token自由了”。

我们知道,海外对于中国AI的限制一直存在。但此前针对AI的禁令,主要是限制英伟达和AMD的高性能AI算力卡,而OpenAI此次强势禁用,则让AI软件算法层面的“另一只靴子落地”。

从硬件到软件,越来越扩大的禁用范围,以及越来越严格的限制,无时无刻不在提醒着我们,在AI这一关键科技领域,全方位阻隔中国的进步,已经是一张明牌了。

面对这个不可逆的AI封锁大趋势,中国企业受的影响到底有多大?AI全面国产化,中国做好准备了吗?

放弃幻想:OpenAI禁用到底影响了谁?

自ChatGPT发布以来,OpenAI的API已向近190个国家和地区开放,其中并不包括中国。不过,一直以来,一些国内企业和用户,可以通过技术手段来继续使用OpenAI的服务。

对于这些来自中国的流量,OpenAI并非检测不出,只是以前可能“枪口抬高了一寸”。

而就在6月22日,美国财政部发布了一份规则草案,进一步限制美国个人和企业投资中国的半导体、量子计算和人工智能业务。新规则草案推出,面对越来越明确的AI封锁态势,OpenAI也主动明哲保身,选择了加强区域限制,采取额外措施阻止来自不受支持地区的API流量。

Image 2

到底是什么人和公司“明知不可为而为之”,在使用OpenAI的API呢?主要有三类:

一是部分自研模厂。一部分模厂会在研发阶段,调用OpenAI的API,使用其GPT产品进行模型训练、数据对比迭代等。实际上,谷歌Gemini-Pro大模型的训练也曾用到了百度文心生成的数据。此前就有国内某互联网公司,被爆出经常达到OpenAI API的最大访问上限,不过对方也表示,仅在年初的初期探索阶段使用了OpenAI的API,而在今年4月已经停止了这种做法。

二是套壳AI公司。一些初创公司为了快速推出AI产品或服务,可以通过技术手段,对OpenAI的API进行封装,“改头换面”作为自己的产品推向市场。实际上用户的每次交互,都会通过API调用OpenAI的模型来完成。

三是面向海外市场的应用开发者。在OpenAI所支持的国家和地区,为了跟海外开发者“站在同一起跑线”,而选择OpenAI API。

目前来看,上述群体受OpenAI禁令的影响程度都不高。

随着国内模厂的模型基本完善,不用再通过调用API的方式收集数据。海外应用的开发,应用往往需要对本地市场的深入了解,因此国内开发者数量规模也较小。相比之下,“套壳API”的初创公司可能受到的打击是最大的,不过通过“搬家”切换到国产大模型,快速找到能力接近的替代方案,也能一定程度上规避风险。

Image 3

所以总体来说,OpenAI更严格的API限制,并不会给中国AI带来很大的动荡。

但这并不意味着,中国AI可以高枕无忧了。从“英伟达禁令”到“OpenAI禁令”,发出了一个鲜明的信号:“潘多拉魔盒”一旦开启,就不会关上,针对中国AI的封锁,也不可能在短时间内被撤回。

是时候摒弃“枪口抬高一寸”的侥幸心理和幻想了,事实证明,枪口随时可以朝下扣动扳机。

认清现实:不可逆的AI封锁,还有哪些牌可出?

在封锁烈度上,美国官方和AI企业的行动在不断加强;在封锁广度上,从高性能AI芯片的底层算力,到大模型的底层算法,“釜底抽薪式”的封锁正逐渐延伸到AI基础设施的各个关键部分。

那么,在算力禁运、算法禁用之后,海外想要阻隔中国AI的发展,还有哪些牌可以打?梳理一下AI软件基础设施:

  1. 框架。深度学习框架,是支持AI算法模型开发和部署的软件平台,对AI应用的开发效率和性能有重要影响。目前国内深度学习框架市场主要由飞桨(由百度开发)、TensorFlow(由Google开发)、PyTorch(由Meta开发)三家主导,共同占据了超过80%的市场份额。这三家均为开源框架,允许开发者自由地查看、修改和使用其源代码,不过TensorFlow、PyTorch作为开源平台也需要遵守所在国法律法规,并可以通过开源许可证等方式,限制开发者的访问。

Image 4

  1. 算子库。包含各种数学和逻辑运算函数的库,在深度学习框架中扮演着至关重要的角色,为各种算法提供了基础的计算单元。如果算子库是闭源的,又归属于海外公司,那么可以直接限制使用。开源的算子库也要遵循一定的开源协议,协议中往往会规定代码的使用、修改和分发规则,如果开发者没有获得适当的许可或权限,也无法使用。目前,国内飞桨、昇思等AI开发平台都发布了算子库。

  2. 数据集。AI界有句名言“garbage in,garbage out(垃圾进,垃圾出)”,高质量的数据集,对于AI算法模型的性能至关重要,在大模型时代也不例外。各个领域和应用场景都有专有数据集,比如计算机视觉领域的MNIST、CIFAR、ImageNet等。NLP领域的SQuAD、GLUE等,再比如AI蛋白质结构预测任务所需要的数据集,如CASP、AlphaFold DB、PDB等,这些数据集为AI研究提供了丰富的数据资源,大多由海外研究机构建立。

近年来,中国AI领域的高质量数据集也在快马加鞭地建设,数据治理体系也在不断完善,数据作为核心生产要素的战略地位不断提升。但现阶段,与海外一流水平还有差距。而AI算法的特别之处在于,不像传统软件能一次开发完成,模型需要不断学习、迭代和进化,依赖于持续更新的数据集进行训练。一旦数据集被阻止访问,就如同剥夺了模型成长的土壤,甚至可能变得停滞不前。

此外还有编译器、IDE等,这些软件工具可以大大提高开发者的编程效率。如果被禁用,开发者将需要手动完成这些工作,从而导致开发效率降低,团队协作困难,甚至影响项目的进度和质量。

Image 5

“英伟达禁令”执行以后,一位国内某计算厂商向脑极体表示,“虽然我们还可以用特供版的AI芯片,但确实支持不了英伟达最新的平台了”。

所以说,硬件、软件基础设施共同构成了AI产业的支撑体系。面对阻隔中国AI的封锁禁令,一定要有“底线思维”,软件并不比硬件更安全,开源软件并不比闭源软件更安全。

准备应对:中国AI,必须两条腿走路

提到国产化替代,总有人担忧这是在闭门造车、与世界脱节。AI作为高度全球化的高新技术产业,这种担忧确实不无道理。

但也必须看到,“没有一次AI断链是我们先动的手”。

实际上,中国AI产学界始终保持着开放心态,积极吸收国际先进技术,与世界接轨。斯坦福大学发布的《2024 年人工智能指数报告》显示,自2011年以来,GitHub上的开源人工智能项目,中国参与度不断增长,直到2019年在科技领域遭受不合理打压之后,才开始走低。

Image 6

无论是芯片禁运,还是API禁用,都是海外以“国家安全”“保证美国AI领先地位”等理由,发起的单方面阻隔。而在短时间内,这种单方面动手的“AI封锁”,并不会告一段落。

这种情况下,中国AI将面临一个重要抉择:是彻底国产化替代,底层软硬件全用自己的?还是继续参与全球AI大市场,更多利用国外技术?

小孩子才做选择,成年人全都要。中国AI,必须学会“两条腿走路”。

第一条腿,是基础软硬件的自主创新,做好全栈AI技术国产化的准备。

中国AI在底层软硬件的关键“卡脖子”环节,都积累了不少力量。以软件为例,百度、华为云等头部大模型厂商,都建立了“AI大底座”,从底层算力(百度昆仑、华为昇腾)、基础模型(文心、盘古)、深度学习框架(飞桨、昇思)、全栈AI开发工具平台(千帆平台、昇腾AI云服务)等。

这些全栈自研的AI软硬件基础设施,可以让中国AI做好“最坏的准备”,无惧来自海外的断链风险。

但正如经济学家江小涓所说的,在当今科技全球化、产业全球化的格局下,“会做的全部自己做”并不是最优选项。

Image 7

所以中国AI的第二条腿,是保持与全球最新趋势的紧密联系,确保信息通畅、创新同步。

还记得芯片禁运之时,有网友义愤填膺地表示要“对等制裁”“不用也没有损失”,但一位资深从业者却说“别人小心眼,我们自己不能小心眼”。美国封闭但我们不能封闭,不能自己把路走窄了。

紧密贴近全球趋势、充分利用全球资源,是中国AI保持领先的必要条件。一方面,吸收全球最先进的技术,中国AI可以在更高的起点上推动技术自主创新,避免产业链割裂带来方向迷失,错过主流的AI发展机会。

另一方面,中国AI是科技竞赛中排名全球前列的一个领域,这种领先优势十分关键,且不容失去,必须与全球创新保持同步,因此要积极拥抱国际市场和科技合作。

随着国产算力的突破,“英伟达禁令”不再让AI算力束手无策,就在大家觉得中国AI稳了的时候,OpenAI的禁令犹如一道闪电,划破了中国AI界对“限AI=限卡”的幻想。

国产算力固然是底气所在,但绝非高枕无忧的保证,来自OpenAI的API限制说明,海外AI软件也并不完全可靠,同理,开源软件也并非绝对安全

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

86个员工,卖了36亿

一个行业洗牌的信号灯。

作者丨李婉题
编辑丨曹玮钰

短短4天,OpenAI 曝出了2笔收购案。


6月21日先是公布了一项里程碑式的重大收购,OpenAI收购了实时分析数据库初创企业Rockset,除了收编团队,技术也被整合进OpenAI产品。交易金额细节未披露,但业界依据Rockset以往融资估值推测,此番收购估价或达5亿美元(折合约36亿人民币)。
自成立至去年8月底,Rockset已累计融资超过1亿美元,主要投资者包括红杉资本和Greylock等知名风投,据外媒报道,当时的投后估值最高就已达到5亿美元。
值得注意的是,根据领英显示,2016年成立的Rockset目前员工数量仅有86位,按照36亿的收购股价计算,人效相当之高。
仅过去4天,OpenAI又宣布完成了对远程协作公司Multi的收购,该公司仅有的5名员工将加入OpenAI,与ChatGPT桌面团队合并,共同推进人工智能在桌面应用领域的创新。
Multi曾完成两轮共计1300万美元的融资,最新投资者除Musha Ventures外,同样有Greylock的身影——Greylock最新典型言论有:现在是 AI 垂直软件最好的时代 。

图片来源:由GPTNB生成


本文链接:https://www.aixinzhijie.com/article/6846184
转载请注明文章出处



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

BytomDAO京都聚智,共绘数字治理新蓝图

在这个科技日新月异的时代,人工智能(AI)与Web3.0的融合正以前所未有的速度重塑我们的数字世界。为了深入探索这一前沿趋势,致力于通过AGI赋能DAO治理的BytomDAO,作为行业内的活跃力量,将于2024年7月3日在日本古都京都的IVS会议期间,举办一场题为“AI+Web3新机遇”的系列盛会,本次活动将深度探讨AI与Web3的融合,纵览DAO的发展现状,展望AI+Web3如何引领科技创新潮流,旨在挖掘两大技术革命交汇点的无限可能,共绘DAO治理与科技创新的未来蓝图。


活动将汇集多位行业领袖与专家,共同分享最新的技术动态与应用实践,为参与者提供一个深入了解AI与Web3.0融合新机遇的平台。

活动议程涵盖了精彩的开场演讲、生态介绍、圆桌讨论以及创新应用分享等环节。

BytomDAO,作为致力于利用AGI提升DAO治理效率与智慧的先行者,本次活动中将充分展现其在AI与Web3融合领域的探索与实践。CEO Charles的开场致辞,将为参会者描绘出一幅通过AI驱动的DAO生态愿景,揭示智能合约、去中心化自治组织与高级人工智能如何携手,塑造更为高效、透明的数字经济体系。

紧接着,TON基金会的Research Lead Vivi将深入浅出地解析TON生态的无限魅力与潜力。

随后,BytomDAO带来观点交锋的圆桌论剑环节,将为Web3的核心参与者提供了一个平等交流的平台。在“日本的Web3世界”圆桌论坛上,来自Blade(1783DAO)、Kekkai、CGV FOF、Bitget JP、Hashkey DX等机构的代表将同台对话,就日本独特的监管环境、Web3项目的本土化策略、以及如何在日本的本土文化中发掘Web3用例等热点问题进行深度剖析交流。这不仅是对日本Web3现状的全景扫描,也有机会为全球从业者提供了宝贵的经验借鉴。

与会者也将与​BytomDAO、1783DAO一同见证1783DAO JP的正式成立——这不仅是两个组织合作的新起点,更是日本Web3社群力量凝聚的象征。

紧随其后的两场专题演讲,不仅是对当前行业热点的精准聚焦,也是对未来趋势的深刻洞察。

首先,OK Japan的Managing Director将立足于日本独特的合规环境与Web3的蓬勃发展趋势,为与会者揭示日本合规交易所在新时代下的最新动态与战略方向。这一分享,不仅是对当前政策环境的深刻解读,更是为寻求在日本市场稳健发展的项目与个人提供了宝贵的指南。

而后的演讲,则是一次深入DAO世界的探索之旅。DAOBase的创始人,同时身为BeepCrypto及DAOBase的掌舵人Mia Bao,将引领听众穿梭于DAO生态的广袤天地之中。他3将运用其丰富的行业经验和独到见解,对DAO生态的现状进行一次全方位、多维度的深度剖析,揭示DAO如何重塑组织结构、激发社区潜能,并预告这一领域内蕴藏的无限可能。这不仅是一场知识的盛宴,更是对未来数字社会治理模式的前瞻性思考。

在活动的最后,所有目光也将聚焦于圆桌讨论——“Depin+AI的应用分享”。在AI、云计算大规模发展的背景下,Depin,作为Web3领域内探索数据管理与价值流通创新解决方案的基础设施要件,其与AI技术的融合应用将成为讨论的核心。在AI on Web3的创始人Allen Chow的主持下,来自Skyland Ventures、Arweave Oasi、Animoca等机构的核心成员将围绕Depin平台如何与AI技术相结合,创造前所未有的价值流转与数据管理解决方案。这些前沿应用的分享,将为参与者展示技术融合的最新成果,也有望提供灵感的火花,激发新的合作契机。

此外,值得注意的是,此次盛会不仅是一次思想碰撞的盛宴,也是建立合作桥梁的绝佳机会。BytomDAO携手多家行业领军企业及行业头部的媒体伙伴,共同为参会者打造一个高端、开放的交流平台。在活动尾声,所有与会者也将共聚一堂,进行合影留念并享受社交时光,深化彼此间的联系,为未来的合作奠定坚实基础。可以说,BytomDAO作为活动的协办方与支持媒体,各方力量的汇聚,彰显了业界对于推动Web3时代进步的坚定信念与强大合力。

随着AI与Web3.0技术的不断融合,BytomDAO的这场系列活动将成为探索这一领域新机遇的重要里程碑。BytomDAO也将与众多顶尖机构、热门项目一同见证和参与这场科技创新的盛会,携手开启AI与Web3.0融合的新篇章,共创美好未来。错过此刻,即错过一个时代的声音,只要对Web3,对AI感兴趣,都可以通过Lu.ma平台报名,参与2024年7月3日在京都举行的“AI+Web3新机遇”系列活动,与Web3的核心建设者一道,站在科技与创新的最前沿,洞见技术融合的无限可能。

Image



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

OpenAI刺破了中国AI的幻想

OpenAI在6月25日凌晨宣布,将从7月9日起,将阻止来自不支持其服务的国家和地区的API流量,而中国也在禁用名单之列。

Image

消息一出,国产大模型们应声而动,立刻推出了相应的“搬家”或“迁移”方案。


有的还提出了与OpenAI 使用规模对等的 Token 赠送计划(不设上限),坊间戏称,“这下中国做AI的可以实现token自由了”。

我们知道,海外对于中国AI的限制一直存在。但此前针对AI的禁令,主要是限制英伟达和AMD的高性能AI算力卡,而OpenAI此次强势禁用,则让AI软件算法层面的“另一只靴子落地”。

从硬件到软件,越来越扩大的禁用范围,以及越来越严格的限制,无时无刻不在提醒着我们,在AI这一关键科技领域,全方位阻隔中国的进步,已经是一张明牌了。

面对这个不可逆的AI封锁大趋势,中国企业受的影响到底有多大?AI全面国产化,中国做好准备了吗?

放弃幻想:OpenAI禁用到底影响了谁?

自ChatGPT发布以来,OpenAI的API已向近190个国家和地区开放,其中并不包括中国。不过,一直以来,一些国内企业和用户,可以通过技术手段来继续使用OpenAI的服务。

对于这些来自中国的流量,OpenAI并非检测不出,只是以前可能“枪口抬高了一寸”。

而就在6月22日,美国财政部发布了一份规则草案,进一步限制美国个人和企业投资中国的半导体、量子计算和人工智能业务。新规则草案推出,面对越来越明…

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

联想刘军:构筑「AI大脑」,让用户获得「个人AI助理」新体验

6 月 25 日,联想在杭州举办了 “让世界充满 AI”—— 联想 AI 终端 “一体多端” 战略暨消费新品夏季发布会。联想集团执行副总裁兼中国区总裁刘军在会上表示,联想希望通过 “一体多端” 战略,领跑 AI PC、AI 手机、AI 平板和 AIoT。


“一体多端” 战略的目标只有一个,即:让用户在工作、学习和生活的不同场景下,都拥有 “个人 AI 助理”。联想的 “一体多端” 战略的 “一体” 是 “天禧智能体系统”—— 天禧 AS,由联想 “小天” 个人智能体,以及个人知识库、AI 应用平台、超级互联、数据安全与隐私保护机制五个部分共同组成,系联想自主研发,构成 AI 终端的 “AI 大脑”。其中的 “小天” 个人智能体,由天禧个人大模型驱动,能实现意图理解和主动感知、自我能力认知、短期长期记忆、任务规划与分解等功能。通过 “小天”,用户可以实现与 AI 终端的自然交互,我们相信,它将逐步取代网页和 App,成为未来个人用户的第一入口。在个人知识库的辅助下,“小天” 可以存储、管理与提炼个人知识。在 AI 应用平台的加持下,“小天” 能够调用第三方应用或小程序,具备越来越多的新技能。而 “超级互联” 赋予了 “小天” 跨设备、跨系统接力的能力。同时,芯片级硬件加密和 “天禧 AS” 严苛的隐私保护机制,无时无刻不在给 “小天” 的安全运行保驾护航。联想正在将这一 “天禧 AS” 植入更多具有异构 AI 算力的设备,升级它们为 AI 手机、AI 平板以及多样化的 AIoT 设备。这就是 “一体多端” 的 “多端”。刘军表示,在多设备的应用场景里,设备之间通过共同的 “AI 大脑” 来协同工作,“天禧智能体系统” 将打破端侧硬件和系统的限制,让应用和内容在多类终端设备间自由穿梭,用户将能享受到全场景无缝连接的应用与服务。此外,为实现这个目标,联想将坚持用户导向、创新驱动和开放生态三个发展理念。首先,联想将坚持 “用户体验” 为王,不断迭代天禧 AS,持续优化模型能力和个人智能体的体验。其次,联想将长期投资、创新研发 “硬件 + 软件 + 服务” 整合的技术和产品,让用户更加 “易用” 和 “好用”。 最后,通过天禧生态,联想与芯片、大模型以及 AI 应用等业界伙伴开放合作,共创丰富多彩的 AI 应用。联想集团高级副总裁、中国消费业务群总经理张华进一步详解了 “一体多端” 战略。“‘天禧智能体系统’中的个人智能体联想小天,将通过‘超级互联’模块,穿梭于联想各类终端设备间,让每个人在互联互通的 AI 世界里尽情畅游。” 以用户需求为导向,联想小天的文档创作和编辑能力大幅提升,包括文档总结、文档翻译、文本润色、文本创作。超级互联则拥有文件中转站、应用传送站、设备枢纽站三项核心功能,实现了文件与应用在不同设备间快速流转,在 PC、手机、平板之间,一台设备可轻松调用其他设备或其部件的硬件功能。本次发布会推出的 moto razr 50 Ultra AI 元启、moto razr 50、moto S50 Neo 手机,以及 YOGA Air 14s 骁龙 AI 元启、YOGA Air 14c AI 元启、拯救者 Y9000P AI 元启等 AI…



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

亚马逊云创新「神经稀疏检索」:仅需要文本匹配就能实现语义搜索

图片链接展示:

  • 图片
  • 图片
  • 图片
  • 图片
  • 图片
  • 图片
  • 图片
  • 图片

本文作者是来自 OpenSearch 中国研发团队的机器学习负责人杨扬博士以及机器学习工程师耿志超和管聪。OpenSearch 是一个由亚马逊云科技发起的纯开源搜索和实时分析引擎项目。


目前软件超过 5 亿下载量,社区在全球拥有 70 个以上的企业合作伙伴。

自从大模型爆火以来,语义检索也逐渐成为一项热门技术。尤其是在 RAG(retrieval augmented generation)应用中,检索结果的相关性…



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

从零开始,用英伟达T4、A10训练小型文生视频模型,几小时搞定

很翔实的一篇教程。

OpenAI 的 Sora、Stability AI 的 Stable Video Diffusion 以及许多其他已经发布或未来将出现的文本生成视频模型,是继大语言模型 (LLM) 之后 2024 年最流行的 AI 趋势之一。


在这篇博客中,作者将展示如何将从头开始构建一个小规模的文本生成视频模型,涵盖了从理解理论概念、到编写整个架构再到生成最终结果的所有内容。

由于作者没有大算力的 GPU,所以仅编写了小规模架构。以下是在不同处理器上训练模型所需时间的比较。

图片

作者表示,在 CPU 上运行显然需要更长的时间来训练模型。如果你需要快速测试代码中的更改并查看结果,CPU 不是最佳选择。因此建议使用 Colab 或 Kaggle 的 T4 GPU 进行更高效、更快速的训练。

构建目标

我们采用了与传统机器学习或深度学习模型类似的方法,即在数据集上进行训练,然后在未见过数据上进行测试。在文本转视频的背景下,假设有一个包含 10 万个狗捡球和猫追老鼠视频的训练数据集,然后训练模型来生成猫捡球或狗追老鼠的视频。

图片

图源:iStock, GettyImages

虽然此类训练数据集在互联网上很容易获得,但所需的算力极高。因此,我们将使用由 Python 代码生成的移动

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