分析提示注入技术揭示，组织存在风险，因为GenAI机器人容易受到来自所有技能水平用户的攻击，而不仅仅是专家
全球人本智能网络安全领导者Immersive Labs今天发布了其关于一种称为提示注入攻击的与生成式人工智能（GenAI）相关的安全风险的“GenAI的黑暗面”报告。{ width=60% }

---

在这种攻击中，个人输入特定指令，以欺骗聊天机器人透露敏感信息，从而可能使组织暴露于数据泄漏的风险之中。根据Immersive Labs的提示注入挑战分析，GenAI机器人特别容易被各种技能水平的人员操纵，而不仅仅是网络专家。
最令人震惊的发现之一是，88%的提示注入挑战参与者成功地在至少一个日益困难的挑战环节中骗过GenAI机器人，使其泄露敏感信息。近五分之一的参与者（17%）成功地在所有环节中骗过机器人，突显了使用GenAI机器人的组织所面临的风险。
该报告断言，公共和私营部门的合作以及企业政策是减轻由广泛采用GenAI机器人而带来的安全风险所必需的。领导者需要意识到提示注入风险，并采取果断行动，包括为其组织内的GenAI使用建立全面政策。

“根据我们对人们如何操纵GenAI的分析，以及对开发入侵的相对低入门门槛，我们认为组织有必要在大型语言模型中实施安全控制，并采取‘深度防御’方法来对待GenAI，”Immersive Labs的威胁情报高级总监兼报告合著者Kev Breen表示。他说：“这包括实施安全措施，如数据丢失预防检查、严格的输入验证和上下文感知过滤，以防止和识别试图操纵GenAI输出的企图。”

Immersive Labs“GenAI的黑暗面”研究的重要发现
该团队观察其数据分析得出以下关键结论，包括：
GenAI还无法匹敌人类的智慧（目前）：用户成功利用创造性技巧愚弄GenAI机器人，例如欺骗他们将秘密嵌入诗歌或故事，或更改其初始指令，以未经授权地访问敏感信息等。
您无需是专家即可利用GenAI：报告的发现显示，即使非网络安全专业人士和不熟悉提示注入攻击的人员也可以利用他们的创造力愚弄机器人，表明通过提示注入攻击利用GenAI的门槛可能比人们希望的更低。
只要机器人可以被人类智能击败，组织就面临风险：目前尚无协议能够完全防止提示注入攻击。网络领导者和GenAI开发人员需要紧急准备和应对这一新兴威胁，以减轻对人员、组织和社会可能造成的潜在危害。

“我们的研究证明了在整个GenAI系统开发生命周期中采用‘安全设计’方法的关键重要性，”补充道Breen。“基于我们报告中的示例，可见组织的声誉损害潜在风险。组织应在其产品和服务的使用GenAI风险评估中考虑安全与用户体验之间的权衡，以及所使用的对话模型类型。”

Immersive Labs的研究团队由网络心理学负责人约翰·布莱思博士、网络威胁情报高级总监凯夫·布林和数据分析师乔尔·伊克巴尔组成，他们分析了Immersive Labs从2023年6月至9月举行的提示注入GenAI挑战的结果。该挑战要求个人在每个10个环节中越来越困难地欺骗GenAI机器人透露一个秘密密码。最初的样本包含316,637份提交，共有34,555名参与者完成了整个挑战。该团队检查了所采用的各种提示技术、用户互动、提示情感和结果，以便为其研究提供参考。

有关更多关于这些以及其他见解的信息，请访问今天的报告：https://www.immersivelabs.com/dark-side-of-genai-report/。

---

---

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。

Expedera Inc.，领先的边缘推断人工智能（AI）半导体知识产权（IP）许可人，今天宣布完成了由独立半导体领投的2亿美元B轮融资，新老股东也参与了投资。{ width=60% }

---

本轮融资包括之前的SAFE票据兑换，使公司的总融资金额超过4,700万美元。这将使Expedera能够推进其高性能、低能耗的神经处理单元（NPU）IP产品和服务，并扩大全球工程基础。

根据Gartner的预测，到2025年，超过55%的AI分析将移至边缘。边缘设备产生大量数据，可以通过AI在本地进行有效处理和分析，从而减少将数据传输至集中式云服务器的需求。先进驾驶辅助系统（ADAS）、车辆自动化、消费者设备和工业自动化需要即时洞察和行动，使得边缘AI对满足严格的延迟要求至关重要。未来一代边缘AI处理器需要支持新兴用例，例如稳定扩散和大规模语言模型（LLM）/大规模视频模型（LVM），同时降低功耗并提高处理效率。根据Fortune Business Insights的数据，全球边缘AI市场预计将呈指数级增长，到2029年将以31.7%的复合年增长率增长至超过1,000亿美元市场。这与AI技术未来的战略一致性将使Expedera处于创新的最前沿。

独立半导体的联合创始人兼首席执行官Donald McClymont表示：“AI正迅速成为所有市场领域的最重要的推手之一，尤其是在汽车领域，其中边缘计算和数据智能至关重要。”“Expedera凭借其Origin NPU IP迅速崭露头角，成为边缘推断的市场领导者。独立半导体很高兴能够与Expedera一同开启这段旅程，解锁多个新应用，包括ADAS和传感器融合，具有领先行业的边缘AI性能和效率。”

Expedera公司联合创始人兼首席执行官Da Chuang表示：“自我们的A轮融资以来，Expedera显著提升了Origin硬件和软件堆栈的能力，支持了领先的神经网络，扩大了客户群，发展成为了一家全球性公司。”“独立半导体作为我们新投资者中的领头羊，以及现有投资者的持续支持，证明了Expedera NPU解决方案的实力。”

Expedera在2021年推出Origin NPU IP时为AI行业留下了深刻印记。Origin IP单引擎扩展到128 TOPS，具有高效的处理器利用率、市场领先的低功耗，并且需要最少的外部内存带宽。Expedera与多家智能手机OEM公司签署了生产许可合同，并与众多汽车、AR/VR/MR和消费设备芯片制造商合作。其Origin IP已部署在超过1,000万台设备中。

---

---

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。

随着人工智能的不断发展，开发新颖的AI工具对塑造这一行业的未来变得至关重要。{ width=50% }

---

然而，随着每天涌现出跨领域和应用的新工具，跟进所有最新进展往往令人感到不堪重负。

这就是AI Parabellum的用武之地，它是一个一站式目的地，可揭示来自世界各地最尖端的AI工具。作为首个AI工具目录，AI Parabellum旨在将所有创新者和爱好者聚集在一个平台上。通过突出来自广阔领域的顶尖AI工具，AI Parabellum成为任何有兴趣保持行业最前沿的人的向导。

AI工具的中心枢纽
AI Parabellum以其易于导航的目录格式提供AI工具生态系统的鸟瞰图。浏览不同类别，如图像、文本、视频、音频等，用户可以发现涵盖各种行业的最有前途的工具。您可能遇到的一些工具包括用于视觉创作的图像生成器、用于对话服务的聊天机器人以及用于写作辅助的文本生成器。

AI Parabellum还保持着一个包含500多个最佳AI工具按流量排名的广泛清单，提供了目前引起轰动的最受欢迎工具的全面概述。这个经过精心筛选的选择作为任何希望评估市场上表现最佳解决方案的人的起点。通过定期更新，该目录确保用户掌握最新趋势和发展动态。

AI创作者的平台
除了作为探索中心之外，AI Parabellum还兼具AI工具创建者展示其作品的平台功能。在“提交AI工具”页面上，创作者可以列出他们的AI工具，并提供验证、推荐和高级列表的选项。这为他们的创新产品暴露给潜在用户和投资者的专注观众提供了机会。

列表通过在相关类别中的位置和搜索结果中的排名提供有价值的推广。对于创作者来说，这是一个扩大用户基础、收集宝贵反馈并将他们的工具推向新水平的有效策略。借助AI Parabellum的广泛影响力和忠实追随者，被推荐会为工具在行业中真正获得势头提供高度的可见性和认可。

简化AI采纳
随着AI在各行各业的普及，像AI Parabellum这样的平台在简化采用过程中发挥着关键作用。通过充当一站式目录，它减少了发现适当解决方案所需的努力。轻松的浏览和详尽的评价进一步帮助根据特定需求快速评估选项。

对于组织和企业，AI Parabellum简化了初步筛选潜在AI合作伙伴的过程。个人也可以从筛选选择中受益，了解新兴趋势并探索与自己兴趣相关的工具。这类目录通过汇集AI社区，促进了这种强大技术对所有人的更大可访问性。

总之，AI Parabellum已经确立自己是一个首选目的地，既可以探索AI工具的创新宇宙，又可以使创作得到全球观众的认可。对于任何有兴趣保持这一颠覆性领域前沿的人来说，AI Parabellum都是一个必访的去处。
想要了解来自行业领袖的关于AI和大数据的更多信息吗？请查看将在阿姆斯特丹、加利福尼亚和伦敦举行的AI＆大数据博览会。这一综合性活动与其他领先活动同期举行，其中包括智能自动化会议、BlockX、数字转换周和网络安全与云博览会。

浏览由TechForge提供的其他即将到来的企业技术活动和网络研讨会。

---

---

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。

为了减轻这一薄弱点，87%的CISO正在寻求AI技术来防范人为错误并阻止复杂的以人为中心的网络威胁。{ width=60% }

---

Proofpoint公司，一家领先的网络安全和合规性公司，今天发布了其年度《CISO之声》报告，探讨了全球首席信息安全官（CISO）面临的主要挑战、期望和重点。
2024年的报告引起了人们的注意：尽管对网络攻击的恐惧继续加剧，但CISO表现出了越来越强的信心，认为自己有能力抵御这些威胁，反映了网络安全格局的显著变化。超过三分之二（70%）的接受调查的CISO认为，在未来12个月内有资料性的网络攻击风险，而去年这一比例为68%，2022年为48%。如今，CISO仍然保持高度警惕，但他们之间的信心正在增长：只有43%的人感到无法应对有针对性的网络攻击，相比之下，去年这个比例为61%，2022年为50%。
人为错误继续被视为网络安全的软肋，将近四分之三（74%）的CISO将其视为最重要的脆弱性。在一个日益频繁发生内部威胁和人为数据丢失的年份，比以往更多的CISO（80%）认为人为风险，特别是疏忽的员工，是未来两年内网络安全的一个关键关切。然而，对使用AI技术解决人为风险的角色有了更多乐观的看法，体现了对技术驱动防御策略的战略转变。
2024年《CISO之声》报告检查了来自全球16个国家不同行业拥有1000名员工或以上组织的1,600名CISO的第三方调查响应。在2024年第一季度期间，每个市场都采访了100名CISO，涵盖了美国、加拿大、英国、法国、德国、意大利、西班牙、瑞典、荷兰、阿联酋、沙特、澳大利亚、日本、新加坡、韩国和巴西。
该报告为我们提供了一个重要的视角，从最前沿的保护人员和捍卫数据的人士那里了解网络安全的现状。报告还强调了在经济压力和人为因素在组织网络安全准备中的关键作用方面维持健全网络安全措施的重要性。该调查还衡量了安全领导者与董事会之间对齐情况的变化，探讨了他们的关系如何影响安全重点。
Proofpoint 2024年《CISO之声》报告的全球关键发现包括：
人为错误仍然是网络脆弱性威胁之首，但CISO们转向AI解决方案以提供帮助。今年，我们看到更多的CISO认为人为错误是其组织最大的网络脆弱性——与2023年的调查相比，今年调查中有74%的CISO这样认为，而在2023年这一比例为60%。然而，86%的CISO相信员工明白自己在保护组织中的角色。这种信心高于前几年——2023年为61%，2022年为60%。这可能归因于在调查中有87%的CISO计划部署基于AI的功能以帮助防范人为错误和复杂的以人为中心的网络威胁。
更多的CISO害怕遭受网络攻击，但有更少的人感到准备不足，显示出对自身安全措施的信心在增长。2024年，70%的CISO受访者认为自己在未来12个月内面临遭受实质性网络攻击的风险，而这一比例分别为2023年的68%和2022年的48%。然而，只有43%的人认为他们的组织没有准备好应对有针对性的网络攻击，而这一比例分别为2023年的61%和2022年的50%。
生成式AI是CISO们最担心的安全问题。2024年，54%的CISO认为生成式AI给他们的组织带来安全风险。CISO认为引入风险的前三个系统是：ChatGPT/其他生成AI（44%）、Slack/Teams/Zoom/其他协作工具（39%）和Microsoft 365（38%）。
员工流失仍是一个问题，但CISO们对自己的防御措施有信心。2024年，46%的安全领导者报告在过去12个月中不得不面对敏感数据的实质性丢失，其中73%认为离职的员工导致了这种损失。尽管存在这些损失，81%的CISO认为他们有足够的控制措施来保护数据。
大多数CISO已经采用了数据丢失防护技术，并加大了对安全教育的投资。在2024年进行调查的CISO中，51%已经使用了数据丢失预防技术（DLP），而在2023年这一比例仅为35%。超过一半的CISO（53%）在教育员工数据安全最佳实践方面有所投资，这是2024年比2023年（39%）更高的比例。
勒索软件和恶意软件仍是CISO们的主要关注点。2024年，CISO们认为最大的网络安全威胁是勒索软件攻击（41%）、恶意软件（38%）和电子邮件欺诈（36%）。这些重大威胁与去年有所不同，企业邮件诈骗（BEC）从第一位下降，勒索软件上升至第一位，恶意软件上升至第二位。
在支付赎金方面持续稳定，更多依赖网络安全保险。2024年，CISO们对支付赎金的看法没有发生变化。62%的CISO认为如果在未来12个月内受到勒索软件攻击，他们的组织将支付赎金来恢复系统并防止数据泄露。79%的CISO表示他们将依赖网络安全保险理赔来恢复潜在的损失，而在2023年这一比例为61%。
董事会-CISO的关系显著改善。2024年，84%的CISO认为他们的董事会成员在网络安全问题方面与他们看法一致。这与2023年的62%和2022年的51%相比是一个重大跃升。
压力对CISO们是持续不断的。2024年，53%的CISO承认存在过度工作的情况，而去年这一比例为60%，同时有66%的人觉得自己面临着过高的期望，这是从去年61%上升的，2022年为49%。对CISO们不断增长的期望的可持续性继续受到考验——66%的人担心个人责任（2023年为62%），72%的人（2023年为61%）不会加入不提供董事与高级职员（D&O）保险覆盖的组织。此外，59%的CISO同意当前经济衰退已经影响了他们进行业务关键投资的能力，其中48%的人要求削减员工或推迟填补空缺，同时减少安全预算。

“在我们持续应对当今复杂的网络威胁环境的过程中，看到CISO们对他们的战略和工具充满信心是令人鼓舞的。” Proofpoint首席战略官Ryan Kalember评论道。“然而，员工流失、资源压力以及需要持续与董事会接触的挑战提醒我们，警惕和适应对我们集体的网络安全弹性至关重要。”

要下载2024年《CISO之声》报告，请访问：https://www.proofpoint.com/us/resources/white-papers/voice-of-the-ciso-report。

---

---

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。

More than half of developers believe AI will almost equal Cybercrime in terms of risk to data privacyDevelopers concerned about current regulatory frameworks, with 98% advocating for proactive measures to address future data privacy concerns
New research* released today reveals the extent of concern regarding the future threat posed by AI and Machine learning to our privacy.
网络犯罪仍被视为主要威胁，占55%，但AI位列第二，占53%。{ width=60% }

---

尽管AI是一个相对较新的威胁，研究显示，开发人员认为随着AI变得更加主流，其威胁正在迅速赶上网络犯罪。到2028年，网络犯罪的成本预计将达到13.82万亿美元：事实上，随着越来越复杂的AI可能落入新一代网络犯罪分子手中，这一成本可能会呈指数级增长。
这项由总部位于巴黎的深科技加密公司Zama委托开展的研究*调查了英国和美国的开发人员。
在研究过程中，超过1000名英国和美国开发人员被询问他们对隐私问题的看法，以揭示那些负责将隐私保护整合到日常应用程序中的人的见解。调研揭示了开发人员自己对隐私的看法和关系，深入探讨了隐私应考虑的问题，应将哪些隐私保护措施放在不断发展的创新框架中心，谁对隐私拥有最终所有权以及他们对监管方法的看法等问题。
除了研究结果显示AI威胁引起重大担忧外，调查还显示，98%的开发人员认为现在需要采取措施来解决未来隐私和监管框架的担忧。72%的人还表示，为保护隐私而制定的法规不适合未来，56%的人认为动态监管结构可能构成实际威胁。
“尽管网络犯罪预计未来几年将激增至数万亿美元，但在我们的研究中受访的55%的开发人员表示，他们认为网络犯罪只是比AI对隐私构成的威胁‘稍微更严重’。从我们的工作中，我们看到许多开发人员实际上是组织中隐私的真正捍卫者，他们对我们的数据隐私的担忧，尤其是与AI采用的激增相关的隐私问题，这是一个真正令人担忧的问题，” Zama的CTO兼联合创始人Pascal Palier表示。
”Zama与开发人员表达的有关AI造成的隐私风险及其潜在的不负责任使用的担忧一致。监管机构和政策制定者应考虑这一见解，因为他们试图在这个新世界中航行。重要的是不要低估专家们强调的实际威胁，他们每天都在思考如何保护隐私，并确保即将出台的法规应对用户隐私增加的风险，” 他补充道。
调查还发现，30%的开发人员认为制定法规的人对应考虑的所有技术不够了解，这也构成了一个真正的危险，而17%的人认为这可能对未来的技术进步构成潜在威胁。
”无疑，这是一个令人兴奋的创新时代，特别是随着AI的进展速度如此之快。但是，随着每一项新发展，隐私必须置于核心位置；这是确保支持新创新用例的数据得到保护的唯一方法。开发人员知道这一点，他们正在接受Zama倡导的愿景，根据这一愿景，他们有能力和责任保护用户的隐私。分析他们的见解清楚地表明，他们希望监管机构更多地负责理解隐私增强技术可以如何用于确保即使是最新的创新，包括Gen AI的隐私使用。高级加密技术，如FHE，可以在确保创新仍能蓬勃发展的同时保护隐私，” 他补充道。
*FHE，全同态加密
全同态加密是一种加密技术，能够在不解密的情况下处理数据。通过在传输和处理过程中对数据进行加密，您在线上所做的每件事都可以端到端地加密，使公司和组织无需看到他们的用户数据，而用户也不会注意到功能上的任何差异。
研究由Research Without Barriers （RWB）于2024年1月9日至2月8日开展，样本包括来自英国（571）和美国（527）的1,098名开发人员。
关于Zama
Zama是一家加密公司，为区块链和人工智能构建开源同态加密解决方案。他们的技术能够实现一系列保护隐私的用例，从机密智能合约到加密机器学习和保护隐私的云应用程序。Zama由Pascal Paillier和Rand Hindi创立，并拥有目前同态加密领域最大的研究团队。
自成立于2020年以来，Zama已成为塑造全同态加密市场的主要参与者，已经为数据隐私和加密领域做出了重大贡献，包括17个以上的专利族、1亿美元的交易和成功推出四种创新产品/解决方案进入市场。.

---

---

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。

Pinecone serverless目前已经全面推出，适用于关键任务负载
在公开预览版中，超过20,000家组织正在构建使用Pinecone serverless
领先的矢量数据库公司Pinecone今天宣布将Pinecone serverless推出到全面可用。{ width=60% }

---

这款设计用于使生成式人工智能（AI）准确、快速且可扩展的最新型矢量数据库现在已准备好用于关键任务负载。
Pinecone的创始人兼首席执行官Edo Liberty表示：“企业已经通过Pinecone构建出色且知识丰富的AI产品。在让这些产品在实验室内运行正常之后，开发人员希望将这些产品推向成千上万乃至数百万用户。这使得诸如运营成本、规模性能、高可用性与支持、安全性等因素变得尤为重要。这正是Pinecone serverless的优势所在，也是为什么它是生产应用程序中最值得信赖的矢量数据库。”
对AI的信心向前迈进
在公开预览阶段的四个月内，Pinecone serverless经受了严格的考验，并迅速获得了认可。到目前为止，已有超过20,000家组织使用了它。包括来自一些关键客户的数十亿矢量的大型工作负载也正在运行，这些客户构成了新架构中已经索引的120亿个嵌入向量的一部分。使用Serverless的用户涵盖了各种规模的组织，例如Gong、Help Scout、New Relic、Notion、TaskUs以及You.com。通过Pinecone serverless，这些组织正在通过降低成本高达50倍，构建更准确的规模化AI应用程序，从而消除了相当大的运营开销。
使AI更加丰富
Pinecone的研究显示，改善生成式AI结果质量并减少幻觉（不经意的、错误的或误导性信息呈现为事实）的最有效方法是利用矢量数据库进行检索增强的生成（RAG）。AI咨询服务公司Prolego的一项详细研究支持了RAG显著提高大型语言模型（LLMs）性能的结果。例如，与单独使用著名的GPT-4 LLM相比，添加了RAG和足够数据的GPT-4能够将GPT-4的不实陈述频率减少50%，甚至是在GPT-4已经训练过的信息上。此外，随着更多数据可用于上下文检索，结果变得更加准确。
通过最佳数据库架构使AI变得简单且经济实惠
Pinecone serverless从头开始设计，可提供低延迟、始终更新的矢量搜索，覆盖任意大小的数据，并具有低成本。这在使生成式AI易于访问方面起到了巨大的作用。
Pinecone serverless将读取与写入、存储与计算分开，并显著降低了所有类型和规模的工作负载成本。首次引入的索引和检索算法使得能够从对象存储中快速、内存高效地进行矢量搜索，同时不会牺牲检索质量。
引入私有端点
对于企业而言，安全性、隐私性和合规性至关重要，尤其在用更多数据加速人工智能的同时。今天，Pinecone公开预览推出了私有端点，以帮助确保客户数据符合这些要求，以及治理和合规性要求。
私有端点支持直接且安全的数据平面连接，从组织的虚拟私有云（VPC）到他们在Pinecone索引上的连接，通过AWS PrivateLink进行连接，AWS PrivateLink是亚马逊网络服务（AWS）提供的一种方式，可在VPC之间、支持的AWS服务之间以及本地网络之间提供私人连接，而无需暴露流量到公共互联网上。
构建与AI堆栈
为了使构建AI应用程序尽可能简单，Pinecone serverless正推出越来越多的合作伙伴集成。Pinecone最近宣布的合作伙伴计划中的公司现在可以让他们的用户直接在这些用户的编码环境中无缝连接并使用Pinecone。这些公司包括Anyscale、AWS、Confluent、LangChain、Mistral、Monte Carlo、Nexla、Pulumi、Qwak、Together.ai、Vectorize和Unstructured。Pinecone还与服务集成伙伴如phData合作，帮助共同客户引入Serverless。
立即免费开始使用Pinecone serverless。
阅读发布声明博客和了解更多关于Pinecone serverless的私有端点。

客户评价
Gong研发部门经理副总裁Jacob Eckel：“Pinecone serverless对我们而言不仅仅是一个削减成本的举措；它是朝着更加高效、可扩展和资源有效的解决方案的战略转变。”
Help Scout工程副总裁Luis Morales：“在Help Scout，Pinecone的可扩展、无服务器架构对于推动AI创新并使客户满意至关重要。它使我们的工程团队能够无缝集成新功能，突破客户支持的边界。通过Pinecone，我们正在在充满活力的技术景观中设定步伐。”
New Relic首席战略和设计官Peter Pezaris：“通过New Relic AI，我们的生成式AI助手，工程师可以使用自然语言来探索大量的遥测数据并访问我们的全方位可观察性平台。通过将Pinecone矢量数据库用于语义搜索和RAG，我们为用户提供了可以从中获取见解的数据集，并推出了帮助工程师更快地采取行动的新功能。Pinecone符合我们让所有工程师获得数据的愿景，我们很高兴能够发掘其新的无服务器架构带来的更多潜力。”
Notion联合创始人兼首席运营官Akshay Kothari：“Notion正在引领AI生产力革命。我们首创的AI功能的推出得益于Pinecone serverless。他们的技术使我们的问答AI能够从数十亿文档中提供即时答案，传达给数百万用户。最重要的是，我们迁移到他们最新架构后，我们的成本降低了60%，推进了让软件工具制作普遍化的使命。”
TaskUs数字转型高级副总裁Manish Pandya：“Pinecone已经改变了我们的客户服务运营，使我们能够实现前所未有的效率水平和客户满意度。我们优先使用其服务器架构，以支持跨多个区域的多种AI产品组合。对于我们的规模和抱负来说，Pinecone是我们TaskGPT平台的一个关键组成部分。”
You.com首席技术官兼联合创始人Bryan McCann：“没有其他矢量数据库能与Pinecone的可扩展性和生产就绪性相匹敌。我们很高兴探索Pinecone serverless如何支持我们产品功能的增长。”

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。

Dataloop，一家企业级端到端AI开发平台，很高兴宣布被选入微软创业公司飞马计划。{ width=60% }

---

通过飞马计划的加速联合市场努力，Dataloop将在微软的Azure Marketplace上可用，并直接与微软的客户和渠道合作伙伴联系起来。
微软飞马计划是一个仅限邀请的加速市场推广计划，专为满足关键市场需求的初创公司设计。对于Dataloop来说，这意味着有机会推进他们的使命：使企业能够增强AI开发流程，高效管理数据复杂性，并缩短AI项目的上线时间。
致力于加速AI开发
被选入微软飞马AI计划反映了Dataloop对创新持续的承诺。Dataloop AI开发平台通过易于使用的低代码界面强大地解决了编排多模型GenAI数据管道的挑战，加速了AI开发周期。此外，AI团队可以使用Dataloop管理和可视化其非结构化数据集，管理其模型，并定制管道。设计旨在加速开发时间表，该平台有助于确保AI项目从概念快速而顺利地进展到上线生产阶段。
“Dataloop从微软获得的这一认可突出了我们在不仅简化而且推动AI开发方面的工作的重要性。该计划为Dataloop提供了访问各种微软技术资源的机会，包括Azure Cloud、专家云架构师以及专家指导。这些资源将帮助我们进一步完善我们的平台，推动我们对未来AI开发更具可访问性、可扩展性和高效性的愿景。” Dataloop的CEO和联合创始人Avi Yashar表示。
展望未来：AI开发的未来
通过入选飞马AI计划，Dataloop继续致力于赋予开发人员、数据科学家和企业一个能够改变AI开发的平台。我们旨在消除AI创新的障碍，使用户完全利用他们的AI项目。
Dataloop的联合创始人兼首席商务官Nir Buschi补充道：”在微软的支持和飞马AI计划提供的资源下，这将成为我们营销战略的重要组成部分。微软团队合作愉快，我们期待向企业客户提供联合技术解决方案。”
Dataloop已经可以在微软Azure Marketplace上使用，这让微软的客户可以轻松访问Dataloop的平台。

---

---

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。

Scale AI，作为人工智能数据铸造厂，今日宣布完成10亿美元融资交易，使公司估值达近140亿美元。{ width=60% }

---

现有投资者Accel领投，同时有Y Combinator、Nat Friedman、Index Ventures、Founders Fund、Coatue、Thrive Capital、Spark Capital、NVIDIA、Tiger Global Management、Greenoaks和Wellington Management跟投。新投资者包括Cisco Investments、DFJ Growth、Intel Capital、ServiceNow Ventures、AMD Ventures、WCM、亚马逊、Elad Gil和Meta。

Scale的使命是建立AI的数据铸造厂。通过今天的融资，公司正在迈向这一旅程的下一个阶段——加速创造大量的前沿数据，铺平通往人工通用智能的道路。Scale在解决OpenAI、Meta和Microsoft等公司的数据挑战方面具有深厚的业绩记录。这笔新资金还将使Scale能够建立在与企业客户、美国国防部以及白宫宣布的DEFCON 31红队活动上的模型评估工作基础上，深化其针对公共和私人评估的能力和产品。

随着AI模型的演进，前沿数据的质量、数量和复杂性——驱动和确保性能所需的数据——呈指数增长。作为AI的数据铸造厂，Scale为端到端AI生命周期背后的数据提供动力，确保模型构建者和企业拥有部署AI所需的数据。

“数据的丰富并非默认选择；这是一种选择。这需要将工程、运营和人工智能领域最优秀的头脑汇聚在一起，” Scale AI的创始人兼CEO Alexandr Wang表示。“我们的愿景是数据的丰富，我们有生产手段，可以进一步将前沿LLM扩大数个数量级。在达到GPT-10时，我们不应受数据限制。”

“从一开始，Scale就专注于释放数据对人工智能的潜力。今天我们所拥有的行业重大进展都不可能没有Scale的数据引擎中心，” Accel的合伙人Dan Levine表示。“他们的愿景是我们最初在早期与Scale合作的原因，也是我们继续相信他们的专业知识在解决行业对高质量数据日益增长需求方面至关重要的原因，因为人工智能行业不断将可能性的边界推向新境界。”

初次和二次融资使Scale估值达到138亿美元。

J.P. Morgan和Allen & Co担任了与Scale AI相关的本次交易的下达代理。

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。

中国正在努力弥合AI世界的割裂。
5月16日，中国和俄罗斯就AI的发展、安全与治理发表了联合声明。

---

这是中国继本月与法国、美国开展在AI领域的高端交流后的第三个政府间对话。
除国家层面的合纵连横之外，近期中国也明确了对AI企业合作的开放态度。特斯拉、苹果等AI大厂正在积极推进在中国的战略合作布局。
据路透社报道，本周五，多名知情人士透露特斯拉计划在中国建立数据中心，并进行数据处理，以训练AI最大的应用场景——FSD全自动驾驶算法。
值得注意的是，同天临港区政府发布了《中国（上海）自由贸易试验区临港新片区智能网联汽车领域数据跨境场景化一般数据清单（试行）》(以下简称“数据清单”)。对全球协同生产研发等领域所需的跨境数据传输，明确了相关管理规范要求。
这或许意味着，中国与国际各AI大厂的合作即将进入下一阶段。
与中国正致力于弥合AI领域的裂痕相比，一些其他国家却继续在AI领域奉行“小院高墙”策略，试图加剧AI领域的大国竞争。5月7日，拜登政府计划对ChatGPT等先进大模型设置出口管制，通过相关法案来防止外国竞争对手使用美国的AI技术。
通过收紧AI领域的技术流动出口，美国正对全球收起吊桥。

AI大厂落地中国，或进入Next Level
在路透社释放出“特斯拉计划在中国建立数据中心”信息前，特斯拉创始人CEO曾多次对特斯拉的AI公司身份进行重新定义。马斯克曾多次表示“我们应该被视为一家AI公司”，自动驾驶技术和AI对特斯拉的未来至关重要。
在马斯克的考量中，与中国的战略合作至关重要。马斯克表示特斯拉将在“任何能获得监管部门批准的市场”发布FSD服务并“包括中国。”
毕竟，中国有170万特斯拉用户，这些数据将有助于特斯拉改进AI算法，并进一步加强其电动汽车在中国市场的布局。
在中国运行FSD等跨境AI技术，一个关键点就是跨境数据传输安全问题。这让特斯拉FSD在国内的落地迟迟未定，也是其他一些AI大厂落地“中国计划”必须要翻越的一个山丘。
针对这一问题，此前特斯拉的做法是：致力于获得批准，将其在中国用户数据转移到国外。但这一情况，可能发生关键变化。
据路透社周五报道，马斯克正在调转策略——特斯拉计划将数据中心建立在中国境内，并在国内进行数据处理，以训练FSD算法。同时，特斯拉正与英伟达讨论为国内数据中心购买GPU的问题。
同天，随着官方数据传输场景化清单的出炉，似乎也为特斯拉等AI大厂的“中国计划”所涉及的，关键数据传输问题制定了更为明确的规则。
本周五，临港新片区管理委员会发布的数据清单旨在促进数据跨境安全有序流动，发挥临港新片区先行先试作用，主要包括跨境场景、数据类别、典型示例和说明、传输要求等内容。该数据清单针对跨国生产制造、全球研发测试、全球售后服务等场景明确了传输要求。
该清单中的数据不应通过车辆直接向境外传输，不应包含人脸、车牌等个人信息，所涉及的车辆 VIN 号（车辆识别代号）跨境传输至数据接收方后应无法直接或间接识别到个人。数据处理者应按照《中国（上海）自由贸 易试验区临港新片区数据跨境流动一般数据清单操作指南（试 行）》的管理要求开展数据跨境流动。清单自发布之日起立即生效。
这一规定，或给特斯拉FSD吃了一颗定心丸，也给那些希望加强与中国合作的AI大厂打了样。
意义更为深远的是：这彰显了，中国对于AI领域企业合作的开放态度。
在跨境数据传输的规则被进一步明确后，AI大厂在中国的落地方法论将更为清晰，这预示着中国与国际各AI大厂的合作或许会进入下一阶段。

AI全球化的推力和阻力
在加大对国际AI厂商的开放度之外，中国正通过深化政府间合作，加速AI时代的全球化步伐。
本周四，普京访华之际，中俄发布深化新时代全面战略协作伙伴关系的联合声明，将AI领域的合作提上日程。
声明表示，双方高度重视人工智能问题，愿就人工智能的发展、安全和治理加强交流与合作。俄方欢迎中方提出《全球人工智能治理倡议》，中方欢迎俄方在人工智能领域提出治理准则。同时反对利用技术垄断、单边强制措施恶意阻挠他国人工智能发展、阻断全球人工智能供应链。
5月7日，中国与法国在4月7日《中法联合声明》达成共识的基础上，共同发布了最新的《关于人工智能和全球治理的联合声明》。
声明指出两国致力于促进“安全、可靠和可信”的人工智能系统，坚持“智能向善”宗旨。呼吁团结，增强人工智能国际治理的互操作性。并关注了尚未处于数字化的“全球南方”人工智能发展赤字风险，希望依托联合国框架，弥合数字鸿沟。
知名经济学者盘和林认为该声明并未涉及技术内容，谈影响国际竞争为时尚早。未来如果中国和法国乃至欧盟基于人工智能的合作能够深入到具体的技术和应用层面，或将对中美AI竞争格局产生实质性的影响。
AI领域的国际开放合作愈发频繁，然而不和谐的信号也依然存在。
随着中国在AI领域的崛起，美国的AI焦虑日益加剧，同时企图通过技术封锁来抑制对手发展。
5月9日，美国两党议员小组公布了一项法案，该法案将使拜登政府更容易对人工智能模型实施出口管制，来防止外国竞争对手使用美国的AI技术。
美国政府担心，对手国家可能会利用这些人工智能模型来发动侵略性网络攻击，甚至制造强大的生物武器。路透社援引消息人士的话称，美国这一新的限制措施将针对中国、俄罗斯、朝鲜和伊朗。
如果获得批准，该措施将消除《国际紧急经济权力法》中规定的开源模型出口监管障碍，并赋予美国商务部监管权力。
中国驻美大使馆对此回应称，此举为“典型的经济胁迫和单边霸凌行为，中国坚决反对”。
那么，该法案生效后会对国内的AI产业产生什么影响呢？
对此，上海人工智能技术协会首席顾问尹智对虎嗅表示：该法案对国内产业的影响更多是象征性的，没有太多实质意义。
部分原因在于：大模型的出口监管很难实施。
在开源模型领域，中国的人工智能模型在某种程度上确实依赖美国开发的开源模型。很多国内公司在LLaMA等开源模型基础上，通过私有数据训练进一步精调出自己的行业模型。
有大模型技术专家告诉虎嗅：“LLaMA，GPT都是基础大模型，基于Transformer架构训练，使用了不同的方法，有encode-decode结构的，也有像GPT类decode only的。所以从零开始的话，就是要基于像Transformer这样的架构重新开发，并自己训练，各大厂商自研大模型都是如此的。还有一类就是基于现有的基础大模型，有Continue Pretrain，finetune等方法，进行再训练或者微调，基于LLaMA这样的开源架构，有很多团队在上面做工作。”
也就是说，基于LLaMA训练大模型，是国内大模型创业的主流形态。
但是，现阶段对LLaMA这样的开源模型进行出口限制几乎是伪命题。
这是因为：目前LlaMA 3模型完全开源，意味着任何用户都可以通过Hugging Face等开源社区获取和使用，因此很难找到有效措施来针对性地禁止某个国家或地区使用开源模型。另外，经过再训练和微调的“改头换面”后，也难以分辨出该模型是否是基于开源模型架构开发的。
基于开放、共建理念的开源精神，起源于美国20 世纪八十年代初的自由软件运动，而美国在AI领域逐渐竖起的壁垒，让其与这一精神背道而驰，在全球化浪潮中失去平衡。
“毕竟世界是开放的，固步自封常常会南辕北辙。”北京邮电大学人机交互与认知工程实验室主任刘伟对媒体表示。
Meta的AI教父Yann LeCun在《连线》专访时提到：“AI不是武器。无论我们是否把技术开源，中国都不会落后。他们会掌控自己的人工智能，开发自己的本土技术堆栈。”
```

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。

文章来源：AI前线
整理 | 华卫

“我们正处于一个转折点，PC 将加速人工智能创新。只有当云和设备协同工作时，才能实现最丰富的 AI 体验。

---

”
现在，微软似乎正迫切希望将生成式 AI 带到 Windows 以及 PC 运行端的最前沿。 5 月 20 日， 微软宣布推出专为 AI 设计的新型 Windows PC，称为 Copilot+ PC。全程介绍共13分钟，根据微软的说法，Copilot+ PC 拥有强大的新芯片，硬件 AI 算力达 40+ TOPS、具有全天电池续航时间并能“访问最先进的 AI 模型”，能够完成任何其他 PC 无法完成的事情，如快速访问任何文件及网页、实时生成和优化图像、实时翻译字幕等一系列生成式 AI 驱动的功能。
“Copilot+ PC 是有史以来最快、最智能的 Windows PC。”微软声称，搭载 Copilot+ PC 的 Surface Pro，在持续的多线程性能方面比苹果 M3 的 15 英寸 MacBook Air 高出 58%，同时还提供更长的全天电池续航时间，本地视频播放的电池电量比 MacBook Air 高出 20%，一次充电可提供长达 22 小时的本地视频播放或 15 小时的网页浏览。

现在微软已对外开启 Copilot+ PC 的预订，起价为 999 美元（折合人民币约为 7229 元），6 月 18 日开始供货。据悉，首批 Copilot+ PC 将配备高通的 Snapdragon X Elite 和 Plus 芯片，并采用定制的高通 Oryon™ CPU，英特尔和 AMD 的版本会随后跟上。

提供大量快速、实时的 AI 功能
网友：做搜索像用大炮打蚊子？

Copilot+ PC 利用强大的处理器和多个最先进的 AI 模型（包括微软的几个世界级 SLM）来解锁新的功能，引入了可以直接在设备上本地运行的体验，以消除以前对延迟、成本…

为了发挥作用，Recall 会记录用户在 PC 上执行的所有操作，包括应用程序中的活动、实时会议中的通信以及访问用于研究的网站。据介绍，Recall 使用 Copilot+ PC 高级处理功能，每隔几秒钟拍摄一次活动屏幕的图像，这些快照会被加密并保存在 PC 的硬盘上。用户可以使用 Recall 访问特定时间段的快照，为他们正在搜索的事件或时刻提供上下文。
尽管进行了加密和本地存储，但新功能依然涉及到某些 Windows 用户的隐私问题。对此，微软声称，与 Recall 相关的所有用户数据都是保密的，并且都在设备上，不会用于训练 AI 模型。“用户可以删除单个快照、调整和删除时间范围，或者直接从“系统托盘”暂停该任务，还可以过滤应用程序和网站，使其免于保存。”
而对于该功能，有网友评价道， “这似乎就像用大象枪射击蚊子，微软是否根本无法弄清楚如何进行良好的 Windows 搜索，所以找 AI 来为他们做这件事。”

快速定位到任何文件及网页
首先是为 PC 用户提供“拥有照相记忆”式体验的 Recall，该功能可以“记住”用户几周甚至几个月前在电脑上访问或操作过的所有内容和应用程序，将允许 Windows 11 用户使用记住的任何提示，都可快速直观地检索到要查找的内容。微软表示，Recall 可以在颜色、图像等之间建立关联，让用户在 PC 上以自然语言搜索几乎任何内容。
…

---

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。