FX168财经网_全球视野外汇黄金加密货币NFT资讯网

中国突发！公安局“调查”一名商汤科技前执行董事公司重磅声明：对非法腐败活动零容忍

68财经报社(香港)讯顶级人工智能(AI)公司商汤科技表示，中国公安局正在调查一名前员工。官媒透露，嫌疑人是一名前知识产权执行董事，因财务问题而接受调查。公司声明强调，对腐败和任何形式的非法活动采取零容忍政策。今年2月，美国禁止美国人投资该公司，指控其技术助长侵权。商汤科技成立于2014年，开发的AI技术应用于自动驾驶、增强现实和医学成像等多个领域。它是中国领先的人工智能面部识别技术提供商。该公司在周日(10月1日)发给《华盛顿邮报》(Washington Post)的声明中表示：“商汤科技知识产权部门的一名前员工因涉嫌商业相关案件，目前正在接受公安局调查。” 这家总部位于香港的公司补充说，它始终致力于道德行为，并对腐败和任何形式的非法活动采取零容忍政策，但没有详细说明。中国《上海证券报》报道，嫌疑人被描述为一名前知识产权执行董事，因财务问题而接受调查。 (来源:SCMP) 商汤科技曾被认为是中国前景光明的AI四小龙之一，但自2021年12月在香港备受期待的首次公开募股(IPO)以来，其业务一直陷入困境。尽管商汤科技的股价在上市时飙升23%，但在该公司因开发和员工成本过高等问题而公布一系列净亏损后，截至上周五，其股价已较峰值下跌了近75%。今年2月，华盛顿禁止美国人投资该公司，指控该公司的技术助长了中国侵权行为，之后该公司被迫重新启动IPO，修改了招股说明书，并将美国投资者排除在外。商汤科技对这些说法提出异议，并表示严格遵守相关国家和地区的法律。此前，美国商务部于2019年对该公司实施了贸易限制，原因是该公司涉嫌在新疆发挥作用，禁止其在没有许可证的情况下与美国公司开展业务。在最新的财务报告中，该公司公布2023年前6个月的净亏损为31亿元人民币，约合4.32亿美元。该公司的一大亮点是，它于8月被选为首批获得政府批准向公众开放类似AI聊天机器人ChatGPT的生成式AI模型服务的科技公司之一。除了控制AI服务的提供外，中国还制定了知识产权规则。中国国家市场监督管理总局副局长4月对中国媒体表示，2022年政府将出台多项知识产权法规，以优化知识产权保护法律体系。他指出，2022年市场监管机构共查处商标、知识产权侵权案件约4.4万起，涉案金额16.2亿元。该副局长补充称，执法和司法部门对侵犯知识产权和销售假冒伪劣商品的案件进行27000宗起诉。

圈内人2023-10-02

从可验证 AI 到可组合 AI——对ZKML应用场景的反思

Modulus Labs是一家“链上”AI公司，其认为AI可以显着提升智能合约的能力，使web3应用变得更加强大。但AI评价web3时存在一个矛盾，即AI的运行需要大量算力，而链下计算中的AI是一个黑盒子，这并不符合web3去信任、可验证的基本要求。因此，Modulus Labs 峰会 zk rollup【链下修复+链上验证】的方案，提出了可验证 AI 的架构，具体为：ML 模型在链下运行，另外在链下为 ML 的计算过程生成一个 zkp ，通过该 zkp 可以验证链下模型的架构、权限重和输入（inputs），当然这个 zkp 也可以发布到链上由智能合约进行验证。此时 AI 和链上合约就可以进行更多去信任的交互，大概实现了“链上AI”。基于可验证的 AI 思路，Modulus Labs 目前推出了三个“链上 AI”应用，同时也提出了许多可能的应用场景。 1.2 应用案例第一个推出的是Rocky bot，一个自动交易AI。Rocky由wEth/USDC交易对的历史数据训练而来。其根据历史数据判断未来weth走势，做出交易决策后会为决策过程（计算过程）生成一个 zkp ，转发 L1 发送消息触发交易。第二个是链上国际象棋游戏“Leela vs the World”，游戏双方是AI和人，棋局情况放在合约里。玩家通过钱包进行操作（与合约交互）。而AI读取新的棋局情况，完成判断，并为整个计算过程生成 zkp ，这两步都是在 AWS 云上，而 zkp 交由链上的合约验证，验证成功后调用棋局合约“下棋”。第三个是“链上”AI艺术家，并推出了NFT系列zkMon，核心在于AI生成NFT并发布至链上，同时生成一个zkp，用户通过zkp查验自己的NFT是否生成对应的AI模型。此外，Modulus Labs 还提及了其他一些例子：利用AI评估个人链上数据等信息，生成个人积分奖励，并发布zkp供用户验证；利用AI优化AMM的表现，并发布zkp供用户验证；利用可验证的AI帮助隐私项目应对监管压力，但同时不暴露隐私（可能是利用ML证明此交易并非洗黑钱，同时不暴露用户地址等信息）； AI天气预报，同时发布zkp提供所有者查验链下数据可靠性； AI模型比赛，比赛者提交自己的架构和权重，然后用统一的测试输入跑模型，为装甲生成zkp，最终契约会自动将奖金发放给模拟者； Worldcoin称在未来，或许可以让用户在本地设备下载完为虹膜生成对应代码的模型，本地运行模型并生成zkp，这样链上合约可以用zkp验证用户的虹膜代码生成自正确的模型以及合理的虹膜，同时让生物信息不离开用户自己的设备； 1.3 基于对可验证AI的需求讨论不同应用场景 1.3.1 可能需要验证AI的场景在Rocky bot的场景下，用户可能没有验证ML计算过程的需求。第一，用户并没有专业知识，根本没有能力做真正的验证。即使有验证工具，在用户看来都是【自己按了一个】按钮，界面弹窗是告诉自己这次的AI服务确实是由某个模型生成的】，无法确定真实性。第二，用户没有需求进行验证，因为用户在乎这个ai的意义是否高。当既然不高时用户就会迁移，且永远会选择效果最好的模型。总之，当用户追求的是 AI 的最终效果时，验证过程可能意义不大，因为用户只需要迁移至效果最好的模型服务即可。 **一种可能的方案是：AI只作为建议者，用户自主执行交易。**当人们把自己的交易目标输入AI后，AI在链下计算并返回一个更好的交易路径/交易方向，用户选择是否进行执行。人们也不需要验证背后的模型，只需选择收益最高的产品。另一种危险但极有可能出现的情况是，人们根本不在乎自己对资产的控制权以及AI腐蚀过程，当一个自动挣钱的机器人出现时，人们甚至愿意把钱直接托管给它，正如将代币打入CEX或传统银行进行理财一般。人们并不会在乎背后的原理，只能在乎他们最后得到多少钱，甚至只能在乎项目方给其显示挣了多少钱，因为这种服务可能也能够快速获取大量用户，甚至比使用可验证AI的项目方产品迭代速度更快。退一步看，如果AI根本不参与链上状态修改，那么如果将链上数据拉下来为用户进行消耗，则也没有为计算过程生成ZKP的需求。这里将此类应用变成【数据服务】】，下面是几个案例： Mest提供的聊天框是典型的数据服务，用户可以用问答的方式了解自己的链上数据，比如询问自己在nft上花了多少钱； ChainGPT是一个多功能的AI助手，它可以在交易前为你解读智能合约，告诉你是否与正确的池子进行交易，或者告诉你交易是否可能被夹或抢跑。ChainGPT也准备做AI新闻推荐，输入提示自动生成图片并发布成NFT等各种服务； RSS3 提供了选择 AIOP ，使用户可以自己想要什么上链数据，并做一定的上链数据，从而方便地选择特定的上链数据训练 AI； DefiLlama 和 RSS3 也开发了 ChatGPT 插件，用户可以通过对话获取链上数据； 1.3.2 需要验证AI的场景本文认为涉及多个，涉及公平和隐私的场景，需要 ZKP 提供验证，在此针对 Modulus Labs 提及的几个应用进行讨论：当社区基于AI生成的个人奖励发放奖励时，社区成员必然会要求对决策过程进行审查，这个决策过程就是ML的计算过程； AI优化AMM的涉及到多个之间的利益分配，也需要定期查验AI的计算过程；在平衡隐私和监管时，ZK是目前比较好的方案之一，若服务方在服务中使用ML处理隐私数据，则需要为整个计算过程生成ZKP；由于预测机影响范围较广，若由AI进行调节，就需要定期生成ZKP来查验AI是否正常运行；在比赛中，公众和其他参赛者有需求查验ML的损坏是否符合比赛规范；在世界币的潜在案例中，保护个人生物数据同样是一个抑制需求；总体来说，当人工智能类似一个决策者时，其输出影响范围极广且涉及到多方的公平时，而人们会要求对决策过程进行审查，或者只是简单地保证人工智能的决策过程没有大的问题，而保护个人隐私就是非常直接的需求了。因此，【AI输出是否链上状态】和【修改是否需要影响公平/隐私】，是判断AI方案是否可验证的两个标准当AI输出不修改链上状态时，AI服务可以充当建议者的身份，可以通过建议效果判断AI服务质量好坏，无需对计算过程进行验证；当AI输出修改链上状态时，若该服务仅针对个人且不对隐私有影响，则用户仍可以直接判断AI服务质量检验计算过程；当AI的输出会直接影响多人间的公平性，并且AI是自动修改链上数据时，社区和公众就对AI决策过程进行检验的需求；当ML处理的数据涉及个人隐私时，同样需要zk来保护隐私，并提出应对监管要求。 2. 两种基于公链的AI生态模式无论如何，Modulus Labs 的方案对 AI 结合加密货币并带来实际应用价值具有很大的启示意义。但公链体系不仅能够提升单个 AI 服务的能力，而且有潜力构建新的 AI 应用生态。新生态带来了引人注目的Web2的AI服务间关系，AI服务与用户的协作方式，必然是上下游各个环节的协作方式，我们可以把潜在的AI生态模式归纳为纵向模式和横向模式两种。 2.1 纵向模式：注意力实现AI之间的可组合性 “Leela vs the World”链上国际象棋这个例子有一个特殊的地方，人们可以为人类或者AI下注，结束比赛后自动分配代币。此时zkp的意义不仅仅提供用户验证AI计算的过程，而且是作为触发链上状态转换的信任。有了信任保障，AI服务之间，AI和加密货币dapp之间也可能拥有dapp级别的可组合性。可组合 AI 的基本单元是【链下 ML 模型-zkp 生成-链上验证合约-主合约】，该单元在“Leela vs the World”的框架中充实，但实际的单个 AI dapp 的架构可能和上图展示的不一样。一是国际象棋中棋局情况需要一个合约，但现实情况下AI可能不需要一个链上合约。但就可组合AI的架构来看，如果主要业务是通过合约进行记录，其他二是主合约影响不一定需要AI dapp本身的ML模型，因为某个AI dapp可能是单向影响的，ML模型处理完成后触发自身业务相关的合约即可，而该合约又会被其他dapp进行调用。延展来看，合约之间的调用是不同web3应用之间的调用，是个人身份、资产、金融服务、社交信息的调用，我们可以设想一种具体的AI应用的组合： Worldcoin 使用 ML 为个人虹膜数据生成虹膜代码以及 zkp; AI应用先此DID是否为真人（背后有虹膜数据），根据链上信誉为用户分配NFT；网络服务根据用户拥有的 NFT 调整网络共享； ...... 在公链框架下的AI间互动并不是一件一起讨论的事情，全链游戏领域生态贡献者Loaf曾提出，AI NPC之间可以和玩家一样交互交易，使得整个经济系统可以自我优化并自动AI Arena开发了一个AI自动对战的游戏，用户首先购买一个NFT，一个NFT代表一个战斗机器人，背后是一个AI模型。用户先自己玩游戏，然后把数据交换AI模拟学习，当用户觉得这个AI足够强的时候就可以放到竞技场中和其他AI自动对战。Modulus Labs提到的AI Arena希望把这些AI都转化为可验证的AI。这两个案例中都看到了AI间进行，并直接交互在交易时修改链上数据的可能性。但如何组合 AI 在具体实现上终止大量待讨论的问题，例如不同的 dapp 利用普遍的 zkp 或者验证合约等。不过在 zk 领域也有大量优秀项目，比如 RISC Zero 在链下进行复杂的缺血性 zkp发布至链上这方面有许多进展，或许天就可以组合出合适的方案。 2.2 横向模式：实现停车场去中心化的AI服务平台在这方面，我们主要介绍一个叫SAKSHI的去中心化AI平台，它由来自普林斯顿、清华大学、伊利诺伊大学香槟分校、香港科技大学、Witness Chain和Eigen Layer的人员共同提出。其核心目标是让用户能够以更加去中心化的方式获得AI服务，使得整个流程更加去信任化和自动化。 SAKSHI的架构可以分为六层：分别是服务层（Service Layer）、控制层（Control Layer）、交易层（Transation Layer）、证明层（Proof Layer）、经济层（Economic Layer）和市场层（Marketplace））市场是最接近用户的层次，市场上有聚合器来代表不同的AI供应商向用户提供服务，通过用户聚合器下单并和聚合器就服务质量和支付价格达成协议（协议被称为SLA） -服务级别协议）。接下来的服务层会为客户端头部提供API，然后客户端头部向聚合器发起ML推理请求，请求被传送至匹配AI服务提供方的服务器（传输请求所用的路由是控制层的一部分）。，服务层和控制层类似一个拥有多个服务器的web2的服务，但不同的服务器由不同的主体运营，单个服务器通过SLA（之前的服务协议）和聚合器进行关联。 SLA以智能合约的形式部署在链上，这些合约都属于交易层（注：这里方案中部署在见证链上）。交易层会记录记账服务订单的当前状态，并用于协调用户、聚合器和服务提供方，解决支付难题。为了让交易层在处理问题时有据可依，论证层（Proof Layer）将检验服务是否符合 SLA 的约定使用模型。但 SAKSHI 并没有选择为 ML 计算过程生成 zkp ，而是用乐观论证的思路，希望建立挑战者节点网络来对服务进行检验，节点受到见证链承担。虽然 SLA 和挑战者节点网络都在 Witness Chain 上，但在 SAKSHI 的方案中，Witness Chain 并不打算用改造自己的代币励志实现独立的安全性，而是通过 Eigen Layer 来借用以太坊的安全性，因此整个经济层其实是依托于 Eigen Layer 的。可以看出，SAKSHI围绕AI服务方和用户之间，将不同的AI用去中心化的方式组织起来为用户提供服务，这形成了一个横向上的方案。SAKSHI的核心所在，它让AI服务重点更集中于管理自己的链下模型计算，通过链上协议完成用户需求和模型服务的撮合、服务的支付和服务质量的验证，并尝试自动化解决支付难题。当然，目前SAKSHI还是一个理论阶段，同样有大量执行的细节值得确定。 3.未来展望无论是可组合AI还是去中心化AI平台，公链的AI生态模式似乎都有共通之处。比如，AI服务商均不直接和用户进行对接，其只需提供ML模型并在链下进行计算支付、难题解决、用户需求和服务之间的撮合，都可以通过去中心化的协议解决。公链作为一种去信任的基础设施，减少了服务方和用户之间的难度，此时用户也拥有更高的自主权。以公链为应用基础的优势虽然老生常谈，但也适用于AI服务。而AI应用和存粹的dapp应用不同的场所，AI应用无法将全部计算放在链上，所以用zk还是乐观证明让AI服务以更多去信任的方式接入公链系统。随着账户抽象等一系列体验优化方案的落地，用户可以感知不到助记词、链和gas等的存在，这让公链生态在体验上接近web2，而用户可以获得比web2更高的服务自由度及可组合性，这让用户产生了更大的吸引力，以公链为基础的AI应用生态值得期待。来源：金色财经

金色财经2023-09-28

法国初创公司Mistral AI发布首个生成式人工智能与美国巨头竞争

法国初创公司Mistral AI公司周三宣布了其首个生成式人工智能模型，以与美国人工智能领域的领导者竞争，包括Meta平台公司和微软公司支持的OpenAI。该公司在一份声明中表示，其将发布一款“小型”语言模型，其中包含70亿个参数，将免费提供给开发者。Mistral AI首席执行官Arthur Mensch在接受采访时表示:“我们的培训方法使我们更有效率，实施成本降低了两倍。”

金融界2023-09-28

阿里未来精灵AI公司成立，注册资本1亿

天眼查显示，近日，浙江未来精灵人工智能科技有限公司成立，法定代表人、执行董事兼总经理为彭超，注册资本1亿人民币，经营范围含网络文化经营（仅限音乐）、演出经纪、物联网技术服务、人工智能公共数据平台、供应链管理服务、数字内容制作服务、软件开发等。股东信息显示，该公司由XGenie Holding Limited全资持股。据报道，近日，阿里旗下人工智能公司发布全新品牌“未来精灵”。未来精灵总裁彭超表示，天猫精灵APP将升级为未来精灵APP。

金融界2023-09-27

阿里未来精灵AI公司成立注册资本1亿

天眼查App显示，近日，浙江未来精灵人工智能科技有限公司成立，法定代表人、执行董事兼总经理为彭超，注册资本1亿人民币，经营范围含网络文化经营、演出经纪、物联网技术服务、人工智能公共数据平台、供应链管理服务、数字内容制作服务、软件开发等。股东信息显示，该公司由XGenie Holding Limited全资持股。据报道，近日，阿里旗下人工智能公司发布全新品牌“未来精灵”。未来精灵总裁彭超表示，天猫精灵APP将升级为未来精灵APP。

金融界2023-09-27

美国“严重关切”对华投资！硅谷知名风投：将分拆中国业务人民币基金在华独立管理

信息。这封信特别提到，纪源资本对中国AI公司旷视科技进行投资，这场布局始于2019年，美国众议院中国特别委员会称该公司“积极支持中国对维吾尔人进行分析和追踪的努力”。拜登8月签署一项行政命令，限制美国在中国大陆、香港和澳门的某些高科技领域的投资，包括AI、半导体和量子技术。尽管股票和债券等公共投资可能不会受到限制，但这些领域的风险投资将受到监管审查，甚至被禁止。纪源资本表示：“公司建立独立的合作伙伴关系，符合投资者、员工和创始人的最佳利益，分拆将于明年第一季末完成。” 据报道，纪源资本并不是第一家在地缘紧张局势加剧的情况下剥离中国业务的硅谷风投巨头。另一家通过投资中国公司发家致富的美国知名风投公司红杉资本在6月宣布，将分拆其中国业务。硅谷风险投资公司对中国投资面临越来越严格的审查，无意中为中国和华裔美国初创企业在美国的融资设置了障碍。

颜辞 1评论2023-09-22

昆仑万维涨超15%，人工智能AIETF(515070)盘中强势拉升！

IGC和大模型领域，已经成为国内领先的AI公司。据了解，9月20日，昆仑万维控股芯片公司艾捷科芯，完成了AGI与AIGC的全产业链布局，助力AI产品落地加速。昆仑万维有望实现国产芯片的技术突破，打造更先进的人工智能芯片。万联证券认为，要把握AI产业变革和数字中国建设双主线机遇，建议关注AI算力、AI应用、数据要素三大领域。AI算力方面，建议关注AI服务器、A芯片领域相关公司；AI应用方面，办公、教育、金融是落地进度相对较快的场景；数据要素方面，建议关注地方数据运营的参与厂商，以及各垂直场景的IT龙头。人工智能AIETF（515070）反映人工智能主题公司的整体表现，成分股覆盖人工智能上下游产业，助力投资者一键布局中国人工智能AI产业。目前人工智能AIETF（515070）自6月高点已回落超25%，近期资金回流，有望迎来新一轮反攻行情。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-09-22

量子位「MEET 2024智能未来大会」要来了！还有份年度评选等你参与

有连云2023-09-21

方舟投资CEO木头姐：未参与ARM IPO 估值过高

受媒体采访时表示：“最近围绕人工智能（AI）公司的狂热也是有道理的。考虑到其未来的潜在巨大机会，这股AI创新被低估了。但就ARM而言，我认为人们有一点过于强调其人工智能了，而对竞争动态的关注可能不够。” 伍德还称：“因此，我们并没有参与这次IPO。我们把ARM与我们投资组合中的其他公司进行了比较。从估值的角度看，ARM的表现偏高。相比之下，在我们的投资组合中有许多估值较低的公司，但它们对人工智能的敞口要比ARM大得多。” 对此，ARM拒绝发表评论。今年8月，ARM正式提交上市申请，股票代码为“ARM”。本月早些时候，ARM将IPO发行价区间定在每股47美元至51美元之间。上周四，ARM最终将发行价定在51美元的上限，为公司估值近600亿美元。之前，伍德旗下旗舰基金“方舟创新ETF”在美联储最近一轮激进的加息周期中遭受重创。但今年，方舟创新ETF再度活跃起来，因为投资者疯狂涌入人工智能股。伍德对此表示，人们对利率见顶的预期将进一步推动这一趋势。她解释说：“人们对创新的胃口正在激起。其中的一个原因是，许多投资者和分析师开始关注过去一年打破纪录的加息举措。” 随着主要经济体的通货膨胀率都在下降，预计各国央行将在明年开始放松其激进的货币政策，伍德认为，未来一段时间对于创新和全球大趋势战略将是一个非常好的环境。今日，方舟投资还斥资525万英磅（约合650万美元）收购了英国ETF发行商Rize ETF，标志着该公司首次进军欧洲被动投资市场。这笔交易也是方舟投资全球扩张战略的一个重要里程碑，将为其在欧洲、英国及其他地区推出尖端创新ETF产品铺平道路。伍德称，在此之前，欧洲还没有机会真正投资于该公司在美国的ETF。但随着新的和年轻的投资者继续通过数字平台的发展获得ETF，欧洲ETF市场将呈现出强劲的增长机会。

金融界2023-09-21

AI人才抢夺战：年初疯狂年末彷徨

仍然开得起高级餐厅最贵的酒。回国成立AI公司“西湖心辰”后，蓝振忠第一次感受到了算力资源的稀缺和昂贵：“公司和学校的科研经费只能买很少一部分，剩余的都得租公有云服务。”为了拉融资买算力，他每天需要和投资机构和客户开五六个电话会。回国的硅谷创业者为资源焦虑，而去硅谷的创业者也屡屡碰壁。一位知名创业者曾在公开场合被问及近期的硅谷之行收获时，坦言自己去硅谷不是为了挖人，而是为了交流技术经验。但一名与该创业者在硅谷交流过的人士告诉36氪：“别信他。因为挖人很难，大多数人过去，只能先建立个联系。” Meta一开源，猎头白干半年年初，AI技术大牛还是圈内最热的招徕对象。像ChatGPT一样参数千亿的大语言模型，仍然是个“舶来品”。对多数企业而言，想要做“中国OpenAI”，就必须大力招人搞技术。然而不久后，意外发生了。扇动翅膀的，是押注AI大模型已久的Meta（前Facebook）。2023年3月8日，被称为“最强开源模型”的大语言模型Llama遭到泄露，任何人都可以下载使用；7月，Llama的研发商Meta主动成为“搅局者”，开源了性能更强的Llama 2，几乎所有公司都能直接免费商用Llama 2。 Llama的开源，迅速降低了大模型训练的门槛。AI从业者们发现，根本没必要花这么多钱招技术人才从0训练模型。理论上，公司只要有足够多和高质数据，对Llama进行微调，就能用较低的成本训练出一个效果不错的模型。很快，不少公司的大模型如雨后春笋般冒了出来，更甚者基于Llama微调后，就冠以“自研”之名。圈内广为流传的一句戏言是：如果Llama不“惨遭开源”，国内就没那么多的“自研”。紧接着，技术领域的人才就开始“贬值”。曾经想从硅谷挖人的几家企业，把自己的需求改成了从国内找工程师，年薪控制在40万元以内。猎头Mia在KTV点了一首《老子明天不上班》：“感觉自己上半年跑硅谷，最后白干。” 上半年，由于技术尚未成熟，大模型的商业化落地并不十分顺利。开源的Llama解决了卡脖子的大模型技术，也将AI企业发展的进度条从大炼模型，快速拉到应用落地。相应的，企业们年初招徕技术人才的热情，在下半年一度转移到了产品经理。在Netflix最新发布的招聘启示中，AI产品经理的年薪开到了90万美元，超过了AI技术总监的65万美元。不过，市场供需并非衡量顶级人才的唯一标尺，Icon（标志）级别的技术大牛热度仍然不减。对企业来说，技术大牛不光是敲代码的员工，还是一个充满内涵的符号：技术人才，意味着技术的天花板，以及持续吸纳资方、客户和人才的门面。昆仑万维CHO杨姝一直觉得，人才是AI公司最优质的资产。公司不仅需要基本功扎实的研发者，也需要一个名号响亮的Icon。就像乔布斯之于智能手机，“Icon和研发者的区别在于，Icon是有市场号召力的，还能吸引更牛的人才过来”。 2020年昆仑万维即布局AIGC和AGI领域，目前相关团队整体规模近千人。但到了2023年，为了争夺人才，杨姝和HR同事每周要沟通近百位候选人。最近，昆仑万维还请来了一位“Icon”——顶级AI科学家颜水成，出任天工智能联席CEO和昆仑万维2050全球研究院院长，吸引全球的AI人才。 “杨红霞博士来之前，我感觉市面上没什么人觉得字节能做大模型这件事。”一名大厂HR点评。作为曾经阿里达摩院大模型M6的项目带头人，杨红霞在今年初转投字节跳动的AI阵营——这一消息也让不少人认为，字节有了和AI“老玩家”百度、阿里同桌竞技的可能。至于花千万元挖一个技术大牛来做AI到底值不值，上述HR回复36氪：“在实现技术革新前，确保企业形象跟上时代潮流。” 所有人都在警惕泡沫 6月后，水温渐凉。钱在上半年，已经涌向了大模型的早期玩家。据不完全统计，上半年融到钱的大模型企业大概有20多家，而6月后，数量骤减至不到1/2。一名双币基金的AI投资人终止了四五家大模型企业的投资进程。她告诉36氪，近期他们只看AI应用。可惜时至今日，AI赛道依然没有一款“杀手级”应用——市场和投资人都在观望，高开的大模型技术是否能持续高走，给予可观的回报。 “CV（计算机视觉领域）好歹也火了一两年，但大模型冷却的速度巨快。”海浪说，“今年大家只是看似拿了很多钱，其实背负了很大压力。” 与赛道一起降温的，还有企业对AI人才的热情。年初的抢人热，更多的是企业们面对新技术的兴奋和FOMO（Fear of Missing Out，害怕错过）情绪。“大家也不管招这么多人有没有用，先把气氛炒起来。”年初Mia接到的需求，大多没有指明招募人才数量的范围，“一是挖人确实难，二是企业不知道挖多少人。” 精打细算后，企业们逐渐发现，人海战术、跑马圈地的互联网打法并不适用于大模型。王慧文曾告诉36氪，他觉得搞大模型“人多了反而起负作用”，最小的建制只要30来人。今年7月，马斯克高调宣布入局大模型领域，新公司xAI只有12名成员。 △xAI的12名成员。图源：xAI官网人海战术的反例是Meta——即便拥有Llama和OPT两支明星大模型团队，但由于算力资源分配的不平衡，目前超半数Llama作者选择了离职。在资源紧俏的大模型领域，缩减人员规模既能如马斯克所说“提高人均可支配资源数量”，也能提高管理效率。王小川在媒体访谈中提到，管理过3000人的搜狗后，发现现在百川只有100、300人，非常容易把效率提上去。更何况，大模型的研究是亟需才能和悟性的领域，人海战术收效甚微。 “一个聪明的大脑胜过万马千军。”智子引擎CEO高一钊告诉36氪，他们团队自研的多模态元乘象ChatImg 2.0，核心算法编写只用了不到5人。当大模型人才的供需趋向平衡，企业对AI人才的急切之心，也迅速恢复平静。 “企业基本只要招一个厉害的CTO，或者个位数的技术带头人。”Mia近期接到的招人需求数量骤减。顶级人才的流动，在上半年的“热战”中基本已成定局，而模型团队中剩余的工程师，Mia发现只要用三四十万的年薪，并不难从国内外大厂或者高校计算机专业中挖到。企业们对AI人才扩张的谨慎，更源于在视觉识别（简称CV）领域发生的那场人才扩张泡沫。 2018年，CV的风口吹起了AI四小龙。当时，估值飙升至60亿美元的高汤，一年内融了20多亿美元。最后大部分融资都去了哪？答案是挖人。当时，即便是CV方向出身的应届毕业生，不少人年薪也能拿到60万元。 △商汤，图源：IC photo 但很快，不少公司发现，CV没有太高的技术壁垒。AI企业To B、To G的业务，很快就被上游的云厂商蚕食。这几年四小龙的难处有目共睹，最早上市的商汤，在2022年每赚一块钱，就要净亏2块。企业不得不让科学家背上营收指标。2020年以来，海浪能明显感到风向的变化，高校出身的教授变得不那么受欢迎，“大家更需要带过团队、做过产品的人”。一家想要智能化转型的物流企业说得更直接：“我们的钱是一个盒子一个盒子搬出来的，不是发论文发出来的。” 迫于营收压力，不少去大厂研究院的大牛，又回到了高校。海浪发现，此前帮大厂挖角的北美高校出身的华人科学家，重新开始以教授的身份发论文。几乎所有企业都不希望人才泡沫再次产生。 Llama发布前，由于大模型是个高壁垒的新技术，企业给人才定的绩效并不具体，比如“年末前超越GPT-3.5，未来1-2年超越GPT-4”。但Llama把进度条快速拉到做应用的阶段，人才们的绩效，迅速指向了商业化。赚钱成了首要指标。Mia下半年接到来自企业的不少需求，从挖人，变成了帮人才做项目管理。一名硅谷出身的研究员对Mia诉苦：“（企业）不是说好给足空间做研究吗？怎么又要背营收？”Mia脑子转得飞快：“企业方觉得您有能力。” 2023年末，是不少企业和投资人检验人才价值的关键点。 “投资人和创始人都需要先看看，到年底花钱找来的人，能跑出什么东西，再决定是否继续入场。”海浪说。从给title的爽快程度，他能感受到今年企业的谨慎：2018年，帮技术大牛谈个T10、P10以上的岗位并不难。但今年，P9的职级都需要垫脚伸手够一够。早上六七点起，游一小时的泳，紧接着去实验室工作到晚上9点，然后回去陪家人——这是在卡内基梅隆大学读博时蓝振忠的一天，“从不加班熬夜，也不把工作带回家”。但在这轮热潮中，蓝振忠破了戒。这位技术老手、创业新手最近主动约见了不少投资人，从头学习管理和战略：“在终场来临前，努力让自己不被市场淘汰。” （应采访者要求，文中海浪、Mia、Joshua为化名）来源：金色财经

金色财经2023-09-16

24小时热点