FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

谷歌CEO的AI雄心显露最新云大会上谷歌做了哪些更新？
go
型，包括Meta公司的Llama 2、Anthropic公司的Claude 2等。值得一提的是，英伟达CEO黄仁勋现身此次谷歌云Next大会。英伟达宣布，将把其超级计算机DGX Cloud接入谷歌云平台。也就意味着，谷歌云的用户也将能够更好地获得由H100 GPU等高性能芯片提供的计算能力。这一宣布表明了谷歌云与英伟达扩大合作伙伴关系。新产品会上，谷歌还宣布了多款与人工智能相关的产品的更新。谷歌发布了一款全新的AI芯片Cloud TPU v5e，专为大模型训练推理所设计。与Cloud TPU v4相比，Cloud TPU v5e每美元的训练性能提升2倍、推理性能提升2.5倍。谷歌还在一篇博客文章中补充道，“Cloud TPU v5e的成本不到Cloud TPU v4的一半，它使更多的组织能够训练和部署更大、更复杂的人工智能模型。” 此外，谷歌还推出了配备英伟达H100 GPU的A3虚拟机，将于下个月全面上市。最深刻的转变谷歌在过去七年中采取了“以人工智能优先”的策略，而这一策略将在未来十年继续下去。皮查伊称，“在过去几年我与商界领袖的对话中，我听到了一个类似的主题：他们希望合作伙伴处于技术突破的前沿——从桌面到移动，到云，再到现在的人工智能。这些变化真的很令人兴奋，它们也会带来不确定性。” “向人工智能的转变绝对是如此，这将是我们一生中看到的最深刻的变化之一。它将触及每个部门、每个行业、每个业务功能，并显著改变我们的生活和工作方式。” 不过皮查伊也提醒道，“尽管人工智能的机遇令人兴奋，但我们都需要清醒地认识到潜在的挑战。” 他强调，谷歌云致力于负责任地开发和部署技术，以隐私、安全和安全为目标，并以长期以来的人工智能原则为指导。 “我们将继续大胆和负责地使用我们的人工智能方法，并使这些强大的工具易于使用，以便每个人都能受益。”
金融界2023-08-31
谷歌大会发布新版本人工智能机器人及芯片，与微软展开激烈竞争
 go
工智能模型LLaMa 2，以及初创公司Anthropic的Claude 2。谷歌宣布了自己的人工智能基础设施的新版本，提高了性能并增加了功能。新版本的文本模型PaLM增加了用户可以输入的文本数量，使其更容易处理较长的文件，如法律摘要和书籍。谷歌开发了一种工具，可以为人工智能生成的图像添加水印。这项被称为SynthID的技术以一种人眼看不见的方式改变数字图像文件，在图像被改变或篡改后保持完整。谷歌还在其办公软件和安全工具套件中推出了人工智能更新。谷歌公司推出了一款人工智能驱动的工具，可以将数据库从甲骨文(Oracle)移植到开源版本，这是一项众所周知的艰巨任务。在正式发布第五代张量处理单元芯片(TPU)之前，谷歌已经开放了针对基因人工智能和大型语言模型进行优化的芯片版本。这款名为TPU v5e的新芯片旨在训练大型模型，但也能有效地为这些模型提供内容。谷歌将TPU v5e芯片拼接成256个批次，并称之为“超级计算机”。云客户可以将多个pod连接在一起，从而解决更复杂的计算问题。
Sue2023-08-29
定制化AI新篇章：OpenAI发布GPT-3.5 Turbo微调功能或将超越GPT-4
go
与竞争对手，如Google的Bard或Anthropic的Claude等，保持竞争力。在一则Twitter宣布中，OpenAI表示：“我们刚刚发布了针对GPT-3.5 Turbo的微调功能。通过微调，您可以使用自己的数据来训练模型，并在大规模场景中应用。” OpenAI进一步解释道：“初步测试显示，经过微调的GPT-3.5 Turbo在特定任务上的表现甚至可以媲美或超越GPT-4。”OpenAI指出，通过微调，开发人员能够直接塑造GPT-3.5 Turbo的技能，以满足他们的具体需求。例如，开发人员可以微调GPT-3.5 Turbo，使其能够生成定制代码，或者在提供了整个客户企业的现有数据语料库后，以高度准确的德语生成法律文件的总结。对于那些致力于构建定制用户体验的企业和开发人员而言，这一功能尤为有价值。企业可以通过微调模型，确保聊天机器人与其品牌声音保持一致，以确保其个性和语气相得益彰。微调的潜力也在Stable Diffusion开发者社区中得到了体现，经过微调的SD v1.5模型在质量上已经超越了基本模型v2.1，变得更加强大，甚至与最近发布的顶级模型SDXL媲美。 OpenAI还指出，微调的优势还包括提高了模型的可操作性、保持了一致的输出格式，减小了提示的大小，从而提高了API的响应速度并降低了成本。举例来说，减小了高达90％的提示大小，加速了工作流程，同时也降低了使用成本。然而，这些强大的功能并非免费。虽然基本的GPT-3.5 Turbo模型价格相对较低（每1000个代币0.0004美元，代表着大型语言模型处理信息的基本单位）。但经过微调的版本则需要更高的费用，每1000个输入代币0.012美元，每1000个输出代币0.016美元。此外，初始训练过程的费用也会根据数据的大小而变化。尽管如此，考虑到实现定制功能所带来的价值，这些费用或许是合理的。这一次升级是继7月份为ChatGPT Plus用户引入“自定义指令”功能之后的又一重要举措。用户现在能够根据自己的选择指定编程语言，以确保ChatGPT始终提供Python解决方案。此外，OpenAI还推荐了其他个性化选项，如位置、爱好、目标和首选语气等。自定义指令使用户能够将ChatGPT打造成适合其独特需求的个性化数字助理。每次对话都将遵循这些个性化准则，消除了由于偏好重复造成的困扰。可以说，这次升级不仅仅是一个全新的车型，更是一种以不同“思维方式”来提升的创新。为了确保微调功能的负责任使用，OpenAI采取了相应的措施。他们解释道：“为了保持经过微调的模型的安全特性，微调训练数据将经过我们的审核API以及GPT-4支持的审核系统。”这一系统旨在识别和清除不安全的训练数据，以确保即使是定制的输出也符合OpenAI的安全标准。然而，这也暗示着OpenAI在一定程度上对用户输入模型的数据进行了控制。尽管如此，这一举措有助于确保生成的内容是安全和合适的。总之，OpenAI通过推出微调和自定义指令等功能，为用户提供了更多的控制权和定制化选择。然而，目前这些功能主要针对付费客户，随着生成式人工智能领域的竞争不断升级，定制化有望成为OpenAI在这场竞争中脱颖而出的关键因素。声明：本文来自潮外音创作者，内容仅代表作者观点和立场，且不构成任何投资建议，请谨慎对待，如文章/素材有侵权，请联系官方客服处理。来源：金色财经
金色财经2023-08-29
Zoom财报公布后下跌 “木头姐”：仍看好远程办公！
go
术的进步。该公司投资了人工智能初创公司Anthropic，并宣布将收购工作场所通讯工具Workvivo。第二财季企业营收增长10%，达到6.595亿美元，高于分析师预期。彭博情报公司的约翰·巴特勒（John Butler）表示，这种超预期表现预示着Zoom计划向大公司提供更多服务。但面向消费者和小型企业的在线销售额下降了4.3%，至4.792亿美元。首席财务官凯利·斯特克尔伯格（Kelly Steckelberg）在业绩电话会议上说： “我们提高了总收入指引，这反映了我们对公司业务的一贯看法，但我们对今年余下时间在线业务的指引较为温和。” 这家总部位于加利福尼亚州圣何塞的公司称，在截至7月31日的这段时间里，公司拥有21.81万家企业客户，比去年同期增长了6.9%。在这些客户中，有3,672家客户的前12个月收入超过了10万美元，比去年同期增长了近18%。斯特克尔伯格还对Zoom新推出的非视频产品的需求吹捧了一番。她表示，Zoom Phone的年化运营收入约为5亿美元，而其联络中心工具的客户也超过了500家。虽然一些客户减少了员工人数，影响了Zoom的支出，但公司成功地通过“向客户推销新产品来替代这些收入”。在第二财季，Zoom的总收入增长了3.6%，达到11.4亿美元。利润（不包括某些项目）为每股1.34美元。彭博社的数据显示，这两项数据均超过了分析师的平均预期。 “木头姐”仍看好远程办公彭博社的数据显示，由伍德旗下的Ark Investment Management LLC管理的两只基金在周二购买了总计122,831股Zoom的股票，这是该公司约两个月来首次买入该股。 Ark持有Zoom 4%以上的股份。它对Zoom的投资表明，即使面对全球重返办公室潮和与微软等对手的竞争，伍德仍然看好远程办公这一疫情的产物。今年到目前为止，Zoom股价下跌了2.1%，连续第三年跑输纳斯达克100指数。伍德的旗舰产品Ark Innovation ETF在2023年上涨了31%，而其标普500指数和纳斯达克100指数的涨幅分别为14%和36%。
金融界2023-08-24
Zoom预测当前季度利润将超出预期，企业需求强劲
 go
此外，Zoom还投资了人工智能初创公司Anthropic，但与竞争对手不同，Zoom的创始人兼CEO Eric Yuan表示，公司不会在现有软件之上收取过高的费用来提供人工智能功能，而是将其融入现有软件服务中。尽管在短期内Zoom股票出现了上涨，但Zoom股票今年迄今已下跌约1%。与此同时，标准普尔500指数在同一时期上涨了15%。虽然Zoom面临着竞争和增长放缓的挑战，但公司仍在努力优化支出，加强技术投资，并寻求在竞争激烈的市场中保持竞争力。
Heidi2023-08-22
BTC横盘震荡何时变盘？
go
推出一系列新产品； 9. 人工智能公司Anthropic获得1亿美元投资，韩国电信巨头SK Telecom追投； 10. CoinShares：上周数字资产投资产品流入1.36亿美元，区块链股票迎来了一年来最大资金流入； 11. BALD部署者已从Base网络提取9000枚ETH，获利约410万美元； 12. 币安将调整BLZ U本位永续合约杠杠保证金阶梯和资金费率频率； 13. Frax社区发起新提案“使用DAO金库中的100万枚FRAX进行场外交易购买CRV”；来源：金色财经
金色财经2023-08-14
大模型的混沌年代：矛盾、分化与未来
 go
生态。除了人们所熟知的OpenAI、Anthropic与Inflection AI外，主要产品形态为虚拟AI机器人助手的Adept，专注于B端企业服务的Cohere，Stable Diffusion图像生成扩散模型背后的Stability AI，还有英伟达所看好的算力提供商CoreWeave......总之，无论是在模型层、中间层，还是在应用层，海外的大模型生态与国内相比，显得更清晰。援引《极客公园》在报道中的一句研判：“已经几乎没有新的创业者要做下一个OpenAI了。” 反观国内，尽管资本也大量流入了人工智能行业，但如果追溯钱的流量，聪明的钱依旧流向了少数的头部公司中。根据虎嗅统计的数据，从ChatGPT发布到现在，在AI大模型赛道融资事件只有21起。而我们所熟知的明星独角兽企业，也只有MiniMax、光年之外、百川智能等，而上述独角兽的崛起背后既有早期的先发优势，也有大佬经验的背书。图片来源：@chiefaioffice 此前朱啸虎和傅盛的争论，就让创投圈围绕大模型的价值展开了一场论战。在资本圈“大炼模型”的背后，实际上投资人下手依旧十分谨慎。一方面，AI大模型是一个高度专业与细分的赛道，同时又十分烧钱，因此决定了专注AI领域，准确洞悉技术的投资人与投资机构其实十分稀缺。另一方面，则是好的标的依旧太少。从当下机构的投资逻辑来看，投人依旧是主旋律。要么是如光年之外等的创业大佬背书，虽然创始人不懂技术原理，但却十分了解科技行业的变化趋势与商业模式，要么就是AI行业内知名技术学者，如智谱AI、聆心智能和深言科技等初创企业，背后都有“清华系”的身影。 02 分化：大厂疯狂攒局，小厂拼命掘金围绕大模型的一系列变革背后，既是技术的进步，也是关键人物与关键企业的推动。如果将镜头转向这些浪潮前沿的公司与人，分化其实也已产生。真格基金管理合伙人戴雨森曾有一个精妙的比喻：GPT-3的出现等于发现新大陆，而ChatGPT的出现，好比是在新大陆上发现了黄金。中国公司的追赶之旅则如同知道了新大陆和黄金所在，并且知道OpenAI是坐船去的，也知道船大概的样子，却没有详细地图。经历了此前大模型疯狂的“发布月”后，我们可以清晰地看到此轮创业被分为了学院派、大佬派与大厂派，他们之间的关系也并不完全是零和竞争，而是一种“非零和博弈”。大厂们在过去一段时间内，除了秀出技术的硬实力外，攒局与建生态成为了主任务。以百度、阿里、华为、字节与京东等大厂为例，一方面有自身的云业务，提供算力支持，另一方面围绕芯片层、框架层、模型层与应用层，也各有布局，以进一步夯实壁垒。但在这之中，大厂与大厂之间的打法也各有不同。以阿里、百度、华为为代表的大厂更偏向于走垂直整合之路，在算力、平台、模型三层实现一鱼多吃。而火山引擎（字节云）与腾讯云偏向走平台路径，搭建模型货架超市，接入更多的第三方大模型，并提供相应的精调、评测、推理服务。而对国内创业型的小厂而言，在大模型竞逐的早期，事实上，创业公司唯一确定性就是“不确定性”，不需要很复杂的产品，打准用户的痛点，就可以实现初步成功。近期出圈的「妙鸭相机」就是一个典型的案例，团队在接受采访时表示：“AIGC 的产品第一天不收钱，就可能收不到钱”。通过低门槛的使用，精准定位写真需求的女性叠加社交媒体的营销裂变，即便是技术上并无明显的创新，但借助一个单一功能就能实现早期的商业化，妙鸭其实给了国内应用层的创企一个很好的启示。而对妙鸭相机等更多的创业公司而言，如何抓准「不确定」的周期进一步夯实自身的技术壁垒与用户粘性，才是关键。图片来源：妙鸭相机小红书截图 03 未来：监管加剧，格局未定在可以预见的未来里，或许正如大厂们的PR文里的论调，大模型终将会赋能千行百业，但在理想之外，如何保证大模型技术的安全性与可控性也成为了关注的焦点。此前网信办等七部门联合公布《生成式人工智能服务管理暂行办法》，在监管方式与监管范围上对生成式人工智能未来的合规健康发展提供了可靠的法律依据。而在8月1日凌晨，苹果中国区应用商店集中下架多款AIGC应用，实则也暗示了政策端对人工智能监管力度的升温。在海外，科技巨头们已面临着棘手的AI伦理的争议。「AI四巨头」Anthropic、谷歌、微软和OpenAI就联合成立了前沿模型论坛，就负责任与安全的人工智能问题与美国、欧洲与G7进行沟通。而由Hugging Face、GitHub、EleutherAI等开源社区组成的联盟也正呼吁欧盟政策制定者在制定《欧盟AI法案》时保护开源创新。对眼下的大模型行业创业者而言，在创业理想、商业化路径之外，对商业模式合规性的考量也将被纳入已有的计划之中。明确的监管趋势外，更多前沿的探索也正在发生，当下业界围绕多模态、AI智能体、向量数据库以及具身智能等一系列话题的讨论，实则都在大模型的热潮之外，寻找更多的可能性。以具身智能领域的AI机器人为例，包括谷歌在内的科技巨头增产是将大语言模型接入机器人，让机器人变得更聪明。而同样火热的AI智能体浪潮，甚至被称为“原始AGI”，已接替大模型，成为大公司们关注的下一个领域。浪潮已至，未来已来。可以肯定的是，大模型的混沌时代或许不会持续太久，但在未来的一段时间内，竞合还将继续。谁能率先利用“不确定性”补齐短板，谁能将大模型能力真正落地于细分与垂直场景，谁能更快地搭建起高质量的数据飞轮，这考验各自的决心与耐力，也将决定着它们在下一轮竞争中各自的生态位。来源：金色财经
金色财经2023-08-12
亚马逊为AWS而战！
go
过其Bedrock AI服务提供来自“Anthropic、Stability AI、AI21 Labs、Cohere”等公司的第三方模型。然而，需要注意的是微软Azure和谷歌云也将提供第三方模型，因此这一策略未必为AWS提供竞争优势。微软Azure被认为是AWS的主要竞争威胁，因为这家软件巨头在OpenAI的投资中大获成功。不过，与AWS和谷歌云不同，微软尚未为云计算开发自己的芯片，而是严重依赖于英伟达领先的GPU。虽然AWS也能使用英伟达的 H100 GPU，但亚马逊CEO 安德鲁 · 贾西宣称公司已经提供了自家的AI芯片： “客户对由NVIDIA H100 GPU驱动的Amazon EC2 P5实例进行训练大型模型和开发生成式AI应用非常兴奋。然而，迄今市场上仅有一种可行的选择，供应也非常有限。这，再加上我们过去几年来积累的芯片专业知识，促使我们几年前开始研发我们自己的定制AI芯片，称为Trainium，以及用于推理的Inferentia芯片，它们已经进入第二代，并且对于构建和运行大型语言模型的客户来说是非常具有吸引力的性价比选择。我们对未来许多大型语言模型的训练和推理都将在AWS的Trainium和Inferentia芯片上运行充满信心。” 投资者认为AWS在AI竞赛中落后于微软Azure和谷歌云，但这种悲观情绪过于夸大。与微软Azure不同，AWS在ChatGPT引发的生成式AI热潮之前就已经开始设计自己的AI芯片。虽然目前英伟达的H100 GPU仍然是训练和推理AI模型的最佳选择，但亚马逊确实将努力鼓励客户将更多工作负载转移到自己的Trainium和Inferentia芯片上，并在这方面领先于微软Azure。这些AI芯片显然不是AWS首次涉足设计自己芯片领域。多年来，这家科技巨头还提供了Graviton CPU芯片，旨在满足AWS的广泛计算需求。在上次的财报电话会议上，CEO 安德鲁 · 贾西宣布： “几年前，我们从客户那里一直听到，他们想要找到更多性价比高的通用计算方式。为了实现这一目标，我们意识到需要从硅芯开始重新思考各种事情，于是着手设计了我们自己的通用CPU芯片。” 目前，超过5万家客户正在使用AWS的Graviton芯片和AWS计算实例，包括我们前100名的Amazon EC2客户中的98家，而这些芯片的性价比约比其他主要的x86处理器提高了40%。同样的重新构想正在生成式AI领域发生。” 亚马逊已经在使用自己的芯片，这确实令人鼓舞，但Trainium和Inferentia AI芯片并不像英伟达的H100 GPU那样强大。鉴于Azure在没有自己芯片的情况下更依赖于英伟达的GPU，同时能够提供业界领先的大型语言模型。Azure目前被认为更有能力吸引各行各业的云客户，这些客户正在寻求通过AI来转变他们的业务。此外，鼓励客户从由英伟达芯片驱动的云服务迁移到由亚马逊自己的芯片驱动的服务将是一个挑战。首先，亚马逊需要提升其AI芯片，进而从性价比角度竞争英伟达的GPU。此外，英伟达的GPU的竞争力也是由其伴随的CUDA软件包和围绕其芯片发展起来的软件生态系统所培养的。这个生态系统使得第三方开发者越来越多地构建适用于英伟达芯片的AI应用程序，不断增加了英伟达GPU对客户的吸引力。因此，英伟达确实通过广泛的网络效应在其AI解决方案周围建立了强大的护城河，将开发者和客户都牢牢地困在其生态系统中。然而，亚马逊多年来在云计算行业的领先地位，也形成了围绕AWS发展的广泛合作伙伴生态系统，亚马逊将努力利用这一生态系统，鼓励第三方开发者围绕其AI云服务和芯片构建应用程序。此外，即使Trainium和Inferentia芯片不如英伟达的芯片强大，AWS仍然可以通过定制化优势提供更好的性价比。此外，通过设计和生产自己的芯片，亚马逊可以根据其自己云服务的特定需求来定制Trainium/Inferentia芯片。这种流程集成优势使亚马逊能够优化性能，降低客户的延迟。关于AWS如何努力在其云客户群中促使更多的人采用Trainium/Inferentia芯片，这家科技巨头用于诱导迁移到其Graviton CPU的策略确实可以提供一些线索。一个可能阻碍客户迁移的关键问题是需要修改或重新编写他们的应用程序以在AWS的芯片上运行。这可能是一个很大的切换成本，特别是对于较大的应用程序来说。为了促进向Graviton的转变，亚马逊已经努力确保许多受欢迎的应用程序和软件包与Graviton兼容，减少了客户需要修改或重新编写其应用程序的需求。除此之外，亚马逊提供了工具和服务，帮助客户将其应用程序迁移到Graviton，包括AWS应用迁移服务和AWS模式转换工具。因此，亚马逊将确实采取类似的策略，以便更轻松地从英伟达的GPU迁移到用于训练/推断工作负载的Trainium/Inferentia芯片。如果亚马逊能够在AI革命中成功地鼓励人们转向自己的芯片，它将在几个方面使AWS受益。我们之前已经介绍了定制的好处，使AWS能够提供更好的性能和更低的延迟，因为这些芯片将专门针对其自己的云解决方案进行定制。此外，生产自己的芯片使亚马逊能够创新和开发新的功能和能力，这些功能和能力可能无法用英伟达和AMD的现成芯片来实现。这可以帮助亚马逊进一步将其云服务与竞争对手区分开来，并为客户提供额外价值。因此，这些优势可以使AWS更好地吸引云客户，推动收入增长并捍卫其领导地位。虽然使用内部构建的芯片也带来了成本效益。通过生产和部署自己的芯片，亚马逊可以节省购买英伟达芯片的成本，毕竟，现在英伟达的芯片真的太贵了。此外，根据上述定制化优势，运行由其自己芯片驱动的云服务也可以使其更具成本效益地提供此类解决方案。这可以使亚马逊降低成本并向客户提供更具竞争力的定价。财务指导和绩效在上次的盈利电话会议上，当一位分析师问及高管们预计AI相关的AWS增长时间表时，他们不愿提供具体细节： Brent Thill： “就AI的货币化问题，你能谈谈你们认为何时会开始在AWS业务中看到这种增长吗？是在2024年吗？在后半年，你觉得这会对业务产生更大的影响吗？” 安德鲁 · 贾西： “…我认为当你谈到大规模潜在爆发的生成式AI时，包括我们在内，每个人都对此感到兴奋，我认为我们现在处于非常早期的阶段。在我看来，我们在马拉松比赛中已经走了几步。我认为这将是革命性的，我认为它将从根本上改变我们所知的几乎每一种客户体验…但现在还为时过早。所以我期待这将会非常庞大，但那将在未来发生。” 相比之下，微软已经能够提供与Azure的AI相关增长有关的指导，它在财报电话会议上表示，对于2024财年第一季度，它预计： “在Azure中，我们预计在恒定货币下的收入增长率将为25%至26%，其中大约有2个百分点来自所有Azure AI服务。” 亚马逊需要在未来提供更具体的增长预期，以维持投资者对AWS的AI前景的信心。在过去的几年里，AWS的营收增长明显放缓，类似于其最大的竞争对手。数据来源：公司文件尽管AI预计将重新点燃所有云服务提供商的营收增长率，但首先必须应对巨额的前期成本。首席执行官安德鲁·贾西提供了有关未来AI相关资本支出的指导： “展望2023年整年，我们预计资本支出将略高于500亿美元，而2022年为590亿美元。我们预计履行和运输资本支出将同比下降，部分抵消了增加的基础设施资本支出，以支持我们AWS业务的增长，包括与生成式AI和大语言模型工作相关的额外投资。” 随着亚马逊投资于扩大其在AWS中的AI基础设施，这将对短期的利润率产生压力。这家科技巨头需要同时投资于第三方解决方案，比如英伟达的H100芯片，以能够提供行业领先的解决方案来满足客户当前的AI需求，同时还要投资于Trainium和Inferentia芯片的设计进展。此外，亚马逊还将努力构建更有竞争力的大型语言模型，作为其客户的AI应用开发的基础。正如首席执行官安德鲁 · 贾西所提到的：“开发这些大型语言模型需要数十亿美元和多年时间”，这意味着投资者可以预期在可预见的未来会有大规模的资本支出。与AI相关的巨额资本支出确实将对AWS的利润率产生短期压力。尽管随着AWS基础设施的扩大，能够更好地满足客户对AI服务日益增长的需求，但从长期来看，随后的营收增长应该会支撑利润率，这取决于它与微软Azure和谷歌云的竞争能力。数据来源：公司文件根据Seeking Alpha的数据，亚马逊的股票目前以超过65倍的未来盈利估值交易。这个估值也反映了亚马逊的电子商务业务。AWS在2023年第二季度的总收入中仅占约16%。然而，鉴于AWS是亚马逊利润最丰厚的业务部门，它是公司利润的主要贡献者，因此是其未来盈利倍数的重要驱动因素。考虑到在接下来的一年里，亚马逊将进行大规模的资本支出，这将对其利润率产生压力，分析师认为这是一个昂贵的股票价格。同时要考虑到65倍的未来盈利估值明显比其顶级云对手更昂贵，微软的估值超过30倍，谷歌的估值接近24倍。因此，虽然AWS确实有可能成为AI时代的强大参与者，但Nexus Research认为，投资者可以通过估值较低的竞争对手更好地接触到与AI相关的云计算增长。 $亚马逊(AMZN)$
老虎证券2023-08-10
成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？
go
潮。全球知名企业Salesforce向Anthropic注资4.5亿美元，而Runway则成功筹集到了1.41亿美元的资金。此外，雪花公司也宣布完成了对Neeva的收购，而中国国内巨头美团则以20.65亿收购了AI公司光年之外。然而，最引人瞩目的交易无疑是初创公司MosaicML的收购案。据了解，MosaicML以约13亿美元的价格被大数据巨头Databricks收购，其估值在本次交易中翻了六倍，成为了今年上半年最大的收购案。仅成立2年时间，拥有60多名员工，是什么撑起了MosaicML的高估值？ Databricks收购MosaicML，加速生成式AI技术民主化 Databricks近期正式宣布，以约13亿美元（约93亿元人民币）收购生成式人工智能初创公司MosaicML，以提供为企业构建类ChatGPT工具的服务。该收购之后，MosaicML 将成为 Databricks Lakehouse 平台的一部分，MosaicML 的整个团队和技术都将纳入Databricks旗下，为企业提供统一的平台来管理数据资产，并且能够使用自己的专有数据来构建、拥有和保护自己的生成式 AI 模型。 MosaicML是一家非常年轻的生成式AI公司，它于2021年成立于旧金山，目前只公开披露过一轮融资，员工仅62人。在上一轮的融资中，其估值为2.2亿美元，也就是说，此次收购MosaicML的估值直接跃升了6倍。此笔交易是截至目前今年生成式AI领域内所公布的最大一笔收购案。就在不久前，云计算巨头Snowflake刚刚宣布收购了另一家生成式AI公司Neeva。在经历了几个月的投资热之后，大型企业对生成式AI初创公司的大规模并购潮似乎正在开启。 Databricks起源于UC伯克利，曾参与Apache Spark项目开发。作为数据存储和分析巨头，截至2022年估值310亿美元，帮助AT&T、壳牌、Walgreens等大型公司处理数据。前段时间，刚开源了自己大模型Dolly，旨在以更少参数实现与ChatGPT类似的效果。而在云计算更加普及后，Spark提出的“湖仓一体”理念，深深影响了一批大数据初创企业。自2013年成立后，Databricks火速成长为全球最火的Data Infra公司。去年，Databricks公布的年收入超过10亿美元，而在2021年8月完成最新一轮融资后，其最新估值达到380亿美金。 MosaicML MPT系列模型的优势 MosaicML的MPT系列模型是从HuggingFace PretrainedModel基类中子类化的，与HuggingFace生态系统完全兼容。MPT-7B模型是MosaicML最受欢迎的模型之一，拥有数十亿个参数，可以处理超过2,000种自然语言处理任务。其中，MPT-7B的优化层包括FlashAttention和低精度层范数等，可以让该模型比传统训练方法快2-7倍，资源的近线性可伸缩性确保了具有数十亿参数的模型可以在几小时内训练，而不是过去的几天。MosaicML还发布了新的可商用的开源大语言模型MPT-30B，拥有300亿参数，并且性能优于GPT-3。数据来源：MT-Bench对MosaicML主流模型进行的评估 MPT系列模型的优势在于它们的高效性和低成本。使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而MosaicML的MPT系列模型可以让企业以更低的成本和更高的效率训练自己的语言模型，从而可以更轻松地应用生成式AI技术，实现更好的业务表现。大多数开源语言模型只能处理最多具有几千个tokens的序列（参见图 1）。但是，借助 MosaicML 平台和 8xA100-40GB 的单个节点，用户可以轻松微调 MPT-7B 以处理高达 65k 的上下文长度。处理这种极端上下文长度适应的能力来自ALiBi，这是MPT-7B中的关键架构选择之一。例如，《了不起的盖茨比》的全文不到68k个Token。在一个测试中，模型StoryWriter阅读了《了不起的盖茨比》并生成了一个尾声。模型生成的尾声之一如图 2 所示。StoryWriter在大约20秒内（每分钟约15万字）读完了《了不起的盖茨比》。由于序列长度较长，其“打字”速度比其他MPT-7B型号慢，每分钟约105个单词。尽管 StoryWriter 的上下文长度为 65k 进行了微调，但 ALiBi 使模型能够推断出比训练更长的输入：在《了不起的盖茨比》的情况下为 68k 个Token，在测试中高达 84k 个标记。图2：MPT-7B-StoryWriter-65k+ 为《了不起的盖茨比》写了尾声。尾声的结果是提供《了不起的盖茨比》的全文（大约 68k 个Token）作为模型的输入，后跟“尾声”一词，并允许模型继续生成。生成式AI技术的普及生成式AI技术是人工智能的一种分支，它利用大量的数据和深度学习算法，能够自动生成原始文本、图像和计算机代码等内容。这种技术的出现，让人们可以更加便捷地处理数据、分析数据，更好地服务于人类的需求。随着大数据和人工智能技术的快速发展，生成式AI技术已经被广泛应用于自然语言处理、图像识别和虚拟现实等领域。例如，在自然语言处理领域中，GPT-4已经成为了最受欢迎的生成式AI模型之一，可以用于生成文章、翻译语言和回答问题等任务。在图像识别领域，StyleGAN2能够生成高质量的图像，可以用于游戏开发、影视制作和虚拟现实等领域。 MosaicML的CEO Naveen Rao此前曾表示，自 2018 年以来，使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而此次收购之后，Databricks的Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式AI模型的训练和构建，在让用户拥有数据的控制权和所有权的情况下，可以进行自定义 AI 模型开发。根据Databricks的相关说法，在 Databricks 和 MosaicML的平台和技术支持下，企业训练和使用 LLMs 的成本将显著降低，预计可以降至数千美元左右。这为生成式AI的普及提供了便利。 Databricks收购MosaicML的意义 Databricks收购MosaicML的主要目的是加速生成式AI技术的发展和民主化。通过将两家公司的技术和资源整合起来，Databricks可以更好地满足客户的需求，提供更高效、更便捷的解决方案。具体而言，该收购将带来以下几个方面的改变： 1. 更高效的大语言模型 Databricks收购MosaicML后，可以将MPT系列模型集成到其Lakehouse平台中，为客户提供更高效、更低成本的大语言模型。这将有助于企业更好地处理自然语言处理任务，提高业务效率和准确性。 2.更快的模型训练速度 MosaicML的MPT系列模型具有快速训练的特点，这将有助于Databricks提供更快速的模型训练服务。这对于需要快速响应市场需求的企业来说尤为重要，可以帮助他们更好地满足客户的需求。 3. 更高的民主化程度 Databricks收购MosaicML也意味着生成式AI技术的民主化程度将会进一步提高。MosaicML的MPT系列模型可以让中小型企业更轻松地训练自己的语言模型，从而可以更好地应用生成式AI技术，实现更好的业务表现。这将有助于推动生成式AI技术的发展和应用，促进人工智能技术的普及和发展。总结生成式人工智能应用程序旨在根据用户的自然语言提示生成原始文本、图像和计算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经
金色财经2023-08-06
成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？
go
潮。全球知名企业Salesforce向Anthropic注资4.5亿美元，而Runway则成功筹集到了1.41亿美元的资金。此外，雪花公司也宣布完成了对Neeva的收购，而中国国内巨头美团则以20.65亿收购了AI公司光年之外。然而，最引人瞩目的交易无疑是初创公司MosaicML的收购案。据了解，MosaicML以约13亿美元的价格被大数据巨头Databricks收购，其估值在本次交易中翻了六倍，成为了今年上半年最大的收购案。仅成立2年时间，拥有60多名员工，是什么撑起了MosaicML的高估值？ Databricks收购MosaicML，加速生成式AI技术民主化 Databricks近期正式宣布，以约13亿美元（约93亿元人民币）收购生成式人工智能初创公司MosaicML，以提供为企业构建类ChatGPT工具的服务。该收购之后，MosaicML 将成为 Databricks Lakehouse 平台的一部分，MosaicML 的整个团队和技术都将纳入Databricks旗下，为企业提供统一的平台来管理数据资产，并且能够使用自己的专有数据来构建、拥有和保护自己的生成式 AI 模型。 MosaicML是一家非常年轻的生成式AI公司，它于2021年成立于旧金山，目前只公开披露过一轮融资，员工仅62人。在上一轮的融资中，其估值为2.2亿美元，也就是说，此次收购MosaicML的估值直接跃升了6倍。此笔交易是截至目前今年生成式AI领域内所公布的最大一笔收购案。就在不久前，云计算巨头Snowflake刚刚宣布收购了另一家生成式AI公司Neeva。在经历了几个月的投资热之后，大型企业对生成式AI初创公司的大规模并购潮似乎正在开启。 Databricks起源于UC伯克利，曾参与Apache Spark项目开发。作为数据存储和分析巨头，截至2022年估值310亿美元，帮助AT&T、壳牌、Walgreens等大型公司处理数据。前段时间，刚开源了自己大模型Dolly，旨在以更少参数实现与ChatGPT类似的效果。而在云计算更加普及后，Spark提出的“湖仓一体”理念，深深影响了一批大数据初创企业。自2013年成立后，Databricks火速成长为全球最火的Data Infra公司。去年，Databricks公布的年收入超过10亿美元，而在2021年8月完成最新一轮融资后，其最新估值达到380亿美金。 MosaicML MPT系列模型的优势 MosaicML的MPT系列模型是从HuggingFace PretrainedModel基类中子类化的，与HuggingFace生态系统完全兼容。MPT-7B模型是MosaicML最受欢迎的模型之一，拥有数十亿个参数，可以处理超过2,000种自然语言处理任务。其中，MPT-7B的优化层包括FlashAttention和低精度层范数等，可以让该模型比传统训练方法快2-7倍，资源的近线性可伸缩性确保了具有数十亿参数的模型可以在几小时内训练，而不是过去的几天。MosaicML还发布了新的可商用的开源大语言模型MPT-30B，拥有300亿参数，并且性能优于GPT-3。数据来源：MT-Bench对MosaicML主流模型进行的评估 MPT系列模型的优势在于它们的高效性和低成本。使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而MosaicML的MPT系列模型可以让企业以更低的成本和更高的效率训练自己的语言模型，从而可以更轻松地应用生成式AI技术，实现更好的业务表现。大多数开源语言模型只能处理最多具有几千个tokens的序列（参见图 1）。但是，借助 MosaicML 平台和 8xA100-40GB 的单个节点，用户可以轻松微调 MPT-7B 以处理高达 65k 的上下文长度。处理这种极端上下文长度适应的能力来自ALiBi，这是MPT-7B中的关键架构选择之一。例如，《了不起的盖茨比》的全文不到68k个Token。在一个测试中，模型StoryWriter阅读了《了不起的盖茨比》并生成了一个尾声。模型生成的尾声之一如图 2 所示。StoryWriter在大约20秒内（每分钟约15万字）读完了《了不起的盖茨比》。由于序列长度较长，其“打字”速度比其他MPT-7B型号慢，每分钟约105个单词。尽管 StoryWriter 的上下文长度为 65k 进行了微调，但 ALiBi 使模型能够推断出比训练更长的输入：在《了不起的盖茨比》的情况下为 68k 个Token，在测试中高达 84k 个标记。图2：MPT-7B-StoryWriter-65k+ 为《了不起的盖茨比》写了尾声。尾声的结果是提供《了不起的盖茨比》的全文（大约 68k 个Token）作为模型的输入，后跟“尾声”一词，并允许模型继续生成。生成式AI技术的普及生成式AI技术是人工智能的一种分支，它利用大量的数据和深度学习算法，能够自动生成原始文本、图像和计算机代码等内容。这种技术的出现，让人们可以更加便捷地处理数据、分析数据，更好地服务于人类的需求。随着大数据和人工智能技术的快速发展，生成式AI技术已经被广泛应用于自然语言处理、图像识别和虚拟现实等领域。例如，在自然语言处理领域中，GPT-4已经成为了最受欢迎的生成式AI模型之一，可以用于生成文章、翻译语言和回答问题等任务。在图像识别领域，StyleGAN2能够生成高质量的图像，可以用于游戏开发、影视制作和虚拟现实等领域。 MosaicML的CEO Naveen Rao此前曾表示，自 2018 年以来，使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而此次收购之后，Databricks的Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式AI模型的训练和构建，在让用户拥有数据的控制权和所有权的情况下，可以进行自定义 AI 模型开发。根据Databricks的相关说法，在 Databricks 和 MosaicML的平台和技术支持下，企业训练和使用 LLMs 的成本将显著降低，预计可以降至数千美元左右。这为生成式AI的普及提供了便利。 Databricks收购MosaicML的意义 Databricks收购MosaicML的主要目的是加速生成式AI技术的发展和民主化。通过将两家公司的技术和资源整合起来，Databricks可以更好地满足客户的需求，提供更高效、更便捷的解决方案。具体而言，该收购将带来以下几个方面的改变： 1. 更高效的大语言模型 Databricks收购MosaicML后，可以将MPT系列模型集成到其Lakehouse平台中，为客户提供更高效、更低成本的大语言模型。这将有助于企业更好地处理自然语言处理任务，提高业务效率和准确性。 2.更快的模型训练速度 MosaicML的MPT系列模型具有快速训练的特点，这将有助于Databricks提供更快速的模型训练服务。这对于需要快速响应市场需求的企业来说尤为重要，可以帮助他们更好地满足客户的需求。 3. 更高的民主化程度 Databricks收购MosaicML也意味着生成式AI技术的民主化程度将会进一步提高。MosaicML的MPT系列模型可以让中小型企业更轻松地训练自己的语言模型，从而可以更好地应用生成式AI技术，实现更好的业务表现。这将有助于推动生成式AI技术的发展和应用，促进人工智能技术的普及和发展。总结生成式人工智能应用程序旨在根据用户的自然语言提示生成原始文本、图像和计算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经
金色财经2023-08-04

上一页
1
•••
41
42
43
44
45
•••
51
下一页

24小时热点

最新话题更多