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

ChatGPT爆火这半年：热钱、巨头与监管
 go
AI的第二大初创公司，在其之后分别是，Anthropic（15亿美元），Cohere（4.45亿美元）、Adept（4.15亿美元）、Runway（1.955亿美元）、Character.ai（1.5亿美元）和Stability AI（约1亿美元）。在中国，2023年上半年国内人工智能行业的公开投融资事件共有456起。而这项统计在2018年-2022年的5年间分别是731、526、353、631和648。上半年国内人工智能行业公开投融资事件另一个引发飞轮的事件则是ChatGPT放出API接口。当OpenAI在3月首次开放ChatGPT的API接口时，AI行业内外对此几乎形成共识：行业要变天了。随着更多应用接入大模型，AI之上正在长出更加繁茂的森林。 “做大模型和做应用本身就应该分开”，投资人的嗅觉总是敏锐的，在源码资本执行董事陈润泽看来，AI是一个与半导体分工一样的逻辑，AI大模型的繁荣之后，很快就会看到AI应用的一波繁荣。今年年初，陈润泽与同事一起前往硅谷时发现，硅谷声名显赫的创业孵化器Y Combinator（OpenAI首席执行官Sam Altman曾在这家孵化器任总裁多年），有一半的项目都转型做生成式AI了。对于大模型的热情，丝毫不逊于如今大洋彼岸的中国。不过，他也发现在美国无论是资本还是创业者，相比于大模型创业，更看好基于大模型所做的生态应用，毕竟在这个赛道，已经跑出了诸如OpenAI这样的公司，与此同时，美国有很强的ToB应用生态土壤，因此更多的美国公司正在尝试基于大模型的生态做企业应用。陈润泽的观察正在得到证实，大模型服务平台OpenCSG联合创始人陈冉告诉虎嗅，如今，美国湾区90%以上的公司已经把大模型能力用到方方面面。至于中国，陈冉认为，在年底之前很多的客户也都会用起来。今年3月左右，陈润泽和团队开始尝试在国内寻找基于大模型做应用的公司，但他发现这样的公司很少。大量资本进入了人工智能行业，但如果追溯这些资金的流向会发现，更多的钱仍集中在头部几家公司中。 “即便是现在，10个与生成式AI相关的项目，能投1个-2个也已经是很不容易了。”除了源码资本，虎嗅也与多位硬科技投资人交流，他们都表示，虽然项目看得多，但真正靠谱的凤毛麟角。应用端的这种态度，在很多业内人士看来，已是常态。思必驰联合创始人俞凯认为，表面看似热闹的赛道，其实更多的是名义上的竞争，结果无非两种情况：“一种是为了融钱，纯资本导向；另一种是做全域通用大模型的公司，确实需要喊，不喊的话别人不会知道。” 国内的一些统计数据也正在说明这个问题，根据第三方机构烯牛数据统计，截至2023年7月，国内有AIGC公司242家，1月以来AIGC赛道融资事件71起。而AI大模型赛道上的公司有67家，从ChatGPT发布到现在，融资事件只有21起。 AIGC赛道和AI大模型赛道自ChatGPT发布后的融资事件｜数据来源：烯牛数据 “现在国内AI市场上，好的标的太少了。”一位投资人如此告诉虎嗅——好项目太贵，便宜的又不靠谱。虽然目前国内发布的AI大模型数量过百，但国内一众大模型公司中，获得巨额融资的并不多，甚至屈指可数。很多AI投资到最后都变成了投人——曾经的独角兽公司创始人、互联网大佬、具备大模型相关创业经验的人等。公司类型公司成立时间大模型及相关产品融资轮次互联网公司百度 2012 文心一言上市阿里云 2008 通义千问上市騰讯AI实验室 1998 混元上市华为云 2019 盘古未上市字节跳动 2016 火山方舟未上市京东云 2012 言犀上市昆仑万维 2008 天工上市 360 1992 360智脑上市公司类型公司成立时间大模型及相关产品融资轮次 AI公司商汤科技 2014 日日新上市科大讯飞 1999 讯飞星火上市云从科技 2015 从容上市达观数据 2015 曹植 C轮出门问问 2014 序列猴子 D轮智谱Al 2019 ChatGLM B轮澜舟科技 2021 孟子 Pre-A轮 MiniMax 2021 Glow 股权投资面壁科技 2022 VisCPM 天使轮深言科技 2022 CPM 股权投资聆心智能 2021 Al乌托邦 Pre-A轮衔远科技 2021 ProductGPT 天使轮思必驰 2007 DFM-2 IPO终止公司类型公司成立时间大模型及相关产品融资轮次 2023年成立都初创AI公司光年之外 2023 暂无 A轮百川智能 2023 baichuan 股权投资零一万物 2023 暂无股权投资国内AI大模型相关公司部分统计今年的一众AI明星项目中，智谱AI、聆心智能、深言科技和面壁智能，都是清华实验室孵化的公司。深言科技、面壁智能两家公司均成立于2022年，且有AI行业内知名学者的技术背书。比这几家清华系AI公司成立时间更短的是一些互联网行业大佬创立的AI公司，光年之外、百川智能和零一万物均成立于这波大模型热潮开始之后。美团联合创始人王慧文在2023年年初成立的光年之外，一度融资5000万美元，已是彼时中国大模型行业为数不多的融资案例。与智谱AI、西湖心辰这类已有大模型为基础的公司不同，光年之外是2023年2月开始，从零开始做大模型，其难度可想而知，6月29日，美团公告宣布收购光年之外的全部权益，总代价包括现金约2.33亿美元（合人民币16.7亿元）、债务承担约3.67亿元、及现金1元。 “起码要有自然语言处理背景的人，有一定大模型训练实操经验的人，以及数据处理、大规模算力集群等方面的专业人才。如果同时还要做应用，那应该还要有对应领域的产品经理和运营人才。”陈润泽如此描述一个大模型核心团队的标配。大公司的AI赌注过去半年中，老牌互联网大厂们的AI新闻漫天纷飞。对AI大模型的投入，看似是在追热点，但如百度、阿里、华为这样的大公司，在AI上投下的赌注，显然不是跟风。巨头们在AI上的押注很早就已开始，对这些公司来说，AI并不是一个新鲜的话题。虎嗅根据企查查数据不完全统计，各大厂在2018年开始就对人工智能相关的企业有不同程度的投资，从投资企业来看，大多是人工智能应用方面的企业，尽管涉及到一部分AI芯片企业，但是数量并不多，涉及大模型方面的企业几乎没有，并且大厂所投资的人工智能相关的公司大多与其业务息息相关。大厂投资机构投资企业数平均持股比例最高持股比例 100%持股企业数阿里巴巴 23 36.25% 100% 5 百度风投 25 5.50% 15% 0 腾讯投资 54 17.54% 100% 2 三家互联网大厂投资AI相关公司情况｜数据来源：企查查 2017年阿里达摩院成立，研究对象涵盖机器智能、智联网、金融科技等多个产业领域，将人工智能的能力赋能到阿里的各个业务线中。2018年，百度提出了“All in AI”的战略。有所不同的是，生成式AI的出现，似乎是一个转折点。对于拥有数据、算力和算法资源优势的科技巨头来说，人工智能对他们已经不光是赋能场景，而是需要承担基础设施的角色，毕竟，生成式AI的出现，意味着针对人工智能产业的分工已经开始。以百度、阿里、华为、腾讯，四家云供应商为代表的大厂，虽然都宣布了各自的AI策略，但明显各有侧重。在过去的半年时间里，巨头纷纷发布自己的大模型产品。对于百度、阿里这样的大厂来说，他们入局大模型的时间并不算晚，基本在2019年。百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。阿里的通义千问大模型也是始于2019年。除了百度和阿里的通用大模型，6月19日，腾讯云发布了行业大模型的研发进展。7月7日，华为云发布了盘古3.0行业大模型产品。这些侧重也与各家的整体业务，云战略，以及在AI市场里的长期布局有所呼应。百度的主线业务盈利能力在过去的5年中，出现了较大波动。百度很早就看到了基于搜索的广告业务在国内市场中的问题，对此，百度选择了大力投入AI技术寻找新机会。这些年来，百度不仅邀请过吴恩达、陆奇等业界大佬出任高管，在自动驾驶上投入热情也远超其他大厂。如此关注AI的百度，势必会在这波大模型之争里重手投注。阿里对通用大模型同样表现出了极大的热情。一直以来，阿里云一直被寄予厚望，阿里希望走通技术路线创造集团的第二增长曲线。在电商业务竞争日趋激烈，市场增长放缓的大环境下，依云而生的AI产业新机遇，无疑是阿里云在国内云市场上再发力的好机会。相比百度和阿里，腾讯云在大模型方面选择了优先行业大模型，而华为云则公开表示只会关注行业大模型。对于腾讯来说，近年来主营业务增长稳中向好。在通用大模型的前路尚不明朗的阶段，腾讯对于AI大模型的投注相对谨慎。马化腾在此前的财报电话会上谈及大模型时曾表示：“腾讯并不急于把半成品拿出来展示，关键还是要把底层的算法、算力和数据扎扎实实做好，而且更关键的是场景落地。” 另一方面，从腾讯集团的角度看，腾讯目前有4所AI Lab，去年也发布了万亿参数的混元大模型，腾讯云投身行业大模型方面的动作，更像是一种“不把鸡蛋放在同一个篮子里”的投注策略。对于华为来说，一直以来都是重手投注研发，过去10年里华为在研发方面的总投入超过9000亿元。但由于手机业务遇到发展障碍，华为在很多技术研发上的整体策略或也正在面临调整。一方面手机业务是华为C端技术最大的出口，如果手机业务不为通用大模型买单的话，那么华为研发通用大模型的动力就会明显下降。而对于华为来说，把赌注押在能快速落地变现的行业大模型，似乎是这场AI博弈当中的最优解。正如华为云CEO张平安所说“华为没有时间作诗”。不过，对科技巨头来说，无论赌注多大，只要能赌对，就能够先一步抢占基础设施的市场份额，从而在人工智能时代获得话语权。拿着锤子找钉子对于商业公司来说，所有的决策仍然落到经济账上。即便是一笔不小的投入，越来越多有远见的公司创始人也意识到，这是一项未来必须要做的事情，即便前期投入可能完全看不到回报。 AI大模型的研发需要一笔不小的投入，但越来越多企业创始人、投资人都认为，这是一项”必要投入”，即便眼下完全看不到回报。由此，很多在上一波AI浪潮下诞生的人工智能公司，都在沉寂良久之后看到了新的曙光。 “3年前，大家都说GPT-3是通向通用人工智能的可能性。”李志飞在2020年就开始带着一班人马研究GPT-3，彼时出门问问正处在一个发展的转折点，他们希望探索新业务，但经过一段时间的研究之后，李志飞的大模型项目中止了，原因之一是当时模型不够大，另外就是找不到商业落地场景。不过，2022年底ChatGPT问世以后，李志飞仿佛被扎了一剂强心针，因为他和所有人一样，看到了大模型的新机会。今年4月，出门问问发布了自研的大模型产品——序列猴子。眼下，他们准备拿着新发布的大模型“序列猴子”冲刺港交所，出门问问已在5月末递交了招股书。另一家老牌AI公司也在跟进，去年7月，思必驰向科创板递交了IPO申请，在今年5月被上市审核委员会否决。俞凯坦言，就连OpenAI，在GPT2阶段也是用微软的V100训练了将近一年的时间，算力和A100差好几个量级。思必驰在大模型前期积累阶段，也是用更为经济的卡做训练。当然，这需要时间作为代价。相比于自研大模型，一些应用型公司有自己的选择。一家在线教育公司的总裁张望（化名）告诉虎嗅，过去半年，他们在大模型应用场景的探索上不遗余力，但他们很快发现在落地过程中存在诸多问题，例如成本与投入。这家公司的研发团队有50人-60人，开始做大模型研究以来，他们扩充了研发团队，新招了一些大模型方面的人才，张望说，偏底层模型方面的人才很贵。张望从未想过从头开发大模型，考虑到数据安全和模型稳定性等问题，他也不打算直接接入API做应用。他们的做法是参考开源大模型，用自己的数据做训练。这也是很多应用公司目前的做法——在大模型之上，用自己的数据做一个行业小模型。张望他们从70亿参数的模型开始，做到100亿，现在在尝试300亿的模型。但他们也发现，随着数据量增多，大模型训练会出现的情况是，可能新版本不如上一个版本，就要对参数逐一调整，“这也是必须要走的弯路。”张望说。张望告诉虎嗅，他们对于研发团队的要求就是——基于公司的业务探索AI大模型场景。这是一种拿着“锤子”找“钉子”的方法，但并不容易。 “目前最大的难题是找到合适的场景。其实有很多场景，即便用了AI，效果也提升不了太多。”张望说，例如在上课的场景中，可以用AI大模型赋能一些交互模式，包括提醒学员上课功能、回答问题和打标签等，但他们试用了AI大模型之后，发现精准度不行，理解能力和输出能力并不理想。张望的团队尝试过一段时间后，决定在这个场景里暂时放弃AI。另一家互联网服务商小鹅通，也在AI大模型爆发后第一时间开展了相关业务的探索。小鹅通的主要业务是为线上商家提供数字化运营工具，包括营销、客户管理以及商业变现。小鹅通联合创始人兼COO樊晓星告诉虎嗅，今年4月，当越来越多的应用基于生成式AI诞生时，小鹅通看到了这个技术背后的潜力，“例如MidJourney，生成式AI对于设计图像生成方面的提效确实有目共睹。”樊晓星她们在内部专门组织了AI研究的业务线，寻找与自身业务相关的落地案例。樊晓星说，在将大模型接入业务的过程中，她所考虑的就是成本和效率，“大模型的投入成本还是蛮高的。”她说。互联网行业的“钉子”算是好找的，AI落地真正的难点还是在工业、制造这样的实体产业。俞凯告诉虎嗅，这一波AI浪潮仍然是螺旋式上升、波浪式前进，在产业落地上面的矛盾一点都没变化，只是换了一个套壳而已。所以从这个意义上看，这两次AI浪潮的规律是相同的，最好的办法就是学习历史——“上一波AI浪潮的教训，这次就别再犯了。” 虽然很多厂商在AI大模型的落地方面都喊出了“产业先行”的口号，但很多实体产业的场景真的很难与目前的AI大模型相匹配。比如在一些工业检测场景应用的AI视觉检测系统，即便对AI模型的需求没有高到10亿参数的量级，但初期的训练数据仍然捉襟见肘。以一个简单的风电巡检场景为例，一个风场的巡检量达到七万台次，但同样的裂痕数据，可能只会出现一次，机器可以学习的数据量是远远不够的。扩博智能风电硬件产品总监柯亮告诉虎嗅，目前风机叶片的巡检机器人还做不到100%的精确分析叶片裂痕，因为可供训练和分析的数据量太小了，要形成可靠的全自动巡检和识别，还需要大量的数据积累和人工分析。不过，在工业数据积累较好的场景中，AI大模型已经可以做到辅助管理复杂的三维模型零件库了。国内某飞机制造企业的零件库就已经落地了一款基于第四范式“式说”大模型的零件库辅助工具。可以在十万余个三维建模零件中，通过自然语言实现三维模型搜索，以三维模型搜三维模型，甚至还能完成三维模型的自动装配。这些功能，在很多卡住制造业脖子的CAD、CAE工具中都需要经过多步操作才能完成。今天的大模型和几年前的AI一样面临落地难题，一样要拿着锤子找钉子。有人乐观地相信，今天的锤子和过去完全不一样了，但到了真金白银地为AI付费时，结果却有些不同。彭博社在7月30日发布的Markets Live Pulse调查显示，在514名受调投资者中，约77%的人计划在未来六个月内增加或保持对科技股的投资，且只有不到10%的投资者认为科技行业面临严重的泡沫危机。然而这些看好科技行业发展的投资者中，却只有一半人对AI技术持开放的接受态度。 50.2%的受访者表示，目前还不打算为购买AI工具付费，多数投资公司也没有计划将AI大范围应用到交易或投资中。卖铲子的人 “如果你在1848年的淘金热潮里去加州淘金，一大堆人会死掉，但卖勺子和铲子的人，永远可以赚钱。”陆奇在一次演讲时说。高峰（化名）想当这样的“卖铲子的人”，准确地说，是能够“在中国卖好铲子的人”。作为一名芯片研究者，高峰大部分科研时间都在AI芯片上。过去一两个月，他感到了一种急迫性——他想做一家基于RISC-V架构的CPU公司。在一家茶室，高峰向虎嗅描绘了未来的图景。然而，要从头开始做AI芯片，无论是在芯片界，还是在科技圈，都像是一个“天方夜谭”。当AI大模型的飞轮飞速启动时，背后的算力逐渐开始跟不上这一赛道中玩家的步伐了。暴涨的算力需求，使英伟达成了最大的赢家。但GPU并非解决算力的全部。CPU、GPU，以及各种创新的AI芯片，组成了大模型的主要算力提供中心。 “你可以把CPU比喻为市区，GPU就是开发的郊区。”高峰说，CPU和AI芯片之间，需要通过一个叫做PCIE的通道连接，数据传给AI芯片，然后AI芯片再把数据回传给CPU。如果大模型的数据量变大，一条通道就会变得拥挤，速度就上不去，因此需要拓宽这条路，而只有CPU能够决定这条通路的宽窄，需要设置几车道。这意味着，中国在大模型上，即便突破了AI芯片，仍有最关键的CPU难以破局。哪怕是在AI训练上，越来越多的任务可以被指派给GPU承担，但CPU依旧是最关键的“管理者”角色。 2023WAIC大模型展区展出的部分国产芯片自1971年英特尔造出世界上第一块CPU至今50余年，在民用服务器、PC市场，早已是英特尔和AMD的天下，英特尔更是建立起涵盖知识产权、技术积累、规模成本、软件生态于一体的整个商业模式壁垒，且这种壁垒从未衰退。要完全抛开X86架构和ARM架构，基于一个全新架构研发完全自主的CPU芯片，可以说是“九十九死一生”，基于MIPS指令集的龙芯，在这条路上走了20多年，更不用说是 RISC-V这样未被充分开垦和验证过的开源架构。指令集，就像一块块土地，基于指令集开发芯片，就相当于是买地盖房子。X86的架构是闭源的，只允许Intel生态的芯片，ARM的架构需要支付IP授权费，而RISC-V是免费的开源架构。产业界和学术界已经看到了这样的机会。 2010年，加州伯克利两位教授的研究团队从零开始开发了一个全新的指令集，就是RISC-V，这个指令集完全开源，他们认为CPU的指令集不应该属于任何一家公司。 “RISC-V或许是中国CPU的一道曙光。”高峰说。2018年，他在院所孵化了一家AI芯片公司，彼时他表示，自己不想错过 AI浪潮发展的机会，这一次，他依然想抓住，而这个切入点，就是RISC-V。在大模型以及如今国产替代的时代，这个需求显得更为紧迫，毕竟，极端地考虑一下，如果有一天，中国公司用不了A100了，又该怎么办。 “如果要取代ARM和X86，RISC-V的CPU需要性能更强，也需要和Linux上做商业操作系统的人参与到代码的开发中。”高峰说。高峰不是第一个意识到这个机会的人，一位芯片行业投资人告诉虎嗅，他曾与一家芯片创业公司创始人聊起，用RISC-V的架构去做GPU的机会。如今，在中国已有一些基于RISC-V架构做GPU的公司，但生态依旧是他们面临的最大的问题。 “Linux已经示范了这条路是可以走通的。”高峰说，在Linux这套开源操作系统中，诞生了红帽这样的开源公司，如今许多云服务都建立在Linux系统上。“需要足够多的开发者。”高峰提出了一个方法。这条路很难，但走通了，将是一条光明的道路。飞轮转得太快了大模型的“应激反应”下，感到急迫的不光是高峰。国内某AI大模型公司联创告诉虎嗅，今年初他们也曾短暂上线过一款对话大模型，但随着ChatGPT的升温，有关部门提高了对大模型安全性的重视，并对他们提出了很多整改要求。 “在没有特别明确的监管政策出来之前，我们不会轻易把产品开放给普通用户，主要还是To B的逻辑。”左手医生CEO张超认为，在《管理办法》出台之前，贸然将生成式AI产品开放给C端用户，风险很大。“现阶段，我们一方面在持续迭代优化，另外一方面也在持续关注政策、法规，保证技术的安全性。” “生成式AI的监管办法还不明确，大模型公司的产品和服务普遍很低调。”一家数字化技术供应商，在6月发布了一款基于某云厂商通用大模型开发的应用产品，在发布会上，该公司技术负责人向虎嗅表示，他们被这家云厂商要求严格保密，如果透露使用了谁的大模型，他们会被视为违约。而对于为何要对案例保密，这位负责人分析，可能很大一部分原因是要规避监管风险。在全球都对AI提高警惕的当下，任何市场都不能接受监管的“真空期”。 7月13日，网信办等七个部门正式发布了《生成式人工智能服务管理暂行办法》（下文简称“《管理办法》”），该办法自2023年8月15日起施行。 “《管理办法》出台后，政策会从问题导向转为目标导向发展就是我们的目标。”观韬中茂律师事务所合伙人王渝伟认为，新规是重“疏”而不重“堵”。浏览美国的风险管理库，是王渝伟每天必需的功课，“我们正在为利用GPT等大模型进行细分行业的商业应用提供风控合规的方案，建立一套合规治理框架。”王渝伟说。美国的AI巨头们正排着队向国会表忠心。7月21日，谷歌、OpenAI、微软、Meta、亚马逊、AI创业公司Inflection、Anthropic，七家最具影响力的美国AI公司，就在白宫签署了一份自愿承诺。保证在向公众发布AI系统前允许独立安全专家测试他们的系统。并与政府和学术界分享有关他们系统安全的数据。他们还将开发系统，当图像、视频或文本是由AI生成时向公众发出警告，采用的方法是“加水印”。 7家美国AI巨头排代表在白宫签署AI承诺此前，美国国会听证会上，OpenAI的创始人山姆·奥特曼表示，需要为人工智能模型创建一套安全标准，包括评估其危险能力。例如，模型必须通过某些安全测试，例如它们是否可以“自我复制”和“渗透到野外”。或许山姆·奥特曼自身也没有想到，AI的飞轮会转得这么快，甚至有失控的风险。 “我们一开始还没有意识到这件事情这么紧迫。”王渝伟说，直到上门来咨询的公司创始人越来越多。他感到，这一次的人工智能浪潮正在发生与过去截然不同的变化。今年年初，一家最早接入大模型的文生图公司找到王渝伟，这家公司希望把自己的业务引入中国，因此，他们想了解这方面的数据合规业务。紧接着，王渝伟发现，这类的咨询越来越多，更明显的变化是，前来咨询的不再是公司的法务，而是创始人。“生成式AI的出现，原有的监管逻辑已经很难适用。”王渝伟说。从事大数据法律工作多年的王渝伟发现，生成式AI与上一波AI浪潮正在呈现更加底层的变化。例如，上一次的AI更多是基于算法进行推荐，还有就是一些人脸识别，都是针对一个场景，针对一些小模型，在具体应用场景当中进行训练，涉及的法律问题不外乎知识产权、隐私保护的问题。而在这个生成式AI生态之上的不同角色，例如提供底层大模型的公司，在大模型之上接入做应用的公司，存储数据的云厂商等，对应的监管都不尽相同。目前大模型所带来的伴生风险已经有了共识，业界明白，商业化应用势必会放大这种风险，要想保持业务的连续性，就需要重视监管。难点就是，“如何找到一条既能做好监管，又能不影响行业发展的路径。”王渝伟说。结语对于整个行业来说，在对技术加深探讨的同时，也正在引发更为深远的思考。在AI逐渐占据科技产业的主导地位之时，要如何确保技术的公正、公平和透明性？当头部公司紧紧掌控技术和资金流向时，如何确保中小企业和初创公司不被边缘化？大模型的开发和应用蕴含巨大潜力，但盲目跟风是否会导致我们忽视其他创新技术？ “从短期来看AI大模型正在被严重高估。但从长期看，AI大模型被严重低估了。” 半年时间里，AI热浪翻涌。然而对于中国的创业公司和科技巨头来说，在热炒的市场氛围中，如何保持清醒的判断，做出长远的规划和投资，将是检验其真正实力和远见的关键。来源：金色财经
金色财经2023-08-04
Amazon2023年Q2业绩电话会高管解读财报
 go
个领先的大型语言模型公司的模型，例如 Anthropic、Stability AI、AI21 Labs、Cohere 和 Amazon 自己开发的大型语言模型称为泰坦。Bridgewater Associates、Coda、Lonely Planet、Omnicom、3M、Ryanair、Showpad 和 Travelers 等客户正在使用 Amazon Bedrock 创建生成式 AI 应用程序。我们最近刚刚宣布了 Bedrock 的新功能，包括 Cohere 的新模型、Anthropic 的 Claude 2 和 Stability AI 的 Stable Diffusion XL 1。如果你考虑一下我谈到的前两层，我们正在做的就是使生成式人工智能的访问民主化，降低训练和运行模型的成本，允许访问大型语言模型而不是只有一种选择，使各种规模和技术头脑的公司能够更轻松地定制自己的大型语言模型，并以安全和企业级的方式构建生成式 AI 应用程序，这些都是让每个人都可以使用生成式 AI 的一部分，而且 AWS 拥有这些功能过去 17 年来一直致力于技术基础设施建设。然后，顶层是很多宣传和注意力集中的地方，这些是在这些大型语言模型之上运行的实际应用程序。正如我提到的，ChatGPT 就是一个例子。我们相信早期引人注目的生成人工智能应用程序之一是编码伴侣。这就是我们构建 Amazon CodeWhisperer 的原因，它是一个人工智能驱动的编码伴侣，它可以直接在代码编辑器中推荐代码片段，从而提高开发人员编码时的工作效率。这是一个非常强劲的开端，并改变了开发人员生产力方面的游戏规则。在亚马逊内部，我们的每个团队都致力于构建生成式人工智能应用程序，以重塑和增强客户体验。不过，虽然我们将自己构建许多此类应用程序，但大多数应用程序将由其他公司构建，而且我们乐观地认为，其中最大数量将构建在 AWS 上。请记住，人工智能的核心是数据。人们希望将生成式人工智能模型引入数据，而不是相反。 AWS 不仅为客户提供最广泛的存储、数据库、分析和数据管理服务，而且还拥有比其他任何公司都多的客户和数据存储。再加上在生成式 AI 堆栈的这 3 层为客户提供无与伦比的选择，以及企业放心将生成式 AI 应用程序投入生产所需的 Bedrock 企业级安全性，我们认为 AWS 有望成为客户的长期选择生成人工智能领域的首选合作伙伴。我们还在构建新的客户体验方面继续取得有意义的进展，这些体验可以有意义地改变客户在我们业务中的长期发展。Amazon Business 是我们增长最快的产品之一，年销售总额达 350 亿美元。该团队正在努力进一步构建企业客户所需的选择、价值、便利性和功能。通过 Prime 购买继续取得很大进展。在早期试验中，使用 Buy with Prime 的商家发现他们的购物者转化率平均提高了 25%，这对他们的业务产生了真正的影响。此外，参与 Prime Day 活动的商家在销售活动期间的每日“Prime 购买”订单数量与我们宣布 Prime Day 之前的一个月相比总体增加了 10 倍。坦率地说，我们决定在医疗保健市场领域进行大量投资只是在很短的时间内。我们之前尝试的很多都是较小的实验。但我们很高兴看到 Amazon Pharmacy 的活跃客户在过去一年翻了一番，而且我们很高兴看到 RxPass 的反响，RxPass 使 Prime 会员每月仅需 5 美元即可获得所有符合条件的仿制药，并且免费送货到他们家门口。One Medical 加入亚马逊仅几个月，我们也对在那里看到的情况感到鼓舞。我们的杂货业务持续增长。我们在消费品、宠物食品、美容品和罐头食品等非温控领域已经拥有非常庞大的业务，随着我们不断提高速度和降低服务成本，这些业务不断增长，这使我们能够更有效地销售更多商品。全食超市继续引领有机杂货领域，正在健康增长，并在去年显着提高了盈利能力。我们对全食超市的情况感到满意。正如我之前所分享的，我们正在为我们的大众实体店产品亚马逊生鲜开发新的格式，显着增加了关键业务投入的数量，并刚刚在商店中推出了新概念。我们还看到 Kuiper、Zoox 和 Alexa 等其他领域的重大创新和进步。我们对许多技术发明的投资仍处于相对早期阶段，这些技术发明正在改变这些领域为客户提供的服务，但它们是我们仍然乐观的长期机遇。最后，我想对我们的团队在 LinkedIn 的美国职业发展最佳公司中排名第一表示认可。这证明了我们致力于成为一家拥有领先薪酬福利和提升技能机会的优秀雇主。有了这个，我会把它交给布莱恩。布赖恩·奥尔萨夫斯基正如 Andy 提到的，我们的全球收入达到 1,344 亿美元，同比增长 11%，高于我们指导范围的上限。我们对报告的收入强劲感到鼓舞，这再次证明我们对价格、选择和便利性的关注继续引起客户的共鸣。我们继续看到日常必需品以及美容、健康和个人护理等类别的健康需求，并且看到客户对我们网站和移动应用程序的个性化改进和增强做出了积极的反应。在本季度，我们还看到北美和国际部门的宏观经济指标有所改善，但仍然看到客户降价并寻求购买价值。交付速度一直是过去几个季度的重点关注领域，我们在第二季度达到了创纪录的水平。Prime 会员喜欢更快的船速并且更频繁地购物。广告收入依然强劲，同比增长 22%。我们基于效果的广告产品仍然是我们增长的最大贡献者。我们的团队致力于利用机器学习来提高向客户展示的广告的相关性，并提高我们衡量品牌广告支出回报的能力。本季度第三方单位组合增加至 60%，这是我们所见过的最高水平，而且我们继续看到卖家数量和每个卖家销售的单位的良好增长。我们在提高全球商店盈利能力方面正在稳步取得进展。自北美分部营业利润率于 2022 年第一季度触底以来，我们已连续 5 个季度实现改善，第二季度营业利润率为 3.9%。这比过去 5 个季度提高了 620 个基点。商店业务营业收入改善的最大推动力之一是降低我们的服务成本，运输成本和履行成本的增长速度持续低于我们的单位增长速度。最近，区域化是一个重要的贡献者。更好的网络连接和更好的库存布局带来更快的交付速度，意味着更少的行驶里程和更少的接触，从而降低成本。虽然我们对所取得的进展感到满意，但我们看到了未来推动提高成本效率的更多机会。转向国际市场。自去年第三季度我们的营业利润率亏损触底以来，我们已经连续三个季度有所改善，第二季度利润率亏损为负3%。这比过去 3 个季度提高了 590 个基点。这个部分还包括我们的新兴国家。重要的是要记住我们在其中一些市场上的发展有多早。在过去 6 年里，我们已在 10 多个国家/地区推出了产品，并且始终在评估我们的客户体验以及我们的盈利之路，我们喜欢我们所走的道路。提醒一下，我们花了 9 年时间才在美国实现盈利。此外，在我们的北美和国际业绩中，通胀阻力也继续缓解，尤其是在燃油价格、长途运输费率、海运和铁路费率方面。迁移到 AWS。收入同比增长 12%，第二季度增长率趋于稳定。我们对客户渠道的实力感到鼓舞，并相信拥有一个大部分经过成本优化的庞大多元化客户群将为我们未来的增长奠定良好的基础。过去 12 个月的基础上，自由现金流为正，并且在连续第四季度有所改善。我们的财务重点仍然是推动长期可持续的自由现金流。最近自由现金流改善的最大驱动力是我们营业收入的增加，尤其是在北美和国际市场，正如我所说，我们在履行网络生产力和营业杠杆方面取得了有意义的进步，并受益于业务的放缓通胀压力。我们还看到营运资本对自由现金流的贡献有所改善。在过去的几年里，面对供应链中断，我们的营运资金效率一直不及我们维持较高周数的库存。最近，随着这些干扰的持续缓解，我们正在提高库存效率，从而改善我们的营运资金。我们将继续关注未来自由现金流的持续改善。接下来，让我们转向我们的资本投资。我们将资本投资定义为资本支出加上设备融资租赁的组合。截至 6 月 30 日的过去 12 个月期间，这些投资为 540 亿美元，低于去年同期的 610 亿美元。展望 2023 年全年，我们预计资本投资将略高于 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，部分被支持增长的基础设施资本支出增加所抵消我们的 AWS 业务，包括与生成人工智能和大型语言模型工作相关的额外投资。接下来，让我们继续回答您的问题。
老虎证券2023-08-04
生产力 SaaS 如何应对 AI 的颠覆？
go
新，在 3 月末就直面竞争，推出了由 Anthropic 的模型驱动的代码编辑助手 Cody，并且将其代码实现开源。 Cody 背后的技术方案由于 Cody 拥有 Embeddings 的长上下文优势和 Sourcegraph 独特的 Code Graph 加持，它很快在 Hacker News 和 Twitter 上被广泛讨论。而开源的属性让 Cody 不被局限在 Sourcegraph 产品内部，而是可以当做灵活的 IDE Extension 使用，作为老公司和 AI Native 的 Cursor 等产品一同迅速成为了 Github Copilot 最可能的替代选项之一。乘胜追击扩大价值我们在 ChatGPT Plugin 的文章中描述过 Zapier 短期受益的局面：当前 ChatGPT 有了很强的工具使用能力，但缺少在 api 聚合方面的 know-how，因此 Plugin 的出现在中短期之内利好 Zapier 这类聚合器产品。Zapier 在此领域积累很深，现在如果大家想在 ChatGPT 上做一些复杂操作的时候：比如将文本总结之后发社交媒体，或是记录在 Google Workspace 中，大家都会选择用 ChatGPT + Zapier 的方式来实现。在很多 use case 中，ChatGPT 只需要接入聚合器，就能做到非常好的用户体验，它也不需要接入大量 api，相当于类似 SEO 的部分由聚合器完全提供了。 …… 但长期上，这类产品面临以下冲击：一方面， api 的组织形式可能会发生变化，LLM 时代可能跨产品交互的频次和。OpenAI 最近发布了函数调用能力，使 api 的可用性显著提升，这些变化可能会弱化 Zapier 的护城河。另一方面，聚合器可能会成为操作系统机会中的一部分，微软、谷歌和苹果都可能基于自己的系统去建立相应的能力，竞争激烈。 Zapier 团队在过去 6 个月的表现非常亮眼，展现出了团队一流的视野和执行力。下面这几个产品发布可谓稳准狠： • 3 月推出 Zapier Natural Language Actions，将平台能力首次以 API 的方式开放，还支持通过 Chat 的方式调用，迅速让 Zapier 跟 GenAI 生态融合在一起； • 由于各种 SaaS 内的数据只是由 Zapier 连接而没有存储在它这里，Zapier 在 5 月推出了 Zapier Tables，帮助用户存储、编辑、共享和自动化各个 SaaS 内的数据，这样可以从用户存量数据积累的角度构建另一条护城河； • 它推出的 Chatbot 框架也迅速在社交媒体上引发大量关注，成为用户自发为各类 SaaS 引入 LUI 的首选低成本方案之一。从不浪费红利、防止短暂红利过后被颠覆以及扎实把产品做好的角度，Zapier 是这一年来最好的生产力 SaaS 范本。而且它的联合创始人 Mike Knoop 投入力度非常大，完全致力于 Zapier 与 AI 相关的产品，并且成为了湾区 AI 生态重要的意见领袖，非常值得其他生产力 SaaS 公司学习。 03.现阶段 SaaS 的 AI 功能遭遇的 5 大挑战尽管我们找到了 6 个正面范本试图说明有些生产力 SaaS 做得还不错，但是它们不可避免地仍然陷入到一些具体的挑战当中，下面是最典型的 5 个：挑战 1：PR 先行给用户带来的失落由于 ChatGPT 引发的用户热度过于突然，大量的公司在 23 年初才开始准备其 AI Offering，并且在 3 月中下旬撞车式发布 Private Beta 版本，这导致了过长的 Waitlist，大量的客户知道自己的 SaaS 供应商推出了 AI 能力，但是却一直无法购买使用，不得不随着时间冷静下来。以 CRM 为例，许多 Salesforce 的客户对 Einstein GPT 非常感兴趣，多次向自己的销售询问报价，但是在整个 4 月和 5 月都无法得到售卖反馈，这让许多客户将这种本该严肃的产品发布视作一场无意义的 PR 行为。 Salesforce 实际上拥有一份完善的产品路线图，但是与官宣 Einstein GPT 的时间有足足 3 个月的时间差挑战 2：AI 与产品路线图的冲突投资人们希望 AI 颠覆 SaaS，但是大量的 SaaS 用户实际上只想安安静静地用好自己的文档、任务管理、视频会议工具们。 ClickUp 的用户们对 ClickUp 3.0 的正式推出期待已经，但是先等到 ClickUp AI，因此有一些非常一针见血的用户吐槽： ClickUp 的核心是充当项目管理工具和数据库，但是核心功能充满 bug，有些仪表盘需要几分钟才能刷新，可靠性在过去 18 个月号称占据了 70% 的资源但是几乎没有新功能出现，3.0 跳票，ClickUp Docs 的基础能力和 Google Docs 相距甚远，AI 本身无济于事。 ClickUp 试图让 AI 看起来是产品升级中的一个子项，但是大家发现他们的首要任务是 AI 而不是 3.0。 ClickUp 选择发布 AI 而不是 3.0 让人感觉受到了欺骗，3.0 不再是“指日可待”，我宁愿再看一下 Asana 或 Wrike。其他的产品或多或少都有类似的问题存在，比如 Notion 离线模式的用户呼声可能比 Notion AI 要强不少，这样大家才能摆脱在没有 WiFi 时完全无法使用 Notion 的窘境，但是 Notion AI 率先推出并且在产品路线图中似乎占据了更多精力。挑战 3：用户承担的定价模式这与挑战 2 相辅相成：如果 AI 能力是免费赠送的，那用户并没有什么反感这些能力的理由。但是由于“扩 TAM 并且保毛利”的策略，用户往往需要额外付费。不管是 ClickUp 的 5 美元 / 月 / 人、Notion 的 10 美元 / 月 / 人还是 M365 的 30 美元 / 月 / 人，让每个使用者自行付费的话不是个大数目，但是真让经营者批量采购也不是笔小钱 —— 要知道 Notion 本身的 Business 方案也就 15 美元 / 月 / 人，为员工采购 AI 相当于账单需要增加 60-70%。挑战 4：跟 ChatGPT 抢入口这些挑战是环环相连的！由于挑战 1 的存在，大量习惯了 ChatGPT 的用户的工作流是将文本粘帖进 ChatGPT 问答，然后将所需的结果再复制会自己的 SaaS 当中，由于挑战 2-3 的存在，尽管难以衡量具体比例，但是大量的用户已经订阅了 ChatGPT Plus，承担了 20 美元月 / 人的账单。这个订阅虽然略贵，但是比较通用，为每个 SaaS 的 AI Offering 单独订阅的总额可能远远超越 20 美元。因此我们团队经常讨论的入口逻辑在实实在在地发生，生产力 SaaS 们正在和 ChatGPT Plus 争夺每个员工身上的预算，这个战争暂时还胜负未分。挑战 5：并没有「天才」CEO 我们在去美国之前认为 Salesforce 的 Data Cloud 战略为其 GenAI 的路线图提供了自上而下的指引，但是和内部员工聊下来发现这也只是非常 high level 的指导思想，最终还是回归到营销云、服务云、工业云等各个业务团队内部自下而上提出各类 GenAI 产品功能的诉求。其实走访下来，从大公司到一级市场独角兽，大家进行 AI 创新的方式大抵都是如此，不存在 CEO 想出一个天才的方向，然后下面闷头实现就行的情况。不同玩家之间的核心区别之一在于 CEO 愿意为这部分分配的总资源有多少。鉴于挑战 2 的存在和 AGI 带来时间表的不确定性，这可能很难平衡，并且成为未来 5 年所有 SaaS CEO 最需要思考的问题之一。来源：金色财经
金色财经2023-08-02
竞争升级亚马逊云部门持续发力推出新的AI 工具
 go
决方案。亚马逊还计划收购相当多的公司Anthropic和Stability AI的更新技术。这些技术的引入亚马逊能够提供比竞争对手更广泛的AI模型，从而赢得更多业务和市场贡献。这一举措是对谷歌和微软 AI 服务的回应。这相当于竞争对手所开发或销售的人工智能引起了公众的广泛关注，其中包括之前报道的 ChatGPT 和 Bard 聊天机器人。亚马逊通过提供比竞争对手更广泛的人工智能模型赢得了业务，并已收购了部分公司 Anthropic 和 Stability AI 的最新技术。作为最大的云计算巨头之一，亚马逊托管了大量客户的数据，这使得他们在市场上拥有独特的优势。他们计划利用这些优势来进一步巩固在人工智能领域的地位。奋战的竞争对人工智能领域产生影响。客户将供奉这种对更多种类的AI模型的选择，以满足不同的需求。此外，亚马逊的举措也将推动整个行业的发展，带动其他公司加大力度投入并提升人工智能技术的创新水平。在这样的竞争环境下，用户和企业可以期待看到更加优质的AI工具和服务不断得到保障，推动人工智能技术的不断演进和进步。综上所述，亚马逊正全力以赴在人工智能领域取得领先地位。通过推出新的AI工具和吸纳第一公司的先进技术，亚马逊不仅增强了自身在对话式客户服务、医疗保健系统等领域的实力，还计划提供更多样化的AI模型来满足不同客户的需求。随着竞争的激烈争夺，亚马逊的这些举措将推动其在全球AI市场上保持竞争优势。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2023-08-01
微软等领军企业创建前沿模型论坛以确保人工智能安全性
 go
的。这项努力也得到了人工智能初创企业Anthropic和微软的支持。根据周三的一份声明，该行动的目标是整合会员公司的专业知识，并为行业创立基准。这个名为前沿模型论坛（Frontier Model Forum）的组织称，欢迎其他致力于大型机器学习平台的组织参与进来。 OpenAI的ChatGPT可以根据简单的提示创建文本、照片甚至视频，诸如此类生成式AI工具的迅猛发展给科技巨头带来了必须要谨慎行动的压力。在白宫的敦促下，参与前沿模型论坛的公司已经同意制定一些安全保障措施，而美国国会也可能会通过一些约束性的法规。 “这是一项紧迫的工作，这个论坛具备迅速采取行动来推进人工智能安全状况的有利条件，” OpenAI全球事务副总裁Anna Makanju在声明中说。该论坛计划在未来几个月内成立一个顾问委员会，以评估优先事项，并希望确立章程、治理体系和资金安排来推进AI安全。该组织还希望与现有的倡议合作，包括Partnership on AI和MLCommons。虽然许多公司长期以来一直使用机器学习来支持搜索和社交媒体功能，但最新一代的人工智能模型让人们看到了这些系统正在接近类似人类的智能。全球许多国家的政府都已经誓言将携手合作，共同应对人工智能带来的风险。其中包括七国集团，该组织正计划在英国举行一个国际人工智能峰会。不过目前而言，在美国，对人工智能的掌控都是由公司自行决定。 “这项倡议是让科技行业携手努力，负责任地推进人工智能并应对挑战，从而让全人类受益的重要一步，”微软总裁Brad Smith在声明中表示。
金融界2023-07-27
美联储加息 BTC将何去何从？
go
Inc.参投； 9. OpenAI、Anthropic、谷歌和微软成立前沿模型论坛； 10. BadgerDAO发布eBTC协议紫皮书，为DeFi引入抗审查的合成比特币； 11. Jack Dorsey旗下支付公司Block起诉万事达卡和Visa； 12. ZilBridge跨链服务受Poly Network影响暂停，预计下周恢复； 13. Lido DAO成员正在推动双重治理模式。来源：金色财经
金色财经2023-07-26
7月24日证券之星早间消息汇总：中炬高新总经理辞职
 go
息的传播和其他风险。白宫表示，亚马逊、Anthropic、谷歌、Inflection、Meta、微软和OpenAI七家主要人工智能公司做出自愿承诺，以公众安全、系统网络安全和获取社会信任作为AI开发的三大原则。 3.据美国财经媒体MarketWatch上周五报道，在摩根大通的跨资产报告产品Cross Asset Spotlight中，已经开始使用生成式AI为人类分析师报告撰写总结，同时在这些AI总结后面附带着报告原文的链接。在这份研报的免责声明中，摩根大通的分析师们表示，投资者需要在不断变化的市场中筛选大量内容，这是使用人工智能的部分原因。
证券之星2023-07-24
OpenAI正在杀死创业公司？
go
l Seibel认为，“OpenAI和Anthropic等公司实际上是在努力构建AGI，他们不是在努力构建AI驱动的CRM（客户关系管理系统）或更好的搜索之类的东西”。 OpenAI和人工智能对初创公司的影响有待观察，但历史表明，每一次技术产生重大变革的时期，技术革新通常会给初创企业带来更大的机会，而不是压制。浏览器时代，网景的发布阻止不了之后微软IE、Google的发展；移动互联网时代，iPhone的诞生揭开了Meta、Uber等一众移动应用厂商崛起的序幕。目前来看，ChatGPT所冲击的只是基于GPT二次开发的“套壳产品”，OpenAI带来的AI技术变革，将催生出新的令人惊叹的初创公司。 3.AI应用路在何方？据不完全统计，ChatGPT爆火后的七个月内，全球大模型数量已多达数百个，仅中国就至少有80个。今天，基础大模型已经初步形成互联网大厂、AI科技公司、明星初创公司、学界科研机构等多方势力“百模大战”的格局。大量的资金、人才、技术涌入了基础大模型，而对于应用层的讨论声音要小很多。大模型是基础设施，需要通过应用才能和用户产生关系。这是一个更大的生态。百度创始人、董事长兼首席执行官李彦宏认为生成式AI将催生新产品、新业态，会有很多创业和投资，大模型时代最大的机会在于应用层。他曾表示，“在应用层，将会出现全新的、十倍于现在微信和抖音的创业机遇”。 AI应用层的变革主要分为两类，一种是常见的基于大模型做既有产品的升级，代表公司为微软、Salesforce、阿里巴巴等科技巨头，以及大量的中小软件公司。微软已经将OpenAI的大模型能力，引入其全系产品中，包括New Bing搜索引擎、Microsoft 365 Copilot、Windows Copilot，国内阿里巴巴旗下的钉钉，也基于旗下通义千问模型进行了改造。传统SaaS公司正在快速接入AI。在细分行业领域，AI产品多应用在销售、咨询、管理等产业场景中，帮助企业打造竞争壁垒。以全球排名第一的CRM厂商Salesforce为例，Salesforce坚持AI+数据+CRM战略，在2023年推出两个AI产品EinsteinGPT、SlackGPT。另外一种，则是基于AI大模型的原生应用，但目前尚未爆发。以最近爆火的Agent为例，Agent作为人与LLM的中介，可能会挑战原有平台的分发机制，用户不再依赖平台使用软件，而是直接与Agent互动获取服务，过去SaaS也可能会变成AaaS（Agent as a Service）。新的产品逻辑将进一步降低用户使用技术的门槛，并渗透到新的使用场景。无论是既有的互联网产品还是正在成长的AI原生应用，在大模型时代都有可能经历新一轮洗牌。金山办公技术总监熊龙飞告诉「甲子光年」：“关键在于，要构建自己的技术壁垒。” 过去的积累与面向未来的投入都很重要。比如，金山办公除了大模型的功能模块之外，还积累了35年的文档处理底层技术，以及从2017年开始投入研发的AI能力。此外，为了结合大模型，金山办公还特地开发了向量化系统、提示词管理器、各类AI能力和大模型的外挂系统等基础技术。应用层公司的核心壁垒不仅仅在于模型能力，产品设计、数据管理、服务网络等方面同样重要。以Grammarly为例，有用户告诉「甲子光年」，“Grammarly主要应用场景有键盘输入法、浏览器插件和各个终端应用。ChatGPT在论文写作或者满分作文上兴许能用到，但日常沟通还是Grammarly更方便” 。随着模型能力的发展，算力价值在应用层可能被抹平，数据才是长期的壁垒所在。真格基金管理合伙人戴雨森在之前的一次演讲中表示，“当数据的质量和数量增加时，模型的性能和效果会提升，同时也会增加用户壁垒”。以微信为例，最早期的微信其实没有壁垒，后来通过与众多用户之间的特有关系形成了网络效应，从而产生壁垒。在大模型可以覆盖的通用场景之外，创业者在垂直领域积累深厚独特的行业数据，或者做冷门领域的先行者，或许更有可能获得成功。新一轮的AI浪潮无异于大浪淘沙，只有拥有核心本领才能立于不败之地。来源：金色财经
金色财经2023-07-22
美股开盘：三大股指集体高开，Digital World涨超20%
go
召集七家领先的人工智能公司——亚马逊、Anthropic、谷歌、Inflection、Meta、微软和OpenAI，并宣布这些公司已自愿承诺，帮助实现人工智能技术安全、可靠和透明的发展。公告中称，这些公司做出的自愿承诺强调了人工智能未来的三个基本原则：安全、保障和信任，这标志着朝着开发负责任的人工智能迈出了关键一步。 AMD首席执行官苏姿丰周五表示，除了台积电，该公司还将“考虑其他制造能力”来生产AMD设计的芯片，以确保供应链的弹性。美国运通第二财季营收150.5亿美元，低于预期的153.6亿美元；每股盈余2.89美元，超预期的2.81美元；重申全年业绩指引。英国竞争和市场管理局（CMA）负责人卡德尔（Sarah Cardell）7月21日接受媒体采访时表示，阻止微软收购动视暴雪的决定维持不变。卡德尔表示，微软必须提出令人满意的提案。直觉外科第二财季营收17.56亿美元，超预期的17.4亿美元；每股盈余1.42美元，超预期的1.33美元；达芬奇机器人手术系统的全球装机量达到8042台，但低于预期的8203台。斯伦贝谢第二财季营收81亿美元，低于预期82.3亿美元；调整后每股盈余0.72美元，超预期的0.71美元。 CSX运输第二财季营收37亿美元，低于预期的37.3亿美元；调整后每股盈余0.49美元，低于预期的0.5美元。特朗普社交媒体壳公司Digital World Acquisition Corp已与美国证券交易委员会达成和解，并将与Truth Social平台的母公司合并。大宗商品交易巨头嘉能可（Glencore）7月21日表示，其贸易部门的全年息税前利润预计为35亿至40亿美元。该部门利润去年达到创纪录的64亿美元。阿里巴巴集团发布2023财年年报。年报显示，阿里巴巴营收为8686.87亿元（约合1264.91亿美元），与2022财年的8530.62亿元相比增长2%。净利润为655.73亿元（约合95.48亿美元），与2022年财年的470.79亿元相比增长39%。
金融界2023-07-21
联合国安理会首次就人工智能风险召开会议！中国：AI不应成为“脱缰之马”
go
·古特雷斯、备受瞩目的人工智能创业公司Anthropic联合创始人杰克·克拉克以及中英人工智能伦理与治理研究中心联合主任曾毅(音译)教授向这个由15个成员组成的委员会作了简要介绍。古特雷斯说:“人工智能的军事和非军事应用都可能对全球和平与安全产生非常严重的后果。” 古特雷斯支持一些国家呼吁建立一个新的联合国机构，以国际原子能机构、国际民用航空组织或政府间气候变化专门委员会为榜样，“支持集体努力管理这一非凡的技术”。中国驻联合国代表张军称人工智能是一把“双刃剑”，并表示北京支持联合国在制定人工智能指导原则方面发挥核心协调作用。 “它是好是坏，是好是坏，取决于人类如何利用它，调节它，以及我们如何平衡科学发展与安全，”张军说，并补充说，应该关注人和人工智能，以规范发展，并“防止这项技术成为脱缰之马”。张军在会上指出，人工智能的复杂效应不断显现，既产生巨大技术红利，也引发越来越多的担忧，凸显了构建人类命运共同体的重要性、必要性、紧迫性。张军强调，国际社会应该秉持真正的多边主义精神，开展广泛对话，不断凝聚共识，探讨制定人工智能治理的指导性原则。中方支持联合国在此方面发挥中心协调作用。张军提出关于人工智能治理的五条原则，其一指出，坚持安全可控。国际社会要强化风险意识，建立有效的风险预警和应对机制，确保不发生超出人类掌控的风险，确保在关键时刻人类有能力摁下停止键。美国驻联合国副大使杰弗里·德劳伦蒂斯也表示，各国也有必要在人工智能和其他新兴技术方面共同努力，以应对可能破坏和平与安全的人权风险。 “任何成员国都不应该利用人工智能来审查、约束、压制或剥夺人民的权力，”他告诉安理会。俄罗斯质疑负责维护国际和平与安全的安理会是否应该讨论人工智能。俄罗斯驻联合国副大使德米特里·波利安斯基说:“我们需要的是一个专业的、科学的、基于专业知识的讨论，这可能需要几年的时间，而这种讨论已经在专门的平台上进行了。”
忆芳2023-07-19

上一页
1
•••
42
43
44
45
46
•••
51
下一页

24小时热点

最新话题更多