00后哈佛辍学生创业AI吊坠：不要生产力，我们只要AI朋友 | New Things
00后哈佛辍学生创业AI吊坠：不要生产力，我们只要AI朋友 | New Things情感陪伴是人类的永恒需求，也能在AI赛道上玩出花。
来自主题:
AI资讯
10147 点击 2024-08-06 12:00
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
情感陪伴是人类的永恒需求，也能在AI赛道上玩出花。
有些人是人工智能的摸石者，而有些人其实只是“搬运者”
“中美AI差距究竟有几年？”这个问题困扰了不少只要根深蒂固，任尔东西南北风人，也有很多声音尝试将中美AI实力进行比较。其中，算法，一定是评判的首要标准。
暗壳AI由矩阵纵横孵化，现开启新一轮融资。
用 AI 工具将所有的 C 语言转换为 Rust 语言，可行性有多大？
2024年2月底，金融服务公司Klarna表示，其所使用的OpenAI提供技术支持的AI Agent，已接管了三分之二的客户聊天，工作量相当于700名全职代理。从引入AI Agent到取得这份耀眼的成绩，仅仅用了1个月的时间。
一周全球AI热点
AI侵犯版权，网文作家集体焦虑。
“电子朋友”，这名儿很city。 在年初的 MWC24 中，一款名为 AI Pin 的 AI 设备在高通的展台上吸引了大量关注。无论是线下介绍还是线上宣传中，Human 都在潜移默化地宣传「AI Pin 能取代手机」。
Covar iant能否估值百亿、甚至千亿美金？ 8月2日消息，彭博社报道，专注具身智能赛道的美国AI软件企业Covariant最近收到亚马逊的收购意向。目前，亚马逊和Covariant均未对该消息作出回应
从前两年的百模大战到大语言模型 LLM（Large Language Model）的逐步落地应用，端侧AI始终是人工智能技术发展中至关重要的一环。 所谓的端侧AI，即用户在使用过程中不依赖云服务器，直接在终端设备本地使用AI服务。相比于ChatGPT4.0和最新推出的Llama3.1等依赖于云端接口的主流大语言模型，设备端边缘应用的紧凑模型有较强的私密性，也具有个性化操作和节省成本等诸多优势。
去各大高校图书馆转一圈，会发现头上一副耳机、手边一杯咖啡，电脑上一个AI工具网页几乎成了当代大学生标配。
微软最近发布的财报，再次揭露了GenAI的成本真相。 报告显示，微软本季度在现金资本支出和设备购买上，花费了足足190亿美元，同比增长78%，相当于5年前一整年的支出总额。
Llama 3.1刚发布不久，Llama 4已完全投入训练中。 这几天，小扎在二季度财报会上称，Meta将用Llama 3的十倍计算量，训练下一代多模态Llama 4，预计在2025年发布。
The Information近日爆出了一则OpenAI的亏损新闻，其中新增的关键数据包括： OpenAI目前单月收入约为2.83mnUSD，全年营收可能在35~45亿美金。 OpenAI 24年推理成本将达到40亿美金，训练成本将达到30亿美金。
促进供需方精准对接、挖掘场景应用需求，带动产业高质量发展。
检查内容是否用了ChatGPT，准确率高达99.9%！
英伟达最强芯片B200被迫推迟三个月，传闻闹的沸沸扬扬。
终于，国产大模型能在综合能力上也能与GPT-4o一决雌雄了。
大模型的人才黑洞效应，还在持续。
简而言之：矩阵 → ReLU 激活 → 矩阵
为了对齐 LLM，各路研究者妙招连连。
大模型作为当下 AI 工业界和学术界当之无愧的「流量之王」，吸引了大批学者和企业投入资源去研究与训练。随着规模越做越大，系统和工程问题已经成了大模型训练中绕不开的难题。例如在 Llama3.1 54 天的训练里，系统会崩溃 466 次，平均 2.78 小时一次！
在 RAG 系统开发中，良好的 Reranker 模型处于必不可少的环节，也总是被拿来放到各类评测当中，这是因为以向量搜索为代表的查询，会面临命中率低的问题，因此需要高级的 Reranker 模型来补救，这样就构成了以向量搜索为粗筛，以 Reranker 模型作精排的两阶段排序架构。
因设计缺陷，英伟达最强AI芯片Blackwell，真的要延期发货了。金主爸爸们哀声一片，所有预定计划预计要拖延至少三个月。
AI“狗语翻译器”，让人类与狗跨物种交流。
注意！AI 角色所说的一切都是虚构的
靴子终于落地，OpenAI的AI搜索还是来了。7月26日，就在推出小模型GPT-4o mini的一周后，OpenAI方面公布了备受外界关注的搜索产品SearchGPT。尽管目前SearchGPT仅向10000名测试用户开放，但OpenAI CTO Mira Murati在社交平台已经透露，最终目标是将搜索功能直接整合到ChatGPT中。
如今一场席卷人工智能圈的“石油危机”已经出现，几乎每一家AI厂商都在竭力寻求新的语料来源，但再多的数据似乎也填不满AI大模型的胃口。更何况越来越多的内容平台意识到了手中数据的价值，纷纷开始敝帚自珍。为此，“合成数据”也成为了整个AI行业探索的新方向。
