EN
中文
注册 / 登录
产品分类:
加载中...
头条分类:
加载中...
把电池卖到欧洲,没那么简单了
出来混,要有势力,要有背景。 欧盟酝酿了三年多的阳谋,开始了行动。 8月17日,《欧盟电池与废电池法规》(以下简称“新电池法”)正式生效,这是一项针对在欧盟本地生产及进口电池的管理法规,包含三点强制性要求: 1.电池护照,需包含电池矿物来源、稀有金属含量、电池循环次数等详细信息; 2.电池回收,强制要求电池厂回收废旧电池,高比例回收材料,并在新电池生产中使用一定比例回收材料; 3.碳足迹,需要提供电池从“出生”到“死亡”再到“重生”等全流程的碳足迹。 法规之严苛前所未见,且指向性明确。近年来,中国锂电池出口迅速增长,已经和电动车、光伏共同成为出口“新三样”,且欧盟是主要出口市场。但欧盟与中国在电池管理上存在诸多差异,中国电池厂短时间内要满足欧洲的新电池法并不现实。 某种意义上,欧盟新电池法已经形成新的“贸易壁垒”,只不过与十多年前“光伏双反”的雷霆手段相比,新电池法更偏向一种“温水煮青蛙”的方式: 一是给足了缓冲时间,除了明年7月需要提供的电池碳足迹信息,大部分强标在2025年底才正式生效;二是更偏向顶层话语权争夺,即更关注电池护照、回收和碳排放等标准制定,按标准筛选准入的电池厂。 对于欧盟来说,新电池法真正的目的从来不是全面禁止中国电池,而是为本土电池产业的发展寻求空间。 01 影响千亿的法规 新电池法的生效第一时间引来了中国商务部的关注,原因在于锂电池出口对目前的外贸举足轻重。 2023年1-7月,中国锂电池出口总额370.45亿美元[1],约占出口总额2%,且在出口总额整体下滑5%的情况下,锂电池出口实现了49%的同比增长。 同期,光是销往欧洲的锂电池,总金额就达到140亿美元(约合人民币1019亿元)[1]。 但从2024年7月1日起,电池厂向欧盟国家销售电池开始需要提供厂家信息、电池型号,原料(包括可再生部分)、碳足迹总量、电池不同生命周期碳足迹、第三方认证报告、能够展示碳足迹的链接等材料。 真锂研究创始人墨柯告诉我们:“目前国内的电池厂大多只做了一个电池标签,能追溯到电池的生产厂家、生产时间、生产批次以及原材料的供应商。但这远无法符合新电池法的要求,电池生产的能源是水电还是煤电,原材料的来源和碳足迹,这些都很难追溯。” 如果到2026年仍然无法提供完整的电池护照信息,中国的锂电池可能会面临无法出口到欧盟的风险。 02 出海建厂的风险 直接出口面临困难,那么到欧洲建厂呢? 截至今年6月15日,在欧盟公布的50个锂电池工厂项目中,中国企业占比过半[2]。龙头宁德时代更是计划在匈牙利建设100GWh的电池工厂。伴随电池厂出海的,还有大量设备、碳酸锂精炼厂、主材企业。 一时间整个产业链奔赴欧洲,有种“一切战术转换家”的美。 中国锂电产业链在欧洲的部分布局 但不出意外的话,一定会出意外。 8月26日,匈牙利反对党人士、前欧洲议会议员雅沃尔·贝内德克(Jávor Benedek)在社交媒体声称,欧盟委员会将调查宁德时代匈牙利工厂的用水情况,此前已经有韩国电池回收公司因用水问题被暂停营业。 值得注意的是,举报宁德时代的正是雅沃尔本人,目的自然是阻挠执政党引入宁德时代的超级工厂。 中国企业在欧洲的布局步履维艰,一方面,电池基础薄弱的欧洲缺乏相应的人才和供应链体系,中国企业在欧洲的运营还需要不断和本土跨时区沟通,效率低下;另一方面,人生地不熟的中国企业还需要面临当地社区、法规、甚至政治层面的不确定因素。 这也正应了那句老话:出来混,要有势力,要有背景。 03 欧洲出招的无奈 虽说把电池卖到欧洲的难度变大了,但欧盟这次并没有赶尽杀绝。 无论是对比2012年欧美发起的“光伏双反”,还是2015年中国推出的“电池白名单”,新电池法都算得上宽松,毕竟前两者在操作层面基本上没留任何余地。 是欧盟不想把门关死吗?恐怕是因为做不到。 从欧洲汽车产业转型电动化开始,自研自产电池的口号就喊得震天响,先是有特斯拉前供应链高管主导的“国家队”Northvolt,而后奔驰、Stellantis、TotalEnergies SE又合资成立了ACC电池公司。 但实际情况却是“雷声大雨点小”,2022年,欧洲本土电池产量69GWh,而需求量却对应120GWh,大约一半电池仍依赖进口[3]。2017年就成立的Northvolt,到2022年年中才刚刚实现量产。 大部分欧洲电池产能面临中高程度的不确定性 多重原因促成了欧洲电池对外依赖的现状,例如整车厂更依赖成熟的东亚电池供应链;欧洲电池厂大多是初创背景,在注重规模效应的电池产业极其吃亏;盟友美国的IRA政策还吸引了大量整车厂和电池厂奔赴北美,欧洲自建电池产业难上加难。 不过在产业端的失利并不影响欧盟“挟市场以令诸侯”,新电池法中暗含着欧盟对未来电池标准的野心。 墨柯表示:“欧盟对电池标准的研究由来已久,新电池法只是阳谋的一环,欧盟下一步很可能推出检测机构的‘白名单’,管理相对粗放的中国电池企业要想将电池出口到欧洲,就必须经过这些检测机构的认证,在这一步上,标准就被对方拿捏了。” 而中国企业想达到欧盟的标准,势必要耗费大量的资金和时间,这客观上为欧洲本土的电池企业争取了发展的机会,属于欧洲版的“以时间换空间”。 04 话语权的拉锯战 在新电池法的背景下,中欧之间势必会陷入一场话语权的拉锯战。原因在于双方电池行业的标准、法规与监管难以统一,且任何一方都不太可能跟随另一方的标准。 以电池回收环节为例,我国2018年通过的《新能源车汽车动力蓄电池回收利用管理暂行办法》中,明确规定车企为电池回收的责任方,由车企负责收集、贮存废电池,并成批移交至协会指定回收企业;欧盟新电池法则秉持“谁生产谁回收,谁进口谁回收”的原则,理论上电池公司与进口电池的车企将共同负责电池回收。 具体操作环节也不同,欧洲电池企业主要以火法回收为主;而国内电池回收企业则多采用湿法,生产链条较长,由于大量使用酸碱液体,对企业的环保要求也更高。 除此之外,欧盟要求披露的电池护照信息也较为敏感。目前在全球电池联盟官网公示的三张电池护照中,特斯拉的电池护照公示了电池的能量密度与循环次数,奥迪的两张护照则分别标记出了部分关键金属含量,这些信息过去通常都涉及电池企业的know-how。 奥迪的电池护照中清楚显示了钴和锂的用量‍‍‍‍‍ 同时由于新电池法还规定了电池企业的金属回收比例,为落实这项规定,很可能要求公示更多信息,难免会涉及到电池材料配比、原料来源地等商业机密。 为避免欧版电池护照带来的潜在风险,中汽数据今年发起了“动力电池可持续发展行动计划”,任务之一就是研究中国版“电池护照”,并促成与国际标准的对接。 在顶层博弈暗流涌动时,部分电池企业倒出乎意料的佛系,一位电池厂的人士并不焦虑,他告诉我们:“应对电池法短期内是看哪一项先强制执行,例如明年要求的一部分电池信息和碳足迹,我们已经有了对策,此外因为海外客户有要求,ESG这块也连续两年拿到了第三方机构的碳中和认证。” 一句话总结,再难的路挡不住出海做生意的心。 05 不得不走的出海之路 中国电池企业为什么渴望出海?核心原因还是国内产能过剩。 今年世界动力电池大会上,一汽集团总经理邱现东表示:“2022年至今,50多家企业对外公布的亿元以上的投资项目超过125个,总投资预算超过1.4万亿,产能规划超过2500GWh。” 这些产能与现有产能相加接近3000GWh,对应装车量约4000万辆,即使将国内每年2000余万辆的汽车销量完全替换成新能源车,也难以承载如此庞大的电池产能。 叠加今年缓慢复苏的新能源车市场,动力电池环节已经出现供大于求的现象,龙头企业宁德时代今年上半年产能利用率60.5%,创下新低。过去常态化加班的电池工厂,今年开始施行“双休、八小时工作制”。 海外市场则与国内市场完全相反,远景动力执行董事、中国区总裁赵卫军表示:“到2025年,预计海外市场仍有400GWh的动力电池缺口。”而汽车本地化供应的属性决定,率先出海建厂,满足整车厂需求的企业能够获得先发优势。 不过在产能过剩的压力之外,我们还需要看到国产电池出海的两个历史机遇: 一是低成本的磷酸铁锂电池路线,虽然一度被海外放弃,但如今大量使用磷酸铁锂电池的比亚迪和特斯拉已经证明了这条路线的实用性与经济性。在大量海外车企还在发愁新能源车如何赚钱的时候,比亚迪今年上半年的汽车业务毛利率已经接近21%。 在低成本的同时,刀片电池、神行电池、M3P电池还在提升磷酸铁锂电池的性能上限。在海外车企积极转向电动化的阶段,既有成本优势,又能满足性能需求的磷酸铁锂电池必然会受到青睐。 二是国产电动车也在加速出海,动力电池作为供应链的核心环节,配套出海也势在必行。 尾声 欧盟的新电池法对中国电池企业的影响不必过度夸大,将对电池的监管写进法律,意味着无论对中国、日本、韩国亦或是欧洲本土的电池企业,这些标准对每家企业都生效。当所有人成本都上升,几乎就代表成本没有上升。 与其担心电池行业,不如担心隔壁手机行业。毕竟新电池法还规定,便携式电子设备的电池要能让消费者自行拆换,手机可拆换电池的时代说不定又要回来了。
大模型算力荒?浪潮信息也来“掘金卖铲”
实现AIGC的能力,除了算力资源的限制外,仍存在诸多技术难点 图片来源@视觉中国 刚刚过去的一周,浪潮信息发布新品OGAI(Open GenAI Infra)元脑生智,意在为大模型业务提供AI算力系统环境部署、算力调度及开发管理能力的软件栈。 浪潮信息作为一家以服务器为主营业务的企业,受到来自生成式AI带来的算力牵引潜力,下游客户需求旺盛,但另一方面,在英伟达、英特尔等供应商出口限制的影响下,人工智能芯片普遍短缺,做软件,也是增强市场竞争力的多一种选择。 浪潮信息高级副总裁刘军告诉钛媒体,当前阶段仍处于大模型开发阶段,除了缺算力外,基础模型能力还没有足够高的提升,最终呈现出来的效果也不见得会真正能投入使用。 刘军认为,算力供给解决到一定程度,基础大模型的开发能力提升到一定程度,就具备了商业化能力,进而在各类场景、应用的落地通道也就打开了。而在中国,现阶段能真正达到GPT-4的模型的还没有,这就意味着将应用创新能力都寄托在OpenAI上也是明显不可能,也是不现实的。 大模型也需要生产力工具 据公开信息,2021年9月,浪潮信息就已经在研发大模型,面向大模型场景解决方案,支持AI芯片、服务器,以构建低时延的分布式系统。 浪潮信息发布参数量为2457亿的中文大语言模型“源1.0”。在“源”大模型的研发过程中,浪潮信息的AI团队逐步建立了完整的从公开数据爬取到数据清洗、格式转化、数据质量评估的完整流程和工具链,并完成了5TB高质量中文数据集的清洗工作。“源”大模型的数据集和清洗经验和帮助国内不少AI团队提升了其大模型的性能表现。 在这个过程中,浪潮信息遇到了很多大模型研发应用中的问题,例如公共算力调度问题、数据清洗问题、大模型分布式训练性能不佳等等。为此,浪潮信息团队从三个层面进行优化:一是系统全栈性,对于涉及多团队、多环节、多流程的业务,需要系统性架构和全栈解决方案;二是兼容适配性,由于模型训练需要大量的开源工具、组件,但存在兼容和性能方面的问题;三是性能优化的挑战,一个大的集群系统涉及的组件数以千计,怎样优化性能是问题。 举个例子,针对于提升大模型分布式训练的计算效率,特别是在实际的AI集群环境中,可能存在GPU之间的互联带宽受限,或者AI服务器之间的网络互联带宽有限的情况,浪潮信息自2022年以来为客户将大模型训练的GPU峰值效率从30%左右提升到50%,提升GPU利用率。 而在“源”大模型研发过程中,针对千卡规模算力的高效调度问题,浪潮信息通过对云原生的调度系统进行了改造来大幅加速其启动速度,并重点解决了RDMA网络在容器中的接入和适配优化,从而采取构建满足大模型需求的算力调度系统;针对训练任务的长期稳定运行问题,浪潮信息还引入了多种对集群性能的监控手段和性能数据分析方法。 客户最关心什么 但实现AIGC的能力,除了算力资源的限制外,仍存在诸多技术难点,包括在模型的训练、效果测评、落地场景应用方面兼具挑战性,对普通开发者和中小企业来说更是可望不可及。 整体来看,OGAI(Open GenAI Infra)元脑生智软件栈由5层架构组成,从L0到L4分别对应于基础设施层的智算中心OS产品、系统环境层的PODsys产品、调度平台层的AIStation产品、模型工具层的YLink产品和多模纳管层的MModel产品。 L0层智算中心OS的定位是面向智算中心等公共算力服务平台,面向多租户场景,提供灵活多样的以裸金属为主的AI算力服务。 L1层PODsys聚焦于AI集群部署场景,提供了包括基础设施环境安装、环境部署、用户管理、系统监控和资源调度一整套工具链,旨在打造一个易用、高效、开放、兼容的智算集群系统环境部署方案。 L2层AIStation聚焦于AI开发场景,通过云原生技术对集群系统中的计算资源、存储资源和网络资源进行统一的接入和纳管,提供了易于使用的开发环境和作业管理界面,并基于内置算力调度系统和训练稳定保障系统来实现易于接入、按需分配、弹性扩展和高效稳定的AI研发应用支撑平台。 L3层YLink聚焦于大模型的开发过程,通过集成整合浪潮信息在大模型研发过程中的工具和开源工具,为用户提供高效、便捷与标准化的大模型开发与优化流程。 L4层MModel定位于多模型管理与服务平台,帮助客户更好地管理和评估模型,加速模型的部署和应用。 浪潮信息人工智能与高性能应用软件部AI架构师Owen ZHU还告诉钛媒体,“现在企业面临的最大挑战是,需要用大规模硬件的基础设施才能够训练一个类似于ChatGPT同等能力的模型,这个复杂性是固有的。” 他解释,OGAI技术栈是从L0到L4层是分层解耦设计和实现的,也就是说并不用把整个OGAI技术栈提供给用户,才能够实现大模型开发,而是对应需要实现的层级功能进行选择。如果用户只需要提供算力多租户的裸金属方案,可能只需要L0层智算中心OS,不用关心最终用户会怎样进行大模型开发;如果用户需要模型开发相关工具链,可以按需选择L3层YLink提供的各类工具进行研发生产。 关于发布OGAI的初衷,Owen ZHU指出,“浪潮信息做这件事情,是先行者,这是由视角决定。浪潮信息服务了全球客户,包括国内也是最主要的AI应用客户群体,能够第一时间感知到大模型市场在缺什么,遇到了哪些问题。” 从用户的角度来看,更强的算力基础设施也会倒逼需求侧进一步升级。“做模型的不懂算力,做算力的不懂模型”,这种情况长期存在,但很多算法的创新与硬件的发展是相辅相成,两者又需要共同发展。 浪潮信息的这一做法是否切实可行,仍需市场来验证。
最先进的开源预训练大语言模型Lemur,平衡文本和代码功能
随着语言和技术交叉的日益增多,对多功能和强大语言模型的需求也越来越大。传统的大型语言模型(LLMs)在文本理解或编码任务方面表现出色,但很少能够在两者之间达到平衡。这种不平衡为模型在文本推理和编码能力之间无法无缝切换留下了一定的空间。因此,Lemur和Lemur-chat应运而生,这两个开放预训练和监督微调LLMs的开创性贡献旨在弥合这一差距。 创建既能够熟练处理文本又能够处理代码的语言模型一直是一个长期存在的挑战。现有的LLMs通常专门用于文本理解或编码任务,但很少同时具备两者。这种专业化使得开发人员和研究人员需要在在两者之间进行选择。因此,需要一种LLMs,它能够提供全面的技能集,包括理解、推理、规划、编码和上下文基础。 Lemur项目是由XLang Lab与Salesforce Research合作推出的,旨在解决语言模型技术中的关键差距。Lemur和Lemur-chat代表了一项开创性的努力,旨在开发开放的、预训练的和监督微调LLMs,其在文本和代码相关任务方面表现出色。这项工作的基石是对Llama2进行广泛的预训练,涉及约1000亿行代码密集型数据的大量语料库。这个预训练阶段之后是在约30万个公共教学和对话数据实例上进行的监督微调。结果是一个语言模型,具有增强的编码和基础能力,同时保持着竞争性的文本推理和知识性能。 Lemur和Lemur-chat的性能指标证明了它们的实力。Lemur在编码基准测试中超过了其他开源语言模型,证明了它的编码能力。同时,它在文本推理和知识性能方面保持了竞争优势,展示了它的多功能技能集。与此同时,Lemur-chat在各个方面显著优于其他开源监督微调模型,表明它在桥接对话环境中文本和代码之间的差距方面具有出色的能力。 Lemur项目是XLang Lab和Salesforce Research的协作研究成果,得到了Salesforce Research、Google Research和Amazon AWS的慷慨赠礼的支持。虽然朝着一个平衡的开源语言模型的旅程仍在持续,但Lemur的贡献已经开始重塑语言模型技术的格局。通过提供在文本和代码相关任务方面表现出色的模型,Lemur为寻求在语言和技术交叉领域中导航的开发人员、研究人员和组织提供了一个强大的工具。 总之,Lemur项目是语言模型领域创新的标志。它能够和谐地平衡文本和代码相关任务,解决了该领域长期存在的挑战。随着Lemur的不断发展和设立新的基准,它将推动代理模型的进一步研究,并为开源语言模型建立更强大和平衡的基础。有了Lemur,语言模型技术的未来将比以往任何时候都更加光明和多功能。
英伟达力挺这家“AI算力黄牛”4年估值560亿,硬刚硅谷巨头
制约 AI 人工智能发展最大的桎梏是什么?如在几年前,这个答案可能五花八门。但在大模型盛行的当下,这个问题只有一个答案——算力不够! 或者,换句话说,英伟达专用的 AI 算力芯片不够。 谁控制了英伟达的 AI 芯片,谁就控制了 AI 的未来。 现在,有这么一家公司,手中掌握了成千上万块英伟达的 AI「算卡」,客户涵盖了 OpenAI、微软等众多 AI 巨头。 作为「AI 算力黄牛」,这家名为 CoreWeave 的公司,在 4 年时间就将公司估值做到了 80 亿美元。拿到英伟达的独家投资之外,CoreWeave 还以手中的英伟达芯片做抵押,从黑石 Blackstone、Coatue 等顶级机构获得了 23 亿美元的债务融资。 没什么能阻挡 CoreWeave 的疯狂扩张,它到底是怎么搞定英伟达、从一家加密币「挖矿」公司,摇身一变成为 AI「算力基建」巨头的? 从「矿卡」到「算卡」 CoreWeave 的初创团队由三人组成,分别是 Michael Intrator,Brian Venturo 和 Brannin McBee,三人最初在金融领域工作,经营过对冲基金、家族办公室。 当年他们还在纽约管理基金时,加密货币挖矿热潮还未消退,最初只是为了赚取额外收入,他们购买了第一块 GPU,随后越买越多,华尔街的办公桌上堆满了 GPU。 「2016 年,我们购买了我们的第一块 GPU,插上电源,将其放在了俯瞰东河的曼哈顿下城办公室的台球桌上,然后挖掘了以太坊网络上的第一个区块。」CoreWeave 首席执行官 Michael Intrator,在一篇 2021 年的博客文章中如此回忆道。 很快,在 2017 年,他们将副业正式变成了一家公司,公司名字最初与加密货币相关,后来才改名叫 CoreWeave。在选择告别华尔街时,如同硅谷大佬都喜欢在车库里创业那样,他们将 GPU 硬件搬进了一个车库,不过这个车库不在西海岸的硅谷,而是在东海岸的新泽西郊区,属于其中一名创始人的祖父。 CoreWeave三名联合创始人Michael Intrator(左)、Brian Venturo(中) and Brannin McBee(右)|CoreWeave 在过去十年中,GPU 是加密货币、人工智能技术热潮的重要引擎。在 2018 年底,CoreWeave成为北美最大的以太坊矿工之一,手握超过五万块 GPU,占以太坊网络的 1% 以上。 期间,几人也开始了解到其他公司对 GPU 资源的渴求。他们同时认识到,在加密货币领域并无持久竞争优势,因为市场竞争激烈,受电力价格影响大。 当 2018 年和 2019 年加密货币价格暴跌时,他们决定多元化经营,进入其他领域,这些领域比较稳定,但也需要大量 GPU 计算。他们关注人工智能、媒体娱乐和生命科学三大领域,并从 2019 年起,专注于购买企业级 GPU 芯片组,构建专门的云基础设施,围绕英伟达的芯片调整业务。 随着新业务步入正轨,以太坊挖矿业务渐渐边缘化。转型的决定证明是正确且幸运的,几个创始人都没有料想到即将到来的 AI 浪潮之热,让 CoreWeave 逐渐从一个小办公室扩张成遍布全国的数据中心,以对应不断膨胀的 AI 市场需求。 据其中一名创始人披露,2022 年,CoreWeave 收入约有 3 千万美元,预计 2023 年将超过 5 亿美元,增长超 10 倍,并且已经签署了近 20 亿美元的合同。今年宣布在德州投资 16 亿美元建数据中心,并计划在年底前扩展至 14 个数据中心。 AI 「电网」 在 CoreWeave 成立短短几年后,用于 AI 的 GPU 成为了全球最宝贵的资产之一,就像伊隆·马斯克等人调侃的,现在,购买 GPU 比买药还难。随着生成式 AI 点燃市场,对 GPU 的需求急剧增加,而 CoreWeave 正好位于为 AI 公司提供所需资源的有利位置。 作为一家云服务提供商,CoreWeave 提供高性能计算资源的租赁服务,主要面向需要大量算力的客户,模式是基础设施即服务,按小时出租 GPU,客户只需要按使用时间和计算资源量来支付费用,大客户还有定制设施,旗号是「比传统云提供商快 35 倍,成本低 80%,延迟低 50%」。该公司专注于高性能计算服务,而不像一般云服务商还提供存储、网络等多种服务。 去年,就在 Stable Diffusion 和 Midjourney 等发布之际,CoreWeave 的高管们购买了大量英伟达最新的芯片。后来见到 ChatGPT 发布,他们意识到这样的投资远远不够,这些人需要的 GPU 不仅仅是数千个,而是数百万个。 他们将 CoreWeave 要做的事情形容为「为 AI 市场建立电力网络」,并认为「如果这些东西不建成,那么 AI 将无法扩展」。 CoreWeave在德州建设新的数据中心 |CoreWeave CoreWeave 的首席战略官 Brannin McBee 在一档播客中谈到,去年底,所有超大规模计算公司加在一起,包括亚马逊、谷歌、微软、甲骨文,将 CoreWeave 也算进去,它们共计提供了大约 50 万个 GPU,到今年年底,或许将接近 100 万个。 在行业增长速度和利润空间方面,他认为,AI 市场的需求可以拆解为训练模型和执行推理任务两个阶段,目前训练阶段存在芯片供应短缺,而推理阶段将是未来需求的主要增长点,也是真正的需求所在。 对于一家 AI 公司的一个模型而言,退出训练阶段后,在产品上市的前两年内,商业化阶段的推理执行至少需要百万个 GPU,但全球 AI 基础设施还不足以满足这一需求,这将是一个长期的挑战,至少需要再过两年,GPU 供应短缺才可能开始缓解。 如今,投入 AI 领域的热钱大部分都得用于云计算。今年 6 月,CNBC 曾报道称微软「已同意在未来多年内在初创公司 CoreWeave 的云计算基础设施上可能花费数十亿美元」。像 Inflection AI 这样的明星 AI 初创公司,最近筹集了 13 亿美元资金来建立大规模 GPU 集群,同时,该公司的选择也是 CoreWeave。 抱紧英伟达大腿 今年 4 月,CoreWeave 完成 2.21 亿美元 B 轮融资,投资者包含芯片制造商英伟达,以及前 GitHub CEO Nat Friedman 和前苹果高管 Daniel Gross。一个月后,公司宣布获得 2 亿美元加投,该轮融资总额达到 4.21 亿美元。 8 月,CoreWeave 又通过将高度抢手的英伟达 H100 作为抵押品,获得了另外 23 亿美元的债务融资,资金将用于收购更多芯片,以及建设更多数据中心。 根据彭博最新消息,CoreWeave 目前正准备出售 10% 股权,其公司估值最高已经达到 80 亿美元。 英伟达创始人黄仁勋今年在公司业绩电话会议上称:「你会看到一大批新的 GPU 专业化云服务提供商」「其中一个著名的就是 CoreWeave,他们做得非常出色。」 CoreWeave 与英伟达的联系在 2020 年已经开始,该公司当年宣布加入英伟达合作伙伴网络的云服务提供商计划,主要目的是将 GPU 加速引入云中。在不久前的 2023 年 Siggraph 计算机图形大会上,黄仁勋现身,CoreWeave 的每个展台都特意用小字标明「由英伟达提供动力」。 黄仁勋现身CoreWeave展台 | CoreWeave 包括黄仁勋在内,英伟达的高管们不吝于给 CoreWeave 刷脸背书。 英伟达全球业务发展、云和战略合作伙伴全球总监称 CoreWeave 是「英伟达合作伙伴网络中的首个精英计算云解决方案提供商。他们为客户提供了广泛的计算选项,从 A100 到 A40,以前所未有的规模,以及在人工智能、机器学习、视觉效果等方面提供世界一流的结果。英伟达为 CoreWeave 感到自豪。」英伟达另一名高管则在融资声明中将其定位为「性能最高、能源效率最高的计算平台」。 这类赞誉也与英伟达自身利益相关。英伟达需要确保他们的计算终端用户能够以最高性能的方式,规模化地访问他们的计算资源,就像新一代芯片发布后,客户希望尽快获得它们一样。这也使他们不吝于宣传与 CoreWeave 的合作,多发展一个忠诚的「下线」并没有害处。 CoreWeave 正是在满足英伟达的标准和要求方面进行建设,规模化运营,在新一代芯片发布后的几个月内将其上线,而不是像传统的超大规模计算公司可能需要数个季度的时间。这使 CoreWeave 在英伟达内部具有较高的访问权限。 Brannin McBee 称「作为一家企业,这使我们在英伟达眼中赢得了信任,因为他们知道我们的基础设施将比市场上任何其他公司更快地交付给客户,而且以最高性能的配置交付。」 硬刚硅谷巨头 然而,面对硅谷巨头的竞争时,CoreWeave 如何自处? 从整个行业来看,CoreWeave 在 AI 基础设施运营方面的竞争对手包括微软、谷歌和亚马逊等科技巨头。 8 月底,谷歌云首席执行官 Thomas Kurian 在年度 Next 大会上称,目前行业中超 50% 的 AI 初创公司,以及超过 70% 的生成式 AI 独角兽都是谷歌云的客户。 一个八十亿美元估值的初创公司,如何避免被一堆万亿级别美元的巨头碾压?当下的答案在于:小公司自身的灵活性和业务聚焦,以及科技公司之间敏感的战略格局。 CoreWeave 高管们喜欢打一个比方:「通用汽车可以制造电动汽车,但这并不意味着它成为了特斯拉。」他们认为,人工智能提出了传统云平台无法处理的挑战,让新兴公司在被迫适应的老牌公司面前占据优势。 硅谷巨头们如亚马逊、谷歌、微软宛如同航空母舰,每次调整方向时都需要更多时间空间。在其看来,他们需要时间来适应新的 AI 基础设施构建方式,通常在最新芯片发布后需要一段时间才能提供规模化的访问。现在人们更加关注构建超级计算机,需要在这些计算机之间进行高度协同的任务,数据吞吐量更高,而巨头们最主要的资源并非用在这里。 「当这三家巨头建立云服务时,他们是为了其用户群中的数十万,甚至数百万所谓的通用用例提供服务,在这些区域中,里面可能只有一小部分容量用于 GPU 计算。」CoreWeave 首席技术官 Brian Venturo 称。 CoreWeave 自认其灵活性和专业性使其能够在 AI 基础设施领域脱颖而出,在性能和成本效益方面具有竞争优势,更适用于 AI 应用。CoreWeave 的员工只有两百多人,客户的数量都比员工多,但他们与 Inflection AI 甚至 OpenAI 支持者微软达成了协议,提供定制系统和更多配置的芯片,比为通用计算而配备的服务器更高效。 目前在规模方面,CoreWeave 称拥有超过 45000 个高端英伟达 GPU,可按需使用。重要的不仅仅是数量,而在于提供的访问权限。在选择方面,CoreWeave 声称保持行业内最广泛的英伟达 GPU 选择,以满足各种计算需求。他们设计了「合适大小」的工作负载系统,声称「既不多,也不少:刚刚好」。 至于价格,CoreWeave 的旗号是「比竞争对手便宜 80%」。 另一方面,背后英伟达的决策也很关键。通过掌控稀缺的 GPU 资源,选择提货给谁,也会影响整个市场。尽管供应紧张,但英伟达为 CoreWeave 分配了大批最新的 AI 芯片,从包括 AWS 等顶级云服务提供商那里分流供应。原因在于,这些公司正竭力自行研发 AI 芯片,以减少对英伟达的依赖。 CoreWeave 的高管持有这么一个观点:「不自己制造芯片绝对不是劣势」,因为这有助于他们争取从英伟达那里获得更多 GPU。毕竟,他们与英伟达不存在利益冲突,而胃口庞大的硅谷巨头们可能就不是这样了。 不过,科技巨头毕竟还是英伟达的大客户。今年 8 月底,黄仁勋现身谷歌云年度 Next 大会,宣布与谷歌的新合作,谷歌的 GPU 超级计算机 A3 VM 在 9 月将向市场推出,搭载的是英伟达的 H100 GPU。 谷歌云 Next2023 大会上,黄仁勋现身宣布和谷歌云的合作|Google Cloud 另外,如果真的突然出现了一种新的芯片,性能可以比英伟达更好,或不逊色于它,那将给 CoreWeave 的业务产生什么影响? Brannin McBee 认为,同一芯片的寿命包括前两到三年用于模型训练,然后四到五年用于推理执行,短期内风险不大。而且,英伟达正努力建立硬件周围的开放生态系统,以增加行业对其芯片技术的黏性,其他制造商显然非常有动力进入这个领域,但他们缺乏生态系统,这是一个不可忽视的鸿沟。 在没有硬核的芯片制造技术的情况下,CoreWeave 的相对优势和成功,牢牢系于其合作伙伴的供应链和稳定性,在全行业 GPU 紧俏的时候,这种依赖就还是优势。 从加密币「矿场」到人工智能「算力矿场」,CoreWeave 的发迹史令人咋舌——时代的一粒金沙,即便落到一个创业公司身上,也能让其迅速崛起。在这个 AI 狂飙的时代,行业对于算力的渴望,成就了万亿美元的英伟达,显然也成就了 CoreWeave 这样能瞅准时机 All in 的公司。
全球首条无人半导体封装生产线亮相,三星宣布成功实现自动化
IT之家 9 月 4 日消息,与晶圆制造不同,半导体封装过程中需要大量的人力资源投入。这是因为前端工艺只需要移动晶圆,但封装需要移动多个组件,例如基板和包含产品的托盘。 在此之前,封装加工设备基本上都需要大量劳动力,但三星电子已经通过晶圆传送设备(OHT)、上下搬运物品的升降机和传送带等设备实现了完全自动化。 三星电子 TSP(测试与系统封装)总经理金熙烈(Kim Hee-yeol)在“2023 年新一代半导体封装设备与材料创新战略论坛”上宣布,该公司已成功建成了世界上第一座无人半导体封装工厂。 据介绍,这条自动化生产线位于三星电子天安市和温阳市封装工厂,从 2023 年 6 月开始就已经着手打造,这条生产线可使其制造相关劳动力减少 85%,设备故障率降低 90%,效率提高 1 倍以上。 图源 Pexels IT之家查询发现,无人生产线的比例仅占目前三星封装生产线的 20% 左右,不过三星还制定了到 2030 年将其封装工厂转变为全面无人生产的目标。 金熙烈表示,“通过最大限度地减少轮班工作,工程师现在可以承担更有价值的工作”,“这也将有助于改善员工的健康状况和生活质量”,“我们将实现‘智能封装工厂’,基于硬件和软件自动化,及时向客户提供高质量、最低成本的产品”。
“AI+制造”增收81%后,创新奇智工业大模型放大招
作者 | 香草 编辑 | 漠影 AI如何解放制造业? 智东西9月4日报道,9月1日,国内“AI+制造”解决方案供应商创新奇智举办发布会,交出了自己的答卷。会上,创新奇智发布了“奇智孔明AInnoGC”工业大模型产品矩阵,围绕其自研的工业大模型AInno-15B发布了大模型服务引擎,以及三款生成式AI应用产品:工业机器人任务编排应用“奇智明达ChatRobot”、企业私域数据分析应用“奇智明数ChatBI”、企业私域知识问答应用“奇智明睿ChatDoc”。 “奇智孔明AInnoGC”产品矩阵的核心——工业大模型AInno-15B,基于深度学习Transformer Decoder架构,结合蒸馏开源免费大模型和其自有的工业知识库训练得到,拥有150亿以上参数,拥有行业化、轻量化、多模态等特点,具备工业知识归纳生成、工业数据分析、自动化任务编排等能力。 ▲创新奇智CTO张发恩介绍AInno-15B大模型 据其近日发布的2023年上半年财报显示,截至6月30日的6个月,创新奇智“AI+制造”业务板块收入达6.11亿元,同比增长81.3%。这离不开创新奇智在AI制造领域的长期深耕,也为其提供了工业领域垂类大模型研发和落地生产的基础。 创新奇智CTO张发恩在会上称,目前有很多C端大模型获得了上线许可,但大模型的技术并不局限于C端应用。公司认为,在其专注的工业和制造业等企业服务中,客户对于企业智能化转型等也有很大的需求。而面向C端的通用大模型在面对企业服务领域的B端需求时,会面临数据安全、缺乏专业知识、双向访问及灵活部署等挑战。 创新奇智的思路,则是聚焦工业,在开源大模型的基础上设计适合工业的垂类大模型参数结构,基于积累的工业信息进行增量训练。随后,为了更好地落地企业,公司以工业大模型为核心自研AIGC能力,并开发工业场景或企业服务中的应用,即ChatX系列产品。 张发恩称,上半年公司AInnoGC 相关业务已在工厂物流、智造BI、智造实训等多个领域落地,为企业带来了更高效、智能化的生产方式,为行业的转型升级注入了新的活力。创新奇智工业大模型产品矩阵的行业价值正在逐步展现,为企业实现数字化转型提供了有力支撑。 一、三大AIGC产品亮相,加速制造行业智能化转型 会上,创新奇智依次发布了工业大模型AInno-15B、大模型服务引擎以及三个基于该模型和服务引擎的ChatX应用,并进行了现场演示。 张发恩介绍道,公司曾报告AI技术从1.0的分析式阶段,到如今2.0的生成式阶段的演进。创新奇智现在的整体思路,是在坚持1.0和2.0同时进行的基础上持续不断地推进2.0的研发,形成AI技术双塔,为未来做储备。 工业大模型AInno-15B是“站在巨人的肩膀上”,从Llama 2、Falcon、Bloom等开源大模型中蒸馏一部分知识,再结合自己设计的参数结构和积累的工业知识数据做训练。经过Pretrain、SFT和RLHF三个训练步骤,依次使模型获得更懂工业、支持问答交互和答案更标准的能力。 在能力评估方面,AInno-15B在中国信通院的发布的《大规模预训练模型技术应用评估方法:模型和应用》标准符合性验证中,39项能力测试中的31项获得了5分满分。 张发恩称,大模型是能力的源泉,而要把它的能力发挥出来,还需要中间层,也就是工具链,来将大模型和应用层连接起来。 AInnoGC大模型服务引擎作为面向企业的生产和应用管线,具有指令数据、模型精调、模型服务、提示工程等功能。技术方面,该引擎支持并行计算、私有化部署,可用性较高。 ▲张发恩介绍大模型服务引擎 应用层的ChatX系列产品包括ChatDoc、ChatBI和ChatRobot,分别专注于知识问答、数据分析以及工业机器人任务编排,均基于最底层的AInno-15B大模型和中间层服务引擎构建。 1、企业私域知识问答应用“奇智明睿ChatDoc” ChatDoc类似于工业领域专属的ChatGPT,能够回答工业领域垂类问题,或是在搭载私域数据库后回答企业私域的问题。 据介绍,ChatDoc基于私域数据库部署,支持用户外挂新的数据库,通过信息的存储和检索,归纳并生成回复,它具备三个特点:智能总结、答案溯源、简单易用。 创新奇智技术副总裁郭江亮演示了如何通过4个步骤,利用ChatDoc打造企业专属大模型。 当询问“创新奇智实训平台的优势有哪些”时,它会基于AInno-15B给出答案,具备行业知识,但是不够专业和准确。 ▲外挂数据集前,ChatDoc提供的回答 为了打造具有实训知识的专属大模型,首先第一步是上传一份关于智造实训的数据。平台提供了本地上传、链接导入和数据抽样三种方式。 ▲上传数据集,打造企业专属大模型 上传数据后,第二步平台会基于AInno-15B和新上传的数据库启动再训练,经过预训练、培训、精调、强化学习等步骤,生产出智能实训专属大模型。 第三步是将已经构建出的大模型部署起来,并发布。 第四步,基于已经部署的服务和预置应用模板,这里选择的是知识库机器人模板,构建出新的智能实训专家ChatDoc应用。此时再询问它同样的问题,得到的答案和刚才相比,已经具备了智能实训相关领域的知识,更加准确、具体。 ▲外挂数据集后,ChatDoc提供的回答 此外,ChatDoc也提供了API接口,只需要在目标场景中加入一行SDK代码,便可以集成ChatDoc应用。 ▲用户可通过一行代码集成ChatDoc 集成后的应用也支持外挂新数据,用户不需要回到ChatDoc原始页面,只需在集成后的应用中上传文档,就能方便地实现数据更新。上传AGV机器人维护手册的文档后,询问“AGV常规保养有哪些内容”,就得到了基于新上传的文档总结生成的答案。 2、企业私域数据分析应用“奇智明数ChatBI” ChatBI专注于企业私域数据分析。对于大量的结构化数据,传统的静态报表难以满足企业高度动态的需求,如何快速理解一些临时性需求的意图,并从大量的数据中提取出有效信息,是该应用研发的背景。 据介绍,ChatBI具备三个特点,包括自然语言对话式交互、SQL语句准确生成以及自动数据分析和展现。技术方面,通过词表优化、位置编码、提示工程、强化学习、意图识别等方面的提升,在公开数据集Spider、Chase-C等上的测试表明,其SQL语句生成能力优于GPT-3.5。 创新奇智高级技术总监温哲立对ChatBI进行了现场演示。首先,提出“查看8月份整体生产情况”的需求,数秒后,ChatBI会给出一份数据报表、一张饼图、相应的SQL语句以及运行结果。 ▲ChatBI可帮助总结生产情况 随后,追问“各产品的计划达成情况”,ChatBI会根据上下文的语境,同步将计划数量和实际生产数量做一个对比,给出一个差分图,让用户可以更直观地看到计划产量和实际产量的差别。 接着,输入第三个问题“查看SUV每天的产量情况”,ChatBI给出一个折线图,将SUV每天的产量计划和实际产量做对比,用户可以直观地看出在什么时段,其产能出现下滑的情况。 最后,提出“分析一下这几天产量不达标的原因”,ChatBI会根据汽车行业的知识以及AInno-15B思维链的功能,推理出SUV产量不达标的原因可能有生产供应、生产线故障或员工出勤这几个方面的原因。 基于这三个方面,它会自动去数据库中查询相关数据,并对查询出的结果从每个方面进行逐个分析,最后总结原因,并给出相应的意见和建议。这里它分析,2023年8月SUV产量不达标主要是轮胎的供应短缺导致的,产线故障和员工缺勤属于次要的原因,同时给出加强和轮胎供应商沟通的建议。 ▲ChatBI在分析员工出勤的情况 3、工业机器人任务编排应用“奇智明达ChatRobot” ChatRobot则聚焦在工业制造业上,可以理解人的意图,针对工业机器人进行任务编排。 据介绍,ChatRobot具备三个特点:自然语言对话式交互、复杂意图理解以及大模型任务编排。它可以自动将包含多个环节的复杂指令拆解为机器人可执行的具体步骤,将模糊的指令具象化,再去驱动整个机械装置执行一条条指令,实现机器人执行效率的提升。 张发恩称,现在建设一条生产线,要花费一两年的时间和几十或几百亿元的成本,但未来,设备联调、试产、陪产等工作可以逐步智能化、自动化,由大模型驱动,大大降低时间和金钱成本。 随后,张发恩对ChatRobot进行了现场演示。首先,提出“取一瓶咖啡”的需求,系统自动生成了对该任务设计的步骤规划。 ▲ChatRobot根据“取一瓶咖啡”的指令,分解出的执行步骤 规划完成后,ChatRobot便驱动AGV小车开始依次执行分解任务。现场布置了两个货架,ChatRobot首先驱动小车抵达第一个货架进行检索。 ▲ChatRobot驱动AGV小车在第一个货架前检索 检索无果后,ChatRobot又驱动小车前往第二个货架。检测到目标后,驱动机械臂取下咖啡,并驱动小车前往用户所在地点,调整机械臂的姿态将咖啡递出。 ▲ChatRobot检索到咖啡,驱动机械臂取下 任务完成后,ChatRobot会询问是否还需要其他帮助,得到“不用了,谢谢”的回答后,它推测出用户的意图是“让AGV小车返回原始位置”,随后再次进行任务规划,并驱动小车返回。 ▲ChatRobot驱动机械臂将咖啡交给发令人 二、打破通用大模型4大挑战,落地实训基地、工业软件 早在今年3月,创新奇智就已对外透露开始利用大模型服务工业企业。5月,在中关村智能制造创新发展论坛上,信通院等联合发布了《工业数字化/智能化2023白皮书》,提出“打造工业智能体”的趋势。白皮书中提到,工业智能体包含4个主要元素,工业装备、工业网络、工业软件和工业数据。张发恩称,创新奇智的AInno-15B工业大模型和ChatX系列生成式AI产品可以在这4元素中都做到赋能企业。 ▲张发恩介绍工业企业智能化转型的新需求 从落地的角度来看,创新奇智认为通用大模型在企业服务领域面临着数据安全、缺乏专业知识、双向访问及灵活部署等4个方面的挑战。 ▲通用大模型在企业服务领域面临4个方面的挑战 首先,传统工业特别是制造业,各个公司的“人机料法环”,即制造产品的人员、设备、原材料、所使用的方法以及所处的环境等信息有很大的保密需求,需要私有化部署。今年3月,三星员工拿机密工艺数据去询问ChatGPT,就造成了商业机密泄露的事件发生。因此,通用大模型以云端部署的服务在B端是具有一定缺陷的。 其次,通用大模型更多的是通用知识,缺乏资深的工业领域知识。在这个方面,创新奇智长期深耕工业领域,有场景、行业上的背景优势。张发恩谈道,不以行业和场景为目标的应用,是难以在垂直领域落地的。比如像生产率、良品率、瑕疵率、过检率这些指标,在不同的行业、不同的企业中的标准并不一致,所以在工业领域大模型的基础上,支持用户外挂自己的数据库等私有化部署也尤为重要。 此外,通用大模型,尤其是国外的产品,还面临着双向访问的问题,如ChatGPT不向中国开发服务。 最后,工业企业对大模型的部署有灵活性上的要求,需要根据客户的算力情况对窗口上下文长度等进行动态的调整。在数据和参数量方面,市面上常见的是7B、13B、34B等规模的大模型,15B的参数量是其在迭代过程中得到的最合适的规模。张发恩援引ChatGPT首席科学家Angel的一次演讲,称“大模型很重要,但大模型也不能唯参数论”,不能仅靠一个模型的参数来判断它的能力。 ▲创新奇智针对工业企业转型需求和通用大模型局限性的应对思路 创新奇智在去年报告了从AI1.0到2.0的演进,从决策、识别、感知等进化到智能化水平更高的分析、生成能力。除了直接赋能企业之外,为了帮助企业新入职员工快速上手、掌握AI相关的技能,创新奇智的智能制造实训中心也是加速AInnoGC落地的一大组成部分。 据重庆职业技术公共实训中心智能制造项目负责人杨杰介绍,目前整个实训中心已经启用搭载了奇智孔明AIGC产品的教学平台,在教师端和学生端都有多方面的应用。据称,此前其教师备课需要3-5天时间,现在借助奇智孔明教学平台,搜集资料等耗费的时间大幅缩减,只需1-2天就可以整理出一份合格的课程资料;在学生端,学生可以借助这个学习助手快速总结文章的重点、主题等。 杨杰认为,未来实训中心的关键是要通过实训领域的知识库生成属于我们自己需要的ChatDoc应用。另外,她看好以ChatRobot为代表的智能机器人在实训中心的应用,“实训中心目前也入驻了很多服务型的机器人, 看了ChatRobot的演示,希望未来有更多更加聪明的、能够理解我们意图的智能机器人入驻实训中心,给我们产生更多更加高质量的人机互动。” ▲发布会后的圆桌论坛上,杨杰等人介绍实训基地和工业软件的落地情况 实训基地项目,也融入了很多面向工业机器人的培训课程和相关实训设备。发那科机器人公司的公共教育负责人何炯称,发展AI时代的智能型机器人,关键在于一个能力足够强大的AI大脑,让机器人能够理解人类的语言、思维和意图。这能够改变目前企业中人和机器设备比较程式化的交互方式,进一步提升工业生产中的自动化水平。 在智能实训场景之外,大模型落地的另一场景是工业软件。据创新奇智CPO李凡介绍,公司旗下的子公司奥利普奇智主要聚焦于智造运营管理系统MOM,其中包括了一系列的工业软件的组合,如智造执行、质量管理、设备管理、能源管理等,目前已在食品饮料和新材料等行业实现了较好的落地。 李凡认为,创新奇智在工业软件落地方面有两大优势。其一,具备客户基础和市场基础,在客户对其产品体系接受度高的前提下,嵌入新的“奇智孔明”系列产品矩阵。其二,由于对客户的整体数据结构非常了解,因此在自研软件的过程中,能够更好地针对客户去私有化定制。ChatBI目前已经集成到其面向制造业的解决方案AMI中,在部分客户侧完成了落地。 三、“AI+制造”增收81.3%,“双塔”布局助力业务扩张 8月31日,创新奇智公布了2023年中期业绩报告,截至6月30日的6个月,该公司营收达9.24亿元,同比增长43.1%;“AI+制造”业务板块收入达6.11亿元,同比增长81.3%,营收占比提升至66.1%。 自2018年成立开始,创新奇智就专注于AI赋能实体经济,尤其是工业数字化转型及制造业高质量发展,在钢铁冶金、面板半导体、3C高科技、工程建筑、汽车装备、能源电力、食品饮料和新材料、智造实训等细分领域持续进行“1*N”场景复制和“1+N”场景扩张,推动制造业收入连续增长。 除了此次发布的基于生成式AI的“AInnoGC工业大模型技术平台”外,创新奇智还拥有基于决策式AI的“MMOC人工智能技术平台”,二者共同组成其技术双塔布局,实现从AI1.0到AI2.0时代的技术跃迁,为客户提供从感知到分析到决策生成的完整AI技术能力。 ▲张发恩介绍创新奇智的AI技术双塔布局 2023年上半年,创新奇智在持续强化MMOC人工智能技术平台的基础上,以工业大模型为核心持续丰富AI产品与解决方案。 在落地层面,以数据智能场景为例,ChatBI作为一款基于大模型技术构建的智能产品,在AI2.0时代进一步向各行业领域延伸。在生产线分析、数据抽取等不同的业务场景,ChatBI通过优化分析流程,降低分析门槛,不断提升数据分析的效率。 在工业机器人场景,ChatRobot通过将用户输入的自然语言指令拆解为机器人可以理解的任务,并将任务翻译为机器人可以执行的指令,实现从人类的自然语言到机器语言之间的转化,为工业领域的智能化和自动化提供强有力的支撑。在复杂的工业生产场景中,ChatRobot可以精准响应各种指令需求,通过先进的视觉算法和大模型技术,实现工业机器人的智能控制和自主操作。 在文档信息处理场景,ChatDoc能够敏捷地从海量文档中筛选、定位并精准概括信息,迅速给出确切回答。ChatDoc在2023年上半年取得了显著的成长,大模型的先进技术优化了文档检索和信息提取的流程。无论是通过关键词还是具体问题,用户都能便捷地从庞杂的文档库中找到所需信息,极大地提高了工作效率。 财报显示,创新奇智上半年的研发成本为2.23亿元,同比增加2.4%,主要来源于业务扩张所带来的整体研发投入增长。未来,创新奇智将在生成式模型领域持续研发投入,进一步推进AIGC技术产品落地,助力制造业企业数字化、智能化升级。 财报称,面向ChatBI产品,将通过预训练技术不断迭代,同时优化模型吞吐量以支持生产级数据库,实现对数据安全有需求的客户进行私有化部署;面向ChatDoc产品,将持续优化模型知识理解能力、支撑客户对文档问答的复杂推理能力;面向ChatRobot产品,为了实现更高程度的产线自动化,将持续研究大模型在异构智能体的调度协作能力。 随着大模型及相关技术不断迭代成熟,向AGI的方向靠近,用户和市场对于大模型的接受度会越来越高。制造业智能化、自动化是提升竞争力的必由之路,而拥有全栈生成式AI技术的创新奇智在这一过程中也具有足够的优势。 结语:AI大模型落地,加速制造智能化突破瓶颈 近日,文心一言等C端大模型通过备案全面开放引发关注,但传统制造业等对智能化转型的需求也不容忽视。创新奇智在AI1.0的基础上拥抱变革,深挖企业私有化部署等痛点,注重保护商业机密、提升产品可用性,推出一系列工业大模型驱动的产品矩阵,以其专业知识和场景优势应对行业挑战,为制造行业提供了丰富的生成式AI解决方案。 在赋能企业的同时,创新奇智也注重人才的发展,通过智能实训中心对教学手段、教学成果进行赋能,让学员在不同的工业场景中得到AI实训,在未来进入各自产业领域中时,有更大的科技能量注入。 未来,制造业在生成式AI的驱动下将更多地智能化、数字化,产生更多的创新场景。产品迭代和市场需求将共同推进技术的发展,迸发出强大的生命力。
体验完7款AI产品,我找到了提升工作效率的新窍门
助力工作哪家强? 大模型的时代似乎真正到来了。 伴随着8月31日凌晨百度文心一言的正式开放,首批语言大模型产品获批名单也终于出炉。它们共有11家,基本都是生成式AI,主要面向C端用户开放。也就是说,从这个秋天开始,每个人都可以直接使用到国内最前沿的AI产品,感受新科技的魅力。 目前来看,在首次获批的11款大模型产品中,有7款已经可以直接使用,他们分别是:文心一言(文心大模型)、豆包(云雀大模型)、商量SenceChat(日日新大模型)、百川大模型、讯飞星火认知大模型、智谱清言(智谱AI ChatGLM2)、MM智能助理(MINIMAX-ABAB大模型)。 这些产品不仅包括了百度、字节这样的大厂和领域独角兽,还有高校、初创公司,可以说集合了国内大模型赛道中的核心力量,也是一众大模型产品中的佼佼者。 正如前文所说,包含ChatGPT在内的众多大模型产品,都在强调实际应用的能力,尤其是在工作场景中的应用,更是最受重视。作为一位内容生产者,我也一直期盼着大模型能够真正应用于工作中,成为“解放生产力”的关键工具。 带着兴奋与期待,我第一时间对这7款产品进行了体验。或许一个普通用户的体验远远称不上是“测评”,但可以最直观地展示大模型产品的实际应用效果,通过最简单的方式,感受AI大时代之下,每个人正在经历的浪潮。 七款大模型测评,谁最好用? 能不能实际嵌入打工人的“工作流”,决定着AIGC中的G是不是真的可用。从自身的工作场景入手。目前国内主流的语言大模型都强调生成的能力,也就是AIGC中的G。在内容生产上,很容易从不同环节去体验这些大模型产品的实际能力,同时在使用中感受交互性、便捷性等实际问题。 首先是素材和数据搜集的能力,这是内容生产的基础。 我以“2021年中国演出市场规模”“2022年中国电动车市场规模”为题对七款产品进行了提问,文心一言、豆包、商量SenceChat、讯飞星火的发挥比较稳定,成功给出了正确的数据,其中豆包、商量SenceChat回答的较为全面,两个问题都给出了产业规模,还给出了品类数据,同比增长数据等信息,文心一言、讯飞星火则更简洁,但给出的答案比较清晰。 文心一言关于2021中国演出市场的回答 百川大模型、智谱清言、MM智能助理相对来讲表现稍弱,往往一个问题能给出答案,另一个问题却无法解答,百川大模型和智谱清言也都在答案中直言“无法获取实时数据”“我没有找到确切的数据”,但仍旧会提供部分参考信息,例如更早年份的数据信息等,希望能为用户提供帮助。 百川大模型关于2022电动车市场规模的回答 MM智能助理则相对更加生硬,相对于其他产品的对话模式,其体验版本缺乏连续性。输入“2021年中国演出市场规模”,界面直接提示我换个问题,没有做出任何回答。但只有该产品在回答数据问题时会列出数据内容的参考来源,在“2022年中国电动车市场规模”的回答中,其给出的答案最详细也最全面,并最后还做出了“规模会持续增长”的判断。 同样在回答中做出分析判断的还有百川大模型和商量SenceChat,例如分析疫情对演出市场产生了影响,以及某些数据更值得注意等。但这并不排除是对网络数据的直接抓取所导致的。 商量SenceChat给出的数据答案 在我们的日常生活中,对于实时热点数据的需求也非常重要,因此我选择了当下中文网络中的热点进行了提问,包含最近爆火的剧集《鹊刀门传奇》、抖音达人“一笑倾城”,以及诺兰执导的电影《奥本海默》。 在这些产品中,百度文心一言发挥最为稳定,文心一言会默认接入百度搜索,这也是其信息检索能力的最大保证。讯飞星火也展现了出色的搜索能力,尽管另外两个问题回答比较简洁,但只有它准确的说出了一笑倾城的粉丝数。 而其他五款产品的表现都参差不齐。他们基本都能答出《鹊刀门传奇》的基本信息以及《奥本海默》的实时票房数据,但面对一笑倾城,不少产品开始“胡说八道”,字节的豆包都在这个问题上翻了车,名字、年龄、粉丝数全部答错;百川大模型和智谱清言直接开始“废话文学”,称“一笑倾城”可能指的是一位拥有大量粉丝的知名博主,但无法给出具体信息;MM智能助理的答案最为详细,甚至直接给出了抖音ID,但却基本全部错误。 MM智能助理“一本正经的胡说八道” 面对比较确定的资料与数据,大模型们都能给出不错的答案,但在更细分的热点领域,他们仍需要更多数据信息的训练与采集。 文本创作是工作中的重点。我首先用“智能驾驶市场观察”为题,让大模型们为我撰写提纲,七款产品都给我提供了还不错的答案,其中百川大模型和文心一言的表现不错,提纲撰写更具逻辑性,还会从智能驾驶技术的不同部分、年代进行划分。值得注意的是,我在指令中特意强调了要结合“新闻事件”,大多数回答只是将其作为文章一部分笼统概括,只有讯飞星火列举出了相关事件并引申出了话题。 讯飞星火给出的提纲 简单的提纲撰写完成,还需要考验产品们的创意创作能力。我告诉它们,刺猬公社希望开辟一个新能源车领域的新板块,需要一个名字以及100字的简介。模型们都完成了任务,百川大模型的名字比较诗意:“驭风者”,并且强调“寓意着我们在新能源汽车领域中驾驭着时代的潮流”。 其他的模型则较为常规:电动时代、绿动未来、绿色动力,中规中矩中也体现了新能源车市场的特点。而大厂们则稍显“严肃”,豆包给出的栏目名字就叫“新能源”,文心一言是“新能源车的江湖”,简介开篇也有点不知所云,“江湖,是一个充满故事和传说的事物”。 在更专业的文本创作、例如视频脚本的场景下,面对“探访北京最后一家家乐福”短视频脚本撰写任务,大模型们都给出了不错的答案,镜头、文案、画面都颇有想法,从“最后一家家乐福”这一点出发,给出了不少情怀满满的文案。表现比较惊艳的是豆包,短视频毕竟是字节的优势内容,它直接给出了一个详细表格,包含景别、运镜、时间、画面、旁白等一系列内容,甚至直接帮我挑选了配乐。不过,《We are the Champions》似乎并不太符合这个略显伤感的主题。 豆包给出的视频脚本 在文本创意上,各家大模型表现不错,其中百川大模型、智谱清言、文心一言都表现出了其独有的特质:百川更重逻辑分析,智谱清言学术气息很重,文心一言则以信息量取胜。 智谱清言的舆论监控报告 在图文创作等方面,文心一言则有着绝对的优势。只有文心一言目前能直接通过数据制作图表,并且通过其自带的插件与指令进行AI作图,也可以直接输入图像指令,进行图生文创作。除了能输入语音与图片指令的讯飞星火外,其他六款产品基本只能输出文本,并在回答里强调自己是“语言大模型”。 在文本校对、数据运算等方面,各家表现基本差距不大,文心一言还是通过强大的产品功能拔得头筹,不仅可以在提问栏输入长文本,还能直接上传文件,实现文本摘要、问答、衍生创作等功能。MM智能助理的体验感较差,除了体验版限速外,其输入栏还不能输入过长的文本,这也导致校对等功能被迫缺失。 文心一言的文生图功能 总的来说,更便捷好用的无疑是文心一言。得益于百度的强悍生态以及多年积累,在产品功能上更具优势,目前基本可以覆盖全部工作流程,尽管效果见仁见智,但只有解决了“能不能”的前提下,才能保证“好不好”。 不得不说,不同的产品都有着不同的优势,如百川大模型的强逻辑性、讯飞星火的信息更新速度、豆包的英文学习等,如果想要真正为工作赋能,不如组合起来一起使用。毕竟小孩子才做选择,成年人选择“全都要”。 他们是谁? 这7款产品或许是赛道关注者眼中的熟客,但对于大众来说,其中不少是新面孔。他们背后的公司是谁?为何能进入名单之中?想要了解这些产品真正的独特之处,还是要深入了解它们的母公司。 文心一言一直是大模型热以来国内最受关注的产品之一,凭借在AI领域展现出的强大实力,百度也再次回到互联网企业的中心点。文心一言正式发布于2023年3月,是百度AI十余年成果的集大成者,其背后是百度自主研发的文心大模型,也是国内最头部的大模型产品之一。之所以能在这一次的体验中“拔得头筹”,与百度的努力不无关系。 相对来讲,豆包背后的抖音集团要更低调一些。云雀大模型的研发工作开始的较晚,消息也更少,但仍旧不耽误字节的追赶,面对腾讯、阿里、华为一众大厂AI产品势头正劲之时,字节率先追赶百度,以智能助理“豆包”为载体,搭上了公众开放的首班车,令人惊讶。 目前来看,豆包的表现尚可,总体称得上是“中规中矩”。跟市面上的其他大模型产品来讲,豆包更人格化、使用的门槛更低,产品界面就像是普通的社交产品,而对象是智能助理“豆包”。合理猜测,字节正是希望用这种更接地气的方式触达更多的用户,盘活几个月的深度布局。 讯飞星火同样入局较晚,但在过去的几个月里,讯飞不断地all in AIGC,也成功在赛道里崭露头角。2022年12月,讯飞才正式启动对于大模型产品的专项研发,作为专注语音领域的企业,做一款更完备的语言大模型产品,只能说讯飞的野心很大。2023年5月,讯飞星火认知大模型正式发布,在教育、办公等领域的AIGC表现出色,短短半年时间里成果斐然。 商量SenseChat背后是商汤科技推出的日日新SenseNova”大模型。在国内人工智能赛道,商汤科技是无法绕开的。其成立于2014年,是国内最早专注于AI领域的企业之一, 创始团队源于2001年在香港创立的香港中文大学多媒体实验室,有着很深的学术背景。日日新SenseNova”大模型推出于2023年4月,目前的商量SenseChat已经是2.0版本,其参数更是达到千亿级规模。 大厂与独角兽们的声势浩大之下,初创企业们同样值得关注。 百川大模型背后百川智能是近年来国内AI赛道的明星公司之一,其由前搜狗CEO王小川创立,是AI热潮的产物之一,成立半年不到,非常年轻。百川以超强的迭代速度震撼整个行业,自6月发布中英文语言模型Baichuan-7B,其已经发布了三款大模型产品,这次更是直接开放访问,来到大众面前。 百川智能就像创始人王小川一样,学霸背景、明星创业者,天然就能吸引市场的目光。 智谱清言则是智谱ai推出的C端产品之一。智谱AI则是高校研发的代表,是由清华大学计算机系知识工程实验室的技术成果转化而来的AI初创公司,入局也更早,成立于2019年6月。智谱AI合作研发了双语千亿级超大规模预训练模型GLM-130B,推出了认知大模型平台Bigmodel.ai。除了智谱清言外,还推出了CodeGeeX和CogView等应用产品。 得益于自身高校背景,智谱已达成许多政企合作,在一众初创公司中,智谱AI在商业落地上已经拥有了不错的成绩。 相对“难用”的MM智能助理背后的MiniMax也是一家AI初创公司,成立于2021年11月,与商汤科技有着不小的联系,创立人为前商汤科技副总裁、通用智能技术负责人闫俊杰。目前MiniMax已经历经三轮融资,发布了包括文本到视觉/语音/文本三个基础模型架构,推出自研通用大模型“ABAB”,以及虚拟聊天软件Glow、生成式对话AI产品Inspo等。 值得注意的是,Minimax的估值很高,是大模型初创公司中最具商业价值的公司之一,在完成了新一轮2.5亿美元融资后,整体估值超过12亿美元。尽管从体验上略有缺失,但Minimax的技术实力绝对不容小觑。 大模型赛道,风起云涌 大模型赛道早已沸腾多时,但这一次的获批开放意义非凡: 这标志着大模型产品真正开始走向公众,市场与商业的残酷磨砺已经来到玩家们眼前,产品端的“亮剑”只是一个开始。 AIGC的市场仍旧是蓝海,无论是大厂还是初创公司都垂涎欲滴。据艾瑞咨询预测,2023 年中国 AIGC 产业规模约为 143 亿元,2028 年产业规模预计将达到 7202 亿元,到 2030 年将突破万亿规模,达到 11441 亿元。更重要的是,自chatgpt4发布以来,互联网科技产业的未来的方向似乎从未如此清晰:谁抓住了AI,谁就掌握了未来。 于是,百模大战应声而起。无论是自研大模型,还是垂直领域的中小模型,以及基于大模型技术开展业务的公司如雨后春笋。但世界是残酷的,对于不少企业来说,闷头研发不管用了,生存的问题已经近在眼前。相对于刚刚爆发时的热情,投资人们也开始更谨慎地审视这个赛道,谁能讲出新故事,谁才能成为下一个“烧钱”换未来的成功者。 大模型领域尤其激烈,作为整个aigc的技术基底,大模型的重要性犹如芯片之于手机。从首批获批的大模型名单中我们就能窥见AI江湖风起云涌。 以百度为例,如果说3月的首次发布还带着一些被GPT4“赶鸭子上架”的窘迫,那么时隔近6个月,文心一言的全民开放更像是“龙王归位”——五个月里,文心一言飞速进化,其从数万亿数据和数千亿知识中不断训练,并采用有监督精调、人类反馈的强化学习和提示等技术,不断提升着自身的技术优势。 在WAVE SUMMIT深度学习开发者大会上,百度首席技术官王海峰再次提及了文心大模型、飞桨平台、AI原生应用如流等一系列技术发展,其中拥有超过800万开发者的飞桨功不可没,进一步带动了文心一言的进化。百度是大厂中最好的案例,厚积薄发,AIGC也是其实现二次崛起的唯一机会,能否保持住领先优势,至关重要。 wave summit大会上王海峰的发言 其他巨头也并不是吃素的。不讲尚未发布的通义千问(阿里)、盘古大模型(华为),在很多人眼中“落后”的字节就是一个最好的案例,事实上,在过去的几个月里,字节一直在进行更基础的布局工作。 现如今的一众大厂中,字节在资金、人才,还是数据、算力,其都有着很深的积累,AIGC产品只是时间问题,字节选择不冒进,更稳的让产品落地。2023年6月,字节就发布大模型服务平台 " 火山方舟 ",吸收集合了多家 AI 科技公司及科研院所的大模型产品,率先开始企业端服务,现如今的豆包,就是字节向C端进发的开始。 对于一些独角兽公司来说,大模型更是“弯道超车”的重要机会,讯飞、商汤科技都有着类似的期望。 对于讯飞这样一家领域巨头来说,能够如此快的研发出大模型产品,并非易事,前不久,讯飞高调宣布了与华为的合作,这或许也能为我们解答一些疑惑。在7月的投资者说明会上,讯飞也再次强调了对于大模型产品研发的坚定,下半年继续all in。对于讯飞来说,这是一个绝佳的实现二次生长的机会,但在商业仍未落地的情况下,风险并不算低。 而在首批获批名单中,大语言模型“书生·浦语”(internlm-123b)备受关注。据悉,其在12项评测中超越gpt-4,综合性能全面超越gpt-3.5-turbo。而在其背后,除了上海人工智能实验室等多家科研机构外,商汤科技也是其中之一。多方下注,已经成为玩家们的策略之一。 书生·浦语开源体系 就像腾讯,除了发布NLP万亿大模型——混元(HunYuan)AI 大模型之外,还投资了多家AI领域初创公司,百川大模型就是其中之一。在百川背后还能看到小米科技、金山软件,红点资本等大企业,每一个明星公司的成功都不是偶然。 智谱AI也已经完成4轮融资,而最近的一轮是由美团战略独资完成的。目前智谱A已经估值近5亿美元,除了美团外,背后还有多家资本公司的助力。 在大模型战争中,没有人愿意落在后面,无论是自研、还是投资,整个互联网产业都在卷入其中。 但幸运的是,残酷的商业故事暂时还与用户无关。“烧钱”内卷之下,大模型产品不断问世、迭代,AGI(通用人工智能)也随之洪波涌起。每个人都能够成为技术的受益者,在这一次的体验测评中,我深刻感受到了AI对于工作、生活的改变,伴随着余下几款大模型产品的开放,我们或许真的将迎来一个全新的时代:关于生产力的解放,更关于世界的未来。
传OpenAI秘密训练GPT-5;腾讯混元大模型或本周亮相;首个中英语音多模态LLM开源
1、Meta发布122种语言的机器阅读理解数据集 2、Llama 2全流程解决方案开源 训练增速195% 3、Inflection AI CEO:OpenAI正秘密训练GPT-5 4、Copilot前AI副总裁将担任SAP AI全球主管 5、三星申请“Gauss”商标 或用于AI软件产品 6、三星明年将引入生成式AI至所有家电产品 7、 腾讯混元大模型或于9月初生态大会上亮相 8、百度输入法上线“超会写”AI助手 9、百度飞桨人工智能产业赋能中心落地武汉 10、颜水成加入昆仑万维 出任天工智能联席CEO 11、东信云与华为云将合作开发营销行业大模型 12、荣耀申请MagicGPT商标 13、作业帮发布教育领域银河大模型 14、硅心科技完成数千万A+轮融资 15、首个中英语音LLM开源 李开复零一万物参与 16、艾伦AI研究所推出生成式AI地图工具Satlas 17、IFS宣布收购工业AI软件公司Falkonry 18、哈佛大学文理学院将ChatGPT等引入课程 19、美国商务部长称不会向中国出售最尖端的半导体 20、Gizmodo解雇所有西语编辑 转向AI翻译 21、Steam清退包含ChatGPT模组的游戏 1、Meta发布122种语言的机器阅读理解数据集 9月2日,Meta于旗下社交媒体Threads上发布了涵盖122种语言变体的多项选择机器阅读理解(MRC)数据集Belebele。该数据集可以评估高、中、低资源语言的单语言和多语言模型。每个问题有四个多选答案,并与FLORES-200数据集中的一个短文段相连。由于该数据集是完全并行的,因此可以直接比较所有语言的模型性能。 数据集地址: https://github.com/facebookresearch/belebele 论文地址: https://arxiv.org/abs/2308.16884 2、Llama 2全流程解决方案开源 训练增速195% 今日,大模型开发工具社区Colossal-AI开源发布为8至512个GPU提供的Llama 2训练、微调、推理方案,对700亿参数训练加速195%,并提供一站式云平台解决方案。 开源地址: https: //github.com/hpcaitech/ColossalAI 3、Inflection AI CEO:OpenAI正秘密训练GPT-5 据非营利组织80000 Hours 9月1日发布的播客,DeepMind联合创始人、现Inflection AI首席执行官Mustafa Suleyman在采访中爆料,OpenAI正在秘密训练GPT-5。此外,他还透露,在未来18个月内,Inflection AI训练的模型会比当前的前沿模型增加100倍,未来3年内增加1000倍。 4、Copilot前AI副总裁将担任SAP AI全球主管 9月1日,企业软件头部公司SAP于官网宣布任命Walter Sun为AI全球主管,将主要带领SAP为企业打造相关、可靠和负责的AI产品。Walter Sun于2005年加入微软,此前担任Copilot应用AI副总裁。他创立了Bing Predicts,并在微软的许多产品组合中主导开发了AI功能,包括Bing搜索、Windows等应用。 5、三星申请“Gauss”商标 或用于AI软件产品 据科技新闻网Appuals 9月3日报道,近日,三星向韩国知识产权局(KIPO)递交名为“Samsung Gauss”的商标申请。商标说明写道,三星电子可以将Samsung Gauss用于指定产品,例如人工智能软件、基于机器学习的语言和语音处理计算机软件、用于人工生成语音、文本、图像、声音和视频以及自然语言处理、生成、理解和分析计算机软件。 6、三星明年将引入生成式AI至所有家电产品 据《科创板日报》报道,三星电子家用电器部门副总裁Miyoung Yu在IFA2023展会上宣布,三星电子明年将在所有家用电器中引入基于Bixby的生成式AI功能。如果计划顺利,三星电子家用电器预计不仅会在Bespoke等高端产品线中采用AI服务,还会在入门产品线中应用和实施。 7、 腾讯混元大模型或于9月初生态大会上亮相 据中国证券报报道,8月31日,证券报记者从腾讯方面获悉,腾讯将在9月初举行的2023年腾讯全球数字生态大会上正式发布混元大模型,但并未提及是否面向公众开放。腾讯此前表示,腾讯混元大模型已经进入公司内部应用测试阶段,腾讯云、腾讯广告、腾讯游戏、腾讯金融科技、腾讯会议、腾讯文档等多个腾讯内部业务和产品,已经接入腾讯混元大模型测试并取得初步效果。 8、百度输入法上线“超会写”AI助手 据IT之家9月2日报道,百度输入法于近日更新,新增全场景AI创作助手“超会写”,该功能基于文心大模型打造,可帮助用户“高情商沟通”、“神评论”、改写文案等。此外,该功能还支持为用户提供短视频配文、小红书爆款标题、创意微博等。 9、百度飞桨人工智能产业赋能中心落地武汉 据极目新闻报道,9月1日,百度“文心中国行”首站活动于武汉汉阳举行。活动现场,武汉市汉阳区与百度宣布签约,共同打造百度飞桨(武汉)人工智能产业赋能中心,助力武汉产业高质量跨越式发展。 10、颜水成加入昆仑万维 出任天工智能联席CEO 据昆仑万维集团微信公众号发文,9月1日,昆仑万维宣布计算机视觉和机器学习领域的国际顶级专家颜水成教授正式加入昆仑万维,与昆仑万维创始人周亚辉一起出任天工智能联席CEO,并兼任昆仑万维2050全球研究院院长。据称,颜水成加入昆仑万维后,将在新加坡、伦敦、硅谷三地建立2050全球研究院的研究中心,逐步开展不同领域的研究:1、下一代Foundation Model的基础研究和研发;2、Agent的研发和智能体进化的研究;3、生物智能等前沿技术领域的探索。 颜水成曾于2015年加入360集团,担任副总裁、人工智能研究院院长、首席科学家;2019年,加入依图,出任依图科技首席技术官。2021年,颜水成返回新加坡加入Sea集团,创立Sea AI Lab。 11、东信云与华为云将合作开发营销行业大模型 据36氪报道,9月1日,东信云与华为云举办全面合作签约仪式暨营赛大模型发布会,正式签署全面合作协议。东信云与华为云此次合作旨在发挥各自优势,基于华为云盘古大模型,结合东信在营销领域的1500亿大数据,打造营销垂直领域的行业大模型“营赛洞见”。 12、荣耀申请MagicGPT商标 《科创板日报》4日讯,天眼查App显示,近日,荣耀终端有限公司申请两枚“MagicGPT”商标,国际分类为网站服务、科学仪器,当前商标状态均为申请中。此前,该公司已申请科学仪器类“Magic AI”商标,当前商标状态也为申请中。 13、作业帮发布教育领域银河大模型 据作业帮微信公众号发文,9月2日,作业帮在2023中国国际服务贸易交易会上正式发布自研银河大模型。该模型融合了作业帮多年的AI算法和教育数据积累,是一款覆盖多学科、多学段、多场景的教育大模型,具备多学科知识解答、创意写作、自主提问、陪伴式辅导等功能。在测评基准上,该模型以平均分73.7分居C-Eval榜首,同时在CMMLU榜单Five-shot和Zero-shot测评中分别以平均分74.03分及73.85分位列第一。 14、硅心科技完成数千万A+轮融资 《科创板日报》1日讯,北京硅心科技有限公司已完成数千万元A+轮融资,由彬复资本领投,清流资本、三七互娱跟投。本轮融资将主要用于技术研发、市场拓展,以及团队扩充。硅心科技聚焦AIGC for Code领域,团队自2013年起就开始探索深度学习技术在代码生成和代码理解方面的应用,此前已获得来自伽利略资本的天使轮融资,以及高瓴创投的A轮融资。 15、首个中英语音LLM开源 李开复零一万物参与 据量子位报道,8月30日,LinkSoul.AI、北京大学和零一万物合作发表论文,提出了一个中英双语的对话模型LLaSM,同时支持录音和文本输入,并开源可商用。论文认为,“语音聊天”才是AI与人之间更方便自然的交互方式,而不仅仅是通过文本输入。该论文的共同一作Yu Shu和Siwei Dong均来自LinkSoul.AI,此前曾经在北京智源人工智能研究院工作。LinkSoul.AI是一家AI初创公司,之前推出过首个开源Llama 2的中文语言大模型。 论文地址: https://arxiv.org/abs/2308.15930 Demo地址: https://huggingface.co/LinkSoul/LLaSM-Cllama2 16、艾伦AI研究所推出生成式AI地图工具Satlas 据The Verge报道,8月31日,艾伦人工智能研究所推出关于可再生能源项目与树木覆盖率的地图工具Satlas。该工具基于欧洲航天局Sentinel-2卫星图像,使用深度学习模型来填充建筑物的外观等细节,以生成高分辨率图像。 Satlas地址: https://satlas.allen.ai/ 17、IFS宣布收购工业AI软件公司Falkonry 据自动化出版商Automantion报道,美国时间8月31日,云企业软件公司IFS宣布收购工业AI软件公司Falkonry,该收购预计于2023年第四季度完成。Falkonry于2012年成立,主要提供一个针对时间序列数据的AI软件平台,使工业组织能够提高运营生产力、降低风险并杜绝意外停机。 18、哈佛大学文理学院将ChatGPT等引入课程 据哈佛大学学生日报The Harvard Crimson 9月1日报道,哈佛大学文理学院(Harvard Faculty of Arts and Sciences)在今年夏天发布了一份关于在课程中使用ChatGPT等生成式AI的指南,提供了关于生成式AI的工作原理及其潜在学术应用的一系列信息,与先前发布的全校AI使用指南相比,更加侧重于保护非公开数据。 19、美国商务部长称不会向中国出售最尖端的半导体 据美国全国广播公司NBC报道,美国商务部长吉娜·雷蒙多(Gina Raimondo)于9月3日在美国有线电视新闻网(CNN)“国情咨文”节目中,声称美国将继续向中国出售芯片,但“永远不会向中国出售我们最顶尖的(人工智能)芯片”。雷蒙多还表示,美国有望在2030年前“拥有一个庞大、深入、世界上最好的半导体生态系统……我们在半导体设计方面已处于世界领先地位。你可以通过人工智能芯片看到这一点。我们在软件领域处于世界领先地位。” 20、Gizmodo解雇所有西语编辑 转向AI翻译 据The Verge报道,科技网站Gizmodo旗下西班牙语网站Gizmodo en Español的编辑Matías S. Zavia发帖称,该网站已于8月29日关闭,所有西班牙语编辑被解雇,此后Gizmodo将依靠AI翻译英文内容来自动生成西语文章。据悉,Gizmodo en Español仅有少数西班牙语编辑,主要根据英语内容翻译创作。新发布的文章底部会注明translated by AI,但翻译质量参差不齐。 21、Steam清退包含ChatGPT模组的游戏 9月2日,Reddit帖主Shasaur发帖称,他花了三年半的时间和积蓄开发的游戏被Steam拒绝并下架了,原因是数月前,他在游戏测试版中加入了一个可选的ChatGPT模组,让玩家可以用ChatGPT的回复来替换NPC的对话。在游戏被清退时,他收到官方的邮件,回复称“您的游戏包含人工智能”。
你在社交平台分享的照片,下一秒可能沦为 AI 成人内容的口粮
上世纪末的作品《攻壳机动队》中,全身义体化的素子,怀疑自己是否仍然存在。身体、记忆和其他人的关系,当这些事物都能够被复制,也就无法成为肉身生命的论据。 AI 歌手爆火之时,孙燕姿也在回应里提出类似的观点,你并不特别,你已经是可预测的,而且不幸你也是可定制的。 我们可以加上一句,任何人都是可以被 AI 描述和生成的,哪怕你从未做过某些事情。 鲁迅真的说过,一见短袖子,立刻想到白臂膊。人类的想象力是共通的,毫不意外,每当技术有新进展,某个垂直赛道会被开发得越发成熟:搞黄色。 从明星网红,到每个普通人 2017 年兴起的色情 Deepfake 有续集了。 之前是换脸的「移花接木」,眼下是数行文字的「无中生有」。 AI 作图发展到如今,已经有了很多分享 AI 模型的网站,你可以用来生成各种风格的图片,莫奈笔调风景画、韦斯·安德森配色产品图,当然也包括仿佛真人出镜的色情场景。 「Create Anything(创造任何东西)」,这是其中一个网站(避免有宣传之嫌,名字就不透露了)打出的旗号。虽然啥都能干,不少用户更愿意在「十八禁」大展拳脚。 在文本框输入名人名字,加上「裸体」等提示词,就会得到一个模糊的图像。接下来是另外的价钱,每月 4 美元试水基础版,或者每月 15 美元尊享专业版。 ▲ 付费解锁界面,NSFW 意为「工作场所不宜」,一般指色情、暴力等内容. 不仅如此,生成图片之后,提示词公开可见,让类似喜好的其他用户沿用或者迭代都很方便。 另外,这个网站在聊天软件 Discord 有 3000 多名成员和数十个聊天室,他们讨论的都是怎么精进提示词技巧,从而更符合自己对某个部位和姿势的想象。 ▲ 好莱坞女星的 AI 模型,已经下载 1300 次. 网站的创始人在接受采访时说,NSFW 只占平台内容的一小部分,每月有 100 万个活跃的创作者产出独特的作品。 在另一个类似的网站,用户可以上传、共享和发现自定义模型,同样是什么风格都有,动漫风、游戏风、胶片复古风…… 但人性所致,带颜色的模型人气居高不下,最热门的几个已经被下载六七万次。 ▲ 一个「擦边球」模型. 色情固然是互联网的一部分,然而问题在于,训练这些模型的真实人物图片,是在互联网擅自抓取的,并没有经过本人的同意。 有些图片也不是完全露骨,而是让名人穿着内衣,或者某个部位看起来更大,但五十步笑百步的做法,仍然是不道德的。 这时候就需要稍微解释下原理。很多个性化的 AI 模型,都是基于开源的 Stable Diffusion 微调,而 LoRA 又是一种主流的模型微调训练方法,因为它相对轻量化,用少量图片训练,便能生成特定的人物、物体或画风。 ▲ 之前很火的赛博 COSER 用的也是 LoRA. 图片来自:@勘云工造 那么对于色图,谁成为了微调数据集呢? 独立媒体公司 404 Media 调查发现,其中一个模型的训练数据,来自「美版贴吧」Reddit 的几个成人主题社区。 愿意上传图片,不代表愿意充当 AI 的口粮。一位负责管理社区的 Reddit 用户怀疑,大多数在 Reddit 发布裸照的人,可能并不知道照片正在被用来喂养 AI 模型。 倒也不是发出裸照才有威胁。7 月初,德国电信发了一条关于儿童数据安全的广告,展现个人数据被拿去使用是多么容易,后果又是多么严重,呼吁家长尽量少在互联网分享儿童隐私。 ▲ 德国电信广告部分截图,儿童照片可能会被用于制造成人内容. 这也意味着,威胁不仅在明星和网红头上盘旋,也可能击中在互联网路过的普通人,恐怕离人人都有一个 AI 模型的未来也不远了,只要你我在互联网上有过数字痕迹。 根据今年 7 月的互联网状况统计报告,近 50 亿人(48.8 亿)活跃在社交媒体上,占世界总人口的 60.6%。 或许有人会问,这不是 Deepfake 换脸时就有的毛病吗?是的,但伪造图片的脚步不会停下,已经存在的问题变本加厉。 从基于生成式对抗网络的 Deepfake,到模拟粒子热运动过程的扩散模型,训练数据集扩大了、算法框架迭代了、算力水平也提升了。更直观的是,普通人在 AI 上也有参与感了。 从前我们更偏向 AI 消费者,或是刷到真假难辨的汤姆·克鲁斯微微一哂,保持看热闹的旁观心态,或是换上好玩的滤镜跟进社交媒体潮流,交出去的基本是自己的个人信息。 ▲ TikTok 的「汤姆·克鲁斯」,本人看了也得犯迷糊. 现在我们都可以是 AI 生产者,登录 AI 模型网站,在文本框输入提示词,由云计算处理需求,几分钟就可以生成某位名人的定制 AI 作品,哪怕质量不好,用户规模和图片数量是空前的,每个月产出上百万张图片不在话下。 ▲ 某 AI 模型网站的生成速度,最多需要 1 分钟. AI 成人内容的可怕之处还在于,既要从真人取材,也要回归「真实」。 各网站最受欢迎的模型之一非常强调现实感,用户们还在 Reddit 讨论怎么给某个器官特写。行业里最优秀的创作者,甚至称自己的作品就像「1080P+ 视频的定格帧」。 可想而知,骚扰和勒索也可能会增加,技术的恶面往往最先向无法自保的人刀剑相向。 是兴趣,更是交易 和性搭上了边,那就不缺交易。买家是出于个人兴趣,卖家则是因为真金白银。除了上文提到的订阅模式,用 AI 色图赚钱的方式还有很多,虽然基本都是「打零工」。 在 Patreon、Ko-fi 等具有打赏、赞助功能的平台,可以找到创作者的踪影。一位创作者在 Patreon 有 100 多名付费会员,巅峰时期每个月能赚到 1500 美元。 他还顺便加入了另外一个平台的「创作者计划」,每张图片入账 0.001 美元,虽然单价低,但好在他使唤 AI 的速度够快。 ▲ Patreon 的订阅界面. 任务众包平台 Fiverr 也值得一提,它是一个连接甲方乙方的中介,几乎可以购买和出售任何数字化「零活」,比如写作、翻译、设计,不少 AI 创作者明码标价,按照模型和图片数量阶梯收费。 ▲ 一位 Fiverr 创作者的接活界面. 还有作风更加极客的创作者,直接在 AI 模型网站贴出比特币钱包地址。 别说个体创作者了,平台同样赚得盆满钵满。 有的 AI 模型网站自己也有打赏功能,同时提供每月 5 美元的会员福利,让用户可以抢先体验新功能,并在官网和 Discord 上的用户名后面戴上独特的徽章。 ▲ AI 模型网站的打赏功能. 号称全世界第二大成人网站的 OnlyFans,不像 P 站收入主要来自广告并按视频点击量和创作者分成,创作者可以通过用户订阅和按次付费赚钱。 有观点认为,OnlyFans 改变了成人产业,因为创作者拿回了主导权,通过自己的作品直接获得收入。 然而现在,出图更快的「AI 师傅」也在复刻这套商业模式,「传统手艺人」的生财之路可能再次被打断。 这一集我们在 Deepfake 视频大行其道的时候就看过。彭博社采访的一位 29 岁网红,是其中一位惴惴不安的受害者。 放在以前,如果想看她玩电子游戏,可以每月花 5 美元订阅 Twitch,如果想看她尺度更大的内容,可以每月花 15 美元订阅 OnlyFans。 然而现在,粉丝可以花更少的钱或者免费观看她的 Deepfake 视频,只要带着她的大名搜索 Google。与此同时,心理创伤如影随形: 人们总是在发布新视频,在你不同意的情况下看到自己出现在色情片中,感觉很恶心。 AI 色图这把火,也迟早烧到真人头上。一位在 Reddit 发图的「女菩萨」很是悲观: 过去没有采取任何措施来保护我们,所以我不明白为什么现在会激励任何保护措施。 操作猛如虎,维权打地鼠 作恶成本低、维权成本高,是 2017 年「黄色」Deepfake 兴起之时就有的毛病了,现在它只会变得更加严重。 撤下未经本人同意的 AI 色图,往往是靠受害者自行发现,或者平台事后补救。 按照 Google 的服务条款,如果证据充分,用户可以请求 Google 删除某条具体的链接。然而「野火烧不尽」,这就像一个没有终点的打地鼠游戏。 不过,Google 也在改进排名系统,减少此类内容的出现。 ▲ Google 的服务条款. 提供 AI 模型的平台们也并非没有意识到,技术存在被滥用的可能,但前所未有的内容规模,已经不允许平台只是沿用以前的审核策略。 404 Media 记者发现,某 AI 模型网站的服务条款允许色情内容,也允许真人内容,但不允许两者兼而有之的真人色情内容,尤其涉及到未成年时。 然而,此类内容仍然不断发布,部分被平台删除,部分已经「幸存」了几个月。 ▲ 某 AI 模型网站的服务条款. 只能说,意识到位了,但方法没有。对技术的规范,总是相对技术落后半步。 类似地,生成真人色情图像,违反了 Discord 的社区规则,但管理起来并不容易,靠的主要是用户自觉。 Discord 的信任与安全团队,负责检查用户、版主或记者的报告,如果有人确实违反了社区准则,那就发出警告、删除内容、关停账号等,存在一定的被动性。 ▲ Discord 的社区准则,上为原文下为翻译. 讽刺的是,把 AI 色图分享到 Discord,也会被 AI 模型网站的用户内部批评,不是问心有愧,而是因为这坏了规矩,有可能让社区被禁:「你可以在网站上创建它,但不能在这里分享。」 甚至法律也不一定派上用场,就像 Deepfake 存在这么久了,美国只有几个州在为它立法,但因为杂乱无章,很难真正执行,并且有些创作者想尽办法隐藏身份,既然找不到人维权,很多时候受害者只能吃下哑巴亏。 好在几个更加主流的文生图工具,用技术为技术事先附加了制约。 OpenAI 旗下的 Dall-E,尽可能减少了训练数据中的裸体图像,并且在实际使用过程中,阻止某些提示词的输入,以及在图片显示给用户之前扫描输出结果。 Midjourney 也有屏蔽词和人工审核,还计划推出更先进的、能够关联上下文的过滤功能。 Stable Diffusion 背后的公司 Stability AI 也曾回应过类似的问题,「对任何开源代码所做的事情都是无法控制的」。 尽管如此,Stability AI 认为,识别此类行为并将其定为犯罪,还有很多事情可以做,开发者社区和互联网基础设施提供商也应该参与进来。 简言之,对技术的规范就像钝刀子割肉,不能立刻起效,而 AI 色图的问题远比以前严重,靠的是一条运行顺畅的「生产链」: 提供训练图像的内容社区; 生成色图的开源技术; 将 AI 模型和图片商业化的平台; 自从 Deepfake 问世,我们就遇到了同样的问题。人性难测,技术的普及和滥用只有一步之遥,工具更加容易上手了,商业模式也走通了,那么创建和分发色图的动力就更大了。 很多时候,互联网的成人行业已经被「非人化」地看待,当真正非人的 AI 取而代之,继续满足刻板印象,可能导致物化更上一层楼,而不是停止物化。 就像《攻壳机动队》提出的问题那样,真实和虚假不再沟壑分明。完全像你的人做出了你从来不会做的事,但你很难证明那不是你,数据就是你,存在过的痕迹就是你。 每当 AI 被最先应用到色情产业,总有人说,这会加速技术普及,或者不再需要真人。有人用金钱兑换欲望,有人不经意被投入技术熔炉,却没有谁会为伤害买单。
抢滩 XR 头显市场,Meta 联手 LG 应对 Vision Pro
Vision Pro 的最大对手要来了。 今年 6 月份,苹果在 WWDC23 年度开发者大会上宣布 2024 年将推出售价高达 3499 美元的 Vision Pro。 近日,据韩国媒体 Maekyung 援引行业消息人士报道,为应对来自苹果 Vision Pro 的挑战,Meta 决定与 LG 电子合作推出高端 AR(增强现实)头显。 Meta 在 2020 年后将其头显产品统一命名为 Quest 系列,并将其高价产品命名为「Pro」。售价约 499.9 美元的新款 Quest 3 也即将在今年秋季上市。 而据该消息人士了解,Meta 与 LG 电子共同研发的头显将在 2025 年推出,且由于这是一款高规格机型,业界认为联名机型的名称为「Meta Quest 4 Pro」。 相较于 Vision Pro 的 3499 美元,Quest 4 Pro 的售价可能会更低,大约 2000 美元左右。 这场双赢的「联姻」早在去年底就有迹象,Meta 高管曾前往韩国首尔访问 LG 科学园,并与 LG Display 研究团队的高管进行了会面,探讨了 AR/VR 高分辨率显示方案的合作。 现如今,一旦合作进入量产环节,Quest 4 Pro 的零部件也将由 LG 集团附属公司 LG Display、LG Innotek 和 LG Energy Solution 提供。 习惯打「组合拳」的 Meta 深知价格对消费者购买欲望的重要性,因此在 Quest 4 Pro 上市之前,他们计划在 2024 年发布一款低于 200 美元的低成本机型。 「三国鼎立」的 XR 头显市场 头显赛道从不缺乏入局的新玩家,除了 Meta 和 LG 电子的强强联合,三星和 Google 也「盯上」了头显市场。 ▲ 图片来自:ZDNET 今年 2 月份,三星在美国旧金山举行的「Galaxy Unpacked 2023」上宣布,将与 Google-高通携手开发下一代 XR(扩展现实,包括 VR、AR、MR 等多种技术)头显。 类似于开发智能手机,三星制造手机硬件,高通提供处理器,谷歌则负责底层安卓操作系统,三星电子移动部门负责人 TM Roh 在接受采访时说:「Google 和高通在未来推出 XR 头显的开发中扮演类似的角色。」 Google 安卓生态系统副总裁 Sameer Samat 也表示与三星建立 XR 合作伙伴关系,构建一个由安卓驱动的 XR 平台。 今年 6 月,苹果的 Vision Pro 横空出世,重新定义了 XR 概念,为沉浸式体验和应用提供新的可能性,被誉为一次划时代的突破。 苹果 CEO 库克将之定义为「首个空间计算系统平台」,在 WWDC23 主题演讲上表示: 就像 Mac 将我们引入个人计算、iPhone 将我们引入移动计算一样,Apple Vision Pro 将带我们进入空间计算(Spatial Computing)。 然而,面对 Vision Pro 的强劲竞争,或许出于对产品的不自信,试图「围剿」苹果的三星在重新审视其研发头显规格之后,无奈地将发布日期推迟了 3-6 个月,并彻底修改产品发展的策略。 来自韩国的金融服务公司透露:「三星可能会将其产品定位在 Vision Pro 和 Meta Quest 之间,硬件性能上趋近于苹果,但价格将更具竞争力,以更好地满足广大消费者的需求。」 至此,全球头显市场大有「三国鼎立」之势,苹果、Meta-LG、三星-Google-高通形成三条明晰的竞争轴线。 漫长的「发育期」 竞相抢占赛道是瞄准了 XR 头显市场的可观前景,但在「累累果实」到来之前,当下的 XR 市场并未如预期般热闹。 据陀螺研究院统计,2022 年全球 VR 头显出货量 1014 万台,较 2021 年下滑了 8.65%。2023 年二季度全球 VR 销量也出现了下滑,同比下降 37%。 作为全球 VR 市场的龙头,Meta Quest 系列头显的销量已经明显感觉到有些力不从心。 ▲ 图片来自:IGN 恰逢居家办公千载难逢的时机,Quest 2 产品销量获得井喷式的暴涨,销售量达到了千万级。然而,随着时间的推移,产品老旧,功能滞后等问题也凸显出来。 Quest 2 逐渐后继乏力,继任者 Quest 3 或许也难挑大梁。 今年 5 月,彭博社记者 Mark Gurman 曾受邀体验 Quest 3,相比上代 Quest 2,更轻更薄的佩戴体验,透视体验更好的的两颗 VST 摄像头、自由调节的 IPD、高通骁龙 XR2 Gen2 等变化,显著提升了 Quest 3 在 UI 交互、VST 透视、游戏等方面的表现。 但不支持眼球追踪、面部追踪等劣势,也一定程度上使得 Quest 3 与苹果 Vision Pro 在直面「搏杀」中处于下风。 ▲Quest 3 概念图. 图片来自:Alvin Suen 消极的情绪不只流传于 Meta,也同样蔓延至苹果公司。 历史上,苹果的不少产品已经证明了其能够颠覆市场并创造出令人瞩目的营收业绩。 第一代 iPhone 在不到三个月的时间里就售出了 100 万台,到 2009 年,它创造了苹果总营收的三分之一,iPad 问世的第二年就为苹果带来近 200 亿美元的营收,约占苹果总销售额的 18%。 而在 WWDC23 大会召开的两天之后,据韩国媒体 Pulse News 报道,考虑到高昂的售价和产能的限制,苹果公司已将 Vision Pro 的销售目标下调至 15 万台。 而据 Mark Gurman 爆料澄清,苹果在数年前给 Vision Pro 定下的首年销售目标是数百万台,但后面迅速降至 300-400 万,然后是 100 万,90 万,再到如今的 40-50 万台。 销售目标的一再下探,也意味着 Vision Pro 仍需经历一段漫长的「发育期」,短时间内想要成为支柱性的营收分支也显然不太现实。 未来几年的 XR 头显市场注定迎来激烈的「厮杀」。在这个前瞻性的时刻,究竟谁能在这场「厮杀」中脱颖而出,我们不妨拭目以待!
苹果高管:Vision Pro头显体验很震撼,佩戴很无感
IT之家 9 月 4 日消息,苹果 Vision Pro 头显将于明年发售,这是一款能够提供沉浸式空间体验的创新产品。为了让这款设备取得成功,苹果公司不仅要吸引消费者的购买欲望,还要说服开发者为其打造各种有趣的第三方应用。苹果公司的开发者关系副总裁 Susan Prescott 和 Vision Pro 产品营销高级总监 Steve Sinclair,以及一些开发者接受了 Digital Trends 的采访,谈到了这款设备的现状和未来的计划。 对于开发者来说,亲身体验 Vision Pro 的硬件性能是非常重要的。Prescott 表示,目前已经进行的开发者实验室活动获得了“极高的三位数的客户满意度”。Sinclair 认为,“这些体验将激励开发者创造自己的应用”。Sinclair 还透露,SDK 的下载量“超出了我们的预期”。 苹果公司也有一系列的方案来吸引更多的开发者加入 Vision Pro 的平台,包括提供头显借用、兼容性评估和其他在线资源等。Prescott 说:“我们不仅想让 Vision Pro 有很多应用可用,我们还想让它们运行得很好。”苹果公司还提供了 Xcode 和 SwiftUI 等开发工具,让现有的开发者和新手都能轻松上手。 对于消费者来说,Vision Pro 的售价高达 3499 美元(IT之家备注:当前约 25438 元人民币),这是一个不小的挑战。Sinclair 表示,“我们发现,当人们第一次戴上 Vision Pro 时,他们会被眼前的新颖空间体验所震撼,他们往往会忘记自己其实戴着一个设备。”为了让消费者信服,Sinclair 认为关键在于展示这些体验,并证明 Vision Pro 能够提供出色体验。至于 Vision Pro 为何不使用控制器操作,苹果称这是为了让消费者用自己熟悉的方式操作,比如眼睛、手和声音。
华为Mate 60 Pro/50 Pro对比:新一代Mate香多了
就在本周,华为Mate 60系列未发先售,瞬间点燃了机圈热情,很多期待华为旗舰新机的用户们都第一时间前往线下提取新机入手。 目前官方上架的仅有华为Mate 60、Mate 60 Pro两个版本,根据之前Mate系列的惯例,大概率还将有Mate 60 Pro+、Mate 60 RS版本,在9月的发布会上正式亮相。 虽然这次华为发新机比较“低调”,但产品力的进化却是实打实的,我们今天就来对比看看。 01.芯片升级 芯片可以说是这次华为Mate60 Pro最值得注意的升级点,根据博主拆解,其疑似为“麒麟9000S”芯片,虽然联网时没有显示出5G字样,但网络下行速度已经能达到500Mbps的5G级别,可能是国产自研5G射频芯片的新里程碑,令人期待9月发布会时的正式官宣。 02.内存 华为Mate 60 Pro的内存从之前的8GB升级为12GB,后台能同时运行更多的应用,日常用机更流畅。 03.天通卫星通话 在Mate 50系列上,华为正式商用发布了北斗卫星通讯技术,用户可以通过卫星发送、接受短信息,保证在偏远地区也能获得救援;本次的Mate 60 Pro将其升级为天通卫星通话功能,无地面网络也能拨打和接听卫星电话,传递消息更加便捷。 04.玄武架构/第二代昆仑玻璃 华为Mate 60 Pro升级为超可靠玄武架构,集三层防护于一身:材质升级为第二代昆仑玻璃,整机耐摔能力提升1倍;超坚韧玄武机身抗挤压能力提升10倍;超耐用锦纤材质抗冲击能力提升5倍,能周全守护手机的方方面面。同时,其还保留了6米IP68防尘防水,用起来更安心。 05.充电续航 续航一直是用户们比较关心的配置,而华为Mate 60 Pro也对这方面进行升级,电池容量从4700mAh升级为5000mAh,有线超级快充的功率也升级到88W。根据我们的上手实测,Mate 60 Pro 10分钟就能充入46%的电量,早上出门之前浅充一会儿就能用大半天。 06.屏幕 相比上一代,华为Mate 60 Pro屏幕更宽更大,还支持LTPO自适应刷新率。具备LTPO技术的OLED屏幕可以实现1Hz到120Hz间的屏幕刷新率自由变换,使得手机系统可以根据当前的屏幕使用场景来动态调整屏幕刷新率,例如在观看24帧电影时屏幕以24Hz刷新率显示,进而实现更为顺滑的使用体验并降低手机屏幕的日常功耗。 与此同时,Mate 60 Pro还搭载了方舟引擎,图片瞬时加载,游戏畅爽体验,应用启动丝滑,全方面提升使用体验。 07.总结 总体来看,华为Mate 60 Pro是一款表现较为均衡的高端旗舰,比Mate 50 Pro要香得多了,如果你买手机喜欢一步到位的,也可以等等之后的华为Mate 60 Pro+,想必它会带来更多惊喜。
全球产量最高的6个手机品牌:苹果第二,华为未上榜
快科技9月4日消息,据TrendForce集邦咨询研究显示,继第一季度全球智能手机产量同比减少近20%后,第二季度产量持续衰退约6.6%,仅2.7亿台。 合计2023上半年智能手机产量5.2亿台,对比去年同期衰退13.3%,无论是个别季度或是上半年合计,均创下十年新低记录。 具体到品牌来看,三星依旧蝉联生产排名首位,第二季度生产总数为5,390万支,环比减少12.4%。受竞争对手和全球经济逆风影响,以及三星上半年旗舰机的铺货光环消退,第二季度生产表现不如去年同期,第三季即便将发表折叠新机,也将因销售规模相较Galaxy S系列小,对整体产量成长贡献有限。 第二季度正值苹果新旧机型交替,因此为四个季度当中生产表现最低的一季,产量4,200万台,环比减少21.2%。第三季度新机iPhone 15/15 Plus由于CIS(CMOS Image Sensor)良率不佳,将对该季生产表现造成影响。 值得注意的是,三星与苹果在全年的生产总数预测上相当接近,若iPhone 15系列有优于市场预期的销售表现,则可能挤下三星成为全球市占第一的品牌。 小米第二季产量约3,500万台,环比增加32.1%。Oppo(含Oppo, Realme, OnePlus)第二季产量约3,360万支,环比增加25.4%。 第二季最明显变动是传音(Transsion)挤下Vivo,首次进入全球第五名,产量环比增长超过70%,达2,510万台。

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。