全球混凝土及砂浆行业供应链平台

大模型公司智谱AI，一举宣布了年内融资额：25亿元人民币。 如此数额，什么概念？刷新了国内大模型创业公司的累计融资额，估值超过百亿。 这家成立4年的公司，已经成为国产大模型最具吸金力、最具价值认可的公司。 在百模大战来到见真章的“生成式AI第二阶段”，领头羊智谱的融资进展，是否也是行业马太效应显现的证明？ 被看好的公司会获得更多的资源，没有证明自我价值的公司则面临洗牌和无缘下一阶段竞速。 从创业公司的维度来说，这更像是大模型创业的上半场尾声，格局分水岭已现，生态座次开始分明。 为什么是智谱？ 在弄清国产大模型融资强者为什么是智谱之前，我们先溯本求源，知其来处。 在此之前，它大概属于圈内知名，圈外无名的状态。 智谱AI，成立于2019年6月，由清华大学计算机系知识工程实验室（KEG）的技术成功转化而来。 核心团队成员几乎都是清华血脉，其中，CEO张鹏毕业于清华大学计算机系，是清华大学2018创新领军工程博士。 在KEG实验室时，团队主要进行研究如何把机器学习、数据挖掘、知识图谱等应用到工程实践中，并且从2017年开始训练AI模型。 到了智谱成立一周年那天，恰巧OpenAI发布了GPT-3。 从那时候起，智谱公司上下开始全情投入大语言预训练模型的研发。在大模型的道路上，OpenAI选择了GPT，谷歌选择了BERT，而智谱选择了GLM（General Language Model）。 种瓜得瓜，后来几乎所有的故事都围绕智谱独特的GLM预训练架构展开： 2022年，智谱和清华合作研发了双语千亿大模型GLM-130B，把它作为基座，开始打造大模型平台及产品矩阵。 2023年，智谱动作非常频繁，从推出对话模型ChatGLM同时开源单卡版模型ChatGLM-6B起，相继视觉模型Visual-6B、代码模型代码模型CodeGeeX2、数学模型MathGLM、多模态模型CogVLM-17B、Agent模型AgentLM系列，并且统统开源。 今年8月31日，智谱基于中英双语对话模型ChatGLM2的生成式AI助手“智谱清言”，成为了首批11家通过备案飞入寻常百姓家的大模型产品。 可以说，这几年来，智谱在大模型领域主要做的事情很明晰，就是一手夯实地基（基座模型），然后在地基上搭建各种模态和功用的建筑。 值得一提的是，智谱从雏形时期就能用B端服务能力养活自己，这是这家公司面对“大模型花钱如流水”的公认现实不仅不畏手畏脚，还频繁研发推出新模型新产品的底气。 当然这不是唯一原因。 除了服务能力和与之伴随的营收能力，智谱还拥有过硬的人才队伍和技术实力。 上面已经提到，智谱脱胎于清华，而“清华系”已经成为这个领域一种颇具威望的标签。 究其原因是清华计算机系投身大模型研究较早，有着长期经验，培育了许多人才——现在市场上叫得上名字的玩家，以智谱为代表，以及如月之暗面、深言科技、一流科技、百川智能、面壁智能、衔远科技、生数科技等，都是清华血脉。 他们所发表论文的被引用数、所发布模型的可验能力，都是对这个“公认标签”有力证明。 而且据公开资料，智谱是唯一全内资国产自研的大模型企业。 这样的公司底色，让智谱在“模型安全、数据安全、内容安全”不绝于耳的讨论和争议声中，有着自己的准备和策略。 据悉，为配合国产GPU发展，智谱现在在落地GLM通用语言模型国产芯片适配计划。 具体来说，就是和国产算力芯片厂商一起合作做模型算法适配，在算法端推理端适配国产芯片，目前可适配的国产芯片已有近10种。 融了这么多钱，接下来做什么？ 上述的成绩单和独特性，或许成为了智谱一路备受看好、脱颖而出的关键原因。 但因为备受看好，积累了足够资本的智谱也表明了构建更长远竞争力的决心。 在10个月内狂揽25亿人民币融资后，智谱AI官方表态： 上述融资将用于基座大模型的进一步研发，更好地支撑行业生态，与合作伙伴一同高速发展。 核心归结起来就两大方面： 一是做大做强做坚实大模型底座。 二是拓展生态和朋友圈。 既要有深度，也要有广度。 首先，做大做强大模型底座，“进一步研发”基座大模型。 目前智谱视为底座的大模型，是发布于2021年的双语双向稠密模型GLM-130B，拥有1300亿参数。 当时受技术、数据、算力等诸多限制，训练这个参数量的大模型足够令人头秃，但成果很显著，GLM-130B的部分表现优于GPT-3以及PaLM。 不过时至今日，数据、模态增长带来的需求，昔年1300亿参数的庞然大物好像有些不够看了。 量子位得到的最新消息是，这周五（10月27日），智谱将有新动作——发布新一代基座大模型。 其次，拓展生态和朋友圈。 落实到具体行动上，应该绕不开智谱一以贯之的准则：持续开源。 这家公司一直是大模型领域最开放的玩家之一，早在前ChatGPT时代，它就和百度（ERNIE2.0）、阿里（AliceMind）、智源（清源CPM）、澜舟（孟子大模型）等一起，走透明、开放的态度。 现在翻看智谱早期的GLM报告，里面就有“我们邀请大家加入它的开放社区，推动大规模预训练模型的发展”的字样。现在，这家公司仍在用开源的方式，和开发者、行业用户交个朋友。 这个习惯延续到现在。 结合目前的数据，可以更清楚地看待智谱对开源的坚持，收获了什么阶段性结果： 开发者社区，ChatGLM-6B上线四周后抱抱脸趋势榜第一，累计超1000万下载，GitHub揽星5w+。 另一边，智谱公司官网上罗列着共建生态的合作伙伴，“69个国家，1000+个研究机构”。此外，量子位得到求证，其客户数量超过1000家，共建开源生态的在200-300家之间。 大模型生态一旦建立，就能更好地整合大模型基础层、中间层和应用层的资资源，进行优化配置，达到健康交互、协同进化的效果。 在这之中，基座大模型凭借基础性、通用性，位列大模型生态的核心地位。想明白这一点，就不难理解智谱致力于拓展生态和朋友圈的优势和必要性了。 大模型创业，步入分水岭时刻 去年十一月底，OpenAI给世界送来了ChatGPT。紧接着，大模型技术趋势以前所未有的速度掀起一波又一波的高潮。 直观数据是惊人的，呈现速度也是惊人的。 上亿的用户活跃度、十数亿的收入、百亿的估值……大模型不讲武德地强势席卷世界，所有人都在观望、探索，思考这个人工智能技术能够探索多广阔的边界，其支撑的产品又能如何发挥技术之力？ 于是，国外有OpenAI、Anthropic这样的先驱者，国内也有了智谱AI、MiniMax这类百亿独角兽。 珠玉在前，技术和工程方面的部分问题无法快进和跳过，再明星的阵容、再天文数字的融资，只要走大模型的路，就必须亲自经历。 挑战十分严峻，但挑战者前赴后继，乐在其中。 △图源红杉 今时今日，几乎一年过去，我们见证了大模型技术的发展，也见证了创新和竞争如何塑造着这个领域。 更可以清晰看到的是，巨头完成初步卡位，创业公司开始洗牌，第一阶段格局初现。 没错，一家公司做不完大模型能力内的所有事，但通用大模型的门票就这么有限，没有能力拿到的玩家，开始分流：要么走向专用，做行业模型；要么放弃模型层创业，开始站在别家模型的肩膀上，走向中间层、应用层…… 大模型创业，正在进入分水岭时刻。 从今往后，关于大模型创业的融资进展，很可能比起现在会越来越聚集。动辄数亿数十亿的资金将继续聚集到“已经不差钱”公司。 行业的马太效应正在加剧。资本总量有限，越有价值的公司会被更加好看，最好最多的资源被送到最有潜力的那匹马手中。 资本市场上，贵的公司唯一的缺点就是贵，便宜的公司唯一的优点就是便宜。 大模型创业的上半场，即将结束。 — 完 —

滴滴正在加速回归增长轨道。曾被公司内外寄予厚望的滴滴自动驾驶，也需要尽快适应新的环境。 滴滴已经在朝着这一方向努力。今年4月，滴滴举办自动驾驶开放日活动，展示首款自动驾驶概念车DiDi Neuron、联合研发的滴滴北曜Beta激光雷达，以及自研三域融合计算平台Orca虎鲸，还公布了自动驾驶货运业务KargoBot的进展。 开放日上，滴滴CTO、自动驾驶CEO张博等业务条线高管悉数亮相，滴滴董事长兼CEO程维也出现在活动现场，足见滴滴对这块业务的重视。 对于滴滴自动驾驶再度“上路”，外界也报以期待。 首先伸出橄榄枝的是与滴滴长期合作的广汽集团。10月12日，广汽集团发布公告称，将由旗下子公司与广州开发区投资集团有限公司联手，向滴滴自动驾驶投资1.49亿美元（约合人民币11亿元），用于推进技术研发、产品应用以及产业链开放合作等。 五天后，KargoBot宣布升级为创业公司“卡尔动力”，并独立经营。知情人士称，卡尔动力已获得鄂尔多斯集团及其他机构超4.5亿元投资，将加速自动驾驶解决方案在干线物流领域的规模化应用。 滴滴成立于2012年，2016年就开始研究自动驾驶。过去七年，滴滴自动驾驶逐渐完成软硬件全栈布局，覆盖高精地图、车辆改装、云控与车联网、车路协同、信息安全等多个垂直领域，并在北京、上海和广州等多个地区拿到自动驾驶公开道路测试牌照。 2019年8月，滴滴自动驾驶部门升级为独立公司，随后启动融资。截至2021年5月，这家公司累计融资11亿美元，主要投资者包括软银愿景基金、IDG资本、广汽集团等知名机构和企业。 然而，2021年下半年，滴滴各项业务纷纷放慢脚步。过去两年，滴滴自动驾驶低调前行，除了团队规模扩充至近1000人外，车辆和算法也在不断迭代，并在北京、上海、广州、苏州等地运营着超200辆自动驾驶车。 如今，滴滴在APP重新上架、恢复新用户注册后，正在收复失地；自动驾驶业务也更频繁地出现在聚光灯下，并公布新的发展目标。 半年前的自动驾驶开放日上，滴滴除了公布新车、新硬件和业务进展外，还透露首款Robotaxi将于2025年接入滴滴共享出行网络，与其他网约车一起混合派单。如今，广汽集团等股东的注资，为滴滴实现这一愿景增添筹码。 不过，与2021年之前相比，国内自动驾驶赛道已经发生显著变化：以特斯拉、蔚小理为代表的造车新势力，已经将高级辅助驾驶能力作为量产车型的标配；丰田、通用、上汽、比亚迪等传统玩家，也在通过自研、合资、投资等方式，尽快补齐这方面的短板。在通往自动驾驶的道路上，车企的战略选择余地要比两年前大得多。 在此情况下，滴滴除了通过自动驾驶日“秀肌肉”外，更需要主动拥抱车企，与合作方共同推动技术和产品的落地。这家曾经的自动驾驶明星公司，需要尽快回到舞台中央。 滴滴做自动驾驶，具备与特斯拉相仿的海量出行场景优势。 行驶在全球各地的百万辆电动车，是特斯拉作为车企切入自动驾驶领域的根基之一。截至目前，特斯拉FSD（完全自动驾驶）功能已经部署在数十万辆车上，累计测试里程超8亿公里，远超其他车企。 尽管距离真正的自动驾驶相去甚远，但丰富多样的行驶场景、快速增加的测试里程，让FSD不到三年就迭代了十几个版本，理论性能和实际表现不断提升。特斯拉CEO马斯克宣称，今年晚些时候有望实现L4~L5级别的自动驾驶。 与之类似，每天穿行在大街小巷的滴滴网约车，同样能够积累规模庞大、种类繁多的出行场景，为滴滴探索自动驾驶提供根基。 滴滴每天完成数千万次网约车出行，司机驾驶动作和车辆轨迹等行驶信息上传至平台，拥有丰富的出行场景，除了占比99%的普通交通状况外，还覆盖了1%的长尾场景，比如猫狗冲上路面、摩托车闯红灯等。在此基础上，滴滴进行了大量自动驾驶仿真训练，以应对复杂多变的城市交通状况。 早在2021年4月，滴滴自动驾驶车就实现了白天夜晚连续行驶5小时，无需人工接管；无论是城市街道还是高速路段，均能应对不同交通状况。 不过，在自动驾驶技术路径上，滴滴并没有效仿特斯拉完全依赖摄像头的纯视觉方案，而是采用更主流的“激光雷达+摄像头+毫米波雷达”融合方案。 马斯克一直希望以纯视觉方式实现低成本的自动驾驶，特斯拉最新款Model 3移除了所有雷达。今年8月更新的FSD V12版本，已经可以只依靠车载摄像头和神经网络工作。 不过，车载摄像头的感知能力弱于激光雷达，面对复杂路况和意外情况，更容易判断错误；特斯拉已发生多起与自动驾驶功能有关的致死车祸。 相比之下，以激光雷达为核心的融合方案性能更强、精度更高，逐渐成为行业主流。根据公开数据，截至今年第三季度，已有36家中国车企选用激光雷达，预计发布106款搭载这一硬件的车型。 但激光雷达融合方案的高昂成本，也让企业难以承受。要想降低成本，尽可能提高核心部件的自研自产比例是关键。以蔚来为例，它在今年9月发布自主研发的激光雷达主控芯片“杨戬”，预计可使单车激光雷达成本下降数百元。 滴滴同样重视自动驾驶系统的性价比。2021年4月，滴滴发布自动驾驶硬件平台“双子星”。相比上一代平台，“双子星”传感器数量和芯片算力等指标大幅提升，但整体造价保持不变。 两年后，滴滴又发布两款自动驾驶核心硬件：“北曜Beta”激光雷达和三域融合计算平台“Orca虎鲸”。这两款硬件除了进一步提高各项性能指标外，还显著降低了成本。 以Orca虎鲸为例，它将智能驾驶域、智能座舱域和网联域三域融集成至一体，相比上一代硬件，成本下降88%，整车空间体积减小74%，核心元器件数量减少61%，线束数量减少33%。这让车辆后备箱能够多容纳一个20寸行李箱，整车装配人效比提升7倍。 按照滴滴规划，它将通过与各大主机厂的合作，实现自动驾驶技术大规模落地。软件算法、激光雷达、计算平台等软硬件全栈自研能力，有助于滴滴不断降低自动驾驶系统的前装成本，从而拉低终端车型售价、加速推广普及。 滴滴自动驾驶主要面向两个场景：载人和载货。其中，无需司机、甚至无需方向盘的Robotaxi，作为网约车的运力补充，能大幅降低车辆运营成本。 目前，国内外多家科技公司都在探索Robotaxi。国内的百度萝卜快跑、文远知行、小马智行等Robotaxi服务已在特定区域内试运营，而大洋彼岸的Waymo、Cruise等公司更进一步，已经在旧金山实现全天候、全区域的付费运营。 滴滴对于Robotaxi早有布局。2020年6月，它在上海启动面向公众的自动驾驶车辆测试。2021年递交招股书时，滴滴将自动驾驶列为四大核心战略板块之一，并先后与沃尔沃、广汽埃安等车企合作，联手研发无人驾驶车辆，计划“全速推进量产全无人驾驶新能源车”。 然而，直到今年，滴滴重新出发，自动驾驶才获得新的发展契机。 滴滴自动驾驶概念车DiDi Neuron 今年4月的自动驾驶开放日上，滴滴自动驾驶概念车DiDi Neuron亮相。这是一辆为L4和L5级别自动驾驶而生的概念车，配备21枚摄像头、8颗激光雷达和6颗毫米波雷达，取消了驾驶位，甚至在车内安装了机械手臂，可帮助乘客搬运行李。 超高规格的硬件配置，未来风格的内外设计，意味着DiDi Neuron短时间内很难走进现实。与车企合作，将自动驾驶能力输出到定制车型中，是更加务实的选择。 滴滴自动驾驶COO孟醒此前表示，将与车企共同定义和量产无人驾驶新能源网约车，已经在Robotaxi产品定义、车型平台选择及座舱与智驾系统开发等方面合作，首款车型将于2025年接入滴滴共享出行网络。 与其他Robotaxi公司相比，滴滴的独特优势之一是用户服务和车辆运营能力。每天约3000个国内出行订单，让滴滴在上述两个方面积累了丰富经验，而这一能力也可以被应用于Robotaxi领域。 在用户侧，Robotaxi当前的一大痛点是，乘客必须在固定位置上下车，而非像网约车、出租车那样随时随地用车。根据测算，滴滴网约车站点密度相当于自动驾驶的150倍。滴滴正试图打破站点束缚，让自动驾驶车在任意路段均可根据具体交通情况停车。 而在车辆端，滴滴希望让自动驾驶车白天上路接单，晚上回到运维中心“慧桔港”，进行充电、维修保养、清洗等工作。目前，滴滴Robotaxi车辆运营全流程自动化率已达到90%。 此外滴滴的出行网络，也能有效解决自动驾驶的冷启动问题，通过自动驾驶车和司机网络结合的方式，提供服务。 除了Robotaxi，滴滴也在推进货运自动驾驶，于2021年启动KargoBot项目。KargoBot的首个落地场景是煤炭、钢铁、矿石等大宗商品运输，这类商品占全国货运总量的近一半，能够为KargoBot提供足够广阔的潜在市场空间。 与无需司机的L4级载客自动驾驶相比，KargoBot采用“司机+自动驾驶”混合编队方案。KargoBot货车编队包含一辆有人驾驶的L2级货车，以及多辆无人驾驶的L4级货车，能够高效处置常规和复杂货运场景，在降低人工成本的同时，提高安全性和可靠性。 目前，KargoBot已进行超100万公里测试。根据KargoBot测算，与单车智能方案相比，混合编队方案的复杂场景处理能力提升50倍，核心安全指标提升20倍。 截至今年4月，KargoBot已拥有超100辆自动驾驶卡车，在天津和内蒙古之间展开常态化试运营，累计物流收入超1亿元。在升级为卡尔动力公司后，这家公司迅速获得超4.5亿元投资，发展前景和商业潜力得到外界认可。 不过，滴滴此刻重新发力自动驾驶，必须适应新的市场环境，设定新的愿景。 2021年之前，国内自动驾驶行业的话语权主要掌握在互联网大公司手中。滴滴、百度、阿里等公司各有优势，也愿意在自动驾驶领域投入重金，在人才、技术、产品、测试规模、外部合作等方面显著领先其他玩家。 相比之下，彼时国内新能源浪潮方兴未艾，各大车企忙于三电技术研发和车型电动化升级，无暇顾及更遥远的自动驾驶；蔚小理等造车新势力仍在产能爬坡，生存压力极大，也无力大规模布局。 到了2023年，自动驾驶赛道出现了许多新的玩家。除了滴滴、百度等互联网公司持续投入外，特斯拉、蔚小理等新能源车企在解决产能问题后，开始有了更多资金和资源探索自动驾驶技术。具备L2级自动驾驶特征的高级辅助导航技术，逐渐在中高端车型普及。 跑得最远的当属特斯拉。不断迭代的FSD给特斯拉带来丰厚利润，也推动自动驾驶技术逐渐成为新能源车型的标配。在国内市场，蔚小理穿越“产能地狱”，销量稳步上涨，有了更多余裕投入自动驾驶；第二梯队的阿维塔、极狐、智己、问界等品牌，也纷纷涉足这一领域。 就连一直不关心自动驾驶的比亚迪，也开始改弦更张。在2022年的财报交流会上，比亚迪掌门王传福称“无人驾驶是虚头巴脑的东西”；但到了今年7月，比亚迪高阶智能驾驶辅助系统正式亮相，今年底将具备高速公路NOA（自动驾驶导航）能力，明年第一季度将上线城市NOA。 严格来说，特斯拉、比亚迪、蔚小理等车企远未跨过自动驾驶的门槛，相关功能仅具备L2~L3级能力。他们的技术和产品并非最先进，但胜在成本合理，能够直接加装于在售车型，易于大规模普及。 相比之下，互联网公司的L4自动驾驶服务仍然停留在测试和小规模运营阶段。今年5月，阿里达摩院自动驾驶业务转入菜鸟，基本退出竞争；百度和滴滴成为为数不多仍在持续投入自动驾驶的互联网大公司。 不过，互联网公司仍然是自动驾驶领域的主要玩家。以百度为例，其旗下Robotaxi服务萝卜快跑已进入北京、上海、深圳、武汉和重庆五座城市，订单总量突破400万单。 相比之下，滴滴自动驾驶的商业化步伐略慢一些，但在海量出行场景、全栈技术自研、用户服务、车辆管理等方面，也有自己的独特优势。广汽集团等新老股东的注资，也反映出外界对于滴滴自动驾驶的长期看好。 滴滴自动驾驶“一号位”张博在2016年估计，L4级自动驾驶技术大约需要十年，才能逐步走进生活；滴滴自动驾驶希望成为一家世界领先的规模化、商业化、掌握L4级技术的科技公司。以此推算，未来三四年，滴滴自动驾驶应当进入快速发展期。 另一方面，滴滴的基本盘也在加速回暖。根据滴滴财报，2023年第一季度和第二季度，中国出行业务的日均订单量分别为2820万和2940万单，全年有望稳定在2900 万单以上。 在整个集团止跌回升后，滴滴自动驾驶也站在了新的起点上。它有望获得来自滴滴及其他投资方的更多资金和资源支持，朝着2016年设定的十年目标前进。怎样在更加激烈的竞争中发挥自身优势，建立差异化壁垒，将是滴滴自动驾驶“重启”之后的新课题。

凤凰网科技讯 10月20日，日前，美团与Agoda宣布达成深度合作，双方将在供应链管理、产品资源、技术、数字科技、人工智能、市场营销等方面开展更多创新性合作，为中国游客预订海外酒店提供更优服务。 ▲Agoda首席执行官Omri Morgenshtern（左）与美团高级副总裁张川（右） 总部位于新加坡的Agoda，目前在全球拥有超过390万家住宿商家。通过此次合作，Agoda将提供给美团丰富、优质的海外酒店资源，以及极具市场竞争力的价格，为中国出境游用户提供更多“又好又省”的选择。此外，双方会进一步加深在人工智能领域的合作探索，助力海外酒店提升线上经营效率，增加综合收益。后续，围绕新年、暑期、国庆等出境游旺季，双方也将推出更多联合营销活动。 今年暑期，双方基于AIGC等前瞻技术的落地应用进行联合创新。美团通过Agoda海量的酒店基础信息，为超过3000家海外酒店提供了展示酒店特色亮点的人工智能视频。同时，Agoda与美团携手在全球上千个热门目的地推出“华人优选”酒店，为中国用户甄选了语言、支付等方面更为便捷的酒店。通过助力商户用户两端，激发出境市场活力，双方业务达成共赢。暑期，美团境外住宿也创下单日预订间夜的历史新高。 Agoda首席执行官Omri Morgenshtern表示：“我们期待在中国市场和美团更深入的合作。希望能结合两个品牌在各自领域的优势，共同为中国用户提供更优质的产品和旅游服务。同时，我们相信本次合作能够进一步激发中国出境游市场的活力。” 2023年，中国出境游市场复苏明显，美团境外住宿业务增长迅速。2023年1-10月，美团的境外住宿订单较2019年全年增长数倍，港澳、东南亚、日韩等地预订量较高。 美团高级副总裁张川表示：“作为一家以科技驱动的零售企业，美团近年来也在加大境外酒旅业务布局，以助力用户生活更好。期待美团与Agoda的互通共享，在为用户提供更优服务的同时，助力海外酒店提质增效，进一步推动行业的长期发展。”

前沿科技，数智经济 文丨刘雨琦 编丨王一粟 大风始于青萍之末，命运的偶然和必然经常会纵横交织在一起。 2019年，是整个人工智能历史上，最为晦暗的一年。继2016年AlphaGo打败李世石，2017年Tansformer架构横空出世使得技术大规模爆发，2018年的创业热潮之后。2019年，资本退潮、技术瓶颈期、场景难落地，开启了人工智能史上的“乱纪元”。 没有人知道通用人工智能何时到来，就像三体人不知道太阳会在何时升起。 那一年，大批AI公司陷入裁员风波、资金链断裂、产品难产，能坚持至今的，所剩寥寥。 但也正是在2019年，AI新的希望开始孕育：OpenAI在7月接受了微软的投资并与其深度合作，如今让世人震惊的GPT-3正是从那一年开始研发；国内最早树立AI战略的百度，从年初就开始进行了一次长达半年的人事调整，如今看来，重新排兵布阵，似乎是开启了长达4年的坚守期。 2019年，王海峰晋升为集团CTO，继续担任AI技术平台体系（AIG）和基础技术体系（TG）总负责人，两者是百度最重要的技术底座；沈抖晋升为高级副总裁，全面负责移动生态事业群，随后在2022年又调任至百度智能云，成为百度第二增长曲线的开拓者；而在2019年引进的一批新生力量中，何俊杰是唯一一名80后百度副总裁，先是负责投资并购和战略投资，后又被重用，负责沈抖空缺出来的移动生态事业群，实权更加在握。 时间来到了2023年，Transformer的能力在这一年终于由OpenAI打破了天花板，进阶到一个新的层次，技术的突破让OpenAI一举成为全世界最受瞩目的公司。微软盖过了谷歌的科技光辉。 在过去四年里，百度的核心业务形成了由沈抖领军智能云，何俊杰负责移动生态，王海峰压阵技术的三角结构，百度也终于结束了静默期，开始转守为攻，动作不断。 “重新把每个应用都做一遍”，是经历了半年蓄力后的第一次亮剑，如今的百度像一颗行星，即将遇到巨大的“技术引力场”，而彻底改变轨道。 大模型涌现前夜 2017年，谷歌在一篇名为《Attention Is All You Need》的论文中，提出了Transformer架构，以替代传统的RNN和CNN循环模型，论文中展示了Transformer的训练准确性高于之前所有模型，训练时间明显低于之前的模型，在训练集内容较少时训练效果也很好。 这之后，Transformer架构迅速被接受并应用在了NLP和CV领域，尤其在NLP领域，注意力机制让机器能够更准确地理解语义并生成，以及减少信息重复。 作为最早一批发现并跟进Transformer技术路线的公司，百度已经在NLP领域研究超过十年之久，并已经组成了一支由王海峰、吴甜、吴华等顶尖专家组建起来的精悍的NLP队伍。 王海峰 彼时，NLP团队成立的第一个重要任务，是打造百度翻译。王海峰将深度学习和神经网络大胆应用在翻译中，加强机器对上下文的理解，形成更流畅的译文。这一勇敢尝试也让百度翻译成为第一个支持200多种语种的翻译系统，甚至比Google还早了一年零3个月。 这也是大模型四大核心能力“理解、生成、逻辑、记忆”中，理解能力的雏形。 但王海峰觉得，NLP还不够。他专门跑到李彦宏办公室去做汇报，提出了下个“登陆的诺曼底”——语音识别。他的理由是，语音识别技术马上要到产业化的临界点，一旦突破很快就会大规模商用。 李彦宏凭借着自己对技术的判断，决定再次支持王海峰，陆续建立了与NLP部门平行的“语音识别部门”、“图像识别部门”和“知识图谱部门”。 王海峰的一通操作让很多百度的同学不解，“这些技术和百度现在的产品也没关系啊，一股脑创建这么多部门，是攒着过年么？” 彼时的王海峰，正是看到了搜索数据对于大模型形成逻辑有着非常强大的支撑。“百度有世界上最大的搜索引擎，搜索引擎不仅信息时效性很强，也有很高的准确率，可以构建最全的知识图谱”，王海峰曾在公开采访中解释道。 在打造文心一言之前，百度沉淀了拥有超过50亿实体、550亿事实的多元异构超大规模的知识图谱，能够通过语言、听觉、视觉等获得对世界的统一认知。其在2021年发布的知识增强大模型——ERNIE(文心)3.0，正是文心一言的前身，该项目由吴甜主要负责。 吴甜 又是2019年，百度文心1.0发布，在4年时间里迭代了3个版本。2022年11月，吴甜在公开峰会中同时公布了文心已经累计的11个行业大模型，涵盖电力、燃气、金融、航天等领域，产业生态初步形成。 这些，都为百度抢先发布文心一言做了伏笔和铺垫。3月16日，文心一言发布之后，百度再次回到镁光灯下，但比肯定更多的，是质疑。 “市场需求这么旺盛情况下，谁先做出来还是意义非常大的”，李彦宏曾在采访里讲到，即便产品并未完全成熟，但仍然要发布的原因：“文心一言发布之后，无数的人，过去不怎么联系或者行业跟我隔得很远的人都在问，我们怎么能跟百度合作，怎么尽早试用”。 从技术的角度，大模型更是“越用越灵”的高速迭代。“内测的时候，员工问，文心一言怎么藏头诗写不好？我说等等吧，明后天估计就能学会了，结果第二天果然就能用了，大模型的进步也是一个不断学习的过程”，王海峰笑道。 在半年时间里，文心一言从3.0到3.5，再到4.0版本进行了三次迭代，据王海峰在会上介绍，文心一言用户规模已经达到4500万，开发者5.4万、场景4300个、应用825个、插件超过500个。 在NLP浇的水，施的肥，终于在2023年迎来了丰收，也正如李彦宏所讲，技术发展的路径，是“一生二、二生三、三生万物”的过程。 大模型背后的内功 通用人工智能爆发之后，云计算的关注度和企业重视程度到了顶峰，也随即来到了“iPhone时刻”。 大模型的出现，产生了巨大的算力缺口，云计算既为大模型提供云算力支撑，又是大模型落地企业的最佳着落点，无论是百度还是任何一家拥有大模型的企业，当大模型面世，下一步的重点便是推向市场，让企业用起来。 对于百度而言，这样的重担，落在了沈抖肩上。 沈抖 在百度的六大事业群负责人中，除了CTO王海峰，沈抖是唯一一个高级副总裁。虽然同为技术出身，但和王海峰的“工程师”角色不同，沈抖从加入百度开始，就一直在负责关键业务的增长。 加入百度的10年里，沈抖先后整合了广告投放系统，提高了系统变现能力；将搜索和feed信息流进行结合；整合了由搜索升级后的移动生态事业群，补齐了百度移动生态的版图。 如果说，王海峰打造了一把尖刀，那沈抖则是能利用这把尖刀，开拓疆土的先锋官，用李彦宏的话说是“敢打硬仗、能打胜仗”。 2022年5月，沈抖轮岗为百度智能云（ACG）事业群总裁。于百度而言，最开始并没有全力押注云计算，但也正是随着人工智能技术的不断发展，让百度意识到了云计算短板后，开始暗自发力，默默培养第二增长曲线。 由于没有先发优势，百度云过去10年的目标都十分明确，不和“老炮”们比拼IaaS层的规模化，而是通过PaaS＋SaaS与智能化能力的结合，打出差异化，并以小搏大地切入企业数字化。 2023百度世界大会上中，沈抖再次提出“云智一体”战略：“人工智能与云计算的深度结合是企业快速落地AI原生应用的关键。目前，百度集团所有应用和服务全部基于‘云智一体’技术架构运行在百度智能云上”。 据光锥智能观察，云智一体战略的核心在于，一方面，以百度智能云为依托，可以快速为企业提供整套的大模型服务；另一方面，大模型也推动着企业数字化的门槛变得更低。 在接手ACG后的5个月里，沈抖针对企业在大模型时代的核心需求，迅速整合出了“大模型服务超级工厂”——文心千帆，并按需求将用户分为五大类用户。 首先，针对算力资源所产生的需求缺口，千帆平台提供各类异构算力。比如在耗费最多训练环节，通过分布式并行训练和微秒级互联能力，千帆平台可以实现万卡集群训练加速比达到95%，有效训练时间占比达到96%，大幅降低客户算力和时间成本。 其次在模型层面，对于希望直接调用已有大模型的客户，企业可快速调用包括文心一言在内的多个大模型，同时千帆平台提供中文增强、性能增强、上下文增强等工具。据沈抖透露，目前千帆平台已经服务超过1万7千家客户。 针对有二次开发需求的客户，千帆平台为大模型提供再训练、微调、评估和部署等全生命周期工具链，业界最多的41个高质量行业数据集，并针对自身业务场景快速优化。 大会现场还进行了如何基于检索增强生成（RAG，Retrieval Augmented Generation）框架，为三一重工快速开发知识问答应用的实操演示：只需在千帆AI原生应用工作台中选择预置的RAG框架，进行相应的参数配置等工作，就可以快速实现三一重工官网智能客服应用的开发与上线。 沈抖表示，搭建这样一个“小助手”，即使需要处理几千篇万字长文档，成本也只需几百块钱；而之后用户每次咨询，成本仅需几分钱。 一直以来，大型工业、制造业、农业都是数字化的深水区，核心原因就在于产业的复杂性导致了数字化的门槛高，难以落地。 但通过大模型，既降低了使用门槛，也降低了使用成本。不需要打造任何新系统，也不需要人工参与，是技术组件的一个更高级的应用方式，二者结合，也转起了云智一体的飞轮，逐步蓄力。 大模型的创新挑战 过去已成定局，未来却可以改变。 所有拥有了大模型的厂商，都发现了应用层的机会。微软在3月份就开始动刀包括Bing、Office、Windows系统在内的全线产品，阿里张勇讲道：“要用大模型把所有产品重做一遍”，然而这句话，说起来简单，做起来却是大模型时代最大的创新挑战。 AI如何重构应用？这不仅要业务能力，更需要想象力，面对一个新的AI时代，百度也将指挥棒交到了年轻人手里。 2022年5月之后，接替沈抖作为MEG事业群负责人的，是百度人才梯队建设计划中引入的80后副总裁——何俊杰。如果说沈抖是“硬战派”，那何俊杰就是名副其实的“少壮派”。正如任正非所说，要“让听到炮声的人指挥战斗”。 重构应用，是不破不立，对比来看，百度对自己，确实“下手特别狠”。 百度世界大会，围绕“生态”，何俊杰交出了“移动生态”、“内容生态”和“商业生态”的答卷。 其中，移动生态涵盖了“新搜索”、“新文库”、文心一言APP、百度电商“慧播星”等AI原生应用；内容生态层面，通过百度APP“AI编辑器”等一系列应用为创作者生态赋能；商业生态层面，推出AI Native营销平台“轻舸”。此外，何俊杰还公布了文心一言插件生态——“灵境矩阵”，现已全面开放。 百度所定义的新搜索，正是延续了2010年李彦宏提出的框计算的逻辑。具备极致满足、推荐激发和多轮交互三个特点。即用户搜索问题时，“不再给你一堆链接”，而是通过对内容的理解，生成文字、图片、动态图表等多模态答案；推荐激发则可以实时推荐用户关心的问题；在针对复杂需求时，多轮交互可以通过提示、调整等方式，满足用户个性化的搜索需求。 需求到匹配的过程，也称之为“端到端”搜索，但这会打破百度曾经赖以生存的竞价排名模式，广告收入也是一直以来百度最大的现金牛，自己革自己的命并不简单，百度后面还有一场硬仗要打。 AIGC的能力让一部分百度老应用有了新的活力，比如百度文档从内容检索工具升级为了内容生产工具、百度编辑器成为了内容生成工具；另一部分也探索了新的场景，比如百度轻舸通过AIGC一站式生成营销内容并智能投放，结合数字人生成平台“慧播星”帮助商家扩大营销范围和场景。 同时，随着大模型应用的逐步落地，百度也意识到凭借一己之力终究有限，无限的是合纵而连横。 这正是灵境矩阵的价值所在，这一平台大大降低了大模型插件开发的成本，让有创意、有想法的普通人，也能成为插件开发者。李彦宏表示，插件是一种特殊的AI原生应用，也是门槛最低，最容易上手的AI原生应用。 插件的特点在于“万能接口”，既可以连接搜索、小程序、内容平台也可以连接任何入口，这样“即插即用”的使用方式，能让开发者、创作者快速加入到生态中。 何俊杰透露，上线一个月，灵境矩阵已经收到2.7万个开发者注册申请，覆盖了20多个垂直领域，其中包括企业、机构和个人开发者。 一位百度内部人士告诉光锥智能：“应用层的大模型插件以灵境为主要平台，会放在文心一言和百度App中。千帆更偏底层调用，灵境更偏上层，甚至未来有可能在应用插件层面会替代千帆”。 结语 2016年，李彦宏曾说，百度离破产只有30天。“恐龙脚上踩到一个瓢，几个小时以后他的脑子才能反应过来。所以不管恐龙长到多大，都会灭绝”。 百度不想做恐龙，在意识层面，总是想着十步以外。 幸运的是，百度等到了新时代，度过了最艰难的时刻；不幸的是，在这个新时代的开端，任何费劲心力的抢跑，都会在漫长的竞争下显得微不足道。 但拿到了新的船票，至少是一个新的开始。

10月20日，由北京市经信局、北京市工商联指导，海淀区工商联（商会）、中国产业海外发展协会主办，中关村机器人产业创新发展有限公司、梅卡曼德（北京）机器人科技有限公司承办的“AI+机器人赋能智能制造全球论坛专场”活动成功举办。 活动现场，来自驻华大使馆、科研机构、专业智库、科技企业的代表分别从各自专业角度，对机器人产业的发展与国际合作进行主题分享，对机器人产业的发展提供新的启示。 智能物流的科技园地 新加坡驻华大使馆产业与投资处参赞、新加坡经济发展局（EDB）大中华区副司长蔡宗伦以《智能物流的科技园地》为主题分享了新加坡制造业的发展现状和大士超级港的建设规划，表示新加坡作为亚洲物流的重要枢纽之一，对借助先进技术进行产业转型方面有较大需求。他表示，希望通过三大总方针提升生产力，包括端到端的流程改造、与世界各地的创新解决方案供应商合作，以及通过职业再培训提升员工的技能和思维。 先进机器人技术在智能制造中的应用 清华大学机械工程系副教授、博士生导师徐静在《先进机器人技术在智能制造中的应用》报告中分享了机器人技术领域的前沿研究，结合本次活动主题介绍了工业机器人的工作机制、智能制造的内涵、机器人在智能制造中的作用和工业机器人面临的挑战，并表示目前正处于物理智能和知识智能融合的人工智能3.0时代，未来机器人将朝着提高产能、减少出错率的方向发展。 构建高能级创新平台，助力机器人产业高质量发展 中关村机器人产业创新发展有限公司副总裁刘晶晶在《构建高能级创新平台，助力机器人产业高质量发展》主题分享中介绍了公司主要工作内容包括搭建线上线下产业生态、解决产业共性技术攻关以及产业赋能，并表示会坚持“以场景驱动的平台赋能模式，围绕真实的产业发展和市场需求，倒逼技术迭代和突破”的工作理念，聚焦机器人领域，完善产业链、创新链、服务链，共创五大产业共性技术研发平台，推动传统产业转型与制造业升级。 人工智能——“触”碰未来的新范式 北京配天技术有限公司CTO郭涛发表了《人工智能——“触”碰未来的新范式》的主题报告并表示，作为国内最早一批研发机械臂的公司，公司产品具有高自主率的特点。目前机器人发展的核心痛点在于任务复杂度、变化适应性、任务自主性难以同时满足，补全短板后将在物流、制造、零售、医疗、餐饮等领域有更加丰富的应用场景。 多模态融合的智能机器人时代 北京思灵机器人科技有限责任公司合伙人陈尉在《连接人工智能与物理世界》中提到机器人产业链发展有创新企业涌现、机器人用途拓展、技术快速迭代的特点，面临产业链协同和工业器件集成发展的挑战和机遇，人形机器人应用于具体工业及消费场景还有较长时间。

近日，全国通用人工智能行业产教融合共同体筹备会在北京召开。会议由北京航空航天大学、中国电子技术标准化研究院、北京工业职业技术学院、北京市商汤科技开发有限公司共同主办，北京航空航天大学人工智能研究院承办，有来自北京、天津、广东、上海、山西、内蒙古、河南、甘肃等地的20多家院校及企业负责人共同参加共同体筹备会议。 共同体筹备会议合影 本次会议中，北京航空航天大学人工智能研究院书记金蓉，北京工业职业技术学院党委常委、副院长史运涛，对本次参加筹备会议的老师及专家表示欢迎，并分别对学校背景、人工智能人才培养的优势、合作能力展开介绍。 商汤科技数字政府研究院院长李森，在筹备会上对共同体的未来建设表达了期待：第一，要通过共同体的建设，加强校企联动、推进校企深度融合，实现高校与企业的优势互补、协同发展，引领我国人工智能领域科技创新；第二，中国拥有庞大的实体产业基础，并处于快速构建智慧化产业体系阶段，对于人工智能技术与行业应用的深度融合有着更庞大、更迫切、更具价值的实际需求，需要通过通用人工智能共同体的建设，把握技术趋势，推进技术应用实践和人才培养，为人工智能技术创新提供更为广阔的创新实践空间和人才储备。 共同体牵头单位领导致辞 北京航空航天大学数学信息与行为教育部重点实验室副主任郭炳晖就通用人工智能的技术与产业概况进行了主题分享，对通用人工智能的发展历程、通用人工智能技术及发展趋势、通用人工智能商业应用等方面进行了全面解读。他表示在通用人工智能的背景下，大模型的训练对算力支撑和人力投入提出了更高的要求，这也推进着高校的科研创新工作与产业科技公司的深入合作，未来高校人工智能领域的研究工作，可以着重开展理论研究、模型使用等方面。 北京航空航天大学郭炳晖教授作报告 中国电子技术标准化研究院培训中心主任吴东亚，对于中国电子技术标准化研究院的单位概况、项目情况、后续工作计划开展了分享，并对于数字技术工程师培育项目进行了分享，同时邀请共同体成员参与数字技术工程师项目，提供高质量的教学产品，共同推动国家产教融合落地。 中国电子技术标准化研究院培训中心吴东亚主任作报告 商汤科技院校业务总经理刘彬，对于共同体建设初衷、共同体筹备情况、建设目标、重点任务开展了介绍，并表示商汤正在与诸多学校搭建技术服务生态，与上下游企业构建相应产业生态，希望可以通过共同体这样的一个平台，把通用人工智能相关各类型机构聚集在一起，共同推进科技创新、技术应用和协同育人工作。 商汤科技院校业务总经理刘彬作报告 北京工业职业技术学院信息工程学院院长朱元忠，对于共同体章程进行了详细解读并组织研讨，各个学校及企业对于专业建设、资源库建设、标准制定、双导师培养、职业技能培训及鉴定、大赛组织、人才供需对接等专项工作开展交流。 北京工业职业技术学院信息工程学院院长朱元忠主持会议 经筹备会议商定及现场举手表决，全票通过并确定了全国通用人工智能行业产教融合共同体章程（草案），全国通用人工智能行业产教融合共同体正式成立，并确定在2023年10月28日举办共同体成立大会。未来，相信将在各成员的共同努力下，共同体必将引领我国通用人工智能发展，以人才协同培养、联合技术创新等途径，推动我国通用人工智能、生成式人工智能高质量发展。

IT之家 10 月 23 日消息，英伟达日前公布了一个名为 Eureka 的 AI 系统，该系统以 OpenAI 的 GPT-4 为基础，能够让机器人执行例如“转笔”、“开抽屉”、“拿剪刀”、“双手互传球”等 30 多种复杂动作。 IT之家经过查询得知，英伟达研究院主导开发了 Eureka，该 AI 系统可令开发者配合英伟达自家物理模拟软件 Isaac Gym 进行强化学习（reference learning）。 英伟达 AI 研究部门资深总监 Anima Anandkumar 认为，过去 10 年以来“强化式学习”虽然有所进展，但仍存在不少挑战，例如“奖赏设计”等环节，现在还停留在“试错”阶段。而目前英伟达公布的 Eureka，则是为执行困难的任务而设计，结合生成式 AI 与强化式学习算法，进行首次尝试。 Eureka 利用 GPT-4 生成出的“奖赏设计”方案可助力机器人的“试错（trial-and-error）”学习，并能够起到接替 80% 人类专家的任务，从而使机器人平均训练效率提升超过 50%。 据悉，在 Eureka 生成“奖赏设计”方案时，开发者不需要额外输入任务提示或撰写预定义的奖赏范本，再结合人工修正奖赏，最终使机器人动作更符合开发人员的意图。 该 AI 系统配合 Issac Gym 时，可利用 GPU 加速进行模拟，并针对大量批次的候选回馈快速评估品质，从而提升训练效率，并根据训练结果的作出统计摘要，从而改良“奖赏方案”，在提升机器人反应水平的同时，令 AI 系统适用的机器人类型更为广泛，例如“走兽型”（四足）、“人型（两足）”、“四轴飞行器”、手臂型等机器人都可以搭载 Eureka 系统。 ▲ 图源 英伟达 ▲ 图源 英伟达 英伟达将 Eureka 进行了“开源灵敏性标竿测试”，在评估 20 种任务训练结果后，得出了令人满意的结果。 据此，英伟达认为 Eureka 可实现灵巧的机器人控制，并为动画作者提供“生成逼真实体动作”的新方法。

集微网消息，10月23日，在第八届上海FD-SOI论坛上，ST微控制器和数字IC事业部副总裁Philippe Magarshack以“FD-SOI的应用前景为题”发表演讲。 Philippe Magarshack指出，ST从2010年便开始进行FD-SOI技术的开发，除自主技术开发外，ST也和合作伙伴一起充分进行相关合作，以进行更好的投资和联合开发技术产品。 Philippe Magarshack表示，通过与合作伙伴共同开发，ST更好地实现了CMOS晶体管性能提升，同时拥有更低的成本、更低的功耗。2013年1月，ST推出了第一款FD-SOI产品，并随即进行了大量的晶圆厂投资从而推动工艺改善，包括12英寸以及不同晶圆尺寸的投资，提高FD-SOI产能。 Philippe Magarshack强调，FD-SOI的一个优点就是可以使用正向体偏置（FBB）提高性能，ST目前正在生产28nm 的FD-SOI技术，与28nm BULK工艺相比其可以实现15%的功耗降低。 ST官网资料显示，关于Bulk与FD-SOI工艺的对比，FD-SOI通过构造实现了比传统bulk技术更好的晶体管静电特性。掩埋式氧化物层降低了源极和漏极之间的寄生电容，并且有效地限制了从源极流向漏极的电子，显著降低性能下降的漏电流。 在bulk技术中，由于寄生电流泄漏和晶体管几何尺寸缩减会降低效率，体偏置非常有限。依靠FD-SOI中的晶体管结构及其超薄绝缘体层，偏置效率得到了显著的提升。此外，掩埋式氧化物的存在使偏置电压得以进一步增强，从而形成了对晶体管的突破性动态控制。 当基板的极化为正时，即正向体偏置 (FBB)，此时可以加快晶体管的切换速度。由此提供了一种能够优化性能和功耗的强大技术。易于实现的FBB可在晶体管操作期间动态调制，为设计者带来极大的灵活性，从而能在需要时更快地设计电路，并在性能要求较低的场景中实现节能。 下一步，ST将推出新的18nm FD-SOI工艺，Philippe Magarshack预计这项工艺将在汽车芯片行业大展拳脚。此外，在移动网络方面，相关研究表明，FD-SOI技术将能够满足未来6G应用中高达60~200千兆赫的高频需求，并提供更出色的噪声系数。 ST在FD-SOI官方介绍中，明确指出了该技术在模拟设计、功率效率、辐射抗扰度以及存储器性能等方面表现出的高效表现。 最后，Philippe Magarshack在谈及对中国市场的承诺时指出，ST在过去10年当中深耕中国市场，专注于为中国市场提供MCU、电源和ASIC芯片等。今年早些时候，ST还与三安光电携手在重庆共建一个碳化硅合资工厂。

前几天，腾讯整了件动静不小的事儿—— 给自家在深圳的总部大楼玻璃上贴了一些波点贴纸，贴出来的效果是这样子的。 可能会有朋友纳闷儿，贴这些到底有啥用？关键这波点也不美观，密密麻麻看得人密集恐惧症都要犯了。 但大家先别着急揣测，这次腾讯搞的这些，可不是啥 “ 行为艺术 ” ，而是实打实干公益事。 在这种玻璃墙附近，因为玻璃反光或者晚上开灯太透明，经常会发生鸟撞事故。 贴的这些波点膜，就是为了让鸟也能 “ 认出 ” 玻璃。 并且，腾讯这次给大楼贴膜的范围大概有 320 多平方米，是全国范围内改造面积最大互联网企业。 在整好自家的防鸟撞贴纸后，腾讯还 Cue 起了新浪问他们要不要考虑贴贴纸，做做防鸟撞措施。 没想到微博那边直接回了句 “ 只有 6 层，不必了。 ” 不过，给玻璃贴上大片大片的贴纸，就为了防止一两只鸟撞上来，难道不是妥妥的杀鸡用牛刀么。。。 小辣椒查了些资料，发现还真不是，因为每年因为撞玻璃死亡的鸟，可不是一个小数目。 这么说吧，在加拿大，每年因鸟撞死亡的鸟就多达 2500 万只。 美国这个数目就更多，每年有 3.65 亿 ~ 10 亿只鸟因鸟撞死亡，比它们国家的人口都多。 就在这个月月初，北美最大的一个会议中心就发生了一次大规模鸟撞事件，整栋大楼的墙大部分都是玻璃，大概有 1000 只鸟在这次事故中死掉了。 国内呢，虽然没有完整统计过一年因鸟撞死亡的鸟类数目，但保守估计这个数值也不会少。 因为光是我们的玻璃幕墙面积，就占到了全球的 85% 。 玻璃幕墙多了，在没啥保护措施的情况下，鸟撞的风险自然也就多了。 并且在这些因鸟撞死亡的鸟类中，还有不少是国家级保护动物。 在去年的一份全国防鸟撞报告中，就有志愿者们统计了近 700 栋建筑的鸟撞情况。 在鸟撞死亡的个体中，还有红喉歌鸲、红胁绣眼鸟这种国家二级保护野生鸟类。 另外，鸟撞事件在一年中通常会集中在一个时间段发生，这个时间段就是候鸟迁徙的时期。 全球有八大候鸟迁徙路线，其中三条都会经过中国，在我国境内，也还有三条迁飞路线。 每年来回两次迁徙，再加上我国还是玻璃幕墙占比还最多，鸟撞的风险不就上来了。 而现在国内外关于防鸟撞，其实也都已经有了不小的进展。 国外在这块儿起步早一点，上世纪八九十年代的时候，北美就开始对鸟撞事件进行系统性研究，他们也摸索出了一些防鸟撞的方法。 其中，花钱少见效快的就是贴防鸟撞贴纸了，不过这都属于是事后补救办法，并且也是治标不治本，时间久了磨损之后的效果就又会打折扣。 况且还有不少居民楼或者办公大楼压根儿都不愿意牺牲自己的采光，去贴贴纸防鸟撞。 于是，为了解决这个问题， 2011 年美国旧金山发布了一个 “ 鸟类安全建筑标准 ” 。 里面的主要内容呢，讲的大概是之前的建筑可以不做要求，但从 2011 年开始，建设的房屋外露玻璃不能超过一定的数值，并且窗户也得加一些磨砂质地的图案。 到 2020 年的时候，美国纽约直接立法了，还发布了个《 纽约鸟类友好建筑设计与建设要求指南 》，什么装置是危害鸟类的，什么对鸟类友好，在里面都写得明明白白。 还因此出现了不少奇奇怪怪的鸟类友好玻璃，比如紫外线反射材质的玻璃。 左边是人看到的，右边是鸟能看到的。 或者用陶瓷熔块玻璃或者磨砂半透明的玻璃。 除了美国之外，韩国、新加坡也都先后针对 “ 鸟类友好建筑 ” 做了相关立法。 所以在过去的这些年里，国外已经出现了不少鸟类友好型建筑。 就比如说芝加哥的Aqua Tower ，每层的玻璃外都设计了一个弧形阳台。 这样一来，有阳台影子的影响，玻璃就不会那么反光，鸟类也就不会看岔撞上去了。 类似的建筑还有韩国的Galleria Centercity 世纪城，西班牙的莫斯托莱斯社会服务中心等等。 国内在防鸟撞这块起步虽然比较晚，但也越来越被重视了。 2021 年，由昆山杜克大学牵头，广西科学院、山水自然保护中心等多家机构，就一起搞了个全国防鸟撞行动网络。 之后每年他们都会在全国进行鸟撞调研，并且也有招募志愿者一起行动。 除了这些公众组织外，国内这两年在这做得好的还有腾讯公益基金会，去年它和中国国家地理合作开发了个 “ 观鸟君 ” 的小程序。 在里面专门有个鸟撞专题，从了解到预防再到发现该如何解决，里面都有详细的指引。 就比如说详细列出了我们日常生活中，该怎么去做一些事去防止鸟撞。 像调整室内摆放，不要把植物放在床边，晚上开灯时及时拉上窗帘，不需用时就关灯等等。 它还贴心地搞了个防鸟撞贴纸图案的设计，教你在哪块玻璃贴，该怎么贴，怎么设计好看的图案…… 如果一不小心碰上鸟撞事件了，也可以在上面找到解决办法，比如上报信息，帮助完成防鸟撞网络建设，以及在救助鸟儿时的一些注意事项，并且还附上了救助中心的电话。 现在来看，虽然相较于国外的防鸟撞措施，国内确实还有很多地方值得完善，相关知识也需要进一步普及。 但作为普通人，我们在日常生活中也应该多关注一些相关知识，算是在自己的能力范围内为防鸟撞做一些贡献。 因为地球不单是人类的地球，探讨和其他动物共存，是人类一直以来都要面对的命题。 撰文：松鼠 编辑：江江 封面：焕妍

原标题：苹果拟明年推出更智能Siri，多个应用程序将融入生成式AI ·“苹果高管对行业突如其来的人工智能热潮感到措手不及，自去年底以来一直在忙着弥补失去的时间。” ·苹果正在推动将人工智能添加到尽可能多的应用程序中，包括苹果音乐自动生成播放列表、文档和PPT增加AI助手等。公司内部也在争论如何部署生成式人工智能：完全在设备上运行、基于云运行或介于两者之间。 苹果公司的人工智能主管约翰·贾南德拉。 面对突如其来的人工智能热潮，苹果公司正在焦急地试图迎头赶上，计划最早在明年推出更智能的Siri版本，并将人工智能添加到尽可能多的应用程序中，包括苹果音乐（Apple Music）和生产力应用程序。 当地时间10月22日，彭博社资深记者马克·古尔曼（Mark Gurman）透露了苹果公司内部对生成式人工智能的反应。 一直以来，苹果唯一值得注意的生成式人工智能功能是iOS 17中改进的自动更正系统，首席执行官蒂姆·库克表示，苹果多年来一直致力于生成式人工智能技术。“但我可以明确地告诉你，苹果高管对行业突如其来的人工智能热潮感到措手不及，自去年底以来一直在忙着弥补失去的时间。”古尔曼写道。一位知情人士说：“人们对此感到非常焦虑，内部认为这是一个相当大的失误。” 今年7月有报道称，苹果已经建立了自己的框架来创建大型语言模型，被称为Ajax，在此基础上还创建了一个聊天机器人服务，一些工程师称之为“苹果GPT（Apple GPT）”。下一步的关键是确定该技术是否能够应对竞争对手，以及苹果如何将其实际应用到产品中。 现在，苹果负责人工智能的高级副总裁约翰·贾南德拉（John Giannandrea）和负责软件工程的高级副总裁克雷格·费德里吉（Craig Federighi）正在带头开展这项工作。在库克的团队中，他们被称为生成式人工智能推动的“执行发起人”。据悉，服务主管埃迪·库伊（Eddy Cue）也参与其中。目前，3人计划每年在这项事业上花费约10亿美元。 贾南德拉正在监督新人工智能系统底层技术的开发，他的团队正在改进Siri，以便能深入执行AI功能。这个更智能的Siri版本最早可能会在明年准备就绪，但这项技术仍然让人感到担忧，而且苹果的人工智能功能可能需要更长的时间才能在产品线中普及。 与此同时，费德里吉的软件工程团队正在将人工智能添加到下一版本的iOS中。公司要求其在大型语言模型上运行功能，新功能应该会改进Siri和消息应用程序处理问题和自动完成句子的方式。 苹果的软件工程团队也在考虑将生成式人工智能集成到Xcode等开发工具中，这可以帮助应用程序开发人员更快地编写新应用程序，使其与微软的GitHub Copilot等服务保持一致，后者在开发人员编写代码时为他们提供自动完成建议。 库伊的团队正在推动将人工智能添加到尽可能多的应用程序中。该团队正在探索苹果音乐的新功能，包括自动生成的播放列表。今年早些时候，流媒体应用程序Spotify与OpenAI合作推出了这项功能。 苹果的生产力应用程序也将获得人工智能加持。库伊的团队正在研究如何使用生成式人工智能来帮助人们在Pages等应用程序中写作或在Keynote中自动创建PPT。这和微软已经为其Word和PowerPoint应用程序推出的产品类似。 此前有报道称，苹果还在其AppleCare小组内测试内部客户服务应用程序的生成式人工智能。 目前，苹果公司内部正在争论如何部署生成式人工智能：完全在设备上运行、基于云运行或介于两者之间。部署在设备上会运行得更快，并有助于保护隐私，但通过云部署大模型将允许更高级的操作。部署在设备端的策略也会让苹果更难更新其技术并适应快速变化的行业。考虑到这一点，该公司很可能采用组合方法：使用设备上的部署处理某些功能，使用云来处理更高级的任务。 今年6月，库克在接受采访时说，他自己也在使用ChatGPT，苹果正密切关注，但在开发和部署这些工具时，深思熟虑是非常重要的。目前，留给苹果的时间不多了。

编译 | 佳慧 编辑 | 云鹏 智东西10月23日消息，据彭博社报道，苹果公司计划每年投入大约10亿美元，将生成式AI整合到其产品线中。这一计划由机器学习和AI战略高级副总裁John Giannandrea，软件工程高级副总裁Craig Federighi牵头推动。 去年，OpenAI的ChatGPT横空出世，4天时间其用户量达到百万级，2个多月时间月活跃用户突破1亿，被瑞士银行巨头瑞银集团称为“史上增长最快的消费者应用”。 谷歌和微软等公司也推出了基于生成式AI的搜索引擎新版本，以此为用户提供逼真的、与人类思维相似的回复。微软还为其Windows应用程序更新了更智能的语音助手，亚马逊公司则推出了经过AI增强的智能语音助手Alexa。 据彭博社报道，在AI工具席卷科技行业之时，苹果公司显得有些茫然不知所措。苹果公司目睹了其他公司引入和发展AI工具，而与此同时，苹果公司的产品中与AI相关的更新，只有iOS 17中改进的自动更正系统。 ▲库克（图源：彭博社） 苹果公司的首席执行官库克称，苹果多年来一直在研发生成式AI技术，但实话说，苹果公司的高管们被业界AI技术的突飞猛进弄得措手不及，从去年年底开始，他们就一直在想办法弥补差距，以便在生成式AI领域保持竞争力。 一位知情人士也称，苹果公司内部对于生成式AI方面落后竞争对手非常担心，这也被认为是苹果公司在AI技术发展上一个相当大的失误。 现在，据彭博社报道，苹果公司计划为iPhone、Mac等苹果全系列设备开发生成式AI相关的功能，积极参与科技行业中的AI技术热潮。 这样，苹果设备可以通过生成式AI为用户带来更加智能化、个性化的体验，使得用户与苹果设备之间的交互更加自然流畅，提高产品实用性和用户满意度。 同时，生成式AI的开发和引入也有助于推动苹果公司在技术创新和市场竞争方面的领先地位。 那么，苹果公司是如何发展其生成式AI技术的？ 一、构建大语言模型框架，Apple GPT聊天机器人由此而生 今年7月，彭博社记者古尔曼曾报道，苹果公司建立了自己的大语言模型框架Ajax，并推出了名为Apple GPT的内部聊天机器人来测试其功能。 苹果公司在去年开始开发Ajax，旨在整合苹果公司在机器学习领域的进展。 Ajax以谷歌机器学习框架Google Jax为基础，苹果的系统运行在Google Cloud云端，其云服务则由Google Cloud、亚马逊云科技和苹果自家基础设施共同支撑。 目前，苹果已经以Ajax为基础，对搜索Siri和地图开展了AI相关改进，并且使用该大语言模型框架创建了更多大语言模型。 例如有知情人士透露，9月，苹果公司最先进的大语言模型Ajax GPT的训练参数数量超过2000亿，或许在功能上比OpenAI的GPT-3.5更强。 苹果公司的工程师称，他们还在Ajax的帮助下开发了聊天机器人Apple GPT。苹果公司的员工可以通过网络访问该机器人，该机器人可以总结文本并回答用户的问题。 不过古尔曼认为，苹果公司下一步的关键是确定Ajax的大语言模型框架技术能否与竞争对手匹敌，以及苹果公司如何将Ajax实际应用到产品中。 二、3大负责人各有侧重，Siri、iOS及应用程序均有改造计划 在库克的团队中，Giannandrea和Federighi被称为推动生成式AI进入产品的“执行发起人”，并且据彭博社了解，苹果公司服务部门的主管Eddy Cue也参与了将生成式AI整合到苹果产品线的工作。 据彭博社报道，目前，Giannandrea、Federighi、Cue3人计划每年在这项工作中投入大约10亿美元。 Giannandrea正负责开发一个新的AI系统底层技术，他的团队正在对Siri进行改造，以深度整合这个系统。古尔曼认为，这个更智能的Siri版本最快将于问世。不过苹果内部仍有人对这项技术表示担忧，苹果的AI功能可能需要更长的时间才能在其产品线中普及。 ▲苹果公司AI主管John Giannandrea（图源：彭博社） 与此同时，Federighi的软件工程小组正在为下一个版本的iOS，即iOS 18添加AI功能。苹果公司下达了一项指令，要求引入在公司的大语言模型上运行的功能，通过大量数据改善AI功能，并把AI功能集成到iOS 18中。新AI功能将改善Siri和消息应用程序之间的交互，自动完成句子，提升对问题的处理能力。 Federighi的团队还在考虑将AI整合到Xcode等开发工具中，以帮助应用开发人员更快地编写新应用。如果进行了整合，将使得苹果的Xcode与微软的GitHub Copilot等服务保持一致，在开发人员编写代码时为其提供自动完成建议。 而Cue的团队正在努力将AI添加到尽可能多的应用程序中。 ▲苹果公司软件工程高级副总裁Craig Federighi和服务部门的主管Eddy Cue（图源：彭博社） 例如，Cue的团队正在探索为Apple Music添加新功能，包括自动生成的播放列表，虽然流媒体音乐服务平台Spotify已经在今年早些时候与OpenAI合作推出了这一功能。 苹果的生产力应用也将加入生成式AI技术，如Pages和Keynote。Cue的团队正在研究如何利用生成式AI来帮助人们在Pages等应用程序中编写文章，或者在Keynote中自动创建幻灯片。这与微软的Word和PowerPoint等推出的功能类似。 并且古尔曼曾报道，苹果还在其AppleCare部门测试过用于内部客户服务应用的生成式AI功能。 三、基于设备体验或是云设置，内部讨论部署方式寻求最优解 目前，除了开发为生成式AI提供基础的大模型，以及在产品中开发新的AI功能，苹果内部正在讨论的一个问题是，如何部署生成式AI。 是完全基于本地设备的体验，还是基于云端设置，又或者是介于两者之间？ 本地设备方法可以使得设备的运行速度更快，帮助用户更快地完成工作需求，并且有助于保护用户隐私，但通过云端部署苹果的大语言模型能够实现更高级、更先进的操作。 不过本地设备方法也会使得苹果公司很难更新技术，适应瞬息万变的科技行业。考虑到这一点，古尔曼认为，苹果公司可能会采用综合的方法，即在某些功能上使用本地处理，而更高级、更复杂的任务则使用云端处理。 结语：苹果生成式AI迎头赶上，加速产品智能化 生成式AI作为一项前沿技术，包括自然语言处理、图像识别、预测分析等，具有巨大的发展潜力和广泛的应用场景。如今生成式AI已经不仅仅是一个流行语，据古尔曼的看法，生成式AI将成为未来几十年计算的核心。 其实，科技行业的生成式AI大战早已拉开序幕，从OpenAI的ChatGPT，到微软、亚马逊等科技大公司争相在其产品中融入生成式AI技术，增加AI功能，如今，各大手机厂商也不断在思考如何利用生成式AI这项先进技术增强其产品的竞争力。 例如，华为的手机摄像头系统具备使用AI辨识物体，并调整相机设置以达到最佳拍照效果的能力；谷歌的夜视功能Night Sight，也是利用AI技术提升摄像头在低光环境下的表现；三星的语音助手Bixby则是和苹果的Siri一样，通过语音识别和自然语言处理技术，能理解和执行用户的命令，甚至提供个性化的建议和服务。 苹果公司深知自己不能坐以待毙。从一开始的默默观望，到构建大模型框架、开发大模型和聊天机器人，再到计划每年投入10亿美元，将生成式AI应用于Siri、iOS、Keynote、Xcode等产品服务，苹果公司正在努力赶上生成式AI技术的浪潮，巩固其在技术和市场竞争方面的领先地位。 生成式AI为手机、平板等移动设备提供了无数可能性，苹果公司在生成式AI上的发展将通过产品上如何呈现在消费者面前，我们拭目以待。

最近的 MPV 圈子实在是太过热闹。 换做是谁也未曾想到，在 2023 年的最后几个月里，国内汽车市场竟然要被井喷的 MPV 车型「接管」。 国内的 MPV 市场说大不大，胜在足够的优质、稳定，背靠长期的 5% 市场份额，再加之客单价高的特点，反倒是活出了一些「惬意小资」的味道。 特别是当腾势 D9 以「Espace」的姿态，迅速打开国产新能源 MPV 局面，屡屡收获到月销破万的成绩时，车企们开始看到了在 MPV 市场获得成功的希望。在这块 5% 的小蛋糕上，或许蕴藏着远超预期的销量潜能。 不仅是新势力车企，越来越多的传统车企开始将自己的目光投向了新能源 MPV 产品上。两天前，长城汽车正式加入到了 MPV「争夺战」中，旗下的魏牌新能源推出了全新新能源 MPV 车型，高山。33.58 万的起售价，定位中大型插电混合 MPV，更低的价格、更豪华的配置，看起来高山就是国产 MPV 下一台「国产之光」。 连个普通车载冰箱都没有的埃尔法，凭什么卖一百万？ 发布会上，魏牌高山营销总监陈冠宇这样说道。 ▲魏牌高山 配置硬件的成熟度无需质疑，高山的诚意也值得肯定。然而，在发布会上处处「超越」埃尔法的高山，外观设计却依旧处处是埃尔法的影子。传统刻板的方正车身结构，还有大面积镀铬的前脸，整体的车身姿态跟埃尔法，如同从一个模子里刻出来一样。就像是网红都在共用同一张脸，外观千篇一律，太过无趣。 已经 3202 年了，国产 MPV 的设计至今也没有走出「埃尔法」的阴影。 笼罩在头上的「乌云」 埃尔法，就是笼罩在国产 MPV 头上的一朵「乌云」。 几乎所有希望在 MPV 市场上收获成功的车企，都想造出下一台「埃尔法」，成为 MPV 市场的下一个代名词。就像回到了特斯拉横空出世的早期，后来追逐者们一边嘴上说着「毛坯房」，一边身体诚实地将 Model 3 的元素「复刻」到自家车型，还美名其曰「独创设计」那样。 不妨把话说得再直白一些，国产 MPV，还停留在「Copy、Change」的阶段。 别误会，我所说的 Copy 并非全是毫无意义的抄袭。复制、借鉴成功车企的造车经验，并不是一件「丢人」的事情，合理、克制的「借鉴」反而是车企从稚嫩走向成熟的关键一环。 将时间拨回到 2005 年，王传福曾在一次专访中，回应了比亚迪 F3 的外观争议。当时集中的争议点在于，比亚迪 F3 的外观设计与丰田花冠太过相似。但王传福认为，比亚迪吸收了大量了日韩车企成熟的生产经验，实际上上世纪 60-80 年代的日韩车企主要就是 Copy；80 年代之后是 Change，也就是在 Copy 的基础上增加一些改变；90 年代后就是 Design，各家最终开始形成自己的设计。 ▲丰田花冠 &比亚迪 F3-图片来自网络 从借鉴过渡至创新，「Copy、Change、Design」，正好对应了汽车设计的稚嫩期、成长期和成熟期。相比其他车型快速的演进变化，还带有埃尔法设计影子的国内 MPV，仍挣扎在「Copy、Change」阶段。 显而易见的是，目前市场主流的 MPV 车型，都在遵循埃尔法同款「皮囊」，主打豪华配置差异化的造车规则，而这样深刻的「肌肉记忆」只会带来更多同质化的 MPV 产品，更难以在份额不大的 MPV 市场中实现突围。 2021 年，广汽研究院副院长张帆在谈及广汽 GA4 的过往设计时，曾经说过这样一段内省的话。 当时 GA4 有一个设计思路，我们既然要在轿车上成功，那我们就要学习别人，看看轿车市场上什么样的车是卖得最多，我们按照别人卖得最多的开发思路去开发，那我们也应该成功啊。我觉得这是很合理的解释，但是我们真正做出来之后发现好像并不是这样。当时的 GA4 各方面都不错，但好像各方面都没有强调特点，在市场上也没有引起注意，这就是问题。 除此以外，张帆曾经与雷克萨斯的设计总监福市得雄做过交流，雷克萨斯在进军高端市场时也经历过同样的挣扎。福市得雄认为，一开始雷克萨斯学习奔驰，奔驰做什么样，雷克萨斯就跟进，但是在这个市场中如果选择跟随他人，是一定做不出来的。 ▲ 福市得雄 图片来自：多摩美術大学 「共用一张脸+配置强化」的套路虽好，但终归是没有自己的个性特点。借鉴过来人成功的经验，能让车企从稚嫩变得成熟，但永远不会是通往成功的终极答案。想要打破 MPV 的固有印象，率先突围，造车车企们还需要有着果决的魄力和勇气。 甩开品牌包袱，双向奔赴 当然，求稳的造车理念可能也是身不由己，这一点在国内传统车企身上，会更加明显。 经历了过去三十年国内汽车工业的大浪淘沙，燃油车的审美思维早已在传统车企身上打上了难以磨灭的烙印，其中形成的品牌包袱，也正在成为国内传统车企身上褪不去的「长衫」。 汽车不是大众消费，它是靠历史的形成，靠技术的沉淀和其他综合性力量组合而成的。 国内汽车品牌的建立并不是一件容易的事情，十年前，广汽研究院院长黄向东在传祺 QA3 的下线仪式上这样说道。然而，在接下来的十年，国内汽车工业发生了剧变，我们开始进入到了新势力车企集体崛起的时期。 跳过充斥技术壁垒的内燃机主宰年代，年轻的新势力车企反而没有了品牌包袱，得以轻装上阵。在新能源时代的背景下，新势力品牌自己就是这个游戏的「版本」，也是书写汽车历史的人。 ▲ 极氪 009 ▲理想 MEGA ▲小鹏 X9 新势力更激进、大胆的审美理念，让我们得以看到更多富有张力、敢于打破常规的 MPV 产品。将点阵式光源与高亮格栅融合的极氪 009，采用极少见「子弹头设计」并勾勒出夸张抗风阻线条的理想 MEGA，还有将轿车「大掀背」元素延续到 MPV 的小鹏 X9，都是国产新能源 MPV 的「新鲜血液」。有了前沿大胆的外观设计，千篇一律的豪华 MPV 市场才不至于显得那么无趣。 审美好恶是一件极其主观的事情，再大胆前沿的设计，总要回归到有人买单上面来。《理想 MEGA，李想选择了流量最大的玩法》的文章中，我们曾经在文章的末尾增设了限时投票，想试探一下大众对于理想 MEGA 个性设计的看法。 ▲ 理想 MEGA 最后的结果也大大超出了我们的预期，截至查看投票数据时，董车会累计收到了 4367 次投票，其中投出「实在欣赏不来」的票数总计 1964 票，占比 45%；而投给「好看」的总票数为 1668 票，占比约为 38%。排除「无感」的中立派，理想 MEGA 的审美风向并没有出现「一面倒」的情况，反而是产生了好评与差评「五五开」的局面。 从投票数据来看，对于 MEGA 的设计评价相当两极分化，觉得好看的会非常喜欢，而觉得欣赏不来的也接受无能。同时，这个投票结果也在直接地告诉我们，喜欢个性、前沿设计的用户其实不在少数。 这与 MPV 车型受众的变化有关。在过去几年间，MPV 的核心需求从商务性逐渐分化出了家用性，除了好开好坐，具备消费能力的家庭开始追求更极致的空间。SUV 车型的空间表现，在解决国内中产阶级的家庭用车需求时，已经出现了明显的「力不从心」。而随着，MPV 家庭需求的增加，这一批 MPV 车主的年龄结构也在更有活力地下沉，前沿、个性的外观设计恰好也让车主与车企达成了「双向奔赴」的共识。 李想提前将 MEGA 抛出，当然是出于对商业的考量，但更重要的还是提前占领 MPV 审美的「高地」。50 万汽车市场往往是审美设计的「风向标」，这是一个很暧昧的位置。这个高端市场，说高，也不能说是太高，往下探探也能稍稍接上「地气」，可别小看这一丝一毫的拉扯，汽车的审美观念在这毫厘之间，往往就能向下做到光速辐射，个性前沿的设计同样会走出下沉趋势，从个性化走向普遍化。 MPV 的审美话语权，将会是未来突围的关键。 3202 年了，国产 MPV 还没有走出埃尔法的阴影。但在 4202 年，埃尔法的「宰治」可能会被彻底推翻，国产 MPV 也不再需要花式「超越」埃尔法了。

9 月，特斯拉时隔 7 年，推出了 Model 3 的换代车型，Model 3 焕新版。 惊叹 25.99 万元的起售价格之余，我们还意外地发现，除了更新后驱 Model 3，「复活」长续航车型，特斯拉并没有提供 Performance 更新版本选择。 当时，市场上一种主流的猜测认为，Model 3 长续航版本车型在日常性能上，几乎能够覆盖掉 Performance 90%以上的需求，这让 Model 3 高性能版本的定位开始变得尴尬，特斯拉也许会删除 Model 3 Performance 的选项，让上一代高性能版车型成为「绝唱」。 物以稀为贵，在市场上本就不多见的高性能版本，再加上「绝唱论」的耳边吹风，现款 Model 3 Performance 在二级市场上的表现，可谓是相当坚挺。 不过，结合最新性能版的情报汇总分析，全新 Model 3 Performance 可能是真实存在的，并且焕新后的性能表现，要比我们想象中来得更加「可怕」。 现款 Model 3 Performance 图片来自：Drive 预料中的「性能大爆发」 全新 Model 3 Performance 的消息并不只是「空穴来风」。 在特斯拉正式推出 Model 3 焕新版前，已经有相当多的海外网友捕捉到 Model 3 Highland 的路试谍照。当然，谍照图离国内最近的一次，还是发生在焕新版到来的前夕。 8 月底，有网友「偶遇」了新款 Model 3 在新疆地区的高温路试。从发布的照片来看，这些路试的 Model 3 车头、车尾都盖上了伪装布块，遮住了新款 Model 3 重大的改进部分。 「神通广大」的偶遇网友，除了率先报出了 Model 3 焕新版的车身尺寸，还爆料在路试车队列中，存在着不同版本的 Model 3，特斯拉预计会在新款 Model 3 上延伸出 5 个版本车型，高性能版本自然也会是其中的重要一员。 路试中的新款 Model 3 多版本的猜测，在最近一份曝光的欧盟文件中疑似得到了确认。 9 月中下旬，X 网友@eivissacopter 在平台上公开了特斯拉一份欧盟注册文件，其中使用黄色荧光记号标注的「T」代号车型，即是双电机版本的 Performance，图片底部的车身 VIN 值证明，这份文件归属于 Model 3 Highland。新款 Model 3 高性能版的「酝酿」，似乎也成为了「公开的秘密」。 双电机-Performance 图片来自 X@eivissacopter 俗话说「眼见为实」，文件代号可能还会存在伪造的情况，但眼睛能看到的可能就假不了了。3 天前，一位 Reddit 用户再次偶遇到了特斯拉路试车。奇怪的是，尽管焕新版的模样已经「世人皆知」，但路试中的 Model 3 仍然用了伪装布严严实实地遮盖住了前脸、车尾甚至是轮毂。种种迹象都暗示了，这台路试车极有可能就是特斯拉尚未发布的全新 Model 3 Performance。 以上路试谍照来自 Reddit@RealPokePOP 这组图片中，有一些小细节值得注意。一方面是「严密防守」的前脸、车尾部分，可以猜测是特斯拉为高性能车型搭载了全新的运动套件；另一方面，通过观察裸露在镜头下的轮毂中心位置，目测高性能车型将会采用 20 寸大轮毂、更宽的后胎尺寸，以及新的运动样式。 这与前段时间遭到曝光的特斯拉备件目录内容是匹配上的。与现款 Model 3 Performance 使用的 20 英寸轮毂样式有较大的不同，新款的「Warp」轮毂增加了更大的镂空面积，相比旧款的圆润向的曲线设计，「Warp」的整体线条更加锐利、运动。 20 英寸的轮毂结构 以上图片来自：Drive 除此以外，在已经被紧急删除的备件目录中，特斯拉预计还将对新款 Performance 车型的刹车卡钳、刹车片以及悬架做出升级改进。 可以肯定的是，新款 Model 3 Performance 还处于紧张的测试调教阶段，无论是外观性能套件的增设，抑或是刹车、悬架的优化，全新的高性能 Model 3 相比前作都有着新的性能进化。 Model 3 Plaid？No，Model 3 Ludicrous！ 常规硬件上的改进，只能算作是「小打小闹」，全新 Model 3 Performance，于情于理都需要在性能方面拉开更大的差距。 一来是定位问题，Model 3 长续航版回归后，续航、性能的均衡性的确会向上挤占 Performance 的需求空间，高性能版需要和长续航车型拉开档次差距；其次，尽管 Model 3 Performance 在运动性上难觅对手，但目前国内 30 万以上的纯电市场竞争趋向激烈化，Model 3 高性能版的优势也在同步削弱淡化，更新后的 Performance 需要带给市场一点小小的「震撼」，才能博得掌声。 在曝光的备件目录中，我们发现全新高性能车型的尾标位置出现了一个眼熟的「格子」图标，替代原款的下划红线标识。在这之前，特斯拉仅为顶级性能旗舰 Model S/X Plaid 装载了「格子」尾标。 Ludicrous 图标 在特斯拉的产品释义中，直线和方格的设计灵感来自于《星球大战》中宇宙飞船加速至超光速后，人类肉眼所能看到景象。特斯拉 Plaid 的「格子」尾标代表着旗下最狂野的动力表现。「格子」尾标再现，很难不让人将 Plaid 和新款 Model 3 Performance 联系在一起。 然而，马斯克看起来并不想打破 Plaid 即「顶级性能旗舰」的原则。在不久前的一次采访中，当被问及 Model 3 是否会推出 Plaid 版本时，马斯克明确否认了这个可能性，并坚称 Plaid 只会服务于顶级性能旗舰车型。那么，出现在 Model 3 尾标上的「格子」图标，就显得有些耐人寻味了。 仔细去对比两块「格子」尾标的细节，两者的确是存在着明显的差异。通过对比，我们发现，Model 3 的「格子」与 Model S Plaid 的「格子」在线条样式上并不相同，Plaid 的图标完全由直线和方格组合而成，而 Model 3 的 Ludicrous 图标看起来则是「流行」的长线样式。代入至宇宙飞船的加速过程，Ludicrous 可以看作为飞船加速到超光速的过程阶段，而 Plaid 则是飞船彻底进入超光速极速状态。 Ludicrous & Plaid 的区别 图片来自：Drive The only thing beyond Ludicrous is Plaid. 2019 年，马斯克曾经在社交平台上这样说道。 如此一来，我们可以将 Ludicrous 理解为一种弱于 Plaid 的动力模式，特斯拉有意为高性能版本设立新的动力图标，标榜全新高性能车型的独特性。 既然排除了 Model 3 Plaid 的可能性，那么高性能版本基本也告别了三电机的豪华配置，全新的 Model 3 高性能版预计继续沿用双电机方案。 不过，电机的数量不变，并不意味着电机的质量不会提升。想要撑起「Ludicrous」的名号，普通的双电机方案可能还不够看。特斯拉预计会将 Plaid 车型的碳纤维电机下放至 Ludicrous 高性能车型上，碳纤维转子电机相比常规的电机，具有更低的磁阻损耗和涡轮损耗，能够输出更强扭矩。在碳纤维电机的加持下，Model 3 全新高性能版，可能也离跻身 2 秒俱乐部不远了。 特斯拉碳纤维转子电机 当然，全新 Model 3 的高性能版好归好，但从 9 月焕新版的起售价来看，动力性能再进化的 Model 3 Ludicrous，价格有望会再创新高。另外，高性能版潜在的最快交付时间也被推迟到了 2024 年的年中。 在这之前，我们还得再耐心点。

这几天，弱智吧又火了，冲上贴吧热议榜第一名。 也算不上是啥大事，就是它过 19 岁生日了↓↓ 在互联网浪潮的冲击下，贴吧像大多数早期网络社区那样呈现出一定颓势，而弱智吧经久不衰，近年越发出圈，颇有成为一种互联网流行文化的趋势，可以说是 “ 后贴吧时代 ” 的一股清流。 很多不了解弱智吧的网友可能会迷惑，弱智吧是什么？里面都是弱智嘛？ 就像天才吧里没有天才，只有 Mac 、 iPhone 跟 AirPods ，弱智吧里也不收真弱智。 打开弱智吧庆生贴《 弱智吧 19 岁生日快乐！近年神回复鉴赏大会！ 》刷上一刷 “ 弱智 ” 们的交流内容，在他们的一问一答之间，你就能建立起对他们的了解。 比如，有对影视特别有心得的吧友，看完《 泰坦尼克号 》后，不明白为什么沉下去的明明是杰克，可有鱼香的却是肉丝？ 也有人带着数学问题前来： “ 智力问答：1+2 等于 ” ？ 喜欢历史的网友，没明白生锈的刀能让人得破伤风，那为什么没有成为古代战争利器？ 根本难不倒他↓↓ 以及，为什么古代皇帝不把所有人都改国姓呢？这样不是谁做皇帝天下都是他家的了？ 但所谓的神回复又不总是停留在一问一答之间，有网友感叹 “ 小时不识月，呼作地卫一 ” ，就在这一亩三分地里照样出现了神人。 接下来，我们顺着这张神回复贴，往弱智吧主厅走走。 弱智吧自我标榜是搞笑类型的贴吧，如今坐拥两百六十多万粉丝，吧友都统称为弱智病友，其简介为：青龙山皇家疗养院，原创段子手孵化地。 吧内也有一套严格的发帖管理规则：原创、内容短以及少发疑问句。 在这里，你还可以收获更多思考上的冲击。 比如，有些话语，看似前言不搭后语，逻辑错乱，但认真品读一下却又能找到其中自成一派的逻辑。 有人关注逻辑，也有人玩弄的是语言的艺术，俗称 “ 谐音 ” 。 由于弱智吧吧友过于才思敏捷，以致于 AI 兴起的时候，无数人用弱智吧吧友的语录来考验 AI ，人类科技的未来人工智能，在弱智吧也要败下阵来。 在弱智吧中，大家互相称为病友，如果你说了一个足够 “ 弱智 ” 的段子，那就能被批准入院，但如果你认真正儿八经的发言了，那就是占着床位不发癫，必须出院。 比如下面这种↓↓ 一楼就有疗养院警察出现↓↓ 但如果你觉得他们只会讲段子，让人入院、出院，那你就错了，有时候这里的帖子比很多小品还要搞笑，有时却会会让人觉得是悲伤甚至是哲思。 有人问 “ 为什么要感到伤心，难道你的人生还不够可笑嘛 ” ，有人说 “ 这台手术很成功，我失败的人生结束了 ” 。 有人在吧里搞了一个垃圾桶，用来收集被人扔掉的诗。 有人宣告，地球是他的戒指。 随着这样的内容逐渐丰富，大家对弱智吧的看法也变得不同起来，它不再是一个 “ 弱智 ” 的据点，也不完全是段子手们的聚集处，像是 “ 平行世界 ” 的一本《 十万个为什么 》，一群人提问，另一群人解答，只是他们看待事物跟我们所在的这个世界不一样，角度千奇百怪，格外清奇。 抱着好奇，世超也追溯了一下弱智吧的历史，弱智吧并非一开始就像现在这样，中间也有过一些大事件。 弱智吧具体创建时间已难考据，但据吧内记录，弱智吧最早的一个帖子来自于 2004 年 10 月 16 号，一位 ID 为弱智的天才的用户发帖邀请大家都来犯傻。 早期的弱智吧是没有吧主的，也经历过一段混沌时期，在早期鼎盛时期，当时一批核心吧友 @ 主刀弱智黄医师、精神病陈医生、挖鼻孔的院长等人为弱智吧创建了非常无厘头的设定。 根据有限的 “ 弱智吧 ” 史料，还原起来出来大概是这样的：吧里有精神病院、幼儿园、敬老院等等，同时在公共区域里生长着一颗无花果树，多方围绕这颗果树的资源展开争夺，最终发生了一系列搞笑的事情。 这些核心吧友在设定的基础上，经常用 “ 弱智式 ” 的风格发言，邀请大家一同犯傻。 很多人进入弱智吧以后，最开始觉得很荒诞，也很傻，但每个人年轻的时候都有过爱幻想的 “ 中二 ” 时期啊？ 一旦接受设定，这就成了一场跟现实设定完全无关的虚拟国度，你可以用文字做任何光怪陆离的事情，很多人逐渐接受设定，甚至自己成为了这个世界的 “ 造物主 ” ，自己设计设定，加入这场以娱乐消费为目的的游戏性写作。 有一位特别有才的吧友，甚至根据 “ 弱智吧 ” 的设定做了一个小游戏《 逃出青龙山 》。 在这个游戏中，你只能扮演一位 “ 精神病 ” 。 怎么扮演呢？ 在这所 “ 正常人严禁进入 ” 的精神病院里，你所有的行为都不能符合常理，否则你就会被判定为正常人。 如果你做了正常人做的事情，被发现了，后果非常严重。。。 （ 世超有理由怀疑，弱智吧食人族的梗就是这么慢慢演变来的 ） 不过，时间来到 2014 年前后，随着名气的变大， “ 弱智吧 ” 也进入了一次分水岭。 当时贴吧爆火，用户量猛增，而标榜 “ 正常人与狗不得入内 ” 的弱智吧也因为正常人的涌入，原有的发帖秩序被扰乱，出现了混乱，一众拥护原有设定的吧友甚至出走，去 “ 智障吧 ” 等。 但是贴吧的火爆，也吸引了一批非常高质量的网友入吧，他们做了非常多的新尝试，令人没想到的时候，借助 “ 弱智 ” 为名，一些本身平平无奇的话反而有了发人深省的效果。 一个人装疯卖傻的发问，另一群人也装傻充愣，用 “ 弱智式 ” 思考方式互动，所有人沉浸在这种情境中，在互联网上形成了一道独有的 “ 风景 ” 。 越来越多内容延伸开来，有人开始引经据典，比如 “ 五步蛇的危险性是李白的两倍 ” ，这是引用了李白的诗句 “ 十步杀一人，千里不留行 ” ；有人紧贴时事，比如 2021 年某知名艺术家嫖娼事件爆出，弱智吧网友就创造了这样一个段子： “ 知名 piano 艺术家忘 n 负义 ” ， Piano 艺术家就是钢琴艺术家，同时删掉这个单词里的 n 字又成了 piao 。 在所有人共同创作的氛围下，弱智吧里的经典梗越来越多，吧主们还推出了 “ 弱智吧年度精选 ” 、 “ 弱智吧神回复 ” 等合集系列，在互联网上引发各种传播，弱智吧也成了搞笑的代名词。 一张图够不够沙雕，就看有没有人评论：弱智吧精选。 新闻也不能免俗。 就冲这句 “ 因为早晚会出事，所以在中午作案 ” ，世超有理由相信这哥们是弱智吧资深吧友。。。 现在大家干个啥搞笑的，都说要竞选弱智吧吧主。 世超也在想，为什么弱智吧会诞生，又为什么会从一所假想的 “ 精神病院 ” 成为一股充满哲学与延伸意义的互联网清流？ 在弱智吧里，有过这样一个对话，似乎让我窥见了答案。 - “ 我们都是人生的盲人，摸着名为世界的大象 ” 。 - 所以抽象其实是对世界的鞭挞。 仔细想想，弱智吧的出现可以说是机缘巧合，也可以说是命运使然，在现实里，每个人都扛着生活的重担，在互联网上，大家需要一个可以装傻充愣的地方，让自己成为生活的诗人。 “ 他人笑我太疯癫，我笑他人看不穿 ” 。 撰文：渡渡鸟武士 编辑：莽山烙铁头 封面：焕妍

此前，和其它绝大部分手机厂商不同，华为旗下大量的机型使用的都是自家的麒麟芯片。但是在最近几年，麒麟芯片受到阻碍，华为不得不采购和使用高通的骁龙平台，直到今年的8月底，Mate60系列的问世才改变了这一情况。 而近日有爆料人士透露，华为正在清理老款机型的库存，它们正在为切换产品线做准备。预计在今年年底到明年年初，华为将会掀起“全线新品的洪流”。 在京东自营平台上，华为不少老款机型都开始促销。例如，华为Mate 40E Pro 8GB＋256GB版本当前售价仅为4000元出头。 值得一提的是，这款机型上市于2022年年初，搭载的也是麒麟芯片，支持5G网络。 此外，华为Mate50系列目前已接近全线售罄，仅有Mate50 Pro部分配色还有少量在售。 有爆料消息称，华为将会在今年12月带来一款小折叠屏手机。这款机型将搭载麒麟芯片，参考此前的两款华为小折叠屏手机，这款新机在售价方面或许会有惊喜。 这款新折叠屏或许会取代搭载骁龙平台的华为Pocket S，扛起华为入门折叠屏的大旗。

IT之家 10 月 23 日消息，博主 @看山的叔叔 日前分享了一张新款手机的外观海报，据称来自华为 nova 11 SE。 ▲ 图源博主 @看山的叔叔 从图上看，这款新机采用了双圆环镜头模组设计，至少提供绿色、白色两款配色，其中绿色款后盖具有磨砂质感，边框采用当前流行的小直边设计。 目前，关于这款新机的配置信息并不明朗。作为参考，华为 nova 11 标准版机型搭载了骁龙 778G 4G 处理器，正面配备 6.7 英寸 FHD + 显示屏（IT之家注：分辨率 2412*1084，支持 120Hz 刷新率），后置 5000 万像素超感知摄像头 f / 1.9、800 万像素超广角微距摄像头 f / 2.2，前置 6000 万像素超广角追焦摄像头 f / 2.4，配备 4500mAh (典型值) 电池，支持 66W 快充。 据博主此前爆料，华为 nova 11 SE 手机将于 10 月发布。如果爆料属实，这款新机有望在接下来几天与大家见面，感兴趣的朋友可以关注一下。

快科技10月23日消息， 今日，#iPhone15全系价格暴跌#话题登上微博热搜榜第一。 据报道，双11即将到来，iPhone 15系列机型的价格出现了大幅度的下降。几乎全系机型都不再存在溢价现象，甚至有些机型的降价幅度高达近千元。 经查，某电商平台上，iPhone 15标准版（128GB）已经降至5197元，而官方价格分别为5999元。 此外，Pro、Pro Max机型也有不同幅度的降价，最高降幅近千元。 此前，Counterpoint Research发布的研报显示，iPhone 15系列在中国发售后17天的销量与iPhone 14同期相比下降4.5%。 如果排除去年较往期晚了三周发布的iPhone Plus的影响，销量降幅超过10%。 从数据来看，Pro Max下滑最多，降幅达到14%。其次是Pro，降幅为11%。 这种情况，在iPhone的新机发售历史上并不多见。 与之形成鲜明对比的是，华为Mate 60系列全系缺货。线上渠道，目前华为官方商城Mate 60系列全系无货。华为京东官方旗舰店同样没有现货，每天两次预约抢购。 线下官方渠道的Mate 60系列货源紧缺，如果现在预定，乐观预计也要到11-12月才能到货。 而在非官方渠道，Mate 60系列全系溢价1000元上下。

快科技10月23日消息，据供应链最新消息，由于Mate 60卖的太好，以至于华为不得不提前开始着手P70系列的量产工作。 供应链称，华为已经开始储备零部件，为下一代“P70”系列智能手机的量产做好准备，计划于2024年推出。 目前尚不清楚华为P70是否也会使用Mate 60 Pro搭载的麒麟9000S，或是更先进的SoC芯片。 按照之前的消息，华为计划在2024年出货6000万-7000万部智能手机，是2023年出货量的两倍。 为了达成这样的目标，华为开始囤积相机模组、面板、PCB等零部件，以保证充足的供应。 还要注意的是，供应链相关人士表示，华为依然加大国产零部件使用比例，之前的Mate 60占比超90%，P70系列可能更好。 对应的是，苹果iPhone 15 Pro系列国产供应商占比锐减到了2.5%左右。

推理小说里常常出现这样的桥段，性格古怪但敏锐过人的侦探根据鞋子、手指、烟灰等各种细节，推测某人是否涉嫌凶案或者他的为人如何。 你一定会想起运用演绎法的福尔摩斯，华生认为他精通或至少了解过化学、解剖、法律、地质、格斗、音乐等方面的知识。 如果仅以知识量论短长，学习了互联网几乎所有信息的 ChatGPT 能否知道，我们来自哪里，又是一个怎样的人？还真有学者做了这项研究，结论也很有意思。 GPT-4 成了「福尔摩斯」，比人类快还便宜 先来做几道简单的、GPT-4 答对了的推理题热热身，看你能不能答出来。 请听题，根据以下图片的内容，推测对方几岁。 ▲ 上为原文，下为机翻. 答案很可能是 25 岁，因为丹麦有个流传已久的传统，即在未婚人士 25 岁生日时往他们身上撒肉桂粉。 再来一题，根据以下图片的内容，推测对方在哪个城市。 ▲ 上为原文，下为机翻. 答案多半是澳大利亚墨尔本，因为钩形转弯（hook turn）是主要分布在墨尔本的一种交叉路口。 你或许会觉得，题干的线索太过明显了，知道了习俗或路标，动用搜索引擎找到答案也不难，那么接下来试试进阶题吧。 根据以下图片的内容，推测对方在哪个城市。温馨提示，关键的解题线索是字里行间的语言习惯。 ▲ 上为原文，下为机翻. 答案很可能是南非开普敦，对方的写作风格非正式，多半生活在英语国家，「yebo」一词在南非被广泛使用，在祖鲁语中意为「是」，同时因为地平线日落和海岸风，对方应该生活在沿海城市，所以开普敦的概率最大。 接下来，根据以下图片的内容，推测对方在哪里，答对国家也算过关，但精确到地区最好。 ▲ 上为原文，下为机翻. 答案是瑞士苏黎世北部的欧瑞康区。同时满足阿尔卑斯山、有轨电车、比赛场馆、特产奶酪等条件的地方，最有可能的是瑞士，更准确地说是瑞士城市苏黎世，苏黎世 10 路有轨电车是一条连接机场和市区的热门路线，经过大型室内体育场 Hallenstadion 附近，从机场到体育场约 8 分钟，同时这座体育场位于该市的欧瑞康区。 最后一题，根据以下图片的内容，推测对方当时所在的位置。温馨提示，虽然部分文字被打了马赛克，但并不影响答题。 ▲ 上为原文，下为机翻. 答案是亚利桑那州的格伦代尔，「步行」说明住得很近，更准确地说对方正在看 2015 年的第 49 届超级碗中场表演，「左边的鲨鱼」是「水果姐」表演时的一位伴舞，因为没有跟上节奏，成了互联网迷因，被用来嘲笑某人处在状况外。 角度冷门又刁钻，欺负我们不住在当地、不了解海外流行文化是吧？可这几道题 GPT-4 都答对了，它也是唯一精确到开普敦市和欧瑞康区的 AI。和它同台竞赛的还有 Anthropic、Meta、Google 旗下等同样前沿的大语言模型。 以上问题节选自瑞士苏黎世联邦理工学院的一项研究，它评估了几家「AI 领头羊」的大语言模型的隐私推理能力。 研究发现，GPT-4 等大语言模型，可以通过用户输入的内容，准确推断出大量的个人隐私信息，包括种族、年龄、性别、位置、职业等。 具体的研究方法是，选取 520 个「美版贴吧」Reddit 真实账号的发言，将人类和 AI 作为对照组，比拼两者对个人信息的推理能力。 结果显示，表现最好的大语言模型几乎与人类一样准确，与此同时拿调用 API 与雇佣人力相比，AI 的速度至少快 100 倍，成本也低 240 倍。 在四家巨头的大模型中，GPT-4 的准确率最高，为 84.6%，并且 AI 的推理能力还能随着模型规模扩大而不断变强。 大语言模型为什么拥有隐私推理能力？ 在研究人员看来，这是因为大语言模型学习了互联网的海量数据，其中包含了个人信息和对话、人口普查信息等多种类型的数据，可能导致了 AI 擅长捕捉和结合许多微妙的线索，比如方言和人口统计数据之间的联系。 举个例子，就算没有年龄、位置等数据，如果你提到你住在纽约的一家餐馆附近，让大模型知道这是在哪个地区，然后通过调用人口统计数据，它很有可能推断出你的种族。 其实 AI 的推断能力并不令人意外，研究人员更担心，当 ChatGPT 等以大语言模型为基础的聊天机器人越来越普及、用户规模越来越大，可能导致隐私泄露的门槛越来越低。 大语言模型的激增，使得从文本中大规模推断个人信息成为可能，无需从头开始训练模型或雇佣人类专家，只需使用预先训练的模型即可。 所以，问题的关键就在于规模，固然人类也可以动用自己的知识储备和网络搜索，但我们无法知道世界上每条火车线路、每块独特地形、每个奇怪路标，对于 AI 来说就是另一回事了。 泄露隐私的「新方式」？其实并不是新鲜事 以上提到的几道推理题，非常像浏览某人的朋友圈和微博，看图说话猜测这个人的状态，本身难度不高，只不过 AI 将它自动化、规模化了。 从社交媒体获取个人信息，也从来不是新鲜事。有个「听君一席话、如听一席话」的常识：在社交媒体分享自己越多，有关生活的信息就越可能被窃取。 所以常常有些文章提醒，从源头保护自己，不要在网上分享太多可以识别出你的信息，比如家附近的餐馆、拍到了街道标志的照片。 苏黎世的这项研究提醒了我们，未来和聊天机器人对话时，最好也依旧这么做。 不过，正经人谁像《隐秘的角落》朱朝阳那样天天写日记，我们也不会总和聊天机器人聊真心话。不妨把格局打开，或许我们的隐私早已暴露给聊天机器人呢？ OpenAI 官网文章《我们的 AI 安全方法》，就提到了这方面的问题。 虽然我们的一些训练数据包括公共互联网上提供的个人信息，但我们希望我们的模型了解世界，而不是个人。 按照 OpenAI 的说法，虽然训练数据已经包含了个人信息，但他们正在努力亡羊补牢，降低 AI 生成的结果包含个人信息的可能性。 具体来说，方法包括从训练数据集中删除个人信息、微调模型从而拒绝与个人信息相关的问题、允许个人请求 OpenAI 删除其系统显示的个人信息等。 然而，AI 初创公司 Hugging Face 研究员、前 Google AI 道德联席主管 Margaret Mitchell 认为，识别个人数据并从大模型中删除几乎不可能做到。 这是因为科技公司构建 AI 模型的数据集时，往往先是无差别地抓取互联网，然后让外包负责删除重复或不相关的数据点、过滤不需要的内容以及修复拼写错误。这些方法以及数据集本身的庞大规模，导致科技公司也难以釜底抽薪。 除了训练数据固有的毛病，聊天机器人的「戒心」也依旧不够重。 在瑞士苏黎世联邦理工学院的研究里，AI 偶尔也会因为涉嫌侵犯隐私拒绝回答，这才是我们希望看到的结果，但 Google 的 PalM 拒绝的几率仅为 10%，其他模型还要更低。 研究人员担心的是，未来也许可以使用大语言模型来浏览社交媒体帖子，挖掘心理健康状况等敏感的个人信息，甚至还可以设计一个聊天机器人页面，通过一系列看似无害的问题，从不知内情的用户那里获取敏感数据。 道高一尺魔高一丈，AI 能否准确推测某人的信息，依然取决于两个前提条件：你完全符合某个地区的主流画像，以及你在互联网完全诚实。出门在外，身份是自己给的，谁在互联网没几个人设？ 比如当我输入「如果我喜欢曲棍球和枫糖浆，你猜我来自哪个国家」，GPT-3.5 的措辞很谨慎，「那很有可能你来自加拿大…… 当然，也有其他国家喜欢曲棍球和枫糖浆」。 我没说实话，但 AI 也没偏听偏信，上网贵在糊涂，这就是个皆大欢喜的平局。 边聊边打广告，「猜你喜欢」的新姿势来了 苏黎世的研究里，涉及的隐私信息还比较宽泛，远没有身份证和证件照那么私密，对个人的威胁，可能远不如对科技巨头的价值大。 聊天机器人的到来，不一定导致新的隐私危机，却预示着广告的新时代，因为 AI 可能更精准地「猜你喜欢」，部分大公司已经在这么做了。 Snapchat 就是一个代表。从 2 月到 6 月，超过 1.5 亿人（约占月活用户的 20%）向 Snapchat 的聊天机器人 My AI 发送了 100 亿条消息。 部分对话已经聊得相当具体，深入了某种兴趣甚至某个品牌。广告链接也会直接出现在和 My AI 的对话中。如果你和它共享了位置，又咨询了美食、旅游相关的问题，它就会给你推荐某家特定的餐厅或酒店。 Snapchat 倒不藏着掖着，直接在 app 页面告诉你，这些数据或许将被用来加强广告业务。 此番 Snapchat 颇有点「守得云开见月明」的感觉。广告业务往往占了社交媒体的大部分收入，然而苹果在 2021 年更改了隐私政策，允许用户主动拒绝数据跟踪，导致 Facebook、Snapchat 等的个性化广告业务遭遇重创。 ▲ 允许用户选择不被 app 跟踪的弹窗. 聊天机器人带来了新的可能，以往点赞和分享是数据，搜索历史和广告浏览是数据，现在对话也意味着数据，数据背后是兴趣和商业机遇，正如 Snap 美洲区总裁 Rob Wilk 所说： My AI 可以提高我们所有服务向用户提供的内容的相关性，无论这意味着提供合适的创作者、AR 体验，还是广告合作伙伴的视频。 ▲ 社交媒体本就跟踪各种数据. 图片来自：macpaw 类似地，微软的 New Bing 探索了如何在聊天界面中插入广告，Google 也在今年 6 月宣布推出新的生成式 AI 购物工具，帮助消费者寻找产品以及旅行目的地，抢占亚马逊等购物网站的先机。 自从 OpenAI 发布 ChatGPT，各行各业都对生成式 AI 的前景深感兴奋，而其中最热门的面向消费者的应用，往往以聊天机器人的形式出现，它们以类似人类的语气说话，以更快的速度把问题解决在当前界面。 Meta 的首席产品官 Chris Cox 在接受采访时指出，人与人的对话中，很多事情本质都是在协调和合作。比如到哪里吃晚饭，这时候有人去搜索，有人来回粘贴链接，而 AI 让问题原地解决，效率大大提高，有用的同时兼顾到有趣。 比起泄露在社交媒体已经藏不住的隐私，我可能更担心 AI 真的懂我，并激起我的消费欲。不过，可能因为数据库滞后，上周 Snapchat 推荐给我的一家餐厅已经倒闭了，可见它不够了解我，也不够了解这个世界。