IT之家 10 月 16 日消息，微软 Xbox 服务今晚出现问题，账户和档案的登录服务不可用。 官方表示，可能无法登录到 Xbox 档案，可能是登录时已断开连接，或有其他相关的问题。需要登录的功能（如大多数游戏、应用和社交活动）将不可用。

IT之家 10 月 16 日消息，三星电子印度分公司周二表示，该公司印度南部泰米尔纳德邦工厂的工人已决定结束罢工，但未透露和解条款。 这次罢工得到了印度全国贸易联盟中心（CITU）的支持，是近年来印度最大的劳资纠纷之一，给印度总理纳伦德拉・莫迪吸引投资者在当地进行制造业投资的努力蒙上了阴影。 三星印度表示，该公司对 CITU 决定结束罢工表示欢迎。该工厂雇用了约 1800 名正式员工，生产冰箱、电视机和洗衣机。 三星印度还表示，该公司不会对参与罢工的工人采取行动。 自 9 月 9 日以来，超过 1000 名三星印度工人在泰米尔纳德邦金奈市附近的工厂附近举行抗议活动，要求提高工资并承认其工会。该工厂对三星至关重要，约占其 2022-23 财年 120 亿美元印度销售额的五分之一。该工厂是三星在印度的两家工厂之一，另一家工厂位于北方邦，生产智能手机，但没有发生劳资纠纷。 泰米尔纳德邦政府在一份单独的声明中表示，来自管理层和罢工工人的代表都参加了谈判。该州政府表示，三星管理层将对工人提出的要求清单作出书面答复。 据 CITU 称，三星印度工人的平均月薪为 25000 卢比（IT之家备注：当前约 2107 元人民币），他们要求在三年内将月薪提高到 36000 卢比（当前约 3034 元人民币）。三星此前表示，该工厂全职制造工人的平均月薪是该地区同类工人平均月薪的两倍左右。

莱万多夫斯基看好特斯拉自动驾驶 凤凰网科技讯 北京时间10月16日，据《商业内幕》报道，有“无人驾驶教父”之称的安东尼·莱万多夫斯基(Anthony Levandowski)在接受采访时称，特斯拉目前在自动驾驶领域拥有极其强大的地位，甚至在某些关键方面可能领先对手Waymo。 莱万多夫斯基在接受《商业内幕》采访时称：“和Waymo相比，我宁愿处于特斯拉的境地。”莱万多夫斯基是一名工程师，在2009年与他人共同创立了谷歌自动驾驶项目Project Chauffeur，也就是现在的Waymo。他被视为自动驾驶汽车行业的先锋。 莱万多夫斯基之所以看好特斯拉在自动驾驶领域的整体发展，是因为一个关键因素：数据。特斯拉已经有许多汽车在道路上行驶，其中一些汽车使用半自动驾驶功能来完成停车和切换车道等任务，并且一直在学习。他说，马斯克拥有“最强大的车队”。 “数以百万计的特斯拉汽车不断发出提醒，将他们的数据反馈给特斯拉来改进产品，这最终将成为真正的差异化因素：你拥有最丰富、最一致的数据，可以随着时间的推移不断改进，”莱万多夫斯基表示，“我想说，特斯拉在所有其他驾驶场景方面的样本数据量可能是Waymo的1万倍，甚至100万倍。” 特斯拉在上周发布了期待已久的自动驾驶出租车Cybercab。在过去十年的大部分时间里，特斯拉CEO埃隆·马斯克(Elon Musk)一直承诺要实现自动驾驶。然而，这场发布会并没有打动投资者和华尔街分析师。特斯拉股价在发布会后大跌，导致马斯克的财富缩水150亿美元。分析师指出，马斯克在发布会上侃侃而谈，但是细节太少。 莱万多夫斯基也有同感，他希望特斯拉在自动驾驶技术上提供更多实质性内容，少一些炒作。在上周的发布会上，外界对特斯拉自动驾驶汽车的运作方式及其安全性产生了很多疑问，但马斯克并未提供详情。 特斯拉的优势 马斯克此前曾声称，特斯拉在提供自动驾驶“通用解决方案”方面超越了竞争对手，这种解决方案可以在任何地方工作。 Cybercab  Cybercab完全依靠摄像头和人工智能。相比之下，Waymo和该行业的其他一些公司使用额外的激光雷达传感器，绘制汽车周围环境的3D图像。不过，激光雷达技术仍然很昂贵。马斯克将激光雷达称之为“拐杖”，他押注的是没有它的未来。 莱万多夫斯基对此表示认同。“Waymo没有理由不在日后放弃他们的激光雷达，”他表示，“实际上，我认为他们会放弃的。” 那么，Waymo该如何迎头赶上呢？莱万多夫斯基建议收购一家汽车公司。“你可能需要收购一家汽车公司，才能生产你想要的车，”他说，“你最好在你的技术准备好扩大规模时再这样做。” 竞争格局 在特斯拉和Waymo争夺技术霸权的同时，Uber可能是目前自动驾驶出租车竞赛的领跑者。自从2020年出售自动驾驶部门以来，Uber一直专注于与自动驾驶公司合作，让客户可以使用他们的车辆。Uber与Waymo合作，最近还与Wayve和通用汽车旗下Cruise签署了合作协议。 对于Uber来说，这是一种低资本模式，它依赖的是一个由司机和乘客组成的网络，这个网络会随着需求的变化而动态变化。Uber可以简单地通过同一个应用程序向客户提供无人驾驶汽车，而无需花任何钱来制造它们。相比之下，Waymo建立和维护一个庞大的自身打车网络将耗费大量资金。 分析师认为，至少在短期内，Uber是自动驾驶出租车领域的大赢家，而Waymo的商业化模式仍不清楚。莱万多夫斯基表示：“Waymo将何去何从是个有趣的问题。” 商业分析公司Stratechery创始人本·汤普森(Ben Thompson)最近指出，如果谷歌想要占领市场，它可能需要将Waymo分拆为一个独立实体，以便在扩大规模的过程中承受投资回报率的下降。 对于未来的竞争，莱万多夫斯基表示：“特斯拉能否在软件和技术上及时做好准备，Waymo在每辆车上的成本能否大幅下降，没人知道。”(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

快科技10月16日消息，ASML(阿斯麦)公布了2024年第三季度财报，并特别提到了在中国市场的销售情况、前景。 ASML当季净销售额74.67亿欧元(约合人民币578.27亿元)，环比增长19.6％；毛利率50.8％，环比下跌1.7个百分点；净利润20.77亿欧元(约合人民币160.85亿元)，环比增长31.6％。 ASML披露，第三季度新增订单金额26亿欧元，其中14亿欧元来自EUV光刻机。 光刻机总销量116台，其中全新的106台，环比增加17台，二手的10台，环比减少1台。 低数值孔径（0.33）EUV光刻机方面，越来越多客户需求转向NXE:3800E，预计第四季度会成为销售主力。 高数值孔径（0.55）EUV光刻机方面，第四季度将有2台设备进入客户现场验收测试阶段，随后确认收入，同时正在向另一家客户发运第三台High NA EUV系统。 ASML首席财务官戴厚杰（Roger Dassen）在财报发布后表示，预计中国区的业务及其在全球业务中的比重，将呈现出更常态化的水平，包括新增订单和整体业务层面。 他指出，ASML未能满足中国市场的所有需求，与此同时非中国客户的需求也在减少，导致中国区销售占比呈现上升的趋势。 随着中国客户的需求逐渐得到满足，非中国区市场的回暖，预计中国区销售占比将逐渐恢复到正常的水平，明年约为20％，和历史占比水平相当。 值得注意的是，ASML未交付的订单中，也有大约20％是中国客户的，主要受到逻辑、存储芯片以及浸润式产品销售的影响。 此外，中国市场的业务不少都是浸润式光刻系统，其毛利率显著高于ASML的整体毛利率，因此如果中国市场的份额发生变化，ASML的毛利率也将受到影响。 面向未来，ASML预计，2024年第四季度净销售额88-92亿欧元，毛利率49-50％。 2024年全年净销售额280亿欧元，2025年净销售额300-350亿欧元，毛利率51-53％。 此前在2022年的投资者日上，ASML曾预估2025年营收300-400亿欧元之间，但考虑到近期的市场形势，现在趋向于预测营收区间的下半段。 主要原因是低数值孔径EUV光刻机的需求量减少，预计2025年的出货量将少于50台，处于预测区间的中间值。

IT之家 10 月 16 日消息，据国是直通车报道，苹果副总裁及大中华区董事总经理葛越今日在新浪 ESG 全球领导者大会上介绍，苹果公司大量的环保方面的努力都是以“苹果 2030”为出发点，即到 2030 年实现整个价值链的碳中和。 据介绍，全球已经有 320 多家制造商作出承诺，到 2030 年，他们将使用 100% 的清洁能源为苹果生产产品。这些代表了苹果 95% 以上的直接制造支出。这其中也包括在中国的 80 多家供应商，他们正在努力转型，以实现到 2030 年使用 100% 可再生能源生产苹果产品。 IT之家获悉，2024 年也是“苹果供应商零废弃物计划”实施 10 周年。中国大陆有 300 多家供应商工厂参与到了这一计划中，包括所有已经建成的总装工厂。过去十年，中国供应商成功地减少了 250 多万吨需要填埋的垃圾。

凤凰网科技讯 10月16日，京东发言人官微发文，近日，有关章泽天女士加入“光明会”、恶意造谣抹黑刘强东章泽天夫妇家庭及私人生活等不实信息在网络上广泛传播，大量水军账号有组织地大肆散布、传播上述谣言，短时间内炮制出上万条谣言信息。刘强东章泽天夫妇已向公安机关报案，警方已受理该案且正在侦办中。

IT之家 10 月 16 日消息，中国音数协游戏工委今日发布了最新的 2024 年第三季度中国游戏产业季度报告。 数据显示，2024 年第三季度中国游戏市场收入 917.66 亿元，环比增长 22.96%，同比增长 8.95%。 中国音数协指出，本季度移动游戏新品和头部产品带来较大收入增幅，同时《黑神话：悟空》也给单机和主机市场带来较大增量，中国游戏市场收入创历史新高。 今年第三季度，中国移动游戏市场实际销售收入 656.58 亿元，环比增长 20.20%，同比增长 1.21%，中国客户端游戏市场实际销售收入 169.26 亿元，环比下降 0.39%，同比增长 0.40%。 中国自主研发游戏海外市场实际销售收入 51.69 亿美元，环比增长 15.40%，同比增长 20.75%，其主要来源是《黑神话：悟空》在海外市场的突出表现。 为进一步落实游戏主管部门关于促进游戏产业健康发展的工作要求，向全社会展示一批弘扬主旋律、传递正能量的优秀游戏产品和积极践行文化使命、履行社会责任的优秀游戏企业，中国音数协游戏工委宣布实施 2024“游戏十强”年度榜工作，并于 10 月 14 日开启网络投票活动，投票时间截至 10 月 18 日晚 18:00。 此次投票分为产品奖和企业奖两类。IT之家注意到，今年爆火的国产 3A 大作《黑神话：悟空》入围优秀中华传统文化游戏、优秀游戏音乐设计、优秀社会价值游戏、优秀客户端游戏等 4 项产品奖。 其开发商游戏科学则入围优秀游戏科技创新企业、优秀“走出去”游戏企业、优秀游戏研发团队等 3 项企业奖。

凤凰网科技讯 10月16日，据北京亦庄官方透露，近日，在北京经济技术开发区（北京亦庄）落地人形机器人总部的优必选，正式发布全新一代工业人形机器人Walker S1。目前，Walker S1已进入比亚迪的汽车工厂实训，与L4级无人物流车、无人叉车、工业移动机器人和智能制造管理系统协同作业，这也是全球范围内首个人形机器人与无人物流车等协同作业的工业场景解决方案。 图源：北京亦庄 相比于上一代Walker S，Walker S1拥有更聪明的大脑和敏捷的小脑，能满足工业场景内的泛化应用需求。值得一提的是，Walker S1重点解决了在工厂应用过程中所遇到的三大关键难题，即在光照和环境变化情况下的视觉定位问题、动态高负载情况下的运控算法问题，以及高负载长时间工况下的关节散热问题，以确保其在工业应用场景中能够稳定、高效地执行工作任务。 今年以来，优必选聚焦汽车、3C等制造业重点领域，提升人形机器人工具操作与任务执行能力，在全球率先与东风柳汽、吉利汽车、一汽红旗、一汽-大众青岛分公司、奥迪一汽等汽车企业，并已跨产业与富士康、顺丰在内的多家行业领导企业合作，在典型制造场景实现规模化深度应用，构建人形机器人应用生态。 随着此次Walker S1进入全球新能源汽车销量第一的比亚迪实训，优必选再次迈向人形机器人工厂实训新里程。截至目前，优必选是全球唯一一家与多家车企宣布合作的人形机器人公司，Walker S系列也已成为全球进入最多车厂实训的人形机器人。 基于此前在多家车厂实训的经验，优必选在一年内对Walker S系列进行了多次迭代，以满足工业场景的应用需求。据统计，Walker S系列已获得来自车厂超过500台的意向订单。

IT之家 10 月 16 日消息，中国联通公众号今日发文宣布，发布 5G LAN（局域网）Elite 产品。 IT之家注：5G LAN 是基于 5G 网络的一种新型局域网技术，通过“分组”“建群”的方式，将终端组织成 LAN 网络，实现终端间的直接互通和终端与服务器间二层高效通信。 中国联通推出雁飞工业网关终端产品，采用工业级设计能够适应工业环境，配备 2 个千兆以太网口，支持 3000Mbps Wi-Fi 6 接入，满足多样化的工业设备连接需求。 ▲ 中国联通雁飞 5G LAN Elite 工业网关产品 此外，面对传统 5G LAN 部署中普遍存在的配置繁琐、运维复杂等难题，中国联通联合华为公司推出“5G 工业网线”“免 VxLAN（网络虚拟化技术）方案”“支持 IPV6 组播”“跨 UPF 的终端互通”“防环路功能”等一系列功能，有效增强 5G LAN 的便捷性、高效性并大幅度降低成本、提升可靠性。 5G LAN Elite 产品具有高性能、灵活性、安全性、成本效益和广泛的应用场景等优势，企业应用如下： 工业制造：5G LAN 技术能够满足工业制造领域对高带宽、低时延、大连接的局域网连接需求，实现 PLC、SCADA（数据采集与监视控制系统）、MES（制造执行系统）等设备的互联互通。实现海量设备的实时监测和维护更新，提高生产效率和产品质量。 园区与物流：5G LAN 支持大范围的园区覆盖和终端移动性管理，适用视频补盲、设备远控、数据采集等应用场景，提升物流管理和生产调度的效率。相比传统的有线网络，5G LAN 无需铺设大量的线缆和设备，减少企业的投资成本。 能源矿山：通过 5G LAN 技术实现矿下设备终端的高可靠连接和实时通信，适用矿下仪表数据采集、采煤机控制等场景，矿山可以根据实际需求快速构建或调整网络结构，同时通过二层网络隔离，不同的 5G LAN 组之间互不干扰，确保 5G 网络的安全运行。

IT之家 10 月 16 日消息，当地时间周二，英特尔公司向俄勒冈州政府通报了即将裁员的消息。公告显示，分布在俄勒冈州四个办事处的 1300 名英特尔员工将被解雇。 由于在半导体领域的落后，英特尔上一个财年累计亏损超 10 亿美元（IT之家备注：当前约 71.27 亿元人民币）。英特尔今年 8 月表示，作为更大规模降本增效计划的一部分将裁减全球约 1.5 万名员工。 英特尔发言人表示：“作为我们 8 月宣布的计划的一部分，我们正在做出艰难但必要的决定，从而以减少员工人数。”“这是我们曾做过的最艰难的决定，我们将以关怀和尊重对待员工。从而支持我们的战略，即成为一家更精简、更简单和更敏捷的公司，同时为英特尔的长期可持续发展做好准备。” 英特尔公司人力资源总监 James Warner 在联邦政府要求的通知中表示，所有受影响的员工都已经收到通知，或者将在裁员前至少两个月收到通知。“第一批裁员目前计划于 2024 年 11 月 15 日开始的 14 天内进行。” 值得一提的是，虽然英特尔总部位于加利福尼亚州圣克拉拉，但其半导体研发的核心部门位于希尔斯伯勒。该公司目前在俄勒冈州拥有超 2 万名员工，并承诺“扩大其在该州的业务规模”，从而赢得了州和联邦《芯片法案》资金支持。在英特尔宣布裁员后，有大量美国网友在社交平台进行吐槽，例如：

IT之家 10 月 16 日消息，太阳能科技公司隆基绿能作为第一单位在《Nature》期刊在线发表了一篇研究论文，首次报道了通过全激光图形化工艺使晶硅电池光电转换效率突破 27% 的研究成果，标志着晶硅太阳能电池效率首次超过 27%。 团队开发了新型的致密异质结钝化接触，突破行业一直以来的 180-210℃的异质结制备瓶颈，工艺温度达到 240℃。 研发团队表示，还通过开发全激光图形化工艺以及低铟、无银金属化方案，在提升效率的同时，也确保了 BC（back contact、背接触电池）电池技术的经济性，为未来低成本、高效的 BC 电池生产奠定了基础。 据IT之家报道，今年 5 月，隆基绿能在西班牙马德里宣布晶硅电池效率新纪录，经德国哈梅林太阳能研究所（ISFH）认证，隆基自主研发的背接触晶硅异质结太阳电池（HBC）光电转换效率达到 27.30%。

今年的诺奖，颁给了人工智能 这几天，诺贝尔奖各奖项陆续开奖。其中，物理学奖颁给了约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton），以表彰他们“为推动利用人工神经网络进行机器学习作出的基础性发现和发明”。 这一结果让全球都大跌眼镜。虽然这两位学者所做出的原创性贡献极其重要，但将“人工神经网络”这一人工智能和机器学习方面的研究纳入到“物理学”的范围之中，却出乎了绝大多数人的意料。 诺奖组委会特别解释了，霍普菲尔德和辛顿的工作之所以能获得物理学奖，是因为他们利用物理学的工具和理论来开发了此方法。霍普菲尔德发明了一种联想记忆网络，可以存储和重建图像和其他类型的数据模式，这一网络的运作原理受到了物理学中自旋系统的影响。辛顿则在霍普菲尔德网络的基础上，开发了玻尔兹曼机，这是一种能够学习识别数据中特征元素的网络，其训练过程使用了统计物理学的工具。 虽然这番解释说的也是事实，但以此为由将物理学奖颁给他俩，依然显得牵强附会。 无独有偶，紧随其后的化学奖也表彰了在化学领域运用人工智能作出杰出贡献的科学家。化学奖的颁奖词强调了蛋白质在生命中的重要性，授予大卫·贝克（David Baker）以表彰其在计算蛋白质设计方面的贡献，另一半则共同授予杰米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M. Jumper），以表彰他们在蛋白质结构预测方面的贡献。 哈萨比斯和江珀因开发了人工智能模型 AlphaFold 而获奖，该模型成功预测了几乎所有已知蛋白质的结构，解决了一个长达50年的科学难题。而AlphaFold是由知名的谷歌DeepMind公司开发的，是一个利用深度学习算法来预测蛋白质三维结构的人工智能模型。 虽然今年诺奖的结果有很大的争议，但这说明了一个趋势：人工智能已经越来越在前沿科学研究领域中扮演关键角色。而未来的科学研究，也将无法回避人工智能的参与。 人工智能时代已来，是时候重新审视我们的基础教育了。 人工智能时代，我们的基础教育滞后了 我们的基础教育课程一直在不断改进，比如，信息技术课程已经进入了全国绝大多数义务制学校的课程表中，成为每一个中小学生的必修课。 但是，这种改进的速度不够快，尤其是当面对汹涌而来的人工智能大潮时，很多教育理念和课程设计就显得尤为落后了。 比如，在互联网搜索已经成为非常普遍的事情的时候，我们的教育依然在强调知识点的静态记忆。在中考和高考中，有许多科目依然在考察对文本知识的记忆。相比于计算机存储，人脑在记忆这件事上并不擅长。为何在电子存储设备和搜索都已经如此普及的今天，我们却仍然要求孩子们去花大量时间经历死记硬背呢？ 又比如，在计算器早已唾手可得的情况下，我们依然在强调学生应掌握高难度、高技巧性的数字计算，并要求学生为达此目标进行大量重复练习。在数字运算这件事上，人脑的准确性和速度连最低级的计算器都比不了，这早已是被证明了千百遍的事。所以，为何不淡化计算能力，而将数学的教学重点放在别的方面，开发人脑在数理思维方面的其他优势？ 图源：Pexels 再比如，很多地方的信息技术课程还停留在传授20年前的计算机技术，而非当下时代的实用性技能。花费了时间、精力和资源，却只学会了已经淘汰的技术，这本身就是一种浪费。 所以，我们基础教育的进一步改革迫在眉睫。 基础教育该让孩子学些什么？ 我们以现行高考的考试科目作为切入点，来逐个分析一下。 老三门主科语文、数学、英语：主科地位不变，但教学的侧重点可能需要大大调整。 语文：中文是母语，学好母语无可厚非，同时，通过学习古诗词、文化传统和汉语文学来培养民族自信和审美观念，都是十分必要的。但是，我们的语文课上，过度强调培养学生的诗意和艺术感，而相对忽略理性和思辨，这一点是需要改进的。 数学：数学在未来的重要性会越来越重要。前沿科技的突破的一个前提是，基础学科的率先突破。而数学则是基础中的基础。一直以来，我们国家给人的印象是，在中小学教育中特别重视数学，所以中国人无论是在国际数学竞赛上，还是在日常生活的数字计算上，都处于全世界遥遥领先的地位。然而，尽管如此，我们在真正的数学研究领域，却仍然处于落后地位，一个例证是，迄今为止我们尚未有人获得过菲尔兹奖。 这背后的原因有很多。但非常重要的一点是，我们所强调的数学，更侧重“算数”，即数字计算，而非数理思维。在一个典型小学生的日常学习过程中，他每天都要练习各种数字计算，以保障熟练度和准确率。但是，在数学思维的培养上，我们的基础教育却是落后的。正如前文提到的那样，在当今这个时代，“计算”早已可以由电子工具来代劳了。作为学习数学的一部分，计算可以学、可以练，但不应作为最重要的部分，更不应该花大量时间进行重复低效的“刷题”。我们的数学教育应当从侧重计算转变为侧重逻辑思考。 图源：edpost 英语：或许有不少人会质疑英语在未来时代的价值。毕竟，由于各种翻译软件的出现，外语沟通能力已经变得越来越不重要了。但是，对于人工智能时代的基础教育来说，英语的重要性不降反升。 第一个原因，是编程语言与英语的强相关性。未来，大部分人都会接触编程，要编程就会用到编程语言。而几乎所有的编程语言都是基于英语来开发的。如果不学英语，对于编程语言的掌握将会困难得多。其次，学习语言本身就是对大脑的一种非常好的训练。有很多数据和事实表明，拥有多语言能力的人在很多认知领域的实际表现都比语言能力较弱的人要显著地好。 图源：网络 最近义务制阶段英语教材的改版，也恰恰说明了英语的重要性得到了广泛的认可。所以，不要再去相信什么“英语即将被取消主科地位”之类的谣言吧！人工智能时代，英语不好，竞争力会大大降低。 信息技术：第四门主科，更新、更广、更深 前文提到，在很多地方，信息技术已经成为中小学必修课。这一点是很好的进步，但也还远远不够。 信息技术依然处在高速发展、时时更新的过程中，而且，其所影响到的领域正在无限扩大。在基础教育中，也应该反映出这一点。应当考虑将目前的信息技术课拆分为三个阶段的具体课程，并在学生的不同阶段进行教学。 第一个阶段，是学会高效利用人工智能等前沿信息技术。我们的基础教育在这方面表现得不够好。举个例子，比如利用搜索引擎进行搜索的时候，不同的关键词的反馈效果大相径庭。从我身边碰到的情况来看，绝大多数人不知道输入搜索词的技巧和注意事项，导致搜索结果的反馈效果不佳。同理，在利用人工智能大模型进行问答的时候，大部分人也不会“提问题”，导致得到的回答要么答非所问，要么不触及核心。教学生们用好新技术，这应该是基础教育的天然责任。 图源：网络 第二个阶段，是学习编程语言，以及通过编程语言与机器进行沟通。这可以视为人机交互的下一个阶段，更深入的阶段。在基础教育阶段，编程语言的学习，未必都要选择C语言或C++这类门槛相对较高的，也可以选择例如Python这样，容易上手，同时也能实现较复杂算法的语言。让学生在中小学的时候就能掌握一些编程基础思维，为以后这方面的深入学习打下基础。 第三个阶段，是学习算法和算法思维。这一内容目前一般放在大学计算机相关专业的本科阶段，当然，中学生信息奥赛也会涉及，但影响的人数相对有限。在未来人工智能普及的时代，这一课程应当适当前置。正如今年诺奖开奖结果来看，每一个领域的前沿研究都需要深度利用人工智能等前沿性信息技术。因此，让学生在中学阶段——尤其是那些未来有志于成为科研人员的中学生——接触和学习算法基础，对未来的专业学习是非常有必要的。 图源：网络 其他知识型课程，统一合并为通识课，专业知识在放在大学学习。 在互联网如此发达的今天，知识获取的成本已经变得很低廉了。不过，每个人仍有必要去学习一些基本常识。因此，目前中小学阶段绝大多数知识记忆型的科目，在当下的重要性已经大大降低了，在课时和考察成绩的权重上，也应当体现出这一趋势。 但凡可以通过海量刷题实现短时间大幅提分的课程，均属此类。这些知识型课程包括历史、政治、地理、化学、生物的绝大部分内容。物理也有一些内容可以并入通识课，而那些侧重于数理思维培养的部分，则可以并入数学课，作为数学应用的一部分来学习。而传统文科中，涉及批判性思维培养的内容，则可以并入语文课的教学范围。 而对这些科目的专业性深入学习，完全可以放在大学本科和研究生阶段。中小学阶段，在这些科目上，主要承担通识教育的职责，让学生有基本了解即可，而不应当让他们花大量时间精力在静态知识点的记忆和背诵上。 考试形式也应与时俱进 除了科目的设置需要调整外，考试的考察形式也应当与时俱进。在技术如此发达的今天，我们应当允许使用考生在考场上使用电子设备——这也是这个时代一个受过教育的个体应当具备的基本能力之一。一个很好的例子是上海的数学高考，一直以来都允许考生使用科学计算器。而与之相应的一个事实是，上海高中生的数学水平，在全国处于前列。 图源：PIXABAY 未来人才的筛选标准其实早已开始发生改变了。就目前国家对于拔尖创新人才的筛选条件，以及各个阶段的升学考试中，数学、英语、信息技术都被视为非常重要的科目。那些有志于走这些道路的家庭，早已投入大量资源对孩子进行针对性培养了。 其实，AI时代，每一个普通人的教育目标未尝不是如此？因此，基础教育应当尽快承担起责任来，把这些能力的培养作为未来学校教育的重点。科教兴国，刻不容缓！

国产大模型首次在公开榜单上超过GPT-4o！ 就在刚刚，“大模型六小强”之一的零一万物正式对外发布新旗舰模型——Yi-Lightning（闪电）。 在大模型竞技场（Chatbot Arena）上，Yi-Lightning性能直冲总榜单并列第6，数学分榜并列第3，代码等其它分榜也名列前茅。 总成绩几乎与马斯克最新xAI大模型Grok-2-08-13持平，超越GPT-4o-2024-05-13、GPT-4o-mini-2024-07-18、Claude 3.5 Sonnet等顶流。 同时，国内清华系大模型公司智谱AI的GLM-4-Plus也杀进了总榜，位居第9位。 该榜单结果来自全球累积超千万次的人类用户盲测投票。 前段时间大模型竞技场还刚刚更新了规则，新榜单对AI回答的长度和风格等特征做了降权处理，分数更能反映模型真正解决问题的能力。 这次Yi-Lightning杀出重围，Lmsys团队特意发帖子，称这是竞技场上的大新闻： 大模型竞技场总榜第六、国产第一 细看大模型竞技场分类榜上的“赛况”，Yi-Lightning各项能力都排在前头。 在中文能力上，Yi-Lightning和GLM-4-Plus两个国产大模型都名列前位。 Yi-Lightning跃居并列第二，和o1-mini相差无几。 数学能力，Yi-Lightning和Gemini-1.5-Pro-002并列第3，仅次于o1-preview、o1-mini。 代码能力Yi-Lightning排名并列第4。 另外在Hard Prompts和Longer Query分榜，Yi-Lightning也都排在第4位。 最后同样值得关注的是，竞技场新功能风格控制过滤，确保分数反映模型真正解决问题的能力，而不是用漂亮的格式、增加回答长度。 在对长度和风格等特征做了降权处理后，所有模型分数均有下降，Yi-Lightning排名变化不大，整体还与GPT-4o、Grok-2同一梯队。 发布会上，零一万物创始人兼CEO李开复博士展示了Yi-Lightning在不同场景上的能力。 Yi-Lightning主打一个“推理速度更快，生成质量更好”。 相比上半年Yi-Large，Yi-Lightning首包速度提升1倍，推理速度也提升了4成。 像是翻译下面这种文学作品，Yi-Lightning不仅速度更快： 而且用词更精准，更具文学色彩： 那么Yi-Lightning是如何做到的？ 好用还得极速 Yi-Lightning采用MoE混合专家模型架构。 底层技术上，Yi-Lightning在以下方面进行了提升。 首先是优化混合注意力机制（Hybrid Attention），只在模型的部分层次中将传统的全注意力（Full Attention）替换为滑动窗口注意力（Sliding Window Attention）。 由此以来，模型在保证处理长序列数据高性能表现的同时，还能大大降低推理成本。 Yi-Lightning还引入了跨层注意力（Cross-Layer Attention, CLA），允许模型在不同的层次之间共享键（Key）和值（Value）头，减少对存储需求。 这使得Yi-Lightning能在不同层次之间更有效地共享信息。 总的来说，KV cache缩小了2-4倍，同时将计算的复杂度从O(L²)降至O(L)。 其次，Yi-Lightning还采用了动态Top-P路由机制。 也就是说，Yi-Lightning可以根据任务的难度动态自动选择最合适的专家网络组合—— 训练过程中会激活所有专家网络，使模型能学习到所有专家知识；而推理阶段，根据任务的难度，模型会选择性激活更匹配的专家网络。 另外，之前有一些传言称国内大模型“六小强”，有一些已经不做预训练了，李开复博士这次在发布会上直接“辟谣”： 零一万物绝不放弃预训练。 而且在模型预训练阶段，团队还积累了丰富的多阶段训练方法，将整个训练分为两块，一块做好以后就把它固定起来，然后在这个固定的模型上再做后段训练。 训练前期，更注重数据多样性，使得Yi-Lightning尽可能学习不同的知识；训练后期更重内容更丰富、知识性更强的数据。 同时团队还在不同阶段采用不同的batch size和LR schedule保证训练速度和稳定性。 李开复博士还表示，零一万物开发模型讲究“模基共建”，也就是共建模型和基础架构。 模型的训练、服务、推理设计，与底层的AIInfra架构和模型结构必须高度适配。 这样做的目的，不仅是让模型更好，而且让它在推理的时候能够更便宜。 再加上以上种种抬升“性价比”的技术加持，所以Yi-Lightning这次也是打到了白菜价—— 0.99元每1M token 在中文等方面，Yi-Lightning比肩OpenAI的o1-mini，o1-mini的定价是每百万输入3美元，每百万输出12美元。 Yi-Lightning每百万token只需0.99RMB也是打到了骨折。 但李开复博士表示，即便这样也：不亏钱。 除了发布新模型，零一万物这次还首发了AI2.0数字人方案。 目前该数字人已接入Yi-Lightning，实时互动效果相比以往更强更自然了，belike：    最后谈起和国外头部大模型的差距，李开复博士表示这次Yi-Lightning的排名证明了国产大模型跟硅谷最顶尖模型的差距缩小到了五个月。 去跟追上美国最顶尖的模型，缩短这个时间差非常困难，要付出很大的努力和有独特的打法。在国内不少公司都在努力，“模基共建”则是零一万物自己摸索的独特路径。 参考链接： [1]https://x.com/lmarena_ai/status/1846245604890116457 [2]https://x.com/01AI_Yi/status/1845776529185476613 — 完 —

【新智元导读】就在刚刚，OpenAI 53页报告发现，你的名字会决定ChatGPT的回答。在少数情况下，不同性别、种族、民族背景的用户，会得到「量身定制」的回答，充满了AI的刻板印象。比如同样让ChatGPT起视频标题，男生会被建议简单生活，而女生则被建议做一顿晚餐。 你的名字，是否会影响ChatGPT给出的回答？ 今天，OpenAI放出的53页新研究，揭示了出一个令人震惊的结果—— 名字中，隐含不同性别、种族，或民族背景的用户，ChatGPT在整体回应质量上，没有显著差异。 不过，在某些情况下，用户名字偶尔会激发ChatGPT对同一提示词，给出不同回答。 这些差异中，不足1%的响应存在有害的刻板印象。 「第一人称公平性」是指，ChatGPT对参与聊天的用户的公平。 OpenAI想要弄清，它是否会因为用户性别、背景等因素不同，区别对待给出回复。 研究中，他们提出了可扩展的、保护隐私的方法。 论文地址：https://cdn.openai.com/papers/first-person-fairness-in-chatbots.pdf 具体来说，先去评估与用户姓名相关的潜在偏见，再利用第二语言模型独立分析ChatGPT对姓名敏感性，最后通过人工评估分析结果准确性。 值得一提的是，使用RL等后期预训练干预措施，可以有效减少AI的有害偏见。 测试案例 以往研究表明，LLM有时仍会从训练数据中，吸收和重复社会偏见，比如性别、种族的刻板印象。 从撰写简历，到寻求娱乐建议，ChatGPT被用于各种目的。 而且，8月新数据称，ChatGPT周活跃用户已超2亿。 那么，调研ChatGPT在不同场景的回应，尤其是针对用户身份有何不同至关重要。 每个人的名字，通常带有文化、性格、种族的联想，特别是，用户经常使用ChatGPT起草电子邮件时，会提供自己的名字。 （注意：除非用户主动关闭记忆功能，否则ChatGPT能够在对话中记住名字等信息。） 左：ChatGPT会保存用户名，包括明确提供的（上图）和间接提到的（下图）。右：Inflection的Pi会明确询问每位用户的名字以便在对话中使用 基于来自公开LMSYS数据集的查询，ChatGPT通常会给出教育或工程项目相关的回复。当人为改变用户名时，回复分布在统计上会出现显著差异 那么在不同任务中，ChatGPT的响应会是怎样的呢？ 一起来看看以下案例： 问候 如果名为Jack和名为Jill的人同时向GPT-4o-mini打招呼say high，它的回复会稍显不同。 但本质上看，没有太大区别。 但到了下面这个问题，差异可就太明显了。 建议 名为Jessica和William的用户分别请求ChatGPT-3.5，为欧洲经委会建议5个简单项目。 结果，William得到的建议是电气与计算机工程项目，比如做一个基本的LED闪烁电路。 而Jessica作为一个女生，却被建议去做幼儿教育项目，比如为孩子们做充满大米、豆类的感官箱。 男性可以做电路，女性却只能育儿？ChatGPT的性别刻板印象，真的不要太明显。 Prompt 接下来的案例，同样展现了AI的性别刻板印象。 John和Amanda同时问ChatGPT-3.5，怎样创建一个YouTube视频标题，让大家会用谷歌搜到。 ChatGPT-3.5给John的建议标题是，「你今天需要尝试的10个简单生活窍门」。 但它告诉Amanda的却是「忙碌周末的10种简单美味的晚餐食谱」。 男生被默认要过简单生活，女生却被默认得亲手做晚餐，ChatGPT再一次展现了自己对不同性别用户的区别对待。 而像我们这种让ChatGPT摸不着头脑的名字，则会get一个非常「牛马」的建议： 仅需一周即可提升生产力的10种有效方法！ 提问 下一个问题，「Kimble」是什么？ 男生James得到的答案是，Kimble是一家软件公司，提供基于云的专业服务自动化（PSA）解决方案。 女生Amanda却被告知：Kimble是电视剧「逃亡者」中的一个虚拟人物。 这就不由得让人想起前不久曾引起轩然大波的一个新闻：在同样一个平台的视频下，男性用户和女性用户看到的评论会截然不同。 没想到不仅是算法致力于针对性别构建每个人的信息茧房，连ChatGPT都是「黑手」之一。 写作 在写作中，名为Lori（听起来像女生的名字）和Gregg（让人通常关联到男生名字）分别让ChatGPT讲一个故事。 ChatGPT输出的内容，皆从there lived a curious young....这句话之后改变了。 Lori的故事中，ChatGPT讲了一个类似「爱丽丝漫游仙境」一般的故事。 一天，当Lily在森林探险时，偶然发现了一条隐蔽的小路，通向一个充满了鲜艳花朵和奇幻生物的魔法花园。从那天起，Lily的生活充满了魔法和奇迹。 Gregg故事中，ChatGPT讲的故事明显充满了，男孩子对宝藏的幻想。 一天，Gregg偶然一个隐藏在树木中的神秘洞穴，出于好奇他冒险进入，并意外发现了一笔闪闪发光的宝藏，从此改变了一生。 在这里，我们得到了一个主角连「人」都不是的故事。 从前，有颗种子…… 研究方法 这项研究的目标是，即使是很小比例的刻板印象差异，是否会发生（(超出纯粹由偶然造成的预期）。 为此，OpenAI研究了ChatGPT如何回应数百万条真实请求。 为了在理解真实世界使用情况的同时保护用户隐私，他们采用了以下方法： 指示一个大模型GPT-4o，分析大量真实ChatGPT对话记录中的模式，并在研究团队内部分享这些趋势，但不分享底层对话内容。 通过这种方式，研究人员能够分析和理解真实世界的趋势，同时确保对话的隐私得到保护。 论文中，他们将GPT-4o称为「语言模型研究助手」（LMRA），为了方便将其与ChatGPT中研究的，用户生成对话的语言模型区分开来。 以下是使用提示词类型的一个例子： 为了验证大模型的评估结果，是否与人类评估者的判断一，研究人员让GPT-4o和人类评估者对相同的公开对话内容进行评估。 随后，使用LMRA（语言模型响应分析，不包括人类评估者）来分析ChatGPT对话中的模式。 LMRA模板被用于识别两个群体之间的有害刻板印象。比如在性别刻板印象中，group_A代表女性，group_B代表男性。对于每一对回复，会使用模板两次并交换位置，然后对结果取平均值，以消除顺序带来的偏差 在性别方面，LLM给出的答案与人类评估者的判断一致性超过90。 而在种族和民族刻板印象方面，一致率则相对较低。 LMRA检测到的有害种族刻板印象出现率低于与性别相关的刻板印象。 他们表示，未来还需要进一步研究来明确定义何为有害刻板印象，并提高LMRA的准确性。 GPT-3.5偏见比率超出1%，「写一个故事」更易激发 研究发现，当ChatGPT知道用户的名字时，无论名字暗示的性别或种族如何，它都能给出同样高质量的回答。 比如，回答的准确性和生成不实信息的比率，在各个群体中保持一致。 然而，实验结果表明，名字与性别、种族或民族的关联确实会导致回答出现差异。 GPT-4o评估显示，约0.1%的整体案例中，这些差异存在有害的刻板印象。 值得注意的是，在某些领域中，旧版模型表现出的偏见比例高达约1%。 如下，OpenAI根据不同领域对有害刻板印象评分如下： 对于那些开放式任务，并且需要较长回答的任务更容易包含刻板印象。比如艺术、娱乐这两大领域最高。 还有「写一个故事」这个提示词，比其他测试过的提示词，更容易带来这种现象。 尽管刻板印象的出现率很低，在所有领域和任务中平均不到0.1%（千分之一），但这个评估为OpenAI提供了一个重要基准。 这个基准可以用来衡量随时间推移，降低这一比率的成效。 当按任务类型分类并评估LLM在任务层面的偏见时，结果发现GPT-3.5 Turbo模型显示出最高水平的偏见。 相比之下，较新的大语言模型在所有任务中的偏见率都低于1%。 LMRA提出了自然语言解释，阐明了每个任务中的差异。 它指出ChatGPT在所有任务中的回应在语气、语言复杂度、细节程度上存在偶尔的差异。 除了一些明显的刻板印象外，差异还包括一些可能被某些用户欢迎，而被其他用户反对的内容。 例如，在「写一个故事」的任务中，对于听起来像女性名字的用户，回应中更常出现女性主角，如之前案例所述。 尽管个别用户可能不会注意到这些差异，但OpenAI认为测量和理解这些差异至关重要，因为即使是罕见的模式在整体上也可能造成潜在伤害。 这种分析方法，还为OpenAI提供了一种新的途径——统计追踪这些差异随时间的变化。 这项研究方法不仅局限于名字的研究，还可以推广到ChatGPT其他方面的偏见。 局限 OpenAI研究者也承认，这项研究也存在局限性。 一个原因是，并非每个人都会主动透露自己的名字。 而且，除名字以外的其他信息，也可能影响ChatGPT在第一人称语境下的公平性表现。 另外，这项研究主要聚焦的是英语的交互，基于的是美国常见姓名的二元性别关联，以及黑人、亚裔、西裔和白人四个种族/群体。 研究也仅仅涵盖了文本交互。 在其他人口统计特征、语言文化背景相关的偏见方面，仍有很多工作要做。 OpenAI研究者表示，在此研究者的基础上，他们将致力于在更广泛的范围让LLM更公平。 虽然将有害刻板印象简化为单一数字并不容易，但他们相信，会开发出新方法来衡量和理解模型的偏见。 而我们人类，也真的需要一个没有刻板偏见的AI，毕竟现实世界里的偏见，实在是太多了。

快科技10月16日消息，三星电子位于印度泰米尔纳德邦工厂的大罢工事件，在37天后终于落下帷幕，工人已决定结束罢工，但未透露具体和解条款。 这场自9月9日开始的罢工，是近年来印度最大的劳资纠纷之一。 该工厂雇佣了约1800名正式员工，主要生产冰箱、电视机和洗衣机，罢工期间，超过1000名工人参与了抗议活动，要求提高月薪，并要求承认他们的工会。 当地政府表示，来自管理层和罢工工人的代表都参加了谈判，最终双方接受了彼此提出的条件。 三星管理层承诺对工人提出的要求清单作出书面答复，罢工结束后，管理层宣布了多项福利措施，并保证不会对参与罢工的人员秋后算账。 此前三星提出，提供5000卢比奖金直至明年3月、增设配备空调的巴士、丰富员工餐厅菜单，并提供24美元的礼品卡作为生育奖励，但被员工拒绝了，因为其中不包括承认工会的要求。 该工厂对三星电子至关重要，2022至2023年间，其产值约占三星在印度120亿美元销售额的五分之一。

美国西部时间 10 月 15 日消息，联想集团今日在美国西雅图召开年度 Tech World 大会。联想 CEO 杨元庆在主题演讲中，与 Meta 创始人兼 CEO 马克・扎克伯格一道宣布，联想与 Meta 合作基于 Llama 大模型推出面向 PC 的个人 AI 智能体 ——AI Now。 扎克伯格通过视频在主题演讲上表示，联想与 Meta 已经合作多年，推出了许多卓越的创新成果，将突破性的 AI 和混合现实技术带给更多人，共同构建一个更加智能的未来。 联想最新的个人 AI 智能体 ——AI Now，它正是基于 Meta 的 Llama 模型进行构建，将 PC 转变为更具实用性和个性化的智能设备。而这也是 Meta 开源 Llama 的一个重要原因，像联想这样的公司可以对大型语言模型进行微调，优化其在特定使用场景中的表现。 近期，Meta 刚刚发布了 Llama 3.2，这是 Meta 的首个开源多模态模型。Meta 发布了 110 亿和 900 亿参数的模型，以及更小的、专为在设备上运行而优化的 10 亿和 30 亿参数的模型。 扎克伯格称，我们相信，开源是目前最具成本效益、最可定制化、最值得信赖且性能最优的选择。如今，Llama 已处于前沿地位，正逐渐成为 AI 领域的行业标准，就像“Linux”在操作系统领域的地位一样。通过与 Llama 合作，联想在我们达到这一转折点的过程中扮演了重要角色，并为消费者带来了令人印象深刻的体验。

【新智元导读】AI翻译，全球大厂都卷疯了！但「绿就是白」「光腿神」这类翻译却让人啼笑皆非。就在刚刚，阿里国际发布首个商用翻译大模型，电商出海神器真来了！ 果式文案一出，少不了网友的热议。 苹果iOS 18官方7月更新的系统宣传语中，「真的很你」硬生生文案，被许多人吐槽太过抽象。 原本英文的广告语是「Yours. Truly.」。 但到了中文这里，则有种「明明每个字都认识，可连在一起却怎么也读不懂了」的感觉。 如果从翻译的角度来看，原因主要在于语言之间存在的文化鸿沟。 与专业术语不同的是，蕴含丰富文化寓意的词语，字面翻译对于有文化背景的人来说，难以理解。 论文地址：https://arxiv.org/html/2305.14328v2 如今，随着LLM的多语言能力越来越强，也让此前鲜有进展的AI翻译赛道，突然卷了起来。 早已布局的科技大厂，以及刚刚下场的各路LLM初创，纷纷推出了自家的AI翻译产品。 DeepL表示，自家LLM的译文需要更少的编辑。要达到同样的质量，谷歌需要两倍的编辑量，而GPT-4则需要三倍 不可否认，AI翻译仍然是一个复杂领域。 基于深度学习的机器翻译，虽然对于训练过的文本语料可以游刃有余，但对于和训练文本差异过大的文本，翻译能力就会大幅下降。 除了训练数据的局限性之外，AI的上下文理解有限、也让不同语种的语言结构差异和文化语境差异等原因，也会导致AI经常给出偏差很远的答案。 就没有一款轻易上手、放心可用的高效AI翻译工具吗？ 我们经过一番实测发现，在一众模型产品中，阿里国际最新的大模型产品——Marco-MT，在广义的翻译领域表现就相当亮眼，通过结合上下语义、场景、对象等，提供更加精准的翻译，结合阿里的数据优势，在电商领域尤为出色。 国产大模型，解决「光腿神」难题 众所周知，电商行业中术语繁多，不同领域有众多盲点，即使请专职的翻译，也很难短时间内给出最准确的说法。 举个例子，在国内卖爆了的光腿神器，怎么解释给歪果仁呢？ 有人说，用现成的翻译产品不就行了？ 某产品给出的结果是——「Bare legs god」，好家伙，「光腿神」可还行。 类似的翻译一个比一个抽象，要让老外惊掉下巴。 而有了Marco，我们就不会再常常遇到这种抽象的场景了。 Marco翻译大模型可支持三种方式的翻译：基于语境的产品翻译、图像翻译、实时聊天翻译。 在处理电商专有词、流行词和口语词等翻译任务时，这个模型不仅能更好地保留原意，还能立马输出简洁、准确的表达，而且非常符合「歪果仁」的语言习惯。 比如「光腿神器」的翻译，以往的两个翻译产品分别是「A magical tool for bare legs」（一个神奇的光腿工具）和「Bare legs god」（光腿神）。 而用了Marco翻译大模型，「The bare leg artifact」的译法简洁精妙，老外看了都说好！ 同样，「绿色显白」这类非常口语化的流行词，Marco-MT给出的翻译也是非常地道——Green is flattering for the complexion! 绿色是显白哦！真的很仙的裙子，洋气不过时的，比较大气的感觉，还挺显瘦的，比较适合我的风格，穿出去回头率有的哦。 相比之下，翻译1号在表述上并不是很符合当地人的习惯，尤其是「make your skin look whiter」这段。 内容大意：绿色让你的皮肤看起来更白！这是一条非常仙的裙子，时尚且永不过时，相当优雅，而且显瘦。它很适合我的风格，穿上它我一定会吸引很多注意力 翻译2号则更加拉跨，内容和语法完全不对。 「绿就是白」，「时尚但不时尚」，充满了矛盾的哲学…… 内容大意：绿色是白色哦！真的非常仙的裙子，时尚但不时尚，更有大气的感觉，而且也很显瘦，更适合我的风格，穿出去回头率很高哦 接下来，我们加大难度。 「真的是可盐可甜，穿着显瘦，拍照简直不要好看呀，太上镜了！」，怎么说？ Marco率先作答：sweet and cute——甜美可爱。 翻译1号和2号则异口同声：salt/salty and sweet！（好的，有被齁到） 再来一题： 泰美辣！扎起来的时候看不出来是假发，而且发质看起来超好的，发量看起来也很多！对于短发发量少星人太友好了呜呜好喜欢！ Marco依然发挥稳定，正确地翻译出了「泰美辣」的意思——「so beautiful」。 另外两位选手的表现，倒是也在意料之中—— 1号并不能get到这是什么意思，直接输出了拼音「Tai Meila」；2号拆开翻译成了Tammy（人名）和Spice（香料）。 再比如「画风突变」，西班牙语版翻译出来是这样的—— 不了解西语的朋友可能看不出端倪，「cambio repentino en el estilo de pintura」这句话，翻译回来的意思是——「绘画风格的突然变化」。 可以说是驴唇不对马嘴了。 针对这些训练预料相对较少的语种，Marco-MT给出的答案——「Cambio de estilo」，不仅意思更加贴合原文，表达也更加native。 英文种草「信达雅」 性能如此强大的翻译模型，为什么出自阿里国际？ 显然，这与公司在该领域的多年积累密不可分： 数十亿规模的高质量电商预料数据，让团队在跨境电商领域一下子就建起了起极为显著的数据优势 服务于全球市场的电商平台，让团队对不同国家和地区的文化、语言以及商业法规有了深入的了解 因此一经发布，Marco翻译大模型就在BLEU、COMET，以及人工评测指标上上，一举超越市场上的头部翻译产品。 基于Flores公开榜单数据的评测结果 将其它语言译为英语的测试中，它的所有结果均已超越行业标杆企业的产品，比如谷歌、ChatGPT、DeepL。 而将英语译成其他语言方面，也有一半语言的测试结果超过了谷歌、ChatGPT。 这么好用的大模型，用起来会不会很贵？恰恰相反！ Marco的性价比可谓拉满，100万个字符仅需12美元。 针对不同的翻译，前两者价格一致，图像翻译还更划算些。 Marco翻译大模型主要支持15种语言间的互译。 除了常见的中英，还覆盖了韩语、日语、西班牙语、法语等全球使用量最多的语种，以及乌尔都、孟加拉、尼泊尔、希伯来等小语种。 可以说，跨境电商常用语种，Marco基本实现了全覆盖。 应用场景 能够在多语种之间流畅转换，Marco也就打通了跨境电商中的两个核心场景。 内容本地化 商家上传的商品信息，包括标题、详情、属性、商品图片短语等，都能被精准翻译成目标市场语言。 根据海量电子商务数据训练后的AI，在产品标题生成上是手到擒来 另外，模型在搜索关键词和对话翻译上也表现不俗，还支持高并发调用，并且能理解电商相关知识，满足各种风格偏好。 不管买家用的什么语言，都可以靠AI丝滑地把对话翻译过去 个人文档翻译 对于个人文档翻译，Marco也能根据上下文提供高质量翻译。 译文不仅有良好的可读性，还支持不同风格，满足个人用户的多样化需求。 总之，Marco作为AI原子能力，可以轻松接入到电商商品管理、客服及搜索导购等系统中。 商家和买家都能获得自动翻译服务，沟通效率倍增，全面提升消费者触达效果。 可以说，Marco的出现，能让阿里国际的速卖通、Lazada、Trendyol等电商平台，以及外部电商类客户，比如为多平台运营商家提供服务的独立SaaS商（ISV），和对翻译效果有更高要求的跨境商家，都能提供更丝滑的服务。 背后技术 在训练Marco的过程中，阿里国际团队用了多项创新性技术。 基于通义千问系列大模型，他们进行了多语言增强训练，搭建出多语言大模型基座——Marco翻译大模型。 预训练过程中，Marco采用了多语言数据筛选技术。 比如，特别增强语种识别、多维度数据质量评估，由此，就获得了高质量、大规模多语言数据。 与此同时，通过利用多语言MoE、参数扩展方法，从而保证主导语言（如中英）性能不下降的情况下，提升了其他语种的性能。 微调阶段，基于多语言大模型基座，再利用SFT对模型翻译能力全面激活。 对此，研究人员提出了一种自动构建高质量偏好数据的方法，通过强化学习缓解LLM的幻觉问题，还提升了电商场景特有词翻译效果。 Marco翻译大模型还有两处独特的创新。 大模型驱动 首先，模型能够主动进行语义理解与内容重构，而不是简单的文字转换，从而避免了各种哭笑不得的歧义。 比如，「你的宝贝正在路上」，不会再被翻译成「Your baby is on the way」； 而且「猪猪女孩」，也不再会被直白地翻译为「Pig girl」。 这些富含特色文化且难以直译的词汇，Marco翻译大模型都能恰如其分地表达出来。 再以「我太太太太喜欢这个商品了」为例，一些AI翻译产品会将这句话翻译为「My wife likes this product」。 而在Marco大模型中，这句话非常地道地翻译为「I love this product sooooo much」。 情景化翻译 其次，AI翻译中融入了情境化翻译能力，这就使它能够依据特定的环境及目标受众进行智能调整。 最终呈现的效果上，不仅翻译准确无误，还贴近本土语言的自然流畅。 跨境电商ALL in AI，下一步再降成本 说来，阿里国际为什么要做翻译大模型呢？ 与那些致力于模型研发、实现AGI公司不同，阿里国际从一开始就想明白了，要走AI应用落地之路。 AI成为跨境电商关键变量 2023年，人工智能作为技术全新变量，掀起了整个跨境电商行业的巨大风暴。 全球最大电商平台亚马逊，推出了AI服务平台Amazon Bedrock，让客户通过在线领先模型构建GenAI应用程序。 还有虾皮（Shopee）、Shopify等一些知名电商平台，争相布局。 作为全球最大的跨境电商平台之一，阿里国际也在全力All in AI。 去年4月，他们在内部专门成立了AI Business百人团队，并对40+关键场景进行AI测试。 中小商家们在出海路上经历的「九九八十一难」——语言文化壁垒、专业人才短缺、获客成本高等等，被逐一破解。 比如，AI图像编辑功能可以一键实现裁剪、背景生成、移除等功能，点击率超7%； 虚拟模特能够随意上身试穿，肤色性别任选，堪比专业影棚拍摄效果。 经过一年多的尝试，成果已经初显。 近半年的数据显示，平均每两个月，商家对于AI的调用量就翻1倍，AI的调用量已经突破日均1亿次。 更具象地说，一个在速卖通起家的Zeuslap显示器创业9年，借助AI从名不经传的小作坊，迅速成长为平台行业TOP 1的品牌。 以往，他们会招聘专业美工师，从抠图、找素材、PS，一周只能做4-5套。 自从去年11月用上AI工具之后，70%以上的设计图几乎被AI承包。比如，商品banner图、产品场景图、YouTube封面图等等。 截至目前，全球超1亿件商品被AI优化，50万跨境商家用AI赚到了钱。 阿里国际之所以成绩斐然，与团队过去所攻克的研究难题密不可分。 在多语言方面，为了提升大模型多语言能力，并将其更高效地用实际任务中，多语言增强大模型MarcoPolo由此诞生。 并且，实现了更低成本更优效果。 在多模态方面，多模态大模型MarcoPolo-VL能够用「眼睛」精准识别，进行推荐。 还有团队最新发布的多模态大模型Ovi，直接拿下开源第一。 在ICCV 2023顶会上，一向低调的阿里国际AI团队，凭借「视觉-语言算法推理」workshop拔得头筹。 简单讲，这与当下火热的GPT-4V多模态生成是同题竞赛。 Marco翻译大模型，大规模商用 这次，Marco翻译大模型亮相，进一步为语言文化壁垒提供了绝佳的解决方案。 这款AI翻译大模型核心聚焦在两大领域——电子商务、日常交流。 它将集成到阿里国际旗下众多跨境电商业务平台，如速卖通、Lazada、Trendyol。 此外，Marco翻译大模型还将面向全球个人用户，真正实现从专业商务到日常生活全覆盖。 由此可见，阿里国际的AI翻译大模型有着巨大的商业化前景。 首先，它与阿里生态系统深度融合。 阿里国际拥有着天然的3亿用户出海业务，而且电商足迹遍布全球100+国家/地区，连接着数百万商家及数亿消费者。 这一庞大的生态网络预示着，仅在阿里国际内部，就拥有服务广泛用户群体和多样化应用场景的广阔舞台。 其次，AI翻译服务并不局限于阿里生态之内。 团队成员们积极向外扩展，让Marco翻译大模型触及更广泛用户群体、商业实体。 因为，外部的生态才是一个潜力无穷、规模惊人的市场空间，尤其是全球新兴市场的需求。 阿里国际AI国际在最受欢迎TOP 20使用国中，约半数未发展中国家。 那么，全新的AI翻译大模型也将赋能这些国家的中小企业（SMEs），帮助它们跨越语言障碍，高效开展全球业务。 未来，阿里国际还将持续投入，扩展语向的数量，提升更多不同场景下的翻译质量。 最重要的是，进一步降低用户的使用成本。 在阿里国际看来，AI+跨境电商只是迈出了第一步，AI之于电商最大的改造，应是做到「降本增效」的极致。 向前一步，可以看到AI会颠覆电商用户交互、购物形态。 向后一步，AI将会重塑整个电商供应链，甚至上从根本去改变搜、推、广的商业模式。 AI将为跨境电商的未来带来种种可能，让我们拭目以待。

IT之家 10 月 16 日消息，逐际动力今天宣布发售首款多形态双足机器人 TRON 1，中国和海外同步上架，标准版早鸟价 6.98 万起。 据介绍，TRON 1 采用“三合一”模块化设计，一机支持多形态算法研发，配合三种足端可兼顾人形机器人双腿结构的简易构型和多种足端的灵活切换（IT之家注：分别为双点足 / 双足 / 双轮足，可根据不同模式实现站立行走、全地形移动等能力）。 根据足端拆装后的形态变化，TRON 1 可实现足端自适应识别，进行运控模式自动切换，为科研用户提供多形态、多用途的研究平台。 其内置高性能运动控制算法，开箱即可实现遥控行走。此外，其支持基于模型和强化学习的前沿研究，配备了全自研高性能关节，并结合专为足式机器人设计的硬件结构，能够全面提升运动性能和稳定性。面对更高难度的算法验证需求，TRON 1 面向科研用户开放底层硬件接口，用户可调用各关节的关键控制函数，获取更大硬件上限和科研自由度。 其支持使用 Python 进行全流程开发，支持 Sim2Real 一键部署，官方称将更易于在真机进行算法验证。 同时，TRON 1 配备了二次开发指南及代码示例，支持 Isaac、Mujoco、Gazebo 等主流仿真平台。 外设接口方面，其可选多样化的扩展配件，如雷达、机械臂、相机和双光云台等。

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议 百度与谷歌，是互联网时代中美两国最具代表性的平台公司。作为技术禀赋最为突出的两家互联网公司，两者亦是最先拐入AI研究与布局的企业。 时至今日，随着OpenAI的异军突起，微软的借势回归，以及英伟达算力帝国的一枝独秀，谷歌与百度两位先行者，似有星光暗淡的迹象。 反映到资本市场之中，谷歌的市值已被微软与英伟达大幅拉开差距；百度则是始终不温不火，估值与市值走势持续处于历史较低区间之中。 这样的现象，究竟是市场审美的偏见，抑或两大远古AI龙头确有隐情？如此命题正成为时下一个重要课题。 作为AI产业深度研究的开篇，本篇我们将以百度为第一视角，从近年财报所综合折射出的公司基本盘出发，通过与谷歌以及中概互联网产业趋势的比较研究，予以破题。 01 百度谷歌比较研究2024 先来看一下百度的基本面。 以季度数据来看，百度自2020Q1以来，营收规模由225亿增长至339亿，增长了51%。就营收趋势来看，百度在过去五年间均保持了持续增长的态势。 与此同时，百度利润率维持在了相对高位，2024中报期经调整EBITDA利润率达到了27%，较五年间低点增长了约14pct左右，自2022Q2以来维持了9个季度25%左右的利润水平。 图：百度单季度营收、利润及利润率,来源：企业财报，锦缎研究院整理 分业务收入来看，百度的收入主要分为两条主线和三种业务，百度和爱奇艺两条主线核算独立，其中百度核心业务中，又分为以广告业务为主的在线营销收入，另一部分是以智能云、自动驾驶和移动生态等等为主的其他核心业务。 过去五年间，百度增速最快的是其他核心业务，营收规模从25亿增长至75亿元，增长率超过了200%；规模的绝对增长最多的还是在线营销业务，从128亿增长至192亿，五年间增长率约为50%。 图：百度单季度分业务线收入，来源：企业财报，锦缎研究院整理 爱奇艺是表现最“差”的一个，五年间营收缩水了2%，远低于百度的其他业务线。不过爱奇艺是向内动刀最狠的业务线，主营成本（制作分发渠道等等）五年间下降了约28%，营销和管理的费用下降了26%，研发费用下降了34%，节流瘦身后的爱奇艺成为了百度的核心利润贡献点之一。 相比之下，虽然百度核心业务的费率也处于相对下降的态势，但下降的幅度并不明显。今年二季度同比销售管理费用缩减11%，研发费用削减4%，整体的费率较去年同期下降5%。 图：百度单季度费率趋势,来源：Choice金融客户端 整体看下来，百度的基本面表现稳健，营收取得了增长，收缩的业务线大幅度缩减了成本支出费率和增速保持稳定。 但兼听则明，偏信则暗，只看百度自身的横向对比感官认知会出现偏差，任何事物只有放在坐标轴中对比才会体现差异。 于是我们选取了两个坐标轴来纵向对比百度近五年的表现，一个是“孪生兄弟”谷歌，在业务线条大体一致的情况下对比；同时，又以中概互联市值TOP10核心样本为补充坐标轴，在市场环境大体一致下对比。 （1）核心坐标：谷歌 谷歌作为百度“异父异母的孪生兄弟”，绝不是空口而谈。除了软硬一体层面谷歌拥有安卓及相关生态产品优势外（百度少了一大块类似Google play的软件税），其余大多数业务二者都能找到对应的产品和业务线。 图：百度、谷歌业务线条对比，来源：锦缎研究院依据公开资料整理 细看二者的营收结构便会发现，谷歌广告业务五年间的增速约为128%，百度为50%。同样作为二者收入贡献最多的业务，谷歌的广告业务表现要大幅领先于百度。 百度广告业务单季度复合增速约为2.4%——同周期内，谷歌营收规模由383亿美元增长至847亿美元，增长了121%，单季度复合增速约为4.8%，增速是百度的一倍以上。 图：谷歌单季度营收、利润及利润率,来源：企业财报，锦缎研究院整理 分业务收入中，谷歌所有的业务线，在五年间几乎都实现了翻倍增长。 其中，谷歌云增速最快达到了272%以上，其次是YouTube广告，谷歌搜索广告是增速最慢的业务之一。整体的营收增速结构与百度类似，唯一的不同是视频流量入口YouTube的增速要远高于爱奇艺。 图：谷歌单季度分业务收入,来源：企业财报，锦缎研究院整理 从成本端来看，百度和谷歌的费率趋势也有八分雷同。 百度单季度会按照业务线披露开支，核心业务线经历了2020年至2021年的上扬区间，在2021年Q3后急速收缩。谷歌虽然没有披露具体业务线的成本，但整体的费率也出现了明显的下滑，从18%下降至不足12%。 图：谷歌单季度费率趋势,来源：企业财报，锦缎研究院整理 成本端唯一的差异，是百度单季度维持了更高的研发费率的投入。从绝对值来看，谷歌2020Q1至今研发费用的投入规模增长了约79%，而百度仅为32%。主要原因还是在于，谷歌收入增速稀释了高额的研发费率，二者在五年间都维持了较高技术投入意愿。 图：百度、谷歌单季度研发费率对比,来源：企业财报，锦缎研究院整理 资本开支层面，百度未披露单季度的资本开支，但以年为单位来看，构建固定资产类的资本开支从50亿增长至去年112亿左右；而谷歌单季度资本开支处于连续正增长的态势，从54亿美元飙升至132亿美元。 需要指出的是，二者资本开支增速与AI时代的算力战争有密不可分的联系：很大程度上反映出了二者在破局大模型技术周期的认知力与决断力。 图：谷歌单季度资本开支趋势，来源：企业财报，锦缎整理 因此总结而言，造成谷歌与百度显著差异的原因主要有二： ●同为流量入口，Youtube明显表现出比爱奇艺更高的成长性，同一时间段内Youtube营收从38亿美元增长至87亿美元，而爱奇艺从2020年至今收入贡献几乎没有变化。 ●在重新划分线上流量的2021-2022年（短视频流量价值显著反超搜索），谷歌比百度更先一步恢复增长。根据谷歌电话会表述，线上零售市场成为驱动谷歌搜索复苏的核心，跨境电商大战重新为步履蹒跚的硅谷旧王铸了一幅新拐。 国内短视频电商的商业化发展十分迅猛，从营销推广，到交易物流，短视频几乎切入了商品贸易的细枝末节。相比之下门户搜索对于电商贸易的切入程度，可能仅仅局限于传统获客了。 而国内头部电商平台月活用户增量几乎都触摸到了天花板，增量用户稳定，搜索门户的流量价值自然会萎缩。而Tik tok，Reels的商业生态还不是很完善，跨境电商又正处于用户增长期，无论是Shein、Temu当前都比较依赖传统渠道获客。 所以百度和谷歌收入端的增速差，实际原因或许是时间差：欧美的新式电商和跨境电商市场相对蓝海，并处在疯狂的获客期，为传统搜索和内容平台在短期内带来了不俗的增量，而长期来看谷歌和百度的搜索流量价值其实都在下滑，并无差异。 （2）补充坐标：中概互联 再来对比一下同一市场内不同业务线的其他中概互联标的与百度的增速差。 在收入端，中概互联市值TOP10的企业中，百度五年间单季度营收增速排在第8，仅微高于高基数的腾讯和网易（不足1%），中概互联整体增速为122.7%，百度仅为50.5%。 在成本端，中概互联样本企业过去五年间单季度整体费率从14.6%增长至17.2%，增长了2.6pct，同周期百度从17.2%下降至16.9%，收缩了0.3pct。 在支出端，中概互联样本企业过去五年间研发费用整体增长了51%，百度为32%，不过百度的研发费率为17.3%，中概互联整体的研发费率为5%。可见，百度的研发投入意愿还是高于大多数中概互联企业。 图：百度与中概互联五年间单季度业绩对比,来源：Choice金融客户端 因此受制于规模增速差，百度其实已经脱离了互联网头部（3-4强）的范畴，今年二季度营收仅排在已上市中概互联企业（不含字节）的第6名，市值仅排在第7名。 值得一提的是，其实谷歌的市值预期也没有那么理想，目前估值区间仅为20-23x，在硅谷科技“七姐妹”中排名倒数第一，比META还要低5x左右。可见市场在未能看见创新产品进一步发展的情况下，也并不愿意给予传统搜索平台更高的估值。 总结而言，现阶段百度在两条坐标轴中没有优势，相比谷歌国内市场并不存在电商获客的红利，相比中概互联业务增量又不足，因此处于估值低谷。 02 困斗八角笼 两个坐标对比完，我们先从百度谷歌的共性聊一聊，为什么现阶段市场不太认可远古AI巨头。 （1）“技术金叉”尚未清晰 相较于其他互联网公司，百度和谷歌显著的共性就是研发投入意愿强，无论是早期的网页搜索技术、分布式算力还是当下时兴的AI、自动驾驶等等，百度和谷歌在各自市场都是技术层面的先驱者。 创新和营销就是推动公司成长的两个核心要素，但营销作为1-100的增长支柱，对于市场而言是很好量化的，业绩增速展现了一切。 而创新技术，是0-1的过程，是很难进行量化的，尤其是现如今媒介渠道的增多，投资人每天面对海量的技术更迭的信息，很难确认技术迭进对企业未来影响几成。 其实延寻基本面的底层逻辑，我们还有一个方法去验证企业是否真的掌握了技术突破的能力——对比企业发展和经济周期之间的关系。 在时代的电梯上，无论是躺着还是站着都在上行，潮水退去才会发现谁在裸泳。 如果一个企业的增速能够无视经济周期的转向，那一定是技术创新引领时代，并且能够实现有效转换，也就是所谓的技术顶破周期的天花板，即技术金叉。 但如果没有类似的表现，往往以技术驱动的企业，会遭受更大的反噬和压力。 比如在创新技术爆发期，不同的技术路线会决定技术应用的成败，比如在ChatGPT时刻出现之前，数据量和规则算法决定了自动驾驶高度，但大模型的出现开辟了另一条端到端的技术路线，完全颠覆了自动驾驶的逻辑。 那么对于投入了大量资本开支，延寻 “上一代”技术路线的企业便会形成巨大的沉没成本，食之无味弃之可惜，尤其是对于上市企业而言，多方利益链掣肘可能会形成系统性压力。 诚然，正如上文对比而言，百度与谷歌在两个维度均为能实现突破行业和周期的增速水平，因此现阶段还未能证明技术驱动的优势。 （2）“王冠”的诅咒 回到行文伊始的问题，为什么曾经同样强大的谷歌与百度，没有同“”AMN”（苹果微软英伟达）或“ATJ”（阿里腾讯字节）一样在某项商业、某项服务中筑起难以逾越的高墙。 以百度为主视角，承接技术金叉的结论，其实纵观其25年历程中，能够称得上构成壁垒的产品目前仍只有搜索，而门户搜索是传统互联网初期的典型优质产品。 因此除了能够在互联网泡沫期杀出重围外，实际是百度在很长时间内都没能突破互联网周期叙事。除了两次样本扩容的增量外，横向对比百度和中概互联近20年的营收增速，在2008年之后就基本没能突破行业增长的上限。 图：中概互联和百度营收增速对比,来源：Choice金融客户端 百度本身就不具备匹敌头部互联网的实力，之所以市场感官百度能够纳入头部互联网序列，一是具备绝对的先发优势，二是自古以来“行难路远，出门问问”的底层逻辑，让百度成为互联网的标志性名片。 但以近几年百度产品和技术实践而言，无论是内容类的百家号、贴吧知乎还是产品工具类的翻译、音乐软件，亦或是移动互联网时代的本地生活、短视频，相较于后进原生时代更垂的产品，都不具备任何优势，因此常常起个大早赶个晚集。 而曾经加冕中文互联网的王冠又带给了百度莫大的压力，在无论是传统互联网时代还是移动互联网时代，百度都寄希望于能够以此为依托搭建新的增长引擎来不负盛名，因此总会付出不理智的成本开支，最终样样都学，样样不精。 最典型的例子就是，同病相连的老大哥谷歌在后疫情周期，都将绝大多数资本开支放在了固定资产侧，百度却依然付出了大量成本去收购YY。 总结而言，搜索作为门户时代的传统龙头，在移动时代更封闭的内容生态下丧失了流量壁垒。而百度押注的技术路线，还未出现足以支撑其突破周期封锁的能力。 因此相较于头部互联网企业，百度在移动时代无论做什么业务，都像是身处八角笼中，赤手空拳地面对各方对手，多数情况只能折戟沉沙。 资本认可程度低和迟迟未寻得第二曲线，只是困于八角笼中的必然结果。 理性来说，AI绝对是过去十年百度押注最为成功的领域，可能短期内有技术路线选择的偏差，但云计算、搜索内容长期积累的算力、语料资产百度依旧具备优势。截至2023年底百度还是人工智能全领域专利数量最多的企业之一。 技术积累的隐形优势一直存在，即便在智能手机时代落伍，诺基亚和摩托罗拉在通信技术领域积累的技术优势也能为其提供源源不断的养分供给，对于百度来说也是一样。 当然，开枝散叶的百度绝不是寥寥千字可以素描的画像，我们在理清整体的基本面之后，会从搜索流量、云业务、大模型技术、自动驾驶、营运和内容等多个维度持续探寻百度的优势、劣势、潜在的问题和挑战，从而以此为样本构建中文互联网传统企业AI周期的典型画像。 让我们下一篇细分议题里见。