未来科技
-
AI公司出门问问登陆港交所,认购火热难抵上市破发
出门问问成立于2012年,是谷歌前科学家李志飞创办的AI(人工智能)公司,以生成式AI与语音交互技术为核心业务,拥有自研大模型“序列猴子”,为内容创作者、企业和消费者等用户提供AIGC(AI生成内容)解决方案、AI企业解决方案、智能设备和配件等服务。
招股书显示,2022年和2023年,出门问问的AIGC解决方案业务收入分别同比增长484.24%和195.07%,整体毛利率也有所提升,这使得其经调整净利润扭亏为盈。
-
性能媲美GPT-3.5,AI大模型能塞进手机了?
“小而美”的模型,Phi-3-mini优于两倍其尺寸模型
据微软官网称,Phi-3模型是目前能力最强、性价比最高的小型语言模型(SLM),其在多种语言、推理、编码和数学基准测试中均展现出超越同等规模甚至更大型模型的能力。
Phi-3遵循安全和高质,Phi-3-mini为多个平台专门优化
Phi-3模型的设计遵循了微软的“负责任AI标准”,包括问责制、透明度、公平性、可靠性与安全性、隐私与安全和包容性。
-
第一批AI大模型独角兽,创始人已经开始套现了?
拿新一批正在接受资本洗礼的AI独角兽来说,刚刚成立一年出头的月之暗面,在新一轮融资结束并以25亿美元估值站稳第一梯队后不久,被曝创始人大笔套现。
这也是为什么当月之暗面融资10亿美元的消息出来后,二级市场会出现所谓的“Kimi概念股”。
至于创始人售股是否会影响决策与控制力,3月融资时的10亿美元已占月之暗面估值的40%,为了保证创始人团队保有绝对的决策权和控制权,月之暗面做了AB股处理。
-
火箭发动机为什么长这样?
联盟号火箭,一级RD-108发动机(4个主推力室和4个单向摇摆45°游动推力室),助推RD-107发动机(4个主推力室和2个单向摇摆45°游动推力室):
图/视觉中国
土星V一级F-1发动机(中央固定,周围4台分别单向摆动6°):
图/视觉中国
宇宙神V一级RD-180发动机(两个推力室分别双向摇摆8°):
图/视觉中国
发动机安装台次和摇摆有什么讲究。
-
生成式AI:三块短板、两道难题、一个悖论
2019-2023年全球GenAI的融资笔数和融资额
当下的GenAI热潮起源于美国产业界,实际上美国政府也高度重视,提出了“确保继续保持领导地位”的战略目标。
自ChatGPT发布以来我国十大互联网公司的市值涨跌情况
来源:根据雪球财经数据整理,数据截至2024年4月11日大模型训练需要耗费大量算力,根据A16Z(2023)的数据,GenAI总收入的10-20%将流向云服务提供商。
-
半导体出海的思考(下)
出海智库所提供的服务涵盖更广(来源:01芯闻)
在海外销售方面,传统的做法是让代理商和Sale。
六、结语
当上下同欲后,国内半导体原厂无论是已经踏上出海征程、正在筹划过程中,甚至只是抱有成为国际化企业的想法,还是沿用传统出海模式,亦或打算尝试利用出海智库,都需要回归本心,重新审视核心问题:
“我的产品在市场中的定位是什么。
-
苹果AI,遥遥落后?
例如,过去苹果公司几乎没有在产品线中使用过“AI”这个词语,相反,他们更喜欢将人工智能技术称为“Machine。
一个词,看苹果的偏执
苹果取消电动车项目并转向。
这或许是我们首次在苹果官方新闻稿中,明确见到其产品描述使用了“AI”一词。
在苹果官网上,你也可以看到苹果称用户的大量个人信息都存储在设备上,进行加密。
最后一个问题,如果苹果有在芯片上改名的习惯,那么得到。
-
ChatGPT一天“吃”50万度电,美国上演电力“抢夺战”
美银美林预测,2023年至2030年,美国电力需求将以2.8%的年复合增长率(CAGR)增长,其中,AI的电力使用量将在2023年至2028年间以25%到33%的年复合增长率增长,这无疑将给数据中心的设计和运营带来挑战。
公共电网升级难,企业各显神通“抢电”
在巨大的电力需求前景下,美国的电力基础设施亟需扩容和升级,以应对AI训练等事件带来的电力集中需求。
-
AI能够重写人类基因组了?
生成基因编辑器,在人类细胞中发挥作用
然后,研究者进一步将关注范围缩小到CRISPR-Cas9系统,并在CRISPR-Cas图谱中的238,917个Cas9蛋白上,训练了蛋白质语言模型。
多种生成的核酸酶(绿色),包括OpenCRISPR-1(深绿色),具有与SpCas9(蓝色)相当或更高的靶向活性,但脱靶活性要低得多
研究者们还发现,当与脱氨酶配对时,OpenCRISPR-1和SpCas9在精确编辑靶基因组中的单个碱基时,具有相似的活性和特异性。
-
这些倒腾AI大模型的方式,会把自己搞死
比如过去CRM不好卖,换成大模型做的CRM就好卖了么。
如果你是生死攸关的工具,那就怎么也得买,顶天不愿意续费。
为了让这个过程有点套路,我这里提供一个底层逻辑的思维框架供参考:
第一是角色中心式计算视角。
中心决策其实揭示了另一个智能原生应用的底层规律:智能的效能=模型X信息完整度。
所以必然有个中心代表完整度,这还不单是模型决定的。