FX168财经网_全球视野外汇黄金加密货币NFT资讯网

a16z领投AGI算力市场协议Gensyn 4300万美元一文读懂Gensyn

许多公开的突破都源于研究人员开发的新的大模型架构，但在底层知识产权和人才方面存在着一场战斗。比如，美国吸引了超过50%的中国AI人才，而利用这些人才开发大模型的大公司正越来越多地降低这项技术的可及性；OpenAI的GPT-3.5或者4名义上可以公开使用，但它位于API后面，只有Microsoft可以访问其源代码。数据：AGI深度学习模型需要大量数据——包括标记的和未标记的——并且通常随着数据量的增加而改进。GPT-3 接受了 3000 亿个单词的训练。标记数据尤为重要，训练AGI需要的数据集集中在一些大公司手中。比如一个冷知识：每次你解决reCaptcha访问网站时，你都在标记训练数据以改进谷歌地图。去中心化AGI计算存在的困难去中心化计算可以创造一个更便宜、更自由的基础来研究和开发人工智能。但去中心化AGI存在着工作验证难题，如何知道第三方已完成你请求的计算？工作验证难题有两个因素：状态依赖，高计算费用。状态依赖：神经网络中的每一层都连接到它之前的层中的所有节点。这意味着它需要前一层的状态。更糟的是，每一层的所有权重都由前一个时间步决定。因此，如果你想验证是否有人训练了一个模型——比如，通过在网络中选择一个随机点并查看你是否得到相同的状态——你需要一直训练模型直到那个点，这计算量非常大。高计算费用： 2020 年 GPT-3 单次训练的成本约为 1200 万美元，比2019 年 GPT-2 训练的估计值约 43,000 美元高出 270 倍以上。一般来说，最好的神经网络的模型复杂度（大小）目前每三个月翻一番。如果神经网络更便宜，和/或如果训练代表更少的模型开发过程，那么可能来自状态依赖的验证开销是可以接受的。如果想降低深度学习训练的价格并去中心化控制权，需要一个系统来不信任地管理状态相关的验证，同时在开销和奖励那些贡献计算的人方面也很便宜。 Gensyn如何去中心化AGI计算 Gensyn协议将世界上所有的计算联合到一个全球机器学习超级集群中，任何人都可以随时使用。它通过结合两件事来实现以超大规模和低成本无需信任地训练神经网络： 1、创新的验证系统有效解决任意规模神经网络训练中状态依赖问题的验证系统。该系统将模型训练检查点与终止于链上的概率检查相结合。它以无需信任的方式完成所有这些工作，并且开销与模型大小成线性比例（保持验证成本不变）。根据Gensyn Litepaper，Gensyn主要通过三个概念解决验证问题：概率proof-of-learning（使用基于梯度的优化过程中的元数据来构建所执行工作的证书并通过某些阶段的复制来快速验证）、基于图的精确定位协议（使用多粒度、基于图的精确定位协议和交叉评估器一致执行，以允许验证工作重新运行并比较一致性，并最终由链本身确认）、Truebit 式激励游戏（使用 staking 和 slashing 来构建一个激励游戏，确保每个财务理性的参与者诚实行事并执行他们的预期任务）该系统主要由四个主要参与者：提交者、解题者、验证者和吹哨者。提交者：系统最终用户，提供将要计算的任务并为完成的工作单元付费；解题者：系统主要工作部分，执行模型训练并生成证明以供验证者检查；验证者：将非确定性训练过程链接到确定性线性计算、复制解题者证明的一部分并将距离与预期阈值进行比较；吹哨者：最后一道防线，检查验证者的工作并挑战以期获得累积奖金。 2、新的供应利用未充分利用和未充分利用/未优化的计算设备资源。这些设备包括从目前未使用的游戏GPU到之前以太坊PoW时代的GPU矿机。而且该协议的去中心化意味着它最终将由社区多数管理，未经社区同意不能“关闭”；与web2对应物不同，这使其具有抗审查性。大规模+低成本：Gensyn 协议提供了与数据中心拥有的GPU相似的成本，其规模可以超过AWS 来源：金色财经

金色财经2023-06-12

声迅股份：基于大模型和行业数据的训练，公司可以形成自己的行业大模型

中积累了大量的行业知识和行业数据。基于大模型和行业数据的训练，公司可以形成自己的行业大模型，解决客户在特定场景下的需求，提升公司产品的价值和竞争力;另一方面，公司在研发过程中，可以利用大模型，比如SAM模型取代原来的人工标注，提高公司智能识别算法模型的能力;公司还可以利用大模型训练公司自己的增量数据，形成自己的代码应用模型，提高公司代码开发的效率和质量。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-06-12

海天瑞声：数据作为人工智能发展的三大核心要素之一，对产业进步起着至关重要的作用

，持续探索拓展业务边界，未来，公司将在大模型数据服务能力建设以及数据要素市场参与等方面持续发力，抓住数字经济时代的发展良机，更好拓展潜在收入增长来源。投资者：前几天互联网周刊发布的"2023人工智能分类排行榜"，该榜下的"2023AI数据生产企业排行榜"前20名贵司名列第2名，也是A股公司排名最高企业，这说明贵司的训练数据、数据要素在业内有比较高的知名度以及影响力，期待接下来大模型急需的训练数据爆发性需求为贵司带来源源不断的业务。海天瑞声董秘：尊敬的投资者：您好，非常感谢您的认可。未来，公司也将通过持续的研发投入，不断增厚大模型相关数据服务能力，更好助力我国大模型技术发展。投资者：特斯拉因为智能驾驶而被纳入AI板块带来近期连续大涨，智能驾驶是AI最激动人心、最有前景的应用，也是贵司增长最快的业务(去年收入大增115.12%占总收入近16%)，是我国各级政府重点扶持的产业。贵司智能驾驶业务虽然发展迅猛，但离百度阿波罗华为等头部企业应该还有距离，贵司是否考虑引入互联网巨头、大型车企等战略投资者强强联合？海天瑞声董秘：尊敬的投资者：您好，您提到的百度阿波罗、华为等均为智能驾驶的技术类公司，而公司是专业的训练数据服务商，主要为技术类公司提供其模型训练所需的专业数据集。目前公司智能驾驶领域服务的客户数量超过50家，获得了市场的良好口碑。未来，公司会通过持续研发以及销售团队的布局更好支撑公司智能驾驶业务发展，同时也感谢您对公司的关注和提出的宝贵意见，如有相关计划，公司会按要求进行及时披露。投资者：众所周知，我国的算力芯片性能与英伟达甚至AMD的差距极大，英伟达也不能向我国出售最先进AI芯片，只能出售次高端阉割版，而国产AI芯片性能比起英伟达中低端芯片甚至还有距离，在这种现实下，国产生成式AI、大模型想要缩小甚至追上ChatGPT水平，靠高质量训练数据以及更好的算法能否尽量弥补算力芯片的差距？对国产大模型来说，在算力芯片显著弱于国外对手情况下高质量的训练数据是否更为重要？海天瑞声董秘：尊敬的投资者：您好，数据作为人工智能发展的三大核心要素之一，对产业进步起着至关重要的作用。在模型训练过程中，高质量的数据可以帮助节约算力、训练时间以及训练成本，同时也会大幅提升模型的训练效果。未来，公司也将通过持续的研发投入，不断提升数据生产的能力、规模和质量，更好助力我国生成式AI的发展。投资者：作为AI应用里最激动人心、最有前景的智能驾驶，贵司智能驾驶业务从收入增速到收入占比的提升均在贵司业务里名列前茅，贵司的智能驾驶是否考虑引入大型车企、互联网巨头等在内的外部投资者，以增强实力追赶百度阿波罗以及华为等智能驾驶头部企业。海天瑞声董秘：尊敬的投资者：您好，您提到的百度阿波罗、华为等均为智能驾驶的技术类公司，而公司是专业的训练数据服务商，主要为技术类公司提供其模型训练所需的专业数据集。目前公司智能驾驶领域服务的客户数量超过50家，获得了市场的良好口碑。未来，公司会通过持续研发以及销售团队的布局更好支撑公司智能驾驶业务发展，同时也感谢您对公司的关注和提出的宝贵意见，如有相关计划，公司会按要求进行及时披露。海天瑞声2023一季报显示，公司主营收入2881.74万元，同比下降39.81%；归母净利润-1361.63万元，同比下降244.27%；扣非净利润-1704.82万元，同比下降477.02%；负债率3.58%，投资收益254.15万元，财务费用32.77万元，毛利率47.79%。该股最近90天内共有1家机构给出评级，增持评级1家。近3个月融资净流入1287.74万，融资余额增加；融券净流出6113.9万，融券余额减少。根据近五年财报数据，证券之星估值分析工具显示，海天瑞声（688787）行业内竞争力的护城河一般，盈利能力良好，营收成长性一般。财务可能有隐忧，须重点关注的财务指标包括：货币资金/总资产率、应收账款/利润率、应收账款/利润率近3年增幅。该股好公司指标2.5星，好价格指标1星，综合指标1.5星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）海天瑞声（688787）主营业务：AI训练数据的研发设计、生产及销售业务。以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-06-12

财报分析 | AI 赋能的下一代搜索：百度的新增长引擎

有连云2023-06-12

德赛西威领涨超5%，数字经济ETF（159658）盘中震荡走高，近2个交易日获资金净流入

带动下触底反弹；今年以来，随着人工智能大模型热潮的兴起，算法、算力、数据、应用等环节出现较大幅度上涨。展望下半年，人工智能技术变革周期以及数字经济政策周期的机遇值得关注，关注AI（算力、算法、数据、应用）、数据要素、数据安全、信创等细分方向。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-06-12

民生证券：迎接大模型应用产品升级发布潮

技术与政策逐步明朗的格局下，新一轮AI大模型产品升级上线与产品应用发布大幕也随之拉开：5月31日，金山办公旗下全新产品WPS 365、WPS AI也悉数亮相；6月9日，讯飞星火认知大模型V1.5发布；6月13日，360即将召开“360智脑大模型应用发布会”。不同于二三月份的纯粹大模型发布，新一轮发布潮是基于大模型的应用产品开始大规模升级上线为走进千家万户准备。在经历二月至三月的大模型集中发布期、四月至五月的产品研发期和政策方向逐步明确后，六月起AI大模型产品和应用有望迎来集中发布，建议关注中科创达，科大讯飞、金山办公、同花顺、三六零等兼具大模型与应用的AI供给侧龙头企业。

金融界2023-06-12

韩国将于2025年起将AI引入小中高课程 AI望带来教育行业格局重塑

AI课程全面落地。　　华创证券指出，大模型和教育天然适配，多轮对话、多语言理解等能力无需经过特殊训练和调试，容易落地；教育行业市场空间大，家长付费意愿强，商业场景清晰；海外商业模式成熟可借鉴，多邻国、可汗学院已经跑通；考虑国内双减政策，具备学校端渠道优势的公司落地优势更大。　　广发证券认为，AI对教育产业的影响主要体现在两个方面：一是实现真正的自适应学习及因材施教，主要与教育产品结合，国内教育数字化大趋势下，AI+教育相关产品的落地或有望加速；二是赋能优质教育资源广泛传播及流动，推动教育公平。教育领域一有教育经费支撑，二是家长及学生付费意愿强，是AI技术及相关产品有望最快大规模商业化的领域之一。　　民生证券指出，韩国此次将AI赋能于小中高与我国坚持教学回归课堂下的因材施教方针不谋而合，AI有望带来教育行业格局重塑。　　信达证券分析称，建议重点关注“AI+教育”相关标的，如国新文化、佳发教育、科大讯飞、盛通股份、科德教育、粉笔、东方时尚、中公教育等。　　（1）针对教育信息化，推出AI相关产品，如国新文化（使用AI进行学生行为智能分析、课堂教学数据分析）、佳发教育（标准化考场、生涯规划、英语听说智能解决方案、智慧体育解决方案、智慧教室、实训室等产品）、科大讯飞（AI学习机）等；　　（2）有望研发并推出AI相关课程，如盛通股份（青少年AI课程）、科德教育等；　　（3）利用AI技术降本增效，如粉笔（智能批改系统）、东方时尚（“VR+AI+实际道路”智慧驾培）、中公教育（与新华网签署合作协议，共同打造教育AI“数智人”，创新“技术+内容”新型教育培训解决方案，打造“中公职聘”精准就业服务平台）等。

金融界2023-06-12

走出惯性悲观，“吃饭”要积极，继续拥抱确定性，十大券商策略来了...

；2）AI分化突围，赛道层面关注算力、大模型（半导体、服务器等），自下而上沿着落地速度、用户数量爆发、商业模式变革等线索寻找AI应用端优质企业；3）“一利五率”下财务质量优秀的国央企，关注运营商。　　行情概况：国内市场震荡，海外市场涨多跌少。6月5日至6月9日，海外指数涨幅前三为恒生科技、日经225、恒指。国内市场方面，各宽基指数涨跌互现，价值优于成长。行业方面，通信、计算机、银行分别上涨2.95％、2.82％、2.66％。主题方面，光模块、自贸区领涨。　　估值：宽基指数估值小幅下降，传媒、社服、计算机估值上升，美容护理连续两周降幅较大；新兴产业方面，虚拟人、智能穿戴估值上升幅度较大。　　市场情绪：传媒、房地产、社会服务热度上升，公用事业、计算机热度下降。　　资金：融资卖出33亿，北上资金流入17.29亿。银行、家电、非银净流入领先，电子净流出超25亿。　　风险提示：海外地缘冲突尚未缓解、欧美推行逆全球化对供应链和产业链造成压力。　　国海证券：经济与市场如何破局？　　1、回顾历史，在经济下行压力加大的政策空窗期，市场悲观情绪容易发酵，典型的市场悲观预期加大的年份分别是2012、2016、2018以及2022年，同当前来看存在一定的借鉴意义。　　2、 2012和2016年与当前市场的悲观预期较为类似，市场对于国内中长期增长较为悲观，有效需求不足是核心矛盾。经济与市场破局的关键在于货币财政政策的全面发力以及地产调控态度的明显转向。　　3、 2018与2022年同样面临着经济下行加大的压力，但突发事件导致的内忧外患的特征更为明显，2018年是贸易摩擦，2022年是俄乌冲突以及美联储超预期紧缩，经济与市场的破局关键主要在于政策针对性发力以及外部风险因素的缓释。　　4、当前而言，有效需求不足的背景下经济与市场破局的关键在于货币与财政的逆周期调节工具充分发力，近期官媒释放乐观信号的力度在不断增强，对于市场情绪的改善起到了推动作用，6-7月政策发力窗口期打开，或将一定程度扭转经济悲观预期，成为经济与市场破局的关键。　　5、配置方面延续此前判断，短期建议关注业绩确定性较强及安全边际较高的板块，例如消费板块中的中药、白色家电，盈利水平改善的电力央国企，以及TMT中业绩确定性较强的算力方向；中期来看，补跌接近尾声、产业催化剂和海外映射愈发明确的TMT仍是市场的主攻方向。　　风险提示：经济复苏不及预期，海外通胀超预期，美国流动性危机升级，地缘政治扰动加剧，中国市场与国际市场不可完全对比，政策推进速度不及预期等。　　民生证券：“吃饭”要积极　　去库行为正在临近拐点。年初以来，复苏预期的强化和落空驱动了二级市场的大起大落，产业层面参与者也在用库存行为表达观点：放开之后，企业对于强复苏有较大的期待，上游积极补库生产并提价，产成品库存PMI创下19年以来的新高，出厂价格阶段性见顶；然而复苏之路不是平坦的，需求的不及预期导致库存大量堆积在上游，为缓解库存压力，制造商不得不主动降价，商品价格回落。产业层面的库存行为变化，一定程度上强化了经济的趋势，而这一趋势造成了二级市场投资者更极致的悲观预期。但一切似乎正在改变，上游主动去库或已接近尾声，补库意愿回升。当前部分商品的开工率显著反弹，且高于历史水平。6月南华工业品及能化指数均经历了不同程度的反弹。同样的，海外去库情绪亦有所降温，对中国价格下行压力正在缓解。美国本轮去库周期从上游制造商开始，主因企业对于经济回落的预期较为充分。近期企业预期有所转变，中小企业对于实际销售好转预期快速反弹，补库计划见底企稳。此外，每一轮美国从中国进口金额同比上行领先于去库周期见底，当前进口金额已有抬升的趋势。5月30日以来，欧洲天然气价格已经企稳反弹，这意味着欧洲从去年底以来的能源侧库存去化已经结束，这对于中国从出口制成品的数量压制和进口能源价格上的压制临近尾声，“价格下行压力”开始缓解。　　海外环境重回顺风期，强势美元压制结束。当前美联储已经接近货币政策紧缩阶段性的尾声，债务上限的达成也抵消了信用快速紧缩的担忧。一方面，由于美国债务上限的达成，国库券的发行可能会制约6月的加息，而6-7月的其中一次加息25bp当下都会被解读成加息尾声的标志，直至后期通胀重新反弹时可能才会有新的担忧。此外，前期市场对于日央行结束YCC的担忧也在本周五得到缓解，日本继续实施其收益率曲线控制的货币政策。　　市场博弈的焦点可能错了。市场认为未来的组合是经济失速VS政策强刺激。但我们认为，经济因为海内外库存行为的变化，周期性的底部已经出现，美元的压制期本身也阶段性告一段落，而国内政策本身已处于友好面。而实际情况可能是：没有力挽狂澜，但也在缓慢复苏。民生策略团队从去年以来不断提示经济面对的债务周期的中长期问题，但是当下长期问题的担忧喧嚣尘上，我们反而提示市场应该关注短期积极的变化，就如同我们在去年10月底一样。当下股票市场股权风险溢价定价合理，但是股息率溢价历史低位，说明市场定价对于股票长期增长的预期依然乐观，但却对红利资产维持股息的能力悲观。结合当下实际经济增速放缓，红利股、价值股成为较佳选择，也成为我们寻找最优板块的基石。　　底部开始进攻，先仓位后结构。第一，资源股的两大压制因素（美元强势、需求担忧）边际上都在缓解，油、铜、黄金正重回舞台，煤炭板块在今年主要时间不是我们的首推品种，但是当下我们认为其反转概率大幅增加。第二，更新上期的弹性交易的短期组合：胜率思路：基本面向上但被错杀，受长钱与短钱资金同时青睐的行业：新能源车、风电、制冷、智能家居、白电、旅游、公路及保险。赔率思路：景气度下行但未来可能出现反转、市场悲观情绪压制下估值已极度便宜、且受交易盘青睐的行业，包括半导体设备、快递、煤炭、水泥、房地产、航运。第三，红利+中特估：四大行、炼厂、电力、建筑和港口。我们还是提示投资者，“吃饭行情”已开始，结构上的分歧次之，仓位是最重要的。　　风险提示：国内补库不及预期；海外超预期衰退；海外货币政策超预期收紧。

金融界2023-06-12

被神话的GPT 造不出你的梦中神车

ChatGPT爆火之后，AI大模型成为众多科技公司追逐的热点。从聊天对话，到图像生成，再到桌面办公，仿佛AI在一夜之间具备了颠覆一切的神力。热潮蔓延至汽车行业，从业者开始思考：让GPT造车，是否可行？有车企宣布将应用大模型技术，也有车企称要接入第三方大模型，还有车企抢着发布了带有GPT字眼的自动驾驶系统。有从业者对深途说，智能座舱和自动驾驶，或将是大模型最先应用的场景。这其中，尤以自动驾驶最让人期待。自动驾驶是一个难度极高的赛道。除了谷歌、百度等科技巨头，一大批天才创业者投身其中，烧掉数十亿美金，至今也没达到让人满意的效果。 AI大模型杀入自动驾驶，这次会不一样吗？ GPT跟汽车，有几毛钱关系？ GPT跟汽车，表面看无直接关联，实则渊源很深。故事得从六年前说起。 2017年6月，特斯拉的老板马斯克，从OpenAI挖走了一个斯洛伐克籍的研究员。这个人叫Andrej Karpathy，他后来成为特斯拉的AI总监。当时马斯克对人工智能表现出极大兴趣，他也是OpenAI的捐资创办人之一。把Andrej Karpathy招致麾下不久，马斯克离开OpenAI董事会，他认为特斯拉和OpenAI都在研究AI，未来可能发生利益冲突。后来，Andrej Karpathy在特斯拉重写了自动驾驶算法，开发出BEV纯视觉感知技术，让特斯拉自动驾驶进入新阶段。而他的前东家OpenAI，则将全部筹码押注在通用人工智能，最终研发出GPT。从产品角度看，OpenAI的GPT和特斯拉的BEV，是完全不同的物种。但从技术底层来看，它们都依托人工智能技术，尤其是对谷歌Transformer模型进行了应用。 Transformer是一种深度学习的神经网络架构，由谷歌的8位AI科学家在2017年提出。这是人工智能行业极其重要的一项发明，今天大火的ChatGPT中的“T”，就是指Transformer大模型。与传统神经网络RNN和CNN不同，Transformer通过自我注意力机制，去挖掘序列中不同元素的联系及相关性，具有很好的时序数据处理能力。这让它在机器翻译、文本摘要、问答系统等任务上，展现出突出的性能。因此Transformer一开始被人们用在NLP（高级自然语言处理）领域，用于理解人类的文本和语言。在Transformer模型上进行预训练，经过不断的微调、迭代，OpenAI相继推出了GPT-1、GPT-2、GPT-3、GPT-4等语言训练大模型。ChatGPT是OpenAI对GPT-3模型微调后开发出来的对话机器人。由于它能以对话的方式进行交互，普通人很好上手，且比过去的聊天机器人显得更“聪明”，因此大放异彩。从根本上，ChatGPT的GPT模型、谷歌的LaMDA大模型，以及百度的文心大模型，同宗同源。将Transformer模型用于自然语言，诞生了ChatGPT这样的聊天应用；将它用在计算机视觉，同样取得了惊人的效果，这方面的先行者是特斯拉。 Andrej Karpathy在担任特斯拉AI总监期间，负责领导自动驾驶的计算机视觉团队，通过结合Transformer模型，特斯拉成功开发出BEV技术。 BEV全称是Bird's Eye View，即鸟瞰图。它可以将摄像头拍摄的2D图像拼接转化为3D图像，统一转换到俯视角度下进行处理，形成“上帝视角”。这么做的原因是：开车是在三维空间中进行的，人看到的是立体的世界，而不是2D的图像。这项全新的感知方案，在2021年8月的特斯拉AI DAY上由Andrej Karpathy对外展示。为此特斯拉不惜重写了自动驾驶算法，对训练深度神经网络的基础设施进行了重构。这是大模型技术首次被应用到自动驾驶行业。今天回过头来看，虽然GPT目前主要应用在自然语言处理领域，我们并不能让GPT去驾驶一辆汽车，但它背后的AI大模型技术，尤其是Transformer架构，实际上早就已经在自动驾驶领域应用了。从自然语言处理到计算机视觉，两个领域基于Transformer架构在建模结构上实现了统一，使联合建模更加容易。而随着对AI的理解加深，汽车公司越来越像人工智能公司。除了特斯拉，理想汽车在今年初公布公司愿景，声称要在2030年成为一家人工智能企业。它将在今年推出的城市NOA导航辅助驾驶系统，技术支撑就是BEV感知和Transformer模型。让AI跟人对话，与让AI驾驶一辆汽车，似乎本质上并无区别，只是二者落地场景不同。在将底层技术应用到具体产品这件事上，人类永远充满想象力。 GPT教会自动驾驶的那些事今年以来，GPT展现出来的强大能力，让外界大受震撼。通用人工智能不再是空中楼阁。自动驾驶行业的人开始思考，或许生成式AI在语言模型上的应用思路，可以迁移到自动驾驶上。本质上，语言模型是对人类的语言建立的数学模型。计算机还是不懂自然语言，但它通过数学建模，把语言问题变成了数学问题。通过给定的文本的历史，预测下一个词出现的概率，间接地理解了自然语言。换到驾驶场景，如果给定当前的交通环境，给定一个导航地图，以及一个驾驶员驾驶行为的历史，那么，大模型是不是可以预测下一个驾驶动作？地平线创始人余凯在今年4月举办的电动汽车百人会论坛上说，ChatGPT给他很大启发，“我们要继续用大数据、更大的数据、更大的模型，并且无监督地去学习人类驾驶的尝试，就像你从大量的、无监督的、没有标注的自然文本里去学习一样”。他认为，每个驾驶员驾驶控制的序列，就像我们的自然语言文本一样。下一步，他想构建一个回归自动驾驶的大语言模型。理论上，这个思路是可行的。人工智能已经具备学习能力。根据自适应的语言模型，机器会根据用户的反馈不断迭代优化，学习用户的习惯，然后改进模型。现在的ChatGPT就运用了这项技术。那么，让机器学习司机的驾驶习惯，就不是一件很难的事情。特斯拉的影子模式，就是把真人司机的驾驶数据，投喂给机器学习。通过比对人类驾驶员行为，来达到训练算法的目的。 GPT掀起新一轮AI热潮后，对行业造成的一个认知冲击是，通过把模型的参数规模不断变大，数据量指数型增加，也就是所谓的大模型，在达到某个临界点后，模型会突然变得很聪明。过去，模型在训练阶段需要的数据，是经过人工标注的。以自动驾驶为例，数据标注员通过大量的图片标注，告诉机器什么是猫，什么是狗，猫和狗各有多少种类。标注员就像是机器的老师，一遍一遍教会它认识这个世界。问题是，老师没教过的东西，机器还是不会。典型的是特斯拉曾多次发生自动驾驶事故，车辆撞上侧翻的大卡车，因为机器识别不了。和高资本创始合伙人何宇华对深途举过这样一个例子：广州的夏季雨天频繁，在一些灯光比较昏暗的场景下，空中会有大量的飞虫。当汽车驶过时，灯光打过去，可能会有数以千计的飞虫撞向车头。在这种情况下，汽车的自动驾驶感知系统，可能会误认为是一堵墙。自动驾驶系统不能穷尽所有的corner case（极端场景），是其发展路上的一大难关。 ChatGPT抓取的是全网未标记的数据。在自监督学习中，数据本身被用作监督信号，而不是依赖于人工标记的标签。有一天人们发现，大模型在消化这些数据的过程中，突然具备了举一反三的能力。那么，如果自动驾驶大模型也能无监督地学习人类驾驶行为，不需要“老师”手把手地教，是不是意味着，系统摇身一变，成了“老司机”？ GPT“开车”，还不靠谱梦想很美好，实现梦想的路总是很骨感。类似ChatGPT的AI大模型要在自动驾驶领域发挥威力，目前来看至少有如下几个问题需要解决。首先是数据来源。 ChatGPT的数据来源非常丰富，包括维基百科、书籍、新闻文章、科学期刊等等，相当于全网公开数据都是它的养料。自动驾驶不同。驾驶员的驾驶数据、车辆行驶数据不公开，很多还涉及隐私。汽车厂商、自动驾驶公司各自为政，数据封闭不流通，这让获取数据变得困难。没有数据，自动驾驶就是无源之水。联想创投总裁贺志强对深途说，自动驾驶的核心是要有数据，数据对训练模型非常重要。比亚迪这样的主机厂有数据，但算法还需要打磨，“蔚小理”等造车新势力擅长算法，但车的销量还不够。既有数据也有算法的公司，才能充分用好大模型。其次是系统的计算部署方式有限制。余凯认为，OpenAI、ChatGPT是在云端的计算，在云端有充分的能量供给、电源供给，同时有非常好的系统，可是如果在车上依赖的是电池，依赖的是车端的散热，那么这个挑战是很大的，意味着自动驾驶不能用那么大的模型、那么大的计算。大模型对算力的消耗，导致云计算厂商成为这波AI热潮中第一批吃到红利的玩家。大厂开卷云计算，也是为大模型开路。但是在车端，这会是一个矛盾。更大的问题是，大模型的可靠性尚未验证。使用过ChatGPT的人知道，ChatGPT有时候会胡说八道，时对时错。这在业内被称为幻觉（hallucination）倾向，即产生完全没有出处的非真实内容。大模型会编造内容，而不在意内容的真实性和准确性。聊天可以胡说八道，自动驾驶不可以。任何一次错误的输出，导致的结果都可能是致命的。 “ChatGPT取得巨大进展，但自动驾驶迟迟没有到来，因为自动驾驶特别是无人驾驶，可能容错率就是零，那是人命关天的事情。”余凯说。曾在硅谷某AI创业公司担任COO的龙志勇认为，不可控、不可预测和不可靠，是大模型商业化最大的威胁。典型表现是大模型有幻觉倾向。现在，要让自动驾驶系统学会选择和辨别，并稳定地输出最优解，还不太现实。一家人工智能公司的内部人士对深途说：“视觉感知在算法层面的确有不少突破。但车这种场景，要求太高了，我个人不觉得短期能有大的突破。可以关注一下特斯拉的动向。” 然而最近科技圈有一股风气，大大小小的公司，都要蹭一把GPT的热点。有一些汽车厂商，宣布即将应用类似GPT的技术，一堆炫酷的概念让人傻傻分不清楚。比如某传统车企旗下的自动驾驶公司，就发布了一个自动驾驶生成式大模型，要用这个模型来训练自动驾驶，号称“行业首例”。一位长期关注智能汽车赛道的投资人，询问一位行业大佬怎么看该模型，对方就回了四个字：“TM扯淡。” “完全就是一个PR行为。”这位投资人对深途评价。自动驾驶，会被推倒重来吗？在特斯拉的带动下，再叠加今年兴起的AI浪潮，自动驾驶行业逐渐向大模型、大算力、大数据方向不断靠近。大模型对自动驾驶的影响，目前还不够剧烈，但嗅觉敏锐的人已经呈现出一种矛盾心态。就像当年特斯拉利用Transformer将多摄像机数据从图像空间转化为BEV空间，为此不惜将原有架构推翻，重写算法。现在大模型的应用，也可能意味着原有自动驾驶算法，会被推倒重来。贺志强认为，大模型会对自动驾驶有巨大影响。以前自动驾驶用到很多小模型，现在变成大模型，可能需要重新来一遍。自动驾驶行业会重新洗牌。一家AI芯片公司的自动驾驶总监赵东翔对深途说，整体端到端更改，等于重新做。洗牌对新入局者是机会，对领先者是威胁。弯道超车的故事，往往发生在技术急速变革时期。在技术一日千里的时代，在旧路线投入越多，沉没成本可能越大，转身越困难。对于整车厂或自动驾驶公司而言，要拥抱一项新技术，不仅要考虑效果，还要考虑成本。赵东翔表示，就当前阶段而言，自动驾驶变换技术路线没意义，“现在行业技术能力也不差，大家花那么多钱做了那么久，没有大幅度提高的话没有换的动力。” 在去年底的AI DAY上，特斯拉将BEV升级到占用网络（occupancy network），泛化能力得到进一步提升。通过占用网络，特斯拉的自动驾驶感知系统可以不需要知道看到的物体是什么，就可以判断是否需要躲避，由此解决了更多长尾问题。不论何种技术路线，现在都处于快速变化迭代中。过去的小模型可能会被大模型替代，今天的大模型也可能在未来被某种新物种替代。但不管怎样，蹭热点、制造噱头的做法，是无益于技术进步的。“蹭热度是陋习，踏踏实实做产品才有用。”赵东翔说。自动驾驶真正的“王炸”，还远没有到来。我们需要做的，是对每一轮技术变革保持敬畏之心。被神话的GPT，造不出你的梦中神车，但至少，变化已经发生了。来源：金色财经

金色财经2023-06-10

沃森生物：公司2023年内已完成的出口主要为疫苗成品，暂无原液出口

确定具体时间。谢谢！投资者：华为盘古大模型已经发布，请问贵公司和华为盘古大模型可有合作的计划或者公司可已经和其他AI公司深入合作过了。公司针对人工智能新技术，可能详细的说下，如何深度依靠人工智能加速加快新的疫苗的研发？沃森生物董秘：尊敬的投资者，您好！公司密切关注疫苗前沿技术发展方向，从现有资料分析，人工智能技术在mRNA疫苗序列设计方面能够提供重要支持，有效提升创新疫苗的研发效率。未来公司也将尽可能多地借助AI人工智能等前沿技术资源支持产品研发及产业化。谢谢！投资者：万泰在积极回复大家关心的九价HPV进展情况，建议公司也多介绍一下公司九价疫苗研发进展情况，哪怕是日常的工作进展，给大家一点信心。沃森生物董秘：尊敬的投资者，您好！目前已完成“重组人乳头瘤病毒九价疫苗与Gardasil9免疫原性比较Ⅲ期临床试验”全程免疫后的1个月的采血，获得免疫原性结果后，及时开展效力研究的临床试验，后续进展会及时进行进行披露及沟通。谢谢！沃森生物2023一季报显示，公司主营收入8.33亿元，同比上升27.04%；归母净利润1.72亿元，同比上升345.34%；扣非净利润1.34亿元，同比上升37.64%；负债率27.5%，投资收益-26.77万元，财务费用-1710.24万元，毛利率85.02%。该股最近90天内共有1家机构给出评级，买入评级1家；过去90天内机构目标均价为44.0。近3个月融资净流出14.09亿，融资余额减少；融券净流出6517.28万，融券余额减少。根据近五年财报数据，证券之星估值分析工具显示，沃森生物（300142）行业内竞争力的护城河优秀，盈利能力一般，营收成长性一般。财务相对健康，须关注的财务指标包括：应收账款/利润率。该股好公司指标3星，好价格指标2星，综合指标2.5星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）沃森生物（300142）主营业务：疫苗产品的研发、生产、销售。以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-06-09

24小时热点