FX168财经网_全球视野外汇黄金加密货币NFT资讯网

OKX 官方网站宣布投资Moonbox 其已获得周星驰影视IP授权

T” 以及面向 NFT 持有者交互的 AI 应用。 OKX最新下载 353500.cc 这次对 Moonbox 的投资更是 OKX 在推动 AI 与Web3融合之路上的一次积极尝试。OKX Ventures 合伙人 Jeff Ren 表示：“Web3正在重塑创作者经济，Web3利用区块链技术让人们构建一个开放、自由、透明的社区，有效地沟通、分享快乐和价值，并降低信任成本和沟通成本。比如 NFT 生成艺术，利用智能合约创建，并以 NFT 形式存储在区块链上，将代码和艺术融合在一起，让创作者通过 NFT 分享快乐，获得创作收益，同时增加 NFT 持有者的社区归属感，Moonbox 的出现让Web3与 AI 进行了很好的融合，这将在很大程度上赋能创作者经济领域的发展。” Moonbox 高级顾问 Ignious Yong 表示：“我们很高兴用 AI 赋能Web3生态系统，特别是提供更有交互行的体验，为一套 NFT 系列中的人物赋予“灵魂”。我们的初心是致力于推动 AI 生成技术与Web3生态系统的融合与大规模落地，这将使 NFT 变得更有趣、更有价值，同时为娱乐行业提供更好的用例，我们相信，未来 Moonbox 能吸引到各行各业的用户，同时，我们非常感谢周星驰先生和 OKX Ventures 的支持。” OKX Ventures 作为全球领先数字资产交易平台 OKX 旗下的投资机构，专注于探索全球优质项目，支持最前沿的区块链技术创新，已成功投资了基础设施、Web3、NFT 等众多领域超 300 个项目，推动全球区块链行业的可持续发展，这次对 Moonbox 的投资更是 OKX 在推动 AI 与Web3融合之路上的一次积极尝试。未来，随着Web3生态系统的不断发展，Web3和 AI 技术的结合将会带来更多用于电影和娱乐行业的用例。Moonbox 的开发将极大促进Web3在这些领域的大规模采用。来源：金色财经

金色财经2023-08-07

午评：创业板指震荡下行跌近1%，传媒股、农业股逆势活跃，医药股走势低迷

。数字经济主题短期超跌反弹，中期重点看AI应用端拓展。继续看好催化剂密度较高的汽车智能化。

金融界2023-08-07

影视院线板块涨超3%，上海电影涨停

需复苏。第一，在AI+影视方面，一方面AI应用于影视制作过程中降本增效，另一方面AI+IP、版权促使跨模态或新玩法打开未来业务空间。第二，在传统业务上，看供需复苏：22年由于防控影视（电影、电视剧等）制作进度及线下观影受到影响，23年复苏有望推动供需两端边际变好。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-08-07

中证大数据产业指数强势上涨，成分股云赛智联领涨，大数据产业ETF(516700)上涨0.98%

将有望回升。从整体行业看，通信硬件端，AI应用带来算力资源需求快速增长，通信基础设施迎来发展机遇，从细分赛道看，ICT设备商受益于AI带来产品升级迭代以及需求提升，带来新增长动能；光模块向800G升级，受益于新产品需求快速增长；光纤光缆作为流量管道有望受益撑大，需求提升，有望持续实现量价齐升；应用端则在未来AI应用于更多垂直领域当中，带来新的应用模式创新和发展机遇。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-08-07

成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？

模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经

金色财经2023-08-06

成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？

模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经

金色财经2023-08-04

ChatGPT爆火这半年：热钱、巨头与监管

辑，AI大模型的繁荣之后，很快就会看到AI应用的一波繁荣。今年年初，陈润泽与同事一起前往硅谷时发现，硅谷声名显赫的创业孵化器Y Combinator（OpenAI首席执行官Sam Altman曾在这家孵化器任总裁多年），有一半的项目都转型做生成式AI了。对于大模型的热情，丝毫不逊于如今大洋彼岸的中国。不过，他也发现在美国无论是资本还是创业者，相比于大模型创业，更看好基于大模型所做的生态应用，毕竟在这个赛道，已经跑出了诸如OpenAI这样的公司，与此同时，美国有很强的ToB应用生态土壤，因此更多的美国公司正在尝试基于大模型的生态做企业应用。陈润泽的观察正在得到证实，大模型服务平台OpenCSG联合创始人陈冉告诉虎嗅，如今，美国湾区90%以上的公司已经把大模型能力用到方方面面。至于中国，陈冉认为，在年底之前很多的客户也都会用起来。今年3月左右，陈润泽和团队开始尝试在国内寻找基于大模型做应用的公司，但他发现这样的公司很少。大量资本进入了人工智能行业，但如果追溯这些资金的流向会发现，更多的钱仍集中在头部几家公司中。 “即便是现在，10个与生成式AI相关的项目，能投1个-2个也已经是很不容易了。”除了源码资本，虎嗅也与多位硬科技投资人交流，他们都表示，虽然项目看得多，但真正靠谱的凤毛麟角。应用端的这种态度，在很多业内人士看来，已是常态。思必驰联合创始人俞凯认为，表面看似热闹的赛道，其实更多的是名义上的竞争，结果无非两种情况：“一种是为了融钱，纯资本导向；另一种是做全域通用大模型的公司，确实需要喊，不喊的话别人不会知道。” 国内的一些统计数据也正在说明这个问题，根据第三方机构烯牛数据统计，截至2023年7月，国内有AIGC公司242家，1月以来AIGC赛道融资事件71起。而AI大模型赛道上的公司有67家，从ChatGPT发布到现在，融资事件只有21起。 AIGC赛道和AI大模型赛道自ChatGPT发布后的融资事件｜数据来源：烯牛数据 “现在国内AI市场上，好的标的太少了。”一位投资人如此告诉虎嗅——好项目太贵，便宜的又不靠谱。虽然目前国内发布的AI大模型数量过百，但国内一众大模型公司中，获得巨额融资的并不多，甚至屈指可数。很多AI投资到最后都变成了投人——曾经的独角兽公司创始人、互联网大佬、具备大模型相关创业经验的人等。公司类型公司成立时间大模型及相关产品融资轮次互联网公司百度 2012 文心一言上市阿里云 2008 通义千问上市騰讯AI实验室 1998 混元上市华为云 2019 盘古未上市字节跳动 2016 火山方舟未上市京东云 2012 言犀上市昆仑万维 2008 天工上市 360 1992 360智脑上市公司类型公司成立时间大模型及相关产品融资轮次 AI公司商汤科技 2014 日日新上市科大讯飞 1999 讯飞星火上市云从科技 2015 从容上市达观数据 2015 曹植 C轮出门问问 2014 序列猴子 D轮智谱Al 2019 ChatGLM B轮澜舟科技 2021 孟子 Pre-A轮 MiniMax 2021 Glow 股权投资面壁科技 2022 VisCPM 天使轮深言科技 2022 CPM 股权投资聆心智能 2021 Al乌托邦 Pre-A轮衔远科技 2021 ProductGPT 天使轮思必驰 2007 DFM-2 IPO终止公司类型公司成立时间大模型及相关产品融资轮次 2023年成立都初创AI公司光年之外 2023 暂无 A轮百川智能 2023 baichuan 股权投资零一万物 2023 暂无股权投资国内AI大模型相关公司部分统计今年的一众AI明星项目中，智谱AI、聆心智能、深言科技和面壁智能，都是清华实验室孵化的公司。深言科技、面壁智能两家公司均成立于2022年，且有AI行业内知名学者的技术背书。比这几家清华系AI公司成立时间更短的是一些互联网行业大佬创立的AI公司，光年之外、百川智能和零一万物均成立于这波大模型热潮开始之后。美团联合创始人王慧文在2023年年初成立的光年之外，一度融资5000万美元，已是彼时中国大模型行业为数不多的融资案例。与智谱AI、西湖心辰这类已有大模型为基础的公司不同，光年之外是2023年2月开始，从零开始做大模型，其难度可想而知，6月29日，美团公告宣布收购光年之外的全部权益，总代价包括现金约2.33亿美元（合人民币16.7亿元）、债务承担约3.67亿元、及现金1元。 “起码要有自然语言处理背景的人，有一定大模型训练实操经验的人，以及数据处理、大规模算力集群等方面的专业人才。如果同时还要做应用，那应该还要有对应领域的产品经理和运营人才。”陈润泽如此描述一个大模型核心团队的标配。大公司的AI赌注过去半年中，老牌互联网大厂们的AI新闻漫天纷飞。对AI大模型的投入，看似是在追热点，但如百度、阿里、华为这样的大公司，在AI上投下的赌注，显然不是跟风。巨头们在AI上的押注很早就已开始，对这些公司来说，AI并不是一个新鲜的话题。虎嗅根据企查查数据不完全统计，各大厂在2018年开始就对人工智能相关的企业有不同程度的投资，从投资企业来看，大多是人工智能应用方面的企业，尽管涉及到一部分AI芯片企业，但是数量并不多，涉及大模型方面的企业几乎没有，并且大厂所投资的人工智能相关的公司大多与其业务息息相关。大厂投资机构投资企业数平均持股比例最高持股比例 100%持股企业数阿里巴巴 23 36.25% 100% 5 百度风投 25 5.50% 15% 0 腾讯投资 54 17.54% 100% 2 三家互联网大厂投资AI相关公司情况｜数据来源：企查查 2017年阿里达摩院成立，研究对象涵盖机器智能、智联网、金融科技等多个产业领域，将人工智能的能力赋能到阿里的各个业务线中。2018年，百度提出了“All in AI”的战略。有所不同的是，生成式AI的出现，似乎是一个转折点。对于拥有数据、算力和算法资源优势的科技巨头来说，人工智能对他们已经不光是赋能场景，而是需要承担基础设施的角色，毕竟，生成式AI的出现，意味着针对人工智能产业的分工已经开始。以百度、阿里、华为、腾讯，四家云供应商为代表的大厂，虽然都宣布了各自的AI策略，但明显各有侧重。在过去的半年时间里，巨头纷纷发布自己的大模型产品。对于百度、阿里这样的大厂来说，他们入局大模型的时间并不算晚，基本在2019年。百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。阿里的通义千问大模型也是始于2019年。除了百度和阿里的通用大模型，6月19日，腾讯云发布了行业大模型的研发进展。7月7日，华为云发布了盘古3.0行业大模型产品。这些侧重也与各家的整体业务，云战略，以及在AI市场里的长期布局有所呼应。百度的主线业务盈利能力在过去的5年中，出现了较大波动。百度很早就看到了基于搜索的广告业务在国内市场中的问题，对此，百度选择了大力投入AI技术寻找新机会。这些年来，百度不仅邀请过吴恩达、陆奇等业界大佬出任高管，在自动驾驶上投入热情也远超其他大厂。如此关注AI的百度，势必会在这波大模型之争里重手投注。阿里对通用大模型同样表现出了极大的热情。一直以来，阿里云一直被寄予厚望，阿里希望走通技术路线创造集团的第二增长曲线。在电商业务竞争日趋激烈，市场增长放缓的大环境下，依云而生的AI产业新机遇，无疑是阿里云在国内云市场上再发力的好机会。相比百度和阿里，腾讯云在大模型方面选择了优先行业大模型，而华为云则公开表示只会关注行业大模型。对于腾讯来说，近年来主营业务增长稳中向好。在通用大模型的前路尚不明朗的阶段，腾讯对于AI大模型的投注相对谨慎。马化腾在此前的财报电话会上谈及大模型时曾表示：“腾讯并不急于把半成品拿出来展示，关键还是要把底层的算法、算力和数据扎扎实实做好，而且更关键的是场景落地。” 另一方面，从腾讯集团的角度看，腾讯目前有4所AI Lab，去年也发布了万亿参数的混元大模型，腾讯云投身行业大模型方面的动作，更像是一种“不把鸡蛋放在同一个篮子里”的投注策略。对于华为来说，一直以来都是重手投注研发，过去10年里华为在研发方面的总投入超过9000亿元。但由于手机业务遇到发展障碍，华为在很多技术研发上的整体策略或也正在面临调整。一方面手机业务是华为C端技术最大的出口，如果手机业务不为通用大模型买单的话，那么华为研发通用大模型的动力就会明显下降。而对于华为来说，把赌注押在能快速落地变现的行业大模型，似乎是这场AI博弈当中的最优解。正如华为云CEO张平安所说“华为没有时间作诗”。不过，对科技巨头来说，无论赌注多大，只要能赌对，就能够先一步抢占基础设施的市场份额，从而在人工智能时代获得话语权。拿着锤子找钉子对于商业公司来说，所有的决策仍然落到经济账上。即便是一笔不小的投入，越来越多有远见的公司创始人也意识到，这是一项未来必须要做的事情，即便前期投入可能完全看不到回报。 AI大模型的研发需要一笔不小的投入，但越来越多企业创始人、投资人都认为，这是一项”必要投入”，即便眼下完全看不到回报。由此，很多在上一波AI浪潮下诞生的人工智能公司，都在沉寂良久之后看到了新的曙光。 “3年前，大家都说GPT-3是通向通用人工智能的可能性。”李志飞在2020年就开始带着一班人马研究GPT-3，彼时出门问问正处在一个发展的转折点，他们希望探索新业务，但经过一段时间的研究之后，李志飞的大模型项目中止了，原因之一是当时模型不够大，另外就是找不到商业落地场景。不过，2022年底ChatGPT问世以后，李志飞仿佛被扎了一剂强心针，因为他和所有人一样，看到了大模型的新机会。今年4月，出门问问发布了自研的大模型产品——序列猴子。眼下，他们准备拿着新发布的大模型“序列猴子”冲刺港交所，出门问问已在5月末递交了招股书。另一家老牌AI公司也在跟进，去年7月，思必驰向科创板递交了IPO申请，在今年5月被上市审核委员会否决。俞凯坦言，就连OpenAI，在GPT2阶段也是用微软的V100训练了将近一年的时间，算力和A100差好几个量级。思必驰在大模型前期积累阶段，也是用更为经济的卡做训练。当然，这需要时间作为代价。相比于自研大模型，一些应用型公司有自己的选择。一家在线教育公司的总裁张望（化名）告诉虎嗅，过去半年，他们在大模型应用场景的探索上不遗余力，但他们很快发现在落地过程中存在诸多问题，例如成本与投入。这家公司的研发团队有50人-60人，开始做大模型研究以来，他们扩充了研发团队，新招了一些大模型方面的人才，张望说，偏底层模型方面的人才很贵。张望从未想过从头开发大模型，考虑到数据安全和模型稳定性等问题，他也不打算直接接入API做应用。他们的做法是参考开源大模型，用自己的数据做训练。这也是很多应用公司目前的做法——在大模型之上，用自己的数据做一个行业小模型。张望他们从70亿参数的模型开始，做到100亿，现在在尝试300亿的模型。但他们也发现，随着数据量增多，大模型训练会出现的情况是，可能新版本不如上一个版本，就要对参数逐一调整，“这也是必须要走的弯路。”张望说。张望告诉虎嗅，他们对于研发团队的要求就是——基于公司的业务探索AI大模型场景。这是一种拿着“锤子”找“钉子”的方法，但并不容易。 “目前最大的难题是找到合适的场景。其实有很多场景，即便用了AI，效果也提升不了太多。”张望说，例如在上课的场景中，可以用AI大模型赋能一些交互模式，包括提醒学员上课功能、回答问题和打标签等，但他们试用了AI大模型之后，发现精准度不行，理解能力和输出能力并不理想。张望的团队尝试过一段时间后，决定在这个场景里暂时放弃AI。另一家互联网服务商小鹅通，也在AI大模型爆发后第一时间开展了相关业务的探索。小鹅通的主要业务是为线上商家提供数字化运营工具，包括营销、客户管理以及商业变现。小鹅通联合创始人兼COO樊晓星告诉虎嗅，今年4月，当越来越多的应用基于生成式AI诞生时，小鹅通看到了这个技术背后的潜力，“例如MidJourney，生成式AI对于设计图像生成方面的提效确实有目共睹。”樊晓星她们在内部专门组织了AI研究的业务线，寻找与自身业务相关的落地案例。樊晓星说，在将大模型接入业务的过程中，她所考虑的就是成本和效率，“大模型的投入成本还是蛮高的。”她说。互联网行业的“钉子”算是好找的，AI落地真正的难点还是在工业、制造这样的实体产业。俞凯告诉虎嗅，这一波AI浪潮仍然是螺旋式上升、波浪式前进，在产业落地上面的矛盾一点都没变化，只是换了一个套壳而已。所以从这个意义上看，这两次AI浪潮的规律是相同的，最好的办法就是学习历史——“上一波AI浪潮的教训，这次就别再犯了。” 虽然很多厂商在AI大模型的落地方面都喊出了“产业先行”的口号，但很多实体产业的场景真的很难与目前的AI大模型相匹配。比如在一些工业检测场景应用的AI视觉检测系统，即便对AI模型的需求没有高到10亿参数的量级，但初期的训练数据仍然捉襟见肘。以一个简单的风电巡检场景为例，一个风场的巡检量达到七万台次，但同样的裂痕数据，可能只会出现一次，机器可以学习的数据量是远远不够的。扩博智能风电硬件产品总监柯亮告诉虎嗅，目前风机叶片的巡检机器人还做不到100%的精确分析叶片裂痕，因为可供训练和分析的数据量太小了，要形成可靠的全自动巡检和识别，还需要大量的数据积累和人工分析。不过，在工业数据积累较好的场景中，AI大模型已经可以做到辅助管理复杂的三维模型零件库了。国内某飞机制造企业的零件库就已经落地了一款基于第四范式“式说”大模型的零件库辅助工具。可以在十万余个三维建模零件中，通过自然语言实现三维模型搜索，以三维模型搜三维模型，甚至还能完成三维模型的自动装配。这些功能，在很多卡住制造业脖子的CAD、CAE工具中都需要经过多步操作才能完成。今天的大模型和几年前的AI一样面临落地难题，一样要拿着锤子找钉子。有人乐观地相信，今天的锤子和过去完全不一样了，但到了真金白银地为AI付费时，结果却有些不同。彭博社在7月30日发布的Markets Live Pulse调查显示，在514名受调投资者中，约77%的人计划在未来六个月内增加或保持对科技股的投资，且只有不到10%的投资者认为科技行业面临严重的泡沫危机。然而这些看好科技行业发展的投资者中，却只有一半人对AI技术持开放的接受态度。 50.2%的受访者表示，目前还不打算为购买AI工具付费，多数投资公司也没有计划将AI大范围应用到交易或投资中。卖铲子的人 “如果你在1848年的淘金热潮里去加州淘金，一大堆人会死掉，但卖勺子和铲子的人，永远可以赚钱。”陆奇在一次演讲时说。高峰（化名）想当这样的“卖铲子的人”，准确地说，是能够“在中国卖好铲子的人”。作为一名芯片研究者，高峰大部分科研时间都在AI芯片上。过去一两个月，他感到了一种急迫性——他想做一家基于RISC-V架构的CPU公司。在一家茶室，高峰向虎嗅描绘了未来的图景。然而，要从头开始做AI芯片，无论是在芯片界，还是在科技圈，都像是一个“天方夜谭”。当AI大模型的飞轮飞速启动时，背后的算力逐渐开始跟不上这一赛道中玩家的步伐了。暴涨的算力需求，使英伟达成了最大的赢家。但GPU并非解决算力的全部。CPU、GPU，以及各种创新的AI芯片，组成了大模型的主要算力提供中心。 “你可以把CPU比喻为市区，GPU就是开发的郊区。”高峰说，CPU和AI芯片之间，需要通过一个叫做PCIE的通道连接，数据传给AI芯片，然后AI芯片再把数据回传给CPU。如果大模型的数据量变大，一条通道就会变得拥挤，速度就上不去，因此需要拓宽这条路，而只有CPU能够决定这条通路的宽窄，需要设置几车道。这意味着，中国在大模型上，即便突破了AI芯片，仍有最关键的CPU难以破局。哪怕是在AI训练上，越来越多的任务可以被指派给GPU承担，但CPU依旧是最关键的“管理者”角色。 2023WAIC大模型展区展出的部分国产芯片自1971年英特尔造出世界上第一块CPU至今50余年，在民用服务器、PC市场，早已是英特尔和AMD的天下，英特尔更是建立起涵盖知识产权、技术积累、规模成本、软件生态于一体的整个商业模式壁垒，且这种壁垒从未衰退。要完全抛开X86架构和ARM架构，基于一个全新架构研发完全自主的CPU芯片，可以说是“九十九死一生”，基于MIPS指令集的龙芯，在这条路上走了20多年，更不用说是 RISC-V这样未被充分开垦和验证过的开源架构。指令集，就像一块块土地，基于指令集开发芯片，就相当于是买地盖房子。X86的架构是闭源的，只允许Intel生态的芯片，ARM的架构需要支付IP授权费，而RISC-V是免费的开源架构。产业界和学术界已经看到了这样的机会。 2010年，加州伯克利两位教授的研究团队从零开始开发了一个全新的指令集，就是RISC-V，这个指令集完全开源，他们认为CPU的指令集不应该属于任何一家公司。 “RISC-V或许是中国CPU的一道曙光。”高峰说。2018年，他在院所孵化了一家AI芯片公司，彼时他表示，自己不想错过 AI浪潮发展的机会，这一次，他依然想抓住，而这个切入点，就是RISC-V。在大模型以及如今国产替代的时代，这个需求显得更为紧迫，毕竟，极端地考虑一下，如果有一天，中国公司用不了A100了，又该怎么办。 “如果要取代ARM和X86，RISC-V的CPU需要性能更强，也需要和Linux上做商业操作系统的人参与到代码的开发中。”高峰说。高峰不是第一个意识到这个机会的人，一位芯片行业投资人告诉虎嗅，他曾与一家芯片创业公司创始人聊起，用RISC-V的架构去做GPU的机会。如今，在中国已有一些基于RISC-V架构做GPU的公司，但生态依旧是他们面临的最大的问题。 “Linux已经示范了这条路是可以走通的。”高峰说，在Linux这套开源操作系统中，诞生了红帽这样的开源公司，如今许多云服务都建立在Linux系统上。“需要足够多的开发者。”高峰提出了一个方法。这条路很难，但走通了，将是一条光明的道路。飞轮转得太快了大模型的“应激反应”下，感到急迫的不光是高峰。国内某AI大模型公司联创告诉虎嗅，今年初他们也曾短暂上线过一款对话大模型，但随着ChatGPT的升温，有关部门提高了对大模型安全性的重视，并对他们提出了很多整改要求。 “在没有特别明确的监管政策出来之前，我们不会轻易把产品开放给普通用户，主要还是To B的逻辑。”左手医生CEO张超认为，在《管理办法》出台之前，贸然将生成式AI产品开放给C端用户，风险很大。“现阶段，我们一方面在持续迭代优化，另外一方面也在持续关注政策、法规，保证技术的安全性。” “生成式AI的监管办法还不明确，大模型公司的产品和服务普遍很低调。”一家数字化技术供应商，在6月发布了一款基于某云厂商通用大模型开发的应用产品，在发布会上，该公司技术负责人向虎嗅表示，他们被这家云厂商要求严格保密，如果透露使用了谁的大模型，他们会被视为违约。而对于为何要对案例保密，这位负责人分析，可能很大一部分原因是要规避监管风险。在全球都对AI提高警惕的当下，任何市场都不能接受监管的“真空期”。 7月13日，网信办等七个部门正式发布了《生成式人工智能服务管理暂行办法》（下文简称“《管理办法》”），该办法自2023年8月15日起施行。 “《管理办法》出台后，政策会从问题导向转为目标导向发展就是我们的目标。”观韬中茂律师事务所合伙人王渝伟认为，新规是重“疏”而不重“堵”。浏览美国的风险管理库，是王渝伟每天必需的功课，“我们正在为利用GPT等大模型进行细分行业的商业应用提供风控合规的方案，建立一套合规治理框架。”王渝伟说。美国的AI巨头们正排着队向国会表忠心。7月21日，谷歌、OpenAI、微软、Meta、亚马逊、AI创业公司Inflection、Anthropic，七家最具影响力的美国AI公司，就在白宫签署了一份自愿承诺。保证在向公众发布AI系统前允许独立安全专家测试他们的系统。并与政府和学术界分享有关他们系统安全的数据。他们还将开发系统，当图像、视频或文本是由AI生成时向公众发出警告，采用的方法是“加水印”。 7家美国AI巨头排代表在白宫签署AI承诺此前，美国国会听证会上，OpenAI的创始人山姆·奥特曼表示，需要为人工智能模型创建一套安全标准，包括评估其危险能力。例如，模型必须通过某些安全测试，例如它们是否可以“自我复制”和“渗透到野外”。或许山姆·奥特曼自身也没有想到，AI的飞轮会转得这么快，甚至有失控的风险。 “我们一开始还没有意识到这件事情这么紧迫。”王渝伟说，直到上门来咨询的公司创始人越来越多。他感到，这一次的人工智能浪潮正在发生与过去截然不同的变化。今年年初，一家最早接入大模型的文生图公司找到王渝伟，这家公司希望把自己的业务引入中国，因此，他们想了解这方面的数据合规业务。紧接着，王渝伟发现，这类的咨询越来越多，更明显的变化是，前来咨询的不再是公司的法务，而是创始人。“生成式AI的出现，原有的监管逻辑已经很难适用。”王渝伟说。从事大数据法律工作多年的王渝伟发现，生成式AI与上一波AI浪潮正在呈现更加底层的变化。例如，上一次的AI更多是基于算法进行推荐，还有就是一些人脸识别，都是针对一个场景，针对一些小模型，在具体应用场景当中进行训练，涉及的法律问题不外乎知识产权、隐私保护的问题。而在这个生成式AI生态之上的不同角色，例如提供底层大模型的公司，在大模型之上接入做应用的公司，存储数据的云厂商等，对应的监管都不尽相同。目前大模型所带来的伴生风险已经有了共识，业界明白，商业化应用势必会放大这种风险，要想保持业务的连续性，就需要重视监管。难点就是，“如何找到一条既能做好监管，又能不影响行业发展的路径。”王渝伟说。结语对于整个行业来说，在对技术加深探讨的同时，也正在引发更为深远的思考。在AI逐渐占据科技产业的主导地位之时，要如何确保技术的公正、公平和透明性？当头部公司紧紧掌控技术和资金流向时，如何确保中小企业和初创公司不被边缘化？大模型的开发和应用蕴含巨大潜力，但盲目跟风是否会导致我们忽视其他创新技术？ “从短期来看AI大模型正在被严重高估。但从长期看，AI大模型被严重低估了。” 半年时间里，AI热浪翻涌。然而对于中国的创业公司和科技巨头来说，在热炒的市场氛围中，如何保持清醒的判断，做出长远的规划和投资，将是检验其真正实力和远见的关键。来源：金色财经

金色财经2023-08-04

Amazon2023年Q2业绩电话会高管解读财报

到兴奋，可以训练大型模型并开发生成式 AI 应用程序。然而，迄今为止，市场上只有一种适合所有人的可行选择，而且供应一直稀缺。再加上我们在过去几年中积累的芯片专业知识，促使我们几年前开始开发自己的定制人工智能芯片，用于训练（称为 Trainium）和推理（称为 Inferentia），它们已经是第二个版本，并且是一个非常好的解决方案。为构建和运行大型语言模型的客户提供有吸引力的性价比选项。我们乐观地认为，未来大量大型语言模型训练和推理将在 AWS 的 Trainium 和 Inferentia 芯片上运行。我们将中间层视为大型语言模型即服务。退一步来说，开发这些大型语言模型需要数十亿美元和多年的开发时间。大多数公司告诉我们，他们不想消耗这些资源来进行自己的建设。相反，他们希望访问这些大型语言模型，希望使用自己的数据对其进行自定义，而不会将其专有数据泄露到通用模型中，让 AWS 中的所有安全、隐私和平台功能与这个新的增强模型一起使用，然后拥有它全部包含在托管服务中。这就是我们的服务 Bedrock 所做的，它为客户提供所有上述功能，不仅仅是一种大型语言模型，还可以访问来自多个领先的大型语言模型公司的模型，例如 Anthropic、Stability AI、AI21 Labs、Cohere 和 Amazon 自己开发的大型语言模型称为泰坦。Bridgewater Associates、Coda、Lonely Planet、Omnicom、3M、Ryanair、Showpad 和 Travelers 等客户正在使用 Amazon Bedrock 创建生成式 AI 应用程序。我们最近刚刚宣布了 Bedrock 的新功能，包括 Cohere 的新模型、Anthropic 的 Claude 2 和 Stability AI 的 Stable Diffusion XL 1。如果你考虑一下我谈到的前两层，我们正在做的就是使生成式人工智能的访问民主化，降低训练和运行模型的成本，允许访问大型语言模型而不是只有一种选择，使各种规模和技术头脑的公司能够更轻松地定制自己的大型语言模型，并以安全和企业级的方式构建生成式 AI 应用程序，这些都是让每个人都可以使用生成式 AI 的一部分，而且 AWS 拥有这些功能过去 17 年来一直致力于技术基础设施建设。然后，顶层是很多宣传和注意力集中的地方，这些是在这些大型语言模型之上运行的实际应用程序。正如我提到的，ChatGPT 就是一个例子。我们相信早期引人注目的生成人工智能应用程序之一是编码伴侣。这就是我们构建 Amazon CodeWhisperer 的原因，它是一个人工智能驱动的编码伴侣，它可以直接在代码编辑器中推荐代码片段，从而提高开发人员编码时的工作效率。这是一个非常强劲的开端，并改变了开发人员生产力方面的游戏规则。在亚马逊内部，我们的每个团队都致力于构建生成式人工智能应用程序，以重塑和增强客户体验。不过，虽然我们将自己构建许多此类应用程序，但大多数应用程序将由其他公司构建，而且我们乐观地认为，其中最大数量将构建在 AWS 上。请记住，人工智能的核心是数据。人们希望将生成式人工智能模型引入数据，而不是相反。 AWS 不仅为客户提供最广泛的存储、数据库、分析和数据管理服务，而且还拥有比其他任何公司都多的客户和数据存储。再加上在生成式 AI 堆栈的这 3 层为客户提供无与伦比的选择，以及企业放心将生成式 AI 应用程序投入生产所需的 Bedrock 企业级安全性，我们认为 AWS 有望成为客户的长期选择生成人工智能领域的首选合作伙伴。我们还在构建新的客户体验方面继续取得有意义的进展，这些体验可以有意义地改变客户在我们业务中的长期发展。Amazon Business 是我们增长最快的产品之一，年销售总额达 350 亿美元。该团队正在努力进一步构建企业客户所需的选择、价值、便利性和功能。通过 Prime 购买继续取得很大进展。在早期试验中，使用 Buy with Prime 的商家发现他们的购物者转化率平均提高了 25%，这对他们的业务产生了真正的影响。此外，参与 Prime Day 活动的商家在销售活动期间的每日“Prime 购买”订单数量与我们宣布 Prime Day 之前的一个月相比总体增加了 10 倍。坦率地说，我们决定在医疗保健市场领域进行大量投资只是在很短的时间内。我们之前尝试的很多都是较小的实验。但我们很高兴看到 Amazon Pharmacy 的活跃客户在过去一年翻了一番，而且我们很高兴看到 RxPass 的反响，RxPass 使 Prime 会员每月仅需 5 美元即可获得所有符合条件的仿制药，并且免费送货到他们家门口。One Medical 加入亚马逊仅几个月，我们也对在那里看到的情况感到鼓舞。我们的杂货业务持续增长。我们在消费品、宠物食品、美容品和罐头食品等非温控领域已经拥有非常庞大的业务，随着我们不断提高速度和降低服务成本，这些业务不断增长，这使我们能够更有效地销售更多商品。全食超市继续引领有机杂货领域，正在健康增长，并在去年显着提高了盈利能力。我们对全食超市的情况感到满意。正如我之前所分享的，我们正在为我们的大众实体店产品亚马逊生鲜开发新的格式，显着增加了关键业务投入的数量，并刚刚在商店中推出了新概念。我们还看到 Kuiper、Zoox 和 Alexa 等其他领域的重大创新和进步。我们对许多技术发明的投资仍处于相对早期阶段，这些技术发明正在改变这些领域为客户提供的服务，但它们是我们仍然乐观的长期机遇。最后，我想对我们的团队在 LinkedIn 的美国职业发展最佳公司中排名第一表示认可。这证明了我们致力于成为一家拥有领先薪酬福利和提升技能机会的优秀雇主。有了这个，我会把它交给布莱恩。布赖恩·奥尔萨夫斯基正如 Andy 提到的，我们的全球收入达到 1,344 亿美元，同比增长 11%，高于我们指导范围的上限。我们对报告的收入强劲感到鼓舞，这再次证明我们对价格、选择和便利性的关注继续引起客户的共鸣。我们继续看到日常必需品以及美容、健康和个人护理等类别的健康需求，并且看到客户对我们网站和移动应用程序的个性化改进和增强做出了积极的反应。在本季度，我们还看到北美和国际部门的宏观经济指标有所改善，但仍然看到客户降价并寻求购买价值。交付速度一直是过去几个季度的重点关注领域，我们在第二季度达到了创纪录的水平。Prime 会员喜欢更快的船速并且更频繁地购物。广告收入依然强劲，同比增长 22%。我们基于效果的广告产品仍然是我们增长的最大贡献者。我们的团队致力于利用机器学习来提高向客户展示的广告的相关性，并提高我们衡量品牌广告支出回报的能力。本季度第三方单位组合增加至 60%，这是我们所见过的最高水平，而且我们继续看到卖家数量和每个卖家销售的单位的良好增长。我们在提高全球商店盈利能力方面正在稳步取得进展。自北美分部营业利润率于 2022 年第一季度触底以来，我们已连续 5 个季度实现改善，第二季度营业利润率为 3.9%。这比过去 5 个季度提高了 620 个基点。商店业务营业收入改善的最大推动力之一是降低我们的服务成本，运输成本和履行成本的增长速度持续低于我们的单位增长速度。最近，区域化是一个重要的贡献者。更好的网络连接和更好的库存布局带来更快的交付速度，意味着更少的行驶里程和更少的接触，从而降低成本。虽然我们对所取得的进展感到满意，但我们看到了未来推动提高成本效率的更多机会。转向国际市场。自去年第三季度我们的营业利润率亏损触底以来，我们已经连续三个季度有所改善，第二季度利润率亏损为负3%。这比过去 3 个季度提高了 590 个基点。这个部分还包括我们的新兴国家。重要的是要记住我们在其中一些市场上的发展有多早。在过去 6 年里，我们已在 10 多个国家/地区推出了产品，并且始终在评估我们的客户体验以及我们的盈利之路，我们喜欢我们所走的道路。提醒一下，我们花了 9 年时间才在美国实现盈利。此外，在我们的北美和国际业绩中，通胀阻力也继续缓解，尤其是在燃油价格、长途运输费率、海运和铁路费率方面。迁移到 AWS。收入同比增长 12%，第二季度增长率趋于稳定。我们对客户渠道的实力感到鼓舞，并相信拥有一个大部分经过成本优化的庞大多元化客户群将为我们未来的增长奠定良好的基础。过去 12 个月的基础上，自由现金流为正，并且在连续第四季度有所改善。我们的财务重点仍然是推动长期可持续的自由现金流。最近自由现金流改善的最大驱动力是我们营业收入的增加，尤其是在北美和国际市场，正如我所说，我们在履行网络生产力和营业杠杆方面取得了有意义的进步，并受益于业务的放缓通胀压力。我们还看到营运资本对自由现金流的贡献有所改善。在过去的几年里，面对供应链中断，我们的营运资金效率一直不及我们维持较高周数的库存。最近，随着这些干扰的持续缓解，我们正在提高库存效率，从而改善我们的营运资金。我们将继续关注未来自由现金流的持续改善。接下来，让我们转向我们的资本投资。我们将资本投资定义为资本支出加上设备融资租赁的组合。截至 6 月 30 日的过去 12 个月期间，这些投资为 540 亿美元，低于去年同期的 610 亿美元。展望 2023 年全年，我们预计资本投资将略高于 500 亿美元，而 2022 年为 590 亿美元。我们预计履行和运输资本支出将同比下降，部分被支持增长的基础设施资本支出增加所抵消我们的 AWS 业务，包括与生成人工智能和大型语言模型工作相关的额外投资。接下来，让我们继续回答您的问题。

老虎证券2023-08-04

招商证券：传媒板块调整较为充分建议关注各细分板块龙头

漫山遍野，AI大趋势不可阻挡，传媒作为AI应用主力板块，接近40天的调整已经较为充分，预计反弹正在临近，需要耐心和等待。

金融界2023-08-03

AMD 2023Q2业绩电话会议记录

00 时，早期的结果是很强劲的。对于AI应用，我们现在看到的是MI300X。因此，我们将其称为仅 GPU 版本，这是 AI 客户参与中最普遍的版本。但实际上，我们对 MI300A 的 CPU 和 GPU 更紧密地结合在一起也很感兴趣。所以，我认为关键是我们已经构建了一个平台，允许人们选择最适合他们想要启用的模型和工作负载的平台。这就是我们正在努力的方向。克里斯托弗·罗兰伟大的。那么，作为快速跟进，锡耶纳电信是您的竞争对手拥有的一个市场。他们有很多围绕电信公司的软件。您认为未来几年您可以从他们那里获得电信市场多少份额？苏姿丰是的，我们对锡耶纳感到很兴奋。我认为锡耶纳再次适合。正如你所说，这是一个我们以前没有关注过的利基市场。我认为我们与电信供应商的互动是他们渴望让锡耶纳成为他们投资组合的一部分。Siena 也是我们将用于其他边缘应用程序的一个，或者我们将其称为需要 Zen 4 性能的低端应用程序，但可能不是我们在 Genoa 和 Bergamo 上拥有的重型平台。所以，我们确实认为我们是从一个非常低的点开始的。因此，未来几年有机会获得份额，我们将重点关注这一点。克里斯·丹尼利嘿，团队。谢谢你的邀请。Lisa，如果 MI250、300 等产品增长或者收入主要来自 GPU，这会对 AMD 毛利率产生什么样的影响？这对您的公司毛利率仍然是毛利率增值、稀释还是净中性？苏姿丰是的，谢谢克里斯。让我确保我清楚地表达了这一点。因此，MI300A 和 MI300X 都将成为升级的一部分，特别是在第四季度。当我们进入明年的人工智能特定应用程序时，我们更看重 MI300X，只是考虑到软件的编写位置。至于你关于企业层面毛利率的问题，我们预计我们的人工智能业务将增加企业层面的毛利率。显然，当你开始提升时，需要一些学习，但总的来说，我们预计它会增加我们公司的毛利率。克里斯·丹尼利伟大的。然后，从我刚刚的后续行动来看——我想澄清一下，所以听起来你现在在料斗中的大部分 MI 收入（至少承诺收入）都是 LCAP，是真的吗？我想，您是否还有其他已确认或硬性订单，或者只是花一些时间告诉我们您如何与客户合作，或者他们需要什么才能从“嘿，我们感兴趣”，到“这是采购订单？” 苏姿丰是的。因此，如果您的问题是，除了 LCAP 之外，我们是否还有其他致力于使用 MI300 的客户，答案是肯定的。我们有许多真正忠诚的客户。这些事情的发展方式实际上与服务器斜坡的发展方式没有什么不同，没有太大不同，对吧？我的意思是，从初始部署开始，确保软件正常运行，确保我们在数据中心拥有所有的可靠性和功能，然后他们会从此开始逐步发展。我想说的是，我认为人工智能部署的不同之处在于，客户愿意非常快地部署。这是一种渴望和敏捷性，因为我们都希望加速现有的人工智能计算量。因此，客户参与和客户做出决策的速度实际上比正常情况下要快，某种常规环境。那太好了。正如我之前所说，我认为这正在帮助我们学习、完善软件，为明年的大幅增长提供所有功能。库马尔是的，嘿，伙计们。谢谢你让我问这个问题。丽莎，我们期待贵公司迎来激动人心的下半年。我有一个关于服务器共享的快速问题。您认为AMD能获得的份额有理论上的限制吗？从历史上看，最初我们听说 80/20 是一个普遍的规则，然后你就突破了这个规则。现在我们听到客户说 70/30 更合适。更重要的是，您的服务器业务是否有大型供应商，您的份额明显超过 30%，比如说 40% 甚至 50%？我有一个后续行动。苏姿丰是的，当然，严厉。谢谢你的提问。看，在服务器业务中，我认为对我们的客户来说最重要的是我们有一个强大的路线图，而且这是一个他们可以信赖的路线图。在过去的四五年里，我们一直在建立这种工作模式、路线图和信任。因此，我认为 AMD 的份额没有任何理论上的上限。我想说的是，如果我们今天看看，有多个客户在他们的数据中心部署了我们，所占份额超过 50%。从我们的角度来看，我们可能代表性不足的地方是企业。这只是企业客户的广度和企业软件的广度的问题。所以，我们相信我们今天拥有领导力，而且我们非常、非常注重确保我们继续保持市场领先地位。这样，就有机会继续获得服务器市场份额。库马尔谢谢你，丽莎。关于我的第二个问题，您能否帮助我们思考一下生成式人工智能的支出，比方说，如果您可以侧按某种指标，那么，您今天从客户那里看到在生成式人工智能上的支出是多少美元假设常规服务器 CPU 的每一美元花费是多少？我们能想到一个衡量标准吗？今天有趋势吗？您认为几年后它会发展到什么程度？苏姿丰是的。我认为，严厉，这是回答这个问题的最好方法，再说一遍，我们都在水晶球上预测未来四五年会发生什么。毫无疑问，对生成式人工智能解决方案的需求非常高，并且需要投入大量的计算能力。我们衡量市场规模的方式是，它可能会以 50 的速度增长未来三四年的复合年增长率百分比正负。因此，到 2027 年，这将使我们达到 1500 亿美元。现在，这就是数据中心的所有加速器，包括 GPU、其他 ASIC 和其他加速器。但我认为我们有机会占领该市场的很大一部分。因此，这对我们来说是非常明确的优先事项。这是我们的首要战略重点，操作员女士们先生们，此时您可以断开线路。感谢您的参与。

老虎证券2023-08-02

24小时热点