FX168财经网_全球视野外汇黄金加密货币NFT资讯网

知乎办首届AI先行者沙龙，“华为天才少年”李博杰将作主题分享

请到了零一万物黄文灏、通义千问林俊旸、HuggingFace王铁震、新浪微博张俊林，一同激辩行业生态。另一场“AI落地进行时，让创新真正触手可及”邀请到了兔展智能董应赛、网易伏羲游戏李乐、WPS汪大炜、WeShop吴海波，就AI应用落地最后一公里带来深度讨论。除了以上交流分享，知乎还把社区内火爆的「AI 文艺复兴大赛」的佳作搬到了线下，展现 AI 技术在艺术创作中的强大潜力。 2023年是大模型元年，知乎率先发布自研大模型“知海图AI”，是中国最早发布大模型的科技公司之一。并且，“知海图AI”已获批面向公众服务，“智能标题”功能已于11月正式在知乎上线。除了积极投身大模型事业，知乎也是AI从业者和创业者密度最高的社区。不仅有大量研究者在知乎分享关于大模型的科普，众多创业者也在知乎交流经验和见解。知乎创始人、CEO周源曾表示：AI将赋能于人，是人类能力的扩增。早在2018年，知乎就提出了“智能社区”的概念，AI带来的技术红利将带领知乎持续进化，起于社区而不止于社区。

金融界2023-12-30

AI叙事火热寻找AI与加密交汇的潜力项目

、模型支持（scikit-learn、HuggingFace）、验证（零知识证明、Optimistic 欺诈）证明、各种开源 zk 库）、数据托管和出处等等。通过灵活应用 Infernet SDK，开发者可以将人工智能模型集成到用户自己的协议、应用程序或智能合约中。使开发者能够使用加密方案对模型进行微调、货币化和推理等。来源：金色财经

金色财经2023-12-07

百川智能通过生成式人工智能备案今日起开放公众服务

chuan-7B/13B两款开源模型在Huggingface下载量已突破三百万。 2023年8月8日，发布参数量530亿的大语言模型Baichuan-53B，在知识性上表现优异，擅长知识问答、文本创作等领域。

金融界2023-08-31

IOSG Ventures：LLM赋能区块链开启链上体验新纪元

越的结果。虽然数据丰富可得，但在类似 HuggingFace 等平台上明显缺乏开放数据集的。目前，只有一个与智能合约相关的数据集，其中包含 11.3 万个智能合约。开发者还面临将不同工具整合到 LLM 中的挑战。这些工具与 Web2 中使用的工具不同，它们赋予 LLM 访问与交易相关的数据、与去中心化应用（Dapp）互动以及执行交易的能力。到目前为止，我们还没有在 Langchain 中找到任何 Dapp 的集成。尽管开发高质量的加密 LLM 应用可能需要额外的投入，但 LLM 天然适合加密领域。这个领域提供了丰富的、干净的、结构化的数据。再加上 Solidity 代码通常简洁明了，这使得 LLM 更容易生成功能性的代码。在《下部》中，我们将讨论 LLM 可以帮助区块链领域的 8 个潜在方向，如：将内置的人工智能 /LLM 功能集成到区块链中使用 LLM 分析交易记录使用 LLM 识别潜在的机器人使用 LLM 编写代码使用 LLM 阅读代码使用 LLM 帮助社区使用 LLM 跟踪市场使用 LLM 分析项目敬请期待！来源：金色财经

金色财经2023-08-08

成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？

MosaicML的MPT系列模型是从HuggingFace PretrainedModel基类中子类化的，与HuggingFace生态系统完全兼容。MPT-7B模型是MosaicML最受欢迎的模型之一，拥有数十亿个参数，可以处理超过2,000种自然语言处理任务。其中，MPT-7B的优化层包括FlashAttention和低精度层范数等，可以让该模型比传统训练方法快2-7倍，资源的近线性可伸缩性确保了具有数十亿参数的模型可以在几小时内训练，而不是过去的几天。MosaicML还发布了新的可商用的开源大语言模型MPT-30B，拥有300亿参数，并且性能优于GPT-3。数据来源：MT-Bench对MosaicML主流模型进行的评估 MPT系列模型的优势在于它们的高效性和低成本。使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而MosaicML的MPT系列模型可以让企业以更低的成本和更高的效率训练自己的语言模型，从而可以更轻松地应用生成式AI技术，实现更好的业务表现。大多数开源语言模型只能处理最多具有几千个tokens的序列（参见图 1）。但是，借助 MosaicML 平台和 8xA100-40GB 的单个节点，用户可以轻松微调 MPT-7B 以处理高达 65k 的上下文长度。处理这种极端上下文长度适应的能力来自ALiBi，这是MPT-7B中的关键架构选择之一。例如，《了不起的盖茨比》的全文不到68k个Token。在一个测试中，模型StoryWriter阅读了《了不起的盖茨比》并生成了一个尾声。模型生成的尾声之一如图 2 所示。StoryWriter在大约20秒内（每分钟约15万字）读完了《了不起的盖茨比》。由于序列长度较长，其“打字”速度比其他MPT-7B型号慢，每分钟约105个单词。尽管 StoryWriter 的上下文长度为 65k 进行了微调，但 ALiBi 使模型能够推断出比训练更长的输入：在《了不起的盖茨比》的情况下为 68k 个Token，在测试中高达 84k 个标记。图2：MPT-7B-StoryWriter-65k+ 为《了不起的盖茨比》写了尾声。尾声的结果是提供《了不起的盖茨比》的全文（大约 68k 个Token）作为模型的输入，后跟“尾声”一词，并允许模型继续生成。生成式AI技术的普及生成式AI技术是人工智能的一种分支，它利用大量的数据和深度学习算法，能够自动生成原始文本、图像和计算机代码等内容。这种技术的出现，让人们可以更加便捷地处理数据、分析数据，更好地服务于人类的需求。随着大数据和人工智能技术的快速发展，生成式AI技术已经被广泛应用于自然语言处理、图像识别和虚拟现实等领域。例如，在自然语言处理领域中，GPT-4已经成为了最受欢迎的生成式AI模型之一，可以用于生成文章、翻译语言和回答问题等任务。在图像识别领域，StyleGAN2能够生成高质量的图像，可以用于游戏开发、影视制作和虚拟现实等领域。 MosaicML的CEO Naveen Rao此前曾表示，自 2018 年以来，使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而此次收购之后，Databricks的Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式AI模型的训练和构建，在让用户拥有数据的控制权和所有权的情况下，可以进行自定义 AI 模型开发。根据Databricks的相关说法，在 Databricks 和 MosaicML的平台和技术支持下，企业训练和使用 LLMs 的成本将显著降低，预计可以降至数千美元左右。这为生成式AI的普及提供了便利。 Databricks收购MosaicML的意义 Databricks收购MosaicML的主要目的是加速生成式AI技术的发展和民主化。通过将两家公司的技术和资源整合起来，Databricks可以更好地满足客户的需求，提供更高效、更便捷的解决方案。具体而言，该收购将带来以下几个方面的改变： 1. 更高效的大语言模型 Databricks收购MosaicML后，可以将MPT系列模型集成到其Lakehouse平台中，为客户提供更高效、更低成本的大语言模型。这将有助于企业更好地处理自然语言处理任务，提高业务效率和准确性。 2.更快的模型训练速度 MosaicML的MPT系列模型具有快速训练的特点，这将有助于Databricks提供更快速的模型训练服务。这对于需要快速响应市场需求的企业来说尤为重要，可以帮助他们更好地满足客户的需求。 3. 更高的民主化程度 Databricks收购MosaicML也意味着生成式AI技术的民主化程度将会进一步提高。MosaicML的MPT系列模型可以让中小型企业更轻松地训练自己的语言模型，从而可以更好地应用生成式AI技术，实现更好的业务表现。这将有助于推动生成式AI技术的发展和应用，促进人工智能技术的普及和发展。总结生成式人工智能应用程序旨在根据用户的自然语言提示生成原始文本、图像和计算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，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？

MosaicML的MPT系列模型是从HuggingFace PretrainedModel基类中子类化的，与HuggingFace生态系统完全兼容。MPT-7B模型是MosaicML最受欢迎的模型之一，拥有数十亿个参数，可以处理超过2,000种自然语言处理任务。其中，MPT-7B的优化层包括FlashAttention和低精度层范数等，可以让该模型比传统训练方法快2-7倍，资源的近线性可伸缩性确保了具有数十亿参数的模型可以在几小时内训练，而不是过去的几天。MosaicML还发布了新的可商用的开源大语言模型MPT-30B，拥有300亿参数，并且性能优于GPT-3。数据来源：MT-Bench对MosaicML主流模型进行的评估 MPT系列模型的优势在于它们的高效性和低成本。使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而MosaicML的MPT系列模型可以让企业以更低的成本和更高的效率训练自己的语言模型，从而可以更轻松地应用生成式AI技术，实现更好的业务表现。大多数开源语言模型只能处理最多具有几千个tokens的序列（参见图 1）。但是，借助 MosaicML 平台和 8xA100-40GB 的单个节点，用户可以轻松微调 MPT-7B 以处理高达 65k 的上下文长度。处理这种极端上下文长度适应的能力来自ALiBi，这是MPT-7B中的关键架构选择之一。例如，《了不起的盖茨比》的全文不到68k个Token。在一个测试中，模型StoryWriter阅读了《了不起的盖茨比》并生成了一个尾声。模型生成的尾声之一如图 2 所示。StoryWriter在大约20秒内（每分钟约15万字）读完了《了不起的盖茨比》。由于序列长度较长，其“打字”速度比其他MPT-7B型号慢，每分钟约105个单词。尽管 StoryWriter 的上下文长度为 65k 进行了微调，但 ALiBi 使模型能够推断出比训练更长的输入：在《了不起的盖茨比》的情况下为 68k 个Token，在测试中高达 84k 个标记。图2：MPT-7B-StoryWriter-65k+ 为《了不起的盖茨比》写了尾声。尾声的结果是提供《了不起的盖茨比》的全文（大约 68k 个Token）作为模型的输入，后跟“尾声”一词，并允许模型继续生成。生成式AI技术的普及生成式AI技术是人工智能的一种分支，它利用大量的数据和深度学习算法，能够自动生成原始文本、图像和计算机代码等内容。这种技术的出现，让人们可以更加便捷地处理数据、分析数据，更好地服务于人类的需求。随着大数据和人工智能技术的快速发展，生成式AI技术已经被广泛应用于自然语言处理、图像识别和虚拟现实等领域。例如，在自然语言处理领域中，GPT-4已经成为了最受欢迎的生成式AI模型之一，可以用于生成文章、翻译语言和回答问题等任务。在图像识别领域，StyleGAN2能够生成高质量的图像，可以用于游戏开发、影视制作和虚拟现实等领域。 MosaicML的CEO Naveen Rao此前曾表示，自 2018 年以来，使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而此次收购之后，Databricks的Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式AI模型的训练和构建，在让用户拥有数据的控制权和所有权的情况下，可以进行自定义 AI 模型开发。根据Databricks的相关说法，在 Databricks 和 MosaicML的平台和技术支持下，企业训练和使用 LLMs 的成本将显著降低，预计可以降至数千美元左右。这为生成式AI的普及提供了便利。 Databricks收购MosaicML的意义 Databricks收购MosaicML的主要目的是加速生成式AI技术的发展和民主化。通过将两家公司的技术和资源整合起来，Databricks可以更好地满足客户的需求，提供更高效、更便捷的解决方案。具体而言，该收购将带来以下几个方面的改变： 1. 更高效的大语言模型 Databricks收购MosaicML后，可以将MPT系列模型集成到其Lakehouse平台中，为客户提供更高效、更低成本的大语言模型。这将有助于企业更好地处理自然语言处理任务，提高业务效率和准确性。 2.更快的模型训练速度 MosaicML的MPT系列模型具有快速训练的特点，这将有助于Databricks提供更快速的模型训练服务。这对于需要快速响应市场需求的企业来说尤为重要，可以帮助他们更好地满足客户的需求。 3. 更高的民主化程度 Databricks收购MosaicML也意味着生成式AI技术的民主化程度将会进一步提高。MosaicML的MPT系列模型可以让中小型企业更轻松地训练自己的语言模型，从而可以更好地应用生成式AI技术，实现更好的业务表现。这将有助于推动生成式AI技术的发展和应用，促进人工智能技术的普及和发展。总结生成式人工智能应用程序旨在根据用户的自然语言提示生成原始文本、图像和计算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，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

腾讯音乐注册多款商标以推进AI生成音乐加速落地产业链公司望受关注

应用。5月24日，腾讯音乐天琴实验室在HuggingFace公开发布了三项开源大模型加速版本，可提供更快的生成速度与更低的模型部署成本。在2023年第一季度财报会议上，腾讯音乐CEO梁柱表示，该公司在一季度内深入探索了大语言模型在AIGC领域的多种应用。目前，腾讯音乐已经推出了两款AI音乐制作产品。　　数据显示，目前全球音乐用户已经高达16.3亿，但音乐作为社交媒体、短视频平台等流行视角下最重要的自我表达方式之一，专业性门槛却一直没有被降下来。AIGC技术可以解决结构化数据等行业关键痛点，使得音乐创作、制作等领域更加简单快捷。随着AI领域技术的不断进步及资本的推动，AI音乐望迎来风口，相关领域布局公司望受益。　　A股公司中，视觉中国（000681）公司拟收购的光厂创意拥有国内领先的音视频素材交易平台，该交易有利于双方持续深化在视频、音乐等业务领域的合作，探索和拓展AI驱动的视频搜索、AIGC音视频内容生成以及音视频AI创作工具等创新业务。昆仑万维（300418）公司AI生成音乐的模型于2022年年中推出，目前已合作音乐、教育、汽车、游戏等领域的部分企业且产生一定收入。　　关于AIGC对传媒行业的影响上，国信证券分析称，两条主线把握板块投资机会。1）持续看好基于AIGC、景气度改善所带来的低位估值修复，重点推荐具备估值与成长优势的游戏板块，关注广告、影视产业链，推荐三七互娱、吉比特、恺英网络、巨人网络、姚记科技、芒果超媒、华策影视、分众传媒等标的以及整体估值较低、具备“中特估”与AIGC双重催化可能的国有传媒板块（建议关注浙数文化、中信出版、中国科传、中南传媒等）；2）持续看好AIGC所带来的长周期投资机会：基于科技落地要素把握大模型、IP数据及率先落地的场景方向，大模型推荐昆仑万维，IP及数据要素推荐上海电影、奥飞娱乐、光线传媒、中文在线、视觉中国、华策影视、汤姆猫、中国科传、浙数文化等标的，场景落地关注AI+文学、音乐、数字人、营销服务、电商、视频、游戏等领域，建议关注中文在线、汤姆猫、巨人网络、视觉中国、蓝色光标、引力传媒、天娱数科、遥望科技、浙文互联等标的。

金融界2023-06-01

国内首个千亿级中文金融大模型正式开源大模型掘金金融行业数据富矿

域优势。目前，千亿级的轩辕模型已可以在Huggingface中申请下载，面向所有金融机构开放。　　此前，彭博发布支持金融领域的自然语言处理（NLP）任务的BloombergGPT，中国农业银行推出类ChatGPT的大模型应用ChatABC，中国工商银行发布了基于昇腾AI的金融行业通用模型。　　华泰证券指出，金融行业坐拥数据富矿，有望成为AI大模型率先落地的垂直领域之一。该机构指出，垂直行业的高价值量数据对于AI大模型的训练和垂直领域应用至关重要，金融行业数字化程度领先，拥有数据富矿，有望成为AI大模型率先落地的垂直领域之一。应用端，我们看到生成式和理解式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有潜在落地场景，帮助金融机构降本增效。　　天风证券此前表示，建议关注GPT行业应用相关标的：金融：同花顺、恒生电子、东方财富、长亮科技、顶点软件等。

金融界2023-05-29

高中教师养出40亿美元超级独角兽 Stable Diffusion背后数据集创建者

并给予资金支持。2021年他们就收到了HuggingFace的一次性捐赠。但印象最深的一次，还要属一个对冲基金经理来到Discord聊天室。当时他二话不说直接送钱，大概意思是：我给你们支付算力费用，没有任何附加条件。舒曼团队对这个行为嗤之以鼻，甚至觉得他是个疯子：一开始我们非常怀疑，但大概一个月后，我们获得了价值近1万美元的云计算服务。后来，这个所谓的“疯子”创办了Stability AI，使用LAION数据集推出了Stable Diffusion，引领了生成式AI的浪潮，顺便还拐走了LAION组织的两个研究人员。如今Stability AI正在寻求40亿美元（折合276亿元）估值，这主要归功于LAION提供的数据。据彭博社消息，舒曼却并没有从LAION中获利，原因很简单：不感兴趣，希望保持这份工作的独立性。因此他还婉拒了各类工作邀请，依旧选择在德国汉堡当一名普普通通的高中老师。本人：数据集不应该被监控即便如此，随着LAION知名度打响，他还是避免不了地卷入到各种纷扰之中。目前，LAION已经发布了10项数据集，最具代表性的就是去年3月发布的LAION-5B，由58.5亿个图像文本组成，是当前最大的免费开源数据集。作为LAION-400M的继任者，它收到了来自HuggingFace、Stability AI以及Doodlebot资助。结果一发布就遭到了不小的争议，网友们纷纷质疑其数据未经整理，导致充斥大量的非法内容，对此LAION工程师Romain Beaumont回应：非标注数据集是自我监督学习的基础，这是机器学习的未来。没有人工标注的图像/文本是一项功能，而非错误。早在Imagen发布时，也专门针对LAION-400M做出警示：因为依赖于这种未经整理的网络数据，集成了大模型的社会偏见和限制，因此不适合公开使用。据彭博社消息，为了打造LAION，舒曼团队从亚马逊网络服务、Shopify等公司获取视觉数据，还有包括YouTube缩略图、各类新闻网站上的内容。对此舒曼表示，任何在网上免费提供的东西都是公平竞争，欧盟也没有人工智能法规。更何况，也没有人知道OpenAI实际上用什么样的数据集训练AI的。目前，LAION被迫卷入两场诉讼之中，一起是Stability AI与Midjourney等集体诉讼，被指使用艺术家的版权图片来训练他们的模型；另一起是Getty Images起诉Stability AI，称其1200万张照片被LAION取走，并用来训练Stable Diffusion。而舒曼将LAION比作大信息技术海啸之上一艘“小型研究船”，采取海下的样本向世界展示。其实早在构建数据库时，他们就在运行一个自动化过滤工具，不过舒曼感兴趣的不是清理，而是从这些资产中学习。我们本可以从公布的数据中过滤掉暴力，但我们决定不这样做，因为这将加快暴力检测软件的开发。现在更多关于监管的建议在推动，各个科技大厂也在采取相应的措施，比如英伟达就开源了护栏工具，来防止大模型来胡说八道。但在舒曼看来，数据集不应该被监控。这也正是当时创建LAION时候的初心。他还警告，如果我们试图放慢速度、过度监管，就会有很大的危险，最终只有少数大公司能负担得起所有的正式要求。前段时间，在LAION与全球志愿者的合力之下，他们完成了ChatGPT最大开源平替OpenAssistant的发布。 60万余条训练数据全部由人工生成，涵盖了广泛的话题和语言风格，一时间引发众人关注，HuggingFace也直接拿来用来构建它自己的聊天软件HuggingChat。拿着德国铁饭碗不可否认的是，他已经在用开源数据集，加剧了生成式AI的浪潮。但在舒曼的个人网站上，看到的只是一位两个孩子的父亲，在德国当着终身制公务员，游走于中学校之间讲授物理和计算机科学。舒曼拥有维也纳大学计算机科学与物理学学位。在学习这两个专业之前，他还学了心理学。（大概完成了50%的学士学位然后就转专业了）。除此之外，他还在学习表演，制作了一部关于孩子学习的纪录片「Schools of Trust」。最近，这位高中教师也没闲着，他还将作为2023年智源大会嘉宾参与邀请报告与线上论坛环节。参考链接： [1]https://laion.ai/blog/laion-400-open-dataset/ [2]https://www.bloomberg.com/news/features/2023-04-24/a-high-school-teacher-s-free-image-database-powers-ai-unicorns [3]http://christoph-schuhmann.de/ [4]https://www.infoq.com/news/2022/05/laion-5b-image-text-dataset/ [5]https://laion.ai/projects/ 来源：元宇宙之心来源：金色财经

金色财经2023-05-02

4月3日晚间要闻盘点：特斯拉宣布推出充电新品赛博充Cybervault！百度地图V18版本首次融入生成式AI

动公告，公司未与OpenAI、谷歌以及HuggingFace等公司开展合作，包括但不限于ChatGPT在内的GPT类产品和服务未给公司带来业务收入；其次，公司未向微软Microsoft365Copilot、SecurityCopilot等产品或服务提供训练数据；最后，公司在大模型业务领域未产生收入，敬请广大投资者注意投资风险。

金融界2023-04-03

24小时热点