人工智能 – 庄闲棋牌官网官方版 -199IT //www.otias-ub.com 发现数据的价值-199IT Wed, 26 Feb 2025 13:32:05 +0000 zh-CN hourly 1 https://wordpress.org/?v=5.4.2 阿里云:2025年PolarDB数据库以20.55亿tpmC性能刷新TPC-C全球双榜纪录 //www.otias-ub.com/archives/1742731.html Wed, 26 Feb 2025 13:32:05 +0000 //www.otias-ub.com/?p=1742731 近日消息,阿里云宣布,阿里云PolarDB云原生数据库登顶全球数据库性能及性价比排行榜,以每分钟20.55亿笔交易(tpmC)和单位成本0.8元人民币(price/tpmC)的成绩成功刷新TPC-C性能和性价比双榜的世界纪录。据介绍,本次打榜中,阿里云PolarDB云原生数据库以20.55亿tpmC的性能成绩一举夺魁,且成本相比原纪录降低了近40%。

在测试的8小时期间,PolarDB完成了2.2万亿次数据操作,tpmC波动率仅为0.16%,保障了100%的数据正确性,这同时也体现了PolarDBLimitless超大集群的性能稳定性。

这一新纪录模拟了16亿用户同时上线进行交易,其处理能力相当于天猫2020双11订单峰值场景的59倍,成功扛起全球最大流量洪峰。

阿里云智能集团副总裁、数据库产品事业部负责人李飞飞在2025阿里云PolarDB开发者大会上表示:“PolarDB登顶TPC-C排行榜,不仅是阿里云自身技术实力的证明,更说明国产数据库在性能和性价比方面均已达到全球领先水平。”

据了解,TPC-C是由TPC组织制定的针对衡量在线事务处理(OLTP)系统性能的基准测试,被誉为数据库领域的“奥林匹克”,是全球最具公信力的测试标准,也是商业数据库证明自身实力的硬性门槛之一。

该基准测试会考察关系型数据库系统的全链路能力,包括2大衡量标准:性能(tpmC)和性价比(price/tpmC)。

TPC-C测试由一系列严苛的基准测试模型组成,是一场长达40小时的数据库性能“极限挑战”赛,测试过程包括全压力测试、故障容灾测试、数据库ACI测试。

自 快科技
]]>
The Information:2024年人工智能领域应用开发商估值倍数上升 基础模型公司倍数下降 //www.otias-ub.com/archives/1742740.html Wed, 26 Feb 2025 13:31:59 +0000 //www.otias-ub.com/?p=1742740 尽管 Open AI 和 Anthropic 的收入倍数在过去一年中下降,但 AI 应用开发者如 Perplexity 和 Writer 的收入倍数却上升,分析显示了十几家 AI 初创公司的估值和收入增长情况。

图片来源:theinformation

你不必远行就能找到 人工智能初创公司获得高估值的例子,因为一些正在进行的机器人交易和由 OpenAI 校友创办的初创公司已经显示出这一点。但这些例子掩盖了投资者对人工智能初创公司估值方式的变化。

基础模型的最大开发者,如 OpenAI 和 Anthropic,基于其年化收入的估值,现在比一年前便宜。这是公司随着时间的推移而变老、其收入追赶投资者的高预期时的典型现象。较不寻常的是,一些 AI 初创公司在收入上升的同时仍保持高倍数。

专注于为消费者和企业开发应用程序的初创公司,与一年前相比,仍然保持相对较高的收入倍数。对于一些初创公司,例如 AI 搜索引擎 Perplexity 和生成式 AI 工具制造商 Writer,倍数甚至有所上升。

投资者表示,他们愿意如此高估 AI 应用的价值,因为其收入增长远快于前十年的软件应用。这些投资者表示,企业在 AI 上的支出增加,因为他们发现这些软件可以提高员工的生产力并降低成本。

“人工智能公司正在经历前所未有的巨大增长。这就是为什么人们预测这些增长率并以此为基础进行估值的原因,”Sapphire Ventures 的总裁兼合伙人 Jai Das 说道,该公司已投资于商业搜索聊天机器人 Glean 和 Perplexity。

例如,Perplexity 在 1 月份的年度经常性收入超过了 8000 万美元——这是其未来 12 个月订阅的价值,来自一位对其财务状况有直接了解的人士。这比 11 月份的 5000 万美元的速度高出 60%,当时它以 85 亿美元的估值筹集资金,导致惊人的收入倍数为 170。去年 3 月,它的收入倍数约为 63。

这家成立三年的公司销售基于 人工智能的搜索引擎订阅,并已扩展到广告等其他业务,并通过应用程序编程接口为开发者提供模型访问。

很难全面了解  AI 初创公司的估值,因为这些公司的财务数据受到严格保护。但从《信息》对过去六个月筹集资金的十多家 AI 初创公司的报道中收集到的数据,可以让人感受到投资者如何评估它们。

为了保持一致性,《信息》使用了投资前的估值,尽管风险投资家通常也会考虑这些投资后的估值,或包括新资本的估值。

在人工智能应用中,投资者给予年轻初创公司最高的倍数,这些公司针对某个行业的客户——比如医疗或法律。投资者表示,通过在敏感的专有数据上训练模型,使其专门针对这些行业,可能会为这些初创公司带来竞争优势。

例如,Abridge 是一家成立六年的初创公司,利用 AI 转录医生与患者的对话,联合创始人兼首席执行官 Shiv Rao 表示,该公司调整其他公司的 AI 模型,以识别医学术语,并根据讨论的医疗问题在患者与医生的对话中指出重要细节。

去年秋天,投资者通过将 Abridge 的估值定为 25 亿美元——是其 5000 万美元年经常性收入的 50 倍——来奖励这些努力,投资额为 2.5 亿美元。

并非所有 AI 应用的收入倍数都高于之前的轮次。

例如,三岁大的法律 AI 初创公司 Harvey 在今年早些时候获得了 27 亿美元的估值,投资前的估值约为其在 12 月达到的 5000 万美元年经常性收入的 54 倍。就在一年前,投资者将该初创公司的估值定为 6.35 亿美元,或当时年经常性收入的 64 倍。

去年秋天,Glean 在投资前以 43 亿美元的估值筹集资金,相当于当时 1 亿美元年经常性收入的 43 倍。当它在 2023 年底以 20 亿美元的估值筹集资金时,投资者将其估值为 3000 万美元年经常性收入的 67 倍。

与此同时,随着收入激增,最大的 人工智能公司的收入倍数也下降了。Anthropic 正在完成一轮融资,预计这家聊天机器人 Claude 的制造商在投资前的估值为 580 亿美元。

根据一位了解其财务状况的人士,这相当于其年化收入 10 亿美元的约 58 倍。就在一年前,这家位于旧金山的公司估值约为其年化收入 1 亿美元的 150 倍。

Open AI 的收入倍数也有所下降,但幅度较小。其最新的融资将其估值定为 2600 亿美元,投资前的估值为其预计年化收入 60 亿美元的 43 倍。一年前,一项将其估值为 860 亿美元的二次发行相当于其年化收入的 54 倍。

本文翻译自:theinformation

自 Z Potentials
]]>
毕马威:全球财务采用AI报告 //www.otias-ub.com/archives/1731882.html Tue, 25 Feb 2025 21:00:26 +0000 //www.otias-ub.com/?p=1731882 毕马威的报告显示,尽管在广泛的人工智能技术领域进行了投资,但组织正在从机器学习、深度学习和生成式人工智能中提取最大价值,并报告这些技术的投资回报率达到或超过了预期。

人工智能部署不断增长,下一代人工智能是未来的关键优先事项

71%的组织在某种程度上在其财务运营中使用人工智能。目前,41%的企业正在适度或大规模地使用人工智能,预计在未来三年内,这一比例将上升到83%。

自第一波研究以来的短短六个月,人工智能的传播已经可见一斑。2024年4月,在最初的10个国家中,40%的组织在中等或很大程度上在其财务运营中使用传统的人工智能,这一比例已增加到45%。

生成式人工智能的使用也在增长。不打算使用新一代人工智能的公司比例从6%下降到现在的1%。新一代人工智能已成为未来的关键焦点和首要任务,95%的领导者和39%的其他人希望在未来三年内有选择地或广泛地在财务报告中采用人工智能。

全球采用

研究还强调了人工智能在世界各国被利用和积极探索的程度,尽管存在很大差异。美国、德国和日本的公司在人工智能应用方面遥遥领先,但意大利和西班牙等其他主要经济体却落后了。同样的二分法在新兴市场也很明显,中国和印度在人工智能应用方面领先,而沙特阿拉伯和非洲国家则远远落后。

从行业和部门来看,自第一波研究以来,随着组织加大努力,情况趋于平衡——大多数行业的领导者比例相似,尽管金融服务领先(29%),而医疗保健落后(16%)。收入规模较大的公司往往更先进。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
台积电:2024年Q1英伟达Blackwell芯片订单占CoWoS-L封装产能超70% //www.otias-ub.com/archives/1742409.html Mon, 24 Feb 2025 11:45:45 +0000 //www.otias-ub.com/?p=1742409 近日消息,据台媒《经济日报》报道称,近日业界传出消息,英伟达(NVIDIA)最新Blackwell构架GPU芯片需求强劲,已包下台积电今年超过70%的CoWoS-L先进封装产能,出货量以每季环比增长20%以上逐季冲高,助力台积电营运热转。
业界分析称,英伟达将于26日美股盘后发布上季财报与展望,随英伟达大举包下台积电先进封装产能,意味今年旗下 AI芯片出货持续放量,四大云端服务供应商(CSP)拉货动能续强,为英伟达财报会议提前报喜。随着美国力推星际之门(Stargate)计划,预计带动新一波AI服务器建置需求,英伟达有机会再追单台积电。

台积电看好先进封装接单,台积电董事长魏哲家已于1月的法说会公开表示,正持续扩增先进封装产能,以满足客户需求。据台积电统计,2024年先进封装营收占比约8%,今年将超过10%,并以毛利率超过公司平均水准为目标。

供应链透露,英伟达在Blackwell构架量产后,将逐步停产前一代Hopper构架的H100/H200芯片,世代交替时间点最在今年中。

法人说明,英伟达Blackwell构架芯片虽仍采用台积电4nm生产,并将其分别开发高速运算(HPC)专用的B200/B300,以及消费性用RTX50系列,并于B200/B300当中,开始转用结合重布线层(RDL)和部分硅中介层(LSI)的CoWoS-L先进封装。

CoWoS-L先进封装不仅让芯片尺寸面积扩大,增加晶体管数量,也可堆叠更多的高频宽內存(HBM),使高速运算性能升级,就性能、良率及成本等层面来看,均优于先前CoWoS-S及CoWoS-R先进封装技术,成为B200/B300主要卖点。为此,英伟达大举抢下台积电今年CoWoS-L先进封装庞大产能。

台积电今年扩增的CoWoS新产能逐步开出,预计为英伟达量产的Blackwell构架芯片今年将以每季增加20%以上快速增长,合计英伟达包下了台积电超过70%的CoWoS-L产能,预计全年出货量将冲破200万颗。

另外,台积电由于自身产能有限,已将CoWoS先进封装当中的WoS(Wafer on Substrate)产能委外,不仅日月光投控吃下大笔先进封装及测试订单,京元电子也拿下了高速运算客户大量前段晶圆测试(CP)及后段晶片最终测试(FT)订单,将京元电子现有产能全数塞满。

自 芯智讯
]]>
GP Bullhound:2025年技术预测报告 //www.otias-ub.com/archives/1738664.html Sun, 23 Feb 2025 21:30:15 +0000 //www.otias-ub.com/?p=1738664 2025年技术预测

多模式人工智能重塑行业,重新定义技术协作。

在客户服务、教育和娱乐领域的早期部署有望提高生产力,并为投资该技术的公司提高20%的运营效率。

代理人工智能在小众用例中取得进展,而更广泛的实施滞后。

尽管只有不到25%的大型组织会尝试广泛部署,但在路线优化和资源分配方面,人工智能将实现15-30%的效率提升。

使能技术使量子变得实用。

不断增加的政府支出和不断增长的企业兴趣将加速现实世界的量子传感器试点。

机器人离开实验室,进入我们生活的一年。

全球机器人市场接近741亿美元,机器人和无人机的部署将会加强。

语音用户界面的演变增强了我们的工作、生活和学习方式。

语音助手将变得更加具有上下文感知能力,能够在没有明确命令的情况下预测用户需求。

数字身份和人工智能治理的融合将重新定义信任和安全。

随着数字身份市场的扩大,越来越多的生物识别和去中心化身份解决方案的采用将加速安全身份验证。

数据集成工具推动企业采用人工智能。

人工智能增强的数据集成平台将减少30%的人工任务,促进更智能的决策,并推动公司将盈利能力提高20%。

日益增长的空间需求威胁公私合作和军民两用资金。

商业卫星部署将加速,超过以往的年度记录,并加强对交通管理、碎片清除和增强轨道安全的需求


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
OpenAI:2025年2月ChatGPT的周活跃用户数量已达4亿 较去年12月增长33% //www.otias-ub.com/archives/1742297.html Sun, 23 Feb 2025 11:53:42 +0000 //www.otias-ub.com/?p=1742297 尽管面临Deepseek等人工智能模型的激烈竞争,但OpenAI的用户数量和营收仍在快速增长。

OpenAI高管透露,截至今年2月,ChatGPT的周活跃用户数量已达4亿,较去年12月的3亿用户增长了33%。公司另一位高管则表示,公司今年有望实现110亿美元的营收,这将是去年营收的近3倍。

OpenAI今年收入有望破百亿美元

去年9月有报道称,OpenAI当时预计2024年营收37亿美元,净亏损50亿美元。一位消息人士称,该公司当时预计到2025年营收将跃升至116亿美元。

本周四,OpenAI首席财务官Sarah Friar在接受采访时证实了这一预测。她表示,该公司今年实现110亿美元营收的可能性的确在“可能范围内”。

她表示:“无论是从我们购买的计算设备还是投资的方式来看,我们都已经成功地超越了自己的能力,高效地成长为了一家Hyperscaler(大规模云计算巨头)。”

Hyperscaler指的是拥有大量数据中心、能快速扩展以满足动态存储需求的大型云计算公司,如亚马逊、微软、Alphabet和Meta等科技行业巨头。

在回答有关OpenAI是否会上市的问题时表示,该公司的增长速度的确吸引了很多潜在投资者,“目前人们的兴趣令人难以置信。”

不过尽管收入快速增长,但OpenAI可能还面临持续数年的亏损局面。

据The Information去年10月看到的财务文件显示,OpenAI预计,该公司要到2029年才能实现净盈利,届时该公司收入预计将达到1000亿美元。在这之前,该公司预计2023年-2028年的总计亏损额将达到440亿美元。

周活用户数已增长至4亿

就在同一天,OpenAI首席运营官Brad Lightcap在接受采访时表示,该公司每月的周活跃用户数量达到4亿,比去年12月的3亿增长了33%。

Lightcap 指出,随着ChatGPT的功能越来越强大,并为更广泛的人群所熟悉,它将实现“有机增长”。

“人们通过口口相传听说了它。他们看到了它的实用性。他们看到朋友们在使用它,”Lightcap表示,“总体而言,人们确实想要这些工具,并且看到这些工具确实很有价值。”

Lightcap还表示,OpenAI的企业业务目前拥有200万付费用户,大约是去年9月份的两倍。

他还提到,越来越多的开发者将OpenAI的技术集成到自己的应用中,这也推动OpenAI的开发者流量在过去六个月内翻了一番,其中ChatGPT-o3模型的使用量更是增长了五倍。

“随着人们已经熟悉了我们的产品,消费者对产品‘有机’接受也给我们带来了好处…确实出现了不同曲线的健康增长。”

自 财联社

]]>
MyEssayWriter.ai:德克萨斯州学生用ChatGPT写论文热度飙升 位居全美第二 //www.otias-ub.com/archives/1741627.html Thu, 20 Feb 2025 00:53:57 +0000 //www.otias-ub.com/?p=1741627 在当今快节奏的数字时代,面对紧迫的学业压力,越来越多的学生选择利用人工智能工具,如 ChatGPT,来快速撰写学术论文。这种趋势的吸引力显而易见 —— 与其花费数小时撰写一篇论文,何不让 AI 在几分钟内为你生成一篇呢?

近期,MyEssayWriter.ai 进行了一项开创性的研究,通过分析过去一年间的谷歌搜索趋势,跟踪了包括 “AI 论文写作工具” 和 “如何使用 AI 撰写论文” 等30个与人工智能相关的搜索词,以确定哪些州的学生最频繁地使用 AI 来辅助写作。

结果显示,德克萨斯州在这一 AI 革命中表现突出,成为全美第二大使用 ChatGPT 进行论文写作的州。数据显示,德克萨斯州的学生每10万人每月平均搜索 AI 论文帮助达21.10次。德克萨斯州内有226所高等教育机构,热门专业包括商业、医疗和工程,显然,德克萨斯州的学生在努力应对繁重的学业负担中,寻求各种优势。

在此过程中,密西西比州稍微领先,以每10万人21.46次的搜索量位居第一。其他对 AI 论文写作依赖较重的州还包括乔治亚州(20.79)、路易斯安那州(19.90)、西弗吉尼亚州(19.77)和佛罗里达州(18.79)。排名前十的州还有内华达州(17.71)、夏威夷(17.65)、南 卡罗来纳州(17.20)和纽约(16.96)。

这一数据清晰地表明,AI 驱动的学术辅助不仅是一种趋势,而是正在成为一种全面发展的运动。

不过,使用 AI 工具的便利性引发了关于伦理的讨论。MyEssayWriter.ai 的首席营销官弗雷德里克・波希(Frederick Poche)承认了这一工具的方便性,但也警告说,过度依赖可能会导致学术技能的退化,并引发严重的抄袭问题。他强调,AI 应被视为写作的辅助工具,而非替代品。

“学生们今天面对的信息和任务是压倒性的。求助于 AI 是可以理解的,但我们必须小心使用,以避免对批判性思维和研究能力的损害。” 波希表示。

在关于教育中 AI 使用的辩论中,唯一可以确定的是,学生们比以往任何时候都更加拥抱人工智能。关键在于,他们是否会将其视为提升写作能力的跳板,还是仅仅是降低学术成长的捷径。

自 AIbase基地

]]>
埃森哲:用新一代人工智能重塑企业运营 //www.otias-ub.com/archives/1721834.html Tue, 18 Feb 2025 21:00:05 +0000 //www.otias-ub.com/?p=1721834 埃森哲的一项新研究发现,74%的企业在生成式人工智能和自动化方面的投资达到或超过了预期,63%的企业计划在2026年之前加大努力并进一步加强这些能力。

根据这份报告,实现人工智能主导流程完全现代化的公司数量几乎翻了一番,从2023年的9%增加到2024年的16%。与同行相比,这些组织在扩展生成式人工智能用例方面实现了2.5倍的收入增长,2.4倍的生产力提高和3.3倍的成功提升。

调查结果还评估称,这些“准备好重新创造”的公司正在更快地发展,并正在放大生成式人工智能对整个企业的影响。在数字核心的支持下,这些企业已经在IT(75%)、营销(64%)、客户服务(59%)、财务(58%)、研发(34%)和其他核心职能中开发了生成式人工智能用例。

虽然研究表明,一些公司已经达到了运营成熟度的最高水平,但64%的公司仍在努力改变他们的运营方式。

对人的高度依赖往往被忽视:82%的公司在运营成熟的早期阶段没有实施人才重塑战略,没有计划满足劳动力需求,也没有获得新的人才或培训,让员工为生成式人工智能主导的工作流程做好准备。

该报告强调了企业领导者应该采取的四项关键行动,以提高其运营成熟度:

实施集中的数据治理和以领域为中心的数据现代化方法。

采用人才优先的重塑战略。

确保业务和技术团队共同进行创新。

采用领先的流程来推动业务成果。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
世界经济论坛:AI时代的欧洲 //www.otias-ub.com/archives/1740287.html Sun, 16 Feb 2025 22:00:52 +0000 //www.otias-ub.com/?p=1740287 世界经济论坛发布了报告“AI时代的欧洲”,强调了战略重点、私营部门主导的灯塔计划和10个公共部门的“大项目”是加快欧洲竞争力和投资环境的近期建议。

科技正日益影响着国家的繁荣和主权。人工智能(AI)等颠覆性技术的发展,加上地缘政治事件,正在创造新的竞争舞台,其核心是对创新、生产和采用先进技术的投资。

2015年至2022年间,欧洲大公司每年投资7000亿欧元,即人均3000欧元,低于美国同行,特别是在技术领域,因为欧洲公司的投资资本回报率(ROIC)落后美国4个百分点。在被认为对全球经济未来至关重要的14项技术中,欧洲目前仅在4项技术上与美国和中国展开了有效竞争。

这些差距造成了对欧洲的战略依赖,预计2040年,由于放弃的国内生产总值(GDP)贡献,每年将有2至4万亿欧元的资金缺口,这一数额超过了欧洲大陆目前净零、国防和医疗保健所需的年度资金总和。

在欧洲制定提高经济和技术竞争力的路线之际,各方正在就推动变革所需的各种杠杆达成共识。

报告旨在开始将想法转化为行动的旅程,重点关注影响,包括速度和规模。它提出了一个战略框架,说明如何发挥作用以及如何取胜;一份旨在启动势头的私营部门灯塔举措清单;10个公共部门“大项目”,旨在释放欧洲的竞争力和企业家精神,与6个促进创新和投资的优先领域相一致。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
波士顿咨询:2025年AI雷达报告 //www.otias-ub.com/archives/1738696.html Sun, 16 Feb 2025 21:31:02 +0000 //www.otias-ub.com/?p=1738696 波士顿咨询发布了“2025年AI雷达报告”。2025年,人工智能仍然是全球商业领袖的首要任务,他们非常注重从人工智能计划中获得切实的成果。全球1/3的公司计划向人工智能投入超过2500万美元。

波士顿咨询集团(BCG)的人工智能雷达全球调查连续第二年捕捉到了企业高管对人工智能的看法。调查结果显示,在实现人工智能的全部潜力方面,既有乐观情绪,也面临重大挑战。最新的报告调查了19个市场和12个行业的1803名C级高管。

领先企业如何保持领先地位

领先公司将80%以上的人工智能投资用于重塑核心功能和发明新产品,而其他公司将56%的人工智能投资用于规模较小、以生产力为重点的项目。领导者还设定了明确的目标,并跟踪最高和最低限度的影响。60%的受访公司未能定义和监控与人工智能价值创造相关的任何财务KPI。

自主代理:全球人工智能转型的关键考虑因素

代理是自主的人工智能系统,通过使用工具、分析数据和跨系统工作来实现目标,而人工输入最少。尽管仍处于部署的早期阶段,但67%的高管正在考虑将自主代理作为其人工智能转型的一部分,他们对各个地区的代理持一致的乐观态度。

只有7%的高管预计人工智能自动化将导致员工总数减少

68%的高管希望保持目前的员工规模,专注于提高生产力和提高现有人才的技能,以满足人工智能的需求。与此形成鲜明对比的是,只有不到1/3的公司提高了1/4员工的技能——与去年相比有所改善,但仍远未达到所需的水平。

与此同时,17%的高管预计人工智能将通过引入新角色来取代多余的角色,从而重塑员工队伍。8%的人预计人工智能将推动员工人数的增长,只有7%的人预计人工智能自动化会减少员工人数。

应对风险

高管们认为,数据隐私和安全(66%)、对人工智能决策缺乏控制或理解(48%)、监管挑战和合规性(44%)是需要应对的三大人工智能风险。网络安全是一个关键问题,76%的高管承认他们的人工智能网络安全措施需要进一步改进。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
德勤:2024年全球外包调查 //www.otias-ub.com/archives/1739401.html Sun, 16 Feb 2025 21:00:08 +0000 //www.otias-ub.com/?p=1739401 我们在2024年的调查中研究了多维采购不断变化的格局,发现了两个新趋势,而其他发现则得到了巩固。

获得人才已成为影响外包决策的头号驱动因素。组织正在使用多种途径来保护功能、服务和技能。这些途径包括内包、外包、全球内部中心(GIC)、数字化劳动力,以及最近的人工智能外包——所有这些途径通常都是脱节的。这种复杂性需要一种编排的采购方法:我们正处于多维采购的时代。

由人工智能(AI)支持的员工和自动化机器人组成的数字劳动力已经成为一种独特的人才模式:20%的受访组织已经制定了“数字劳动力”战略来管理这些数字员工。此外,外包服务中数字劳动力的整合是一个关键的关注领域,被称为人工智能外包。在接受调查的高管中有83%预计第三方供应商将把人工智能功能作为他们提供服务的一部分。

尽管人们对人工智能外包抱有很高的期望,但实际收益仍然有限。不到一半的组织报告了生产力的提高,只有25%的组织看到了供应商服务成本的降低。

随着组织重新平衡其人才生态系统,内包和GIC正在激增

虽然内包和GIC并不新鲜,但在过去两年,它们重新出现并加速发展,成为组织广泛使用的战略,以重新平衡其人才生态系统并增强服务交付。70%的受访组织在过去五年中选择性地将之前外包的部分工作内包,主要是为了加强内部能力,提高服务质量,重新获得控制权,并消除供应商加价。

外包交付模式不断成熟,越来越强调基于价值的关系

尽管内包增加,但40%的受访者预计第三方外包的投资将增加,只有20%的受访者计划减少。外包后台功能的速度仍然很高,但随着外包关系的成熟,组织更加强调从前台和核心能力中提取价值。一半的调查对象在销售、营销和研发能力方面使用外包服务。基于结果的交付模式已被越来越多地采用,高管们报告了积极的满意度反应,并计划增加投资。据调查,67%的高管如今采用基于结果的服务,延续了从传统的员工扩充转向结果驱动方法的趋势。

对于面向未来的组织来说,掌握人才招聘的复杂性是必不可少的

组织在人才采购方面面临的一些最大挑战包括跟踪价值实现、管理组织变革和集成服务——所有这些都与他们内部治理和管理能力的成熟度有关。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
DeepSeek突破3000万日活跃用户 成为三大运营商全面接入的国产开源大模型 //www.otias-ub.com/archives/1741356.html Fri, 14 Feb 2025 11:29:25 +0000 //www.otias-ub.com/?p=1741356 近日消息,据报道,近期DeepSeek访问使用量急速上升,已经成为目前最快突破3000万日活跃用户量的应用程序。

与此同时,三家基础电信企业已全面接入国产开源大模型DeepSeek,手机、PC等终端厂商也在积极拥抱DeepSeek,一些地方政府也开始在政务系统部署DeepSeek。

比如深圳龙岗区政务服务和数据管理局已经在上线了Deepseek-R1全尺寸模型,成为广东首个在政务信创环境下部署该模型的政府部门单位。

业内人士表示,DeepSeek的开源模式大幅降低了人工智能进入各行业的门槛,相关的政府和企业级应用有望出现裂变式增长。

截至目前,在国内市场,DeepSeek直接刷新了豆包、Kimi和文心一言等国内大模型的用户量榜单,2025年1月,DeepSeek月均活跃用户数跃居第一。

据了解,DeepSeek以3%的成本做出了接近ChatGPT o1水平的模型。低成本便可调校出足够好的AI模型,也让技术闭源的OpenAI和用昂贵算力及CUDA生态拉高壁垒的英伟达神话不攻自破,DeepSeek的成功,让硅谷高管对算力不计成本的投入,一度集体遭到了投资者的质疑。

自 快科技

]]>
Appfigures:2025年2月Perplexity百万美元竞赛推动App下载量增长50% //www.otias-ub.com/archives/1740711.html Tue, 11 Feb 2025 13:37:51 +0000 //www.otias-ub.com/?p=1740711 Perplexity 的超级碗营销成功推动了其应用程序的下载量。 与OpenAI和Google不同的是,这家人工智能搜索引擎选择放弃昂贵的超级碗广告,转而通过X帖子鼓励用户下载其应用程序并参加比赛,从而赢得 100 万美元奖金。

虽然 Perplexity 的应用并没有凭借这一策略跃居美国 App Store 榜首,但根据应用情报提供商Appfigures的数据,它确实将其移动应用的安装量提高了约 50%。

Perplexity 首席执行官阿拉温德-斯里尼瓦斯(Aravind Srinivas)在周五发布的X 帖子中解释说,如果用户还没有安装 Perplexity 移动应用,可以通过下载该应用参加新一轮竞赛,然后在大型比赛期间在该应用上提出至少五个问题。 该公司表示将选出一名获胜者,奖金为 100 万美元。

这次竞赛是一种巧妙的方式,不仅提高了应用程序的安装量,还帮助用户熟悉了Perplexity的人工智能搜索是如何工作的。

通过要求用户提出五个问题来参加比赛,Perplexity 帮助用户克服了尝试新产品的初期学习曲线。 此外,通过要求在超级碗比赛期间提问,比赛还帮助用户想出了谈论的话题。 毕竟,电视上正在播放重大体育赛事,他们很可能会在某个时候拿起手机查找数据、事实或新闻。

Appfigures 称,App Store 的早期估计显示,Perplexity 周日的下载量从上周的日均约 3 万次增至 4.5 万次。

这也帮助 Perplexity 的应用程序在美国 App Store 排行榜上攀升,在 X 发布后,它曾一度在生产力榜上排名第 6 位,但在周日上午下降到第 19 位,随后又小幅上升到第 16 位。

Perplexity 的顶级应用程序总排名也从第 257 位上升到第 66 位,而之前的最高排名是第 49 位。据粗略估计,如果一切顺利,到周一结束时,该应用程序的下载量可能会比昨天翻一番。

虽然 Perplexity 的广告没有像Google和 Open AI 分别为 Gemini 和 ChatGPT 制作的超级碗广告那样,有机会接触到更多的受众,但它在帮助展示如何使用其 人工智能应用方面可能做得更好。

Google在广告中试图描绘一幅人工智能如何融入消费者生活的广阔图景,但它展示的人工智能使用案例–帮助求职者在简历中巧妙地提及自己以前作为家庭主妇的工作–并不一定会引起大量消费者的共鸣。

与此同时,OpenAI 的广告也引起了不同的反响,一些人认为该广告未能展示 ChatGPT 应用程序的实际用途,而是侧重于艺术和视觉效果而非实用性。

Appfigures 没有发现与 OpenAI 和Google广告直接相关的重大动向,但该公司指出,无论如何,这些应用程序都获得了大量下载量。

自 中文业界资讯站

]]>
Basware:从AI到投资回报率 //www.otias-ub.com/archives/1735223.html Mon, 10 Feb 2025 21:00:22 +0000 //www.otias-ub.com/?p=1735223 人工智能正从一项新兴技术发展成为商业运营不可或缺的一部分,其潜力越来越明显。Basware与英国《金融时报》合作,对人工智能(AI)在金融领域的变革作用进行了研究,特别关注首席财务官(CFO)和财务领导者的投资回报率(ROI)最大化。

研究表明,财务领导者认为人工智能对于提高准确性、减少手动任务和满足合规标准至关重要,在节约成本、运营效率和员工满意度方面具有实实在在的好处。特别是,会计应付账款(AP)和财务规划与分析(FP&A)已被确定为人工智能驱动的投资回报率的主要领域,在运营方面有了重大改进。

但是,尽管许多财务领导者认识到人工智能的价值,但实际障碍,包括变革管理技能、资本约束和劳动力整合问题是常见的障碍。

人工智能的成功需要有针对性的、渐进的实施、合作伙伴关系和明确的ROI测量,以建立对未来投资的信心。通过对全球400位高级财务领导者的调查,报告概述了克服这些挑战并释放人工智能全部ROI潜力的战略。

人工智能带来成本节约和效率提升:许多首席财务官报告称,人工智能提高了成本效率,AP和FP&A显示出最直接的人工智能潜力。

变革管理和技能差距是常见的障碍:40%的财务主管提到了变革管理方面的挑战,33%的人担心资金可用性,这减缓了人工智能的采用。

早期的成功提升了对更广泛实施的信心:在AP等高影响力领域的成功试点有助于为扩大的人工智能计划建立动力和支持。

员工参与对成功至关重要:尽早吸引员工并关注人工智能在减少重复性任务方面的作用,可以提高员工的支持度和满意度。

渐进式实施和合作伙伴关系推动长期投资回报率:与人工智能专家的战略合作伙伴关系和渐进式变化为长期财务和运营收益创造了可持续的途径。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
IDC:2028年AI推动的智能手机上的支出将达到320亿美元 //www.otias-ub.com/archives/1739126.html Mon, 10 Feb 2025 18:00:13 +0000 //www.otias-ub.com/?p=1739126 IDC对2025年亚太地区(不包括日本)客户体验预测,人工智能在为客户提供高度个性化体验方面拥有不可或缺的作用,帮助该地区的企业从竞争对手中脱颖而出。到2028年,消费者将通过在智能手机上独立运行的人工智能代理,以编程方式购买商品、服务和考虑购买的商品,花费320亿美元。客户体验主管将根据这些举措调整业务战略,并寻求在其活动中融入更多人工智能的方法。

CX的人工智能支点意味着将人工智能真正整合到业务运营的各个方面,以推动增长并保持竞争力。以下是客户体验高管在挖掘AI在客户体验中的巨大潜力时必须关注的一些最紧迫的商业和技术趋势。

客户体验定价重构:IDC预测,2028年40%的客户体验供应商将转向新的、基于结果的定价模式,使其客户的价值交换更加透明,并提高其人工智能投资的货币化。

人工智能治理转变:IDC预测,随着人工智能的实施规模扩大,人机协同(HITL,human-in-the-loop)的方法将被淘汰,预计2028年,25%的客户体验团队将为人工智能的系统治理创造新的专门角色。

以客户为中心的收入模式:IDC预测,看到推荐增长和控制成本的价值,预计2028年30%的A2000公司将在CRO下重组和调整面向客户的团队,以优化客户体验结果。

自主主动自助服务:IDC预测,预计2030年20%的B2C A2000公司将启用实时物联网产品数据,以通知客户未来的故障,发布解决方案建议,并帮助客户主动自助解决。

]]>
摩根士丹利:研究显示中国企业占全球人形机器人产业链63%份额 //www.otias-ub.com/archives/1740156.html Mon, 10 Feb 2025 12:08:11 +0000 //www.otias-ub.com/?p=1740156

摩根士丹利最新发布的《人形机器人100:绘制人形机器人价值链图谱》这些企业覆盖了驱动器、传感器、电池等核心硬件。值得注意的是,这些已确认涉足人形机器人领域的公司中,有高达73%位于亚洲,而中国更是其中的佼佼者,占据了56%的比例。在全球人形机器人产业链中,中国的份额高达63%,特别是在“身体”环节,中国集成的企业占比达到了45%。

摩根士丹利进一步指出,当前人形机器人生态系统的现状是,西方投资者在人形机器人投资组合中的选择相对有限,主要集中在特斯拉和英伟达等少数企业上。

而相比之下,中国在人形机器人领域的进展则显得尤为突出。这得益于中国初创企业受益于成熟的供应链、丰富的本土应用机会以及国家层面的大力支持。

在全球主要的人形机器人产品中,中国企业占据了不可忽视的地位。智元机器人、傅利叶、星动纪元、优必选、宇树和小鹏汽车等六家企业,与美国的Agility Robotics、Apptronik、波士顿动力、Figure和特斯拉等共同构成了人形机器人市场的主要参与者。

为了更清晰地展现人形机器人产业链的全貌,摩根士丹利将百强名单划分为三大模块:大脑公司、身体公司和集成商。大脑公司主要负责提供半导体和 软件,是实现人形机器人自主功能的关键,其中包括了甲骨文、西门子、meta、三星电子等国际知名企业,以及中国的百度和地平线机器人等。

身体公司则专注于提供执行器、传感器、电线和电池等物理组件,构成了人形机器人的“肉体”部分。这一领域的企业数量最多,共有64家,其中包括了ABB、英飞凌、罗克韦尔等国际知名企业,以及中国的旭升集团、亿纬锂能、宁德时代等。

集成商则是负责制造完整人形机器人的企业,这些公司通常规模较大,且部分已有机器人业务。在这一领域,共有22家公司,包括了现代、丰田、LG电子等国际巨头,以及中国的广汽集团、小鹏汽车、比亚迪等九家企业。

摩根士丹利的报告还强调了人形机器人市场的巨大潜力。在美国,约75%的职业和40%的员工可能在一定程度上被人形机器人替代,潜在市场规模约为3万亿美元。而在中国,预计到2050年,人形机器人市场规模将达到6万亿元,总量将达到5900万台。这一数据无疑为人形机器人产业的未来发展提供了巨大的想象空间。

自 快科技

]]>
SEMI Vision:预计2025年云端巨头GPU资本支出将超3200亿美元 台积电等加速扩产应对供需缺口 //www.otias-ub.com/archives/1740186.html Mon, 10 Feb 2025 12:03:07 +0000 //www.otias-ub.com/?p=1740186 最近一短时间以来,被国内一家AI大模型初创公司DeepSeek刷屏了。短短几个月内,DeepSeek推出的两款开源大语言模型——DeepSeek-V3和DeepSeek-R1,不仅在多个关键性能指标上与世界顶级大模型,如Meta的Llama 3.1、OpenAI的GPT-4、Anthropic的Claude Sonnet 3.5等,不分伯仲。

最令人震惊的是,DeepSeek的训练成本远远低于这些传统模型,且所使用的GPU芯片并非顶级配置,但却交出了令人叹为观止的成绩单。

经济学家Ed Yardeni 在一份报告中指出:“DeepSeek在两个月内仅花费 560万美元来开发其DeepSeek-v3模型。”相比之下,Anthropic的首席执行官Dario Amodei 去年提到,建立一个模型的成本为1亿至10亿美元。而且由于这些模型是开源的,在成本和定价上都具有很大的优势。

然而,不容忽视的是,尽管DeepSeek的成本大大低于传统大厂,但其能够取得如此突破的背后,依然离不开GPU这一关键硬件的强力支持。随着AI竞争日益激烈,尤其是训练和推理市场的不断扩展,算力仍将是决定胜负的关键,GPU的作用依然无法被忽视。

美国科技巨头不受影响,继续疯抢GPU

无论是DeepSeek还是对AI的泡沫担忧,都没有减缓企业的投资热情。2025年各家云厂商仍然有着大幅的资本支出。科技公司们为了在 AI这场战斗中赢得胜利,近些年来大肆建设数据中心,抢GPU卡,抢电力,新一轮激烈角逐正在拉开:

1月21日,OpenAI宣布了一个新项目:星际之门(Stargate Project),计划在未来四年内投资5000亿美元,在美国为OpenAI建设新的 人工智能基础设施,在今年投入首笔1000亿美元。

亚马逊今年计划在基础设施方面投资1000亿美元,高于2024年的770亿美元,是前一年480亿美元的两倍多,绝大部分资金将用于亚马逊网络服务的数据中心和服务器;

微软在2025年1月初宣布,计划在2025财年(截止今年6月份)投资800亿美元建设能够处理人工智能工作负载的数据中心;

谷歌计划在2025年投资750亿美元(较去年的 530 亿美元增长 42%),谷歌首席执行官桑达尔·皮查伊称人工智能的机遇“前所未见,这就是我们加大投入以抓住这一机遇的原因。”

Meta将在今年投资600亿至650亿美元用于AI相关的资本支出。Meta首席执行官马克·扎克伯格表示:“我仍然认为,从长远来看,大力投资资本支出和基础设施将是一种战略优势,我们可能在某个时候会发现其他情况,但我认为现在下结论还为时过早,就目前而言,我敢打赌,建设这种基础设施的能力将是一个重大优势。”

就连过去几年在AI领域很谨慎的甲骨文,2025年也加大了资本支出。甲骨文将在2025年将资本支出比2024年增加一倍,达到约136亿美元。而2021财年,甲骨文的资本支出仅为20亿美元左右。甲骨文首席财务官萨弗拉·卡兹 (Safra Katz) 在2025财年财报会上表示, AI需求推动甲骨文云基础设施收入增长52%,云计算收入本财年有望达到250亿美元。

在七大科技公司中,甲骨文是标准普尔500指数中唯一市值未突破1万亿美元的大型科技公司。与亚马逊和微软不同,甲骨文主要通过租赁大量数据中心而非购买。不过分析师表示,甲骨文这种独特的数据中心策略使其能够有效与资金雄厚的竞争对手竞争,因为这可以使得其资本支出中更大的一部分被投入到购买GPU,而非像微软这样的大规模支出。作为星际之门的一部分,甲骨文此次也担任重要角色之一,与英伟达和OpenAI共同构建和运营该计算系统。

据估计,微软、亚马逊、谷歌和Meta 2024 年的总资本支出将达到2460亿美元,高于2023年的1510亿美元。而2025年的支出可能超过3200亿美元。在科技巨头们如此高额的资本支出中,GPU的采买将占据很大一部分,10万卡级别的集群正逐步成为AI计算的标配。

英伟达无疑是这一浪潮的最大受益者:其三大客户之一Meta正加速建设一座超2GW的数据中心,计划在2025年底前部署超过130万块GPU;甲骨文则在打造Zettascale级别的云基础设施超级集群,支持多达131,072个Blackwell GPU,预计于2025年上半年推出;而微软去年成为全球最大GPU买家,据Omdia分析,微软在2024年采购了多达485,000块Hopper芯片,是其他厂商的两倍,今年800亿美元的预算预计也将大幅投入GPU采购。

2025年,英伟达的Blackwell GPU无疑将成为市场最受关注的芯片。尽管该系列面临一些技术挑战,英伟达仍计划提前推出。据Business Insider报道,Nvidia正积极推动SK Hynix尽早准备其下一代内存,以加速Blackwell GPU的量产。

AMD也在积极加速GPU导入厂商,本次大火的DeepSeek-V3模型的开发中,就使用了AMD Instinct GPU和ROCM 软件。MI300系列GPU已成为AMD有史以来增长最快的产品,微软已采购Instinct MI300X。据Nextplatform报道,预计2024年AMD向数据中心的GPU芯片销售额将突破50亿美元,几乎是2023年的10倍。此前,AMD首席执行官Lisa Su曾透露,已有超过100家企业和 AI客户积极部署MI300X。

为了快速攻占AI市场,AMD打算提前推出下一代GPU芯片MI350系列。MI350 将在本季度开始向主要客户送样,并将生产出货时间加速到年中。

在这一趋势下,GPU市场或将再度迎来供不应求的局面,只有少数头部厂商能够优先获得供应。

扩产,能否解决GPU缺货之痛?

GPU缺货最大的问题在于产能端。CowoS封装和HBM存储作为GPU的两大支柱,也制约了GPU的产能。据DIGITIMES Research称,受云端AI加速器需求旺盛推动,2025年全球对CoWoS及类似封装产能的需求或将增113%。为此,GPU产业链中关键的两大厂商台积电、SK海力士等行业巨头纷纷加大扩产力度,试图解决供应不足的困境。

由于日益加剧的地缘政治和经济不确定性,台积电的先进封装路线图在2024年经历了多次调整。根据台积电的最新规划,2024年CoWoS的月产能预计为35,000片,到2025年将增加一倍,达到75,000片,预计2026年将进一步增至135,000片。

台积电CoWos产能预测(来源:SEMI Vision)

台积电2024年的CoWoS封装就进行了扩产,比2023年增加了2倍,但是仍然供不应求。根据SEMI Vision的数据,台积电在竹南、嘉义、台中和台南四地的先进封装扩建项目正全力推进。其中竹南先进封装AP6B厂于12月3日获使用证,嘉义厂于今年5月动工。台中AP5B厂预计明年上半年投产,群创台南厂区台南AP8厂(内部代号AP8)则计划于2025年底小规模投产。而经济日报1月20日的最新消息,台积电再投2000亿新台币计划在南科三期新建两座CoWoS封装厂。如果消息属实,加上目前正在建设的嘉科厂,台积电短期内CoWoS厂总数将达到八座,具体包括嘉科一期两座、群创四厂改建两座、南科三期两座,以及嘉科二期规划的两座。CoWoS封装的火热需求可见一斑。

台积电先进封装工厂(来源:SEMI Vision)

另一边,SK海力士也是忙的飞起。作为HBM的主要供应商,SK海力士2025年的HBM产能均已经售罄,因而一边不断加大扩产HBM产能,目标是到明年实现每月14万片晶圆的HBM产能;一边加快产品迭代步伐,正与台积电就16层HBM4进行密切合作,预计2026年下半年开始量产出货。

2024年全年SK海力士营收创历史新高,超过2022年创下的纪录21万亿韩元以上,营业利润也超过了2018年半导体超级繁荣时期的纪录。反观三星,已经将HBM3E市场拱手让给了SK海力士,目前的希望是HBM4,三星打算采用混合键合新技术来实现16层的HBM4。但从目前的进展来看,似乎没那么顺利。不过,三星也在扩产HBM产能,计划在今年年底前将其HBM产能提高至每月14万至15万片晶圆,并在明年年底前进一步提高至每月17万至20万片晶圆。

美光的HBM产品进展还不错,其首席执行官预计2024财年HBM的收入大概在数亿美元,2025财年将达到数十亿美元。美光的目标是明年拿下20%的HBM市场份额。在台湾,美光正在大幅扩产HBM产能,包括台中A3工厂和桃园第11工厂,此外美光还在台湾开设了一个新的办公室,收购了友达光电的台中工厂,将其改建为DRAM生产基地。该公司计划到明年年底将目前每月20,000片晶圆的产量增加两倍至60,000片。

从短期来看,尽管扩产计划已在推进,供需矛盾仍将长期存在。尤其是随着 AI和数据中心应用的进一步发展,GPU的需求将持续攀升,单靠现有产能扩充恐难以迅速弥补市场缺口。

GPU不够,ASIC来凑?

GPU芯片短缺已经不是一两年的事了,云厂商们受制于Nvidia好多年了。因而云端巨头皆投入ASIC芯片开发,Google推出的TPU(张量处理器)已经成为行业标杆;亚马逊AWS也推出了Trainium和Inferentia两款自研芯片;微软紧随其后,开发了Maia和Cobalt系列;Meta则以MTIA芯片抢占市场;而OpenAI,据传正与博通合作开发自有的ASIC芯片,以支撑其大规模AI模型的训练需求。

显然这些ASIC已经小有气候。 苹果2024年7月发表iPhone AI的首个预览版,其AI模型就是使用Google的TPU(张量处理器)上训练。在亚马逊的AWS Reinvent大会上,其宣布将使用亚马逊自家的自研AI芯片进行模型训练,除夕之外,苹果正评估亚马逊最新的Trainium2芯片,种种迹象表明,ASIC已经能补充一部分GPU的空缺。

ASIC必然有其独特的存在价值。英伟达的B200等GPU芯片,主要通过扩大面积来提升性能,所以会越做越大,而聚焦于提升算力的ASIC芯片,抛弃了GPU中的部分通用功能,成为一种提升效能、降低功耗的选择,换句话说,ASIC具有高性能、低功耗、成本低、保密性和安全性高以及减少电路板大小的优势。

即使是“GPU之王”英伟达,也没有忽视ASIC的潜力。据报道,英伟达已经开始规划ASIC产品线,在台湾招募上千名芯片设计、 软件开发及AI研发等领域之人才。黄仁勋直言,NVIDIA借此可进一步扩大客群,或许CSP业者客户会成为NVIDIA的竞争对手,但同时所有的CSP也都还会是NVIDIA的客户,云端客户将离不开NVIDIA。

ASIC盛行时代,也带火了博通和Marvell。博通已经迈向万亿美元市值,Marvell的市值也突破千亿美元大关。这些公司在ASIC领域的快速崛起,不仅得益于自身技术研发能力,还反映了市场对定制化计算解决方案的巨大需求。

随着 AI模型复杂度的提升和大规模应用的普及,ASIC市场的规模呈现爆炸式增长。据摩根士丹利预计,AI ASIC市场规模将从2024年的120亿美元增长至2027年的300亿美元,年均复合增长率达34%。博通更乐观地预测,2027年ASIC的市场需求规模将在600亿至900亿美元之间,而Marvell则预计2028年数据中心ASIC市场规模将攀升至429亿美元。

GPU的短缺问题虽难短期内完全解决,但ASIC芯片的崛起无疑为填补这一空缺提供了可行的路径。特别是在云计算和AI领域,ASIC通过定制化设计,在特定应用中提供更高效、更低功耗的解决方案,逐步成为GPU的有力补充。

随着越来越多的云服务商投入到ASIC研发中,未来的计算生态可能会更加多元化。GPU和ASIC将两者互补,共同推动着整个AI和云计算产业的前进。

写在最后

DeepSeek的出现,使得很多人认为对算力以及英伟达不利。但是「信息平权」的一篇分析中的观点是前沿探索(如新模型的开发)和后发追赶(即基于已有成果的改进)所需要的算力需求是不同的。文章引用了《The Bitter Lesson》中的观点,强调算力才是AI研究的根本驱动力。历史经验告诉我们,AI的突破往往来源于算力的扩展,而非单纯的算法创新。随着算力的不断提升, AI的能力将得到质的飞跃。

因此,GPU在未来AI战场上的重要地位,依旧牢不可破。AI行业的未来,依然是算力的较量,无论是DeepSeek这样的新兴公司,还是OpenAI、谷歌、Meta等传统巨头,GPU仍将是支撑他们技术创新与产品突破的基石。2025年,GPU的抢夺战依旧很精彩。

自 半导体行业观察

]]>
Sensor Tower:DeepSeek上线18天全球下载量达1600万 //www.otias-ub.com/archives/1739361.html Sun, 02 Feb 2025 11:30:42 +0000 //www.otias-ub.com/?p=1739361

上线18天内,DeepSeek的累计下载量已突破1600万次,在覆盖的140个市场中持续保持领先地位。其中,印度用户以15.6%的占比成为DeepSeek最大用户来源。DeepSeek盘踞下载榜榜首,来自印度的用户最多。

自1月20日DeepSeek-R1模型正式发布以来,DeepSeek已于1月26日同时登顶苹果App Store和谷歌Play Store全球下载榜首,上线18天内,累计下载量已突破1600万次,在覆盖的140个市场中持续保持领先地位。

其中,印度贡献了最大的增量市场。数据显示,印度用户以15.6%的占比成为DeepSeek最大用户来源。

分析认为,这反映出新兴市场对智能工具的旺盛需求——印度作为全球增长最快的移动互联网市场,其用户更倾向于尝试高性价比的 AI工具。并且,这一现象也成功印证了“AI应用下沉”趋势,即技术普惠带来的市场扩张效应。

Sensor Tower数据显示,DeepSeek的首月下载量(1600万)较ChatGPT首次发布时(900万)增长近80%。不过,从用户总量看,DeepSeek当前的用户量距离ChatGPT的用户规模仍有一段距离(后者全球月活超4亿)。

目前,DeepSeek团队尚未公布商业化路线图。但资本市场已给出积极信号——据媒体统计,DeepSeek已成功带动全球AI初创企业融资额季度环比增长23%。

]]>
Omdia:2024年AI软件市场规模将达970亿美元 年增长率32% //www.otias-ub.com/archives/1739085.html Wed, 29 Jan 2025 08:07:51 +0000 //www.otias-ub.com/?p=1739085 人工智能(AI)产业正以前所未有的速度改变着各个领域。根据著名市场研究公司Omdia最近的一份报告,人工智能软件市场将在未来几年大幅扩张。

该报告强调,人工智能软件市场预计将在2024年增长到970亿美元,比2023年增长32%;预计到2029年,其市场规模将达到2180亿美元,复合年增长率为18%。

人工智能软件不仅包括机器学习和深度学习应用,还涉及神经网络、生成对抗网络(GAN)、变分自编码器(VAE)和自然语言处理(NLP)等先进技术。

这种大幅增长是由企业对人工智能技术的强劲需求推动的,特别是在工作流自动化和个性化客户服务方面。

此外,该报告还对生成式人工智能市场进行了深入分析,预测它将在2024年增长到150亿美元,到2029年将进一步扩大到730亿美元,复合年增长率达到38%。

生成式人工智能在文本和图像生成中的广泛应用为企业提供了更高效的内容创建方法。目前,人工智能写作工具正在被许多公司采用,以提高内容生产效率;而图像生成工具正在彻底改变艺术创作。

企业对人工智能技术的需求激增,预计将吸引大量投资,推动该领域的持续创新。

大型科技公司正在大力投资人工智能,知名的人工智能公司更是受到了大量资本的关注。例如,Meta的首席执行官马克·扎克伯格宣布,计划今年拨出600亿至650亿美元的资本支出,专注于人工智能,并称今年是“人工智能的决定性一年”。

]]>
埃森哲:2025年技术愿景 //www.otias-ub.com/archives/1737576.html Wed, 22 Jan 2025 21:30:32 +0000 //www.otias-ub.com/?p=1737576 埃森哲的一项新研究“2025年技术愿景”发现,一个新的数字化时代正在展开——在这个时代,人工智能不断学习,并在组织中推动新的自治水平,将对其绩效的信任定位为组织实现人工智能承诺所需的最重要衡量标准。

今年是埃森哲技术愿景发布的第25个年头,该报告探讨了人工智能驱动的自动驾驶将如何塑造未来。随着人工智能以比以往任何技术都快的速度在企业和社会中加速扩散,69%的高管认为,人工智能带来了重新发明的紧迫性,以及如何设计、构建和运营技术系统和流程。

大多数高管(77%)认为,人工智能的真正好处只有建立在信任的基础上才有可能实现,而更多的高管(81%)认为,信任战略必须与任何技术战略同步发展。

愿景探讨了新一代人工智能在多个维度的潜在影响,包括技术开发、客户体验、物理世界和劳动力。

当基础模型突破了自然语言障碍时,它启动了一场将永远改变软件开发和生态系统基础的转变。新一代人工智能编码助理已经将开发人员的角色提升为系统工程师,加速了代码的民主化和企业的数字化。

企业正在竞相使人工智能成为新的客户接触点,但只有将同样的重点应用于人工智能体验,品牌才能实现差异化。虽然80%的高管担心法学硕士和聊天机器人会给每个品牌带来类似的声音,但77%的高管认为,品牌可以通过主动构建个性化的人工智能体验,并通过其数字大脑向这些体验注入独特的品牌元素。

未来十年,通才机器人将出现,将更多的人工智能自主性带入现实世界。入门型通用机器人有可能成为专业机器人,能够非常迅速地学习新任务。80%的高管认为,机器人与人合作,并从这些互动中不断学习,将增加人与机器人之间的信任和协作。

人类和人工智能正在定义一个良性的学习循环:使用人工智能的人越多,它的改进就越多,就会有更多的人想要使用它。与产生一次性效益的传统自动化不同,人工智能的新时代可以随着时间的推移增强和提高其技能,提高其对使用它的个人和整个组织的价值。领导者的一个关键优先事项(80%)是确保人与人工智能之间的积极关系轨迹,这样就不会因为对自动化的恐惧而偏离轨道。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
Al时代的抉择:以“信”筑基,行稳“智”远 //www.otias-ub.com/archives/1738118.html Mon, 20 Jan 2025 21:00:33 +0000 //www.otias-ub.com/?p=1738118 AI的采用正在改变亚太地区商业格局。生成式AI的快速崛起更是加速了这一过程,预计到2030年,亚太地区的AIl投资将增长四倍,达到1170亿美元。生成式AI迅速成为亚太地区发展最快的企业技术。

在AI的快速采用上,员工往往比组织领导先行一步。德勤关于Al新生代的调研发现,超过五分之二的员工已在工作中使用生成式Al,其中年轻员工更是引领着AI热潮。

AI应用达到如此速度和规模,组织领导在试行和推广AI技术的同时,也面临着与AI相关的风险。我们对近900名高管的调研显示,高管在Al使用中最普遍的担忧是安全漏洞(86%)、监控(83%)和隐私(83%)方面的风险(图1)。自从生成式AI问世以来,技术能力显著提升,工具界面更为人性化,用户人数大大增加,这些风险也就变得更加突出。

Al解决方案或其使用的海量数据可能存在安全漏洞,一旦遭到数据窃取或泄露,可能产生巨大的成本。2024年,全球数据泄露的平均成本接近500万美元,较去年增长了10%。对于大型组织而言,这一成本可能会更高。

此外,还有一些难以量化的成本,如品牌形象受损和客户流失。消费者信心下降以及品牌声誉受损可能会带来持久的不利影响,组织必须有效管理AI风险并确保网络安全。同时,消费者更青睐在采用AI时遵从伦理规范的组织,例如对使用AI保持透明。研究显示,62%的消费者更信任其认为在AI使用上符合伦理的组织,而且有53%的消费者愿意为这样的产品和服务支付溢价。

​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
Pew:2024年美国青少年ChatGPT认知度达79% 高收入家庭认知率达84% //www.otias-ub.com/archives/1737798.html Sun, 19 Jan 2025 12:59:04 +0000 //www.otias-ub.com/?p=1737798 皮尤调查公司(Pew Research)发布的新数据显示,来自高收入家庭的青少年更有可能听说过 ChatGPT。 该研究调查了收入在 75000 美元或以上、30000 – 75000 美元和 30000 美元以下家庭的孩子。

皮尤调查询问 13 至 17 岁的青少年是否听说过 ChatGPT 或其他能够生成文本的 人工智能。 家庭越贫穷,家中青少年听说过 ChatGPT 的可能性就越小。 以下是各收入阶层的青少年是否听说过 ChatGPT 的详细情况:

根据收入,听说过 ChatGPT 的 13 至 17 岁美国青少年百分比(未显示未回答者)
家庭年收入 听说过 ChatGPT 未听说过 ChatGPT
低于 $30000 67% 32%
介于 $30000 和 $75000 之间 69% 31%
75000美元以上 84% 16%

从 2023 年到 2024 年,听说过 ChatGPT 的低收入阶层的孩子比高收入阶层的孩子(平均+10%)有了大幅提高(+26%),但他们仍然落后于高收入阶层。

经济因素并不是影响孩子们是否听说过 ChatGPT 的唯一决定因素。 83% 的白人青少年听说过 ChatGPT,而黑人青少年和西班牙裔青少年听说过 ChatGPT 的比例分别为 73% 和 74%。 总体而言,79% 的青少年听说过 ChatGPT,而 2023 年只有 67%。

当被问及是否可以使用 ChatGPT 写作业时,42% 的人表示不能接受使用 ChatGPT 写作文,18% 的人表示可以,另有 18% 的人表示不知道 – 不知道  ChatGPT 或没有回答的人不包括在此细分中。

当我们讨论到数学时,情况发生了一些变化。 表示不能接受使用 ChatGPT 解决数学问题的人仅占 28%,29% 的人表示可以接受,21% 的人表示不确定。 最后,他们被问及使用 ChatGPT 进行研究的问题。

只有 9% 的人表示不应该将 ChatGPT 用于研究,54% 的人表示可以接受,15% 的人表示不确定。 皮尤研究还揭示,承认在学校作业中以任何方式使用 ChatGPT 的青少年从 2023 年的 13% 上升到 2024 年的 26%。 与白人学生(22%)相比,黑人和西班牙裔学生(31%)更有可能使用它,而且高年级的孩子比低年级的孩子更有可能使用它: 七年级和八年级(20%)、九年级和十年级(26%)以及十一年级和十二年级(31%)。

自 中文业界资讯站

]]>
Janco Associates:2024年美国IT失业持续 全年流失22300个岗位 //www.otias-ub.com/archives/1737284.html Fri, 17 Jan 2025 14:50:52 +0000 //www.otias-ub.com/?p=1737284 在科技行业工作曾经是一个利润丰厚、机会众多的职业,但近来情况发生了变化。 一份新的报告显示,2024 年美国 IT 就业市场连续第二年下滑,唯一令人欣慰的是下滑幅度没有 2023 年那么严重。

根据技术咨询公司Janco Associates的报告,在过去两年中,美国有近71000个IT职位被裁撤。 其中大部分,也就是 48600 个是在 2023 年流失的,而 22300 个是在 2024 年流失的。

这些流失背后的最大因素是裁员和人工智能。 Layoffs.fyi 显示,去年有 152264 名科技行业员工受到影响,比 2023 年的 264200 人有所减少。

今年才刚刚过去几周,我们就已经看到了更多的裁员: 微软刚刚表示它正在多个部门裁员,裁员人数尚未透露。 此外,微软还在进行基于绩效的单独裁员,Meta也在这样做–尽管在这些情况下,这些职位往往会在稍后由新员工填补。

生成式人工智能对就业市场的影响有目共睹。 数据录入员、管理员和客户服务顾问等许多职位正在实现全自动化,完全消除了人为因素。

受到人工智能影响的不仅仅是低端工作。 今年 10 月,Google首席执行官桑达尔-皮查伊(Sundar Pichai)表示,该公司正在创建的新代码中,有 25% 是由人工智能编写的。

Janco 首席执行官 M Victor Janulaitis 认为,这一切的好处在于,人工智能和机器学习 IT 专业人员以及包括安全专业人员在内的其他一些职位仍然需求旺盛。

Janulaitis补充说:”IT组织中不再有秘书、数据录入操作员、行政监控员和大量的服务台工作人员。相反,新的角色是数据架构师、人工智能开发人员、电子商务专家以及类似的角色”。 这些发现进一步强调了 IT 专业人员在其技能组合中增加一些人工智能专业知识的重要性。”

CompTIA 最近发布的另一份报告发现,12 月份的技术失业率降至 2%,为 2023 年 11 月以来的最低水平,而当月的全国失业率保持不变,为 4.1%。 不过,科技行业所有职位的就业人数减少了 6117 人。

CompTIA 指出,最受欢迎的不需要四年制学位的工作岗位是网络支持专家(85% 的列表中没有此要求)、技术支持专家(72%)和计算机程序员(54%)。

自 中文业界资讯站

]]>
Pew:2024年初美国Z世代学生ChatGPT使用率达26% 较两年前翻倍 //www.otias-ub.com/archives/1737214.html Thu, 16 Jan 2025 12:17:10 +0000 //www.otias-ub.com/?p=1737214 根据皮尤研究中心(Pew Research Center)的一项新调查,Z 世代正在接受 OpenAI 的人工智能聊天机器人ChatGPT用于学校作业。 但目前还不清楚他们是否完全了解这种技术的缺陷。

继 2023 年关于青少年使用 ChatGPT 的民意调查之后,皮尤又询问了约 1400 名 13 至 17 岁的美国青少年,他们是否曾使用 ChatGPT 来完成家庭作业或其他与学校相关的作业。 有 26% 的人表示使用过,这一比例是两年前的两倍。

54%的受访青少年表示,他们可以接受使用 ChatGPT 研究新课题。 29%的人认为可以接受用 ChatGPT 来做数学题,18%的人认为可以接受用 ChatGPT 来写作文。

考虑到 ChatGPT 的不足之处,这一结果可能值得警惕。

ChatGPT 的数学运算能力并不出色,而且它也不是最可靠的事实来源。 最近的一项研究调查了领先的人工智能是否能通过博士水平的历史测试,结果发现,GPT-4o(ChatGPT 的默认人工智能模型)回答问题的准确性仅略高于人的随机猜测。

同一项研究发现,ChatGPT 在社会流动性和撒哈拉以南非洲地缘政治等领域的表现最为薄弱,这可能与在学校中使用 ChatGPT 最多的青少年的人口构成有关。 根据皮尤的民意调查,黑人和西班牙裔青少年比白人青少年更有可能说他们在学校相关工作中使用过 ChatGPT。

关于 ChatGPT 对教学的影响,研究结果褒贬不一,这也不足为奇。 宾夕法尼亚大学的研究人员 发现 使用 ChatGPT 的土耳其高中生在数学考试中的成绩比没有使用 ChatGPT 的学生差。 在另一项研究中,研究人员观察到,使用 ChatGPT 的德国学生能够更容易地找到研究材料,但与不使用 ChatGPT 的学生相比,他们综合这些材料的能力往往较差。

在皮尤去年进行的另一项调查 中,四分之一的公立 K-12 教师表示,在教育中使用 ChatGPT 等人工智能工具弊大于利。 与此同时,兰德公司(Rand Corporation)和公共教育重塑中心(Center on Reinventing Public Education)的一项调查 发现,只有 18% 的 K-12 教育工作者在课堂上使用人工智能。

自 中文业界资讯站

]]>
调查显示iPhone用户对Apple Intelligence使用意愿低 超60%用户表示兴趣不高 //www.otias-ub.com/archives/1737222.html Thu, 16 Jan 2025 12:16:29 +0000 //www.otias-ub.com/?p=1737222

苹果自iOS 18.1开始,为iPhone添加了Apple Intelligence功能,不过这项 AI技术并未引发iPhone的换机热潮。根据海外的报告指出,苹果用户对Apple Intelligence的使用反应也显得有些冷淡,有超过60%的用户表示,对Apple Intelligence的兴趣不高,认为手机的其他功能对日常的使用体验更重要

另外,报告也给出了iPhone用户为何对Apple Intelligence无感的原因。

数据显示,未升级到最新iOS系统版本是主要原因,占比超过5成,这意味用户不会因为Apple Intelligence而积极升级系统。

此外,部分用户认为实用性不足,或对AI的准确性抱持怀疑态度。

知名分析师郭明錤也泼了Apple Intelligence冷水。

他指出,至今尚无证据显示Apple Intelligence能贡献苹果的 硬件换机潮与服务营收,推测苹果在2025年可能会面临更大的挑战。

值得注意的是,目前Apple Intelligence只在英语系国家上线,其他语言包括中文、韩文、日文和韩文等,最快于4月陆续扩增,这或许有助带动Apple Intelligence的新一波热度。

自 快科技

]]>
JLL:预计2029年数据中心用电需求将翻倍 AI发展致电力供应面临挑战 //www.otias-ub.com/archives/1737137.html Wed, 15 Jan 2025 12:34:44 +0000 //www.otias-ub.com/?p=1737137

根据 JLL 的一份最新报告,数据中心预计将继续以惊人的速度增长,到 2029 年,其电力需求将翻一番。 人工智能的快速发展以及云服务的不断扩展推动了该行业的扩张,这正在考验能源行业的极限。 一些专家认为,到2027年,一半的新部署人工智能服务器可能会遇上电力不足的困境。

这在很大程度上是因为公用事业公司和电力开发商的运营时间表往往大相径庭。 大多数大型发电厂的建设和试运行需要数年时间,而那些部署较快的发电厂,如太阳能和风能发电厂,则因等待并网时间过长而受阻。

报告称,使问题更加复杂的是,数据中心往往集中在某些地区。 这种集中有可能使当地电网不堪重负。 公用事业公司一直在奋力追赶。 通常情况下,它们倾向于提前数年甚至数十年进行规划,预期需求会以较慢的线性速度增长。 人工智能爆炸性的电力需求使许多计划陷入混乱。

因此,许多数据中心开发商和运营商开始直接与可再生能源开发商和核电初创企业签订协议。例如,Google已经开始了价值 200 亿美元的可再生能源项目,为多个大型数据中心供电。 这家科技公司还与核电初创企业凯罗斯(Kairos)签订了一份合同,将在本十年末提供价值 500 兆瓦的无碳电力。 同样大力投资于可再生能源的微软公司正在与电力供应商 Constellation 合作,重启位于三里岛的核反应堆,该反应堆已于 2019 年关闭。 数据中心公司 Switch 与山姆-奥特曼(Sam Altman)支持的核电初创公司 Oklo 签订了一份协议,到 2044 年将提供高达12 千兆瓦的电力。

报告指出,供需匹配将是一项挑战。 虽然大多数数据中心都选址在主要城区附近,但在这些地方建造核反应堆,无论规模有多小,都更具挑战性。 可再生能源往往更容易获得许可,但需要更多土地。 核电和可再生能源都需要新的输电线路,而这些线路的建设也需要数年时间。

自 中文业界资讯站

]]>
IDC:2024上半年中国模型即服务(MaaS)规模达到2.5亿元人民币 //www.otias-ub.com/archives/1723278.html Wed, 15 Jan 2025 06:37:53 +0000 //www.otias-ub.com/?p=1723278 国际数据公司 (IDC)最新发布的《中国模型即服务(MaaS)及AI大模型解决方案市场追踪,2024H1》报告显示,中国MaaS市场的规模在2024上半年已达到2.5亿元人民币,2024-2028年,这一市场预计将继续快速增长,年均复合增长率为64.8%,到2028年市场总规模将达到38亿元人民币。2024上半年中国AI大模型解决方案市场的规模为13.8亿元人民币,预计在2024-2028年期间也将持续高速增长,年均复合增长率为56.2%,到2028年整体市场规模将达到211亿元人民币。

市场定义

IDC所定义的中国模型即服务(MaaS)及AI大模型解决方案市场由两个子市场构成,分别是模型即服务(MaaS)市场和AI大模型解决方案市场。

模型即服务(MaaS):提供以云服务模式交付的全流程AI大模型生命周期工具链以及AI大模型服务。主要以API访问、模型中枢或会话接口来提供服务。不包含单独销售的云基础资源层(IaaS)和算力的收入。

AI大模型解决方案:提供包括模型框架,大模型,大模型生命周期工具链,模型训练和调优的软件和服务,在企业自己或第三方的数据中心部署,支持企业客户构建和训练自己的企业或行业大模型以及行业应用。

市场概况

2024年上半年,中国模型即服务(MaaS)及AI大模型解决方案市场实现了高速增长:

  • 在市场方面,去年同期,大模型的使用和落地处于初期阶段,但许多相关的产品和服务采用了免费模式,这极大地促进了用户和企业的试用和采纳。随着大模型技术的日益成熟和市场需求的持续增长,越来越多的企业和开发者开始利用这些模型来支持复杂的数据分析和决策过程,从而加速了服务的商业化和市场化。
  • 在政策方面,2024年上半年,广东、河北、四川、山西、内蒙古、北京、上海、深圳和杭州等多个省市陆续推出了旨在促进人工智能产业创新与发展的政策措施。这些政策不仅向行业提供了资金和资源支持,还为企业发展人工智能应用创造了丰富的机遇,加快了技术的商业化进程和市场的拓展。
  • 在应用场景方面,智能客服、企业搜索、市场营销和垂类行业场景是大模型在企业中的主要应用。例如,在智能客服领域,大模型通过处理自然语言提高服务效率和质量。在企业搜索应用中,通过深度语义理解,提升检索速度和准确性。在市场营销中,大模型帮助企业更精确地分析市场趋势,优化广告投放策略。对于特定行业如金融和医疗,大模型能提供针对性解决方案,提高行业智能化水平和经济效益。这些应用场景的扩展和深化,有效推动了大模型技术的广泛应用和市场接受度。

市场格局

中国MaaS市场

  • 2024年上半年,按照营收规模,前三大服务商分别是百度智能云、阿里云和腾讯云。百度智能云的规模超8,000万元人民币,位居市场第一,市场份额达32.4%,百度智能云的MaaS业务主要通过其千帆大模型平台提供服务,为企业提供大模型全生命周期工具链和整套环境,让企业用户可以在千帆平台上直接调用文心大模型的服务,也可以进行开发、训练、部署和调用自己的大模型服务,同时平台还提供应用开发层全套工具链支撑模型到应用落地的最后一公里,为企业提供企业级RAG、企业级Agent等全链路应用落地最佳实践;阿里云的通义大模型企业级服务平台百炼是一站式的大模型开发及应用构建平台,支持文本、语音、图片等多种模态的大模型,提供广泛的开源和闭源模型,全链路的模型训练和评估工具,以及可以帮助企业和开发者快速灵活构建Agent的全套应用开发工具,其利用应用和模型双引擎的策略驱动发展生态化共建,助力千行百业落地大模型应用;在MaaS服务方面,腾讯云依托于大模型精调工具链TI平台,内置腾讯混元大模型、行业大模型和市场主流开源大模型,让企业和开发者可以根据场景和业务需求进行灵活选择,降低模型使用成本。其三大AI大模型引擎工具助力企业更高效、简单地用大模型开发AI原生应用,快速接入生产场景。

AI大模型解决方案市场

  • 2024年上半年,百度智能云、商汤科技和科大讯飞位列市场的前三位,营收占比分别是17.0%,14.8%和14.0%。百度智能云的AI大模型解决方案服务于多个行业,包括智能终端、智能汽车和智能交通等等。其中在产业创新基地、大模型赋能中心、居民政务服务等领域支持政府人工智能产业的发展和应用开发落地,并在制造、能源电力、金融等行业,为企业提供通用大模型基座来训练满足特定业务需求的行业模型,支撑企业完成大模型应用开发,并实现全业务流程的落地应用;商汤科技的大装置——万象,包含模型开发平台和应用开发平台,是基于商汤大装置算力底座、日日新大模型和第三方开源大模型,构建面向开发者的模型管理、推理、微调、数据管理,以及智能体应用的一站式服务平台,针对不同行业的需求,提供了多元化的AI大模型解决方案; 科大讯飞通过其讯飞星火大模型为行业客户提供定制化的AI解决方案,优化政务领域的数字化办公流程,在金融行业实现智能问答和智能投顾,助力企业降低成本并提高效率。

市场预测及趋势

随着相关技术的持续演进与突破,MaaS服务能够以更低的成本和更快的速度解决复杂问题,拓展到更多的应用领域,从而吸引更多的企业客户。另外,中国庞大的企业数量和丰富的行业场景为MaaS提供了广阔的市场空间,随着数字化转型在各行各业的加速推进,对MaaS的需求持续增加。企业需要利用AI模型来优化决策过程、提高效率和创新产品,推动了MaaS解决方案的应用扩展到更多行业和领域。2024年很多服务提供商采取降低服务费用的策略吸引了更广泛的客户群体。虽然这可能会在短期内压缩利润率,但长远来看,降价有助于增加用户基数,通过规模效应实现利润最大化,从而驱动市场规模的扩大。

国家大力推进智算中心的建设,为数据存储和处理提供了强大的基础设施支持。智算中心能够提供所需的高性能计算资源,支持大模型的训练和部署。智算中心作为技术创新的孵化器,不仅推动AI技术的迭代升级,还促进了新技术的商业化和产业化应用。随着企业对AI技术的理解加深,对解决方案的需求正逐步向垂直领域扩展。行业特定的AI应用日益增多,特别是在政府、金融和医疗等数据敏感性高的行业,企业对AI大模型解决方案的需求越来越倾向于个性化和定制化。这种趋势不仅提高了AI技术的应用深度,也为市场的扩展带来了新的增长动力。

IDC认为,大模型未来的发展将集中在几个核心趋势上,这些趋势预示着模型的功能和应用将变得更加广泛和高效。首先,未来的大模型将拥有更多的参数,以提升其处理复杂问题的能力和精度,并通过大模型训练小模型,实现更高效的任务分配。此外,大模型将逐步从单一模态(如文本、语音、视觉)向多模态融合的方向发展,实现多模态输入与输出的统一架构,增强模型的适应性和灵活性。

在模型多元化方面,开源与闭源模型将协同发展,商业模型与开源模型将共存并互补,为企业提供更多选择。企业会基于不同大模型的特点和优势选择多种模型,以满足复杂和多样化的业务需求。这种多元化策略将使企业能够在不同场景中灵活应用AI技术。最后,在模型端侧化方面,随着移动设备和智能硬件的处理能力提升,轻量化和广泛的端侧部署将成为一种重要趋势。小型模型和AI加速硬件的结合将在边缘设备上实现高效的AI推理,这不仅提升了操作效率,也显著减少了数据处理和传输的成本。

]]>
亚马逊云科技:AI时代顶级云基础设施激发全栈创新联动 //www.otias-ub.com/archives/1736883.html Wed, 15 Jan 2025 02:48:58 +0000 //www.otias-ub.com/?p=1736883 全球科技基础设施看亚马逊云科技,亚马逊创新发布看re:Invent全球大会。从云计算到AI大模型,从底层到上层应用,作为全球科技行业领导者,2024年亚马逊云科技跨越科技发展的整个周期,AI大模型的跨越式发展以及基础设施创新已经让亚马逊云科技激发出全栈联动的全新能力。

不久之前的re:Invent 2024给业界印象深刻的是亚马逊云科技在基础设施领域的立体式创新,上层 生成式AI等数据能力与底层云计算包括存储、数据治理、芯片和安全基础设施领域的重大创新。

硬件性能在AI时代一骑绝尘

自研芯片长达十年,从一开始就围绕创新、高效率、性价比布局长远。亚马逊云科技在AI时代才显得游刃有余。

芯片是当前全球科技领域关注的焦点,亚马逊云科技在几大云计算厂商中,这一方面的表现尤为突出,早在十年前就开启了定制芯片之路。以自研芯片为代表的基础设施能力不断演进,极大地拓展了亚马逊云科技的创新边界,进而为广泛而深入的全栈云和AI服务提供无限可能。

亚马逊云科技re:Invent 2024的一系列更新中,放在首日发布的最重磅炸弹无疑是Amazon Trainium2,这也是亚马逊云科技高级副总裁Peter Desantis第一次将服务器机架搬上主舞台,此前该申请一直被拒。由此可见亚马逊云科技对Amazon Trainium2及其相关系列基础设施发布的重视程度,其超强的单服务器性能是亚马逊云科技在纵向扩展领域的又一次突破,用以满足大规模生成式AI训练和实时推理的性能需求。

亚马逊云科技计算和网络副总裁 David Brown表示:“Amazon Trainium2是专为支持大型、前沿的生成式AI工作负载而设计的,能够满足训练和推理的需求,并在亚马逊云科技上提供卓越的性价比。随着模型参数接近万亿,我们意识到客户需要一种创新的方法来高效训练和运行规模庞大的工作负载。在亚马逊云科技上,全新的Amazon EC2 Trn2 UltraServers提供超快速的训练和推理性能,帮助各类企业以更快的速度和更低的成本训练和部署世界上最大的模型。”

同时,亚马逊云科技发布了新一代AI训练芯片Amazon Trainium3。Trainium3是亚马逊云科技首款采用3纳米工艺制造的芯片,在性能、能效和密度上树立了新标杆。搭载Trainium3的UltraServers性能预计将是Trn2 UltraServers的4倍,使客户在构建模型时能够更快迭代,并在部署时提供卓越的实时性能。首批基于Trainium3的实例预计将在2025年末上线。

通过持续在诸如 Nitro、Graviton 和 Tranium2 等领域的核心创新投入,亚马逊云科技正在构建更强大的人工智能服务器。而持续的领先,来自于对硬件细节极致的追求。

亚马逊云科技的基础设施立体扩展

亚马逊云科技通过大规模计算能力、专门设计的硬件架构和优化性能及性价比,显著提升了单服务性能的纵向扩展能力。这些创新不仅提高了AI模型的训练和推理效率,还降低了成本,为AI应用的广泛部署提供了强大的支持。

其中,Amazon EC2 Trn2服务器和Amazon EC2 Trn2 UltraServers超级服务器都是为AI负载和设计,并提供快速扩展能力。Amazon EC2 Trn2 UltraServers拥有64个Tranium2芯片协同工作,提供比任何当前EC2 AI服务器高五倍的计算能力和十倍的内存。亚马逊云科技高级副总裁Peter Desantis表示,“如果你要构建一个万亿参数的AI模型,这就是你需要的那种服务器。”

在横向扩展能力方面,10p10u则成为亚马逊云科技有史以来扩展最快的网络,在过去12个月中,安装了超过300万条链路;新型的SIDR网络协议则专为解决AI网络中光链路故障频发、路由更新缓慢的问题而设计,能在1秒内恢复光纤网络中的故障,速度是传统协议的10倍。

亚马逊云科技通过10p10u网络架构和SIDR网络路由协议,显著提升了横向扩展能力。10p10u网络架构通过创新的连接器和定制光纤插头,加快了安装和维护效率,而SIDR协议则通过中央规划和去中心化响应,显著提升了网络的可靠性和实时性。这些创新确保了AI集群在大规模扩展时的高效运行。

通过高性能计算能力、高效网络架构和数据中心创新,亚马逊云科技显著提升了AI基础设施的性能和可持续性。

底层基础设施与上层AI等能力的全栈联动

亚马逊云科技大中华区总裁储瑞松在re:Invent 2024上表示,大模型只是生成式AI应用创新的一部分,要想真正做好生成式AI应用开发,还需要具备其他方面的能力,包括确保生成式AI能够利用企业数据来增强大模型的能力、模型蒸馏以及安全和负责任的使用等等。为此亚马逊云科技推出了Amazon Bedrock平台,为企业用户和开发者提供了模型选择、成本性能平衡、业务数据集成、模型推理优化、安全负责任使用等五大功能。通过Amazon Bedrock平台,用户可以更方便、更轻松、更快捷地实现生成式AI应用创新。

在底层平台方面,Amazon Bedrock平台的更新使得其可以支持更多的开源大模型;在系统软件方面,Amazon SageMaker等产品的更新为用户提供了更强大的数据处理和模型训练能力;在上层应用方面,亚马逊云科技也推出了多个针对企业场景的服务,譬如Amazon Q Developer新加入的Transform功能就可以加速VMware和大型机工作负载的迁移和现代化,缩短转型时间并降低成本。

亚马逊云科技大中华区产品部总经理陈晓建表示:“亚马逊云科技是全球云计算的开创者和引领者,更是企业构建和应用生成式AI的首选,今年re:Invent全球大会的一系列重磅发布再次印证了这一点。我们不仅在云的核心服务层面持续创新,更在从芯片到模型,再到应用的每一个技术堆栈取得突破,让不同层级的创新相互赋能、协同进化。我相信,只有这样全栈联动的大规模创新才能真正满足当今客户的发展需求,加速前沿技术的价值释放,助力各行各业重塑未来。”

有业内人士评价,亚马逊云科技始终围绕弹性、安全、性能、成本、可靠性、可持续性为客户创造价值。

亚马逊云科技大中华区总裁储瑞松在拉斯维加斯现场采访中表示:“这次re:Invent推出很多重磅创新发布,广度和深度令人印象深刻,这充分体现了亚马逊云科技全栈创新联动的能力。我们的创新既有底层云计算核心能力,也有上层数据分析尤其是AI方面的能力。上层创新需求驱动底层创新,而底层创新又为上层创新提供加速和支持。”

]]>
香港中文大学:2024中国人工智能岗位招聘研究报告 //www.otias-ub.com/archives/1736759.html Tue, 14 Jan 2025 20:30:12 +0000 //www.otias-ub.com/?p=1736759 从行业地域分布的分析中发现,岗位的招聘需求主要集中在计算机互联网、电子、人力资源、医药生物等行业,且一线城市如北京、上海、深圳和广州提供了丰富的职业机会,展现了这些城市在人工智能领域发展中的领先地位。

在技能需求方面,专业知识与技术技能两个硬技能类别需求最高,比如数据结构与算法、深度学习框架等,随后是与工程实践相关的技能,如模型训练与评估、硬件开发与选型等。这些需求不仅强调了硬技能的重要性,同时也凸显了经验、责任心和沟通协调等软技能的价值。

福利待遇方面,大多数企业提供培训福利和社会保障福利,这反映了企业对人才持续发展的长期投资,以及企业对员工的关怀和承担社会责任的意识,其中远程办公(WFH)福利值得关注,这些福利有助于提高员工的工作积极性和忠诚度。

企业规模分析显示,大型企业在岗位招聘中占据了主导地位,这与它们丰富的技术储备、庞大的数据体量和对技术创新的迫切需求有关。

​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
社交媒体、人工智能等数字技术正在推动全球旅游民主化 //www.otias-ub.com/archives/1736721.html Mon, 13 Jan 2025 14:09:31 +0000 //www.otias-ub.com/?p=1736721
  • 数字技术正在推动全球旅游民主化。
  • 旅行者身份更加广泛多样,他们在全球范围内探索的旅游目的地也在不断扩展。
  • 社交媒体、垂直人工智能和新兴市场的崛起都在推动形成一个更加公平包容的旅游格局。
近年来,旅游业发生了深刻的变革,推动了全球旅游的民主化。这一现象表现为更广泛、更多样化的旅行者探索着全球越来越多的目的地。这一转变的核心是旅游技术的快速发展,如垂直人工智能(专为特定行业优化的人工智能),提高了全球旅游企业的效率、覆盖范围和服务效果。
旅游的复兴主要体现在以下几个方面:
旅游民主化从旅行者人口结构的变化中可见一斑。与老一代人相比,千禧一代和 Z 世代走在这一趋势的前沿,他们旅游的频率更高,也将更高的收入比例用于旅游。麦肯锡的一项调查显示,66% 的旅行者在疫情后表示对旅游的兴趣有所增加,而年轻一代引领了这一热潮。这种转变不仅与年龄有关,还与经济多样性有关。如今,得益于经济实惠的旅游选项和能帮助人最有效利用支出的创新技术,更多精打细算的旅行者也能够放心地探索世界。
近年来最显著的趋势之一是国内旅游数量的增长。预计国内旅游将以每年 3% 的速度增长,到 2030 年达到每年 190 亿个住宿夜。这一趋势在中国尤为显著,其国内旅游市场预计将以每年 12% 的速度增长,到 2030 年有可能超过美国,成为全球最大的国内旅游市场。这种向本地探索的转变,是由于人们渴望在离家更近的地方获得独特、真实的体验。基于云计算的软件和数据平台正在推动垂直人工智能的发展,帮助中小型企业实现预订技术的数字化,更好地服务国内游客。
但是,国内旅游的增加并不是唯一的变化指标。旅游民主化还体现在新兴旅游市场的崛起。印度、东南亚和东欧正逐渐成为重要的出境旅游客源地。例如,到 2030 年,印度的旅游支出预计将以每年 9% 的速度增长。
这种增长并不局限于传统的热门旅游目的地。旅行者探索非热门、小众地点的兴趣日益增加,一些鲜为人知的旅游目的地也越来越受欢迎。根据 Expedia 的 “Unpack’25” 报告,63% 的旅行者表示希望在下一次旅游中前往不那么出名的目的地。
社交媒体和技术的力量
社交媒体和技术在旅行中发挥着关键作用,这一点不足为奇,尤其在新兴的年轻旅行群体中;92% 的年轻旅行者表示,他们的上一次旅游是受到社交媒体的启发。Instagram 和 TikTok 等社交媒体平台以及 YouTube 和 Netflix 等流媒体内容频道不仅会影响旅游决策,还能让旅行者更容易发现和进入新的目的地。这也引起了旅游目的地规划的转变,消费者开始优先考虑独特的目的地(比如非洲或加勒比海),而不是巴黎、纽约等传统的热门景点。在这一过程中,垂直人工智能表现尤为突出,其通过提供个性化推荐、优化旅游路线和提升客户服务,正在彻底改变旅游业。
经济影响、可持续性和新兴目的地
旅游民主化对经济的影响是巨大的。在美国,技术在推动旅游民主化方面发挥了重要作用,2023 年可能创造了 1740 万个工作岗位,并贡献 2.2 万亿美元的 GDP,促进了经济发展。此外,对可持续旅游业的关注为那些优先考虑环境和社会责任的旅游目的地带来了机遇。例如,卢旺达强调可持续旅游实践,成功吸引了对追踪大猩猩的徒步之旅等独特体验感兴趣的游客。
在探险和新体验欲望的推动下,全球游客也逐渐发现了许多新兴旅游目的地。Expedia 2023 年 9 月至 2024 年 8 月的数据显示,法国兰斯、意大利布雷西亚和墨西哥科苏梅尔等知名度较低的旅游目的地受到越来越多游客的青睐。同样,Booking.com 的《2025 年旅行预测》报告也强调,67% 的游客希望前往客流量较少的目的地。中国三亚、意大利的里雅斯特和巴西若昂佩索阿等新兴目的地也正受到越来越多的关注。
垂直人工智能在旅游技术中的作用
使用垂直人工智能有助于改善客户的旅游体验。在巴黎奥林匹克运动会上,酒店在优化客房供应,用最具竞争力和最赚钱的价格吸引住宿方面举步维艰。如果使用了基于机器学习的预测和动态定价系统技术,就能避免这种情况,从而扩大潜在市场的规模。
例如 Yanolja,作为一家全球旅游技术公司,其利用垂直人工智能帮助企业客户提高效率、覆盖面和效益。人工智能驱动型解决方案也能使旅游公司提供个性化体验、简化运营并触及更广泛的受众。通过分析大量数据,Yanolja 的人工智能系统可以预测旅游趋势、优化定价策略并提高客户参与度。
未来充满无限可能
上述趋势重塑了全球旅游格局,使其更具包容性和多样性。在先进的旅游技术和垂直人工智能的帮助下,我们正在见证一个新时代的到来。在这个时代,更多的人可以大胆的探索世界,发现新文化并创造永生难忘的回忆。随着我们不断创新,适应游客不断变化的喜好,旅游的未来会比以往任何时候都更加光明,也会更加便捷普及。
本文作者:
Kim Jong Yoon,Yanolja 首席执行官
本文原载于世界经济论坛 Agenda 博客
]]>
波士顿咨询:AI成熟度矩阵 //www.otias-ub.com/archives/1730060.html Wed, 08 Jan 2025 19:00:08 +0000 //www.otias-ub.com/?p=1730060 在评估的73个经济体中只有五个——加拿大、中国、新加坡、英国和美国——被归类为人工智能的先驱。他们通过融合投资和基础设施等因素,将颠覆性转变为竞争优势,已经达到了高度的准备程度。他们在引领世界创新、人才发展、人工智能监管和道德方面处于独特的地位。

一些人工智能准备程度较高的经济体仅落后于人工智能先驱的步伐。虽然这组人工智能竞争者包括成熟的经济体,但也包括印度、沙特阿拉伯和阿联酋等新兴经济体,这些国家正在利用政策和有针对性的投资来采用先进的人工智能。随着这些经济体的创新能力不断增强,它们将在人工智能领域变得更具竞争力和影响力。

研究中的大多数经济体还没有为人工智能带来的颠覆做好准备。超过70%的企业在生态系统参与、技能和研发等方面的得分低于中线。政策制定者必须立即采取行动,适应人工智能世界,提高弹性、生产力、就业、现代化和竞争力。

暴露与准备之间的关系

人们对人工智能的未来有着很高的期望。今天的采用已经带来了效率的提高和投资的回报。与竞争对手相比,正在扩展人工智能的企业的收入增长了2.5倍。在整个经济体中,这种潜在的收益将人工智能提升为一个紧迫的政策制定领域。

人工智能采用的原型

对人工智能曝光和准备程度的综合分析揭示了六个不同的采用群体:

人工智能先锋

稳定的竞争者

不断上升的竞争者

暴露的实践者

渐进的实践者

AI准备极低者

新加坡如何成为人工智能的先驱

尽管新加坡人口不多,但由于政府在人工智能方面的战略成功,包括人才、监管、创新和投资,新加坡是人工智能应用的一个显著例子。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
货币基金组织:亚太发达经济体一半工作岗位将受到人工智能影响 //www.otias-ub.com/archives/1736077.html Wed, 08 Jan 2025 13:09:23 +0000 //www.otias-ub.com/?p=1736077

国际货币基金组织日前发表的一篇博客文章指出,受人工智能影响,亚太地区经济体的劳动力市场很可能会出现变化,而发达经济体受到的影响将更大。在该地区发达经济体的工作岗位中,约有一半受到人工智能的影响;而在新兴市场和发展中经济体,这一比例只有大约四分之一。

文章表示,亚太地区发达经济体也有更多工作岗位会由人工智能来补充,这意味着该技术很可能提高生产率,而不是完全取代这些工作。

国家间不平等加剧

文章指出,由人工智能补充的工作岗位在亚洲发达经济体的集中,可能会逐步加剧国家之间的不平等。新加坡约有40%的工作岗位被认为与人工智能高度互补,而老挝的这一比例仅为3%。

文章同时指出,人工智能还可能加剧一国内部的不平等。在亚太地区,大多数面临失业风险的劳动者从事的是服务、销售和文员支持等工作。与此同时,更可能从人工智能中受益的劳动者通常担任管理、专业、技术性职位,而这些职位往往本已属于高薪之列。

文章表示,女性更有可能受到人工智能的干扰,因为她们更多从事服务、销售和文员等工作。相比之下,在现阶段不太可能受到人工智能影响的职业中,男性从业者的占比更高。这些职业包括农场工人、机器操作员、低技能初级工人。

调控政策应对不平等

研究指出,构建完善的社会保障体系,并为受冲击的劳动者开展职业技能重塑,是实现人工智能包容性转型的关键。

为规范人工智能应用,相关部门需出台监管政策,确保技术使用符合伦理标准,同时加强数据安全保障。此举既能降低人工智能引发的潜在风险,又可充分发挥其促进经济发展和提升效率的作用。

]]>
美国消费技术协会:美国 93% 的成年人对生成式 AI 有所了解 //www.otias-ub.com/archives/1735760.html Wed, 08 Jan 2025 00:49:20 +0000 //www.otias-ub.com/?p=1735760 美国消费技术协会(CTA)在拉斯维加斯举行的国际消费电子展(CES)上发布了一份关于未来科技发展趋势的报告。根据报告,93% 的美国成年人对生成式人工智能(Generative AI)表示熟悉。这一统计数字显示出公众对这一新兴技术的高度关注。

生成式 AI 是一种利用算法和数据来生成新的内容,如文本、图像和音频的技术。随着越来越多的应用程序和工具的推出,生成式 AI 的影响力迅速扩展至各个领域,包括教育、娱乐、商业和艺术等。这项技术的普及使得公众在日常生活中对其产生了更深的理解和认知。

报告中还指出,生成式 AI 的市场潜力巨大,预计到2030年,其市场规模将达到1.5万亿美元。这一前景吸引了许多企业的目光,纷纷加大对相关技术的研发和投资。与此同时,生成式 AI 也被广泛应用于营销、智能家居以及金融等领域,为企业创造了新的商业机会。

在 CES 展会上,多个公司展示了利用生成式 AI 技术的新产品和解决方案。观众们不仅可以体验到这些技术的最新成果,还能深入了解它们如何改变传统行业。许多专家也在展会上发表演讲,探讨生成式 AI 的发展趋势以及其对未来生活的影响。

自  AIbase基地

]]>
WiseApp:2024年韩国用户每月使用生成式AI应用9亿次 ChatGPT领跑 //www.otias-ub.com/archives/1735763.html Wed, 08 Jan 2025 00:49:13 +0000 //www.otias-ub.com/?p=1735763 根据最新的数据,韩国的生成性人工智能应用在2024年12月的月使用次数达到了惊人的9亿次,其中 ChatGPT 应用的使用人数最多,达到了682万。其他一些应用如 A-dot 和 Rutton 也紧随其后,显示出生成性人工智能的快速普及。

据 WiseApp、Retail 和 Goods 三家公司于2025年1月7日发布的调查显示,ChatGPT 不仅在用户数量上领先,而且其使用时间也大幅上升。2023年12月,韩国用户使用生成性人工智能应用的总时长为1.1亿分钟,而到了2024年12月,这一数字激增至9亿分钟,增幅超过八倍。这表明越来越多的用户正在积极参与并利用这些技术来满足他们的信息检索、文本和图像生成及个人助理的需求。

调查仅针对在韩国使用 Android 和 iOS 系统的智能手机用户,专注于能够进行信息搜索、文本和图像生成以及担任对话式人工智能助手的应用。值得一提的是,专注于特定功能的应用程序,如摄影、记笔记和翻译等,未包含在此次调查之中。

WiseApp、Retail 和 Goods 在报告中指出,生成性人工智能服务的迅速发展正在改变内容的消费和生产方式,并逐渐深入到韩国用户的日常生活中。这一现象不仅反映了科技的进步,也展示了用户对新型技术接受度的提高。

随着生成性人工智能的不断演进,我们可以预见,在未来的日子里,这些应用将在更多领域发挥出更大的作用,改变我们的生活方式和工作方式。

自  AIbase基地

]]>
Counterpoint:59%的消费者愿意升级到新一代AI智能手机 //www.otias-ub.com/archives/1734028.html Mon, 06 Jan 2025 18:00:38 +0000 //www.otias-ub.com/?p=1734028 Counterpoint在美国、加拿大、英国、法国、德国、波兰和日本等7个国家进行的一项调查显示,32%的受访者熟悉生成式人工智能(Gen AI)。人工智能的认知度在北美最高(72%),在日本最低(7%)。智能手机在人工智能的传播中发挥了关键作用,近3/4的受访者通过他们的设备访问技术,以Z世代用户为首。由于智能手机仍然是人们日常生活中不可或缺的一部分,59%的受访者计划在明年购买一部支持人工智能的智能手机,其中美国的趋势最为强劲,其次是德国和法国。

调查显示:

认知:在2.5万受访者中有32%主要通过聊天机器人和搜索引擎了解生成式人工智能。

智能手机使用情况:在知情用户中有73%在智能手机上使用过Gen AI,这突显了该设备在提高认知度和盈利机会方面的关键作用。

主要优势:69%的用户看重Gen AI节省时间的能力。

购买意向:59%的人愿意在2025年9月之前改用新一代AI智能手机,其中美国人引领了这一趋势。

支付意愿:超过2/3的受访者愿意为支持人工智能的智能手机支付额外费用。

Counterpoint研究总监Tarun Pathak在评论新一代人工智能的日益普及和用例时表示:“生成式人工智能由于其在个人、专业和教育应用中的可访问性和多功能性而迅速获得了关注。日常任务,如写作辅助、文档编辑和研究都变得更加简单,这证明了它对用户来说是一个无价的工具。由于其广泛可用性、易用性和可验证的输出,写作辅助已成为最主要的用例。其他流行的应用程序,如图像生成和语音助手,也看到了大量的采用。“

]]>
百度:2024年AI日均调用量超15亿次 文库AI付费用户突破4000万 //www.otias-ub.com/archives/1735495.html Sun, 05 Jan 2025 13:54:08 +0000 //www.otias-ub.com/?p=1735495 2025年1月,百度成立的25周年,李彦宏发布了他的全员信。新年的第一天,在自然时间点上,最是适合回顾和眺望。尤其是2024年经历过一轮狂飙突进的AI技术,也走到了这样的时间点。李彦宏在这份信里写到,“大模型赋能的AI原生应用正在各行各业各种场景迅速普及,虽然超级应用尚未出现,AI的实际渗透率已经不低,并且将在2025年继续井喷式增长”。

那么,在今天,AI的实际渗透率到底达到什么程度了?

这有两个可以观察的视角。一是用钱投票出来的数据,李彦宏第一次透露百度文库的付费用户数已经超过4000万,这些都是给百度文库AI功能买单的用户。在这之前,他还曾透露,截止2024年11月,百度文心大模型的日均调用量已经超过15亿次。

另一个观察视角我更喜欢,因为跟我们普通用户的日常息息相关,是日前百度公开发布的年度AI提示词。它最直观地呈现,过去一年,大家跟AI唠嗑儿,最主要唠了些什么。

被问得很热的词有,“怎么”“为什么”“标题”等等,具体的提问方式包括但不限于“贾玲是怎么瘦下来的”“刀郎直播为什么能打破周杰伦的记录”“起个标题、换个标题、有没有更简洁且抓眼球的标题建议”……

问了前面两个提示词的人是谁,我们不知道,但频繁使用第三个提示词的,不是牛马,就是乙方。

如果说,年度网络流行语是对过去一年热点内容的提炼,是一种集体解构世界的方式。那,年度AI提示词就是用户试图理解世界,重新建立秩序的方式。它不只是人和机器交互的语言,更是人类思想的表达,以及人和自己的对话。

换而言之,提示词会是一个观测时代情绪,人类精神的窗口。

在信息爆炸的网络时代,人们总是希望获取尽可能多的内容,避免自己无法跟上大众的脚步而被甩下。而“是什么”这个热门提示词的背后,是一次次认知秩序的建立。

在2024年,礼貌询问对方是什么人格,是当代年轻人的一种基础社交礼仪。即便面对 AI,人们也还是习惯性地问出了那一句——“你的MBIT是什么?”。

这种秩序的建立不仅停留在认知层面,还可以是社交的、情感的、生活的。

水灵灵是什么梗?琼瑶的代表作是什么?这些无一不在透露提问者参与热门议题、乃至公共议题的渴望。他们把问题抛给AI,然后,成功得到一个社交货币。

在这些细碎的生活之外,人类还把一些数百年都无解的灵魂叩问,以及不与人说的疑惑抛给AI。

比如关于爱和人生。

想必很多人都能感受到,我们正处在一个爱无能的时代,尤其是年轻群体在亲密关系方面表现出更强烈的抵抗性。

在短视频里,恋爱是要纳进医保的绝症,智者不入爱河是一种被称赞的人间清醒。然而,与之形成鲜明反差的却是,情感导师红了一批又一批,动辄几千、上万的情感课程正在流行。

其实,只有当情感浓度在一个合理范围内,理性的探讨才能进行。当情感的激烈程度已经取向极端,理性往往会被空洞的口号和不切实际的幻想所取代。

处在这种迷茫和冲突里,很多人开始向AI发问,“爱是什么”“人生的意义是什么”“幸福是什么”……在这些提问里,他们会得到什么答案或许没那么重要,重要的是一群人还在意精神的满足,甚至还在努力追求精神的满足。

“是什么”用来直面不确定性,“为什么”则用来填补好奇心。

香蕉为什么是弯的?为什么听到指甲划黑板的声音会不悦?袋鼠为什么不能向后走?……乍一看,这些具体的问题或许没有多大的意义,但“为什么”这三个字,有很大意义。它的背后,是一个人对生活的敏锐观察,更是一个人对世界的探索冲动。

只要带着问题,人就会往前走。就会走到更远处。

年度 AI提示词,既能体现人和人、人和世界的相处之道,也能定义人和AI 的多元关系。

这是一个万物皆可搭子的时代。

所谓搭子,就是特定场景、细分领域里的陪伴者,不需要提供高浓度的情感价值,是一种界限分明的新型亲密关系,主打一个门槛极低、随叫随到。

用网友的话说,一个好的上班搭子,就是摸鱼时组队出动。下班后互不联系。一个好的吃饭搭子,就是在餐厅谈天说地,出餐厅你我不识。

搭子的定义是清晰的,可,人的情感是流动的、变化的。好好的搭子混熟了,彼此的关系必定会出现一些变化。原本的浅社交关系,逐渐变成要经营的社交关系、亲密关系,味儿也就变了。

于是,很多人选择跟AI做搭子,从根本上避免了不必要的情感负担。它可以是情感搭子、论文搭子、职场搭子、学习搭子、口语搭子……还真正做到了挥之即来、招之即去,最重要的是无怨无悔。

一个把女朋友惹生气的男生,把“怎么安慰”的问题交给AI情感搭子,你以为只有他得到了一次救赎?不,大概率还有那些曾同样被他爱情困扰的兄弟朋友。

一个想要快乐摸鱼的社畜,把“我该怎么高情商把工作推掉”的问题交给AI职场搭子,他不仅仅可以得到一些好点子,还可以免于吐槽帖、求助帖发到社交媒体,被领导、老板刷到的尴尬。

一个美食练习生,把“你能推荐一些简单易做的家庭菜谱吗”的问题交给AI生活搭子,妈妈再也不用担心他吃不饱,更不用心疼他炸厨房了。

齐美尔在《大都市与精神生活》里预言,人们的生活方式越来越像一个个独立的原子,只在某个核心抱团,对游离在团外的人们疏离、冷漠。很显然, AI以越来越快的速度渗透到普通用户的生活,正在改变“原子们”的生活轨迹。

甚至改变现实生活的轨迹。年度AI提示词发布后,不乏网友调侃已经把“过年回家如何应付无聊亲戚”的问题交给AI,非要看看它跟七大姑八大姨谁更懂人情世故。

有的人还在给AI提问,有的人已经把AI提问当成生产工具了。

一个烫知识,AI提示词工程师是一种新职业,据说还是年薪百万那种。

其实,在普通用户的生活里,AI创作也正在成为一种常态。请注意,并不是写一写藏头诗、画一画脑洞丑图。

在百度发布的AI提示词里,“图”“标题”“风格”“润色/增加”“简单”都占有一席之位。如果具体到实际问题,我们会发现这覆盖学生、设计师、摄影、自媒体等各行各业。

我说怎么现在公众号的初稿越来越快、标题越来越野、排版越来越卷,原来私底下你们都在摇AI整活儿,让它润色一下又一下啊!

在AI解放人类生产力的过程中,覆盖学习办公、家庭教育和兼职赚钱三个细分场景,实现了智能PPT生成、文档生成、思维导图生成、研究报告生成、图片生成文本、智能画本、智能漫画、智能小说及全场景指令编辑的百度文库,也成为用户坚定的选择。

绝大多数AI产品还在哼哧哼哧争取千万用户,百度文库累计AI用户数已经成功突破1.4亿。

关于“AI走到哪一步“的问题,数亿用户先给出了自己的答案。

在畅销书榜单里,心理玄学著作《答案之书》的存在感始终强烈,人们所有的疑惑都能在翻开这本书的那一刻,得到一个答案,一个似是而非的答案。

在2024年度热门综艺《再见爱人》里,麦琳带着“我们仨到底会不会得到想要的爱”翻开《答案之书》。不满意,再来一次;不满意,再来一次。不满意,再来一次。显然,她需要的并非答案,而是一个预设结果。

有意思的是,在百度的年度 AI提示词里,频繁出现的“答案”也被放在首位。比起精神抚慰,它更多是在解决具体的、实际的困惑,并把一些复杂的东西变得简单一点。

当然,无论是《答案之书》,还是AI年度提示词“答案”,本质都是人类寻找一种确定性,一种安全感。

这对人很重要,对AI也一样重要。在澎湃新闻发布的《2024年 人工智能公众态度调查报告》显示,大部分普通用户对AI持有“短期积极、中期期待、长期担忧”的态度,大家依旧害怕这会对人类秩序造成不可测的冲击。

关于这个问题,李彦宏在谈及人和AI相处时给出了一个答案——“我们需要与机器共生,而不是二元对立”,“工具只有在被人类所使用的时候才有价值”。

我们自己也给出了一个答案。在过去一年,人们曾向AI说过千万次谢谢。

自 花儿街参考

]]>
微软:2025财年计划投资800亿美元建设AI数据中心 超50%投向美国 //www.otias-ub.com/archives/1735501.html Sun, 05 Jan 2025 13:53:29 +0000 //www.otias-ub.com/?p=1735501 微软计划在 2025 财年斥资 800 亿美元建设可处理人工智能工作负载的数据中心。 副董事长兼总裁布拉德-史密斯(Brad Smith)在周五的[博文](https://blogs.microsoft.com/on-the-issues/2025/01/03/the-golden-opportunity-for-american-ai/)中表示,预计人工智能基础设施支出的一半以上将发生在美国,微软2025财年将于6月结束。

史密斯说:”今天,美国在全球人工智能竞赛中处于领先地位,这要归功于从充满活力的初创公司到历史悠久的企业等各种规模的美国公司的私人资本投资和创新。在微软,我们通过与Open AI的合作,从Anthropic和xAI等崛起的公司,以及我们自己的人工智能软件平台和应用,亲眼目睹了这一点。”

多家顶级科技公司正急于斥资数十亿美元购买NVIDIA用于训练和运行人工智能模型的图形处理器。 OpenAI 的 ChatGPT 助手于 2022 年末推出,它的快速普及拉开了公司提供自己的生成式人工智能能力的人工智能竞赛的序幕。 微软向 OpenAI 投资了超过 130 亿美元,为这家初创公司提供云基础设施,并将其模型纳入 Windows、Teams 和其他产品。

微软公司报告称,2025 财年第一季度全球资本支出和融资租赁资产达 200 亿美元,其中财产和设备支出达 149 亿美元。 微软首席财务官艾米-胡德(Amy Hood)在 10 月份表示,第二财季的资本支出将连续增长。

该公司来自Azure和其他云服务的收入同比增长33%,其中12个百分点的增长来自 人工智能服务。

史密斯呼吁当选总统唐纳德·特朗普即将上任的政府通过教育和在海外推广美国的人工智能技术来保护美国在人工智能领域的领先地位。

史密斯写道:”中国开始向发展中国家提供获得稀缺芯片的补贴,并承诺在当地建设人工智能数据中心。中国明智地认识到,如果一个国家在中国的人工智能平台上实现标准化,那么它很可能会在未来继续依赖这一平台。”

他补充说:”对美国来说,最好的回应不是抱怨竞争,而是确保我们赢得未来的竞争。 这就要求我们迅速而有效地采取行动,将美国的人工智能作为一种优越的替代方案加以推广。”

自 中文业界资讯站

]]>
AI专家:2027-2029年AI或将取代95%人类工作 AGI引发全球经济变革 //www.otias-ub.com/archives/1735486.html Sun, 05 Jan 2025 13:51:30 +0000 //www.otias-ub.com/?p=1735486 奇点将至?奥特曼再次释放“六字”神秘信号!Google文档之父、机器学习博士纷纷预测,AGI降临那天,95%人类工作或被AI取代。一觉醒来,奇点又进了一步?!昨天,OpenAI智能体安全研究员Stephen McAleer突然发出一番感慨:有点怀念从前那段做AI研究的日子,那时我们还不知道如何创造超级智能。

    

紧随其后,奥特曼发表了意味深长的“六字箴言”:near the singularity; unclear which side——奇点临近;不知身处何方。

这句话是想表达两层意思:

1. 模拟假说

2. 我们根本无法知道AI真正起飞的关键时刻,究竟是在什么时候

他又疯狂暗示了一番,并期望这一点能引申出大家更多的解读。

这一前一后,他们接连发出耐人寻味的信号,让所有人不禁思考:奇点是否真的近在咫尺?

评论区下方,直接被新一轮的AGI大猜想和恐慌冲爆了。

若AGI/ASI真正降临那天,我们将面临着什么?

“Google文档”之父Steve Newman在最新长文中认为,“届时,AI将会取代95%人类工作,甚至包括未来新创造的工作”。

Apollo Research联创Marius Hobbhahn则更进一步,列出了2024年-2030年所有AGI时间表。

他预测,“2027年,AI将直接取代AGI实验室顶级AI研究员;

2028年,AI公司将有1万-100万个自动化的AI研究员,差不多所有需要知识型的工作都被AI自动化”。

与Newman观点一致的是,Hobbhahn认为2024年95%以上经济价值的任务,都能被 AI完全自动化。

不过,他将这个时间节点设定在了2029年。

AGI降临,超95%工作被取代

Steve Newman在文章中,阐述了他对AGI的定义及其AI对未来世界的影响。

那么,AGI究竟指代的是什么时刻?Newman认为:

AI能够在超95%的经济活动中,以成本效益的方式取代人类,包括未来新创造的任何工作。

他认为,大多数假设的AI变革性影响都集中在这个节点上。

因此,这个“AGI”的定义,代表了世界开始显著改变的时刻,也是所有人“感受到AGI”的时刻,具体而言:

1 AI系统能主动适应完成大多数经济活动所需的任务,并能完成完整而非孤立的任务。

2 一旦AI能够完成大多数知识型工作,高性能的物理机器人将在几年内随之而来。

3 这种能力水平可以实现一系列变革场景,从经济超增长到AI接管世界等。

4 世界变革场景需要这种水平的AI(通常,专用AI不足以改变世界)。

5 在达到AGI之前,“递归自我改进”将成为主要推动力。

6 AGI指的是具备必要能力(以及经济效率)的AI被发明出来的时刻,而不是在整个经济中全面部署的时刻。

关于AI如何对世界产生变革性影响,有来自多方的推测:

一种观点认为,AI可能带来难以想象的经济增长——推动科学和工程领域快速进步,完成任务的成本比人类更低,帮助公司和政府做出更高效的决策。

根据最近的历史数据,世界人均GDP大约每40年翻一番。有人认为,高级 AI可以使GDP在一年内至少翻一倍,也就是“超增长”。

十年的“超增长”将使人均GDP增加1000倍。也就意味着,目前每天靠2美元生活的家庭,未来可能会实现年收入73万美元。

另一种观点认为,AI可能会带来灾难性的风险。

它可能会发动毁灭性的网络攻击,制造出高死亡率的流行病;可能让独裁者获得对国家甚至全世界的绝对控制权;甚至,AI可能失去控制,最终摧毁所有人类生命。

还有人推测,AI可能淘汰人类,至少在经济领域会这样。它可能终结资源稀缺,让每个人都能过上富裕的生活(前提是选择公平分配这些成果)。它可能将仅存在于科幻中的技术变为现实,比如治愈衰老、太空殖民、星际旅行、纳米技术。

不仅如此,一些人设想了一个“奇点”,在奇点中,进步的速度如此之快,以至于我们什么都无法预测。

Steve Newman推测,AGI真正实现的时刻,就是这些设想几乎同时变成现实的时刻。

“可能发生”,不是“肯定发生”

需要澄清的是,Newman并非在说,关于高级AI的预测,一定都会实现。

未来,技术突破逐渐变难,所谓的“奇点”也就不一定会出现。也就是说,“长生不老”可能根本就无法实现。

再说了,人们可能更喜欢与他人互动,这样的话,人类也就不会真的在现实经济活动中变得没用。

当提到“可能差不多同时发生”时,Steve Newman的意思是,AI如果能实现难以想象的经济增长,那也有能力制造真正的毁灭性流行病、接管世界或快速殖民太空。

为什么谈论“通用 人工智能”

经济超增长在理论上是否可能,有一些争议。

但如果 AI无法自动化几乎所有的经济活动,那么超增长几乎注定是不可能的。仅仅自动化一半的工作,不会带来深远的影响;对另一半工作的需求会随之增加,直到人类达到一个新的、相对常规的平衡。(毕竟,这种情况在过去已发生过;在不久前,大多数人还从事农业或简单的手工业。)

因此,超增长需要AI能够完成“几乎所有事情”。它还需要AI能够适应工作,而不是重新调整工作和流程来适应AI。

否则,AI将以类似于以往技术的速度渗透到经济中——这种速度太慢,无法带来持续的超增长。超增长需要AI足够通用,以完成人类能做的几乎所有事情,并且足够灵活以适应人类原本的工作环境。

还有太空殖民、超致命流行病、资源稀缺的终结、AI接管世界等预测,这些情景都可以被归类为“AGI 完成”情景:它们与经济超增长需要的AI,具有相同的广度和深度。

Newman进一步主张,只要AI能够完成几乎所有经济任务,它就足以实现全部预测,除非与AI能力无关的原因导致它们无法实现。

为什么这些截然不同的情景,需要相同水平的AI能力?

阈值效应

他提到了,上个月Dean Ball关于“阈值效应”的文章。

也就是说,技术的逐步进步可能在达到某个关键阈值时,引发突如其来的巨大影响:

Dean Ball最近撰文探讨了阈值效应:新技术在初期并不会迅速普及,只有当难以预测的实用性阈值被突破后,采用率才会迅速攀升。例如, 手机起初是一种笨重且昂贵的滞销产品,而后来却变得无处不在。

几十年来, 自动驾驶汽车还只是研究人员的兴趣,而如今Google的Waymo服务每三个月就能实现翻倍增长。

对于任何特定任务,只有在突破该任务的实用性阈值后,  AI才会被广泛采用。这种突破可能发生得相当突然;从“还不够好”到“足够好”的最后一步不一定很大。

他认为,对于所有真正具有变革性影响的AI,其阈值与他之前描述的定义一致:

超增长需要AI能够完成“几乎所有事情”。它还需要AI能够适应任务,而不是调整任务去适应自动化。

当AI能够完成几乎所有经济价值任务,并且不需要为了适应自动化而调整任务时,它将具备实现全部预测的能力。在这些条件满足之前,AI还需要人类专家的协助。

一些细节

不过,Ball略过了AI承担体力工作的问题——即机器人技术。

大多数场景都需要高性能的机器人,但一两个(例如高级网络攻击)可能不需要。然而,这种区别可能并不重要。

机器人学的进步——无论是物理能力还是用于控制机器人的软件——最近都显著加快。这并非完全偶然:现代“深度学习”技术既推动了当前AI浪潮,在机器人控制方面也非常有效。

这引发了物理机器人硬件领域的一波新研究。当AI有足够的能力刺激经济高速增长时,几年之内它也可能会克服剩余的障碍来制造可以胜任体力工作的机器人。

实际的影响将在至少几年内逐步展开,一些任务将比其他任务更早实现。即使AI能够完成大多数经济价值任务,也不是所有公司都会立即行动。

为了让AI完成比人类更多的工作,需要时间去建设足够多的数据中心,而大规模生产物理机器人可能需要更长时间。

当谈到AGI时,指的是具备基本能力的时刻,而不是全面部署的时刻。

当提到 AI能够“完成几乎所有经济价值任务”时,并不一定意味着单个AI系统可以完成所有这些任务。我们可能最终会创建从事不同任务的专用模型,就像人类从事不同的专业一样。但创建专用模型的必须像培训专业工人一样容易。

实现AGI,我们该怎么做?

对于“如何实现AGI?”这个问题,现在的研究者几乎没有头绪和理论依据,各种流派都有,争论不休。

Apollo Research联创Marius Hobbhahn认为,AGI的核心特点应该有三个:

– 对风险的来源、预期的风险程度、安全预算以及愿意承担的风险做出更具体的明确假设。

– 明确的多层次防御方法,去除某些不相关、负相关的措施,而不是“尝试叠加不同的策略以降低风险”。

– 计划一致性,很多AI公司在宣传和实际做的事不一致,比如声称为了安全性愿意付出更高代价,但却不愿意承担透明推理带来的额外成本。

忠实且人类可读的CoT范式

从AGI的全局发展来看,我们很幸运:现在AI系统的大部分推理过程是“直接可见”且“易于理解的”。

所谓忠实且人类可读,就是指模型的推理过程是以一种人类可以直接理解的方式进行的,并且准确地反映了模型行动的原因,模型不能进行与声明不符的内部推理。

我们至少应该:

1. 共同认同将此作为一个重要考虑因素,并以此进一步发展。为了让模型产生更易理解的CoT,我们可以并愿意承受相应的性能损失,哪怕是普通应用的运行成本会增加2倍,或是高风险应用的成本增加到5倍

2. 将更多的精力投入到研究易于理解且忠实的推理过程(CoT)。比如构建一套评估工具,以测试某个特定模型的推理过程是否忠实,或者探索直接优化可读性会带来哪些副作用,如何隐藏掉非预期推理等。

3. “从架构中移除可见CoT”的相关研究应该减少,例如Meta的COCONUT

假设可读性带来的额外成本并不太高(例如,不到2倍),那现在关于“移除CoT”的研究无异于自毁长城。

如果存在证据表明,像在o1和o3中使用的高计算强化学习(high compute RL)会导致不可读的推理过程,例如模型自己发展出人类难以理解的语言,相应的观念也应该发生转变:

1.  人工智能开发者尽快分享此信息,“模型的推理性能很好,但我们不理解其推理过程”要比“模型的推理性能一般,但我们能够理解其推理过程”可怕得多。

2. 转变研究和治理策略的优先级,比如投入更多精力去解码模型所学到的语言。

用CoT监控模型

如果模型能生成人类可理解的CoT,我们的主要防御手段就是对模型进行详细的监控,虽然极具成本效益但经常被忽视。

在理想情况下,可以用几台简单的监控设备来分析模型输出,以检测各种通用的故障模式和不良行为,可追踪的行为类型包括:

各种类型的阴谋(scheming)行为,例如模型是否隐藏了某个特定目标,是否试图逃避监管,是否采取了不符合用户利益的行动等;

各种类型的权力追求(power-seeking)行为,例如模型是否试图获取资源,试图减少访问限制,试图以某种方式说服他人等;

强烈且广泛的目标导向,例如模型在多个上下文中都一直在追求某个特定目标,需要在不同上下文之间进行对比;

可以使用较小但运行更快的模型作为“仅黑箱监控器”(balck-box-only monitors),类似用Gemini-flash来监控Gemini,或者使用“白盒探测器”(white-box probes),经过训练以检测有问题的行为(例如,线性探测器或SAE探测器);

最好既能监控行动本身(例如,工具调用),也能监控导致这些行动的推理过程。

模型开发商已经开始使用黑箱监控器来防止模型越狱(jailbreaks),算是有了一个概念验证;简单的线性探测器极具成本效益(只需要一个简单的向量乘积),可以在几乎不增加额外开销的情况下,并行运行上万的探测器。

虽然这些方法看似简单,但研究人员认为,还没有人系统地研究如何对模型进行有效的监控。

监控在概念理解上看似简单,但仍需要大量的迭代和调整,比如需要一个完善的数据集来训练和评估探测器,校准阈值等。

每个 AI实验室都应该有一个完整的团队来专门构建监控设备,确保模型按预期工作,分析其结果,使其运行更高效等。

总的来说,监控设备不仅可以直接防止模型生成伤害性内容,还可以更快、更全面地了解对齐(alignment)技术的有效性。

控制模型

最坏情况下,模型可能有自己的想法,而且人类不一定能看清推理过程,所以需要最大限度地提高模型的实用性,同时最小化风险,具体措施包括:

1. 智能体(agents):以往的研究主要集中在小智能体系统或在较小任务,实验室应该尽快将控制技术应用于最先进的系统,以便尽早积累实践经验;

2. 现实性(realism):在常见的应用场景下对模型进行控制,比如辅助研究等;

3. 蓝队与红队的规则:在某些变体下,红队过于强大,比如可以访问蓝队的所有数据,并针对蓝队进行训练等,对团队的假设应该更“合理”且“精确”。

4. 放宽假设(relaxed asummptions):控制的假设基于模型始终腹黑,相对保守;可以定义更严格的界限,减少约束,使模型表现大体不变。

模型的阴谋(scheming)

在加速研发 人工智能系统时,我们也应该加深对大模型图谋不轨行为的理解:

1. 检测工具:使用性能更好的工具来检测模型的图谋,例如更大规模的黑箱评估和更好的白箱技术;

2. 图谋行为的发展:应该深入理解为什么模型会追求某种能力,了解模型如何学习非短视倾向,以及模型何时愿意为了这些倾向付出行动;

3. 现实中的倾向:了解模型在实践中的图谋频率,比如分析1亿个真实的模型回复,似乎是一个低投入、高回报的项目,但需要访问大量真实的部署数据。

4. 隐藏的图谋:分析哪些训练方法会减少模型的图谋行为,或识别出那些难以检测的图谋行为。如果模型每次出现图谋不轨的时候,就对其进行惩罚,会导致负面行为减少,但可能会增加模型隐藏阴谋的能力。我们需要针对不同情况作出判断和平衡;

5. 准备应对措施:根据模型的图谋程度,采取无视、重新训练模型,或者完全丢弃模型等不同策略;

6. 更多的能力评估:更进一步了解模型在规避监管、干扰训练等程度。

评估

评估是一种高效的“模型图谋”证据收集工具,可以支持其他策略,比如评价“监控”或“控制”方法是否有效等。

另一方面,评估也可以让我们了解模型的大体能力,但现有的评估在某些方面仍然不足:

1. 能力评估:应该继续构建更多更好的能力评估,特别是针对人工智能研发、策划、核生化、网络和说服等方面,我们目前仍然不清楚模型的具体能力;

2. 诱导(Elicitation):如何对模型进行诱导以产生最大能力,尽可能找到模型的上限能力?

3. 预测评估:预测能力的正确方式是什么?那些模型表现仍然为0的基准,该如何突破?或许还有更好的预测评估方法;

4. 对齐评估:迄今为止,大多数研究都集中在能力评估上,而“对齐/倾向评估”(alignment/propensity)也很重要,应该加速构建对抗性对齐评估,比如设置各种非短视偏好陷阱等,为模型建立一个非常详细的“心理档案”,以了解其默认倾向;

5. 演示:对于研究人员或公司内部来说,需要用一篇严谨的论文来仔细考虑所有的潜在可能性,还需要考虑如何传递演示给普通用户。

短期对齐策略

现有的技术,比如RLHF在模型中引入了非短视(non-myopic)且不可纠正的(non-corrigible)倾向,应该投入更多的精力来详细了解模型获得的目标类型,为模型建立详细的“认知档案”。

内部和外部使用的策略应该有明显的区别,比如模型具有更强的抗越狱能力可能会降低其可纠正性,需要确定哪些策略适用于长期内部部署。

推理透明度

在最好的情况下,内部计划应该是完全透明的,并明确关于安全预算、组织隐含愿意承担的风险、明确的红线等假设。应该经常与外部专家沟通具体计划,专家可以来自独立组织、学术界或 人工智能安全研究所,可以签订保密协议。

从道德上讲,公司应该与公众分享计划中的细节,尤其是影响力更大的 AI公司和技术,每个人都应该能够理解他们“应该或不应该”期望这项技术是安全的。

自 新智元

]]>
2024年全球财富报告:生成式AI引领财富管理新纪元 //www.otias-ub.com/archives/1734981.html Wed, 01 Jan 2025 21:00:43 +0000 //www.otias-ub.com/?p=1734981 本轮增长主要归功于金融市场的回暖,以及管理资产规模(AuM)的显著扩张。金融财富作为全球财富板块的竞争高地,经历了2022年下滑4%的低谷期后,于今年华丽转身,创下了近7%的增速。北美和西欧的表现尤为出色,而中国的增长则相对内敛。跨境财富的流动也呈现出类似的图景。瑞士、新加坡、美国和阿联酋等主要财富中心与全球增长步调保持一致,而中国香港由于来自中国内地的资金流入减少,增长速度显著放缓,仅为3.2%。

市场整体复苏,难以掩盖盈利能力不足的痼疾。唯有在惨淡经营的资管赛道映衬下,以及与2022年利润大幅下探2个基点相比,财富管理机构今年温和的利润增长才稍显亮眼,但这一改善主要得益于净利息收入的“风落之财”。现今环境下,融资成本持续攀升,利率下行预期不断增强,叠加通胀压力、运营效率低下和监管趋严等因素,利润增长趋势恐难长期维系。我们认为,财富管理机构的利润率短期内难有显著提升,除非行业出现颠覆性变革。

不过,曙光或许就在前方,如果财富管理机构能够充分挖掘生成式AI的潜力,颠覆性变革或将成为现实。生成式AI技术能够在整条价值链上释放巨大的效率红利,并大大加强客户互动和个性化服务。在本报告中,我们将深入探讨生成式AI的变革力量,以及有效的合规体系在成功转型中所发挥的重要作用。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
2024年AI领域投资激增 英伟达数据中心年收入近千亿美元 //www.otias-ub.com/archives/1734675.html Tue, 31 Dec 2024 13:25:29 +0000 //www.otias-ub.com/?p=1734675 在许多领域,2024年的关键词无疑是人工智能。英伟达作为全球GPU市场的霸主,其市值飙升至超过3万亿美元的新高。截至12月27日,英伟达成为仅次于苹果的全球第二大公司。作为驱动人工智能发展的关键技术,GPU的重要性不言而喻。尽管竞争对手不断涌现,英伟达GPU的销售增速仍明显超过其主要对手AMD。

对于英伟达的客户来说,这些增长意味着他们在建设数据中心以开发和运行人工智能模型方面的支出大幅攀升。今年前三季度,亚马逊、微软、谷歌和Meta等科技巨头的资本支出增长了50%,总额突破1500亿美元。这种投资带来的直接效应之一是:使用大语言模型的成本显著下降,同比降幅超过85%。

对私营科技公司而言,今年再次成为等待IPO市场复苏的一年。在过去三年中,初创企业通过增发股票向私人投资者筹集的资金,再次超过了通过IPO获得的资金。

与此同时,加密货币行业迎来了辉煌的一年。比特币交易所交易基金(ETF)获批无疑是行业的一个里程碑。此外,唐纳德·特朗普(Donald Trump)重返白宫,承诺未来四年将推行更宽松的监管政策。这一结果不仅可能推动加密货币行业的进一步发展,还可能加剧美中关系的紧张局势,对那些在中国市场收入占比较大的企业形成潜在威胁。

以下七张图表看懂2024年

1.英伟达数据中心业务12个月收入近千亿美元

英伟达继续主导GPU市场,这类芯片是开发 人工智能的核心组件。在截至今年10月的12个月里,英伟达的数据中心业务(包括GPU和网络设备)实现了近1000亿美元的收入,同比增长66%。

英伟达强劲的财务表现点燃了投资者热情,其市值突破3万亿美元。英伟达的主要客户包括云计算提供商和如埃隆·马斯克(Elon Musk)的x AI等AI初创公司,这些企业依赖英伟达芯片训练和运行大型人工智能模型。

在GPU市场的激烈竞争中,英伟达的增长速度显著超过其主要竞争对手AMD,进一步巩固了市场份额。在截至9月的12个月里,AMD的数据中心业务收入达到110亿美元,同比增长约54%。

值得关注的是,为谷歌、苹果和OpenAI设计定制AI芯片的博通,已成为英伟达的强劲对手。博通通过销售定制芯片和网络设备,营收达到122亿美元,同比激增220%。这表明,客户对减少对英伟达的依赖需求正在增长。

2.美国四大科技巨头9个月总支出超过1500亿美元

大型科技公司正在疯狂投入建设新型数据中心,以支持其人工智能计划,而且未来支出可能会进一步增加。

亚马逊、微软、谷歌和Meta在今年前九个月的资本支出超过1500亿美元,同比增长了50%。这四家巨头均预测明年的资本支出将继续上升。例如,Meta在最近提交给投资者的报告中表示,其基础设施支出在今年预计增长43%的基础上,还将“显著加速”。

亚马逊传统上将资本支出集中于扩建仓库等分销网络。然而,在一份近期提交的报告中,亚马逊指出,当前支出增长“主要是由对技术基础设施的投资推动的”。

这些巨头接下来的挑战是,如何证明这些巨额投资的计算机和 软件能真正帮助客户实现盈利。

3. AI大模型使用成本下降了85%

生成式 人工智能模型的使用成本正在大幅下降,开发者开始探索更多新用途,从智能编码助手到帮助客户优化选择最具性价比模型的“模型路由”服务,应有尽有。

自2023年初以来,使用OpenAI GPT-4级别模型的成本已降低超过85%。这归功于AI初创企业在提升模型效率和降低运行成本方面的努力。此外,随着客户数量增加,这些企业通过“批处理”策略提升了硬件利用效率。

然而,这一下降趋势可能在2025年戛然而止。今年12月,OpenAI推出了其聊天机器人的专业版,月订阅费用高达200美元,是当前高级版ChatGPT价格的十倍。这款专业版针对的是需要解决更复杂问题的用户,其背后的推理模型通过延长计算时间来生成更精准的答案。

不久后,OpenAI发布了下一代推理模型o3,尽管性能令人印象深刻,但研究人员透露,完成每项任务的成本高达1000美元以上。

随着推理模型的崛起,2025年可能成为人工智能行业的“分水岭”。资金充裕的开发者可以利用推理模型解决耗时数天甚至数周的复杂问题,而资源有限的团队则难以企及。

4.AI初创企业融资达810亿美元,同比飙升41%

2024年初,风险投资界掀起了一波AI投资热潮,投向那些基于Open AI ChatGPT技术进步而崛起的初创企业。随着时间推移,这股热潮持续升温,不少初创企业的创始人,如Character.ai、Inflection AI和Adept,甚至意识到脱离大科技公司的框架更具优势。

据PitchBook数据显示,截至12月中旬,AI初创企业的融资额已达810亿美元,比2023年全年增长41%。其中,AI和机器学习初创企业融资占美国总投资额的41%,高于去年的36%。第四季度,这一领域几乎占据了美国风险投资的半壁江山。

巨额融资频频上演,成为AI领域的一大亮点。例如,OpenAI在9月完成了66亿美元融资,xAI在5月获得60亿美元融资,并在上月再次融资60亿美元,融资前估值已高达450亿美元。

投资者对AI的热情高涨,体现在对初创企业的持续支持上。例如,AI搜索引擎Perplexity在今年进行了多轮融资,据公司声明及知情人士透露,其累计融资额接近8亿美元,年底估值从年初的10亿美元飙升至90亿美元。

5.科技初创企业私募融资再度超过IPO

2024年,IPO市场持续低迷。除了ServiceTitan和Reddit等少数公司,绝大部分科技初创企业选择在私人市场筹资,而不是通过上市募资。

许多企业通过筹资回购员工和现有股东的股份。这一做法既为员工和股东提供了部分或全部套现的机会,也在一定程度上缓解了上市压力。

今年,多笔引人注目的收购要约成为焦点。例如,Figma筹集了9亿美元,Canva则通过出售股份筹得超过15亿美元。

最终结果是,2024年初创企业通过收购要约募集的资金规模,再次超过了IPO市场的融资额,这是三年来的第二次。

6.比特币价格突破10万美元,总市值接近2万亿美元

特朗普在2024年美国大选中获胜,引发市场狂热,比特币价格首次突破10万美元。这款由匿名开发者中本聪于2008年推出的加密货币,如今总市值接近2万亿美元。

2024年,比特币价格翻了一番,涨幅远超纳斯达克综合指数35%的年度回报率。

投资者之所以追捧比特币和其他加密货币,很大程度上是基于特朗普政府可能推出友好监管政策的预期。特朗普曾承诺将美国打造为“全球加密货币之都”。

比特币价格飙升还得益于今年1月推出的首批比特币ETF。贝莱德和富达等公司推出的这些ETF,让投资者可以像买股票一样方便地投资比特币。截至目前,这11只ETF已吸引了超过1100亿美元的资金。

7. 美中紧张局势冲击多家科技公司

美中关系的紧张局势正在冲击许多科技企业的收入。如果特朗普落实计划,大幅提高中国商品的关税,这种影响可能会进一步扩大。

人工智能芯片巨头英伟达受到的影响尤其严重。美国已禁止向中国出口其最先进的芯片,而中国在今年12月宣布对英伟达启动反垄断调查。尽管如此,中国市场仍为英伟达贡献了约17%的收入。

不仅是英伟达,其他科技企业也面临类似的困境。例如,高通和Marvell等芯片制造商、应用材料和Lam Research等芯片设备生产商,以及电动汽车制造商特斯拉。今年前9个月,特斯拉在中国的销量持续下滑。

特别值得注意的是,音频处理芯片制造商凌云逻辑(Cirrus Logic)公司,它专注于生产用于苹果iPhone等产品的音频处理芯片。在截至今年3月的财年中,中国市场占其营业收入的比例超过60%。

]]>
亚马逊云科技陈晓建:全栈联动大规模创新才能满足客户的复杂需求 //www.otias-ub.com/archives/1734728.html Tue, 31 Dec 2024 09:17:20 +0000 //www.otias-ub.com/?p=1734728 得AI者得天下。如果说过去AI大模型只是大公司竞争的焦点,而当下,企业拥抱大模型在持续加速。在亚马逊云科技大中华区产品部总经理陈晓建看来,很多客户正在从原型验证阶段转化为生产阶段。客户在这一阶段的难点在于:需求将更加复杂,不仅是选择模型,还需要各种技术支持。

(图:亚马逊云科技大中华区产品部总经理陈晓建)

在亚马逊云科技2024 re:Invent中国行北京站主题分享上,陈晓建表示,同时使用多个模型的做法在行业中普遍存在。企业在选择模型时,通常会基于性能、功能和成本进行权衡,根据不同场景需求,选择高性能或低成本等不同定位的模型。

亚马逊云科技2024 re:Invent推出Amazon Nova六款基础模型;Amazon Bedrock新接入100多款模型,并推出AI防护、多智能体协作和模型蒸馏等重磅更新,全面优化推理场景的准确性、成本和响应速度;Amazon Q更加深入软件开发和商业应用场景,并为传统工作负载转型开辟新途径;Amazon SageMaker AI将帮助客户更快更轻松地构建、训练和部署模型。

生成式AI推理将成应用核心构建块,未来应用需支持规模化推理平台,利用专有数据,平衡性能、安全性和成本,模型选择至关重要。

Amazon Nova系列模型

Amazon Nova甫一发布即成为全球领先基础模型的重要力量,包括Nova Micro、Nova Lite、Nova Pro和Nova Premier基础模型,以及用于生成高质量图像的Nova Canvas和生成高质量视频的Nova Reel。在各自智能类别中,Amazon Nova Micro、Lite和Pro应用成本比Amazon Bedrock中表现最佳的模型至少降低75%,同时也是Amazon Bedrock中对应类别速度最快的模型。

Amazon Nova系列模型,包括多种类型。Nova Micro是文本到文本模型,能以极低成本提供低延迟响应;Nova Lite为成本极低得多模态模型,可快速处理多种输入;Nova Pro是功能强大的多模态模型,在准确性、速度和成本间平衡;即将推出的Nova Premier是其中能力最强的多模态模型,可处理复杂推理任务并指导定制模型蒸馏。

新一代图像生成模型Amazon Nova Canvas,它能帮助客户生成高质量图像,还具备图像编辑功能,最高可以生成高达两K(2000乘以2000)、2048乘以2048这样的图像,并且用户很快就可以通过Canvas这个模型进行微调。

新一代视频生成模型Amazon Nova Reel,以先进的视频生成质量和低延迟而自豪,提供了性能和成本效益之间的平衡。其文本到视频的功能,使用户能够通过简单描述内容就可生成视频,实现了视频制作的普惠化;文本视频生成功能让用户可通过输入文本和视觉来控制最终输出,制作与愿景匹配的视频。

来自poolside、Luma AI和Stability AI的Stable Diffusion 3.5模型等将很快在Amazon Bedrock上线。其中,poolside的两款模型专为软件开发流程打造,其模型在代码生成、测试、文档编写方面表现出色,基于深层次上下文实现实时代码补全;Luma的模型在创新方面取得重大突破,可将文本和图像转化为高品质、逼真的视频;Stable Diffusion 3.5是基于SageMaker HyperPod训练的高级文生图模型,性能强大。

推出Amazon Bedrock Marketplace,通过该平台,用户可以使用领先供应商提供的一百多个新兴和专业基础模型。用户能够通过统一界面发现、测试各类新兴专业模型,部署模型后,可使用Amazon Bedrock的统一API,以及知识库、安全防护、Agent等工具,同时享受其安全和隐私保护。

Amazon Bedrock的重大发布

Amazon Bedrock是一项完全托管的服务,借助高性能基础模型,构建和扩展生成式人AI应用程序。它是构建和扩展生成式AI应用的关键平台,为客户提供将推理功能整合到生产环境所需的工具,已为客户带来价值。

此次2024 re:Invent上,Amazon Bedrock有很多重大发布,包括:

Amazon Bedrock推出延迟优化选项,基于Amazon EC2 Trn2实例,利用最新硬件和软件优化,可在多模型上实现更好的推理性能。用户指定推理请求优先级后,平台自动处理,该功能已面向特定模型开放预览,如Llama 405B模型在延迟优化版本中性能显著提升,Anthropic的 Claude 3.5 Haiku模型延迟优化版处理速度大幅提高。

Amazon Bedrock推出模型蒸馏功能,用户只需提供示例提示,平台自动完成工作,通过蒸馏得到的模型运行速度提升到5倍,成本降低75%,显著提升生成式AI项目投资回报。

Amazon Bedrock 知识库支持GraphRAG,利用Amazon Neptune自动生成图谱,建立数据源关联,无需专业知识即可开发更全面的生成式AI应用,清晰展示连接和信息来源,提升事实验证透明度,通过API调用可让应用生成更准确响应。

Amazon Bedrock推出自动推理检查功能,预防模型幻觉引起的事实性错误,基于数学验证检查模型事实性陈述准确性并展示推理过程,如在保险领域可确保回答准确性。

Amazon Bedrock多智能体协作功能,支持多个Agent协作处理复杂工作流程,为特定任务创建一系列独立Agent,创建监督Agent负责设置信息访问权限、决定任务执行方式并确保协作,用户无需单独管理Agent,可轻松处理复杂任务。

新一代的Amazon SageMaker

Amazon SageMaker重新做了定义,叫新一代的Amazon SageMaker。新一代Amazon SageMaker为数据、分析和AI提供统一平台,包括以下内容:

全新的Amazon SageMaker Unified Studio使客户能够轻松查找和访问整个组织的数据,并汇集了亚马逊云科技专门构建的分析、机器学习(ML)和AI功能,客户可以在Amazon Q Developer的协助下,为各种类型的常见数据用例选择最合适的工具处理数据。

Amazon SageMaker Catalog和内置的治理功能确保合适的用户以正确目的访问合适的数据、模型和开发组件。

全新的Amazon SageMaker Lakehouse统一了数据湖、数据仓库、运营数据库和企业应用程序中的数据,使客户可以轻松访问和处理Amazon SageMaker Unified Studio中的数据,并使用其熟悉的AI和ML工具或与Apache Iceberg兼容的查询引擎。

全新zero-ETL与领先的软件即服务(SaaS)应用程序的集成,让客户无需复杂的数据管道,即可在Amazon SageMaker Lakehouse和Amazon Redshift中访问第三方SaaS应用程序的数据,并进行分析或机器学习。

大的方向上,客户在构建整个生成式AI的旅程时,需要的不只是模型,甚至不只是生成AI这个词,更多的是数据加AI的统一。新一代Amazon SageMaker就是数据加AI,首先是统一,统一的平台;第二它要开放,第三还是要安全。我们会通过这三层,给客户提供从数据到AI的一体化的感受。

以前的Amazon SageMaker,现在叫Amazon SageMaker AI,它也有很多新的功能发布。Amazon SageMaker AI推出四项创新,助力企业更快使用热门的公开模型,最大化训练效率、降低成本,并使用其首选工具加速生成式AI模型的开发:

Amazon SageMaker HyperPod新增三项强大功能(新训练模板、灵活训练计划、任务治理),帮助客户更轻松地快速开始训练当今最流行的公开可用模型,通过灵活训练计划节省数周的模型训练时间,并最大化计算资源利用率,将成本降低高达40%。

新训练模板帮助客户更快上手:Amazon SageMaker HyperPod现在提供30多个精选的模型训练配方,可适用于时下热门的一些公开可用模型,包括Llama 3.2 90B、Llama 3.1 405B和Mistral 8x22B。这些配方极大地简化了客户的入门过程,自动加载训练数据集、应用分布式训练技术,并配置系统以实现高效的检查点管理和基础设施故障恢复。

灵活训练计划可轻松满足训练时限和预算要求:客户只需轻松点击几下,就能指定预算、截止日期和所需的最大计算资源量。Amazon SageMaker HyperPod会自动预留容量、设置集群并创建模型训练作业,帮助团队节省数周的训练时间,减少客户在获取大型计算集群以完成模型开发任务时的不确定性。

任务治理功能最大化加速器利用率:通过Amazon SageMaker HyperPod任务治理功能,客户可以在模型训练、微调和推理过程中最大化加速器的利用率,将模型开发成本降低最多 40%。

这些新功能能够帮助客户有更灵活、更经济地承载客户在生成式AI训练和推理的工作负载。

总的来看,新一代Amazon SageMaker提供数据和AI的统一,去应对训练、推理、MLOps等场景。同Amazon SageMaker AI也有很多新的功能来加强用户的体验。

亚马逊云科技近几年的创新,不仅在云的核心服务层面持续创新,更在从芯片到模型,再到应用的每一个技术堆栈取得突破,让不同层级的创新相互赋能、协同进化。陈晓建坚信,只有全栈联动的大规模创新才能真正满足当今客户的发展需求。

]]>
德勤:2024年秋季CEO报告 //www.otias-ub.com/archives/1733950.html Mon, 30 Dec 2024 18:00:00 +0000 //www.otias-ub.com/?p=1733950 首席执行官对全球经济的乐观情绪从2023年秋季的7%增长至今年11月的42%。大多数受访者对其所在组织(84%)和行业(61%)的表现也表示高度乐观,与前三次调查相比,反映出更积极的前景。

这种高涨的乐观情绪可能是由于预期公共政策可能会朝着有利于商界的方向转变,以及美联储(FED)降息的政策决定。这可能包括降低大幅增加营业税的风险,潜在的放松管制,以及更有利的兼并和收购环境。随着新一届政府公布的政策目标逐渐成为焦点,包括关税、《减税和就业法案》的延长,以及对国内石油和天然气生产的关注,首席执行官们预计最大的机会与税收、人工智能(AI)的采用、业务增长和获得资本有关。CEO们还认为,未来12个月监管带来的机遇大于风险。

关键的见解

前景与机遇:首席执行官们看到了大选后的许多机遇。排在前几位的是税收(66%)、继续采用人工智能和GenAI(66%)、业务增长(62%)和获得资本(58%)。他们也看到了监管带来的机遇(49%)。

大选后的风险:超过一半的首席执行官认为地缘政治不稳定(63%)是最大的风险之一,其次是气候和可持续性(62%),这与2024年夏季调查的结果一致,后者被列为主要的干扰因素。在回应当选总统特朗普对进口商品征收全面关税的提议时,国际贸易和关税也被视为最大的风险(73%)。

技术:大约一半的首席执行官将继续优先考虑采用人工智能和生成式人工智能的投资,这表明人工智能将超越炒作周期,进入实际的、变革性的应用。13%的人认为目前量子等其他变革性技术的机会较少。

未来投资:CEO们计划优先投资于业务增长(88%)、核心业务转型(59%)以及人才获取和转型(54%)。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
Counterpoint:2024年初七国调查显示32%受访者熟悉生成式AI技术 //www.otias-ub.com/archives/1734624.html Mon, 30 Dec 2024 12:00:20 +0000 //www.otias-ub.com/?p=1734624 生成式人工智能(Gen AI)技术智能手机行业中的应用成为热门话题。Counterpoint Research针对美国、加拿大、英国、法国、德国、波兰和日本等七国进行了一项关于Gen AI的调查。

结果显示,在超过2.5万名受访者中,仅有32%表示熟悉Gen AI,其中美国的认知度最高,达到72%,而日本的认知度最低,仅7%的受访者表示了解。

调研指出,超过70%的Gen AI用户通过智能手机使用该技术,其中Z世代用户占比最高,显示了手机在推动Gen AI普及化中的重要角色。

此外,近60%的受访者计划在新的一年购买Gen AI手机,美国消费者的购买意愿最为强烈,其次是德国和法国。

在具体应用方面,用户最青睐的是写作辅助、图像生成和语音助理功能,尽管消费者对Gen AI手机兴趣浓厚,但只有19%的受访者愿意为此支付额外费用。

这意味着手机制造商可能需要采取低成本策略,并寻求其他盈利模式,如通过应用程序变现或为开发者提供LLM服务。

自 快科技

]]>
IDC:2024年第三季度AR/VR耳机出货量增长12.8% //www.otias-ub.com/archives/1732925.html Wed, 25 Dec 2024 18:00:44 +0000 //www.otias-ub.com/?p=1732925 根据IDC的最新数据,在经历了两个季度的下滑之后,全球AR/VR耳机的出货量终于恢复增长,在2024年第三季度增长了12.8%。增长主要是由Meta推动的。

在前五名中,Meta以70.8%的市场份额领跑,由于Quest 2开始逐步淘汰,该公司在第三季度的销量同比下降了22.7%。虽然花了几个季度的时间,但由于更广泛的内容选择和Prime Day等促销活动的推动,Quest 3终于开始站稳脚跟。索尼的PSVR2排名第二(市场份额6.7%),这是因为该公司获得了PC游戏玩家的关注,并受益于促销活动。苹果、字节跳动和XREAL跻身前五。

尽管这五家公司占90%以上的市场份额,但其中一些公司的前景仍存在疑问。

像Quest 3这样的混合现实耳机的多功能性已经使这一类别的产品脱颖而出,甚至可以在适当的条件下取代增强现实耳机。因此,IDC预测,混合现实耳机在2025年将增长21.7%,出货量将达到770万台,并将继续成为未来最大的类别。除了混合现实之外,提供简单平视显示或内容镜像的扩展现实设备预计将成为下一个最大的类别,预计未来18个月竞争将加剧。

Android XR以及Meta等众多初创公司和老牌企业将帮助扩展现实头盔的规模在2025年增加一倍以上,并在2028年底之前实现85.7%的复合年增长率。这类头显仍将是第二大类别,并将主要与智能手机或其他计算设备相连。最后,真正的增强现实头显,如Meta的Orion,需要时间才能获得关注,因为这些头显需要高水平的复杂性,以及尚未扩展的电池和显示技术。因此,IDC预测这一类别仍然是利基市场,从2024年的59000台增长到2028年的377000台。

]]>
SUSE发布2025年技术趋势预测 //www.otias-ub.com/archives/1733615.html Mon, 23 Dec 2024 07:27:25 +0000 //www.otias-ub.com/?p=1733615 作者:SUSE亚太区CTO Vishal Ghariwala

北京—2024年12月23科技的快速发展正在重塑亚太地区各行各业。到2025年,企业将面临新兴威胁和机遇并存的复杂环境。要在这个充满变化的环境中保持领先,企业必须把数字韧性安全创新放在首位。

云原生可观测性:数字韧性的基石

目前,云原生环境用户往往因为缺乏对基础设施和应用程序堆栈的端到端可见性,难以快速发现和解决问题,进而影响了服务的可靠性和可用性。预计到2025年,用户会更加重视云原生可观测性,以便在混合云和多云环境中实时查看和关联从基础设施到应用的各类事件和指标。这将帮助他们分析整个IT环境的数据,在问题升级为事故前及时发现异常和潜在问题。

提升应对系统中断的数字韧性

2024年,我们见证了多起区域性和全球性的重大技术中断事件,比如Crowdstrike的全球服务中断。这种中断趋势还将持续,继而促使企业制定IT策略来应对、适应以及从类似中断中恢复,具体策略包括:通过多样化IT架构来降低软件集中度和供应商锁定风险,建立备用技术栈以应对故障转移,采用多供应商方案,为操作系统和Kubernetes等关键基础设施软件提供更多选择等。

零信任安全:抵御勒索软件的防护盾

2024年,勒索软件攻击急剧增加,随着不法分子使用AI进行更复杂的攻击,这一趋势预计还将持续。勒索软件即服务(RaaS)的存在加剧了这一情况。到2025年,预计将有更多公司投资零信任安全解决方案,以检测和防止勒索软件及其他零日漏洞攻击。

安全和私密的生成式AI:负责任地推动创新

采用AI技术的公司面临众多安全挑战,包括生成式AI的隐私和数据保护问题,以及AI供应链中的漏洞。为应对这些风险,私有AI平台的采用将会增加。这些平台使企业能够完全掌控其数据,保护其运营免受未经授权的数据共享、合规性风险以及“影子AI”滥用等日益增多的威胁。

AI可观测性:优化性能并减少碳足迹

AI,尤其是大型语言模型,运行所需的大量能耗会对碳排放产生显著影响。为了优化AI工作负载的能耗并减少碳排放,企业将在未来几年采用多种策略,包括:微调和优化大型语言模型,消除其性能瓶颈,选择高能效云服务供应商,负责任地扩展AI资源。可观测性工具将有助于推动并指导这些工作。

人工智能的标准操作环境:推动效率与创新

如今,有多种选项可运行生成式AI和其他类型的AI工作负载。随着时间的推移,我们预计大多数企业会为AI用例创建一个标准操作环境。环境将包含一个高度可扩展的通用AI平台,并提供AI工作负载所需的通用模块和服务,如:精心挑选的大型语言模型(LLM)、数据隐私与安全、可观测性等。标准操作环境还确保了一致的治理、有效的工作流程和优化的资源使用,从而有助于减少碳排放。

综上,2025年及以后,注重数字韧性、安全和创新的企业将能够更好地抓住新兴机遇,从容应对数字时代的各种挑战。

]]>
研究认为AI带来的污染可导致美国60万人得哮喘 1300名患者早亡 //www.otias-ub.com/archives/1733518.html Sun, 22 Dec 2024 13:36:33 +0000 //www.otias-ub.com/?p=1733518

一项重要研究发现,至2030年,支持 人工智能( AI)所需的电力可能会给美国带来严重的公共卫生问题,预计导致约60万例哮喘病例,并产生高达200亿美元的公共卫生负担。该研究指出,随着AI技术的快速发展,数据中心为满足其密集的计算需求,能源消耗日益增加。这一趋势导致了空气污染物的排放量显著上升,已经对公众健康产生了不良影响。

据预测,到2030年,这些污染物将使美国约60万人罹患哮喘,并可能导致1300名患者过早死亡。

美国加州大学河滨分校的Shaolei Ren教授对此表示:“公共卫生问题对人们的影响是直接且深远的,这种影响远远超出了数据中心运营的地域范围。由于空气污染具有传播性,污染物水平的上升将影响全美民众的健康。”

据了解,在美国,AI的部分电力需求依赖于燃烧化石燃料,而化石燃料燃烧产生的空气污染物,如细颗粒物,对人体健康构成严重威胁。研究人员举例称,训练一个大型AI模型所需的电力所产生的空气污染物,相当于一辆汽车在洛杉矶和纽约之间往返行驶一万多次所产生的污染物总量。

为了更准确地评估美国空气污染和排放造成的健康影响,研究人员使用了美国环境保护署提供的工具进行计算。结果显示,到2030年,全美数据中心的公共卫生总成本可能超过200亿美元。这一数字大约是美国炼钢行业公共卫生成本的两倍,甚至可能与加州等美国几个最大州的数千万辆汽车排放的污染物对健康的影响相当。

此外,研究人员还认为,在美国弗吉尼亚州的“数据中心聚集区”,备用燃气发电机的使用可能已经对当地居民的健康造成了严重影响。据估计,这些发电机可能已导致当地1.4万人出现哮喘症状,每年消耗约2.2亿至3亿美元的公共卫生费用。

如果发电机频繁使用且排放达到国家允许的最高水平,那么每年造成的公共卫生总成本可能高达30亿美元。这一影响不仅局限于弗吉尼亚州,甚至还波及到较远的地区,如佛罗里达州。

面对这一严峻形势,一些科技公司正在积极寻求解决方案。他们正在支持低排放的能源项目,为可再生能源提供资金,并为传统核电站投资新的核反应堆技术。

然而,就目前而言,许多数据中心仍然严重依赖天然气等化石燃料发电。有研究 表明,到2030年,数据中心可能会增加美国对天然气的需求,这一增量相当于纽约州或加州对天然气的需求量。

对此,美国宾夕法尼亚大学的Benjamin Lee指出:“ AI和数据中心的计算对健康的影响确实是一个重要问题。然而,具体数字背后的基本近似值和假设还需要通过额外的研究来验证。”

自 快科技

]]>
Drake Star:2024年第四季度全球HR科技报告 //www.otias-ub.com/archives/1726630.html Thu, 19 Dec 2024 21:00:48 +0000 //www.otias-ub.com/?p=1726630 Drake Star发布了“2024年第四季度全球HR科技报告”。2024年在人力资源技术行业显示出强大的市场吸引力,迄今为止在800多笔交易中获得了数十亿美元投资。人工智能的采用正在迅速增长,是推动该行业增长的几个关键趋势之一。

报告重点包括:

2024年至今完成800多笔人力资源技术交易和72亿美元的投资股权(披露价值)。

2024年第三季度,该行业有40笔并购交易,其中37%发生在欧洲。同期有179笔私募交易。

支持人力资源相关活动的人工智能正在迅速获得动力。25%的公司已经实施了人工智能来支持人力资源相关活动;75%的公司还没有这样做,这表明供应商在这一领域有巨大的潜力。

人工智能的主要用例包括招聘、面试、处理行政和招聘任务、个性化培训和发展计划以及绩效管理。64%的公司降AI用于招聘、面试或招聘,部署AI来处理管理和招聘工作。43%的公司将AI用于学习和发展,利用AI创建个性化训练项目和雇员发展项目。25%的公司在绩效管理中用于AI,帮助管理员工,提供综合反馈,设置雇员绩效目标等。

五大PE支持的整合者是VISMA、access、IRIS、UKG和radancy。

五大公共整合商:dayforce、workday、adp、Paycor和paylocity。

报告中强调了许多值得注意的人力资源技术并购交易,包括Empion收购Zalvus, ZipRecruiter收购Breakroom,以及Drake Star提供建议的GFOS与the Riverside Company的大部分资本重组。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>
Crunchbase:2024年AI网络安全行业风险投资超过26亿美元 //www.otias-ub.com/archives/1732557.html Tue, 17 Dec 2024 18:00:24 +0000 //www.otias-ub.com/?p=1732557 最近,人工智能数据安全初创公司Cyera完成了由Accel和Sapphire Ventures领投的3亿美元D轮融资。这笔交易使Cyera成为风险投资家最喜欢的两个行业——人工智能和网络安全——交叉领域的初创公司的最大一笔融资。

今年4月,Cyera的C轮融资也达到了3亿美元。

虽然Cyera的两轮融资可能是规模最大的,但该公司远不是唯一一家利用人工智能获得大笔资金的网络安全初创公司。

根据Crunchbase的数据,今年到目前为止,风投支持的人工智能网络安全初创公司已经筹集了超过26亿美元。这一数字几乎是去年这类初创公司融资总额(9亿多美元)的三倍,交易数量几乎相同。

去年第四季度,人工智能网络安全初创公司在28笔交易中仅获得了1.21亿美元。

人工智能的崛起

尽管网络行业的许多风险投资者都在鼓吹耐心,看看人工智能如何在该行业得到最有效的利用,但他们打开支票簿的意愿似乎在讲述另一个故事。

投资者似乎对初创公司利用人工智能保护数字世界的可能性很感兴趣——包括数据保护、身份和第三方风险等领域——甚至是帮助确保大型语言模型本身的发展。

人工智能帮助获取现金

人工智能融资一直是风险投资市场放缓的一大例外,而网络——以及医疗和国防等其他行业——也显示出投资者对人工智能的兴趣提升了其他一些行业的融资前景。

将人工智能引入网络安全并不令人震惊,因为后者一直对早期采用最新技术持开放态度。过去,网络安全迅速增加了自动化和机器学习技术——可能是为了帮助解决该行业的工人短缺问题。

人工智能也可能发生同样的情况,尽管投资者对初创公司关于人工智能的说法以及如何将其货币化越来越持怀疑态度。

]]>
世界经济论坛:加强AI生态系统 促进社会创新 //www.otias-ub.com/archives/1720168.html Tue, 17 Dec 2024 01:00:50 +0000 //www.otias-ub.com/?p=1720168 199IT原创编译

在私营部门、政府和中介机构的正确支持下,社会创新者可以扩大人工智能的影响力,造福社会。

人工智能的变革潜力受到广泛赞誉。研究表明,部署机器学习的员工可以实现高达30%的效率提升,并且发现该技术有可能将占用员工时间的活动自动化高达70%,因此这项技术被行业所接受也就不足为奇了。

在IBM全球人工智能采用指数调查的8000多家公司中约有42%已经部署了人工智能来提高客户服务、信息技术和营销销售职能的效率。此外,另有40%的受访者表示,他们已经开始探索在企业内部使用庄闲网络娱乐平台进入 技术。同样,66%的受访者认为人工智能将在未来三到五年内显著影响他们的生活。

虽然人工智能对经济增长有着巨大的希望,但认识到围绕这项技术对环境和社会影响的日益增长的担忧是至关重要的。一些研究表明,超过1/3的员工担心因人工智能而失去工作,这因职业和地域而异。

这些担忧促使我们迫切需要强有力的公共治理和政策。

分析显示,在基础样本集中审查的近100项人工智能举措,有31%的人关注积极影响。在这些以影响为重点的倡议中,提供直接财政资源的不到一半。相比之下,近60%的人工智能项目都是直接获得财政资源的,而不是专注于影响。

总体而言,近年来为以影响为重点的倡议提供的全球资金在业务预算和资金方面达到22亿美元。


199IT.com原创编译自:世界经济论坛 非授权请勿转载

]]>
Capterra:2024年美国科技趋势报告 //www.otias-ub.com/archives/1716696.html Sun, 15 Dec 2024 21:00:16 +0000 //www.otias-ub.com/?p=1716696 Capterra的一份调查报告显示,2026年世界各地的公司将使用生成式人工智能来制作近一半的社交媒体营销内容(48%),高于目前39%的平均水平。

在美国,接受调查的社交媒体营销人员预计生成式人工智能将制作52%的社交媒体内容,高于目前43%的预计平均水平。

全球的受访者认为,使用生成式人工智能进行社交媒体营销的最大好处是提高效率。这对社交媒体营销人员来说是一个福音:最近的一项研究发现,48%的人觉得他们很少有足够的时间来完成工作。

除了提高效率之外,社交媒体营销人员还认为将生成式人工智能用于内容营销的其他主要好处是更容易产生想法、增加内容制作、增强创造力和降低成本。

虽然生成式人工智能的使用有很多好处,但营销人员也需要面对各种挑战。受访者认为最主要的障碍是保持真实性,43%的受访者将其列为前三大障碍。这一点至关重要,因为消费者认为发布不真实的内容是品牌在社交媒体上的重大失误。

紧随其后的是,受访者承认保持人类创造力的价值是一项挑战,他们希望确保内容产生共鸣。消费者对此也有一些想法:最近的一项研究发现,与人类生成的内容相比,更大比例的消费者(39% vs 31%)更不可能参与人工智能生成的社交内容。

94%的受访者担心生成式人工智能会意外损害他们的声誉。由于大多数生成人工智能用户报告了内容质量问题,相当大一部分人(39%)表示,编辑和审查人工智能生成内容所需的工作量比他们预期的要大。


​文档链接将分享到199IT知识星球,扫描下面二维码即可查阅!

]]>