给生成式AI加点泡沫 ｜ AI周

　　AI没有为微软生成一份比谷歌更好的财报。

　　微软云业务业绩表现平平。该公司第四财季（美国的会计年度的起始时间，并非强制性的统一规定）营收同比增长8%，至562亿美元，低于去年同期的12%；最赚钱的Azure和其他云服务业务营收，同比增速为27%，较上季度31%进一步放缓。聊以安慰的是，Azure OpenAI的客户数量大幅增长，从5月末时的4500个，增长到6月末的11000个。

　　Alphabet的搜索还没被ChatGPT颠覆。该公司第二财季营收同比增长7%，至746亿美元；最赚钱的广告终于止跌，营收同比增长3.3%；而谷歌云收入同比增长约28%，继续盈利。

　　扎克伯格大手笔裁员，比去年同期少了14%员工，换回了股东的部分耐心。该公司第二财季营收同比增长11%，至320亿美元；最赚钱的广告同比增长12%。

　　

　　广告这一稍显传统的商业模式，至今仍是很多互联网巨头企业的基本面。当然，谷歌与Meta都夸赞了自家的AI技术对广告推荐系统的提升。谷歌提到了自己的SGE（搜索生成体验功能），Meta则提到自动生成广告服务Advantage+大受好评。

　　分析师还看到了Meta更多的将AI货币化的机会，在财报电话会议上，问了很多开源模型的问题。扎克伯格再次定义了Llama2的开源免费商用，大型公司尤其是有计划发布公共云产品的公司不行，合作对象用于转售目的要收入分成。

　　生成式AI人工智能的商业落地，还需要这些高管们用心微调。他们接下去要砸更多的钱，抢人，抢GPU，从客户反馈中强化自己的产品与服务。

　　Meta说，裁员紧缩会持续到2024年，那样，就可以把更多的钱，向“成本较高的技术岗位”加薪。事实上，其他几个巨头，今年裁员力度比Meta更狠。半年时间，亚马逊裁掉了16080人，谷歌12000 人，微软11158人，被开除出万亿美元市值俱乐部的Meta，裁了10000人。

　　英伟达是这一轮AI最大的受益者。就像20多年前，互联网泡沫的时候，大量互联网应用企业涌现，喂饱了卖硬件与搞基建的。为了抓住这次AI的机会，谷歌、Meta和微软还会继续加大资本开支。不光是下半年，谷歌明确还这一趋势将延续至2024年。

　　AI的泡沫还不够多。韦德布什证券公司将现在类比为“1995年时刻”，而不是“1999年时刻”或“2000年时刻”。1995年前后，美国市场诞生了Java、JavaScript、Internet Explorer 1、Navigator、Windows 95、Linux 95；中国电信开通了北京、上海两个接入Internet的节点。

　　听上去似乎有点道理。从去年底开始到现在，中国移动牵头建设算力终端产业联盟，上海联通牵头成立了上海市算力产业联盟，中国电信启动了大模型生态合作联盟。本周，深圳数交所联合近50家单位，成立了“开放算料联盟”。

　　对中国的AI应用也要有信心。这次，中国几乎应用与基建同时推进。中国的互联网应用已经是美国抄袭的对象。马斯克不仅对xAI有野心，还把推特改名为X，要照搬微信。Meta广告复苏要归功于Reels，这款美国人自己的TikTok，目前每天播放量超过 2000 亿次，年化收入规模（annual revenue run rate）预计100亿美元。

　　本周，国内终于出现了现象级的应用妙鸭相机，虽然这款AI写真小程序争议不断，但终归触及了最广泛的消费级群体。这下国内创新者可以放心了，不是受众出了问题。先拿出产品来试试，这是生成式AI企业下半年最该做的。

　　本周，还有这些发生在AI领域的事件值得关注：

　　一、风险、监管与伦理

　　AI四巨头成立前沿模型论坛。该行业机构由Anthropic、谷歌、微软和OpenAI成立，准备展开大模型评测标准等方面的研究，也将就负责任与安全的人工智能问题，与美国、欧洲与G7进行沟通。该机构还将建立一个咨询委员会，也欢迎满足标准的组织的加入。

　　Hugging Face等呼吁欧盟保护开源创新。呼吁者还包括GitHub、EleutherAI、Creative Commons、LAION和Open Future等开源AI利益相关者。他们建议AI法案的讨论过程中，为开源开发者提供更清晰的信息，让开源开发者在政策制定过程中发挥更大作用。

　　二、中美科技巨头

　　阿里云支持Llama2全系列训练部署。阿里云机器学习平台PAI在国内率先对Llama2系列模型进行深度适配，推出了轻量级微调、全参数微调、推理服务等场景的实践方案。开发者可在魔搭社区Llama2模型页面点击“Notebook快速开发”，在其他平台下载的Llama2模型，也可使用阿里云PAI进行开发。

　　亚马逊云推出AI代理功能。在AWS纽约峰会上，多项发布都紧紧围绕生成式人工智能，包括生成式AI服务Amazon Bedrock的Agents（代理）功能，助力基础模型完成复杂任务，这类似于OpenAI最近为GPT-4和ChatGPT推出的插件系统；还包括编程助手Amazon CodeWhisperer正式可用，用于在患者就诊后生成临床记录Amazon HealthScribe，以及分析服务Amazon Entity Resolution等。

　　Bing聊天上线谷歌/苹果浏览器。但目前，在Chrome和Safari浏览器上使用Bing Chat仍存在一些限制，用户输入的文字不能超过2000个字符，低于Edge上的4000个字符，且对话只能持续五轮。

　　OpenAI正开发开源大模型。原计划2个月前发布，但目前没有更多细节，只披露了内部代号为G3PO。最近，与OpenAI深度捆绑的微软，与Meta在开源模型Llama2上有了合作。

　　三、大模型和行业应用

　　Cohere推出企业知识助手Coral。它是一个企业聊天机器人，可以与用户对话，帮助他们完成业务任务。它基于Cohere的Command模型，经过了聊天、推理和写作能力的训练，通过数据连接增强其知识库，并私下部署以保护敏感数据，实现企业定制。

　　网易有道正式发布“子曰”大模型。这是专注于教育领域的垂直大模型。有道同时发布了基于“子曰”大模型的六款应用，对应翻译、文档问答，以及虚拟人的口语教练、作文指导、语法精讲等场景。

　　四、资金流向

　　AutogenAI获2230万美元融资。这家伦敦的初创公司，自营业不到一年以来，已为28家企业提供了服务。它基于大型语言模型，结合客户专有数据，以及自己开发的界面，帮助用户查询招投标信息，然后结合成功的中标经验，生成合适的招投标文书。

　　Protect AI 完成 3500 万美元融资。该公司专注于发现人工智能和机器学习供应链（例如开源模型和外部第三方训练数据集）中的实际威胁，以及这些模型的构建方式，并提供工具来抵御某些类型的人工智能攻击。

　　光轮智能完成天使+轮融资。这家合成数据公司成立于2023年1月，为行业提供3D、物理真实、可泛化的合成数据，已经服务数家自动驾驶和机器人公司，目前累计融资达数千万元人民币。该公司创始人兼CEO谢晨曾在英伟达、Cruise、蔚来等企业担任自动驾驶仿真负责人。

　　微软全球合伙人姜大昕大模型创业。他在微软工作16年有余，曾任微软必应搜索引擎和Cortana智能助手自然语言理解负责人。与他一起创业的还有两位微软系的旧友。

　　五、基础设施

　　AWS EC2 P5实例正式可用。它包括8个最新的英伟达H100 GPU，640GB高带宽GPU内存，2TB系统内存，30 TB本地NVMe存储，3200 Gbps的聚合网络带宽。它将帮助客户降低高达40%的培训成本。此前，亚马逊未公开大规模出租H100算力的云服务。

　　深圳成立开放算料联盟。深圳数交所及腾讯云、华大基因等企业，北大深圳研究生院、哈工大（深圳）、港理工等大学，以及相关协会、智库及研究机构共同发起。该联盟将围绕高质量中文训练数据和多模态训练数据，协调数据要素、数据治理、训练数据、数据标注、合成数据等相关标准制定，协助数据交易所增加大模型相关的新品类和新专区。

　　六、开源生态

　　北交大开源交通大模型，免费可商用。这个通用常识交通大模型名为TransGPT，拥有70亿个参数，对学术研究完全开放，邮件申请并获许可后即可免费商用。它能够实现交通情况预测、智能咨询助手、公共交通服务、交通规划设计、交通安全教育、协助管理、交通事故报告和分析、自动驾驶辅助系统等功能。

　　代码模型CodeGeeX2-6B开源。基于 ChatGLM2-6B 基座语言模型，CodeGeeX2-6B 进一步经过了 600B 代码数据预训练，相比一代模型，支持超过 100 种编程语言，新增上下文补全、跨文件补全等实用功能，在代码能力上全面提升。CodeGeeX2-6B 权重对学术研究完全开放。

　　英特尔推出34个开源AI参考套件。该芯片巨头与埃森哲合作，向开源社区提供了包含34 个开源 AI 参考套件的产品组合。每个套件都包含了模型代码、训练数据、机器学习管道指令、相关库和oneAPI 组件等内容，可以帮助开发者和数据科学家更快更轻松地部署人工智能，为多种架构的本地、云端和边缘计算环境提供 AI 服务。

　　七、论文

　　视觉-语言-（机器人）动作模型：这个被称为RT-2的模型，能把网络上的知识，转化为机器人的控制。因为动作可以被表示为文本字符串，就能将其视为操作机器人的另一种语言。这种简单的表示，使得对任何现有的视觉-语言模型进行微调，并将其转化为视觉-语言-动作模型变得简单直接。在推理过程中，文本标记被还原为机器人动作，实现闭环控制，这样就能够利用视觉-语言模型的主干和预训练，在学习机器人策略时传递部分泛化能力、语义理解和推理能力到机器人控制。

　　

　　用自己生成的数据训练自己，越训练越傻？研究人员对简单多元高斯和高斯混合模型的分析和实证表明，使用合成训练数据训练AI，模型会产生“模型自噬障碍”（MAD），而且发现经过第5次迭代训练后，偏差不断放大，模型就会患上MAD。尚未确认会影响所有AI模型。

　　

　　生物医学通用人工智能：谷歌研究团队首先整理了一个新的多模态生物医学基准MultiMedBench，涵盖了14个不同的任务,如医学问答、乳腺X光和皮肤病学图像解释、放射科报告生成和摘要以及基因组变体调用等。然后引入了Med-PaLM M，一个大型多模态生成模型,可以灵活地对临床语言、影像和基因组等生物医学数据进行编码和解释,而使用相同的一组模型权重。在所有MultiMedBench任务上,Med-PaLM M的性能与最先进水平相当或超过最先进水平,通常以很大优势超过专家模型。尽管在真实使用案例中验证这些模型还需要做大量工作，但这一结果代表了发展通用生物医学AI系统的一个里程碑。

　　

　　核查大模型生成内容的真实性：FACTOOL是一个任务和领域无关的框架，用于检测大型语言模型（例如，ChatGPT）生成的文本的事实错误。在四个不同的任务（基于知识的问答，代码生成，数学推理，和科学文献审查）上的实验显示了所提方法的有效性。

　　自治代理在真实网络环境中完成任务不理想：随着生成式AI的进步,自治代理通过自然语言命令管理日常任务的潜力令人向往，然而，当前的代理主要是在简化的合成环境中创建和测试的,这极大地限制了真实世界场景的再现。在一个高度逼真和可复制的代理命令和控制环境中，如电子商务、社交论坛讨论、协作软件开发和内容管理，研究人员设计并实现了几个自治代理。结果表明，最好的基于GPT-4的代理只实现了10.59%的端到端任务成功率。

　　

　　八、人才与其他

　　搜狗原CMO入职百川智能。至此，搜狗前CEO王小川、前COO茹立云和前CMO洪涛，都在百川智能重新聚首。洪涛将负责商业化工作。按此前计划，百川智能将在年内发布一个千亿级闭源大模型。

　　OpenAI信任与安全负责人离职。戴夫?威尔纳（Dave Willner）表示在担任 OpenAI 信任与安全高管期间，始终处于“高强度状态”下，而他本身是个家庭观念很深的人，在 ChatGPT 推出几个月后，他表示越来越难兼顾到家庭。此前，他在Facebook和Airbnb领导信任和安全团队。