• 图灵奖得主YoshuaBengio等多位学者Science撰文：监管强大的AI智能体
• 北大开源最强aiXcoder-7B代码大模型，聚焦真实开发场景，专为企业私有部署设计
• 没有数据训练大模型？OpenAI总裁带队转录YouTube视频，谷歌、Meta也想尽数据收割套路
• “更大的焦虑，更大的想象力”：音视频厂商如何闯入AI时代？
• 291亿投资拉动5万亿财富增长，大模型的泡沫来了？
• 香港大模型公司WeituAI首秀，打造多模态Native的技术和产品
• 120亿StableLM2上线即开源，2万亿token训练，碾压Llama270B
• 体验完黄仁勋最爱用的AI工具：Google不香了，还能平替ChatGPT
• 台积电、英特尔推迟在美建厂，缘因他们被糊弄了？
• 固态电池哪里好，敢跟燃油车比续航
• 联想不想输，但AIPC难成救命稻草
• 破解36年前魔咒，Meta推出反向训练大法消除大模型「逆转诅咒」
• ZOMI酱：从艺术生到大模型训练专家

图灵奖得主Yoshua Bengio等多位学者Science撰文：监管强大的AI智能体

多位学者，包括Stuart Russell等，警告人工智能（AI）特别是强化学习训练的智能体（RL agent）可能带来的灭绝风险，因其能高效长期规划。他们指出当前AI监管不足，提出新治理机制，限制高级AI智能体（LTPA）的发展，核心建议是禁止构建强力LTPA并严格管控其资源。文章强调了LTPA可能采取自我保护、操纵资源和影响环境的潜在能力，以及现存监管框架的缺陷。学者们建议建立新的专门机构，从源头上预防危险LTPA的产生，实施严格的生产和使用控制，包括资源监控、生产咨询、执法措施以及可能的跨国监管。同时，他们认为这一治理制度可扩展至其他AI系统，但仍需进一步完善。

北大开源最强aiXcoder-7B代码大模型，聚焦真实开发场景，专为企业私有部署设计

AI代码生成概念火热，但应用于企业开发仍有差距。aiXcoder-7BBase版作为一款70亿参数的开源代码大模型，表现出色，尤其在企业软件开发场景中展现强大能力，如代码补全和跨文件处理。它在多项评测中超越340亿参数的先进模型Codellama，且注重实用性，擅长理解和生成关联文件代码。aiXcoder-7BBase版开源，旨在帮助企业开发者轻松部署、定制和组合模型，以提升开发效率和代码质量，推动软件开发自动化。团队背景深厚，自2013年起持续研发，已发布多个迭代版本，适应不同企业需求。

没有数据训练大模型？OpenAI 总裁带队转录YouTube视频，谷歌、Meta 也想尽数据收割套路

2021年底，OpenAI因缺乏高质量数据而面临困境，于是开发了语音识别工具Whisper转录YouTube视频以扩充训练素材。Google、Meta等科技巨头通过各种手段，包括无视规定、修改条款，甚至讨论规避版权，疯狂搜集在线数据，如YouTube视频、书籍、社交媒体内容等，以支撑AI模型的训练。这些公司面临着数据供应短缺的问题，且部分行为可能触犯版权。OpenAI总裁Brockman等涉入了数据采集，如GPT-4的训练就使用了Whisper转录的大量YouTube视频。AI的发展依赖于海量数据，而版权争议和数据来源的合法性成为行业关注焦点。

“更大的焦虑，更大的想象力”：音视频厂商如何闯入AI时代？

国内音视频厂商面临追赶大模型的焦虑，如Sora的崛起。技术升级要求企业将AI与用户需求紧密结合，解决实际问题。阿里蔡崇信提及中国AI技术可能落后美国两年。音视频赛道竞争加剧，企业加大研发投入，如阿里钉钉、百家云等公司投入AI和定制化服务。音视频厂商需深化服务场景，结合AI解决实际难题，如金融领域的监管需求。大模型时代下，厂商需平衡技术发展与实际价值，如声网追求实时性和端上计算，以降低成本和提高效率。未来可能的发展方向是端边云结合，以应对延迟、隐私等问题。音视频厂商需从“追逐技术”转向“追逐用户”，以实现技术与业务的深度融合。

291亿投资拉动5万亿财富增长，大模型的泡沫来了？

2023年科技巨头如苹果、微软、Alphabet等公司股票大幅上涨，市值增长近5万亿美元，主要得益于生成式AI的崛起。资本在AI领域的投入激增，尤其是英伟达、亚马逊等公司通过巨额投资参与军备竞赛。然而，尽管投入巨大，AI的营收产出比严重失衡，例如英伟达在芯片上的支出500亿美元仅换来30亿美元营收。巨头们对生成式AI的热情持续，带动股价上涨和财富效应，但也引发关于泡沫和可持续性的担忧。AI技术虽然潜力巨大，但商业化进展缓慢，部分初创公司面临挑战。科技泡沫与历史上的技术革命类似，通过财富效应推动创新，但也伴随着高风险。未来，人们关注的重点在于AI能否引领真正的技术革新并带来长期繁荣。

香港大模型公司Weitu AI首秀，打造多模态Native的技术和产品

WeituAI，由王历伟博士创立的香港多模态Native产品公司，发布了150亿参数的WeituAI1.0大模型，该模型在多项国际权威评测中表现出色，尤其在MMMU和CMMMU等数据集中成绩亮眼。尽管参数不算最大，但模型在多模态理解上超越同量级及更大规模模型。王历伟博士强调，100亿参数模型的灵活性为其在实际多模态场景应用提供了空间。然而，现有评测基准主要侧重理解，未充分展示WeituAI在多模态交互上的优势。公司正在通过结构优化提升交互能力，目标是打造专注于多模态交互的Native产品。WeituAI认为，成功多模态产品需要技术和产品力的双重驱动，并计划推出更多交互Native产品，以技术创新推动用户体验升级。

120亿Stable LM 2上线即开源，2万亿token训练，碾压Llama 2 70B

StabilityAI推出StableLM212B模型，基于2万亿Token的七种语言数据训练，拥有120亿参数，性能超越Llama270B。该模型在多语言任务、混合专家模型和指令微调等方面表现出色，兼容性能、效率和内存需求。尽管目前仅支持4K上下文，但StableLM212B可处理复杂任务，且StabilityAI承诺将推出更长版本。模型已在OpenLLM排行榜上领先，展示出在零样本和少样本任务中的优秀性能。

体验完黄仁勋最爱用的 AI 工具：Google 不香了，还能平替 ChatGPT

Perplexity是一款低调的AI问答工具，融合了ChatGPT式的问答和传统搜索引擎的链接列表，提供纯净无广告的体验、强大的信息检索和处理能力，以及详细的引用来源。它旨在取代搜索引擎，提供对话式搜索，提升信息获取效率。尽管面临Google等巨头的竞争，Perplexity凭借独特的功能如Focus、Library和Discover，以及快速集成新AI模型的优势，吸引了用户。它虽非第一个挑战者，但确实推动了搜索领域的革新，未来有望提供更个性化和直接的信息服务。

台积电、英特尔推迟在美建厂，缘因他们被糊弄了？

台积电在日本熊本的工厂顺利建成，得益于日本政府的高额补贴和简化流程。相比之下，台积电在美国的亚利桑那州建厂计划延期，英特尔和三星也面临补贴不到位、劳动力短缺及成本上升等问题。《芯片法案》虽承诺巨额补贴，但发放进度缓慢，且附带严格条件。台积电在日本的建厂经历更为顺畅，显示出日本政府的积极支持对项目推进的重要性。

固态电池哪里好，敢跟燃油车比续航

2024年被视为固态电池量产元年，多家车企如智己、蔚来和广汽宣布固态电池应用。固态电池相较于液态电池，能量密度更高、更安全，但尚存电解质材料选择、生产工艺等问题。目前主要为半固态电池，全固态电池技术仍在发展中，预计2027年左右实现大规模应用。车企如智己通过与初创公司合作推进固态电池研发，但商业化落地和成本仍是挑战。固态电池的普及还需时间解决技术难题并降低成本。油电之争中，电动车的续航和补能速度正在逐渐缩小燃油车的差距。

联想不想输，但AI PC难成救命稻草

联想在AIPC赛道上寻求重振，于4月18日发布具备五大特征的产品，强调自研自创。AIPC被视为联想的重大机遇，公司密集布局以应对PC市场低迷。2024年被认为是AIPC元年，联想欲借此夺魁以保持市场领先地位。然而，PC市场整体下滑，联想业绩受到冲击，智能设备业务集团营收和利润下滑。竞争对手如英特尔、荣耀、微软等也加入AIPC竞争。AIPC虽前景广阔，但高成本、功能差异化不明显以及消费者认知不足等因素给联想带来了挑战。联想面临如何通过AIPC实现业绩增长的艰巨任务。

破解36年前魔咒，Meta推出反向训练大法消除大模型「逆转诅咒」

MetaFAIR的研究人员通过反向训练方法，解开了大语言模型的“逆转诅咒”。原本在“A是B”训练的语言模型无法回答“B是A”，即存在逻辑推理缺陷。研究者发现，通过标记反转、单词反转、实体保留反转和随机段反转等策略，特别是实体保留和随机段反转，可以在一定程度上缓解或消除这一问题。反向训练通过构造反向样本，使模型在语法层面理解正反向语言预测，有助于提高模型在事实关系推理上的表现。实验结果显示，反向训练在处理简单和复杂任务时展现出优势，尽管在现实世界事实应用上仍存在局限，但预示着潜在的改进方向。

ZOMI酱：从艺术生到大模型训练专家

ZOMI酱是一名艺术生出身的AI专家，因高考调剂进入计算机专业，现从事昇腾大模型训练和B站AI科普。他以专业知识和幽默风趣的视频内容普及AI，被誉为“AI小教父”。ZOMI在跨界中寻找平衡，曾面临质疑但坚持技术创新，如Sora视频生成模型解析。他对技术发展充满热情，通过分享AI知识，结识了许多同行。他的工作集中在大模型分析和集群效率提升上，认为国产算力正在崛起，强调技术研发的重要性。ZOMI喜欢户外活动，如徒步、冲浪和最近的冰潜，以释放压力。