OpenAI 推出AI基金 头号竞争对手 减速技术改造大潮 (openai画图)

外地时期周三（7月17日），美国AI初创公司Anthropic在官方宣布，其将与Menlo Ventures协作设立1亿美元的新基金“Anthology Fund”。

据了解，Anthropic是一家由前OpenAI研讨高管和员工创立的公司，其产品“Claude”也是ChatGPT的关键竞品之一。Menlo Ventures是Anthropic的关键投资者，领投了后者的多轮融资。

资讯稿称，Anthology Fund中的1亿美元由Menlo资助，Anthropic则担任提供技术支持。获批的初创公司可以取得10万美元的投资，以及价值2.5万美元的“额度”，可用来访问Anthropic最先进的模型。

Anthropic结合开创人兼总裁Daniela Amodei表示：“经过协作，我们心愿减速打破性AI运转的开发。我们特地感兴味的是运行AI来提高医疗保健、法律服务、教育、动力、基础设备和迷信研讨等范围消费力的企业。”

Menlo Ventures合伙人Matt Murphy通知媒体，与Anthropic的结盟将协助其找到更多值得投资的AI初创公司。

依据Murphy的说法，Anthropic不会持有这些初创公司的股份，也不会强迫他们只经常经常使用Anthropic的AI模型。Murphy说道，“我以为这对我们、对Anthropic、对企业家来说都是一件喜事。”

据了解，Murphy还是风险投资公司Kleiner Perkins的前合伙人，他提到“iFund”是这只新基金的灵感。iFund是由苹果与Kleiner Perkins于2008年成立的基金，即iPhone上市的一年后。

iFund的初始资金为1亿美元，两年后抵达2亿美元，这些资金用于支持iOS平台上的开发者，进而悬赏具有潜力的资助对象。Murphy称，iFund让苹果无机遇了解早期开发者的状况，以及他们要求愈加关注哪些方面。

Murphy表示，iFund与新基金有很多相似之处，但最大的不同在于AI的展开速度比iPhone的开发速度更快，“以后的AI浪潮比我们之前见过的最大创新浪潮快10到100倍。”

Anthropic的Amodei表示，公司心愿树立一个反响循环。由于与开发者的协作越多，就越能改良自己的产品。值得一提的是，OpenAI也有一个相似的创业基金“OpenAI Startup Fund”，规模为1.75亿美元。

---

丰田、奔驰、特斯拉入局AI，智能化下半场谁又犹疑了？

贾老板的FF 91再次延迟交付，这简直曾经是大家预料之中的事情，车才刚刚造出来，法拉第未来曾经末尾用AI人工智能末尾讲下一个故事了。

近半年AI人工智能的加快开展，给全人类带来惊喜的同时，更多带来的其实是恐慌，AI在大幅提高任务效率的同时，简直不会产出新的任务岗位。 大企业们纷繁在AI这条高速开展的赛道上放慢规划，车企们也不例外。

AI不是新权利们的专属，传统大厂也在发力

丰田公司的设计部门曾经末尾经过运行生成式AI组件，来辅佐设计人员更加快地设计车身外观，丰田设计师可以从草图末尾就成功多种车型变体的切换，输入一些规则的设计要求，AI可以将文本智能转化为效果图。

奔驰末尾在旗下搭载MBUX系统的车型上接入ChatGPT，这也让奔驰品牌成为行业内首个接入ChatGPT的车企，ChatGPT关键用于优化奔驰车机语音系统的才干，目前处于测试阶段，之后会把ChatGPT加持下的系统推行到全球市场中。 而ChatGPT面前的OpenAI和微软也借此时机在优化生成式AI语音大模型在车机端的运行体验。

宝马近期部署了代号为“灯塔”（BEACON）的AI人工智能平台，提供AI运行创新相关的开发、部署、集成与运转服务的平台化环境，减速成功多业务场景数字化，“灯塔平台”提供的VaaS服务，可以接入宝马沈阳消费基地超越6000个摄像头。 宝马工程师应用这些摄像头的图像开发目的检测、目的跟踪、图像分类等AI系统及运行接口，从而使消费控制变得愈加智能化。

特斯拉最近创立了一个名为@Tesla AI的推特账户，特斯拉 CEO 埃隆・马斯克也关注了该账户，最近特斯拉在大规模招聘AI方面的人才，同时@Tesla AI发文称将从7月末尾消费Dojo超级计算机，马斯克也在推文下力挺自家的技术，称无论从配件还是软件方面看，特斯拉的人工智能都比大少数专家看法到的要先进得多。

特斯拉在AI范围的规划关键围绕智能驾驶展开，其中包括多模态神经网络、智能标注技术、基于车队数据的场景重建和想象未来等，而在有了Dojo超级计算机的弱小算力加持后，FSD的学习与更新会变得愈加迅速，同时还会为人形机器人Optimus 提供计算支持。

从车型设计，到车辆消费，再到智能驾驶和智能座舱的训练中，AI人工智能曾经不再是国际外造车新权利们的噱头，而是实打实地成了各大车企都在争相规划的新技术和范围，传统车企们在智能化的上半场角逐中，普遍没有占到什么优势，或许说简直都是在被新权利们暴打，而在智能化下半场的末尾大战中，大少数传统车企们不再是如现在那般愚钝，新权利们的优势逐渐再被传统车企们追平或许抹去。

依然有巨头在犹疑，不着急吗？

不过，从目前的行业现状中，我们也能看到还有很多大车企并没有在AI人工智能的规划方面有什么大举措，特别是群众和福特，在智能化的下半场角逐中，它们又在犹疑什么呢？

群众和福特可以说是在电动化和智能化转型中相当保守的传统车企。

群众在前CEO迪斯的率领下，保守地启动着电动化转型，智能化则是有群众旗下子公司Cariad来开发，虽然迪斯中途“下课”，但接任群众CEO的奥博穆砍去了一些难以成功的目的后，总体延续了迪斯的战略。

而福特当年宁可不发新车，也要全身心投入到智能驾驶的研发中，在2016年就把智能驾驶车队扩展了3倍，然后又重金收买Argo AI，还豪掷40亿美元开发智能驾驶。

而这两大巨头搞了这么多年，换来的是群众集团旗下多个品牌的新车延期发布，要素大多是由于软件部门没能做出能完美适配的软件，发布的新车还常由于软件疑问被用户吐槽，甚至连CEO自己最近都供认奥迪品牌落后于竞争对手，关键由于软件疑问。

而福特在沉溺智能驾驶研发而不发新车的几年间，产品力有所滑坡，市场份额被其他车企加快瓜分，而紧接着又迎来了Argo AI的破产，以及最近福特高管亲口供认“福特2025年前无法部署L3级智能驾驶汽车”。

两大传统车企不计本钱地投入了这么多年，可到头来换来了一地鸡毛，在如潮水般奔涌而来的AI大潮下，群众和福特表现得有些默不作声，或许也是道理之中，由于目前来看AI开展的情势或许依然尚不阴暗，假设又像当年一样开足马力，不计结果，那么或许会造成更可怕的结果。

从目前曾经运行AI技术的车企们的意向来看，它们大少数也是在探求的环节中，由于人工智能技术在汽车范围中的运行可谓是一项技术转型，要求启动相关技术的研发和转化。 AI技术目前还处于不时开展变化之中，车企在经常使用这些技术时要求破费少量的时期精神启动研讨和开发，大少数车企都要求一定的时期来启动技术转型，并树立起相关的团队和生态系统，特别是关于“转身困难”的传统大厂们。

除此之外，人工智能技术的运行并不是一挥而就的，要求经过不时尝试和实验才干够失掉长足开展。 这就要求车企继续投入技术和资金，在技术研发方面作出常年的规划和规划。 关于群众和福特这样的传统车企，要成功技术转型就要求一定时期的积聚和沉淀，而群众和福特的软件部门目前也都处于巨额盈余中，更要慎重。

另外，人工智能技术在汽车范围中的运行依然存在着一定的安保隐患。 例如，在智能驾驶范围中，假设AI系统出现缺点或许误判，就或许会造成车辆出现事故，虽然目前还是L2级的范围，车企没什么责任，但是每一次性事故都会随同着更多其他的连锁反响，新权利们大多深有体会。

传统车企要求更多时期来思索如何保证车辆和乘客的安保，所以我们会看到群众和福特等传统车企，目前宁可经常使用没什么高阶性能的Mobileye供应商方案，也不去经常使用自研软配件。

此外，车企还要求充沛思索用户的经常使用需求，确保其产品在研发环节中契合相关法律法规和规范。 例如，关于智能驾驶技术的运行，不只要思索到汽车行业的规范，还要求思索到交通部门的控制规范以及国度政策的制定，这些方面都要求投入少量的精神和时期来启动研讨和实验，要不也会演出特斯拉FSD在众多市场没法落地的状况，选装FSD的车主们直到卖车，也没等来完全智能驾驶。

总结

如今的AI人工智能产业，没有人能完全认清它终究会给我们带来什么。 特别是在汽车行业中，AI带给车企的优势以及消费者的体验更新，与庞大的投入能否成正比，这是车企们都要求认清的疑问，都知道AI好，但是如何把投入产出比做好，十分关键。 而还在犹疑的车企们，也要找准切入的机遇，特别是针对在智能化上半场投入庞大，还吃了亏的群众和福特来说。

算法相对论｜关于人工智能的产业化之路的三点思索

彭嘉昊 在过去的2021年，我们见证了人工智能这个细分行业的起坎坷伏，有些企业常年盈余乃至濒临破产，有些企业顺利取得融资或成功上市，可谓几家欢欣几家愁。 但纵观如今国际人工智能的产业化之路，总是无法逃避一个理想的疑问，即“人工智能企业终究离盈利还有多远？”固然人工智能范围的研发任务要求庞大的投入，但一切的研发投入只要在产业化的落地场景中才干成功真正的商业价值，脱离了理想的产业需求，人工智能只能逗留在技术自身。 目前，人工智能的产业化开展的3个途径：（1）AI+产业，即人工智能的技术型公司掌握某种人工智能技术后，向产业化的详细场景落地。 比如商汤 科技 、云天励飞、旷世 科技 等知名人工智能公司都是采取的这条途径。 （2）产业+AI，即由某一细分产业里的公司，尤其是头部大型企业作为主导力气，主动引入人工智能技术成功更新。 比如安康保险、、顺丰快递等细分范围的大型企业自身的产业更新。 （3）产学研效果转化，即由高校和科研机构为主导，主动面向市场的科研效果转化路途。 近些年各大顶尖高校都树立了人工智能研讨院，诸如北京、上海、深圳等城市也有很多政府背景的人工智能科研和效果转化平台。 笔者从2020年以来继续走访了上百家人工智能企业及科研机构，就内行业里的所见所闻，结合自己的想法，谈一下我关于人工智能的产业化之路的思索。 一、“AI+产业”的路途曾经进入平台期 “AI+产业”的形式，关键指人工智能的技术型公司经过技术先行，然后寻觅适宜的业务场景成功商业价值。 这条路可以自创移动互联网的开展历程，诸如淘宝、滴滴这样的互联网企业，都是经过技术和商业形式创新，发现了一个0-1的全新产业。 我们曾经也以为人工智能的技术型公司可以经过0-1的技术打破，自创移动互联网的阅历，普遍掩盖到各行各业的细分场景中。 但除了人脸识别等少数几个场景外，人工智能的技术型公司并没有复制 科技 晚辈在移动互联网的成功。 其中的要素有很多，我们并不能将其简易归咎于市场、资本或团队自身，笔者以为根源在于人工智能技术自身进入了一个提高相对缓慢的平台期了，我们拿人工智能的三大中心要素：算力、算法和数据来对应剖析。 我们先说算力的疑问，依据中国信息通讯研讨院在2021年《中国算力开展指数白皮书》的剖析，虽然近些年基础算力、智能算力和超算算力都有很大水平的增长，未来5年全球的增速甚至超越50%，但与日益复杂的算法模型和加快增长的理想需求而言，依然存在较大的缺口。 同时，存算一体架构、量子计算、光子计算和类脑计算芯片尚处于实验室的研发阶段，离大规模商业化还有较长的时期，无法以技术反派的方式成功跨越式开展。 虽然，诸如商汤 科技 、华为等头部公司采取了树立人工智能计算中心（AIDC）的方式，来满足未来智能计算需求的加快增长；我国神威、天河、曙光三台E级超算系统的研制任务也在逐渐推进，很多国际的配件公司着手计算机配件的国产化替代。 但从短期来看，算力将会是一个制约人工智能技术开展的理想困难。 我们再说到算法，算法外表上是计算机技术，但就实质抽离剖析它是个数学疑问。 近些年数学范围还是有很多开展，比如有限函数计算等，但在计算机范围的开展速度相对而言没有那么的快。 就算法这一特定范围的开展，中美最顶级的算法之间目前并没有代差。 虽然层算法要求投入海量的资金启动研发，但是就运行层来说，企业完全可以自己下载Gitub或OpenAI的开源代码，或许经常使用网络、阿里、腾讯等互联网大厂的现有技术方案，从而大大降低技术运行的门槛。 在市场竞争的层面上，人工智能技术型公司并不用然比传统互联网公司，甚至处于数字化转型的传统企业更具有优势。 另外一个关键要素就是数据，我国从2020年末尾就逐渐收紧了数据安保相关的控制，《团体信息维护法》、《数据安保法》以及九部委《关于增强互联网信息服务算法综合控制的指点意见》的陆续出台，使得人工智能的技术型公司取得数据的难度越来越，除非他们能够深化到业务的细分场景中，否则很难像过去那样取得训练算法模型的大规模数据。 而这些“喂养”算法模型的数据，大都掌握在产业里的公司，尤其是大型公司的手中。 这些大型公司无论是处于商业目的，还是自身业务安保性的思索，简直很难同人工智能的技术型公司展开协作，这也形成人工智能的技术型公司在产业化的路途上困难重重。 二、“产业+AI”和产学研效果转化的机遇 “产业+AI”的途径，属于产业里的企业自发性更新换代的环节，我们可以将其归结进企业数字化转型的进程。 产业里的企业为了顺应市场竞争，会主动寻求与人工智能范围的技术型公司或许研讨机构启动协作，甚至自己树立团队成功研发任务。 关于大部分产业里的企业来说，他们面对的并不是0-1的全新市场，往往是在既有的红海市场中竞争，这种常年在产业内的拼搏阅历，使得他们在人工智能的产业化上具有以下两大共同优势： 1. 掌握了少量特定消费场景下的专业知识和数据资料：我们普通称其为行业knowhow，比如化工资料的配方或某种特殊的消费工艺流程等。 这种行业knowhow往往是企业的中心秘密，在一些数据采集封锁、消费流程保密的范围，往往只要少数几家企业可以取得足够训练人工智能模型的专业知识和数据资料。 所以，很多产业里的企业在寻觅技术协作方时，会对侵略性较强的技术型公司比拟排挤，往往要求技术型公司提交算法源代码，目的在于防止培育潜在竞争对手。 2. 了解真实的买卖和运行场景：比如怎样树立牢靠的供应链，怎样探析市场的情报信息，怎样树立全新的商业形式和盈利形式等。 这些内容看似都属于业务相关的范围，但却是技术型公司的痛点，简直90%的人工智能公司都死在了打磨商业形式、寻觅运行场景的路途上。 但关于产业里的企业来说，敏锐捕捉市场时机并从产业里赚到钱，是他们与生俱来的自然才干，一切不具有这种才干的企业都在过去的市场竞争中淘汰掉了。 随着人工智能技术准入门槛的降低，少量传统企业与人工智能技术的适配将愈加方便，未来每一家企业都具有成为“人工智能+公司”的潜质。 置信随着国度新基建和数字化转型任务的不时深化，在各行各业里都会出现“产业+AI”的明星企业。 在人工智能的产业化之路上，少不了高校和科研机构的介入，关于产业里的企业来说，高校和科研机构可以很好补充其自身研发才干的缺乏。 目前，我国的产学研效果转化的之路并不十分顺畅，虽然国度每年投入了少量科研经费，但由于学术、科研同商业、市场的差异庞大，高校和科研机构在商业判别和市场嗅觉等方面总显得不太“接地气”，更多的效果逗留在实验室里很难走出去，面临“酒香也怕巷子深”的理想困境。 另外，高校和科研机构往往在工程才干也有所缺少，虽然容易聚集高层次的顶尖人才，但缺乏实践操作的操盘型业务能手。 正由于强于研发而弱于市场，高校和科研机构往往更情愿将 科技 效果以出售、技术入股或收益分红的方式与产业里的企业启动协作，而不是自己开拓市场。 与人工智能的技术型公司相比，高校和科研机构有着少量国度基础科研经费的保证，关于本就容易聚集人才的高校和科研机构来说，很多人工智能的技术型公司而言很复杂的技术，关于高校和科研机构来说并不困难。 随着国度《迷信技术提高法》的修订，科研人员介入到效果转化的途径也将更迟滞，一旦企业找到适宜自身的效果转化途径，就可以很好的与高校和科研机构树立“产业+技术”的结合。 可以预见，未来各类新型技术和效果转化平台将继续涌现，作为技术与市场的桥梁。 三、以产业需求动身，以产业结果为验证规范 人工智能行业的开展变化很快，即使在产业内的从业人员也免不了继续性、高强度的学习和研讨。 各行各业的专家在跨到人工智能这个范围的时刻，或许都要求阅历继续性“回头看”的环节。 笔者在2020年介入深圳特区人工智能立法的时刻，关于“什么是人工智能”的界定，如今看起来外延和外延都不充沛。 过去，我们曾经以为人工智能就是模拟人的智能，但随着近些年的开展，我们发现机器在模拟人的智能上出现了很多痛点，但在模拟昆虫、生物的智能上反而进度很快，很多效果运行在阻碍规避、行为预判等诸多范围。 于是，我们发现人工智能并不能单纯界定为“模拟人的智能”，而应当是“天然的智能”。 显然，事先简直一切的立法专家关于人工智能的基础了解并不片面和前瞻。 人工智能学界有一个著名的猴子上树的故事：我们不能以为基于当下在人工智能范围的技术提高，都是为通用人工智能的到来添砖加瓦；这正如我们不能以为一只猴子上了树，就意味着它向登月迈了一大步一样。 在人工智能的产业化之路上，我们必需坚持着谦逊、务虚的精气，一切从产业的需求动身，一切以产业的实践结果为验证规范。 任何一种技术或许商业形式的验证，都有自己的时期窗口，当市场机遇的红利期错事先，再想成功企业的加快开展就十分困难了，势必面临愈加剧烈的肉搏战。 与人工智能技术的开展一样，产业化的路途总是“看”起来容易，“做”起来难。 虽然我们不倡议以成败论英雄，但在人工智能的产业化路途上，能够处置真实疑问、拿到客观结果，才是企业家要求思索的中心疑问。 关于每一个产业里的专家来说，与其采取一种“预判式”的论证，执着于向其他人说明自己了解的知识，远不如切真实产业外面做出理想案例更具有压服力。 未来各行各业的每一家企业都是“人工智能+公司”，愿与行业里的同仁一同共同生长、见证人工智能产业化之路的开展。 （彭嘉昊系上海人工智能研讨院数字化控制中心主任） 校正：栾梦

片面对标OpenAI生态！智谱AI推出GLM-4大模型全家桶，GLMs上线，不会编程也能创立Agent

智能反派新纪元，智谱AI引领潮流！

智谱AI以出色的创新力，推出了GLM-4大模型全家桶，犹如一颗绚烂的明珠，应战OpenAI生态的前沿。 这款新一代模型性能优化高达60%，在多项关键目的上迫近GPT-4，可谓技术里程碑。 GLM-4不只支持长文本处置、多模态交互，还具有加快推理和并发执行的才干，大大降低了推理本钱，让技术触手可及。

CEO张鹏强调，智谱AI构建了全方位的技术架构，涵盖了多模态、代码生成等多个范围，努力于追逐并逾越OpenAI的技术深度。 GLM-4的亮点在于其特性化定制和智能体性能的整合，经过MaaS平台提供API，让非程序员也能轻松创立高效Agent。 开源内核模型的引入，促进了技术共享和创新探求。

在实践运行中，GLM-4展现了出色的性能。 在评测中，它在言语了解、数学疑问处置和跨言语义务上逾越GPT-3.5，甚至在专业范围的中文对齐和特定才干上逾越了GPT-4。 从生成延续故事到执行复杂计算，GLM-4在网页阅读的准确度上更是逾越了GPT-4，展现了弱小的联网和Function Call才干，中文了解的深度更是逾越了国际同行。

特别是，智谱AI的创新之作如CogView3和GLM-4V，区分在手部图像生成、语义了解以及表格转换等方面展现了令人注目的才干。 经过它们，用户可以轻松地启动数据可视化，从屏幕内容中提取信息并执行义务，向着多模态智能助手的目的稳步迈进。

为了推进科技提高，智谱AI积极设立大模型基金，包括CCF-智谱和SMP-智谱，总额超越10亿元，支持科研与创业的创新通常。 经过开源，智谱AI与全球2000多家同伴严密协作，从Transformer架构的开源到GLM-130B的发布，继续推进AI技术的开放与共享。

虽然起步相对较晚，但智谱AI的GLM系列仰仗出色的性能和普遍的商业运行，已成为亚洲在国际舞台上的关键代表。 2023年，ChatGLM-130B的迭代更新和开源下载量打破千万，彰显了公司在开源与商业化范围的实力。 面对国际竞争的焦点，智谱AI坚决走MaaS途径，呼吁全球同伴共同构建自主可控的AI未来，以开放创新的姿态迎接新的应战和机遇。