FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

宣布推出对标ChatGPT的“天工”3.5！昆仑万维的现金够烧吗？
go
为140万美元，对于一些更大的LLM(大型语言模型)，训练成本介于200万美元至1200万美元之间。以ChatGPT在1月的独立访客平均数1300万计算，其对应芯片需求为3万多片英伟达A100 GPU，初始投入成本约为8亿美元，每日电费在5万美元左右。昆仑万维2022年净利润下滑那么昆仑万维有钱吗？ 4月10日，昆仑万维披露年报，数据显示2022年公司实现营业收入47.36亿元，同比下降2.35%；归母净利润11.53亿元，同比下降25.49%；基本每股收益0.97元。年报数据显示，截止2022年末，昆仑万维手里的货币资金为10亿元，与此同时，昆仑万维的现金及现金等价物净增额为负的5.92亿。如此的现金实力要支撑昆仑万维训练通用大模型，恐怕是力有未逮。此外，值得注意的是3月26日，昆仑万维收到深交所的监管函。根据监管函，深交所直指昆仑万维在披露公司业务与AIGC、ChatGPT等热点概念的相关性时存在误导。此前，昆仑万维在深交所投资者平台时称，在AI生成音乐的模型于2022年年中推出，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。公司与第三方合作的类ChatGPT产品也将于年内发布。而收到深交所监管函之后，昆仑万维回复的侧重出现了改变。先是说明公司AIGC、人工智能等业务产品尚未产生实际收入。随后又澄清与外部合作的类ChatGPT产品公司并无版权，只有分享权益，还强调了产品商业化的不确定性。频繁追逐热点和跨界收购，为自己积累巨大商誉而如果投资者是长期关注昆仑万维的话，就会发现从元宇宙到新能源、再到最近红得发紫的AIGC、ChatGPT，几乎每一个风口上都能找到昆仑万维的身影。昆仑万维成立于2008年，以发行页游产品起家，2015年1月成功登陆深交所创业板。彼时公司三大业务板块分为网络游戏、软件商店和互联网金融，其中游戏产品收入高达97.52%，七成左右来自境外地区。上市不久后，昆仑万维便开始不同领域的跨界收购，动作不断。 2016年1月，昆仑万维以9300万美金的价格购买Grindr 61.53%的股份；12月，公司以10.2亿元收购北京闲徕互娱网络科技有限公司51%股份，后者为地方休闲文化竞技平台。同年，昆仑万维联合360公司以105亿挪威克朗(约合12.3亿美元)的交易对价全资收购来自挪威的著名浏览器厂商Opera。该笔收购直到2021年1月才正式完成交割，交易完成后昆仑万维持有Opera 53.88%的股权，Opera成为昆仑万维全资子公司的控股子公司。Opera作为全球三大浏览器之一，收购后也被昆仑万维打造成海外信息分发与元宇宙平台。如果说，以上算是昆仑万维作为互联网企业在游戏之外的业务布局。那么近两年，昆仑万物的动作更多可以说是新领域的跨界探索。 2022年12月4日，昆仑万维宣布在原有投资业务板块基础上，增设新能源领域投资业务板块，形成投资板块“1+1”业务结构，即一级市场科技股权私募基金业务和新能源投资业务并行的业务结构。此外，当天另一则公告还宣布全资子公司宁波点金股权投资有限公司及霍尔果斯昆诺天勤创业投资有限公司分别以自有资金2.2亿元和8000万元作为出资，对北京绿钒新能源科技有限公司增资，获得绿钒新能源60%的股权，将纳入公司并表范围。频繁的收购，为昆仑万维带来了巨大的商誉积累。年报显示，截止2022年末，昆仑万维的商誉达到了39亿。在A股市场中的老股民应该知道，商誉资产在账面上属于“空中楼阁”，存在减值的风险。历史上，A股由于商誉问题导致业绩变脸和跳水的例子比比皆是，投资者也需要警惕相关风险。一切还要取决于商业化进程值得注意的是，近来AIGC相关板块有降温的趋势。 4月10日，《经济日报》发文称，资本在热捧ChatGPT的同时，要注意避免泡沫。当前ChatGPT在应用场景和商业化探索上还处于初始阶段，一些公司在相关技术上并没有太多突破，甚至不少公司业绩处于亏损状态，股价却先突飞猛进。这其中，既有市场资金有意捧之炒之，相关上市公司股票被动身价上涨；也有部分上市公司主动“炒概念”“蹭热点”，企图趁机捞一笔就走。但无一例外的是，概念炒作越烈，市场泡沫越大，越对相关行业发展无益。中信证券认为，当前市场处于全年第二个关键的做多窗口，经济从局部复苏到全面修复只是时间问题，宏观环境不支持持续主题交易，主题炒作热度短期已到极致，机构调仓带来的增量资金效应已相当有限，预计全球流动性拐点主线和财报季业绩主线将阶段性接力AI主题。本轮AI炒作行情未来想要延续，关键还是取决于其商业化进程。通常一个新兴板块的炒作有三个阶段。第一个阶段，纯属于概念炒作，什么热，资金往哪个板块蜂拥而入。这个阶段的结束往往以市场上概念龙头股价翻多倍为标志，然后戛然而止。第二个阶段，相关产业实际应用落地产生了实打实的利润，这时候企业的市值增长就开始靠利润驱动了。以chatgpt商业应用连接接口为例，如果将来所有的应用都结合AI，那么这个产业落地了，意味着人工智能真的产生了实打实的利润，机构大资金往往会在这个阶段进入。最后一个阶段，产业链成熟，企业的市盈率稳定。因此只有商业化进程取得突破，AI行情才能从概念炒作阶段跨入到业绩炒作阶段。
证券之星2023-04-11
利欧股份：AI产品“奇思妙想”在研发测试，已交由部分客户试用
 go
建了AI平台，集成了目前对接和采集到的大型语言模型。公司基于各种大语言模型打造的产品“奇思妙想”目前在研发测试阶段，并已交由部分客户试用。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。
有连云2023-04-11
零知识机器学习 (ZKML) ：ZK与AI将会碰撞出怎样的火花？
go
题的智能系统。最近，您可能已经看到了大型语言模型（如 chatGPT 和 Bard）以及文本到图像的模型（如 DALL-E 2、Midjourney 或 Stable Diffusion）的进展。随着这些模型变得越来越好，并且能够执行更广泛的任务，了解是哪个模型执行了这些操作就变得非常重要，还是操作由人类执行。在接下来的部分中，我们将探讨这个思路。 ZKML 的动机和当前努力我们生活在一个世界上，AI/ML 生成的内容越来越难以与人类生成的内容区分开来。零知识密码学将使我们能够做出这样的声明：「给定一段内容 C，它是由模型 M 应用于一些输入 X 生成的。」我们将能够验证某个输出是否是由大型语言模型（如 chatGPT）或文本到图像模型（如 DALL-E 2）等任何其他我们为其创建了零知识电路表示的模型所生成的。这些证明的零知识属性将使我们能够根据需要也隐藏输入或模型的某些部分。一个很好的例子是在一些敏感数据上应用机器学习模型，在不透露输入到第三方的情况下，用户可以知道他们的数据在模型推理后的结果（例如，在医疗行业）。注：当我们谈论 ZKML 时，我们是指创建 ML 模型推理步骤的零知识证明，而不是关于 ML 模型训练（它本身已经非常计算密集）。目前，现有技术水平的零知识系统加上高性能硬件仍然相差几个数量级，无法证明当前可用的大型语言模型（LLMs）等庞大的模型，但是在创建较小模型的证明方面已经取得了一些进展。我们对零知识密码学在为 ML 模型创建证明的上下文中的现有技术水平进行了一些研究，并创建了一个聚合相关研究、文章、应用程序和代码库的文章集。ZKML 的资源可以在 GitHub 上的 ZKML 社区的 awesome-zkml 存储库中找到。 Modulus Labs 团队最近发布了一篇名为「智能的成本」的论文，其中对现有的 ZK 证明系统进行了基准测试，并列举了不同大小的多个模型。目前，使用像 plonky2 这样的证明系统，在强大的 AWS 机器上运行 50 秒左右，可以为约 1800 万个参数的模型创建证明。以下是该论文中的一张图表：另一个旨在改进 ZKML 系统技术水平的倡议是 Zkonduit 的 ezkl 库，它允许您创建对使用 ONNX 导出的 ML 模型的 ZK 证明。这使得任何 ML 工程师都能够为他们的模型的推理步骤创建 ZK 证明，并向任何正确实现的验证器证明输出。有几个团队正在改进 ZK 技术，为 ZK 证明内部发生的操作创建优化硬件，并针对特定用例构建这些协议的优化实现。随着技术的成熟，更大的模型将在较不强大的机器上短时间内进行 ZK 证明。我们希望这些进展将使新的 ZKML 应用程序和用例得以出现。潜在的使用案例为了确定 ZKML 是否适用于特定的应用，我们可以考虑 ZK 密码学的特性将如何解决与机器学习相关的问题。这可以用一个 Venn 图来说明：定义： 1.Heuristic optimization—一种问题解决方法，它使用经验法则或「启发式」来找到艰难的问题的好解决方案，而不是使用传统的优化方法。启发式优化方法旨在在相对的重要性和优化难度下，在合理的时间内找到好的或「足够好」的解决方案，而不是尝试找到最优解决方案。 2.FHE ML—完全同态加密 ML 允许开发人员以保护隐私的方式训练和评估模型；然而，与 ZK 证明不同，没有办法通过密码学方式证明所执行的计算的正确性。像 Zama.ai 这样的团队正在从事这个领域的工作。 3.ZK vs Validity—在行业中，这些术语通常被互换使用，因为有效性证明是 ZK 证明，不会隐藏计算或其结果的某些部分。在 ZKML 的上下文中，大多数当前的应用程序都利用了 ZK 证明的有效性证明方面。 4.Validity ML—ZK 证明 ML 模型，在其中没有计算或结果被保密。它们证明计算的正确性。以下是一些潜在的 ZKML 用例示例： 1. 计算完整性（有效性 ML） Modulus Labs 基于链上可验证的 ML 交易机器人 - RockyBot 自我改进视觉区块链（示例）：增强 Lyra 金融期权协议 AMM 的智能特性为 Astraly 创建透明的基于 AI 的声誉系统（ZK oracle）使用 ML for Aztec Protocol（具有隐私功能的 zk-rollup）致力于合同级合规工具所需的技术突破。 2. 机器学习即服务 (MLaaS) 透明； 3.ZK 异常/欺诈检测：这种应用场景使得可创建针对可利用性/欺诈的 ZK 证明成为可能。异常检测模型可以在智能合约数据上进行训练，并由 DAOs 同意作为有趣的度量标准，以便能够自动化安全程序，如更主动、预防性地暂停合约。已有初创企业正在研究在智能合约环境中使用 ML 模型进行安全目的的方法，因此 ZK 异常检测证明似乎是自然的下一步。 4.ML 推理的通用有效性证明：能够轻松证明和验证输出是给定模型和输入对的乘积。 5. 隐私 (ZKML) 6. 去中心化的 Kaggle：证明模型在某些测试数据上的准确率大于 x%，而不会显示权重。 7. 隐私保护推理：将对私人患者数据的医疗诊断输入模型，并将敏感的推理（例如，癌症测试结果）发送给患者。 8.Worldcoin： IrisCode 的可升级性：World ID 用户将能够在他们的移动设备的加密存储中自我保管其生物特征，下载用于生成 IrisCode 的 ML 模型并在本地创建零知识证明，以证明其 IrisCode 已成功创建。这个 IrisCode 可以被无需许可地插入注册的 Worldcoin 用户之一，因为接收的智能合约可以验证零知识证明，从而验证 IrisCode 的创建。这意味着，如果 Worldcoin 将来升级机器学习模型以一种破坏与其之前版本兼容性的方式创建 IrisCode，用户就不必再次去 Orb，而可以在设备上本地创建这个零知识证明。 Orb 安全性：目前，Orb 在其受信任的环境中执行几个欺诈和篡改检测机制。然而，我们可以创建一个零知识证明，表明这些机制在拍摄图像和生成 IrisCode 时是活动的，以便为 Worldcoin 协议提供更好的活体保证，因为我们可以完全确定这些机制在整个 IrisCode 生成过程中都将运行。总之，ZKML 技术有着广泛的应用前景，并且正在快速发展。随着越来越多的团队和个人加入到这个领域，我们相信 ZKML 的应用场景将会更加多样化和广泛化。来源：金色财经
金色财经2023-04-07
颠覆20年互联网传统！谷歌重磅宣布：搜索引擎加入聊天AI 挑战突破ChatGPT机器人
 go
空间。” 长期以来，谷歌一直是开发称为大型语言模型(LLM)计算机程序的领导者，这些程序可以处理和响应具有人类散文的自然语言提示。谷歌尚未使用这项技术来影响人们使用搜索的方式，但桑达尔说“这会改变”。 “人们能够向谷歌提问并在搜索环境中与法学硕士互动吗？绝对是，”桑达尔解释说。随着微软公司(Microsoft)已经在其Bing搜索引擎中部署ChatGPT系统背后的技术，桑达尔正在应对谷歌核心业务多年来面临的最大威胁之一，同时他还面临着投资者削减成本的压力。今年1月，谷歌母公司Alphabet表示将裁员约12000人，占员工总数的6%，这是迄今为止规模最大的一次裁员。对通货膨胀和经济衰退的担忧，促使其他科技公司削减开支。桑达尔表示，谷歌尚未实现将生产力提高20%的目标，这是他在9月份设定的目标。他表示，公司对其变化的步伐感到满意，但他不会直接谈到新一轮裁员的前景。上周，谷歌首席财务官露丝·波拉特(Ruth Porat)告诉员工，预计会在从餐饮设施到公司计算基础设施等领域进一步削减开支，这对于开发和运行强大的AI算法至关重要。 “我们绝对专注于创造持久的储蓄，” 桑达尔说。“我们对进展感到满意，但还有更多工作要做。” 尽管削减了成本，谷歌仍在推进其AI工作，在ChatGPT取得突破性成功后加快了新产品的开发工作。#ChatGPT火爆全网# 谷歌多年来一直使用AI系统来更好地理解复杂的查询，但微软支持的初创公司OpenAI在11月公开发布的ChatGPT引发一场将这项技术集成到消费产品中的竞赛。微软首席执行官萨蒂亚·纳德拉(Satya Nadella)直接瞄准谷歌占主导地位的搜索引擎。他在2月份对《华尔街日报》表示：“一场新的竞赛正在以全新的平台技术开始。” 尽管微软将ChatGPT背后的技术注入其搜索引擎Bing，但该引擎长期以来远远落后于谷歌搜索。微软表示，它预计在搜索市场上每获得一个百分点就会产生20亿美元的收入，而谷歌则是占据了90%以上的市场份额。桑达尔的最新评论表明，谷歌计划允许用户通过其搜索引擎直接与该公司的大型语言模型进行交互。报道强调：“此举可能会颠覆二十多年来已成为常态的传统基于互联网链接的传统体验。” 谷歌正在测试几款新的搜索产品，例如允许用户针对其原始查询提出后续问题的版本。该公司上个月表示，它将开始考虑“将LLM以更深入的方式整合到搜索中”，但直到现在还没有提供对话功能的详细计划。谷歌已经开始在Gmail和其他与工作相关的产品中测试新的AI功能，而微软已经开始提供Bing以外的AI用于其一些商业软件工具。 AI在搜索领域的竞争对皮查伊来说尤为重要，搜索广告仍然是谷歌最大的赚钱来源，去年带来1620亿美元的收入。谷歌有时对技术发展过快持谨慎态度，担心从根本上改变用户与其搜索引擎互动的方式，而研究人员对AI聊天机器人的准确性表示担忧。当谷歌在3月份开放对其AI聊天机器人Bard的公共访问时，没有将其集成到其搜索引擎中，而是通过独立站点的等待列表提供。产品底部的虚拟按钮将用户重定向到谷歌的搜索引擎，以获取更多信息。 “看到用户对采用这些技术感到兴奋，这真是令人难以置信，其中一些也令人惊喜，”桑达尔提到说。当被问及谷歌为什么不早点发布聊天机器人时，桑达尔回应称，谷歌仍在努力寻找合适的市场。他说：“我们正在迭代以交付一些东西，考虑到行业的现状，时间表可能会改变。” 他补充，谷歌将继续通过新的AI模型改进Bard机器人，同时拒绝评论该产品何时免费提供而无需等待名单。 AI技术需要巨大的计算能力来处理用于产生类人对话的计算，桑达尔表示，谷歌需要调整其资源使用以继续其在AI领域的工作，同时还要管理成本。举例而言，他说Google Brain和DeepMind这两个长期独立运营的主要AI部门，将更紧密地合作来构建大型算法。 “我期待更多、更强大的合作，因为其中一些努力将更加计算密集型，因此在一定规模上一起做是有意义的，”桑达尔指出。与微软一样，谷歌旨在利用其对人工智能模型的投资来赢得更广泛的业务。谷歌上个月为其云计算服务的开发人员开放其AI系统Pathways Language Model的访问权限。桑达尔称，随着时间的推移，更小的AI模型将变得更有用，允许公司设计自己的或用户在他们自己的个人设备上运行算法。 “你会有各种各样的选择，”他最后说。“这项技术将比人们预期的更容易获得。”
小萧2023-04-07
密码学新趋势：零知识机器学习是什么？
go
题的智能系统。最近，您可能已经看到了大型语言模型（如 chatGPT 和 Bard）以及文本到图像的模型（如 DALL-E 2、Midjourney 或 Stable Diffusion）的进展。随着这些模型变得越来越好，并且能够执行更广泛的任务，了解是哪个模型执行了这些操作就变得非常重要，还是操作由人类执行。在接下来的部分中，我们将探讨这个思路。 ZKML 的动机和当前努力我们生活在一个世界上，AI/ML 生成的内容越来越难以与人类生成的内容区分开来。零知识密码学将使我们能够做出这样的声明：“给定一段内容 C，它是由模型 M 应用于一些输入 X 生成的。”我们将能够验证某个输出是否是由大型语言模型（如 chatGPT）或文本到图像模型（如 DALL-E 2）等任何其他我们为其创建了零知识电路表示的模型所生成的。这些证明的零知识属性将使我们能够根据需要也隐藏输入或模型的某些部分。一个很好的例子是在一些敏感数据上应用机器学习模型，在不透露输入到第三方的情况下，用户可以知道他们的数据在模型推理后的结果（例如，在医疗行业）。注：当我们谈论 ZKML 时，我们是指创建 ML 模型推理步骤的零知识证明，而不是关于 ML 模型训练（它本身已经非常计算密集）。目前，现有技术水平的零知识系统加上高性能硬件仍然相差几个数量级，无法证明当前可用的大型语言模型（LLMs）等庞大的模型，但是在创建较小模型的证明方面已经取得了一些进展。我们对零知识密码学在为 ML 模型创建证明的上下文中的现有技术水平进行了一些研究，并创建了一个聚合相关研究、文章、应用程序和代码库的文章集。ZKML 的资源可以在 GitHub 上的 ZKML 社区的 awesome-zkml 存储库中找到。 Modulus Labs 团队最近发布了一篇名为“智能的成本”的论文，其中对现有的 ZK 证明系统进行了基准测试，并列举了不同大小的多个模型。目前，使用像 plonky2 这样的证明系统，在强大的 AWS 机器上运行 50 秒左右，可以为约 1800 万个参数的模型创建证明。以下是该论文中的一张图表：另一个旨在改进 ZKML 系统技术水平的倡议是 Zkonduit 的 ezkl 库，它允许您创建对使用 ONNX 导出的 ML 模型的 ZK 证明。这使得任何 ML 工程师都能够为他们的模型的推理步骤创建 ZK 证明，并向任何正确实现的验证器证明输出。有几个团队正在改进 ZK 技术，为 ZK 证明内部发生的操作创建优化硬件，并针对特定用例构建这些协议的优化实现。随着技术的成熟，更大的模型将在较不强大的机器上短时间内进行 ZK 证明。我们希望这些进展将使新的 ZKML 应用程序和用例得以出现。潜在的使用案例为了确定 ZKML 是否适用于特定的应用，我们可以考虑 ZK 密码学的特性将如何解决与机器学习相关的问题。这可以用一个 Venn 图来说明：定义： 1.Heuristic optimization—— 一种问题解决方法，它使用经验法则或“启发式”来找到艰难的问题的好解决方案，而不是使用传统的优化方法。启发式优化方法旨在在相对的重要性和优化难度下，在合理的时间内找到好的或“足够好”的解决方案，而不是尝试找到最优解决方案。 2.FHE ML —— 完全同态加密ML允许开发人员以保护隐私的方式训练和评估模型；然而，与ZK证明不同，没有办法通过密码学方式证明所执行的计算的正确性。像 Zama.ai 这样的团队正在从事这个领域的工作。 3.ZK vs Validity —— 在行业中，这些术语通常被互换使用，因为有效性证明是ZK证明，不会隐藏计算或其结果的某些部分。在ZKML的上下文中，大多数当前的应用程序都利用了ZK证明的有效性证明方面。 4.Validity ML —— ZK证明ML模型，在其中没有计算或结果被保密。它们证明计算的正确性。以下是一些潜在的 ZKML 用例示例： 1.计算完整性（有效性 ML） Modulus Labs 基于链上可验证的 ML 交易机器人 - RockyBot 自我改进视觉区块链（示例）：增强 Lyra 金融期权协议 AMM 的智能特性为 Astraly 创建透明的基于 AI 的声誉系统（ZK oracle）使用 ML for Aztec Protocol（具有隐私功能的 zk-rollup）致力于合同级合规工具所需的技术突破。 2.机器学习即服务(MLaaS) 透明； 3.ZK 异常/欺诈检测：这种应用场景使得可创建针对可利用性/欺诈的 ZK 证明成为可能。异常检测模型可以在智能合约数据上进行训练，并由 DAOs 同意作为有趣的度量标准，以便能够自动化安全程序，如更主动、预防性地暂停合约。已有初创企业正在研究在智能合约环境中使用 ML 模型进行安全目的的方法，因此 ZK 异常检测证明似乎是自然的下一步。 4.ML 推理的通用有效性证明：能够轻松证明和验证输出是给定模型和输入对的乘积。 5.隐私 (ZKML)。 6.去中心化的 Kaggle：证明模型在某些测试数据上的准确率大于 x%，而不会显示权重。 7.隐私保护推理：将对私人患者数据的医疗诊断输入模型，并将敏感的推理（例如，癌症测试结果）发送给患者。 8.Worldcoin： IrisCode 的可升级性：World ID 用户将能够在他们的移动设备的加密存储中自我保管其生物特征，下载用于生成 IrisCode 的 ML 模型并在本地创建零知识证明，以证明其 IrisCode 已成功创建。这个 IrisCode 可以被无需许可地插入注册的 Worldcoin 用户之一，因为接收的智能合约可以验证零知识证明，从而验证 IrisCode 的创建。这意味着，如果 Worldcoin 将来升级机器学习模型以一种破坏与其之前版本兼容性的方式创建 IrisCode，用户就不必再次去 Orb，而可以在设备上本地创建这个零知识证明。 Orb 安全性：目前，Orb 在其受信任的环境中执行几个欺诈和篡改检测机制。然而，我们可以创建一个零知识证明，表明这些机制在拍摄图像和生成 IrisCode 时是活动的，以便为 Worldcoin 协议提供更好的活体保证，因为我们可以完全确定这些机制在整个 IrisCode 生成过程中都将运行。总之，ZKML 技术有着广泛的应用前景，并且正在快速发展。随着越来越多的团队和个人加入到这个领域，我们相信 ZKML 的应用场景将会更加多样化和广泛化。来源：金色财经
金色财经2023-04-07
随着游戏芯片市场“回暖”及人工智能提振英伟达的市场份额大幅上升
 go
银分析师指出:“通过生成式人工智能，（大型语言模型）可以开发并用于增强游戏玩法，实现从创建新的虚拟世界到降低游戏/ cpu控制的对手可预测性等任何事情。”加速各种任务也可能加快游戏开发速度，降低成本。”
金融界2023-04-07
谷歌涨超2% 谷歌将把类似ChatGPT的对话式AI整合到搜索引擎中
 go
在搜索中向Google提问并与LLM“大型语言模型”进行无缝互动。
金融界2023-04-07
美股开盘：道指跌近70点科技股多数下跌AMC逆市涨近9%
go
搜索查询的能力。谷歌长期以来一直是开发大型语言模型（LLMs）计算机程序的领导者，但谷歌还没有利用这项技术来影响人们使用搜索引擎的方式，而Pichai称，这种情况会改变。　　微软Edge浏览器添加试用Bing Image Creator，可由文本生成图片　　当地时间5日，微软广告和网络服务主管Mikhail Parakhin在社交媒体上宣布，微软Edge浏览器中已添加Bing Image Creator功能试用，用户可通过文本生成图片，再将生成的图片插入到邮件或页面中。Bing Image Creator功能主要是基于OpenAI另一个模型DALL-E。　　苹果印度首店开业在即，库克或于本月出访印度　　据外媒援引消息人士的话报道，苹果CEO蒂姆·库克预计将于本月访问印度，伴随着库克的到来，该国的第一家苹果官方零售店也将开业。这位消息人士还透露，库克将在访问期间与印度的主要政府官员讨论制造业扩张和出口等战略问题，库克可能还会与印度总理莫迪会面。据悉，目前苹果总部正在敲定库克的印度行程，而孟买店的开业日期也将依据库克的行程时间决定。　　Meta发布史上首个图像分割基础模型　　Meta Platforms发布人工智能模型Segment Anything Model（SAM）——第一个图像分割基础模型。SAM能从照片或视频中对任意对象实现一键分割，并且能够零样本迁移到其他任务。Meta实现了一个完全不同的CV范式，你可以在一个统一框架prompt encoder内，指定一个点、一个边界框、一句话，直接一键分割出物体。Meta官方表示这是有史以来最大的分割数据集（Segmentation Dataset）。　　下一个爆雷的银行可能在哪里？空头最猛火力已指向加拿大巨头　　据媒体，最近几周空头增加了对加拿大第二大银行多伦多道明银行的空头押注，目前总值约37亿美元，在全球金融机构中排名第一，超过法国巴黎银行、美国银行等。除了上月以来欧美银行业爆发的系统性风险之外，道明银行“踩雷”嘉信理财、去年同意以134亿美元收购美国区域性银行First Horizon，以及其在北美房地产市场放缓带给道明银行的压力，其成为了空头的目标。　　美国法院否决AMC院线优先股转普通股计划　　美国法院否认了AMC院线关于继续执行公司增加授权普通股、股票转换和反向拆分计划的请求。　　三星电子将交出14年最差业绩：Q1营业利润或暴跌90％　　三星电子即将公布至少自全球金融危机以来的最低单季利润，原因是科技产品需求大幅放缓，导致其半导体部门出现亏损。该公司将于周五公布一季度初步业绩。分析师预计营业利润将暴跌约90％，至1.45万亿韩元（合11亿美元），为2009年以来的最低利润。在新冠疫情时代，规模达1600亿美元的存储芯片行业出现了严重的供需失衡。作为存储芯片领域最大的厂商，三星半导体部门预计将亏损约27亿美元。　　百威英博推出全球首款人工智能啤酒　　百威英博推出了世界上第一个用人工智能制作的啤酒和完整的营销活动，并将其命名为贝克自主啤酒（Beck’s Autonomous）。在谈到这次为庆祝贝克啤酒品牌150周年而推出的啤酒时，百威英博表示，使用了ChatGPT和AI绘画工具Midjourney来设计啤酒、品牌和营销。百威英博表示，人工智能技术主导了所有的编辑和持续开发，直到最终版本问世，使贝克自主啤酒成为世界上第一批完全由机器生产的啤酒之一。　　携程：五一假期内地出境游预订同比增长超18倍　　携程网的五一假日旅游前瞻发现，国内游订单已追平2019年，同比增长超7倍；内地出境游预订同比增长超18倍，境外跟团游报名量较4月初增长157％。从游客出行距离来看，截至4月6日，报名五一长途旅游的订单占比超六成，长线旅游订单同比去年增长811％。
金融界2023-04-06
谷歌CEO：搜索引擎将推出聊天AI功能
 go
构成威胁的说法。谷歌长期以来一直是开发大型语言模型计算机程序的领导者，但谷歌还没有利用这项技术来影响人们使用搜索引擎的方式，而Pichai称，这种情况会改变。Pichai的最新言论表明，谷歌计划允许用户通过其搜索引擎直接与该公司的大型语言模型互动。这一举措可能会颠覆传统的基于链接的体验。Pichai称，谷歌现正在测试几款新的搜索产品，比如允许用户对原始查询提出后续问题的版本。
金融界2023-04-06
Meta“放弃”元宇宙？！高调宣布：今年将把生成AI用于广告制作
 go
的想法。Bosworth告诉日经新闻，大型语言模型 (LLM)——比如OpenAI的ChatGPT和谷歌的PaLM——将有助于创建3D模型，因为你只需要描述它们。他说：“所以以前，如果我想创建一个3D世界，我需要学习很多计算机图形学和编程。在未来，你可能只需要描述你想要创建的世界，然后让大型语言模型生成它为你打造的世界。因此，它让更多人更容易获得诸如内容创作之类的东西。” 广告是Meta公司收入的一个支柱，这家公司希望最终将该技术应用于其所有的产品和服务，包括Facebook和Instagram。之前扎克伯格曾力推元宇宙，甚至为此将公司改名，但是很难说商业化是成功的。虽然创建元宇宙是公司的长期计划，但产生更多的广告收入可能是当务之急。Apple在2021年实施其App Tracking Transparency功能后，Meta受到了严重影响。去年初，这家社交媒体公司表示，这一变化将使他们在2022年损失100亿美元。 2月，在2022年第四季度投资者电话会议上，扎克伯格表示：“我们2023年的管理主题是‘效率年’，我们致力于成为一个更强大、更灵活的组织。” 因此，该公司希望找到更多赚钱的途径，而生成AI似乎是它的下一个赌注，尤其是chatGPT的成功以后。
Dan19772023-04-05

上一页
1
•••
91
92
93
94
95
•••
107
下一页

24小时热点

最新话题更多