田丰说 - 节目列表

Anthropic加速产品体验，Claude移动APP总收入超过百万美元。AI APP“叫好不叫座”的局面正在扭转，而ChatGPT头部服务营收也体现出“强者恒强”的马太效应。 当ChatGPT早就支持使用LaTeX语言输入和显示数学公式时，Claude终于补上了“这一课”。8月23日，Anthropic公司宣布Claude添加了LaTeX 渲染功能预览，从而能够以一致的格式显示数学方程式和表达式。曾有用户明确表示没有成为Claude付费会员的唯一原因，就是模型不支持 LaTeX渲染。 根据Appfigures数据显示，产品上市经过16周迭代，Claude达到了一个商业化里程碑，手机端移动应用收入突破了100万美元，其中近一半收入来自美国本土用户，其次是日本、德国。对比之下，Claude的用户量在Web端增速更快。 目前，ChatGPT在美国的iOS平台下载量排名第一，收入排名第26。 家人们的点赞、收藏、分享，是对田老师录课的最大支持！关注《田丰说》，每天3分钟，掌握全球AI大事件,本视频由商汤“如影”数字人APP生成。

加拿大AI创企Cohere是OpenAI的有力竞争对手，该公司联合创始人兼CEO Aidan Gomez曾在谷歌工作，是生成式人工智能开创性论文《Attention is All You Need》的合著者，近期他在接受20VC访谈时，提出了很多“反共识”的AI科研与创业发现，田老师第一时间独家分享给家人们。例如大模型研发中尺度定律不是唯一途径，商业上售卖API行不通等等，本期是“AI十问”的下集。 第六问，人工智能的发展按照成本的指数级增长吗？事实上，模型会很快过时，市场上没人需要去年的模型，尽管构建过时的模型很便宜。而生成每一代新模型会越来越昂贵，但这是值得的，新模型的改进越来越难，没有人知道能否持续下去。新一代模型掌握的知识已经超过了几代人类的知识储备，投入更大规模的研发资金，让模型掌握医学、数学、物理学、量子力学等专业知识，对普通人无感，而是对推动人类科研进步有重大价值。 第七问，OpenAI是否专注于AGI而非实用产品？OpenAI是一家硬核科技的产品公司，为工薪阶层大众打造消费级AI产品，目前对AGI的追求退居于产品定位之后。 第八问，AI服务是否正在回归On-premise私有软件？Aidan Gomez说，我们在客户指定的专有云、私有化环境中部署AI，尤其是金融业客户正在远离云，建立自己的数据中心，而其他行业用户则有不同选择，公有化或私有化部署AI取决于你的垂直领域。 第九问，如何看待模型的缺点？目前模型的幻觉正在飞速下降，我们存在于一个对错误具有鲁棒性的世界，不论人类自身还是模型的幻觉。2023年所有人都在测试“玩”AI模型，而2024年我们将大模型技术投入生产的紧迫性迅速提升，用于改造产品、增强生产力。 第十问，面向未来AI最被忽视的因素是什么？很多人认为尺度定律下AI模型的变化会趋缓，但Aidan Gomez认为方法创新会让模型变得更好，目前研发人员还没有把精力转向AI推理、AI规划、AI纠错等方面，因为这需要长时间的研发投入，基于过去一年这些领域的技术准备，我们将会看到一个巨大的变化。 家人们的点赞、收藏、分享，是对田老师录课的最大支持！“AI十问”上集，请关注《田丰说》，每天3分钟，掌握全球AI大事件,本视频由商汤“如影”数字人APP生成。

加拿大AI创企Cohere是OpenAI的有力竞争对手，该公司联合创始人兼CEO Aidan Gomez曾在谷歌工作，是生成式人工智能开创性论文《Attention is All You Need》的合著者，近期他在接受20VC访谈时，提出了很多“反共识”的AI科研与创业发现，田老师第一时间独家分享给家人们。例如大模型研发中尺度定律不是唯一途径，商业上售卖API行不通等等，本期是“AI十问”的上集。 第一问，尺度定律是否是大模型的核心战略？有钱人喜欢投入更多算力和数据、模型变得更好的Scaling趋势，但这是效率很低的，我们能够通过算法、数据来做出性能更好的小模型，毕竟能买GPT-4大模型的企业很少，客户喜爱小型垂直模型。 第二问，大模型、小模型谁将主宰未来世界？水平大模型与垂直领域小模型将长期并存，长期历史上看，人们喜欢使用通用智能的模型做原型设计，而非在特定模型上做微调，研发人员首先抓住一个昂贵的大模型，证明能够完成某些任务，然后提炼为特定任务的高效精简小模型，所以未来是多种类模型并存的世界。 第三问，大模型价格战、开源战是否是零和博弈？只销售大模型的公司将会很困难，因为价格倾销下大模型是零利润，很多企业将AI服务赠送给用户免费使用，API服务模式很快会改变，而巨大的商业价值在芯片层以下、AI应用层以上，例如ChatGPT每月会员费20美元。 第四问，模型的进步是否超过了计算的进步？目前谷歌、英伟达是全体最大的两家AI芯片公司，很快会有其他芯片厂家迎来高销量，Cohere计算了算力成本，理性选择租用外部AI数据中心算力，这比自建数据中心更划算，Cohere聚焦在上层研发。 第五问，我们是否低估了人工智能进步的短期影响？之前的模型向马路上任何人学习，现在的模型向专业知识领域的专家学习，比如生物学、数学等知识，向模型传授增量新知识将会变得更昂贵，另一方面，算力成本会持续下降。 家人们的点赞、收藏、分享，是对田老师录课的最大支持！“AI十问”下集，请关注《田丰说》，每天3分钟，掌握全球AI大事件,本视频由商汤“如影”数字人APP生成。

OpenAI领投的AI编程公司，估值达到4亿美金，田老师经常说天才在青少年时就锋芒毕露，当然创业路上的竞争同样激烈。 由4位00后创始人建立的初创公司Anysphere，近期获得OpenAI的6000万美元A轮融资，估值4亿美元。Anysphere研发的AI编程产品Cursor，支持代码快速生成、分析优化代码、联网查询资料等能力，包括OpenAI、Perplexity等公司客户都在使用。最新投资囊括了硅谷顶尖投资人，包括A16z公司、AI大咖Jeff Dean、JohnSchulman、Noam Brown，还有Stripe和Github创始人。根据SimilarWeb数据显示，Cursor官网访问量在6月已达60万人次。 2023年，Anysphere公司获得由OpenAIStartup Fund领投的800 万美元种子轮投资。创始人Michael Trull表示，AI编程的天花板很高，仅靠渠道优势取得的销售业绩远远没有饱和，全球有超过2600万的程序员。投资界估计未来AI编程赛道竞争会异常激烈。 家人们的点赞、收藏、分享，是对田老师录课的最大支持！关注《田丰说》，每天3分钟，掌握全球AI大事件,本视频由商汤“如影”数字人APP生成。

亚马逊收购Perceive创业公司，边缘计算提升电商进家庭的AI服务能力，正如商汤科技7月推出的“端云一体”AI服务体系，持续提升C端用户体验，降低云侧推理成本。 本周，亚马逊以8000万美元现金收购边缘芯片和AI模型推理公司Perceive，预计44名员工大部分将加入亚马逊公司。Perceive核心产品是为边端带来突破性能效的AI芯片，超越其他产品20到100倍。亚马逊强调，此次收购将强化在边缘计算研发和定制芯片领域的实力，扩大在大语言模型的研发实力。 Perceive有助于提升亚马逊在语音识别、智能推荐等领域竞争力，并在AI语音交互、数据处理速度方面实施改进，特别是与Amazon Echo智能音箱等硬件产品的配合，逐步增强用户体验。根据市场数据显示，边缘计算市场在未来五年内将快速增长，年复合增长率高达20%。 家人们的点赞、收藏、分享，是对田老师录课的最大支持！关注《田丰说》，每天3分钟，掌握全球AI大事件,本视频由商汤“如影”数字人APP生成。

HuggingFace认为，合成数据只在特定领域有用。 8月18日，HuggingFace联合创始人兼首席科学官Thomas Wolf发布即时浏览器模型 SmolLM360，同时分享总结了研发小模型时的经验：“真实数据的潜力还没有完全发挥出来，合成数据可能只对极度缺少真实数据的领域更有意义，比如推理和数学。”目前SmolLM-360M开源模型发布了Demo，在浏览器里直接能跑出SOTA水平。研发团队将模型尺寸从1.7B下降到360M，发现与过去的研发共识不同，即使是小模型也要在数万亿token上训练，时间越长越好。因为团队花费了大量时间来制作合成数据提示，最终发现严格过滤的网络数据仍然更好，而且更加多样化。过去的对齐和微调技术，针对大模型非常有效，但对小模型效果并不理想。 家人们的点赞、收藏、分享，是对田老师录课的最大支持！关注《田丰说》，每天3分钟，掌握全球AI大事件,本视频由商汤“如影”数字人APP生成。

人工智能热潮，带来了AI芯片厂商对基础设施产业链的并购重组。 8月19日，美国芯片巨头AMD宣布，以现金+股票的交易方式收购全球最大服务器制造商、领先的AI基础设施提供商ZT Systems，交易价值49亿美元，大幅扩展AMD数据中心的AI系统能力。ZT Systems在设计和优化云计算领域有丰富经验，此次收购还将帮助AMD加快部署领先的AI训练和推理解决方案。AMD预计，到2025年底，该交易将在非GAAP收入上实现增值，ZT Systems将成为AMD数据中心解决方案业务集团的一部分。 AMD公司CEO苏姿丰表示：“这是长期AI战略的重要步骤之一，ZT将大大增强数据中心AI系统和对客户的支持。”值得注意的是，英伟达一直是ZT Systems的客户，ZT为英伟达GB200 GPU产品提供AI服务。 家人们的点赞、收藏、分享，是对田老师录课的最大支持！关注《田丰说》，每天3分钟，掌握全球AI大事件,本视频由商汤“如影”数字人APP生成。

开源模型不是“免费的蛋糕”，而是科技巨头抢夺AI新市场的战略利器。 硅谷头部风险投资人Elad Gil曾经投资了Perplexity、Character.ai、Mistral、Harvy、Pika等AI创企，他日前与Chapter One投资人对谈时说，未来3到5年内，AI领域将继续呈现寡头垄断的局面，主要由OpenAI、谷歌、Anthropic等闭源大模型头部公司主导。如果Meta的Llama系列、Mistral AI等开源模型性能能赶上闭源领先者，会显著改变行业格局。 观点1，开源模型和闭源模型的齐头并进，会将大量经济价值从闭源模型提供商转移到云服务商，因为云服务商将以非常高效的方式运行这些开源模型。 观点2，企业客户都希望他们的数据与模型部署在同一个云上，而不是在时间上承担多云往返请求的成本。企业客户愿意使用微软云Azure市场的积分来支付，而不必通过独立采购流程。 观点3，后续GPT-4到GPT-5等每次新模型发布，都会打开全新的市场，新版模型的超能力会打开10个、甚至100个新市场，现在正处于每2年创新周期的巨大曲线上。 观点4，关于全球大模型市场格局，有一个很少被提到的关键因素，是区域政府会在多大程度上支持“区域模型”。比如空客、波音背后不同政府的支持力度。如果所有欧洲政府都在支持两家LLM，那可能会成为AI巨头。 观点5，美国基本上关闭了核能发展的潜力，这阻碍了原本更便宜、更清洁、更安全的AI技术进一步发展。 家人们的点赞、收藏、分享，是对田老师录课的最大支持！关注《田丰说》，每天3分钟，掌握全球AI大事件,本视频由商汤“如影”数字人APP生成。

今天田老师给家人们带来人工智能领域的颠覆式创新视角。DeepMind CEO认为，开发下一代Transformer架构，帮助人类跨越“ChatGPT山谷”。 8月15日，谷歌DeepMind CEO Demis Hassabis与著名数学家Hannah Fry对谈时提出，短期内AI被过度炒作，在接近通用人工智能AGI的阶段仍然被低估。Hassabis称DeepMind已成为谷歌的AI引擎，目前正大力加强AI基础研究，比如开发下一代Transformer架构，他们已将Transformer与Deep Reinforcement Learning相结合，未来会给人类带来更多创新。Hassabis指出，目前业内对模型缺少正确的基准测试，包括能力反馈和安全反馈。现在大模型的底层进展是基于5年前的老一代技术，导致模型经常出现“幻觉”，在任务规划方面也不够好。如图所说，ChatGPT只是通向AGI的局部最小值。 观点1，下一代AI系统的目标是“自学智能体”，DeepMind将智能体擅长的领域与多模态模型结合起来，可以看做把AlphaGo与Gemini结合在一起。 观点2，相当有趣的是，现在开发AI产品所需的技术和AGI研究技术间的差异越来越小。5年前，开发AI产品需要定制化，如今产品特定工作只占10%。实际上，二者研究计划中的90%是相同的。然后，当AI产品推向市场后，大量用户反馈让你更好地调整模型指标。 观点3，未来模型需要更多的安全检查，恰当的策略是发布大模型1到2年后再开源。谷歌开源模型叫Gemma，会落后于前沿研模型1年左右，这样在公开测试中能真正评估模型的能力。 观点4，未来模型肯定能在国际奥数竞赛中赢得金牌，甚至能解决一些著名的数学猜想。模型有没有能力自己提出假设？这是我衡量通用人工智能的关键标准。 关注《田丰说》，每天3分钟，掌握全球AI大事件！家人们的点赞、收藏、分享，是对田老师录课的最大支持！本视频由商汤“如影”数字人APP生成。

大模型是“吞金兽”，那靠什么赚钱呢？今天田老师给家人们讲一讲，为什么达到人类专家水平的推理能力是AI商业的未来，下一代基础模型将可能远远超出当今行业模式服务能力。 近日，Perplexity公司CEO预测，下一波“推理爆发”将彻底改变AI商业。 AI是否到了一个收益递减的阶段？Perplexity AI搜索创企的CEO Aravind Srinivas在《20VC》播客节目中说，模型规模增大带来性能收益有限，最大的好处是确保数据管理效率、计算效率。数据质量、数据多样性、混合专家模型的计算效率是提升模型性能的核心关键。Aravind强调，月付20美元的订阅制商业模式不够好，Perplexity未来盈利引擎靠广告，当模型推理提升到一定高度，将打破订阅制商业模式，用户有可能愿意为单次高质量输出付费。他提醒市场，AI产品从来都不是模型，必须把两者分开。基础模型的竞争玩家就5家，赢面取决于谁先破解自学推理。 亮点1，当马斯克的xAI公司开源Grok-1模型时，Arthur AI评估说，这个模型有很多多余的参数，作为300B参数模型，甚至还不如法国Mistral 56B的性能效果。 亮点2，GPT-3.75级别的模型已经被商品化了，第二梯队的模型将成为通用商品，但创造前沿模型的人才和团队将保持极高价值，基础模型商品化的最大受益者是应用层公司。 亮点3，模型的垂直化发展也存在缺陷，微调只是应用的一小部分计算能力。模型的“魔法”来自于通用自发能力，即在没有专门训练的情况下完成任务。你可以向模型输入大量企业数据，但这并不意味着模型将会获得一种无法从互联网上获得的全新推理能力。 亮点4，xAI最近聘请到斯坦福大学Eric Zelikman博士，他擅长自学推理器，让模型本身来解释自己的输出。这是现在模型所缺乏的能力，未来的新一代模型将从输出推理开始，从世界获得反馈，再改进推理，实现这个过程需要3到4年时间。 亮点5，OpenAI公司创始人Sam Altman并不关心利润，因为他对产品这门生意不感兴趣，他在尝试建立AGI通用人工智能。 关注《田丰说》，每天3分钟，掌握全球AI大事件！家人们的点赞、收藏、分享，是对田老师录课的最大支持！本视频由商汤“如影”数字人APP生成。

各位少侠请留步，田老师的AI战略团队要招“武林高手”了！没错，就是商汤科技智能产业研究院正在寻找一位能驾驭AI治理与科技战略研究的“超级英雄”，地点就在宇宙尽头的北京中关村，在中国科技创新的大本营发奋学习、茁壮成长！ 你的每天工作有哪些呢？ 第一，作为AI合规风控大师，你得成为政策法规的活字典，构建一套让公司AI产品既合乎伦理又能规避风险的安全网。同时，还得时刻关注国内外AI界的新动向，预测可能出现的新风险，就像福尔摩斯一样洞察一切。 第二，作为AI战略研究奇才，你会深入调研咱们的客户高管，挖掘他们使用我们产品的“智能向善”故事，通过案例、白皮书、畅销书、论坛演讲等方式，让全世界知道商汤治理AI发展与伦理道德的。 第三，作为高校智库研究联络官，你会常和清华大学、上海交通大学等名校教授联手，一起搞研究、开研讨会，为公司的业务发展添砖加瓦。 第四，作为AI伦理的国际合作大使，你需要向外国友人讲述中国故事，推动公司拿到ISO42001之类的国际认证，提升公司的国际形象和客户的信任度。 第五，少侠肯定是个全能多面手，随时准备支持公司战略相关的其他AI战略研究或战略营销任务。 少侠需要具备哪些“超能力”呢？ 第一个超能力，学历与背景上，需要硕士及以上，理工科出身最佳，最好是来自名牌大学，英语流利加分。 第二个超能力，AI安全与审计的专业经验，需要熟悉ISO、BSI等国际标准，有ISO42001等AI安全认证经验的优先加盟。 第三个超能力，行业洞察能力比较犀利，对AI产业如数家珍，痴迷于追踪思考全球AI最前沿技术趋势，具备优秀的报告撰写能力。 第四个超能力，个人品质必然有大侠风范，比如有创业精神，善于批判性思考，不怕吃苦，抗压能力出众，乐于助人，有过社会公益活动经历更佳。 第五个超能力，职业规划立志报效祖国，能在商汤长期奋斗，频繁跳槽、朝秦暮楚的小伙伴就不必看啦，有科技公司内部审核或ISO标准咨询经验者优先。 少侠，英雄不问出处，有志不在年高，如果你相信自己就是我们要找的“超级英雄”，快快把简历飞鸽传书到田老师邮箱吧 [email protected]！记得附上你的过往作品哦，比如研究报告、文章或者你在自媒体上的精彩瞬间。

马斯克曾经说过：“创业就是嚼着碎玻璃凝视深渊。”人人眼中的AI大神，躬身入局创业时同样会意外频发、历尽艰辛、品味人生百态。田老师接着上集，给家人们继续讲AI创业故事。 第一，AI创业靠什么赚钱？目前最大的支出是人力和算力，收入主要靠给大客户做定制化模型，第一年收支已做到能打平。2023年创业前半年，李沐发现做不动GPT-4，快速找客户问题，聚焦游戏、教育、销售、金融、保险的行业问题，后来好的开源模型帮助降低成本。2023年底时，始终能保持应用效果匹敌GPT-4时，推理成本是OpenAI价格的1/10。创业后半年，客户反馈要的不是普通人类水平的模型，而是相当于专业人士的AI能力，游戏客户需要专业策划、专业演员，教育客户需要金牌教师，营销客户需要金牌销售，金融保险需要高级分析师，所以李沐团队重点研发行业场景下的AI专家角色扮演，AI老师、AI销售、AI分析师在第三方评测中效果不错。 第二，AI模型未来在哪里？通用模型能力、垂直模型能力都要向AGI齐头并进，推理、指令跟随等都是关键能力，而垂直模型能力应稍微偏科，研发投入有多倾斜，专业课力争考高分，通用课还行就可以。未来的AI生产力工具很发达，一个人就能完成现在一个团队的事情，人类会更加孤独，所以我们更需要“人类陪伴的智能体”，情商很高、智商在线，AI像一个助理团队陪着你，类比“专业策划+演员”、“鼓励师+专业运动教练”的多角色扮演。 第三，创业者需要什么性格品质？李沐坦言是乐观。整体来说行业和资本对大模型创业还是急躁的。2024年好几家成立刚一年多、融资上十亿的AI创业公司选择退出。从技术到产品是一个很长的过程，花2到3年实属正常，算上用户的需求涌现，可能要花更长时间。所以“我们专注当下在迷雾中探路，对未来保持乐观。” 关注《田丰说》，每天3分钟，掌握全球AI大事件！家人们的点赞、收藏、分享，是对田老师录课的最大支持！本视频由商汤“如影”数字人APP生成。