这样大规模的投资,除了因为生成式AI已经成为全球科技发展的下一项关键技术,更重要的是,生成式AI烧钱速度已经不亚于半导体产业。
据此前国盛证券预测数据显示,GPT-3训练一次的成本约为140万美元,对于一些更大的LLM模型,训练成本介于200万美元至1200万美元之间。
面对如此烧钱的生成式AI,如何让这样的产品和项目适配市场,就成了推动这项技术早日完成商业闭环,推动市场成熟的关键。
11月16日(本周六),在即将召开的2024 AI创新者大会暨PEC·提示工程峰会上,我们邀请到了中关村智用人工智能研究院首席产业研究员、清研载物人工智能基金主管合伙人钱雨、北京凯利时科技有限公司董事长、CEO刘建宏、小水智能CEO孙雪峰、北电数智智算云负责人郭文、清控科创科招中心总监李雅几位AI领域投资人、创业者和产研专家。
由至顶科技战略生态总监孙封蕾与这几位专家进行一场深度对谈,一起聊一聊——创业还是创收,如何帮AI产品适配市场?

好文章,需要你的鼓励
芬兰阿尔托大学研究团队开发出革命性光学计算方法,利用单束光线实现复杂张量运算。该技术将数字信息编码到光波的振幅和相位中,通过光波相互作用自动完成深度学习所需的矩阵和张量乘法运算。与传统GPU逐步处理不同,光学系统可同时并行执行所有计算操作,运算速度达到光速级别。研究显示该方法具有被动处理、低功耗等优势,预计3-5年内可集成到现有硬件平台,为AI计算带来重大突破。
新加坡科技设计大学研究团队发现,通过控制大型语言模型的"思考语言"可显著提升输出多样性。研究显示,AI用非英语语言思考时能产生更多样化的答案,且距离英语越远的语言效果越好。混合多种语言思考的策略表现最佳,不仅提升创意输出,还增强了文化多元化表达能力,为解决AI输出同质化问题提供了简单有效的方案。
科学家成功将传统公里级粒子加速器缩小至房间大小,并实现商业化。TAU Systems公司开发的激光驱动尾场加速器利用超强激光脉冲产生等离子体,将电子加速至相对论速度。该设备首先用于航天电子设备的辐射测试,能量范围60-100兆电子伏特,成本约1000万美元起。未来还可应用于医疗成像、芯片检测和X射线光刻等领域,有望大幅降低粒子加速器的使用门槛。
浙江大学研究团队开发了PhyRPR三阶段视频生成系统,解决AI视频中物理规律违背问题。该方法将物理理解与视觉生成分离处理:首先用大型语言模型进行物理推理和关键帧生成,然后规划连续运动轨迹,最后通过运动感知技术精化视觉效果。实验证明该方法在物理一致性和视觉质量方面均优于现有技术。