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
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。