Sergey Brin 在 90 年代与 Larry Page 共同创立了 Google,但两人都在 2019 年退出了日常管理工作。然而,AI 浪潮吸引 Brin 重返办公室,他认为所有人都应该效仿他的榜样。在最新的一份内部备忘录中,Brin 建议员工每个工作日都要到办公室,以确保 Google 能在 AI 竞赛中胜出。
对这位 Google 联合创始人来说,仅仅返回办公室还不够。根据《纽约时报》看到的备忘录,Brin 表示 Google 员工应该每周工作 60 小时来支持公司的 AI 项目。这相当于周一到周五每天工作 12 小时,Brin 称之为"生产力的最佳平衡点"。这并非 Brin 的新观点。
与硅谷许多人一样,Brin 似乎坚信当前生成式 AI 的发展轨迹将引领人工通用智能 (AGI) 的诞生。这种思维机器将远超当前只能模仿思考的 AI 模型。AGI 将能够理解概念并更像人类那样思考,有人认为这使其成为一个有意识的实体。
据 Brin 所说,Google 在实现这一 AI 计算突破方面处于最有利位置。他认为公司强大的程序员和数据科学家团队是关键,但他也认为团队必须尽可能多地使用 Google 自己的 Gemini AI 工具来提高效率。哦,对了,别在家办公。
Brin 和 Page 在 2015 年将公司领导权交给了现任 CEO Sundar Pichai,所以他的声明并不一定意味着公司当前的办公政策会改变。Google 仍然采用混合办公模式,要求员工每周到办公室工作三天。但作为创始人,Brin 的话份量很重。我们联系 Google 询问公司是否打算重新评估其政策,但 Google 代表表示目前没有计划改变返岗办公的要求。
迈向思维机器
Google 构建了当今所有生成式 AI 机器人的基础,但直到 OpenAI 开始添砖加瓦时才意识到这一点。Google 2017 年发表的开创性研究论文《Attention Is All You Need》阐述了至今仍在驱动大语言模型的 Transformer 架构。在短短 10 页中,Google 改变了计算的本质,但当 OpenAI 和 Microsoft 联手向大众推出 AI 工具时,它却措手不及。Google 在 2023 年初仓促推出的 Bard AI 一团糟,此后一直在追赶。
在 Bard 失利之后,Google 一心想要在所有产品中加入生成式 AI,即使 AI 行业的盈利能力仍然难以捉摸。OpenAI 将其大部分计算需求交给了 Microsoft Azure 基础设施,以换取将其技术用于 Copilot 和 Bing 的优惠折扣。即便如此,OpenAI CEO Sam Altman 也承认公司在最贵的每月 200 美元的 Pro 订阅上仍在亏损。
与此同时,Google 疯狂投资建设 AI 数据中心来训练和运行 Gemini 模型。不过,它没有像 OpenAI 那样昂贵的订阅层级。大多数 Gemini 模型都是免费的,即使是计算密集型的 Gemini Pro Deep Research,每月也只需 20 美元。Google 显然愿意在 AI 上亏钱以确保市场份额。
没人知道堆积更多 GPU 来运行更大的模型是否会通向 AGI。然而,不只是 Brin 认为这样的进步指日可待。Altman 也声称 OpenAI 可能在几年内就能实现真正的人工智能。Google 的官方博客文章也多次提到 AGI 是一个目标。即使在近期无法实现 AGI,商业领袖们也有其他理由希望员工返回办公室——这对 Google 来说是双赢。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。