李开复：中国需要自己的ChatGPT时刻 2024将是爆发年

李开复：中国需要自己的ChatGPT时刻 2024将是爆发年 万知支持中文和英文，可以解读财务报告，做会议记录，还能快速阅读长达60万字的埃隆·马斯克(Elon Musk)传记，并给出一个快速简介。李开复在接受彭博社采访时表示，中国需要自己的“ChatGPT时刻”来提高人们的兴趣、加快普及和投资。“对美国人来说，这一刻发生在17个月前，”李开复在北京通过会议平台Zoom接受采访时说，“中国用户还没有体验到ChatGPT时刻。目前为止，中国的聊天机器人或工具都不够好。”与许多全球AI创业公司不同的是，李开复透露零一万物已接近盈利。在对这些模型进行中文和通用数据集的训练之后，李开复正在将这些模型和应用程序推向全球，并与国内外客户签约以增加明年的收入。“2024年将是中国生成式AI应用的爆发年。”李开复称。李开复表示，零一万物将在几周内完成2.5亿美元Pre-A轮融资的第二部分融资，并将在年底前开始为其A轮融资寻找投资者。该公司还精简了硬件和软件流程，以最大限度地降本增效。“当GPT-5到来时，我们将更落后。”李开复称，他指的是传闻中的OpenAI下一代AI大模型。但是，零一万物专注于开发让人们承受得起的AI模型，而不是规模庞大、更昂贵的模型。“你可以建造一艘巨大的宇宙飞船，但它能把你从萨克拉门托带到旧金山吗？”他问道。 ... PC版： 手机版：

阿里通义千问宣布升级，向所有人免费开放 1000 万字的长文档处理功能。

阿里通义千问宣布升级，向所有人免费开放 1000 万字的长文档处理功能。 据了解，即日起，所有金融、法律、科研、医疗、教育等领域的专业人士，都可通过通义千问网站和 App 快速读研报、分析财报、读科研论文、研判案情、读医疗报告、解读法律条文、分析考试成绩、总结深度文章。 比如在金融领域，上传一份公司财报，通义千问即可自动提取和总结公司各业务的营收情况和利润增长等核心信息，生成公司整体业绩表现的总结。上传公司不同时期的财报后，通义千问可生成公司在这一阶段内的业务变化、业绩趋势并进行财报分析。 在法律领域，律师和法官通常需要阅读数十万甚至上百万字的法律文档，人肉阅读耗时耗力，通义千问能够快速阅读和分析法律文件，迅速掌握法律条文要点，输入特定案件信息后，通义千问还可给出相应的判罚建议。 据阿里称，目前通义千问的文档处理容量和能力，已超越 ChatGPT 等全世界市场上所有的 AI 应用。 via 匿名 标签: #通义千问 #AI 频道: @GodlyNews1 投稿: @GodlyNewsBot

零一万物发布千亿参数模型Yi-Large 号称对标GPT4.0

零一万物发布千亿参数模型Yi-Large 号称对标GPT4.0 此外，零一万物还面向国内市场发布了包含Yi-Large、Yi-Large-Turbo、Yi-Medium、Yi-Medium-200K、Yi-Vision、Yi-Spark等多款模型 API 接口的全家桶，宣称更高性价比。早先在5月7日，零一万物刚发布了一站式AI工作平台万知。据官方介绍，万知可以帮助用户做会议纪要、周报、写作助手，还可以解读财报、论文等各类文件，也可以实现PPT的图文制作。李开复表示,大模型推理成本的下降会推动中国AI大模型进入落地为王的阶段,今年会迎来“大模型应用爆发元年”。目前，零一万物主打全球化布局、模基共建、模应一体。据李开复分享，预计零一万物的海外单一应用产品在2024年年度收入可达1亿元，产品ROI接近1。2023年11月，零一万物正式发布了首款开源中英双语大模型“Yi”。彼时，零一万物新一轮融资由阿里云领投，估值已超10亿美元，在近期的采访中，李开复称零一万物预计将在几周内完成2.5亿美元Pre-A轮融资的第二部分融资，并将在年底前开始为其A轮融资寻找投资者。 ... PC版： 手机版：

又一场波及数十万人的电子邮件风暴（Email storm）意外发生，这次的地点是在 GitHub 平台，事件主角是一位仅 18

又一场波及数十万人的电子邮件风暴（Email storm）意外发生，这次的地点是在 GitHub 平台，事件主角是一位仅 18 岁的来自印度的年轻开发者 Rohith Sreedharan，他近日不小心给 GitHub 上约 40 万名用户发送了电子邮件。这次意外被“载入史册”，作为现实案例收录进了维基百科的Email storm（电子邮件风暴）词条中。 #抽屉IT

“美版知乎”Quora沦为互联网垃圾桶 锅能甩给 ChatGPT 吗？

“美版知乎”Quora沦为互联网垃圾桶 锅能甩给 ChatGPT 吗？ Quora 问题涉猎之广，回答专业之精，社区氛围之好，都让横空出世于 2009 年 Quora，仍能在众多互联网内容平台里抢占独特的一席之地，Vox 曾称 Quora 是‘更有条理的 Yahoo Answers，更古典的 Reddit，更主观地维基百科’。它曾被称之为互联网上的‘亚历山大图书馆’。如今的互联网更是需要 Quora 这类平台，互联网信息的一端是维基百科里的无数条目，是 ChatGPT 类简明扼要地回答，是 Google 结果里的大海捞针，另一端是算法推荐下刷不完的短视频，滤镜矫饰后图文展现的美好生活，描述个人生活和观点的社交媒体，主观且难以检索。Quora 的目标曾是站在两端中间，站在客观的信息罗列和主观的个人呈现之间。就像‘在上世纪飞上太空是什么体验’这个问题，只有宇航员本人能给予作答，它夹杂着科学的进程和情感的波动，还需要个人回忆的介入。而如今的 Quora 却像一个信息垃圾场，选择订阅每日摘要的用户们会收到各种莫名其妙的问题的推送，诸如‘在别人家过夜不洗澡是不是很无礼？’‘我收到匿名邮箱发来的 68 个比特币，我该报警吗？’‘希特勒本人真的是好人吗？’‘我丈夫出于愤怒，不小心把我们 4 岁的女儿从 40 楼的窗户上推了下来，如何防止我丈夫被判入狱？’点击和讨论量还非常高。甚至还有 AI 直接生成个诸如‘天呐！查尔斯国王对哈里王子的禁令震惊世界，你伤心吗？’这种莫名其妙的条目，再由 AI 机器人不知所云地回答一下。一唱一和就能收获 840 万浏览量和 2000 + 的点赞。在去年 ChatGPT 出现后，Quora 则直接在问题中附上了 ChatGPT 的回答，ChatGPT 不仅比人类回答者更靠前，答案也截然相反。真人用户和 AI 鱼龙混杂在 Quora 里，问题和回答数量越来越多，质量却不堪入目，就像 Jacob Stern 在《大西洋月刊》上评论所说 Quora‘大量问题都是垃圾。许多根本不是真正的问题，它们是挑衅。’但据 Demandsage 的统计数据，每天 Quora 上会产生 3000 - 5000 个新问题，每个月有超过 4 亿活跃用户，比 2016 年增加了 120%。诞生十五年的 Quora，呈现出一种在‘蓬勃发展中腐烂着’的奇怪状态。这种状态并不全是因为 AI 问答机器人的崛起，它有 Quora 成立以来运营和决策的失误累计，也被十五年来互联网环境的变化所波及。01 互联网社区的典范Adam D‘Angelo 和 Charlie Cheeve，两位 Facebook 的早期员工在 2009 年建立了 Quora。Quora 脱胎于拉丁语中的‘Quorum’，该词原意为许多人聚集在一起并达成共识，同时在发音上兼具了 Q or A（问题或答案）。从名字上就点明了 Quora 平台的两大属性：社区和问答。不同于搜索引擎需要用户自主拼凑，Quora 这类问答平台会针对具体问题给出对应回答，在 2010 年代初，Yahoo！Answers 已经呈现衰败迹象，问题繁多但不具体深入，但人们很难在上面找到有价值的回答，Google 等搜索引擎完全足以替代这些问答平台。好的问答离不开好问题和好答案，这就是 Quora 脱颖而出的原因之一。诞生之初的 Quora 专注于回答的准确和专业，用文本的形式，把简单的回答问题展开成为知识，其中又夹杂着回答者的履历和主观经验，在可信度和真实度上都远超于同类平台。这种同类竞品从形式上创新后完成超越，两三年后映照到了大洋彼岸，也照出了‘XX 知道’的衰落和‘知乎’的崛起。任何一个问答社区，提问的成本都要低于回答，更何况在强调回答专业度的 Quora 上，因此如何召集和维系住这些愿意无偿分享自己在专业领域见解的人，是 Quora 成立后最重要的一件事。出走于 Facebook 的两位创始人深谙社区的重要性，他们相信互联网社区会自带吸引力，会聚集起有相同追求的人。因此他们在建立之初就定下了 Quora 充满理想主义的‘追求’：Quora 的用户充满好奇且友善，来到 Quora 寻找高质量的答案，这里没有广告的干预你的冲浪体验，只有专业人士亲自回答具体的问题。而当时 Twitter 盛行，博客衰落，140 个字符让互联网的信息传达变得简短和即兴，博客和公众号也只能由作者书写，订阅者阅读。相比之下，Quora 强调提问和回答两方的参与，鼓励彻底和深入的呈现答案，幽默和深刻的一句见解或许能在 Reddit 上博得高赞，在 Twitter 上千次转发，但在 Quora 里，只有真诚地书写所知才能获得社区的认可。就像一位早期 Quora 用户，也是一名图书信息科学硕士 Erica Friedman 所描述的‘在 2010 年代前几年时，我们很多用户都致力于一个共识：让 Quora 成为互联网上一个不混蛋的地方。我们把这个目标付诸行动，人们不能带着恶意来到 Quora 行恶事。’Quora 联合创始人 Adam D‘Angelo 建立 Quora 的初衷之一是，他发现‘绝大多数人类知识仍然不在互联网上。其中大部分都是困在人们头脑中的过往经验，或者埋在只有专家才能访问的书籍和论文中。’因此比起问题，如何找到那些真正能回答问题，有切实经验的人，是 Quora 建立之初的重中之重。两位创始人凭借着在硅谷和哈佛的人脉圈，迅速聚拢起了科技行业的工程师、投资者和管理者们。‘社交网站 Friendster 犯的关键错误是什么？’Friendster 创始人 Jonathan Abrams 在这问题下亲自作答。‘AOL 在 1990 年代发行所有 CD 的成本是多少？谁的主意？’下最高赞来自 AOL 联合创始人和前 CEO Steve Case。这类例子在 Quora 诞生之初不胜枚举，硅谷大佬 Marc Andreessen、Netflix 创始人 Reed Hastings 也都是 Quora 用户。那些创业中的逸事，产品开发中的秘辛，深耕多年的经验……许多问题的答案不会出现在报道、内部论坛和大学演讲里，它们甚至不会被问出来，这是被 D‘Angelo 称之为‘经验知识’的信息。就像 Quora 大 V，同时也是开发出 GRE 隧道的网络先驱工程师 Stan Hanks 所言‘我懂技术，有多年行业经历，认识相关人员，懂技术，我只会写作。’2012 年成为 Quora 用户后，他在网络和科技主题下回答了 8200 个问题。Stan Hanks2012年开始成为Quora用户，活跃至今|Quora从 2012 年开始，Quora 为社区里回答最好最专业贡献最多的 150 名作者们建立了‘顶级作者计划’，里面有 NASA 员工、大学博士、各类学家……每个作者都有对接的内容审核和客户支持团队。优质的作者也会定期参加 Quora 举办的峰会。Quora 想培养一组核心用户，把社区的用户参与度正循环起来。当时的 Quora 也是一个让人上瘾的社区，私募资金 Elevation Partners 联合创始人 Marc Bodnic 在入驻 Quora 十五个月里问了 3500 个问题，亲自回答了 1200 个问题。PayPal 联合创始人 Levchin 表示他曾花费大量时间去检索域名注册时间和网站开发日志，就因为 Quora 上有人提问，他之前创立的四家公司的历史。在鱼龙混杂，匿名了就无处可查的互联网，Quora 展现出了一个专业且乐于分享，好奇又信仰知识的力量，它像互联网上的一个乌托邦般的古希腊学院。但也正如 Erica Friedman 所说到的时间点，那个理想社区是存在于‘2010 年代中期’的 Quora。2016 年起，Quora 就像一个从学院里走出的毕业生，不得不开始面对现实的压力，现实的压力也不只是变现，还有时代的变化。02 ‘大众化’的妥协和错误不仅是在社区属性上，两位联合创始人在商业上也有着‘理想主义’的追求。2010 年在拿到 Benchmark 创业资金后，Quora 飞速发展，到 2010 年底，峰值流量同比增长了 5 - 10 倍。当时的 Quora 拒绝了数十亿美元的并购邀约，次年从 Peter Thiel 处筹集 3000 万美元，创始人 D‘Angelo 自掏腰包 2000 万美元，完成 B 轮融资 5000 万美元。又过了两年，2014 年的 Quora 在完成了 8000 万美... PC版： 手机版：

黄仁勋COMPUTEX2024演讲1.6万字全程实录：我们正在经历计算通货膨胀

黄仁勋COMPUTEX2024演讲1.6万字全程实录：我们正在经历计算通货膨胀 这场演讲涵盖了从 AI 基础技术到未来机器人和生成式 AI 在各个行业的应用，全面展示了英伟达在推动计算技术变革方面的卓越成就。黄仁勋表示，英伟达位于计算机图形、模拟和 AI 的交汇处，这是英伟达的灵魂。今天展示给我们的一切都是模拟的，它是数学、科学、计算机科学、令人惊叹的计算机架构的结合。这些都不是动画，而是自制的，英伟达把它全部融入了 Omniverse 虚拟世界。加速计算与 AI黄仁勋表示，我们所看到的一切的基础是两项基本技术，加速计算和在 Omniverse 内部运行的AI，这两股计算的基本力量，将重新塑造计算机行业。计算机行业已有 60 年的历史。在很多方面，今天所做的一切都是在 1964 年黄仁勋出生后一年发明的。IBM System 360 引入了中央处理单元、通用计算、通过操作系统实现硬件和软件的分离、多任务处理、IO子系统、DMA以及今天使用的各种技术。架构兼容性、向后兼容性、系列兼容性，所有今天对计算机了解的东西，大部分在1964 年就已经描述出来了。当然，PC 革命使计算民主化，把它放在了每个人的手中和家中。2007 年，iPhone 引入了移动计算，把计算机放进了我们的口袋。从那时起，一切都在连接并随时运行通过移动云。这 60 年来，我们只见证了两三次，确实不多，其实就两三次，主要的技术变革，计算的两三次构造转变，而我们即将再次见证这一切的发生。有两件基本的事情正在发生。首先是处理器，即计算机行业运行的引擎，中央处理单元的性能提升显著放缓。然而，我们需要进行的计算量仍然在迅速增长，呈指数级增长。如果处理需求，数据需要处理的量继续指数级增长但性能没有，计算通货膨胀将会发生。事实上，现在就看到了这一点。全球数据中心使用的电力量正在大幅增长。计算成本也在增长。我们正在经历计算通货膨胀。当然，这种情况不能继续下去。数据量将继续以指数级增长，而 CPU 性能提升将永远不会恢复。我们有更好的方法。近二十年来，英伟达一直在研究加速计算。CUDA 增强了 CPU，卸载并加速了专用处理器可以更好完成的工作。事实上，性能非常出色，现在很明显，随着 CPU 性能提升放缓并最终显著停止，应该加速一切。黄仁勋预测，所有需要大量处理的应用程序都会被加速，当然每个数据中心在不久的将来都会被加速。现在加速计算是非常合理的。如果你看看一个应用程序，这里100t 代表 100 单位时间，它可能是100秒，也可能是 100 小时。在很多情况下，如你所知，现在正在研究运行 100 天的 AI 应用程序。1T 代码是指需要顺序处理的代码，其中单线程CPU是非常关键的。操作系统控制逻辑非常重要，需要一条指令接着一条指令地执行。然而，有很多算法，比如计算机图形处理，可以完全并行操作。计算机图形处理、图像处理、物理模拟、组合优化、图处理、数据库处理，当然还有深度学习中非常著名的线性代数，这些算法都非常适合通过并行处理来加速。因此，发明了一种架构，通过在 CPU 上添加 GPU 来实现。专用处理器可以将耗时很长的任务加速到极快的速度。因为这两个处理器可以并肩工作，它们都是自主的，独立的，可以将原本需要 100 个时间单位的任务加速到 1 个时间单位，速度的提升是难以置信的，效果非常显著，速度提升了 100 倍，但功耗只增加了大约三倍，成本只增加了约 50%。在 PC 行业一直这样做，英伟达在1000 美元 PC 上加一个 500 美元 GeForce GPU，性能会大幅提升。英伟达在数据中心也这样做，一个价值十亿美元的数据中心，加上 5 亿美元的GPU，突然间它就变成了一个 AI 工厂，这种情况正在全球各地发生。节省的成本非常惊人。每花一美元就能获得 60 倍的性能提升，速度提升了 100倍，而功耗只增加了三倍，成本只增加了 1.5倍。这种节省是难以置信的。节省的成本可以用美元来衡量。很明显，许多公司在云端处理数据上花费了数亿美元。如果这些过程被加速，不难想象可以节省数亿美元。这是因为在通用计算上已经经历了很长时间的通货膨胀。现在终于决定加速计算，有大量被捕获的损失可以现在回收，许多被保留的浪费可以从系统中释放出来。这将转化为金钱的节省和能源的节省，这也是为什么黄仁勋常说‘买得越多，省得越多’。黄仁勋还表示，加速计算确实带来了非凡的成果，但它并不容易。为什么它能省这么多钱，但这么长时间以来人们却没有这样做呢？原因是因为这非常难。没有一种软件可以通过C编译器运行，突然间应用程序就快了100倍。这甚至不合逻辑。如果可以做到这一点，他们早就改造 CPU了。事实上，必须重写软件，这是最难的部分。软件必须完全重写，以便能够重新表达在 CPU 上编写的算法，使其能够被加速、卸载并行运行。这种计算机科学的练习极其困难。黄仁勋表示，在过去 20 年里，英伟达让全世界变得更容易。当然，非常著名 cuDNN，即处理神经网络的深度学习库。英伟达有一个 AI 物理库，可以用于流体动力学和许多其他应用中，神经网络必须遵守物理定律。英伟达有一个叫 Arial Ran 新的伟大库，它是一个 CUDA 加速 5G 无线电，能够像定义世界网络互联网一样定义和加速电信网络。加速的能力使我们能够将所有的电信转变为与云计算平台相同类型的平台。cuLITHO 是一个计算光刻平台，能够处理芯片制造中最计算密集的部分制作掩膜。台积电正在使用 cuLITHO 进行生产，节省了大量的能源和金钱。台积电的目标是加速他们的堆栈，以便为进一步的算法和更深入、更窄的晶体管的计算做好准备。Parabricks 是英伟达基因测序库，它是世界上吞吐量最高的基因测序库。cuOpt是一个用于组合优化、路线规划优化的令人难以置信的库，用于解决旅行商问题，非常复杂。科学家们普遍认为需要量子计算机来解决这个问题。英伟达创造了一个在加速计算上运行的算法，运行速度极快，创下了23项世界纪录。cuQuantum是一个量子计算机的模拟系统。如果你想设计一个量子计算机，你需要一个模拟器。如果你想设计量子算法，你需要一个量子模拟器。如果量子计算机不存在，你如何设计这些量子计算机，创建这些量子算法呢？你使用今天世界上最快的计算机，当然就是NVIDIA CUDA。在上面，英伟达有一个模拟器，可以模拟量子计算机。它被全世界数十万研究人员使用，并集成到所有领先的量子计算框架中，广泛用于科学超级计算中心。cuDF是一个令人难以置信的数据处理库。数据处理消耗了今天云端支出的绝大部分，所有这些都应该被加速。cuDF加速了世界上使用的主要库，比如Spark，许多公司可能都在使用Spark，Pandas，一个新的叫做Polars的库，当然还有NetworkX，一个图处理数据库库。这些只是一些例子，还有很多其他的。黄仁勋表示，英伟达必须创建这些库，以便让生态系统能够利用加速计算。如果英伟达没有创建cuDNN，光有 CUDA 是不可能让全世界的深度学习科学家使用的，因为 CUDA、TensorFlow 和 PyTorch中使用的算法之间的距离太远了。这几乎像是在没有OpenGL 情况下做计算机图形处理，或者没有 SQL 的情况下进行数据处理。这些特定领域的库是英伟达的珍宝，总共有350个库。正是这些库使英伟达能够打开如此多的市场。上周，Google 宣布在云端加速 Pandas，这是世界上最流行的数据科学库。你们中的许多人可能已经在使用Pandas，它被全球 1000 万数据科学家使用，每月下载1.7 亿次。 PC版： 手机版：