一个大模型训练成本要上亿美元，为何开发AI如此烧钱？
一个大模型训练成本要上亿美元，为何开发AI如此烧钱？AI发展驱动收入增长，但成本激增需大投资。
来自主题:
AI资讯
5615 点击 2024-05-07 11:19
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
AI发展驱动收入增长，但成本激增需大投资。
全球爆火的AIGC，看上去似乎摸索到了赚钱的途径。
事实是：基于大语言模型的AI应用创业是地狱难度。我认为可能半年内大部分纯做大语言模型应用的AI创业公司都会死掉。
近日，医学信息出版巨头Wolters Kluwer Health委托进行的一项调研显示，美国医生对于在医疗实践中应用生成式AI的态度正在发生积极的转变，越来越多的临床医生对生成式AI寄予厚望。
苹果高管还在社交媒体暗示本次WWDC将有人工智能（AI）要素，有分析认为，这将会是iPhone历史上最雄心勃勃的一次软件升级。这导致近几个月，有关苹果iOS 18操作系统会如何集成AI功能的讨论不绝于耳。
过去几年，借助Scaling Laws的魔力，预训练的数据集不断增大，使得大模型的参数量也可以越做越大，从五年前的数十亿参数已经成长到今天的万亿级，在各个自然语言处理任务上的性能也越来越好。
Sora刚发布后没多久，火眼金睛的网友们就发现了不少bug，比如模型对物理世界知之甚少，小狗在走路的时候，两条前腿就出现了交错问题，让人非常出戏。 对于生成视频的真实感来说，物体的交互非常重要，但目前来说，合成真实3D物体在交互中的动态行为仍然非常困难。
近日，来自英国最大的创作者工会SoA公布了一项生成式AI对创意类职业的影响的调查报告。
国产大模型荣登AI优质稀缺股，给港股来打样了！
堂堂开源之王Llama 3，原版上下文窗口居然只有……8k，让到嘴边的一句“真香”又咽回去了。
等了7分多钟，刚从北京闪现闪离的马斯克，他终于夸我是个人才
如今的生成式AI在人工智能领域迅猛发展，在计算机视觉中，图像和视频生成技术已日渐成熟，如Midjourney、Stable Video Diffusion [1]等模型广泛应用。然而，三维视觉领域的生成模型仍面临挑战。
我们知道，Meta 推出的 Llama 3、Mistral AI 推出的 Mistral 和 Mixtral 模型以及 AI21 实验室推出的 Jamba 等开源大语言模型已经成为 OpenAI 的竞争对手。
两天前，图灵奖得主 Yann LeCun 转载了「自己登上月球去探索」的长篇漫画，引起了网友的热议。
特斯拉人形机器人又解锁了新技能！ 昨日，Tesla Optimus 官方发布了新的 demo 视频，展示了二代 Optimus 人形机器人的最新进展。
亲爱的Prompt读者朋友们，或许你认为掌握了某种Prompt技术已经可以天下无敌，没什么解决不了的问题啦，那是你还没有进入AI应用的深水区！
如果你生活在中国，你可能不认识ChatGPT，但你一定知道Kimi。
OpenAI要做AI搜索挑战谷歌这件事已经传了很久，传说中的SearchGPT似乎真的要来了。据软件开发者Tibor Blaho爆料，OpenAI 的 AI 搜索产品 Sonic - SNC（SearchGPT）已进入评估阶段，新增多项功能：
过去一年，AI大模型无疑是科技行业中最亮眼的主角，从FAAMG到BAT、再到一众初创企业，无数优秀的大脑、海量的资源都投入到了这个有望解放人类生产力的赛道中。
作为大模型领域的明星创业公司，月之暗面融资后套现的新闻引发广泛关注和非议。
大模型落地有多火，从业者吴炳坤深有体会。
IT之家 5 月 6 日消息，据新加坡“联合早报”报道，新加坡国立大学医院近日开建消化系统健康中心，该中心将于 2025 年上半年竣工，整合了一系列 AI 技术，旨在重点提升消化系统疾病的早期疾病检测、精确诊断、治疗和预防标准。
4月下旬，台积电发布了一种新版本4nm制程工艺——N4C，计划在2025年上线量产。这款工艺产品的核心价值是降低了成本。
大模型发展至今早已火成了一个「概念」。
Meta最近开源的Llama 3模型再次证明了「数据」是提升性能的关键，但现状是，开源的大模型有一堆，可开源的大规模数据却没多少，而收集、清洗数据又是一项极其费时费力的工作，也导致了大模型预训练技术仍然掌握在少数高端机构的手中。
没想到，自 2012 年 AlexNet 开启的深度学习革命已经过去了 12 年。
机器如何能像人类和动物一样高效地学习？机器如何学习世界运作方式并获得常识？机器如何学习推理和规划……
随着 Llama 3 发布，未来大模型的参数量已飙升至惊人的 4000 亿。尽管每周几乎都有一个声称性能超强的大模型出来炸场，但 AI 应用还在等待属于它们的「ChatGPT 时刻」。其中，AI 智能体无疑是最被看好的赛道。
对于烟雾等动态三维物理现象的高效高质量采集重建是相关科学研究中的重要问题，在空气动力学设计验证，气象三维观测等领域有着广泛的应用前景。通过采集重建随时间变化的三维密场度序列，可以帮助科学家更好地理解与验证真实世界中的各类复杂物理现象。
生成式 AI 可以对话、写诗、画图、做视频、作曲、写代码......
