找到
472
篇与
互联网
相关的结果
-
刚刚，这家0产品0模型就估值854亿的公司，终于发布了首款产品！ 新智元报道编辑：定慧 好困【新智元导读】微调大模型不再是少数人的专利！Thinking Machines Lab推出首款产品「Tinker」，一个专为语言模型微调而生的API。它让开发者能彻底摆脱底层架构的束缚，仅用简单的Python代码便可专注于算法与数据创新。Thinking Machines Lab终于首发第一款产品，Tinker！不是模型、也不是APP，而是一个专为语言模型微调而生的API。翻译过来就是，Tinker可以让几乎所有人，都能轻松地微调出属于自己的模型！ 对于广大研究者和开发者而言，Tinker的诞生就是为了解决一个核心痛点：当我们想要在SOTA模型上进行实验和定制时，往往会被复杂的分布式训练基础设施搞得焦头烂额。而Tinker的解决方案是，你只管专注于算法和数据，他们来处理所有棘手的后台工作。不仅如此，从一个小模型切换到一个庞然大物，操作竟简单到只需在你的Python代码中更改一个字符串。OpenAI前CTO搞的这款产品，确实还是有点东西的。 正如CEO Murati所说：「Tinker为研究人员带来了前沿工具，为编写实验和训练流水线提供了清晰的抽象接口，同时处理了分布式训练的复杂性。它为创新研究、定制模型和构建可靠的性能基准提供了可能。」对此，大佬卡帕西也在第一时间发推盛赞，认为Tinker会改变过去模型微调的范式：这意味着即使是像你我这样的普通用户，也能介入模型层面，而不仅仅停留在输入层面，修改few-shot！ 与更常见的「上传你的数据，我们对你的LLM进行后训练」的现有范式相比，卡帕西认为Tinker是一个更巧妙地将后训练复杂性「切分」的方式。卡帕西认为微调是更好的后训练范式。few-shot提示（就是把很多示例都塞到prompt里）在上下文长度、提示设计、推理开销上有很多限制。但微调一个较小模型，把它训练成做一类专门任务的模型，在很多场景下可以取得更好或者更稳定的表现，并且推理速度更快、资源消耗更低。理论上来说，Thinking Machines Lab的首款产品，不仅是针对开源模型，而且更是给所有人下放了「权力」！比如过去模型是开源了，但是大参数的模型，比如671B的DeepSeek，没有卡无法推理；小模型比如2B、7B的模型，初始性能又不好用。Tinker出现后，我们都有了能力按照自己的需求和想法，可以用自己的数据来微调一个专门模型啦！人人都可「微调」模型Tinker只需要用非常简单的Python代码即可完成「想法表达」。作为一个运行在Thinking Machines Lab内部集群和训练基础设施上的托管服务，它为你包办了任务调度、资源分配和故障恢复等所有繁琐事务。用户则无需担心基础设施的管理，可以立即启动或大或小的计算任务。Tinker的核心功能包括： 提供如forward_backward和sample等Python原生操作，让用户能构建自定义的微调或强化学习（RL）算法。 支持从小到大的各类开放权重模型，包括像Qwen-235B-A22B这样的专家混合（Mixture-of-Experts）架构。 集成了基于LoRA的微调方法，允许多个训练任务共享计算资源池，从而优化成本效益。 提供一个名为Tinker Cookbook的开源配套库，其中包含了多种后训练方法的实现。 Thinking Machines Lab采用了LoRA技术，从而能够在多个训练任务间共享同一个计算资源池，以降低成本。 Tinker API提供了如forward_backward和sample这样的底层操作原语，可用于实现大多数常见的后训练方法。通过Tinker，可以微调各种规模的开放权重模型，包括像Qwen-235B-A22B这样的大型专家混合模型。从小模型切换到大模型，仅需修改Python代码中的一个字符串即可，操作非常简单。Tinker目前支持Qwen系列和Llama系列的模型。 尽管能够直接微调模型，要取得理想成果，仍需将众多细节处理到位。因此，他们发布了一个名为Tinker Cookbook的开源库，其中包含了基于Tinker API运行的、实现了各种先进后训练方法的代码。 目前，Tinker处于免费私测阶段，未来几周内将推出基于使用量的定价模型。想要使用Tinker，需要申请加入用户白名单，申请地址：https://form.typeform.com/to/jH2xNWIg 以开发者为中心的训练APITinker并非又一个拖拽式界面或黑箱微调服务。 相反，它提供了一个底层但用户友好的API，让研究人员能够通过标准的Python代码，对损失函数、训练循环和数据工作流进行精细控制。 实际的训练工作负载运行在Thinking Machines的托管基础设施上，从而实现了快速的分布式执行，并免去了管理GPU集群带来的种种麻烦。加州大学伯克利分校计算机科学博士生Tyler Griggs在测试该API后写道：许多强化学习微调服务都面向企业，不允许用户替换训练逻辑。而有了Tinker，你可以完全不用操心计算资源，只需专注于「摆弄」环境、算法和数据。 普林斯顿、斯坦福已率先用上了在公开发布前，Tinker已在多家研究实验室投入使用。早期采用者包括来自伯克利、普林斯顿、斯坦福以及Redwood Research的团队，他们各自将该API应用于独特的模型训练问题： 普林斯顿的Goedel团队使用Tinker和LoRA微调用于形式化定理证明的大语言模型，仅用20%的数据便达到了与Goedel-Prover V2等全参数监督式微调（SFT）模型相当的性能。他们在Tinker上训练的模型，在MiniF2F基准测试中实现了88.1%的pass@32成功率，通过自我纠正后更是达到90.4%，超越了规模更大的闭源模型。 斯坦福大学的Rotskoff实验室使用Tinker训练化学推理模型。在LLaMA 70B模型基础上进行强化学习后，从IUPAC命名转换为化学式的准确率从15%跃升至50%。研究人员称，如果没有强大的基础设施支持，这种幅度的提升在过去是无法想象的。 伯克利的SkyRL团队运行了自定义的多智能体强化学习循环，其中涉及异步的离策略（off-policy）训练和多轮工具使用——而Tinker的灵活性让这一切成为可能。 Redwood Research使用Tinker在长上下文AI控制任务上对Qwen3-32B模型进行强化学习训练。研究员Eric Gan表示，如果没有Tinker，他很可能不会启动这个项目，并指出扩展多节点训练一直是一大障碍。 这些案例充分展示了Tinker的多功能性——无论是经典的监督式微调，还是覆盖截然不同领域的高度实验性强化学习流水线，它都能提供支持。参考资料： https://thinkingmachines.ai/blog/announcing-tinker/
-
Meta将根据用户与AI聊天机器人互动投放广告 日前，Meta宣布将根据用户与公司数字助理和生成式人工智能产品的互动展示广告和其他内容。这一更新将于12月16日生效，用户从10月7日起会收到相关通知。此举旨在将Meta对生成式人工智能的投资更好地与核心在线广告业务结合。Meta在7月表示，人工智能计划将导致2026年的同比支出增长率高于2025年。Meta AI数字助理目前每月拥有超过10亿活跃用户，用户可与之交互生成文本或图像。Meta隐私和数据政策经理Christy Harris表示，用户与Meta AI的互动将影响他们在Facebook、Instagram等应用上看到的内容和广告类型。例如，用户与Meta AI讨论家庭度假计划时，其在Facebook上看到的Reels短视频和广告可能会与家庭旅游相关。
-
微软推出Microsoft 365 Premium订阅方案，每月 19.99 美元 IT之家 10 月 2 日消息，微软宣布推出一个全新的订阅方案，将 Microsoft 365 与 Copilot Pro 的核心优势整合在一起，命名为 Microsoft 365 Premium。在此之前，Microsoft 365 与 Copilot Pro 均为独立订阅服务，其中 Microsoft 365 月费最高 12.99 美元，Copilot Pro 月费则为 19.99 美元。 Microsoft 365 Premium 以每月 19.99 美元（IT之家注：现汇率约合 142.4 元人民币）的价格，同时提供微软 Office 套件的使用权限与 Copilot Pro 的功能。该订阅包含更高的功能使用限额，以及 Copilot Labs、Actions 等 Copilot Pro 专属功能的访问权限。 微软执行副总裁优素福・迈赫迪（Yusef Mehdi）表示：“Microsoft 365 Premium 仅需每月 19.99 美元，就能整合 Microsoft 365 家庭版与 Copilot Pro 订阅的所有内容，甚至还能提供更多。它将大家熟知且信赖的生产力应用，与我们最先进的人工智能功能、当前最高的使用限额融为一体。”他进一步指出：“这款新订阅服务专为各类人群打造，助力他们应对难度最高的生产力任务，无论是针对新商业理念开展深度调研，还是完成工作中的重要演示文稿。”以下是该新订阅服务包含的全部内容： 内置 Copilot 功能的 Word、Excel、PowerPoint、OneNote 及 Outlook 桌面应用。 可访问 Researcher 与 Analyst 工具 —— 这两款强大的推理代理工具于今年早些时候面向商业客户发布，目前已在 Microsoft 365 Copilot 桌面应用中可用，不久后将登陆 Word、PowerPoint 与 Excel 应用。 可提前体验 Office Agent、Agent Mode 等创新功能，这些功能能将单一指令转化为专业级别的文档、电子表格与演示文稿。 在 Microsoft 365 Copilot、Word、Excel、PowerPoint、OneNote 及 Outlook 应用中，部分功能可享受最高使用限额，包括 4o 图像生成与语音功能（语音功能即将上线）。 在 Copilot 应用中，4o 图像生成、播客、深度研究、视觉识别（Vision）、Actions 等部分功能可享受最高使用限额。 可访问 Microsoft 365 Copilot 应用中的全新 Photos Agent 功能（即将上线）。 每人 1TB 的安全云存储空间。 Microsoft Defender 高级安全防护。 除新订阅服务外，微软还将更新所有 Office 应用的图标，包括 Word、PowerPoint、Teams 与 Outlook。新图标采用更亮眼的设计风格，边角更圆润。预计未来几周内，所有 Microsoft 365 订阅用户都将陆续收到新图标更新。此外，Microsoft 365 个人版与 Microsoft 365 家庭版将继续提供服务。
-
Meta 计划收购 RISC-V 企业 Rivos，增强 AI 芯片技术堆栈 IT之家 10 月 2 日消息，Meta 工程副总裁 Song Yee Jiun 昨日确认，该科技巨头计划收购高性能 RISC-V 芯片企业 Rivos，旨在加速实现其可扩展计算愿景。Song Yee Jiun 表示 Rivos 在设计开发全栈式 AI 系统方面拥有深厚的技术专长与丰富经验。他期待 Meta 和 Rivos 团队携手合作，共同推进 AI 智能事业的发展。 路透社报道指出，总部位于加州圣克拉拉的 Rivos 得到了英特尔 CEO 陈立武的支持（他同时也是 Rivos 董事会成员），在近期融资轮的估值约为 20 亿美元（IT之家注：现汇率约合 142.51 亿元人民币），此外 Meta 一直是 Rivos 最大客户之一。
-
AI改变创业生态，“一人独角兽公司”不远了？ 2024年初，OpenAI CEO奥尔特曼（Sam Altman）提出，AI 时代，很快就会出现估值10 亿美元的一人独角兽公司（"1-Person" Billion Dollar Company）。这在当时听起来很遥远，但在今天这一预测已越来越近了。在海外，一份“顶尖精益AI 原生公司”的榜单颇受关注，该榜单长期追踪团队规模较小、但营收可观的初创公司，以衡量我们距离“一人十亿美元”创业现实还有多远，在榜单中，44家公司的平均团队规模为27人，但年度总收入达到近38亿美元，单个员工的估值超过1亿美元。 2025年，Agent（智能体）能力逐步深入行业，越来越多人开始相信一人独角兽公司的未来。在近日长江CEO 20周年论坛上，阿里前总参谋长、长江商学院前战略管理教授曾鸣表示，智能组织会成为未来十年主流的组织形式，未来公司核心员工大多不会超过百人，个人能力的优势被极限放大，传统的管理思路受到越来越大的挑战。传统公司的结构是”人管理人”，但在以AI为核心的公司中，这个模式变成了“一个创始人管理一群AI Agent”。 在AI时代，传统人力密集型企业将受到更多挑战，长江商学院科技与运营教授孙天澍判断，那些企业领先的核心优势可能未来也会变成核心负债。“一人独角兽”更近了9月30日，Anthropic 发布Claude Sonnet 4.5，称其为“世界上最好的编程模型”，可以连续从事复杂工作超30小时，在编程、数学能力超越前一代旗舰模型的同时，价格较其降低了80%。有行业人士感叹，这样顶尖的编程能力与开发者能够负担得起的价格相结合，预示的可能是“一人公司”的黎明到来。iGent AI的CEO表示，Sonnet 4.5可以自主处理30多个小时的代码，使工程师在极短的时间内处理数月的复杂架构工作，这意味着不再需要过去庞大的团队。AI编程在过去一年进展迅速，事实上，离一人独角兽公司最近的案例也是在AI编程赛道。base44是一家位于以色列的氛围编程（Vibe Coding）公司，由90后程序员Maor Shlomo独自创办，从未进行外部融资，去除高昂的大模型token 成本后，5月仍实现了18.9万美元的利润。成立短短6个月base44就被海外互联网巨头Wix以8000万美元收购。Maor Shlomo曾在采访中提到，他第一个员工是在被收购前一个半月才入职的，大部分时间都是自己在独立运营公司，管理 “AI 团队”来编写代码。他表示，过去三个月内自己几乎没写过一行代码，但 Base44 的前端依然有很大变化，这些代码都是AI编写的。“随着大模型的进步，像那些 10 倍效率的工程师会产生更大的影响力，他们将成为 100 倍效率的工程师，因为他们能管理大模型。”Maor Shlomo认为，团队规模和资金不是能否在某个领域胜出的必要因素了。同样作为AI编程领域的明星产品，Cursor母公司Anysphere在12名员工时估值就已经达到4亿美元，目前有约60人，年化收入已达到5亿美元，估值约 99 亿美元。而在文生图领域，明星企业Midjourney仅靠40人团队，就实现年营收5亿美元，至今未融过资，业界预计其估值已高达100亿美元。在AI时代，涌现的这些创业公司员工人数不多，但造血能力极强。过去，一个复杂的软件项目需要一个从产品经理到工程师的团队，而现在，一个有想法的开发者，加上几个AI Agent，理论上可以独自完成这些环节。曾鸣接触过很多创业团队，他表示，自己看到的AI团队都非常小。“去年夏天我在硅谷办过一个小型座谈会，一个创业者感慨最头疼的问题是团队太大，管理起来困难。其他创业者问他团队是多少人，回复说30多人，更奇妙的是，其他人都说，真是太多了。”曾鸣表示，这是去年夏天发生的故事，而在今年夏天，他在硅谷发现，3个人、10个人的团队是极为常见的，而那些团队人员多的创业公司，往往是有一批人在做一些“用机器做成本还太高”的事，没有高附加值。在这个趋势里，个人能力的优势被AI极限地放大了，曾鸣看到，顶尖AI研究员的学习成本大幅降低，他们可以利用超强的元认知能力和广泛的AI工具，快速学习各种领域的知识，提出原创的解决方案。“今天一个好的研究员就可以调用千万个Agent，能够创造特别多价值。原本一个产品需要七八个工种前后协调才能做出来，现在一个人就可以做，不需要专门的产品经理、技术、研发、测试这些环节。”曾鸣判断，一个人可以适应多个岗位后，未来的组织形态会发生根本性的变化，也会越来越智能。不过，Maor Shlomo认为，独立创业也并不适合所有类型的公司，如果要创办一家 B2B企业服务公司，需要组建销售团队、投入营销预算，那单打独斗会非常困难。但如果开发的是具有病毒式传播潜力的产品，能够快速实现产品市场匹配，独立创业会更具优势。“AI+”而非“+AI”“一个5000人的企业想缩小到50人，和一个从0开始的创业公司扩大到50人，难度是不一样的。”孙天澍提到，如娱乐行业、服务行业，甚至教育行业，很多传统人力密集型的企业，过去领先的核心优势未来或许会变成核心负债。庞大的组织规模使其难以迅速调转船头。SparkXGlobal创始人袁俊长期在美国，他发现，海外企业都在快速地往AI转型，越大的企业拥抱AI的主动性就更强，从传统人力的工作模式在变成SaaS管理的模式，但国内还是人力密集型的模式，一个300人左右的企业量级，和美国40-50人的企业量级差不多，人效的比例是四至五倍的差距。“（国内）很多企业都还没有用过SaaS，去用AI Agent很难。”袁俊认为，企业本身的组织力管理、CEO一号位思维等，造成了现在节奏上的不适配。CEO需要能驱动整个企业在运营管理层面往AI的方向转型，跟随AI Agent能力的去迭代业务模型。不少行业人士都观察到企业转型思维上的差别。Marketingforce迈富时创始人赵旭隆发现，国内如火如荼地在推进AI产业，但只是ToC端、小公司转型更积极，大中型企业在应用AI和智能体的时候较为困难。一方面，业务都在整个组织架构流程中进行，突然要推倒，用AI原生的方式，没有人敢承担责任，此外，高层管理人员的认知也还未拉齐，要推动AI转型的人也并不一定会从全局的角度考虑。因此，这些大中型企业在拥抱AI的时候，往往会从局部、半自动开始。孙天澍也观察到，95%的企业选择的是“业务+AI”，即在已有流程的基础上，让AI融入某个环节做优化和改造。 “就像企业来了一个新员工，企业不会变，新员工必须适应企业。”他表示，这种情况下能释放的价值很小，因为企业并没有重构。孙天澍提出，现在的AI并不是工具，而是智能本身，“AI+”是以智能体为中心，去思考如何将其无限记忆的能力释放出来，AI原生的架构非常重要。他认为，AI时代巨大的红利和互联网时代巨大的红利都有一个类似的特点，最终原生企业抢到大部分的价值。例如，在移动互联网时代，字节跳动用抖音这样的产品真正释放了智能手机的手指交互能力，这在PC端是无法实现的。滴滴则是用移动原生的模式围绕着实时可取的位置数据，重构了这个行业的关系。“今天很多企业在做的事情和出租车公司很像，可能在企业里面做了一些局部改造，但是当这个产业真正发生重构时，AI原生的企业会形成降维打击，AI会重构整个行业的逻辑。”孙天澍认为， AI时代怎样释放出原生的活力很重要。AI世界里有一道巨大的鸿沟。8月，麻省理工学院的NANDA项目组发布了一份名为《The GenAI Divide》（生成式AI鸿沟）的深度报告，他们调研了52家组织和300多个AI项目后，得出一个结论：尽管全球企业已投入300-400亿美元，但高达95%的组织在生成式AI上获得了零回报，只有约 5% 的 AI 试点项目实现了收入的快速增长。生成式AI鸿沟并非源于投资或兴趣不足，而是受制于现有信息孤岛与异构系统环境，不能将AI融入核心业务流程以产生可衡量的收益影响。许多公司在试点AI方案，极少能规模化部署。报告总结建议，AI项目失败并非技术本身，而是企业整合与落地能力不足。企业需要进行全面内部评估，确保数据基础设施与员工技能支持AI应用。我们仍处于更大转型的早期，需要的不只是新工具，更是新的工作方式。我们正处在一场组织革命的开端，未来真正的赢家，不会是那些把AI当作工具嵌入旧流程的公司，而是那些以智能为内核、重构业务逻辑的创新者。
-
Andrej Karpathy回应强化学习之父Sutton最新观点「LLM是“死路一条”」 国庆节快乐！大家从sora 2的震惊中缓过来没？前几天我写了一篇文章，介绍了图灵奖获得者，强化学习之父Richard Sutton最新采访观点，老爷子认为当前热门的大语言模型是“死路一条”。他的核心观点是，LLMs 的架构从根本上缺乏从实际互动（on-the-job）中持续学习的能力。无论我们如何扩大其规模，它们本质上仍然是在模仿人类数据，而不是通过与世界直接互动来理解世界并实现目标，老爷子的作为大神和先驱思考都是终极问题，就像老爷子自己说的他是古典主义者。详细请看我之前的文章今天AI大神Andrej Karpathy分享了他对 Sutton老爷子观点的看法，总体上Karpathy认同老爷子对当前LLM研究的批评，并且认为老爷子的观点有趣且具有启发性，但当前的LLM更像是一个向现实妥协的东西，Karpathy对此进行了详细解读，并提出了一个比喻：当今的LLM研究并非在创造“动物”，而是在召唤“幽灵“，至于如何理解“动物”和“幽灵“且看下文分解，哈哈 Andrej Karpathy首先点明了一个背景：Sutton的“苦涩教训”（The Bitter Lesson）一文，如今已成为前沿LLM圈子里的“圣经”。研究者们会经常讨论某个方法或想法是否足够“bitter lesson pilled”（意即一个方法能够随着算力的增加而自然受益），以此作为判断其是否有效或值得追求的依据这背后的基本假设是，LLM本身就是“苦涩教训”的绝佳范例——看看LLM的缩放定律（scaling laws）就知道了，只要把算力放在X轴上，性能指标就会一路向右上角增长然而，有趣的是，Sutton本人作为理论的提出者，却并不确定LLM是否真的符合“苦涩教训”Sutton指出，LLM是在巨型数据集上训练的，而这些数据本质上是人类数据，这意味着它有两个特点：1）由人类生成；2）数量有限。当数据耗尽时该怎么办？如何避免人类偏见？这就很有趣了：信奉‘苦涩教训’的LLM研究者们，貌似被‘苦涩教训’的作者本人给打脸了Sutton老爷子的“古典主义”愿景：构建“儿童机器” Karpathy分析，在某种意义上，采访老爷子的Dwarkesh（代表LLM研究者观点）和Sutton有点鸡同鸭讲。因为Sutton心中有一个完全不同的AI架构，而LLM打破了其许多原则Sutton称自己为古典主义者，并援引了艾伦·图灵最初构建“儿童机器”的构想——一个能够通过与世界动态互动、从经验中学习的系统在这个构想中，没有模仿网页内容的巨型预训练阶段。也没有监督微调，Sutton指出这在动物界是不存在的（这是一个微妙但正确的观点：动物可能会观察演示，但它们的行为不会被其他动物直接强行控制或遥控操作）Sutton还强调了一个重要观点：即使你只是将预训练视为强化学习微调之前的先验知识初始化，这种方法也已经被人类偏见所“污染”，从根本上偏离了轨道。他以AlphaZero（从未见过人类棋局）击败AlphaGo（从人类棋局中初始化）为例在Sutton的世界观里，AI的一切都源于与世界的强化学习互动。奖励函数部分来自环境，部分是内在驱动的，例如“乐趣”、“好奇心”，以及与世界模型预测质量相关的因素。并且，智能体在测试时默认是始终在学习的，而不是训练一次就部署总的来说，Sutton更关心我们与动物界的共同点，而非我们与它们的区别。他有名言：“如果我们理解了一只松鼠，那我们几乎就大功告成了。”Karpathy的观点：预训练是我们蹩脚的进化 对于Sutton的观点，Karpathy分享了自己的看法首先，他认为Sutton的批评并非毫无道理。当前的前沿LLM确实是高度复杂的产物，每个阶段都充满了人性的参与——基础（预训练数据）是人类文本，微调数据是人类策划的，强化学习的环境组合也是由人类工程师调整的我们确实没有一个真正单一、干净、完全符合“苦涩教训”、可以“一键启动”并让其从纯粹的经验中自动学习的算法那么，这样的算法存在吗？Karpathy提到了两个常被用来证明其可能性的范例：第一个是AlphaZero的成功。它完全从零开始，没有任何人类监督就学会了下围棋。但围棋的环境过于简单和封闭，很难将其类比到混乱的现实世界。在算法和分类学上，它本质上只是一个更难的井字游戏第二个例子是动物，比如松鼠。对此，Karpathy个人也持保留态度。因为动物的产生是通过一种与我们在工业界实际可用的计算过程和约束截然不同的方式动物的大脑在出生时远非一张白纸。首先，很多通常被归因于学习的东西，在他看来更像是“成熟”。其次，即使是明确属于“学习”而非“成熟”的部分，也更像是在一个强大预设基础上的“微调”他举例说：一头小斑马出生后几十分钟内，就能在稀树草原上奔跑并跟随母亲。这是一个高度复杂的感官-运动任务，Karpathy认为这绝不可能是在“白板一块”的基础上从零开始实现的。动物大脑及其数十亿参数，其强大的初始化信息被编码在DNA的ATCG序列中，并通过进化的“外循环”优化进行了训练。如果小斑马像一个随机初始化的强化学习策略那样乱动肌肉，它根本活不长由此类比，我们现在的AI也拥有数十亿参数的神经网络。这些参数同样需要丰富、高信息密度的监督信号。我们不可能重新运行一次进化。但我们确实拥有堆积如山的互联网文档Karpathy承认，这基本上是动物界所没有的监督学习。但它是一种实用的方法，可以为数十亿参数收集足够的软约束，从而避免从零开始他给出了一个精辟的总结：“预训练是我们蹩脚的进化（Pretraining is our crappy evolution）。” 它是解决冷启动问题的一个候选方案，之后再通过更正确的框架（如强化学习）进行微调——这正是当前最先进的LLM实验室普遍在做的事情召唤”幽灵”，而非创造“动物” Karpathy认为，我们仍然值得从动物身上汲取灵感。LLM智能体在算法上仍然缺少许多可以从动物智能中借鉴的强大思想。同时，“苦涩教训”仍然是正确的，但他更将其视为一个值得追求的柏拉图式理想，而非在现实世界中必然能达到的目标。这就引出了我们目前的处境。Karpathy直言，今天的前沿LLM研究，并非在创造“动物”，而是在召唤幽灵你可以将“幽灵”视为智能空间中一种截然不同的存在。它们被人类性所混杂，并被人类彻底地工程化。它们是一种不完美的复制品，一种人类文档的统计蒸馏，外加一些点缀它们并非柏拉图式的“苦涩教训”产物，但与之前的许多方法相比，或许可以算是“实践上”的“苦涩教训”产物Karpathy推测，随着时间的推移，我们或许可以进一步微调我们的“幽灵”，让它们越来越像“动物”；这可能不是根本性的不兼容，而只是智能空间中的初始化问题但同样很有可能的是，它们会进一步分化，最终变得永久不同、不像动物，但仍然极具帮助并能真正改变世界这可能是：幽灵之于动物，如同飞机之于鸟类。最后，Karpathy总结道，Sutton的这期播客对于前沿LLM研究人员来说是一次扎实的“real talk”，他们可能过于沉浸在“利用模式”（exploit mode）中了。我们可能还不够遵循“苦涩教训”，很有可能存在比穷尽地构建和优化基准测试更强大的思想和范式。而动物，或许就是一个很好的灵感来源。比如：内在动机、乐趣、好奇心、赋能、多智能体自我博弈、文化等等。这需要我们发挥想象力
-
青春有Young｜当AI“进山”，我们看到乡村孩子的渴望与思考 当人工智能成为全社会炙手可热的话题，乡村地区的孩子会不会被人工智能抛下？人工智能，又可以为乡村孩子的教育生活带来哪些切实改变？今年，是我做有关乡村儿童公益活动的第十一年，身为湖南人，我去过湖南的不少乡村地区，见证了乡村的发展。这一次，我所在的上海交通大学组成了一支“AI进山记——乡村儿童人工智能接触与挑战”社会实践团（以下简称“实践团”），在7月10日-11日实地奔赴湖南省韶山市杨林乡，后续的访谈和调研也在进行中。我们想聚焦乡村儿童群体，通过实地授课、深度调研与访谈，了解乡村地区人工智能教育的现状、需求与困难，为弥合城乡“数字鸿沟”做出自己的努力。 实践团成员合影 。本文图片均为 赵晨媛 供图在我们看来，探讨乡村地区儿童能不能通过人工智能进行学习，不仅仅需要了解目前孩子们的技术接受程度，还需要考虑落地面对的困难和可行的方式。为了了解当地乡村儿童科技教育的社会支持体系，我们与多位教育工作者进行了访谈。根据他们的介绍，湖南在人工智能教育领域已有初步建设和发展，但在乡村地区的普及仍需重点考虑基础设施完善、专业人才队伍建设等关键因素。学校对科技教育有着迫切需求，但目前师生实际接触AI的机会仍然较少。比如，韶山市杨林乡已经有了人工智能结合思政课的尝试，基础设施、隔代教育等将成为人工智能教育落地的难点，建议可以积极使用原有的知识科普阵地，实现资源的有效利用。他们也强调了项目“持续性”的重要性，认为需要有完整、可落地的方案来确保长期效果。希望以我们的项目为契机，与高校、公益组织等多方力量建立联系，共同构建系统化的AI课程合作体系。跟教育工作者们的访谈让我回忆起，2024年夏天我去湖南安化平口镇探访，有户家庭父母在外务工，只有嫂子和一个初三弟弟住在乡村，房子里面光照暗沉沉的。就是在这样的环境下，那名学生却获得了市级数学竞赛的名次，他希望继续学习数理化，但乡村地区的教师资源有限，当时可以接触到的知识远少于、晚于市内的孩子。我在想，如果将基础设施搭建好，一些人工智能的资源可以倾斜到乡村，有天赋的孩子是不是可以得到更好的发展？ 实践团成员为湖南杨林乡当地的留守儿童们授课。无论如何，先从能做的做起。7月11日下午，我们实践团在杨林乡的一间会议室为当地招募的60名留守儿童带来了一场“AI启蒙课堂”。我们精心设计了课程内容，深入浅出地介绍了人工智能的基本概念、应用场景及其对未来生活的深远影响。这个过程中，也有些让我们意外的发现。授课中我问，“大家可以全部用人工智能做作业吗”，一名孩子，大概十岁左右，清楚地说：“不可以，这样我们会丧失自主学习的能力。”通过授课我们发现，孩子们对于人工智能是什么、大模型软件有哪些、该怎么平衡人工智能使用和自学等，居然已经有了基础的了解，在当地，孩子们对于人工智能知识接受程度相较于成人甚至更快。这也再次证明，将人工智能的知识带到乡村孩子们中间，有其必要性和落地的土壤。根据后续的访谈我们也看到，使用人工智能进行课程资料查找与作文修改，在学生当中是比较普遍的，学生们也非常希望了解人工智能技术的发展。对于城乡间的差距，他们是有感受度的，也很希望能够触摸到真正的人工智能产品。后来，我们还发布了乡村地区儿童人工智能使用情况的问卷，积极联系不同地区的乡村儿童进行访谈，还将进一步从儿童的角度推进更加完善和合适的人工智能课程，希望普及到更多的乡村地区。除了进行中部地区实地探访外，我们还在全国范围内收取乡村地区青少年调查问卷1937份，访谈了24名青少年，东部、中部、西部各8名。项目还没有结束，我们计划在九月初前往东部地区再进行实地调研。如此，通过课堂实践与田野调查相结合的方式，希望不仅将前沿的AI知识种子播撒在乡村孩子心中，更深入洞察了乡村人工智能教育的现实图景、迫切需求以及构建有效支持网络的关键要素。做这个项目时，我还常常想到十年前走进一所小学时的场面。当时，我们捐赠了微型图书馆，孩子们立马怀着期待捧起新书读，那些眼神似乎穿越了十年，落入了打开人工智能软件提问的孩子们的眼中。我想，不管是数字化的内容还是纸质的书籍，对于孩子们而言，能够最大程度地获取知识，就是一种希望和力量，而这，才是我们团队希望可以做到的。技术永远是服务于人的，看似冰冷的数字也是有温度的。教育不会也不应该抛下任何一个孩子，希望人工智能作为桥梁，让孩子们接触更多的知识，走到更广大的世界。（中国互联网发展基金会中国正能量网络传播专项基金资助支持项目，澎湃新闻记者邹佳雯对本文亦有贡献）
-
网传Instagram会通过手机麦克风录音来收集用户数据，Meta否认 IT之家 10 月 2 日消息，Instagram 负责人亚当・莫瑟里昨天通过个人账号澄清，Meta 并未偷偷“监听”用户以推送相关广告。长期流传的阴谋论认为，Meta 会悄悄开启用户手机麦克风录音，但公司此前已多次否认这一说法。据外媒 TechCrunch 报道，而在莫瑟里澄清的同时，Meta 宣布将利用用户与其 AI 产品的互动数据，在旗下社交应用上进行广告投放。换句话说，如果以前不需要通过录音就能精准推荐内容，现在“更不需要”。莫瑟里在 Instagram 上表示，他多次就 Meta 是否监听用户与人交流，许多用户都难以相信广告投放竟如此精准。他提到，就连自己的妻子也曾提出过类似疑问。很多人都有过这样的经历：你只是想到某个话题或产品，随后相关内容就出现在动态里，让人觉得 Meta 好像能“读心”。对此，Meta 多次予以否认，并解释其推荐系统无需录音就能精准运作。莫瑟里强调，如果通过录音收集数据，将是“严重侵犯隐私”的行为，但 Meta 并非一向以保护用户隐私为决策核心。事实上，Meta 并不需要“监听”用户就能了解偏好。2016 年，Meta（IT之家注：当时仍叫 Facebook）明确表示，不会使用手机麦克风决定广告或动态内容。几年后，扎克伯格在国会作证，再次否认公司为此收集音频数据。莫瑟里在 Instagram 上重申这一点。他指出，如果手机麦克风开启，用户会看到屏幕顶部的提示灯亮起，并且电量消耗会加快。莫瑟里解释，Meta 推荐系统的强大源于广告商合作，广告商提供网站访问数据，帮助 Meta 精准投放广告。同时，系统还会根据兴趣相似用户的喜好推荐内容。这套算法多年来让 Meta 收益丰厚。目前，Meta 将用 AI 来优化广告投放决策。如果以前人们觉得自己被监听，现在将更明显。Meta 表示，新隐私政策将于 12 月 16 日生效，在大多数市场允许使用用户与 AI 产品的互动数据作为信号。这比“喜欢这个的人也喜欢那个”的系统更强大，因为用户与 Meta AI 等聊天机器人交流时，会分享更多个人兴趣、想法和活动信息。莫瑟里还指出，有时超精准推荐并非全靠技术，而可能只是巧合或人类心理作用。“你可能在对话前就看过那个广告，却没注意到。滚动浏览时，我们快速刷过广告，有时会在脑中内化，这反而影响你之后谈论的话题。”
-
微软CTO：希望未来主要采用自研AI数据中心芯片，自主设计数据中心系统 微软首席技术官周三表示，该公司未来希望其数据中心主要使用自家芯片，而此举可能会减少其对英伟达和AMD等主要芯片厂商的依赖。半导体和数据中心内部的服务器，是支持人工智能模型和应用发展的核心基础。英伟达目前在该领域占据主导地位，其GPU市场份额遥遥领先，而竞争对手AMD则占据了较小的一部分。不过，包括微软在内的主要云计算公司，也开始为数据中心设计自有的定制芯片。微软首席技术官Kevin Scott在意大利科技周（Italian Tech Week）的一场炉边对话中对媒体介绍了公司在AI芯片方面的战略。目前，微软在自家数据中心主要使用的是英伟达和AMD的芯片。他对媒体表示，公司一直关注的是选择“每颗芯片提供的最佳性价比”。 “我们并不执着于使用哪种芯片……这也意味着，长年以来性价比最好的解决方案一直是英伟达。” “只要能确保我们有足够的产能满足需求，我们愿意考虑任何方案。” 与此同时，微软也已经开始使用自家研发的芯片。2023年，微软推出了专为AI工作负载打造的Azure Maia AI加速器芯片，以及Cobalt CPU。此外，据报道，该公司还在研发下一代半导体产品。上周，微软还发布了一项名为“微流体”（microfluids）的新冷却技术，旨在解决芯片过热问题。当被问到微软未来是否计划让自家数据中心主要使用微软芯片时，Scott回答：“绝对是的。”他还补充说，公司目前已经在大量使用微软的芯片。Scott表示，微软关注芯片发展，是希望最终能够设计出完整的一套数据中心系统。 “这不仅仅是芯片的事，而是整个系统的设计。包括网络和冷却系统。你必须拥有足够的自由，去做出你需要的决策，从而真正让计算资源与工作负载高度匹配。” 微软以及其竞争对手谷歌和亚马逊都在自研芯片，不仅是为了减少对英伟达和AMD的依赖，也是为了让产品在满足自身特定需求方面更加高效。算力仍短缺 包括Meta、亚马逊、Alphabet和微软在内的科技巨头，今年已承诺超过3000亿美元的资本支出，其中大部分都投向了人工智能领域，以应对不断高涨的AI需求。Scott指出，目前依然存在算力不足的问题。 “说现在是严重短缺（a massive crunch）都还是轻描淡写。我认为自从ChatGPT上线以来，我们就一直处于一个几乎不可能快速扩充产能的状态。” 微软一直通过建设数据中心来扩大产能，但Scott警告说，这仍不足以满足需求。 “即便是我们最激进的预测，也常常被证明是不够的……过去一年我们部署了惊人的计算资源，接下来几年还会更多。”
-
微软宣布将AI服务整合入Office，与ChatGPT正面硬刚 媒体报道，微软公司正将其面向消费者的人工智能订阅服务整合进Office产品中，押注Office的广泛使用度将帮助公司在与OpenAI的ChatGPT竞争中占据优势。微软周三宣布，将推出一项价格更高的Microsoft 365新订阅方案。该方案将在现有的Word、Excel、Outlook和其他Office应用基础上，新增集成聊天机器人和图像生成等AI功能。微软消费者部门的首席营销官Yusuf Mehdi在接受媒体采访时表示，目前正在付费使用Copilot Pro聊天机器人的用户，未来将被转移至这一新方案中。Copilot Pro目前是一款基于手机和网页的服务。自与OpenAI建立合作关系以来，微软一直在迅速将AI功能融入其产品线。但这两家公司现在越来越多地在争夺用户。目前，微软推出的个人版Copilot应用正面迎战市场领导者ChatGPT。与此同时，OpenAI也在不断拓展其在企业市场的影响力，而企业客户正是微软营收的主要来源。今年1月，微软开始向个人用户提供AI功能，并对原Office套件的订阅价格进行了上调。但用户在尝试如图像生成或编辑等功能时会遇到使用限制。微软新的“Microsoft 365 Premium”高级方案将定价为每月19.99美元，比ChatGPT Plus和即将停用的Copilot Pro便宜一美分。该方案将包含微软的AI研究助手功能、更多的图像生成次数，以及其他已提供给企业客户的工具。对于公司未购买Copilot服务的用户，高级订阅用户也可以将这些AI功能带入工作环境，例如用Copilot编辑文档或整理邮件。Mehdi表示： “现在有这么多人把AI带入工作，而我们终于有了一个我认为对他们来说更好的产品。” 微软将继续以每月10美元提供标准版Microsoft 365个人订阅，或每月13美元的家庭方案。微软向企业客户销售的生产力软件版本不会受到此次变化影响。Mehdi表示，微软目前约有9000万名付费个人用户订阅Microsoft 365。不过，他拒绝透露有多少人正在为Copilot Pro付费。
-
国庆第一天，我被OpenAI的新APP硬控了 说起来你们可能不信，国庆假期的第一天，我刷了一整天的短视频。。。不过我刷的并不是抖音或者快手，而是 OpenAI 今天推出的新 APP。 这么说吧，这玩意在内容形态上看，活脱脱就是 AI 视频纯享版的抖音。无论是什么宝可梦奶龙，使出宝宝肚肚打雷的技能，硬刚赛亚人。还是山姆·奥特曼，用物理方式把谷歌 Veo 3 炸个稀巴烂。甚至是让 Jesus 直播《 我的世界 》，再现造物全过程。。。 你能想到或者想不到的画面，都能在这儿直接生成 AI 视频，并且通过短视频的形式，在平台上分享互动。 你要是上传非 AI 的真人视频，反而可能会被网友们抵制。只能说这 APP 的货真太纯了，我已经好久没遇到，这么容易让人上瘾的 APP 了。 而这 APP 背后的更多故事，则要从今天凌晨说起。是的，就在大伙们刚开始享受国庆假期的时候，OpenAI 偷袭了一波 AI 圈，在凌晨一点直播发布了他们的新模型 Sora 2。直接看他们官方的演示。我只能说，我是真的分不清这花花世界，到底是假是真了。。。因为之前的老模型，会经常扭曲物理定律，动不动就去踹两脚牛顿的棺材板。而这一次，至少从官方的视频看，Sora 2 堪比是物理特长生。无论是跳水的水花，还是翻跟头的人，毫无违和感。 包括在可控性方面，也提升了一大波，像是这种多镜头视角转换，画面已经稳定。并且音效配得也让人挑不出啥大毛病。在视频的质感上，也是真没得说。。。我要是说这视频，是某好莱坞电影的片段，不少人应该都会上钩。不过这一次，Sora 2 并没有像其他视频大模型一样，单纯只发个模型，或者最多集成一下视频剪辑工具。而是之前外媒爆料的类似，Sora 2 将以“ AI版抖音 ”的形态出击。OpenAI 直接官宣了一款名为 “ Sora by OpenAI ”的全新社交应用。而这，就是文章前面介绍的，让我上瘾刷了一整天的新 APP 。 按照他们官网的说法，这 APP 今天开始在美国和加拿大进行初步推广，并计划迅速扩展到其他国家和地区。但实际上，靠着邀请码裂变，今天全网基本都已经在疯玩这 APP 了。江江也是第一时间去试用上手了一波，毕竟之前充过 OpenAI 200 刀一个月的会员，奥特曼给个内测资格不过分吧。 而整个使用的过程，也相当简单。在第一次进 APP 时，咱就可以直接先上传自个的形象，步骤有点像支付宝、或者是银行 APP 的视频认证。上传好资料，到认证成功，大概一分钟左右就足够。 在 APP 中，可以直接文生视频、可以在其他视频里加料。比如我就用刚刚上传的个人资料，生成一个偷金毛狗狗粮的 AI 视频。也可通过“ 客串 ”功能将自己或好友一起塞到视频里。相当于用你或者你朋友的数字分身，开脑洞让 AI 生成各种视频。我也直接拉了山姆·奥特曼，让他签协议把 OpenAI 转让给了我。 甚至还和奥特曼打起了篮球。包括在产品设计上，也有一些小巧思。比如说，APP 就有一个自定义模式，咱们可以输入自个想看哪个类型的内容，平台就会给你推送相关的视频。 又比如双击屏幕点赞视频的时候，会出现一些对应的可爱小图标。像是机器人相关视频，点赞就会跳出机器人的 emoji ，皮卡丘相关的，就会出现电⚡⚡。 总而言之，除了没有美颜和各种滤镜，这是一个完成度相当高的 AI 视频社交 APP 了。也有让我比较遗憾的点，比如在 APP 上是没法调整画质的，只能默认生成 480P 或者 360P 清晰度的短视频。所以真正满血版 Sora 2 到底是啥水平，可能还得鸽好长一段时间才能用得上。 而在另一方面，其实 AI 和视频平台的结合，也早就不是什么新鲜事儿了。谷歌 Veo3 和 Youtube 也在打通，甚至有传言 Veo4 马上也要亮相了，而 Meta 也在他们的 AI 应用中上线了短视频功能，包括字节的剪映中，也有越来越多AI功能加入。只能说 OpenAI 的新 APP ，可能会和这些社交和视频领域的老巨头们正面竞争。不过，对Sora APP 这个短视频社交平台的形态，我觉得还是有无限可能的。就像 OpenAI 官方的介绍，2024 年 2月份 Sora 刚刚问世的时候，算是视频模型中的 GPT-1 时刻。而一次的 Sora 2，在他们的眼里，则很可能是视频领域的 GPT-3.5 时刻。 之所以这么说，我觉得不仅仅是因为模型能力上的提升。当时 GPT-3.5 的爆火和大模型的出圈、乃至整个科技圈的疯狂，其实和 ChatGPT 这个最初的非商业化导向的Chatbot Demo 相关。是 Chatbot 这个产品形态，让 ChatGPT 和大语言模型从实验室、或者是专业人士手里的工具，走进了真正的普罗大众。大伙们也在 ChatGPT 这个 Demo 产品中，发现了生产力工具、生活陪伴、知识获取等等价值。所以如果没有 ChatGPT 这个接地气的产品形态，大模型肯定也会火，但估计得晚几年。 同样在视频大模型领域，大家都认可它的未来，但在过去，一直就少了一个类似 ChatGPT 这样能让大众玩起来的产品。同样，Sora APP 也很明显不是专门给 AI 从业者、视频内容产出者设计的。它很巧妙地用短视频社交的产品形态，让大众单纯觉得这个好玩，就下载试用了。把使用门槛降低，让所有人都有能力参与到 AI 能力使用和探索过程中。 这何尝不是一种把寻找PMF（Product Market Fit 产品和市场达到最佳的契合点）的任务，外包给广大普通大众的一步棋？所以Sora APP 的定位，或许不仅仅只是“ AI 版的抖音 ”，而是一个视频版的“ ChatGPT "。 最后回头想想，去年我们同事还在吐槽 AI 视频太鬼畜，今年公司的后期团队，已经在日常使用AI了。去年年初 Sora 才初亮相，今年就已经遍地是视频大模型了，甚至到今天，还要单独给 AI 视频出个社交 APP。也只有AI圈儿，有这种速度和变化了吧。也希望 AI 能慢一些走，停下飞驰的车轮，等等你的用户们，毕竟一堆 AI 产品我还没等来邀请码，就已经快要被淘汰了。撰文：小文爱 AI编辑：江江&面线美编：江江图片、资料来源：OpenAI官网Sora官网
-
王腾快手被封禁、抖音已私密 此前因泄密被小米开除 10月1日，记者搜索发现，王腾的快手账号显示已被封禁。 搜索结果显示王腾账号已封禁其抖音账号已设为私密账号。 王腾抖音账号已设为私密账号视频号、小红书账号已清空内容。此外，微博账号正常显示。 王腾视频号、小红书账号已清空内容据报道，9月8日晚，小米公司通报对中国区员工王腾的违规违纪行为处理结果，查明中国区市场部员工王腾，泄露公司机密信息，且存在利益冲突等严重违规违纪行为。根据《小米集团员工违规违纪行为处理办法》《小米集团诚信廉洁守则》等制度规定，公司决定给予王腾辞退的处分。（此前报道：小米通报：王腾因泄露公司机密信息被辞退！王腾本人发文道歉） 王腾发布微博回应被小米辞退随后，王腾发布微博回应被小米辞退：很惭愧跟大家说声抱歉，过去犯了一些错误，接受该有的代价。 王腾再发文回应被小米辞退9月9日，王腾再发文回应被小米辞退，其表示没有窃取公司机密出售，没有收人钱财。有失职行为，在深刻反省中，但没有做违法行为！（此前报道：王腾：没窃取公司机密出售，没收人钱财！此前被小米通报“因泄露公司机密信息被辞退”）据悉，雷军早前曾在直播中公开点名王腾泄密，称“小米有保密制度，除了我们腾总（王腾）动不动泄密，被罚款以外，我的口碑还是可以的”。此外，雷军和王腾一起拍视频介绍新产品时也曾当面对王腾说，“你这次一定要保密。”今年6月19日，小米公关部总经理王化发文透露，其收到了需要单独签署的保密协议，“看来，保密办已经把我列为防护对象。都怪你们经常套我话，我去看看王腾收到没。”王化随后回复称“他（王腾）也收到了”，评论区大量网友调侃王腾“经常泄密”。 2016年，29岁的王腾加入小米公开信息显示，2016年，29岁的王腾加入小米。2020年3月，王腾加入REDMI产品团队，任REDMI产品总监一职。2021年11月，王腾轮岗到小米公司河南分公司任职。2023年8月，王腾结束轮岗回到小米北京总部；9月，任REDMI品牌发言人、REDMI市场部总经理。2024年2月3日，王腾任REDMI品牌总经理为小米中国区市场部总经理，REDMI品牌总经理。综合｜ 九派新闻 红星新闻此前报道小米高管王腾被辞退 曾被雷军点名"动不动泄密"9月8日，据新京报报道，小米公司中国区市场部员工王腾，泄露公司机密信息，且存在利益冲突等严重违规违纪行为。根据《小米集团员工违规违纪行为处理办法》《小米集团诚信廉洁守则》等制度规定，公司决定给予王腾辞退的处分。根据公开资料显示，2016年王腾加入小米；2019年任手机部产品部总监；2020年3月，王腾加入REDMI产品团队，任REDMI产品总监；2021年11月，王腾轮岗到小米公司河南分公司任职，负责河南的市场销售工作；2023年9月11日，王腾通过其个人微博宣布，在结束两年线下轮岗后重新回到小米总部，已担任REDMI品牌发言人、REDMI市场部总经理；2024年2月3日，王腾任REDMI品牌总经理。2024年5月8日，小米发布相关人事任命，王腾担任中国区市场部副总经理兼REDMI市场部总经理，分管电商市场部和零售市场部，向中国区市场部总经理许斐汇报；并继续兼任REDMI品牌总经理，向集团总裁卢伟冰汇报；2024年12月31日，微博认证显示，王腾升任为小米中国区市场部总经理，并兼任REDMI品牌总经理。但是在担任中国区市场部总经理不到十个月，王腾因严重违规违纪在小米公司黯然退场。王腾自己也发布微博回应“很惭愧跟大家说声抱歉，过去犯了一些错误，接受该有的代价。”红星新闻记者注意到，王腾曾多次在小米公司宣传视频中被点名“泄密”，2024年8月的一场直播中，雷军就曾提到：“除了我们滕总(王腾)动不动泄密被罚款以外，我的口碑还是可以的。” 华中科技大学官网上有关王腾的介绍在华中科技大学的官网上，至今能看到有关于王腾的资料页面。相关网页中介绍，王腾表示，他毕业于华中科技大学，语文和英语成绩一般，但数学还可以，当年考了148分，高考总分668分，比当年一本分数线还高出60多分。红星新闻记者 钟梦哲编辑 张波
-
将人分为"安卓人"和"苹果人" 网红户晨风账号全网封禁 9月30日晚，极目新闻记者搜索发现，网红户晨风全网账号被彻底封禁，且无法通过搜索找到账号，账号主页已无法查看信息。此前，该博主在微博、抖音、哔哩哔哩等社交平台的账号仅遭到部分功能限制。 户晨风微博账号截图其微博账号页面显示：该账号因被投诉违反法律法规和《微博社区公约》的相关规定，现已无法查看。账号头像变灰，关注及粉丝数量清零。 户晨风抖音账号截图抖音账号页面显示，该用户因违反相关法律法规和政策，已被禁言。账号头像变灰，昵称变为一段数字。 户晨风哔哩哔哩账号截图哔哩哔哩账号则直接搜索不到。 图为网红户晨风据了解，网红户晨风此前曾多次发表对立言论，将人群与“安卓手机”和“苹果手机”挂钩，并挑动对立情绪。9月30日，“浙江宣传”发布评论写道：要纠正“苹果人”与“安卓人”带来的认知扭曲，关键在于压实网络平台的主体责任，不能让标签化的撕裂成为暴力起号、流量变现的路径依赖。唯有让制造对立者无利可图、寸步难行，才能从根本上引导内容创作回归理性与真诚，共同守护清朗有序的网络空间。来源 | 极目新闻延伸阅读媒体:户晨风、张雪峰、蓝战非"3连封" 给网红敲响警钟近期，“网红圈”有点不太平静：继网红户晨风在抖音、微博等多个平台账号被封禁之后，知名高考志愿导师张雪峰的微博、抖音、快手、B站及小红书平台的社交账号出现异常，千万粉丝网红蓝战非抖音、小红书、B站账号主页也显示“该用户被禁止关注”。三名网红，都是什么人？户晨风，提出“苹果精英论”。他将手机品牌、学历等与社会地位挂钩，贬低安卓用户和国产货，通过贴“苹果思维”和“安卓思维”的标签，无差别攻击普通人。张雪峰，多次在直播中使用争议性言论，如曾公开表示新闻专业就业面窄、收入较低，“闭着眼睛报一个专业都比新闻好”“孩子非要报新闻学，我一定会把他打晕”。 张雪峰多次在直播中使用争议性言论蓝战非，在直播中透露收入潜力及资产状况，自称若全力投入商业化运作，年收入可达九位数，宣扬“不结婚便不破产”“无家庭负担可随意花钱”等观点。 蓝战非在直播中透露收入潜力及资产状况这几名网红的个人账号连续出现问题，虽然原因不明，处罚力度也不同，但结合最近网信部门重点整治“破坏网络生态”的动向来看，这大概率是一次针对网红的集中整治。某种程度上，这正是如今网络生态的一角。有的利用消费符号制造社会割裂，将商品异化为身份标签，长期煽动对立与歧视；有的把一些复杂的教育选择简化为“就业成败”的二元判断，制造情绪焦虑；有的将“炫富”当作成功的唯一标识，宣扬“拜金主义”，鼓吹“奢靡之风”。事实上，有太多网红深谙互联网传播之道——利用极端叙事，将本就存在分歧的观点推向对立的两极，刺激用户参与争论、转发扩散，进而实现流量的指数级增长。也有人不理解，比如有声音认为张雪峰是“普通家庭的嘴替”，是“穷人孩子的报考救星”。不可否认，张雪峰的一些言论，代表了一类群体的看法，某些话题也有延展思考的空间。但具体在实践层面上，却表现为非黑即白的“暴论”。比如所谓的“劝人学医，天打雷劈”“金融圈要颜值能喝酒”“文科都是服务业”等，可谓“语不惊人死不休”“一言不合就抬杠”“一竿子打死一船人”。这样的表达方式，只会带来过度反应，而绝无温和讨论的可能。网络发展极大地改变了媒介格局，每一个人都可以传递原生态的社会情绪、诉求和意见。一个健康良好的网络舆论生态，容纳得下多元多样的声音，但绝不该成为负面情绪的“垃圾堆”、极端言论的“角力场”。最近，中央网信办部署开展“清朗·整治恶意挑动负面情绪问题”专项行动，着力整治挑动群体极端对立情绪、宣扬恐慌焦虑情绪、挑起网络暴力戾气、过度渲染消极悲观情绪，就体现出明确的针对性。在此背景下，对一些账号的多平台处理，无疑是对拥有巨大社会影响力的知名网红的一次严肃惩戒，也为很多网红和公众人物敲响了警钟：在追求表达个性与传播效果的同时，必须严守法律法规与平台规则，共同构筑良好的网络生态环境。
-
淘宝闪购，三城开“团” 今天是黄金周的第一天。中国的十一假期，是全球罕见的大规模集中出行场景，今年又恰逢中秋与国庆再度相遇形成的8天超长假期，预计将有数以亿计的中国人通过铁路、民航、公路等多种方式开启假期旅程。这个十一，除了常见的旅游和餐饮热，全行业的视线正投向一个新动向：淘宝闪购正式上线到店团购，初期在上海、深圳和嘉兴三城试点。团购不是新模式，经过十余年发展，它已深度融入电商生态。但淘宝闪购的入局，为原本相对固化的本地生活市场注入了新的变量。这意味着用户有了更多比价和选择的空间，商家也获得了更多议价能力和渠道选择。用户买得省，商家赚得多，平台链得牢。这场三城开“团”，隐含着淘天在本地生活版图上的新野望，也标志着淘天从即时到家迈向到店团购的关键战略落子。黄金周试炼场“淘宝闪购团购来了。”9月20日，淘宝闪购到店团购业务上线，嘉兴多地的沿街大屏上，活动海报循环滚动播放。在同为试点城市的上海和深圳，“出门用淘宝闪购”的广告灯箱、电子屏点亮了多个繁华的核心商圈和人流密集的交通枢纽。社交媒体平台上，第一批探店博主已经开始安利团购省钱攻略：“10.1-10.8，0.01元抢单！错过这次真的要哭！”淘宝闪购到店团购业务上线的第12天，十一黄金周假期正式开始。经过10余天的磨合，到店团购的购买、核销流程已经丝滑顺畅。参与团购的餐饮商家们也已厉兵秣马，准备迎接客流高峰。他们期待这波由淘宝闪购、支付宝、高德App三端汇聚而来的线上流量，转化为实实在在的到店消费客流。 自今年4月底，淘天旗下即时零售业务“小时达”升级为“淘宝闪购”以来，市场对淘宝闪购何时发力到店业务的猜测就从未停止，并在9月10号高德地图宣布推出“扫街榜”之际达到顶峰。整整十天后，靴子才终于落地：淘宝闪购正式启动到店团购业务，涵盖茶饮、甜品、正餐、自助餐及城市特色小吃等多个餐饮品类。除淘宝闪购外，这批团购商品还在支付宝、高德地图App等多个入口同时上架。到店团购业务推出的试点城市经过了精挑细选。从地缘禀赋来看，上海、深圳和嘉兴，这三城一为国际消费中心，一为粤港澳大湾区枢纽，一为长三角产业和人口流动节点，叠加十一餐饮出行高峰，堪称天然的试炼场。淘宝闪购意图明确：在以8天超长假期为“纵轴”，三座人口密集、流动性强的一二线城市为“横轴”的象限内，圈画出一个理想的时空沙盘，验证到店团购业务的潜力和边界。最先体验淘宝闪购到店团购优惠的，是那些价格敏感，又追求品质的用户。家住深圳福田的蒋琪在淘宝闪购点外卖时，发现频道内新增了“到店团购”入口。经验告诉她，平台推出新业务时，供给通常有限，“慢慢地才会丰富起来”。然后，在一番浏览后，团购选择的丰富度和优惠力度都大大超出了她的预期。在淘宝闪购的到店团购频道内，有火锅、烧烤烤肉、地方菜系、异域料理、饮品面包等10个分类。蒋琪发现，上线的团购商家中，既有陶陶居、奈雪的茶、尊宝披萨、蛙来哒、农耕记等连锁品牌，也有不少烟火小店，几乎每一个分类下都有步行可至的商家，且优惠力度可观。例如，陶陶居推出的广府粤味特色双人餐，团购价178元，相当于原价的6.9折；尊宝的苏丹王榴莲披萨2人餐，团购价43.9元，仅为原价4折。更有LINLE林里柠檬茶“招牌三选一”到店套餐，仅需要0.01元的超值限量爆品。 除深圳外，上海与嘉兴两座试点城市也有多家知名餐饮品牌瞄准“十一”黄金周的出行客流，同步上线了淘宝闪购到店团购套餐。雪豹财经社了解到，在上海，popeyes、桂满陇、许府牛、楼下酸奶等品牌都贴出了“出门用淘宝闪购，团购再减15元”的海报；在嘉兴，当地的爆款餐品如游萬才、黔家婆等，同样推出了优惠力度可观的团购套餐，力图在假期消费高峰中抢占先机。团购商品在淘宝、支付宝和高德地图三端同时上架，带来的是多元场景下的用户导流：有人从地图找餐厅，有人从淘宝搜索团购券，也有人在支付宝支付场景中自然触达。目前淘宝闪购月活已达3亿，支付宝月活10.4亿，高德地图日活1.7亿，三端流量同时注入，三个超级App的差异化使用场景和用户群，相当于为线下商家开启了加速获客引擎，是一次兼顾获客和利润的增量机会。而对淘宝闪购来说，黄金周8天假期为到店团购提供了理想的观察和测试窗口。从消费人群的画像看，首批试点的上海、深圳和嘉兴，一个是衍生出了“沪币”概念的高消费超一线城市，一个是常住人口平均年龄仅有32.5岁的移民城市，一个是线上消费活跃，餐饮包容度高的卫星城市。三个城市如同三个功能各异的试验场，能帮助淘宝闪购在将到店团购推向全国之前，以最小成本完成商业模式验证，并快速提升整个业务链条的成熟度。三座城市截然不同的地缘禀赋、人口画像和消费特点，已经可以形成一个能够全面检验新业务模式的“最小化可行市场”。随着首批合作商家陆续迎来核销高峰，淘宝闪购的到店团购从三城试点扩展至全国规模，已只是时间问题。到店团购，水到渠成淘宝闪购相关负责人曾将到店团购称为“水到渠成的业务发展”。做到店团购，淘宝闪购不是白手起家。阿里在本地生活领域十余年的深耕，已为到店业务积攒了足够的家底。淘宝闪购在4个月时间日订单峰值突破1.2亿单，月活用户超3亿的极速增长，也成为到店业务开展的底气。到餐和外卖业务本就是相生关系，对应着同类用户在不同时空场景下的消费需求。外卖作为餐饮消费的高频刚需，符合一人食或简餐需求，到店餐饮相对低频，但承担了一定的社交属性。同一商家外卖和堂食用户的高度重合，决定了外卖业务的规模增长，必然会催生堂食就餐的团购需求。而对商家来说，到店团购的优惠能直接带来客流与收入，规模效应还能进一步摊薄边际成本，利润提升立竿见影。特别是已接入外卖的商家，到店业务可复用现有资源，新增成本近乎为零。由于不涉及履约环节，商家成本更低，客单价通常更高，前期积累的外卖客源进一步转化为到店客流，将撬动一条全新增长曲线。亿级用户多场景消费需求和百万商家线下拓客的意愿，会自下而上地推动平台开拓到店业务，也就构成了淘宝闪购“水到渠成”走向到店团购的内在逻辑。顺势发力到店业务，淘宝闪购的先天禀赋也得以最大化展现。首先是存量资源的复用。闪购业务积累的超百万商家，可无缝迁移至到店业务中，线下BD团队采用原班人马，也最大程度降低了沟通对接成本。其次是大数据赋能。团购不是新模式，其核心的“集采优惠”逻辑是传统的商业策略，网络只是提升了聚合效率，其本质仍是通过线上化来实现更高效的人货匹配。作为一款拥有近10亿月活的国民级App，淘宝拥有海量、多维的用户消费行为数据，据此描摹出的人群画像，与不同商圈、价位和风格的餐饮商家进行供需匹配后，可以更精准地推荐触达，优化营销效果。最后，到店团购商品采用了“一套供给，多端分发”的模式，在淘宝闪购频道、支付宝卡包神券频道、高德地图商家详情页等都有入口。这种多端布局覆盖了用户“逛买-支付-出行”的全链路消费场景，使得用户无论在淘宝购物、用支付宝付款还是在用高德地图导航时，都能无缝触达团购服务，提供了更丰富的触点，将分散在不同平台的消费需求加以整合，有助于实现跨场景流量协同。淘宝、支付宝、高德地图三个App，虽然各自的功能都早已包罗万象，但每个用户都有自己的高频使用场景，三端入口并行，用户可以依循过往使用习惯，无需切换App即可自然触达新功能。这一“服务找人”的策略，最大化收窄了因跳转或适应新界面可能造成的用户流失漏斗。从单个业务线的角度看，由“即时配送”延伸至“到店核销”，形成了一个消费场景闭环。若从生态视角来看，到店业务将流量、数据、商家资源、支付和地理位置服务等多要素重新整合，是淘宝又一次成熟的协同作战。而这套“生态型”打法，也是淘宝闪购未来在本地生活领域构建差异化优势、实现高效扩张的制胜武器。市场需要“鲶鱼”互联网从不缺少竞争。从游戏、社交、在线广告，到打车、货架电商、即时零售，移动互联网的战场不时有硝烟升腾。挑战者总会掀起波澜、重塑格局、推动进化。过往经验也证明，虽然每一轮激烈的商战过后，市场都会达到短暂的均衡，进入一段平静期，但竞争才是常态，也是行业进步的第一推动力。每一次新玩家入场，在打破旧格局的同时，总会做大市场蛋糕，优化服务体验，倒逼所有玩家精细化管理、强化内功。市场需要鲶鱼，而淘宝闪购的“三城开团”，可能正是搅动本地生活江湖的第一击。2022年，美团在到店市场一枝独秀，到店业务GMV为千亿级别。这一年，抖音开始发力到店业务，快手也通过“快手小店”支持到店餐饮等交易，全新的消费场景和流量玩法激发了潜在需求，带动行业到店业务GMV在次年冲破万亿量级。在淘宝闪购到店团购上线之前，美团+抖音的双寡头格局持续已久。但稳态不意味着饱和，淘宝闪购下场，让到店战场有了新可能。对增量的挖掘是最显性的。现阶段，到店业务不是零和博弈，而是增量竞争。根据浙商证券测算，2023-2028年，到店市场规模CAGR为13.7%，预计2028年市场规模将达到5.4万亿元。阿里系三端流量的充沛供给释放给到店业务后，在生态协同效率的加持下，有望链接更多商家和消费者，为其带来更多选择。而一旦到店团购业务与阿里生态深度结合，存量用户的需求潜力也会被激发。比如，基于电商消费数据与LBS数据做出的精准推荐，会改变行业传统的流量分配逻辑，实现线上对线下的反哺。一个可能的典型场景是，在天猫超市购买了火锅食材的用户，有更大概率对火锅团购感兴趣；一个有母婴产品消费行为的用户，更有可能选择亲子友好餐厅。因此，一张团购券在哪里买，不仅取决于平台货品货盘供给的丰富度、团购商品的性价比，也将取决于用户需求洞察的精准性、供需匹配的契合度，以及评价体系的真实性等多方面构建的综合消费体验。在商家侧，渠道选择增加后，餐饮商家对单一平台的依赖降低，话语权增强。平台能在多大程度上为商家赋能，帮助商家减低库存、优化商品组合和营销策略，提升数字化运营能力，可能成为商家选择入驻平台的新标准。更进一步，当巨头的核心业务开始交叉、融合，业务边界越来越模糊，未来到店市场的竞争，或将升级为生态系统的协同效率之争。在购买换季衣物时随手囤一张奶茶券；在导航去和朋友聚餐时，顺便下单一份目的地餐厅的双人套餐券……平台基于对用户当下场景的深度理解，将消费决策自然嵌入用户已有的行为路径中，提供润物细无声的服务，或许才是未来留住用户的关键。结语短期的折扣能带来一时的热闹，但长期的价值才决定格局。消费的本质，是人群与场景的匹配。淘宝闪购将团购嵌入购物、支付、出行的日常高频场景，不只是一次简单的流量重构，它看似细微，却可能重塑用户的消费路径。当用户习惯被重新锚定，商家供给被不断丰富，这条链条会被拉长、加厚，进而孕育出新的行业能量。中国的本地生活市场仍处在快速扩容阶段，留给后来者的空间并未封闭。淘宝闪购选择在此刻切入“到店团购”，瞄准的正是用户希望“花得更值”、商家渴望“赚得更稳”的核心需求。对消费者而言，这是一次更省更便利的体验升级；对商家而言，这是一次更低成本、更高利润的增量尝试；对行业而言，这是一个增量空间持续释放的过程，它不仅是淘宝闪购的机会，也是产业链的一次跃迁。消费，始终是中国经济最具韧性的力量。本地生活的战场看似日常，却关乎数亿人的饮食选择和万千商家的生意兴衰。随着供给与需求的耦合愈加紧密，一个更开放、更高效、更可持续的市场格局正在成型。最终受益的，不只是平台与商家，更是被重新定义的消费体验。作者 | 于米
-
马斯克将推xAI驱动的百科平台Grokipedia，声称准确性超过维基 IT之家 10 月 1 日消息，马斯克昨晚通过自家的 X 平台公开表达了对维基百科的不满，并宣布即将推出“由 AI 驱动的新百科全书 Grokipedia”。 马斯克表示，该产品将由 xAI 负责开发，并声称其准确性和中立性会超越维基百科。同时，此项目将与其“理解宇宙”的更大愿景紧密相连。 马斯克是在 X 上回应投资人戴维・萨克斯时作出的上述表态。“我们正在 xAI 构建 Grokipedia，它会比维基百科好得多。坦率地说，这是实现 xAI 理解宇宙目标的必要一步。”马斯克计划将 Grokipedia 的成果开源，不过项目的具体细节尚未披露，例如发布时间、技术架构，以及如何防范 AI 本身的偏见。据IT之家了解，早在几周前，马斯克就暗示过这一方向。他曾表示 xAI 聊天机器人 Grok 能通过删除错误信息并利用合成数据进行修正来“重写维基百科”，而 Grokipedia 正是这一思路的延伸。
-
OpenAI发布Sora 2模型：支持AI音频生成 9月30日，OpenAI宣布推出新一代视频生成模型Sora 2，该模型首次支持与画面匹配的AI音频生成。Sora 2的发布标志着视频生成技术在物理模拟、真实感和可控性方面的显著提升，能够处理复杂的动作场景并遵循物理规则。OpenAI同时推出了一款名为Sora的iOS独立应用，该应用让用户能够通过“入镜”（Cameo）功能，将自己或好友置入生成视频中。Sora应用的API将在数周内上线，面向第三方开发者开放，安卓版Sora应用目前仍在开发中。Sora 2免费向所有用户开放，但有使用次数限制；ChatGPT Pro用户可使用更高画质的“Sora 2 Pro”模型；ChatGPT Plus用户与免费用户一样，不额外享受升级权益。美国和加拿大的ChatGPT用户将率先体验Sora 2和新应用，随后将逐步扩展至其他国家和地区。
