1、亚马逊入局ChatGPT大战：发布Titan大模型、AI编程助手全免费
淘宝搜：【红包到手500】领超级红包，京东搜：【红包到手500】
淘宝互助，淘宝双11微信互助群关注公众号 【淘姐妹】
今日看点：
亚马逊入局ChatGPT大战：发布Titan大模型、AI编程助手全免费
Meta推出新产品，可将涂鸦变动漫
会话推荐新模型Atten-Mixer来了：能高效利用多级用户意图
OpenAI CEO Sam Altman ：没有在训练 GPT-5
一夜之间，亚马逊来了个「弯道超车」。在全球各大科技巨头都在拥抱如今最火的大模型、AIGC 的时候，亚马逊给人的印象只有一个：隐身。虽然 AWS 一直在为 Hugging Face、Stability AI 等大模型明星公司提供机器学习算力，不过亚马逊很少透露合作的细节。有网友曾统计，在过去一段时间的财报财报会议上，亚马逊提到 AI 的次数几乎为零。但如今，亚马逊的态度发生了巨大的变化。近日，亚马逊首席执行官安迪[gf]30fb[/gf]贾西（Andy Jassy）发布了 2022 年度股东信，称他对亚马逊能够控制成本并继续投资于新的增长领域充满信心。他在信中 biaoshi，亚马逊未来将大力投资当下十分火爆的大型语言模型（LLM）和生成式人工智能（AI）领域。贾西表示，在过去的几十年里，亚马逊在各种应用中使用机器学习。该公司现在正在开发自己的大语言模型，其有可能改善「几乎所有客户体验」。话音未落，亚马逊的大模型及服务就被揭开了面纱。
参考资料：【【网址】】/s?id=1763133190241559117
Meta推出了一个全新的AI系统，可以把我们随手在纸上画的涂鸦变成活灵活现的动漫。小时候就幻想过自己笔下的人物能跳出纸张动起来，而Meta帮我们实现了这个美好幻想。而
实现的过程也没那么复杂。Meta有一个包含18万张的日常随手绘画的数据集，还有一整套动画的代码。而该数据集也是全球首个以涂鸦这种艺术品为特征的带注释数据集。
这里有一个概念要搞明白。人们通过绘画来表达自己这点不假，但是绘画和绘画也是有不同的。对于AI来说，重要的是学习。如果没有含义明确的表达，那么对AI来说学习起来就会比较困难。所以才有了这么一个18万张涂鸦的大数据集。有了这么一个数据集，研究人员就可以开发出相应的工具，更容易、准确地分析不同涂鸦中的内容。
其实，早在2021年底，Meta就发布了他们开发的动画图画演示，并在互联网上邀请用户上传各自的图片。然后，用户就会收到一小段由自己上传的绘画中人物的动画。据统计，当时有大约320万人访问了该网站，上传了大约670万张图片。之后出于质量和隐私的考虑，Meta的人类审查员对这些图片进行了筛选。当时，Meta只能做到让涂鸦中的人物做一组简单的动作，用户们反馈说希望能上线更多功能。比如能让包含多个人物的涂鸦作品也动起来，又比如让涂鸦人物做一些更高难度的动作，或者眨眨眼什么的。而像下图中，这些能蹦蹦跳跳的GIF图片，则是在Meta开放源代码以及数据集之后，产品创造性和教育性目的扩展的一个例子。
参考资料：【【网址】】/s?id=1763139706908602225
推荐系统作为一种智能化的信息过滤技术，已在实际场景中得到广泛的应用。然而，推荐系统的成功往往建立在大量的用户数据之上，而这些数据可能涉及用户的私密和敏感信息。在用户信息受到隐私保护限制或无法获取的场景下，传统的推荐系统往往难以发挥良好的效果。因此，如何在保证隐私安全性的前提下，构建可信赖的推荐系统，是一个亟待解决的问题。近年来，随着用户对自身隐私的重视程度不断提高，越来越多的用户倾向于在使用在线平台时不进行登录操作，这也使得匿名的基于会话的推荐成为一个重要的研究方向。近日，来自香港科技大学、北京大学、微软亚研等机构的研究者提出了一种高效利用多级用户意图的新模型 Atten-Mixer。研究论文获得 WSDM2023 最佳论文荣誉提名。基于会话的推荐 (Session-based recommendation, SBR) 是一种基于用户在短暂、动态的会话（即用户的行为序列）进行推荐的方法。与传统的基于用户或物品的推荐系统相比，SBR 更侧重于捕捉用户在当前会话中的即时需求，能够更有效地适应用户兴趣的快速演化和长尾效应的挑战。在 SBR 模型的演进过程中，从基于循环神经网络 (Recurrent Neural Network, RNN) 的模型，到基于卷积神经网络 (Con【【微信】】ork, CNN) 的模型，再到近期的 SBR 研究中广泛采用基于图神经网络 (Graph Neural Network, GNN) 的模型来更好地挖掘物品之间复杂的转移关系。参考资料：【【网址】】/s?id=1763051521823729742
先明确下，Sam Altman 是在 MIT The Future of Business with AI 论坛上发言时讲的这番话（视频接入）。Lex Fridman 是主持人之一，他问 Altman 如何看前不久那封《暂停巨大的人工智能实验》公开信。那封公开信倡议暂停 AI 大模型训练 6 个月时间，行业和政府共同制定监管规范。在这样的上下文环境中，Altman 这句话是这么说的：「我认为这封信遗漏了大部分关于我们需要暂停的技术细节。就像实际上这封信在较早的版本中说 OpenAI 正在训练 GPT-5。我们现在并没有在训练，而且在一段时间内也不会。」Sam Altman 这句话可以有两种理解：1） OpenAI *现在* 没有在训练 GPT-5。因为大模型的训练是定期的，可能上一阶段的训练工作已经完成，所以现在这个时间段的确没有在训练。2.）OpenAI 还没有开始训练 GPT-5。：参考资料【【网址】】/newspage/data/dtlandingwise?sourceFrom=ganyu&nid=dt_3072228766417991668
？半导体产业的下个增长点，藏在ChatGPT里
半导体业绩大增,半导体行业进展,半导体产业升级,半导体业绩增长16倍「首先，人工智能技术的快速发展正在推动芯片行业的创新。越来越多的企业正在研发专门用于加速人工智能工作负载的芯片，例如图形处理器（GPU）、Tensor 处理器（TPU）和专用集成电路（ASIC）等。这些芯片可以显著提高人工智能应用的性能和效率，从而推动了人工智能技术在各个行业的应用。其次，芯片行业正在朝着更加节能和可持续的方向发展。随着全球对能源消耗和环境保护的关注不断增加，芯片制造商正在研发能够在更低的功耗下实现更高性能的芯片，同时也在优化制造过程和材料，减少对环境的影响。最后，物联网技术的快速普及也在推动芯片行业的发展。越来越多的设备和传感器需要进行数据采集和处理，从而需要更多的芯片来支持这些应用。这也催生了一些新的芯片设计和制造需求，例如低功耗、小型化和高度集成化等。总之，随着科技的不断进步，芯片行业也将继续发展和创新，为各个领域的应用提供更好的技术支持和解决方案。」
本文引用地址：以上，是 ChatGPT 在面对「ChatGPT 会给芯片行业带来怎样的影响」时候的答案。自从 ChatGPT 出圈以来，AI 能给各行各业带来怎样的变化成为了大家都在好奇的问题。虽说 ChatGPT 是一个语言训练模型，但人们相信它能带来深刻的改变。中科院《人工智能新近发展及其对经济学研究范式的影响》一文指出，因为 ChatGPT?可以在搜索信息、收集数据、撰写文献综述、编写代码、检查程序、设计实验方案、翻译文本等方面发挥作用，因此有助于学术研究领域提高效率；同时基于人工智能或由人工智能辅助的经济决策可提供更有效的资源配置方案、改进政策评估精准性，以及提升经济决策的科学性等，因此也有可能对经济学乃至整个社会科学的研究范式产生影响。
ChatGPT 为许多公司提供了许多应用场景。在之前消费电子较为低迷的时候，一些 GPU、DPU 公司的产品可能找不到应用场景。但随着 ChatGPT 出现，相关芯片的应用场景开始增加。
正如开头所说，ChatGPT 未来可能为各个行业带来无限的可能性，这意味着随着越来越多的领域应用，也就会有越来越多对芯片的需求。正是这样的潜力，让芯片巨头（也是在 AI 领域最具代表性的公司）英伟达在不久前的 GTC 发布会上发布了为 ChatGPT 准备的芯片。因为以 ChatGPT 为代表的 AIGC 正在改变科技公司对于算力的需求。当前唯一可以实际处理 ChatGPT 的 GPU 是英伟达 HGX A100。为了 ChatGPT 市场，针对算力需求巨大的 ChatGPT，英伟达发布了 N【【微信】】，这是一种具有 94GB 内存和加速 【【微信】】 的大语言模型（LLM）专用解决方案，配备了双 GPU NVLINK 的 【【微信】】。
从芯片设计环节来看，AI 可能让 EDA 工具运行的更快，同时也可能帮助不同的公司定制不同的使用流程。人工智能驱动的 EDA 设计套件提供了一条前进的道路，补充和增强了工程团队的工作。根据德勤全球的数据，全球顶级半导体公司今年将在内部和第三方 AI 工具上花费 3 亿美元来设计芯片，预计未来四年这一支出将每年增长 20%。将 AI 用于硅芯片设计的固有优势之一是，随着工具从设计到设计不断学习，它们会变得更好。AI 可以使工程师能够将具有正确规格的芯片更快地推向市场，并创建更复杂的系统性设计。除了作为芯片公司产品的新市场，AI 技术也有可能为芯片制造带来新的技术飞跃。据报道，英伟达、苹果、AMD 正抢夺台积电的 AI 芯片订单，上述公司近期同步对台积电下急单，相关芯片将在 4 月后逐步产出。
ChatGPT 不只会带动三巨头，也会给其他的半导体公司带来新机遇。AI 芯片相关公司，Graphcore 的 IPU 是针对人工智能计算而设计，计算的特点主要是面向计算图，是以图来作为抽象构建的处理器架构。IPU 是一个大规模并行的多指令多数据架构，采用能耗更低的片上 SRAM。这样的架构非常适合做一些精细化的高性能计算、人工智能以及图计算。Graphcore 的产品也已经在多个领域应用，比如使用人工智能做健康方面研究的 LabGenius，使用 IPU 做股票预测的 Man，利用 IPU 做大语言模型刚刚发布新品的自然语言服务公司 pineso，美国国家实验室 Argonne。未来，以 Graphcore 为代表的 AI 芯片细分领域的公司将迎来极大的增长点。ChatGPT 执行大算力的同时也需要大容量的内存支撑，英伟达 GPU 搭载了包括高带宽存储器（HBM）在内的大量 DRAM。
新兴 AI 产品对高性能存储芯片的需求也在拉动相关厂商的出货量。据韩国经济日报报道，受惠于 ChatGPT，三星、SK 海力士高带宽内存（high bandwidth memory，HBM）接单量大增。
除了硬件，IP 核公司的业务也有望迎来增长。IP 核心公司可以开发针对 AI 推断进行优化的 IP 核心，可以与 ChatGPT 模型集成，以加速其性能。同时 IP 核心公司可以为 ChatGPT 设计定制产品，设计可以针对 AI 计算提升性能降低功耗的产品。IP 公司芯耀辉就表示，AI 应用的增长可以为数据处理、数据传输等接口 IP 业务带来新的机遇。
人们对 AI 技术的期待不仅仅是能带来多大的市场，也包括 AI 技术如何改变半导体行业。产业链环节也都在探索如何利用 AI 技术 EDA 公司和芯片制造公司都在探索如何通过 AI 技术提高产品。计算光刻模拟了光通过原件与光刻胶相互作用时的行为，这些行为是根据麦克斯韦方程描述的，这是芯片设计制造领域中需要算力最多的任务。通过 CuLitho 技术，可以加速基于软件的芯片设计，并加速用于在芯片上打印该设计的光刻掩模的物理制造之间的步骤。除了英伟达，这一技术已经吸引了 ASML、Synopsys 和台积电的合作。
德勤指出，「人工智能设计工具使芯片制造商能够突破摩尔定律的界限，节省时间和金钱，缓解人才短缺，甚至将旧芯片设计带入现代时代。同时，这些工具可以提高供应链的安全性，并有助于缓解下一次芯片短缺。」
除了硬件，由于 AI 可以使用大量的文本数据集进行训练，因此 AI 也可以进行芯片训练。
不过要训练出这样的 AI 仍需要大量时间。虽然人工智能在复杂任务（例如国际象棋和围棋等棋盘游戏）中可以胜过人类表明 AI 在开发半导体领域的潜力。然而，为了在棋盘游戏中打败人，计算机接受了大量廉价数据的训练。相比之下，生成半导体工艺数据的成本很高。由于材料、设备和分析工具的成本，单个实验的成本可能超过 1000 美元。
半导体实验的高成本意味着工程师通常通过测试制造设备的机器的一百种不同参数组合或「方法」来开发半导体工艺，例如等离子体压力和晶圆温度。这种有限的数据使得很难创建精确到原子尺度的预测模型。在 3D NAND 器件中创建内存孔或蚀刻其他器件特征时，工艺工程师面临着超过一千万亿种不同的高纵横比蚀刻方法，这个数字简直是压倒性的。从这一角度来看，在 AI 改变世界之前，AI 技术对于芯片相关公司来说还是一个巨大的市场，并不会在一夜之间改变行业。
ChatGPT 是这么说的：
「作为一名 AI 模型，我不能预测未来或提供投资建议。但是，半导体产业一直在不断发展和变化。以下是一些可能成为半导体产业下一个增长点的趋势：
5G 技术：随着 5G 技术的普及，对高速数据传输和处理的需求也将增加，这可能会促使半导体产业的发展。
物联网：随着物联网设备的普及，将需要大量的传感器和处理器来收集、处理和传输数据，这也将促进半导体产业的发展。
人工智能：人工智能需要大量的计算资源和数据存储，因此需要高性能的芯片和处理器来实现。这也可能成为半导体产业的一个增长点。
电动汽车：随着对可持续能源的需求和对环境友好的汽车的要求不断增加，电动汽车市场也将继续增长。这将需要更多的电池和电力管理芯片，这也可能成为半导体产业的一个增长点。
总之，半导体产业的下一个增长点将取决于市场需求和技术创新的发展。」
