本周举行的 WWDC 再次成为全球科技行业的狂欢,在 Vision Pro 是否引领计算平台演化的争议之外,我们探讨另一个问题:苹果 AI 布局落后了吗?

大模型与股价之间的关系越发紧密。本期关注 GitLab、Salesforce 大模型产品与股价之间的关系。

OpenAI 新论文提出一种「过程监督」的方法,该方法的确能够提升大模型的输出结果,但过度的「人类监督行为」是否会扼杀大模型的「创造力」?

本期 AI Insider 还将关注:

  • Stability AI 的困境;
  • 全球 AI 监管现状;
  • 大语言模型与本地化运营;
  • 为什么大语言模型时而聪明时而愚蠢?

接下来,欢迎和我一起复盘近期围绕计算与数据的产业关键事件。

大模型·苹果

本周举行的 WWDC 再次成为全球科技行业的狂欢。苹果展示的首款 MR 设备——Vision Pro——无论是工业设计还是交互体验,足以将包括 Meta 在内的一众早期玩家甩在身后,从而成为引领 MR 或「元宇宙」行业的代表产品,以至于最近两天开始出现类似下图的调侃:

打开网易新闻 查看精彩图片

苹果是截至目前在公开场合最少谈及 AI 的巨头公司。WWDC 主论坛演讲过程中,苹果没有使用一次「Artificial Intelligence(人工智能)」,而是反复使用「Machine Learning(机器学习)」这个词展示苹果在这个领域的布局,包括:

  • 将 Transformer 模型全面集成到全新操作系统中,为输入法带来更好的自动纠错和预测功能,并优化语音输入的体验和效果;
  • 利用机器学习模型优化 iPadOS 的 PDF 编辑功能,可自动识别诸如文本框、个人签名框等字段;
  • AirPods 全新的自适应音频功能,也是由机器学习驱动;
  • Vision Pro 里令人惊艳的虚拟头像,使用了机器学习和 3D 扫描用户头像等技术;

软件和系统的优化之外,M2 Ultra 芯片也是此次苹果 AI 布局的关键棋子,作为 M2 系列的最后一款产品,M2 Ultra 拥有1340亿个晶体管,比上一代 M1 Ultra 多出 200 亿个。

打开网易新闻 查看精彩图片

更重要的是,M2 Ultra 还能够提供高达 192GB 的统一内存,并能够提供 800GB/s 的内存带宽。由此带来的可能性是,用户能够在没有专有 GPU 的情况下,直接通过一台 Mac 电脑训练诸如 Tranformer 之类的机器学习模型,而价格相比于英伟达的 GPU,实在便宜太多了。

某种意义上说,机器学习已经成为苹果产品更新的重要推动力,但对于绝大多数早已被 ChatGPT「洗脑」的所谓「行业人士」看来,苹果并没有布局 AI 的战略或能力。