FX168财经网_全球视野外汇黄金加密货币NFT资讯网

谷歌(GOOGL.US)对其生成式人工智能机器人Bard进行了一系列更新，使其具备了对答案进行事实核查、以及分析用户的谷歌个人数据等能力。谷歌表示，这是Bard迄今为止功能最强大的版本，可以在全球各种语言和国家中提高协作效率。

金融界2023-09-19

耗高算力的要求。目前供应商主要来自于原GOOGLE及SAMSUM的上游供应链。在供给侧由于产能及工艺要求，VG-1将在长期内保持预售预购的规则。芯片组经MIT的封装，能完成PM-1的技术要求，基于24小时不间断运行的前提，其寿命高于1年且折损率低于预算的7%。芯片组可完整运行基于PM模型作为方法论引导的脚本、系统、AI及提供充足的“活体检测”算力供应。其基础系统可完成无人值守状态下的自动运行且完全规避任何机制的“活体检测”。在使用方面将人工智能与网络科技进行一次大胆的碰撞。强而有力的研发能力及市场需求，决定了VRC拥有从各大厂商获取定制电子元器件的权限。在对核心中央处理器的要求中，VRC更是首次参与至能效运算及工业计划报废率的计算中，在对于投放市场的芯片组不良率的控制中达到了严苛的程度，以确保在合理范围能设备能进行高效的全时运算。最早提出通过现实边际利润构建经济学模型的理论来自于VR.CAYMAN的《方舟计划》白皮书中，在该白皮书未揭露部分表明了其对于未来金融衍生品的独特观点。 1.传统的金融衍生品在绝大多数情况下依靠CASHFLOW的机制进行阶段性获利。 2.在金融市场中，无论何种产品均在遵从《博弈论》中的零和原则甚至打造出负和游戏。 3.随着时代的发展与进步，纯粹依靠模式以及搭建金融衍生品的结构以获取市场利润将会变得越来越困难，其原因是随着参与者水平的上升甚至专业领域知识的获取，传统金融衍生工具将会变得更难以打动市场。 4.在未来的世界中，我们将会致力于通过先进的网络制式以及极具嗅觉敏锐度的专业知识打造颠覆传统金融市场的产品。 5.我们的下一阶段目标将是突破原有学院派衍生品结构以及运作机制，将运作模型及脉络清晰地展示给所有的参与者。 6.边际利润是存在于现实世界中的未被重视但存在的机会。“人人给你一元，你将成为首富”的概念正是其理论的体现。首批落地应用场景：根据PMT课题组的研发方向，TIKTOK的宝箱金币获取已被纳入VG-1芯片组的获利模型中，并在披露的文档及图文中，充分表明亚太联合集团在VRC的授权下已在本月完成设备分布式部署及运行。具内部知情人士透露，VRC总部针对市面上抄袭概念、界面、模型的各种伪劣产品早已进行关注，并且愿意表述关于识别伪劣TIKTOK金币的产品方式： 1. 是否具备设备分布式安装功能。 2. 是否具备量产功能。 3. 是否具备真实获取利润能力。 4. 能否验证账号及直播间实时性及真实性。 5. 是否具备批量投影所有设备的能力，而非同一个设备多出进行重复映射。 6. 是否具备技术再开发能力及模型优化能力。 7. 是否具备账号优化及内置识别AI活体检测功能。以上的分辨方式，能够很好的规避市场上关于抄袭VRC及伪冒授权的产品，防止陷入不良产品的圈套及欺诈中。以下是亚联及VRC在本社的线上采访的文字稿件：记者：请问我们可以通过什么方式接触或了解该项产品及后续的功能。亚联代表：目前亚联在VRC的授权下，已正式停止了一切官方申购渠道，我们将在官方网站更新品牌授权方的联系方式及品牌，目前国内已经有超过五个省份及十个城市级品牌获得了初步的品牌授权。我们将一切的力量投入至品牌扶持以及明年的上市计划中。而技术掌握在VRC的PMT课题组中，后续的技术开发文件没有得到授权，我们也没有更多的资讯。记者：请问VRC对于这款产品或者是这项技术的展望是什么，另外我们有什么办法识别是否接触到了抄袭或者伪劣的产品，作为掌控三个独立组织的掌舵人，CN您是否对这个事情有更多的期望值和布局。 CN：PMT课题组的技术研发方向是彻底颠覆传统金融业的运作模式，这是第一次运用现实技术将获利模型及机制完整展现在我们的现实物理世界中。无论是期市、股市、汇市都无法把这一层隐晦的遮羞布彻底掀开，我们愿意做这个事情，即使听起来很疯狂或者是离经叛道，总有一个时代会有人敢为人先。我们对于这项云端集群控制技术的研发会不断地精进和前行，这将会是下一个纪元的主要趋势。对此我们的信心可谓空前高涨，我们极有可能在可预见的未来与某科研机构达成合作协议，近期也正在对此进行磋商，所以很快将会在每一个城市见到我们的身影。另外您问我如何识别，其实方法很简单，看看是否有我们和亚联双方的授权码及官方验证，如果没有那就是伪冒产品。因为，不是可能也不是或许，是只有我们拥有这个能力。来源：金色财经

金色财经2023-09-19

西湖大学教授蓝振忠：关于大模型的几个认知

些比较有代表性的内容。2019年，我在Google的时候做的大模型是世界上最好的大模型，比GPT2好很多，所以我们当时是比较看不起GPT系列的，结果现在他们做得很好。 2020年回国的时候做了第一个中文的大模型测评，算是大模型的深度参与者，现在有一个实验室和公司都在做大模型相关的研究。过去，我很少回看大模型的发展史，也很少进行深度思考。直到ChatGPT火了，大家来问我各种问题，我总结一下大概有几个问题：一是大家希望模型越来越大还是越来越小？二是现在都在讲通用大模型，那么到底是通用大模型有机会，还是行业大模型有机会？三是我应该投资英伟达还是投资大模型公司、应用公司？四是对大众来说，大模型如何改变我的工作？我应该如何选择职业。这些问题让我们回顾过往历史，我主要是呈现一些过去的数据，希望给大家参考。首先，第一个问题，大模型会不会变得越来越大？拉长历史，从一九五几年计算机刚开始发展的时候，其实模型是变得越来越大的，一直在变大。可以说，模型变大基本上是模型变智能的第一要素，所以模型会变得越来越大。一直到2018年，我们发现一种方法可以使得模型急剧膨胀，现在膨胀得非常快，从2018年到2021年初，基本上每18个月涨了几百倍，现在速度慢下来了，但也在快速膨胀。（如图所示）这张图是GPT4的图，纵轴讲的是智能程度，越往下智能程度越高，横轴讲的是模型大小、训练多少。随着模型变大、训练变多，智能程度越来越高。绿色的点是GPT4，在那个点上，仍然有斜率，仍然会往下降。所以可以预见的是当你把模型放得更大，它仍然能变得更加智能。人类总是追求极限，我们肯定会把它放大。只是现在大家担心的问题是GPT4已经是万亿级模型了，推理成本特别贵，训练又特别贵，放大到底有没有用？再看另外一个数据我们就知道这种担心不太必要，因为训练和推理成本是在急剧下降的。2020年GPT3训练出来的时候，单次训练成本是400万美金。2022年已经降到40万美金了，成本降低的速度是非常快的。主要来自于几方面：一是GPU performance（GPU性能）急剧上升和成本下降，是远超摩尔定律的。从2016年到2022年，按摩尔定律CPU的performance提升8倍，GPU提升26倍，提升非常明显。二是软件上的提升，随着软件带来的训练效率提升，大概每年训练成本降低47%，两者叠加起来是非常可怕的下降，一个是硬件，一个是软件。三是我们在大规模地铺算力，在ChatGPT没有出来之前，大概每年全球算力提升20%-40%之间，ChatGPT出来之后算力提升可能是翻倍的。当你的算力大规模提升，GPU大量生产的时候，运营成本也在下降。综合下来，训练和推理的成本在急剧下降，所以可以看到两年降了10倍的速度。接下来过几年，像GPT4这样的万亿级模型会变得相对便宜，大家都可以用起来。总结一下，我预测模型会持续变大，而且能力会持续变强，训练和推理成本会持续下降，且迭代速度会很快。（如图所示）这张图讲的是GPT1，我当时还不怎么看得起的GPT1，现在回看我犯了一个很大的错误，GPT1做了非常大的贡献，把人工智能从专用人工智能转变为通用人工智能。自然语言处理任务以前有几百个，每个任务会设计各种模型，所以有大量论文。但GPT1出来以后说你们别用各种模型了，我用单个模型把你们大部分（任务）给处理掉了。后面一篇文章是我当时在Google的同事的文章，把各种任务集成在同样的模型里，所以这波主要的贡献在于通用性，通用不止体现在文本上，还体现在图片、声音、蛋白质序列等各种数据上，只要你能把数据转换成序列，基本上都能处理。把图片切成很多块拉长了，就是现在Transformer（转换器）模型可以处理的任务，基本可以涵盖各种各样的任务，通用性非常强。虽然现在大模型无法处理很多复杂任务，但你只要稍微帮他做一点点，只要稍微把任务分解一点点就能做了。虽然大家感觉GPT4很强，但直接做24点的准确度是7.3%，但如果稍微分解一下，就能提高到74%，很多看似复杂的任务，如果有专业人士帮他拆解的话，现在的GPT系列模型或者通用大模型可以帮你解决很多任务，做到自动化。一个是模型会变大，一个是通用性稍微拆解一下就会解决很多复杂人物，所以落地性非常强。在国外有很多已经落地成功的，像Duolingo是匹兹堡的一家公司，2023年一季度营收增长42%，因为加入了ChatGPT的应用。现在很多程序员都在用Copilot ，OpenAI今年的营收估计能达到12亿美金，这对一家创业公司来说是非常不容易的营收规模。这波人工智能和之前的不同在于替代了脑力劳动工作者，右边的图展示的是在没有这波通用人工智能之前各个行业的智能程度（自动化程度），最下是没有学位的，随后是从Master到PHD，越往上可替代化的程度越来越低。现在不同了，通用人工智能出来之后，脑力劳动工作者也很容易被替代掉。总结一下，大模型的落地会比我们想象的快，当然比很多金融工作者想象的要慢一些，因为股市的反应总是比技术快的，起码比我们想象的要快一些，而且能赋能各行各业。你要拆解各个任务是有难度的，如果大模型公司深入到行业里是有很大的机会。现在大部分人在关注模型的智能程度，比较少关注到模型“情商”跟人交互的程度，比如我问了我爱人会问的问题，ChatGPT给了我这样的回答，这个回答有方法但没有情感，显得我们跟模型的交互是冷冰冰的，缺少对用户的关注，这是行业发展初期的体现。大家可以对照一下搜索引擎，刚推出的时候个性化很少见，但是发展到现在，大家用的百度、Google都是不同的，因为会有很多信息做个性化处理，使搜索更加精准，但大模型现在还做不到这一点。也有人开做了，比如一家叫Character.ai的公司，也是我Google同事创建的，他把个性化加到模型中，能显著提升模型与人的交互时间。5月份的数据：OpenAI平均交互时长是4分钟，这家公司的平均交互时长是28分钟，是几倍的交互时长。页面是这样的，相当于我把大模型分成各个Capital及Agent（代理人），做到个性化的方向，更加有情感，人家也愿意跟他交互。大模型发展到现在，接下来人机交互会有大突破。我们公司和实验室主要在研究高智商、高情商的通用大模型，主要是多模态大模型。过去为了提高模型情商，做了一系列加强记忆、加强个性化、加强情感感知的能力。模型推出比较早，因为我很早就在Google做通用大模型了，2020年中ChatGPT出来之前我们就有自己的通用大模型，当时模型的写作能力和3.5是齐平的，做了substantial profession。上线一年多，有200多位C端用户，包括星巴克、支付宝在内的100多家B端用户。其中比较典型的应用是跟汤姆猫的合作，汤姆猫是陪伴类产品，在全球有4亿月活，之前主要是复制人的说话，通过变声把话复制出来。我们把它加上多模态的交互能力、对话能力。下面回到跟大会相关的Web3，这是我的粗浅认识，我认为大模型和Web3分别对应生产力跟生产关系，大模型极大地提升了生产力水平，但是它要发挥好的话肯定要有相应的生产关系去匹配。我总结下来，大模型落地现在存在几个问题：一是训练成本非常高，初创公司没有把模型开源出来的incentive（激励），花几百万美金训练的模型开源出来，但之后就跟我无关了，他很难开源。但开源对模型非常重要，现在模型很多是黑盒的，很多研究机构负担不起自己训练模型的费用，如果大家都在训练，那大家都在重复造轮子，所以开源非常重要，但需要相应的激励机制。二是推理成本高，现在GPT4单条对话的推理成本是6毛钱，比我讲话贵多了，推理成本非常高，落地非常困难。GPT4可以用在很多地方，但是成本承担不起。三是数据敏感，之前三星数据被OpenAI泄露闹得沸沸扬扬，我们现在上传到大模型的数据都是敏感数据，很多公司不愿意把自己的数据上传上去，如何处理这些问题？希望Web3可以帮我们解决这些问题。刚才听曹老师讲还有很多困难，但我们希望通过研究可以帮忙解决这些问题，比如我们有一条公链，大家可以上传开源的模型，即使你开源出来上到公链上也有相应的激励机制，比如说用户上传数据，如果能允许我们训练的话，也有相应的激励。还有计算问题，现在每个人手机上都有非常强大的显卡，如果每个人手机都可以贡献出来做推理，那我们可以把推理成本降低非常多。希望通过Web3力量能够真正实现我们的理想，希望大模型能赋能各行各业，陪伴每个人，真正成为每个人的助理或伴侣。谢谢大家！来源：金色财经

金色财经2023-09-19

民生证券：给予中贝通信买入评级

ion等）、云服务提供商（Azure、GoogleCloud、AWS）、垂类应用龙头（特斯拉等），由于云厂商、垂类应用公司自身仍对GPU有较大需求，GPU对于LLM等创业公司仍是较为“稀缺”资源。回顾国内，我们认为算力租赁介于上游GPU供应商及下游客户间，起到了“中介人”的角色，即租即用的商业模式一定程度上降低了算力使用门槛，也令中小型LLM创业公司触及高性能GPU芯片。在未来核心硬件紧俏的市场格局下，国内算力租赁仍有较大发展空间。　　投资建议：公司作为国内新基建领域头部企业，主业提供新型数字基础设施提供网络建设服务，同时布局智算赛道，我们认为未来伴随AI算力需求重要性不断提升，公司收入有望实现高速增长，预计23~25年公司收入分别为32.1/37.5/43.1亿元，归母净利润分别实现1.9/2.6/3.2亿元，对应P/E42/31/25x，维持“推荐”评级。　　风险提示：客户相对集中的风险，竞争加剧的风险，海外业务风险。证券之星数据中心根据近三年发布的研报数据计算，民生证券于一铭研究员团队对该股研究较为深入，近三年预测准确度均值为36.8%，其预测2023年度归属净利润为盈利1.91亿，根据现价换算的预测PE为41.69。最新盈利预测明细如下：该股最近90天内共有6家机构给出评级，买入评级3家，增持评级3家。以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-09-19

8月腾讯《王者荣耀》吸金2.38亿美元，蝉联全球手游畅销榜冠军

荣耀》在全球 App Store 和 Google Play 吸金2.38亿美元，蝉联全球手游畅销榜冠军。8月初，该游戏推出了“夏日妄想“系列活动，以及新皮肤“海月-浮梦罗烟”，有效保持了玩家浓厚的兴趣。8月10日，随着【峡谷寻宝-送活动皮肤】开启，游戏收入进一步提升。此外，8月18日推出的多款七夕限定皮肤，以及8月22日发布的Hello Kitty主题皮肤，都有助于游戏在整个8月保持热度。全球热门移动游戏收入TOP10完整榜单请见上文图表。说明：数据不包括第三方安卓渠道。腾讯《PUBG Mobile》(合并《和平精英》收入)以1.4亿美元的收入位列榜单第2名。其中，50%的收入来自中国iOS市场，美国市场的收入占10.4%，印度市场占7.1%。8月4日，该游戏与知名舞蹈UP主银碳Gintan银碳合作推出了主题道具，迎来8月收入的首个峰值。8月11日，多款限定皮肤返场，将游戏收入推向又一个高峰，当天重回中国iPhone手游畅销榜第2名。米哈游《崩坏：星穹铁道》位列榜单第3名。其中，41.1%的收入来自中国iOS市场，日本市场的收入占25.1%，美国市场占11.9%。8月9日，游戏推出了新角色卡夫卡，创下当月收入高峰，并连续6天在中国iPhone手游畅销榜上位列前5名。8月30日，该游戏发布了新版本，引入了新角色丹恒•饮月，使收入进一步提升，并跻身中国iPhone手游畅销榜榜首。收入榜前五另外两款游戏为网易《逆水寒》手游和Dream Games《Royal Match》。8月份，《逆水寒》凭借一系列内容更新持续发力，并稳居中国iPhone手游畅销榜前5名。 2023年8月，全球手游玩家在App Store和Google Play付费65.9亿美元，同比基本持平。美国依然是全球移动游戏收入最高的市场，贡献了近19亿美元，占全球总收入的28.5%。中国iOS市场排名第2，占20%；日本市场排名第3，占17.1%。 Aniplex《Fate/Grand Order》在8月1日迎来了日本市场上市8周年，并推出多项周年庆活动，如14限定角色回归、新召唤机制以及新角色的引入。8月11日，该游戏推出了夏日活动，不仅引入6位新角色，还回归了以往夏日活动的限定角色。这两大活动使该游戏在8月期间稳居日本iPhone手游畅销榜前5名，并以79%环比增长登顶收入增长榜。由NEXON开发和腾讯发行的MMORPG手游《冒险岛：枫之传说》(MapleStory M)于8月中旬在中国上线。作为经典IP之一，该游戏在上线当日表现亮眼，不仅在中国iPhone手游畅销榜位列第5名，还跻身中国iPhone手游下载榜榜首。

金融界2023-09-19

8月全球热门移动游戏收入TOP10：腾讯《王者荣耀》蝉联冠军

《王者荣耀》在全球App Store和Google Play吸金2.38亿美元，蝉联全球手游畅销榜冠军。腾讯《PUBG Mobile》(合并《和平精英》收入)以1.4亿美元的收入位列榜单第2名。米哈游《崩坏：星穹铁道》位列榜单第3名。收入榜前五另外两款游戏为网易《逆水寒》手游和Dream Games《Royal Match》。

金融界2023-09-19

Gemini vs. GPT-4：谷歌与OpenAI的生成式人工智能之争要来啦？

意行业注入更多可能性。谷歌计划通过其Google Cloud Vertex AI服务向企业提供Gemini。这将使企业能够利用Gemini的强大功能来改善业务流程和创新能力。生成式人工智能技术在商业领域的应用潜力巨大，Gemini的引入将进一步推动该技术的发展和应用。 Gemini的推出标志着谷歌对生成式人工智能技术的重视，并展示了他们在这一领域保持竞争优势的决心。Gemini与OpenAI的GPT-4之间的竞争将推动这一领域的发展，为用户带来更多选择和更好的体验。尽管Gemini的推出存在一定的风险，但谷歌作为全球领先的搜索和广告巨头，拥有雄厚的技术实力和资源，具备在竞争中取得成功的潜力。Gemini的发展进展顺利，谷歌正朝着更高的目标迈进。 Gemini的详细信息目前还不为外界所知。然而，随着Gemini的不断发展和完善，我们可以期待看到更多关于该产品的详细信息和其为用户带来的创新应用。结语 Gemini的推出将为谷歌在生成式人工智能领域进一步扩展其影响力提供机会，并与竞争对手OpenAI展开竞争。尽管面临风险和竞争，谷歌作为全球领先的搜索和广告巨头，在技术实力和资源方面具备一定的竞争优势。谷歌的母公司Alphabet对生成式人工智能的投资表明他们对该领域的商业潜力抱有信心，致力于为用户和企业提供更多创新和智能化的解决方案。生成式人工智能技术的发展取得了显著进展，但也引发了一些伦理和隐私方面的担忧。随着技术的不断进步，确保透明度、责任和合规性对于应用生成式人工智能技术至关重要，以避免潜在的滥用和风险。声明：本文来自潮外音创作者，内容仅代表作者观点和立场，且不构成任何投资建议，请谨慎对待，如文章/素材有侵权，请联系官方客服处理。来源：金色财经

金色财经2023-09-18

谷歌云高管：Web3是为了解决业务问题而非炒作代币价格

来创新、降低运营成本和新的收入来源。 Google Cloud 的 James Tromans（中）最近在新加坡 Token 2049 举行的小组讨论。来源：谷歌云尽管处于熊市，Tromans 表示，谷歌云仍然看到了希望整合区块链技术的企业的强劲需求： “过去 12 到 15 个月，在传统企业领域，利用区块链技术提高效率、降低成本和提高创新速度的兴趣并未消失。” Tromans 解释说，大部分需求来自 TradFi 领域，旨在解决基本的财务和会计问题。但他补充说，谷歌云客户越来越多地考虑将基于区块链的解决方案集成到数字身份和供应链中。最近，随着 OpenAI 首席执行官 Sam Altman 于 2019 年创立的虹膜生物识别加密货币项目 Worldcoin 于 7 月 24 日推出，数字 ID 尤其成为 Web3 世界争论的热门话题。区块链技术还不够隐形然而，Tromans 认为，区块链技术不太可能得到大规模采用，至少在用户体验改善之前是这样。 “如果普通最终用户（不是计算机科学家、不懂区块链）必须了解他们的私钥——我们就错了。他们必须被抽象出来，”他解释道。 “当您加载 Web 浏览器时，您正在使用一系列高科技功能，例如 TCP-IP 和 HTTPS。这些协议对大多数人来说都没有任何意义，”Tromans 补充道，并建议 Web3 应该努力实现同样的目标。 Tromans 表示，Web3 开发人员需要构建无阻碍的解决方案来帮助用户恢复私钥并帮助管理他们的数据，以便他们拥有“出色的”用户体验。他表示，当用户体验得到优化时，区块链技术将解决一系列行业的问题。 “当这项技术能够解决付费问题，帮助游戏降低成本或帮助美术人员更具创造性并获得报酬时，他们便能够拥有自己的事业，而无需真正了解技术是如何运作的，这对于该技术的广泛采用是至关重要的。” “当 Web3 得到大规模采用时，我们不会称其为 Web3。我们将再次称其为网络，”他说。来源：金色财经

金色财经2023-09-18

AI人才抢夺战：年初疯狂年末彷徨

的年薪，请几名算法科学家回去。在汇聚Google、微软等科技巨头的Mountain View，除了猎头，遇见寻觅AI人才的创投圈大佬，也不是一件难事。有人在街头看到过穿着深色T恤的百度副总裁景鲲（他是百度“小度”系列智能产品的缔造者）；在斯坦福大学的草坪和被誉为“西海岸华尔街”的沙丘路，走过源码资本合伙人黄云刚和真格基金管理合伙人戴雨森。更近一点的5月初，王小川出现在硅谷一场AI技术party上。对着在场数十名华人工程师，王小川把自己“AI重塑搜索”的创业理想讲了一遍，试图和人才拉近关系——在36氪的专访中，他曾提及：“国内的大公司、高校里有一些不错的领军人物，一些更明星级的人才，确实在美国。” △谷歌在山景城总部举办的I/O大会，吸引不少AI人才。图源：视觉中国帮国内创始人们与硅谷AI人才牵线，也成了一个商机。一名在硅谷的猎头记得，光3月份，Mountain View几乎每晚都有华人中介举办的party，报名参加光会费就达上万人民币，还要有门槛：成功创过业，或者投出过好项目。企业们砸血本招人的同时，还得防止员工被挖角。一家创业公司为了留住人才，给近十名核心员工涨了30%的薪水，几乎所有工程师在公司内部都用“花名”。大公司也在警惕。百度宣布大语言模型“文心一言”立项当晚，参与成员被HR拉了个会，重新签了一遍竞业协议。共识快速形成：人才储备最多的企业，离“中国的OpenAI”最近。千万年薪，难挖硅谷人才以如今AI人才的紧俏程度，Mia觉得千万级的年薪并不夸张。在2023年第一季度，超过17万中国AI企业如雨后春笋般冒了出来。圈内人爱用一句话形容AI赛道的创业热：“光北京就有20多家声称能做大模型的企业。” 但相对的，是写在中国工信部报告中的30万AI人才缺口。再严苛一些，国内有过完整大模型工程经验的人能有多少？AI行业资深人才顾问海浪告诉36氪：“不超过100个人。” 若想要挖到能直接带上百人的团队跑工程的P9、P10，国内就只剩下大厂的几个CTO和首席科学家。“企业想要招技术高管，只能看硅谷。”海浪解释。可惜的是，无论是茶叶、老干妈，还是一千万的高薪，都很难打动硅谷的人才。一名研究员在Mia尚未给出薪酬条件时，就开门见山地拒绝：“老婆孩子都在这里，回国之后孩子的教育问题，也很难解决。” 再过一年多，微软必应团队的算法工程师Joshua就能如愿拿到美国绿卡。在他的人生蓝图里，再积攒两年工作经验，他就从华盛顿搬到硅谷创业。他不愿离开硅谷——即便从今年2月起，求职软件上几乎每天都有99+的未读消息和通知红点。除了薪酬，Joshua还看到有公司开出隐形福利：前半年不背OKR。被求职信息轰炸近一个月后，Joshua关闭了几个求职软件的弹窗。抢人大战中，有成熟落地场景的企业，赢面会大一些。在Mia看来，落地场景就是企业的简历，更能吸引人才。而落地方案尚未成熟的公司，要么有个像王慧文和王小川一样，“人能来事，又能搞钱”的创始人，要么靠“画饼”吸引人才。但国内科研环境与硅谷的现实差距，让大模型创业者画的理想之“饼”，不那么有说服力。在硅谷期间，Mia去了英特尔总部。在那里，每位算法工程师能调用的GPU就有四五百块。“但在国内，四五百张GPU往往是一个项目组能够申请到的算力上限。”Mia说。 △英特尔总部。图源：视觉中国类似的，谷歌AI实验室对人才的大方一度让蓝振忠觉得惊讶。在那里，他能够自由调用相当于几千张A100的TPU。就算在比较冷门的研究组，部门团建仍然开得起高级餐厅最贵的酒。回国成立AI公司“西湖心辰”后，蓝振忠第一次感受到了算力资源的稀缺和昂贵：“公司和学校的科研经费只能买很少一部分，剩余的都得租公有云服务。”为了拉融资买算力，他每天需要和投资机构和客户开五六个电话会。回国的硅谷创业者为资源焦虑，而去硅谷的创业者也屡屡碰壁。一位知名创业者曾在公开场合被问及近期的硅谷之行收获时，坦言自己去硅谷不是为了挖人，而是为了交流技术经验。但一名与该创业者在硅谷交流过的人士告诉36氪：“别信他。因为挖人很难，大多数人过去，只能先建立个联系。” Meta一开源，猎头白干半年年初，AI技术大牛还是圈内最热的招徕对象。像ChatGPT一样参数千亿的大语言模型，仍然是个“舶来品”。对多数企业而言，想要做“中国OpenAI”，就必须大力招人搞技术。然而不久后，意外发生了。扇动翅膀的，是押注AI大模型已久的Meta（前Facebook）。2023年3月8日，被称为“最强开源模型”的大语言模型Llama遭到泄露，任何人都可以下载使用；7月，Llama的研发商Meta主动成为“搅局者”，开源了性能更强的Llama 2，几乎所有公司都能直接免费商用Llama 2。 Llama的开源，迅速降低了大模型训练的门槛。AI从业者们发现，根本没必要花这么多钱招技术人才从0训练模型。理论上，公司只要有足够多和高质数据，对Llama进行微调，就能用较低的成本训练出一个效果不错的模型。很快，不少公司的大模型如雨后春笋般冒了出来，更甚者基于Llama微调后，就冠以“自研”之名。圈内广为流传的一句戏言是：如果Llama不“惨遭开源”，国内就没那么多的“自研”。紧接着，技术领域的人才就开始“贬值”。曾经想从硅谷挖人的几家企业，把自己的需求改成了从国内找工程师，年薪控制在40万元以内。猎头Mia在KTV点了一首《老子明天不上班》：“感觉自己上半年跑硅谷，最后白干。” 上半年，由于技术尚未成熟，大模型的商业化落地并不十分顺利。开源的Llama解决了卡脖子的大模型技术，也将AI企业发展的进度条从大炼模型，快速拉到应用落地。相应的，企业们年初招徕技术人才的热情，在下半年一度转移到了产品经理。在Netflix最新发布的招聘启示中，AI产品经理的年薪开到了90万美元，超过了AI技术总监的65万美元。不过，市场供需并非衡量顶级人才的唯一标尺，Icon（标志）级别的技术大牛热度仍然不减。对企业来说，技术大牛不光是敲代码的员工，还是一个充满内涵的符号：技术人才，意味着技术的天花板，以及持续吸纳资方、客户和人才的门面。昆仑万维CHO杨姝一直觉得，人才是AI公司最优质的资产。公司不仅需要基本功扎实的研发者，也需要一个名号响亮的Icon。就像乔布斯之于智能手机，“Icon和研发者的区别在于，Icon是有市场号召力的，还能吸引更牛的人才过来”。 2020年昆仑万维即布局AIGC和AGI领域，目前相关团队整体规模近千人。但到了2023年，为了争夺人才，杨姝和HR同事每周要沟通近百位候选人。最近，昆仑万维还请来了一位“Icon”——顶级AI科学家颜水成，出任天工智能联席CEO和昆仑万维2050全球研究院院长，吸引全球的AI人才。 “杨红霞博士来之前，我感觉市面上没什么人觉得字节能做大模型这件事。”一名大厂HR点评。作为曾经阿里达摩院大模型M6的项目带头人，杨红霞在今年初转投字节跳动的AI阵营——这一消息也让不少人认为，字节有了和AI“老玩家”百度、阿里同桌竞技的可能。至于花千万元挖一个技术大牛来做AI到底值不值，上述HR回复36氪：“在实现技术革新前，确保企业形象跟上时代潮流。” 所有人都在警惕泡沫 6月后，水温渐凉。钱在上半年，已经涌向了大模型的早期玩家。据不完全统计，上半年融到钱的大模型企业大概有20多家，而6月后，数量骤减至不到1/2。一名双币基金的AI投资人终止了四五家大模型企业的投资进程。她告诉36氪，近期他们只看AI应用。可惜时至今日，AI赛道依然没有一款“杀手级”应用——市场和投资人都在观望，高开的大模型技术是否能持续高走，给予可观的回报。 “CV（计算机视觉领域）好歹也火了一两年，但大模型冷却的速度巨快。”海浪说，“今年大家只是看似拿了很多钱，其实背负了很大压力。” 与赛道一起降温的，还有企业对AI人才的热情。年初的抢人热，更多的是企业们面对新技术的兴奋和FOMO（Fear of Missing Out，害怕错过）情绪。“大家也不管招这么多人有没有用，先把气氛炒起来。”年初Mia接到的需求，大多没有指明招募人才数量的范围，“一是挖人确实难，二是企业不知道挖多少人。” 精打细算后，企业们逐渐发现，人海战术、跑马圈地的互联网打法并不适用于大模型。王慧文曾告诉36氪，他觉得搞大模型“人多了反而起负作用”，最小的建制只要30来人。今年7月，马斯克高调宣布入局大模型领域，新公司xAI只有12名成员。 △xAI的12名成员。图源：xAI官网人海战术的反例是Meta——即便拥有Llama和OPT两支明星大模型团队，但由于算力资源分配的不平衡，目前超半数Llama作者选择了离职。在资源紧俏的大模型领域，缩减人员规模既能如马斯克所说“提高人均可支配资源数量”，也能提高管理效率。王小川在媒体访谈中提到，管理过3000人的搜狗后，发现现在百川只有100、300人，非常容易把效率提上去。更何况，大模型的研究是亟需才能和悟性的领域，人海战术收效甚微。 “一个聪明的大脑胜过万马千军。”智子引擎CEO高一钊告诉36氪，他们团队自研的多模态元乘象ChatImg 2.0，核心算法编写只用了不到5人。当大模型人才的供需趋向平衡，企业对AI人才的急切之心，也迅速恢复平静。 “企业基本只要招一个厉害的CTO，或者个位数的技术带头人。”Mia近期接到的招人需求数量骤减。顶级人才的流动，在上半年的“热战”中基本已成定局，而模型团队中剩余的工程师，Mia发现只要用三四十万的年薪，并不难从国内外大厂或者高校计算机专业中挖到。企业们对AI人才扩张的谨慎，更源于在视觉识别（简称CV）领域发生的那场人才扩张泡沫。 2018年，CV的风口吹起了AI四小龙。当时，估值飙升至60亿美元的高汤，一年内融了20多亿美元。最后大部分融资都去了哪？答案是挖人。当时，即便是CV方向出身的应届毕业生，不少人年薪也能拿到60万元。 △商汤，图源：IC photo 但很快，不少公司发现，CV没有太高的技术壁垒。AI企业To B、To G的业务，很快就被上游的云厂商蚕食。这几年四小龙的难处有目共睹，最早上市的商汤，在2022年每赚一块钱，就要净亏2块。企业不得不让科学家背上营收指标。2020年以来，海浪能明显感到风向的变化，高校出身的教授变得不那么受欢迎，“大家更需要带过团队、做过产品的人”。一家想要智能化转型的物流企业说得更直接：“我们的钱是一个盒子一个盒子搬出来的，不是发论文发出来的。” 迫于营收压力，不少去大厂研究院的大牛，又回到了高校。海浪发现，此前帮大厂挖角的北美高校出身的华人科学家，重新开始以教授的身份发论文。几乎所有企业都不希望人才泡沫再次产生。 Llama发布前，由于大模型是个高壁垒的新技术，企业给人才定的绩效并不具体，比如“年末前超越GPT-3.5，未来1-2年超越GPT-4”。但Llama把进度条快速拉到做应用的阶段，人才们的绩效，迅速指向了商业化。赚钱成了首要指标。Mia下半年接到来自企业的不少需求，从挖人，变成了帮人才做项目管理。一名硅谷出身的研究员对Mia诉苦：“（企业）不是说好给足空间做研究吗？怎么又要背营收？”Mia脑子转得飞快：“企业方觉得您有能力。” 2023年末，是不少企业和投资人检验人才价值的关键点。 “投资人和创始人都需要先看看，到年底花钱找来的人，能跑出什么东西，再决定是否继续入场。”海浪说。从给title的爽快程度，他能感受到今年企业的谨慎：2018年，帮技术大牛谈个T10、P10以上的岗位并不难。但今年，P9的职级都需要垫脚伸手够一够。早上六七点起，游一小时的泳，紧接着去实验室工作到晚上9点，然后回去陪家人——这是在卡内基梅隆大学读博时蓝振忠的一天，“从不加班熬夜，也不把工作带回家”。但在这轮热潮中，蓝振忠破了戒。这位技术老手、创业新手最近主动约见了不少投资人，从头学习管理和战略：“在终场来临前，努力让自己不被市场淘汰。” （应采访者要求，文中海浪、Mia、Joshua为化名）来源：金色财经

金色财经2023-09-16

传奇投资人Druckenmiller 当前局势前所未见只敢大胆押空美元

体经济。尽管他管理的资金，有投资微软、Google 与辉达 (Nvidia, 股票代码NVDA) 等，但他的整体投资组合还是净空 3% 的。他承认股票市场是很复杂的。像是在 1973 年大萧条和 1974 年石油危机时，石油和化工行业的股价上涨了，经济萧条时民生消费品的股价也上涨。但是，假设我们将在面临一次衰退，那麽对「辉达」这样的公司有什么意涵？Druckenmiller 并不清楚。他表示，尽管经济衰退，但它仍因为我们正在这个领域进行军备竞赛，而快速成长。对我而言，它的下行空间并不明确。 Druckenmiller 看空美元最自在 Druckenmiller 表示，做空美元是他现行感到最自在的投资。这是他目前投资组合中唯一一个「Risk On」的交易。(Risk On，指的是投资者对风险不畏惧，大举投入风险资产，并没有做任何的避险)。而且货币趋势往往持续两三年以上，在过去十年中，超过 10 兆美元到大约 13 兆美元的资金规模流入美元。 Druckenmiller 表示自己错过了过去美元九个月的上涨，这可能是他在外汇交易生涯中最大的失误，如今，美国已将美元武器化，美国的通缩政策也不如外国，因此，他决定开始放空美元。不过，Druckenmiller 强调，不应模仿他的操作，他可能在一周内改变主意。 Druckenmiller 表示基于看空美元的理由，他也投资了黄金。「当你真正看到球时，大力挥杆」但别过度分析 Druckenmiller 分享自己管理基金能获得高回报的心得：「我一直认为建立一个长期的绩效记录的方法是，当你真正看到球时，大力挥杆。而当你看不到球时，不要挥杆。」但是，他也强调，在现在快节奏的时代「先投资，再进行调查」比以前还要更重要。他表示：「在这个快节奏的世界中，凭借著所有新沟通方式，如果我有一个好点子，并认为它有吸引力，而且由于某种原因，该证券的价格在一年或两年内会上升，我通常会立即买入，然后告诉分析师进行研究。」如果分析过后发现，他的选择错误，那么他就会退出，因为他不喜欢等待。如果对一项投资有强烈的感觉，那么他们就会缩短分析时间，投入后再做全面分析，并进行调整。 Druckenmiller 特别注重基本面，他同时拥有一个年轻的分析师团队，会对投资理念进行辩证。股市要赚钱，未来两年需保持耐心 Druckenmiller 认为，未来两年在股市需要保持耐心，因为确实会有艰难时刻出现，而央行也会用疯狂的方式回应，就像是 1976 年到 1978 年那样。他相信未来两年的货币市场将是「非常有趣」的。 Druckenmiller 仍相信在 10 年内市场会上涨，但过程中波动性会非常高来源：金色财经

金色财经2023-09-16

24小时热点