作者｜赵赛坡
头图｜视觉中国
本期首先关注英特尔，本周开发者大会上所披露的产品和信息，除了让这家公司股价下跌之外并没有太多其他令人兴奋的事情，如何理解英特尔在 PC、数据中心领域的战略方向和潜在挑战，本期会给出一些线索。
“市场”专栏，聚焦软银的 AI 投资策略；YC 训练营中挤满了生成式 AI 公司、近期 1 亿美元+ 的融资案例等，也是该专栏讨论的话题。
本期还将关注：
微软与Orale 继续联合对抗 AWS；
Google、Meta、AWS 大模型产品或布局的最新进展；
AI 如何改变科学研究的范式？
MSN 平台再出 AI 生成的争议文章，《纽约时报》以 20 万美元年薪招募生成式 AI 编辑；
接下来，欢迎和我一起复盘近期围绕数据与智能的产业关键事件。
计算
英特尔本周举行了“Innovation 开发者大会”，此次发布的一些产品、信息除了让股价下跌之外并没有太多其他令人兴奋的事情。
比如面向消费市场的全新 Meteor Lake 处理器，采用了分离式模块架构，简单来说就是把计算、Soc、图形等模块封装在一起，甚至还集成了 NPU（神经网络处理单元）——这意味着 PC 即将可以运行大模型，这和苹果过去几年力推的 M 系列芯片有异曲同工之处，的确有可能给 PC 市场带来一些惊喜，但有几个潜在问题：
PC 市场的 AI 算力竞争不同于数据中心市场，而且整个市场的竞争也才刚刚开始，英特尔和 AMD、高通甚至苹果之间并没有拉开差距，接下来怎么跑、跑多快，还需要一定时间；
PC 市场的需求还在不断下滑，但竞争一定也不弱，在 AMD 之外，高通俨然成为英特尔最需要面对的竞争对手，这个领域的竞争会变得格外惨烈；
再看数据中心市场，英特尔 CFO David Zinsner 告诉投资者，目前数据中心处理器的库存压力可能比 PC 市场还要大，数据中心业务的恢复时间将延长。
两条消息叠加后，资本市场给出了自己的答案：随着英特尔 Pat Gelsinger 演讲的进行，英特尔股价不断下滑，从 1% 一直下滑到 4.3%。
回到数据中心市场，英特尔在 X86 市场依然具有竞争力。过去二十多年形成的生态优势，使得大量数据中心软件都是基于 X86 架构。短期内，企业客户不会也不愿意迁移自己的工作负载，这将在一定程度维持英特尔的竞争优势。
但在 GPU 方面，英特尔目前做的所有事情都是围绕如何将自己包装为开源、开放的的代表。比如本周英特尔积极推动成立的“统一加速（UXL）基金会”，本质上就是一个“反抗英伟达 GPU 垄断的开源联盟”，关于“中立性”、“独立性”甚至“计算民主”的表达背后，就是对英伟达 GPU 以及 CUDA 封闭生态的回击。
而英特尔所强调的“Siliconomy”一词，进一步强调英特尔在（宏观）GPU 方面的综合能力：制造工厂、丰富而便宜的的产品选择——英特尔的 CPU 和此前收购的 Gaudi 2 GPU 等产品，这都是英伟达不具备的能力。
站在英特尔的角度，英伟达的确存在封闭、价格昂贵等问题，通过上述市场口号或策略能够获得一定的市场回应，进而拿到一些订单。
但问题的另一面是，英伟达这几年的快速增长，并非仅仅是因为 CUDA 的封闭生态，它并没有形成苹果那般的控制力，英伟达更多是在产品性能上突飞猛进（下图来自英伟达首席科学家 Bill Dally），实现了一次又一次的技术突破。这也是英特尔最需要面对的问题：你需要拿出一点真本事。
补充一个围绕华为 Mate 60 系列里神秘芯片的讨论。美国商务部部长 Raimondo 本周在国会听证会上表示，根据对芯片供应链的调查，现在没有证据表明，中国拥有大规模量产华为 Mate 60 系列里高端芯片的能力。
下周一，华为将在深圳揭开 Mate 60 系列手机里的芯片秘密。
巨头
华为。本周华为的全联接大会相对比较低调，华为轮值董事长的孟晚舟提出华为接下来的战略目标，“华为将从过去十年从All IP到All Cloud，正式启动全面智能化（All Intelligence）战略，持续打造坚实的算力底座，满足各行各业多样性的AI算力需求，做‘厚黑土地’，为世界构建第二选择”。
在地缘政治冲突越发明显的当下，华为成为国内市场以及在海外市场有利益的中国公司的选择之一，从云计算到大模型，数据安全性、合规性方面的政策压力，可能比商业或技术发展更具挑战性，这就是现实。
微软。微软上周与 Oracle 的合作引发众多讨论，两家历史悠久的 IT 公司在共同的敌人——AWS——面前继续“并肩作战”。比如 Oracle 将在微软的数据中心里部署相关数据库硬件产品，客户可直接在 Azure 控制台操作 Oracle 的数据库服务；再比如，Oracle 客户现在也可以运行基于数据库的 Azure 认知服务（也就是 AI 服务）。
正如微软 CEO 纳德拉所言，此次合作将为企业带来“数据+智能”的最佳组合方式。特别是在“多云”的产业环境里，企业，特别是大型企业的数据、应用往往运行在多个云服务上，如何打通产品与服务的边界，将成为 AI 落地企业服务的挑战之一。
两家科技巨头——Meta、Google——正在加快研发自己的新一代大模型，目标都是打造 GPT-4 的替代品：
相比于 Google 和 Meta，AWS 在大模型领域的策略则比较特殊，他们并没有强势推出自己的大模型，而是持续构建一个托管模型的平台，你可以将其理解为“大模型商店”，目前已经汇集了 Anthropic 的 Claude 2、Meta 的 LLaMA 2 等模型。
上周，AWS 举办了一场几乎前所未有的新闻吹风活动，该公司 Adam Selipsky 进一步强调 AWS 在生成式 AI 领域的竞争力，“现在是生成式人工智能的第 0.1 天”，如果你了解亚马逊的“Day 1”——这是创始人贝佐斯所崇尚的口号——文化，应该可以明白这场活动的意义了。
关注两家明星公司的动态：
市场
在 ARM 成功完成 IPO 之后，ARM 的母公司软银正在大踏步进入到 AI 领域。6 月份的时候，孙正义表示，软银将对 AI 领域采用“进攻模式”，FT 最新的消息指出，孙正义还在寻求与 OpenAI 达成合作，并与包括英国 AI 芯片公司 Graphcore 在内的众多 AI 公司进行接触。
这构成软银领投美国地图创业公司 Mapbox 的大背景，这家总部位于美国的地图公司，其软件产品为丰田、宝马、通用等公司的车载导航提供支持。据了解，此轮融资总额达到 2.8 亿美元。
Mapbox 也是软银 1000 亿美元愿景基金的投资公司之一，截止到上一轮融资（2020 年 4 月），该公司的估值为 12 亿美元。
结合分析师给出的数据，软银借助此次 ARM 上市获得的资金以及现有的存储，目前大概拥有 650 亿美元的投资预算，接下来的 AI 投融资市场，会变得更具戏剧性。
观察 AI 投融资市场的另一个维度是看看今年 YC 训练营的企业类型，根据 Pitchbook 的统计，今年夏天进入YC 训练营的 134 家创业公司里，有超过 65% 的企业提供 AI 领域的产品，既有面向客户管理、销售拓展的产品，也有针对代码自动化的服务。
目前美国的 AI 创投市场处于极度亢奋的状态，这在种子轮融资的变化里可见一斑，大量资本涌入生成式 AI 公司的早期融资过程里，无论是交易金额还是数量都有大幅提升。
对很多资本公司来说，要么放弃这个市场，要么就要快速行动，因为一家公司的融资窗口非常短，有时融资从决定到完成仅需一天的时间。
但站在更冷静的角度，有两个问题无法忽略：
面对 Google、微软等科技巨头们的积极布局，创业公司的“护城河”在哪里？或者姿态再放低一点，创业公司的防御机制又是什么？
一家创业公司的优势——无论是真实产品能力还是员工能力，能否具备被收购的潜力？
再来关注一组近期获得大额融资的案例：数据平台公司 Databricks 完成 5 亿美元的融资，此次融资将该公司的估值提升到 430 亿美元，英伟达参与了融资；自 2013 年成立以来，这家公司已经获得超过 40 亿美元的融资，市场分析人士指出，Databricks 会成为 ARM 之后最值得期待的科技公司上市案例。
生物技术公司 Generate Biomedicines 近期获得 2.73 亿美元的 C 轮融资，英伟达也是投资者之一。这家总部位于麻省萨默维尔的创业公司开发了一个生成式 AI 平台，可用于快速发现新药物，自 2018 年成立之后，共获得近 7 亿美元的融资。
Writer 是一家帮助企业撰写和总结各种内容的初创公司，该公司近期获得 1 亿美元的投资，估值超过 5 亿美元，其客户包括欧莱雅、Uber 等。欧莱雅会使用 Writer 的软件来帮助创建数字营销活动。
应用
上文提到生物技术公司 Generate Biomedicines 开发了一个可用于药物发现生成式 AI 平台，最新一期《经济学人》杂志也通过封面和大篇幅的报道，展示 AI 带给科学领域的变化，特别是在医疗药物领域，“如果说发现新药就像大海捞针，那么人工智能就像金属探测器”，一位科学家如是说道。
AI 正在改变的领域还有很多，最新一季 FT Tonic 播客以“AI 如何帮助人类与动物交流”为主题切入，目前已经更新了四期内容，感兴趣的朋友可以在这里收听。
一项来自在线教育平台 edX 的调查显示，将近半数的 CEO （49%）相信 AI 有潜力在不久的将来替代他们的大部分工作，甚至全部工作。
除了首席执行官，其他高级管理层也必须面对 AI 的新挑战。根据调查，高管们普遍认为，在 2025 年之前，他们现有员工拥有的技能中有 49% 将变得不再相关，而 47% 的员工没有为未来的工作做好准备。
关于生成式 AI 的工作原理，我个人非常推荐 FT 前几天发布的这个交互式新闻，可以是以“最经济划算”的方式了解整个原理：
一个有争议的应用场景，微软旗下的 MSN 新闻门户上周为突然病逝的 NBA 球星 Brandon Hunter 写了一篇讣告，但标题是“Brandon Hunter useless at 42（Brandon Hunter 42岁毫无用处）”，文中更是充满了胡言乱语的细节。
是的，这是一篇由 AI 生成的文章，而且未经人类编辑的校对，也没有得到 MSN 编辑的审核——或许是因为 MSN 去年炒掉了绝大多数人类编辑团队，现在只有 AI 编辑。
而就在一个月前，MSN 网站的一篇旅行指南文章里，将加拿大渥太华食品银行作为一个可以吃饭的旅行景点，微软高级总监 Jeff Jones 承诺，“我们正在努力确保今后不再发布此类内容”。
新闻行业对于生成式 AI 的拥抱速度很快，不到一年的时间，仅在美国，包括 CNET、Gizmodo 等在线媒体，相继使用 AI 记者来撰写新闻。事实上，自动撰写新闻并不是什么新鲜事，比如美联社、路透社在内的新闻机构，广泛采用自动撰写新闻程序撰写财报等消息，但这些内容与人类记者生成的内容相比，比例还很小。
科技公司，如 Google 也瞄准了新闻行业，该公司为新闻行业准备了一款名为“Genesis”的大模型工具。这项工具可以通过抓取或者根据现有信息，生成新闻内容。Google 已经向《纽约时报》、《华盛顿邮报》以及新闻集团（旗下拥有《华尔街日报》）推销了这个产品。
但生成式 AI 技术的流行，可能会加快自动撰写新闻程序的普及，但如果不经过编辑的仔细核查，（一定）会产生大量的错误信息。《金融时报》副主编 Roula Khalaf 曾这样写道：“在一个错误信息可以快速产生和传播，以及媒体信任普遍下降的时代，我们《金融时报》有更大的责任保持透明，报道事实，追求真相。这就是为什么在新 AI 时代，《金融时报》的新闻将继续由在各自领域最优秀的人类记者撰写和报道，他们致力于准确、公正地报道和分析世界”。
老牌杂志《经济学人》的人类编辑们看得也很明白，生成式 AI 技术的发展，使得新闻的基本单位——“文章”——正在被重新定义，新闻不再是一篇文章的形式展示，也不再是对历史事件的权威记录，而变成一种类似“语言汤”的形式，读者们可以在这种“语言汤”里找到自己的解读。
一则最新的消息，《纽约时报》正在招聘一位负责生成式 AI 的高级编辑，年薪在 18 万到 22 万美元之间。
评论