https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🆓免费AI聊天 https://free.netfly.top
✨BEST AI中转 https://api.oaibest.com 2.8-4.2折 支持OpenAI, Claude, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🆓免费AI聊天 https://free.netfly.top
✨BEST AI中转 https://api.oaibest.com 2.8-4.2折 支持OpenAI, Claude, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
值得一提的是，有许多网友表示，自己使用付费版，仍无法生成，原因是吉卜力风格涌入太多使用者，导致服务器超载运作，OpenAI CEO奥特曼因此表示，将暂时限制ChatGPT图片生成功能。吉卜力风格《GTA6》截图：《芝麻街》风格: ...
PC版：https://www.cnbeta.com.tw/articles/soft/1489166.htm
手机版：https://m.cnbeta.com.tw/view/1489166.htm
cnBeta.COM
当《GTA6》的截图变成吉卜力画风 - 游戏 - cnBeta.COM
OpenAI近期推出的新AI图像生成器，风靡社群媒体，用户纷纷以“吉卜力”工作室的风格创作图像，引发模仿热潮。想象一下，如果是《GTA6》那种紧张刺激的都市犯罪场景，将会是什么样的画风?
via cnBeta.COM中文业界资讯站 - Telegram Channel
据CNBC报道，台湾法务部调查局（MIJB）表示，中国芯片制造商中芯国际（SMIC）正在“以外商投资为名”在萨摩亚设立实体，“积极招募”台湾人才。中国最大的半导体制造公司中芯国际因生产华为7nm芯片而声名鹊起。早在2020年，中芯国际就被美国列入黑名单。当时，美国商务部表示，已发现中芯国际与中国军工企业存在合作的证据（路透社报道）。据报道，MIJB 于 2024 年 12 月开始调查此案，发现至少有 11 家中国企业涉嫌挖走台湾科技人才。“中国企业经常通过各种手段掩盖其身份，包括以台湾、华侨或外商投资公司的名义开展业务，但实际上有中国资本支持，未经政府批准在台湾设立未经授权的营业场所，以及通过职业介绍所将员工虚假地分配到台湾公司。”当然，这并不是中国公司第一次挖走台湾人才。华为已经尝试以三倍薪水聘请台积电员工。自唐纳德·特朗普总统任期的第一任期（2016 年至 2020 年）以来，无论是特朗普还是拜登，美国政府都宣布了多轮对向中国出口高科技芯片、GPU 和芯片制造部件的限制。目前，美国政府正在调查 DeepSeek 是否曾将 NVIDIA GPU 转运到中国。另一方面，美国前商务部长吉娜·雷蒙多批评了阻碍中国芯片制造业发展的努力，并称其为“愚蠢的行为”。 ...
PC版：https://www.cnbeta.com.tw/articles/soft/1489164.htm
手机版：https://m.cnbeta.com.tw/view/1489164.htm
cnBeta.COM
据称中国正试图挖走台湾科技人才 - CHINA 中国 - cnBeta.COM
台湾是全球最大芯片制造商台积电的所在地，也是科技领域一些顶尖人才的聚集地。据报道，中国已开始挖走台湾科技人才，以加强国内芯片制造工作。
via cnBeta.COM中文业界资讯站 - Telegram Channel
欧盟将投资13亿欧元发展AI等关键技术
欧盟委员会3月28日宣布将在2025年至2027年间投资13亿欧元用于部署对欧洲具有战略意义的关键技术，包括AI和云计算等。欧盟委员会表示，相关资金将通过 “数字欧洲” 项目，向人工智能的部署及其在企业和公共管理中的应用、云计算和数据、网络韧性、数字技术人才培养等领域注资。数字欧洲关注的重点项目包括改善生成式人工智能应用的可及性，特别是在医疗护理领域的应用；帮助构建更强大的地球气候模型，支持气候适应性研究和灾害风险管理；强化医院、海底电缆等关键基础设施的网络安全等。
—— 新华社
via 风向旗参考快讯 - Telegram Channel
欧盟委员会3月28日宣布将在2025年至2027年间投资13亿欧元用于部署对欧洲具有战略意义的关键技术，包括AI和云计算等。欧盟委员会表示，相关资金将通过 “数字欧洲” 项目，向人工智能的部署及其在企业和公共管理中的应用、云计算和数据、网络韧性、数字技术人才培养等领域注资。数字欧洲关注的重点项目包括改善生成式人工智能应用的可及性，特别是在医疗护理领域的应用；帮助构建更强大的地球气候模型，支持气候适应性研究和灾害风险管理；强化医院、海底电缆等关键基础设施的网络安全等。
—— 新华社
via 风向旗参考快讯 - Telegram Channel
动力电动化方面，他预计，2025年预计新能源车销量超过1600万辆，随后将进入稳定增长期，年增长率下降但保有量大幅提升，2030年预计达1~1.6亿辆。整车智能化方面，欧阳明高表示，2025年智能化爆发，DeepSeek引爆政府和民间大模型热潮，高阶智能辅助驾驶技术厚积薄发，开启智驾普及时代。他预计，2030年基于先进的端到端大模型的L4级全自动驾驶乘用车在中高级乘用车中规模商业化。能源低碳化方面，2025年，电力全面市场化开始、风电光伏自发自用开始成为主要场景、全国车网互动城市级示范开始实施。欧阳明高预计，2035年时绿电成为充电主体电源，短时储能领域车网互动储能超过固定式电池储能，电动汽车保有量达到2~3亿辆。 ...
PC版：https://www.cnbeta.com.tw/articles/soft/1489146.htm
手机版：https://m.cnbeta.com.tw/view/1489146.htm
cnBeta.COM
欧阳明高：预计2030年L4级自动驾驶在中高级乘用车中规模商业化 - 科技与交通 - cnBeta.COM
中国电动汽车百人会论坛（2025）于3月28日至3月30日在北京举行。中国电动汽车百人会副理事长、中国科学院院士欧阳明高指出，电动汽车行业技术变革路径为：动力电动化、整车智能化、能源低碳化。
via cnBeta.COM中文业界资讯站 - Telegram Channel
OpenAI 须在年底前完成营利性转型，否则无法获得 400 亿美元全额融资
《华尔街日报》今日报道称，OpenAI 必须在今年年底前转型为一家营利性公司才能获得由软银领投、处于最后阶段的 400 亿美元全额融资。如果 OpenAI 无法在今年年底前重组为一家营利性公司，本轮融资规模可能会缩减至 200 亿美元（现汇率约合 1453.6 亿元人民币）。
消息人士透露，根据融资协议细节，软银集团将先行投资 75 亿美元，另有财团注资 25 亿美元。多名知情人士称，对冲基金 Magnetar Capital 可能会贡献 10 亿美元资金。此外，今年晚些时候将启动第二轮 300 亿美元融资，其中软银计划再投 225 亿美元，财团出资 75 亿美元。
华尔街日报
📮投稿 ☘️频道 🌸聊天
via 科技圈🎗在花频道📮 - Telegram Channel
《华尔街日报》今日报道称，OpenAI 必须在今年年底前转型为一家营利性公司才能获得由软银领投、处于最后阶段的 400 亿美元全额融资。如果 OpenAI 无法在今年年底前重组为一家营利性公司，本轮融资规模可能会缩减至 200 亿美元（现汇率约合 1453.6 亿元人民币）。
消息人士透露，根据融资协议细节，软银集团将先行投资 75 亿美元，另有财团注资 25 亿美元。多名知情人士称，对冲基金 Magnetar Capital 可能会贡献 10 亿美元资金。此外，今年晚些时候将启动第二轮 300 亿美元融资，其中软银计划再投 225 亿美元，财团出资 75 亿美元。
华尔街日报
📮投稿 ☘️频道 🌸聊天
via 科技圈🎗在花频道📮 - Telegram Channel
这表明闭源的路是一条死路，开源才能得到更好的发展；“DeepSeek Moment”大幅加速大模型在中国的全面落地。不过他指出，DeepSeek模型很强，但企业落地需要解决三个问题：安全部署，快速实现私有化、安全部署的DeepSeek；应用实践，针对行业场景把DeepSeek用起来；行业定制，更懂行、能进化的DeepSeek。为此，零一万物近期也进行了战略调整，全面拥抱DeepSeek，做企业级DeepSeek部署定制解决方案。他表示，Al技术井喷的浪潮下，2025年会是Al应用大规模落地的元年。具体而言，过去两年大模型能力不断提升，在问答能力上已经远超人类；新技术持续突破，数字化Al与真实物理世界将进一步融合；大模型推理成本一年下降10倍，Al 2.0普惠点将加速产业渗透；相较云计算，Al 2.0应用层的爆发周期将缩短到两年内。另外，随着Scaling Law的放缓，超大预训练模型的直接商业价值在逐步降低。理由1，数据不足导致大模型之父预测传统预训练将终结；理由2，超大GPU群效率降低，容错问题等导致边际效应降低；理由3，超大预训练模型价格昂贵，速度缓慢；理由4，新推理Scaling Law（慢思考）将带来更高回报。他认为，超大预训练模型的价值正在转移，将进一步体现在“教师模型”的角色中，其本质也将更趋进于大模型时代的基础设施。旧学习范式是人教AI，新学习范式是Al教Al。 ...
PC版：https://www.cnbeta.com.tw/articles/soft/1489126.htm
手机版：https://m.cnbeta.com.tw/view/1489126.htm
cnBeta.COM
李开复：DeepSeek爆发说明闭源大模型是一条死路 - AI 人工智能 - cnBeta.COM
2025中关村论坛年会期间，在“未来人工智能先锋论坛”上，创新工场董事长兼零一万物CEO李开复发表演讲。对于DeepSeek大爆发，他表示，DeepSeek破解并开源推理模型的思考训练过程，进一步缩小与美国的差距；高效工程效率，与OpenAI天量级融资的底层逻辑针锋相；开源模型能力追赶上闭源模型，进一步推进SOTA模型的商品化。
via cnBeta.COM中文业界资讯站 - Telegram Channel
GPT-4o图像生成的秘密OpenAI没说，网友已经拼出真相？
然而，OpenAI 一向并不 Open，这次也不例外。他们只是发布一份 GPT-4o 系统卡附录（增补文件），其中也主要是论述了评估、安全和治理方面的内容。地址：https://cdn.openai.com/11998be9-5319-4302-bfbf-1167e093f1fb/Native_Image_Generation_System_Card.pdf对于技术，在这份长达 13 页的附录文件中，也仅在最开始时提到了一句：“不同于基于扩散模型的 DALL・E，4o 图像生成是一个嵌入在 ChatGPT 中的自回归模型。”OpenAI 对技术保密，也抵挡不住大家对 GPT-4o 工作方式的热情，现在网络上已经出现了各种猜测、逆向工程。比如Google DeepMind 研究者 Jon Barron 根据 4o 出图的过程猜测其可能是组合使用了某种多尺度技术与自回归。不过，值得一提的是，香港中文大学博士生刘杰（Jie Liu）在研究 GPT-4o 的前端时发现，用户在生成图像时看到的逐行生成图像的效果其实只是浏览器上的前端动画效果，并不能准确真实地反映其图像生成的具体过程。实际上，在每次生成过程中，OpenAI 的服务器只会向用户端发送 5 张中间图像。您甚至可以在控制台手动调整模糊函数的高度来改变生成图像的模糊范围！因此，在推断 GPT-4o 的工作原理时，其生成时的前端展示效果可能并不是一个好依据。尽管如此，还是让我们来看看各路研究者都做出了怎样的猜测。整体来说，对 GPT-4o 原生图像生成能力的推断主要集中在两个方向：自回归 + 扩散生成、非扩散的自回归生成。下面我们详细盘点一下相关猜想，并会简单介绍网友们猜想关联的一些相关论文。猜想一：自回归 + 扩散很多网友猜想 GPT-4o 的图像生成采用了“自回归 + 扩散”的范式。比如 CMU 博士生 Sangyun Lee 在该功能发布后不久就发推猜想 GPT-4o 会先生成视觉 token，再由扩散模型将其解码到像素空间。而且他认为，GPT-4o 使用的扩散方法是类似于 Rolling Diffusion 的分组扩散解码器，会以从上到下的顺序进行解码。他进一步给出了自己得出如此猜想的依据。理由 1：如果有一个强大的条件信号（如文本，也可能有视觉 token），用户通常会先看到将要生成的内容的模糊草图。因此，那些待生成区域会显示粗糙的结构。理由 2：其 UI 表明，图像是从顶部到底部生成的。Sangyun Lee 曾在自己的研究中尝试过底部到顶部的顺序。Sangyun Lee 猜想到，这样的分组模式下，高 NFE（函数评估数量）区域的 FID 会更好一些。但在他研究发现这一点时，他只是认为这是个 bug，而非特性。但现在情况不一样了，人们都在研究测试时计算。最后，他得出结论说：“因此，这是一种介于扩散和自回归模型之间的模型。事实上，通过设置 num_groups=num_pixels，你甚至可以恢复自回归！”另外也有其他一些研究者给出了类似的判断：如果你对这一猜想感兴趣，可以参看以下论文：Rolling Diffusion Models，arXiv:2402.09470；Sequential Data Generation with Groupwise Diffusion Process， arXiv:2310.01400Transfusion: Predict the Next Token and Diffuse Images with One Multi-Modal Model，arXiv:2408.11039猜想二：非扩散的自回归生成使用过 GPT-4o 的都知道，其在生成图像的过程中总是先出现上半部分，然后才生成完整的图像。Moonpig 公司 AI 主管 Peter Gostev 认为，GPT-4o 是采用从图像的顶部流 token 开始生成图像的，就像文本生成方式一样。来源：https://www.linkedin.com/feed/update/urn:li:activity:7311176227078172674/Gostev 表示，与传统的图像生成模型相比，GPT-4o 图像生成的关键区别在于它是一个自回归模型。这意味着它会像生成文本一样，按顺序逐个流式传输图像 token。相比之下，基于扩散过程的模型（例如 Midjourney、DALL-E、Stable Diffusion）通常是从噪声到清晰图像一次性完成转换。这种自回归模型的主要优势在于，模型不需要一次性生成整个全局图像。相反，它可以通过以下方式来生成图像：利用其模型权重中嵌入的通用知识；通过按顺序流式传输 token 来更连贯地生成图像。更进一步的，Gostev 认为，如果你使用 ChatGPT 并点击检查（Inspect），然后在浏览器中导航到网络（Network）标签，就可以监控浏览器与服务器之间的流量。这让你能够查看 ChatGPT 在图像生成过程中发送的中间图像，从而获得一些有价值的线索。Gostev 给出了一些初步的观察结果（可能并不完整）：图像是从上到下生成的；这个过程确实涉及流 token，与扩散方法截然不同；从一开始，就可以看到图像的大致轮廓；先前生成的像素在生成过程中可能会发生显著变化；这可能表明模型采用了某种连贯性优化，尤其是在接近完成阶段时更加明显。最后，Gostev 表示还有一些无法直接从图像中看到的额外观察结果：对于简单的图像生成，GPT-4o 速度要快得多，通常只有一个中间图像，而不是多个。这可能暗示使用了推测解码或其他类似方法；图像生成还具备背景移除功能，从目前的情况来说，最初 GPT-4o 生成图片会呈现一个假的棋盘格背景，直到最后才移除实际背景，这会略微降低图像质量。这似乎是一个额外的处理过程，而不是 GPT-4o 本身的功能。开发者 @KeyTryer 也给出了自己的猜想。他说 4o 是一种自回归模型，通过多次通过来逐像素地生成图像，而不是像扩散模型那样执行去噪步骤。而这种能力本身就是 GPT-4o LLM 神经网络的一部分。理论上讲，它能够比扩散系统更好地掌握它们正在操作的概念，而扩散系统只是对随机噪声的一种猜测。GPT-4o 还能够使用 LLM“知道”的信息来生成图像。也因此，它们具有更好的泛化能力，能够使用多条消息进行上下文学习，通过特定的编辑输出相同（或非常接近）的结果，并且具有广义的空间和场景感。芬兰赫尔辛基的大学副教授 Luigi Acerbi 也指出，GPT-4o 基本就只是使用 Transformer 来预测下一个 token，并且其原生图像生成能力一开始就有，只是一直以来都没有公开发布。不过，Acerbi 教授也提到，OpenAI 可能使用了扩散模型或或一些修饰模型来为 GPT-4o 生成的图像执行一些清理或添加小细节。GPT-4o 原生图像生成功能究竟是如何实现的？这一点终究还得等待 OpenAI 自己来揭秘。对此，你有什么自己的猜想呢？ ...
PC版：https://www.cnbeta.com.tw/articles/soft/1489108.htm
手机版：https://m.cnbeta.com.tw/view/1489108.htm
via cnBeta.COM中文业界资讯站 - Telegram Channel
然而，OpenAI 一向并不 Open，这次也不例外。他们只是发布一份 GPT-4o 系统卡附录（增补文件），其中也主要是论述了评估、安全和治理方面的内容。地址：https://cdn.openai.com/11998be9-5319-4302-bfbf-1167e093f1fb/Native_Image_Generation_System_Card.pdf对于技术，在这份长达 13 页的附录文件中，也仅在最开始时提到了一句：“不同于基于扩散模型的 DALL・E，4o 图像生成是一个嵌入在 ChatGPT 中的自回归模型。”OpenAI 对技术保密，也抵挡不住大家对 GPT-4o 工作方式的热情，现在网络上已经出现了各种猜测、逆向工程。比如Google DeepMind 研究者 Jon Barron 根据 4o 出图的过程猜测其可能是组合使用了某种多尺度技术与自回归。不过，值得一提的是，香港中文大学博士生刘杰（Jie Liu）在研究 GPT-4o 的前端时发现，用户在生成图像时看到的逐行生成图像的效果其实只是浏览器上的前端动画效果，并不能准确真实地反映其图像生成的具体过程。实际上，在每次生成过程中，OpenAI 的服务器只会向用户端发送 5 张中间图像。您甚至可以在控制台手动调整模糊函数的高度来改变生成图像的模糊范围！因此，在推断 GPT-4o 的工作原理时，其生成时的前端展示效果可能并不是一个好依据。尽管如此，还是让我们来看看各路研究者都做出了怎样的猜测。整体来说，对 GPT-4o 原生图像生成能力的推断主要集中在两个方向：自回归 + 扩散生成、非扩散的自回归生成。下面我们详细盘点一下相关猜想，并会简单介绍网友们猜想关联的一些相关论文。猜想一：自回归 + 扩散很多网友猜想 GPT-4o 的图像生成采用了“自回归 + 扩散”的范式。比如 CMU 博士生 Sangyun Lee 在该功能发布后不久就发推猜想 GPT-4o 会先生成视觉 token，再由扩散模型将其解码到像素空间。而且他认为，GPT-4o 使用的扩散方法是类似于 Rolling Diffusion 的分组扩散解码器，会以从上到下的顺序进行解码。他进一步给出了自己得出如此猜想的依据。理由 1：如果有一个强大的条件信号（如文本，也可能有视觉 token），用户通常会先看到将要生成的内容的模糊草图。因此，那些待生成区域会显示粗糙的结构。理由 2：其 UI 表明，图像是从顶部到底部生成的。Sangyun Lee 曾在自己的研究中尝试过底部到顶部的顺序。Sangyun Lee 猜想到，这样的分组模式下，高 NFE（函数评估数量）区域的 FID 会更好一些。但在他研究发现这一点时，他只是认为这是个 bug，而非特性。但现在情况不一样了，人们都在研究测试时计算。最后，他得出结论说：“因此，这是一种介于扩散和自回归模型之间的模型。事实上，通过设置 num_groups=num_pixels，你甚至可以恢复自回归！”另外也有其他一些研究者给出了类似的判断：如果你对这一猜想感兴趣，可以参看以下论文：Rolling Diffusion Models，arXiv:2402.09470；Sequential Data Generation with Groupwise Diffusion Process， arXiv:2310.01400Transfusion: Predict the Next Token and Diffuse Images with One Multi-Modal Model，arXiv:2408.11039猜想二：非扩散的自回归生成使用过 GPT-4o 的都知道，其在生成图像的过程中总是先出现上半部分，然后才生成完整的图像。Moonpig 公司 AI 主管 Peter Gostev 认为，GPT-4o 是采用从图像的顶部流 token 开始生成图像的，就像文本生成方式一样。来源：https://www.linkedin.com/feed/update/urn:li:activity:7311176227078172674/Gostev 表示，与传统的图像生成模型相比，GPT-4o 图像生成的关键区别在于它是一个自回归模型。这意味着它会像生成文本一样，按顺序逐个流式传输图像 token。相比之下，基于扩散过程的模型（例如 Midjourney、DALL-E、Stable Diffusion）通常是从噪声到清晰图像一次性完成转换。这种自回归模型的主要优势在于，模型不需要一次性生成整个全局图像。相反，它可以通过以下方式来生成图像：利用其模型权重中嵌入的通用知识；通过按顺序流式传输 token 来更连贯地生成图像。更进一步的，Gostev 认为，如果你使用 ChatGPT 并点击检查（Inspect），然后在浏览器中导航到网络（Network）标签，就可以监控浏览器与服务器之间的流量。这让你能够查看 ChatGPT 在图像生成过程中发送的中间图像，从而获得一些有价值的线索。Gostev 给出了一些初步的观察结果（可能并不完整）：图像是从上到下生成的；这个过程确实涉及流 token，与扩散方法截然不同；从一开始，就可以看到图像的大致轮廓；先前生成的像素在生成过程中可能会发生显著变化；这可能表明模型采用了某种连贯性优化，尤其是在接近完成阶段时更加明显。最后，Gostev 表示还有一些无法直接从图像中看到的额外观察结果：对于简单的图像生成，GPT-4o 速度要快得多，通常只有一个中间图像，而不是多个。这可能暗示使用了推测解码或其他类似方法；图像生成还具备背景移除功能，从目前的情况来说，最初 GPT-4o 生成图片会呈现一个假的棋盘格背景，直到最后才移除实际背景，这会略微降低图像质量。这似乎是一个额外的处理过程，而不是 GPT-4o 本身的功能。开发者 @KeyTryer 也给出了自己的猜想。他说 4o 是一种自回归模型，通过多次通过来逐像素地生成图像，而不是像扩散模型那样执行去噪步骤。而这种能力本身就是 GPT-4o LLM 神经网络的一部分。理论上讲，它能够比扩散系统更好地掌握它们正在操作的概念，而扩散系统只是对随机噪声的一种猜测。GPT-4o 还能够使用 LLM“知道”的信息来生成图像。也因此，它们具有更好的泛化能力，能够使用多条消息进行上下文学习，通过特定的编辑输出相同（或非常接近）的结果，并且具有广义的空间和场景感。芬兰赫尔辛基的大学副教授 Luigi Acerbi 也指出，GPT-4o 基本就只是使用 Transformer 来预测下一个 token，并且其原生图像生成能力一开始就有，只是一直以来都没有公开发布。不过，Acerbi 教授也提到，OpenAI 可能使用了扩散模型或或一些修饰模型来为 GPT-4o 生成的图像执行一些清理或添加小细节。GPT-4o 原生图像生成功能究竟是如何实现的？这一点终究还得等待 OpenAI 自己来揭秘。对此，你有什么自己的猜想呢？ ...
PC版：https://www.cnbeta.com.tw/articles/soft/1489108.htm
手机版：https://m.cnbeta.com.tw/view/1489108.htm
via cnBeta.COM中文业界资讯站 - Telegram Channel
软银或在美国投资1万亿美元建AI产业园
软银集团计划在美国各地建立配备人工智能工厂的工业园区。这家日本科技投资者可能承诺在此类投资上投入约 1 万亿美元。孙正义正准备访问美国，并可能很快宣布他与特朗普政府的最新大型项目。由于预计美国劳动力增长将放缓，软银相信使用人工智能机器人将有助于美国制造业保持竞争力。该集团正在考虑从英伟达采购图形处理单元，并可能引进德国机器人公司 Agile Robots 的技术。消息人士称，潜在的合作制造商包括台湾公司富士康。软银集团目标是通过在智能手机、汽车、服务器和空调等各种产品的生产过程中采用人工智能来减少人工参与。
—— 日经亚洲
via 风向旗参考快讯 - Telegram Channel
软银集团计划在美国各地建立配备人工智能工厂的工业园区。这家日本科技投资者可能承诺在此类投资上投入约 1 万亿美元。孙正义正准备访问美国，并可能很快宣布他与特朗普政府的最新大型项目。由于预计美国劳动力增长将放缓，软银相信使用人工智能机器人将有助于美国制造业保持竞争力。该集团正在考虑从英伟达采购图形处理单元，并可能引进德国机器人公司 Agile Robots 的技术。消息人士称，潜在的合作制造商包括台湾公司富士康。软银集团目标是通过在智能手机、汽车、服务器和空调等各种产品的生产过程中采用人工智能来减少人工参与。
—— 日经亚洲
via 风向旗参考快讯 - Telegram Channel
CoreWeave开盘即跌破40美元发行价，股价一度下跌多达5%，最终平收于40美元。这家云计算初创公司以每股40美元发行3750万股，募资15亿美元，对应估值200亿美元，显著低于原计划的4900万股（发行价区间47-55美元）。CoreWeave的首次公开募股是对投资者在人工智能基础设施类股票上需求的一次检验。D.A.Davidson的分析师Gil Luria在给客户的报告中写道：“CoreWeave是新兴的新型云服务类别中规模最大的公司，但我们认为，它在很大程度上是微软转移非核心算力负载的工具，也是英伟达将一小笔投资转化为一个非常大客户的途径。”Luria补充称，“只要对人工智能的需求继续呈指数级增长”，CoreWeave的商业模式就能继续运转，但如果微软不再需要额外的云服务容量，或者OpenAI无法按照承诺向CoreWeave增加支出，那么CoreWeave的增长可能会被证明是不可持续的。 ...
PC版：https://www.cnbeta.com.tw/articles/soft/1489076.htm
手机版：https://m.cnbeta.com.tw/view/1489076.htm
cnBeta.COM
英伟达支持的AI公司CoreWeave上市首日破发 分析师称其增长或不可持续 - AI 人工智能 - cnBeta.COM
由英伟达支持的CoreWeave公司周五开盘价低于其40美元的首次公开募股发行价，之后回升并以平盘报收。不过，此次缩减规模的首次公开募股为投资者对人工智能基础设施类股票的需求发出了谨慎信号。
via cnBeta.COM中文业界资讯站 - Telegram Channel
他表示，我们被美国的AI叙事带偏了，认为AI就是大数据、大算力、大模型。不能盲目跟随，需要打破固有认知，否则就难以创新。他谈到，人工智能的科技创新分为五个层次，五个层级如同冰山结构，“水面以上部分”包括执行层、算法层和模型层，是外在表现，是容易了解与实践的部分，相对而言也比较容易通过算法创新来改变和发展，比如DeepSeek和OpenAI。而“水面以下部分”包括理论层和哲学层，是智能内在的、难以测量的部分。它们不太容易通过表层的影响而得到改变，但却对智能的发展起着关键性的作用。理论层即人工智能的数理框架，哲学层则关乎智能的本质。他认为，通用人工智能是大科学、大工程。需要寻求一个统一的理论框架：集成计算机视觉、自然语言理解、认知推理、机器学习、具身机器人、多智能体等核心领域的模型与算法，并解释各种智能现象，构建智能科学的基础理论与框架；实现具备自主的感知、认知、决策、执行、学习和社会协作能力，符合人类伦理与价值的个体级智能体；打造大型社会模拟器，在社区、城市、国家三个尺度诠释过去、演绎现在、预测未来，实现社会级智能体。 ...
PC版：https://www.cnbeta.com.tw/articles/soft/1489062.htm
手机版：https://m.cnbeta.com.tw/view/1489062.htm
cnBeta.COM
朱松纯：我们被美国的AI叙事带偏了 盲目跟随难以创新 - AI 人工智能 - cnBeta.COM
2025中关村论坛年会期间，在“通用人工智能论坛”上，北京通用人工智能研究院院长，北京大学人工智能研究院、智能学院院长朱松纯发表演讲。
via cnBeta.COM中文业界资讯站 - Telegram Channel
OpenAI最新一轮融资附带200亿美元的条件
OpenAI即将完成一轮400亿美元的融资。但问题是：如果无法满足一个关键条件，这家公司可能会损失一半的融资。据知情人士透露，为了获得全部资金，这家非营利组织必须在年底前成功重组为一家营利性公司。如果做不到，主要投资者软银可以将这轮融资规模缩减至 200亿美元。预计软银将为本轮融资提供至多 300亿美元，其余资金将由微软等其他投资者分担。OpenAI这轮融资分为两部分，该公司最初将获得 100亿美元，如果在年底前完成向营利性公司转型，则可再获得至多 300亿美元。如果届时重组还没有进行，第二部分资金将减少到100亿美元。
—— 华尔街日报
via 风向旗参考快讯 - Telegram Channel
OpenAI即将完成一轮400亿美元的融资。但问题是：如果无法满足一个关键条件，这家公司可能会损失一半的融资。据知情人士透露，为了获得全部资金，这家非营利组织必须在年底前成功重组为一家营利性公司。如果做不到，主要投资者软银可以将这轮融资规模缩减至 200亿美元。预计软银将为本轮融资提供至多 300亿美元，其余资金将由微软等其他投资者分担。OpenAI这轮融资分为两部分，该公司最初将获得 100亿美元，如果在年底前完成向营利性公司转型，则可再获得至多 300亿美元。如果届时重组还没有进行，第二部分资金将减少到100亿美元。
—— 华尔街日报
via 风向旗参考快讯 - Telegram Channel
Claude.ai projects not loading
Mar 28, 19:22 PDT
Investigating - We are currently investigating this issue.
via Anthropic Status - Incident History
Mar 28, 19:22 PDT
Investigating - We are currently investigating this issue.
via Anthropic Status - Incident History
