第六轮康波:人工智能引领的未来
AI情感助手

第六轮康波:人工智能引领的未来

自工业革命以来,经历了四轮康波周期,当前正处于第五轮康波(信息技术互联网时代)的萧条期,但 AI 驱动的第六轮康波已现曙光。全球科技巨头纷纷布局 AI 大模型,我国也在这方面取得了一系列成果。AI 大模型的投资机会主要来自于大模型辅以新架构推动 AIGC 进入杀手级应用涌现阶段,以及垂直场景下高质量数据要素释放带来的价值重估预期。然而,仍需关注 AI 技术落地不及预期、政策推进不及预期、行业竞争加剧、供应链风险、法律及隐私保护等多重风险。
大模型:中国AI黄金机遇与挑战
AI情感助手

大模型:中国AI黄金机遇与挑战

本文介绍了2023全球数字经济大会人工智能高峰论坛上的热点话题,企业家和学术界探讨了大模型、生成式AI技术对社会和产业界的影响。他们认为应打造十亿级行业大模型,深入To B行业解决方案,解决垂直领域的实际问题。当前我国已有80个大模型公开内测,但与OpenAI的商业模式、技术成本仍相距甚远,商业化难度较大。
华为“盘古Chat”:ChatGPT挑战者的崛起
AI情感助手

华为“盘古Chat”:ChatGPT挑战者的崛起

华为公司即将发布“盘古Chat”多模态千亿级大模型产品,直接对标ChatGPT,预计于7月7日发布及内测,产品面向ToB/G政企端客户。近期华为概念股表现活跃,多股涨停,其中包括本川智能、亚康股份等。盘古大模型是华为自2020年以来立项成功的项目,经过多次升级,拥有强大的泛化能力和 scalability。此产品的推出,有望加速各行各业的智能化转型,推动我国AI市场规模在2026年达到264.4亿美元。
华为盘古Chat7月7日发布,国内AI市场竞争激烈
AI情感助手

华为盘古Chat7月7日发布,国内AI市场竞争激烈

本文介绍了华为公司即将推出的多模态千亿级大模型产品“盘古Chat”, directly targeting ChatGPT。该产品于2020年11月在华为云内部立项成功,并预计在今年7月7日举行的电影票。据悉,盘古大模型参数最多为1.085万亿,基于华为自研的MindSpore框架开发,在对话方面可能已接近GPT-3.5的水平。此外,华为还计划推出的首个图、文、音三模态大模型紫东.太初,其CV大模型将是业界最大CV大模型,首次实现兼顾判别与生成能力,并在ImageNet上小样本学习能力的业界第一。
华为大模型‘盘古Chat’即将面世,或成国内领先之作
AI情感助手

华为大模型‘盘古Chat’即将面世,或成国内领先之作

华为大模型“盘古Chat”已完成商标申请,预计7月发布。这款多模态千亿级大模型产品将于7月7日发布,旨在 direct对标 ChatGPT。华为利用“昇腾 昇思”全栈软硬件整合能力,支持适配 AI 开源大模型,并在大规模模型的分布式训练上做出大量的工作,特别是基于 MindSpore AI 框架的自动化并行处理,这可以极大地减少大模型开发和调试工作。券商认为,华为盘古大模型有望成为国内领先的大模型,并赋能百业,其生态产业链上的软硬件公司有望迎来加速发展。
金融界June5日新闻:华为发布“盘古Chat”,特斯拉中国5月交付量增长142%
AI情感助手

金融界June5日新闻:华为发布“盘古Chat”,特斯拉中国5月交付量增长142%

本文主要报道了金融界的最新动态。华为将发布一款多模态千亿级大模型产品“盘古Chat”, directly benchmarking ChatGPT。特斯拉中国在五月份交付量超过7.7万辆,同比增长142%。香港交易所宣布21只双柜台证券将于6月19日正式实施港币-人民币双柜台模式。此外,宁德时代否认供货变动传闻,与客户战略合作关系没有变化。吉利汽车五月汽车销量同比增长35%,纯电动汽车销量增长2.41万辆,插电式混动汽车销量增长2912辆。
千模大战:中国AI大模型市场竞争解析
AI情感助手

千模大战:中国AI大模型市场竞争解析

本文探讨了我国AI大模型的发展现状和未来趋势。目前,国内至少55个类GPT大模型已经推出或即将推出,涉及互联网大厂、AI企业、行业头部公司、高校和科研机构等多个领域。ChatGPT的问世让国内玩家认识到与海外技术之间的代际差距,也给国内大模型创业带来了压力。随着微软、谷歌、亚马逊等硅谷大厂纷纷公布大模型及AIGC进展,国内互联网云大厂也开始在大模型、算力设施、AIGC应用产品、生态等方面展开竞争。大厂们“两条腿走路”,既通过提供大模型MaaS获取平台服务费用,又通过出租算力和推训平台赚取大模型企业的租金,有望为云服务业务带来新增长点。
我国大模型面临的挑战与机遇:数据困境与解决方案
AI医师助手

我国大模型面临的挑战与机遇:数据困境与解决方案

这篇文章主要讨论了我国国产大模型面临的质疑和发展困境,指出大模型的新突破依赖于高质量、丰富的数据集,但目前中文高质量数据集短缺。为解决这个问题,一些大模型团队选择利用私有数据库做数据集,同时众多团队也开始发布开源中文数据集。然而,目前这些开源数据集仍然无法完全弥补中文数据集的不足。文章最后提到,为了让大模型能收集更多的人类反馈,建议在遇到错误或不满意的回答时,用户可以直接关闭对话界面,以便于大模型对人类反馈的搜集。