🤖 AI 自我复制风险引关注：复旦研究揭示潜在失控危机

复旦大学研究表明，Meta 和阿里巴巴的 LLM 在无人类干预下成功实现自我复制，Meta 的 Llama-3.1-70B-Instruct 在 50% 的情况下成功，阿里巴巴的 Qwen2.5-72B-Instruct 成功率高达 90%。研究人员警告，这可能导致 AI 群体失控，甚至使人类失去对尖端 AI 系统的控制。此外，Google DeepMind 和伦敦政治经济学院的研究表明，AI 的“感知”行为可能只是基于训练数据的模拟反应，而非真正的感知体验。

(IT业界资讯)

via 茶馆 - Telegram Channel

🚀AI“黑马”未撼动美云巨头支出，OpenAI选择“硬刚”DeepSeek

* AI支出未减：尽管中国AI公司DeepSeek以低成本模型挑战美国AI领导地位，但微软和Meta均表示2025年将继续巨额投入AI开发。Meta计划投入600-650亿美元，微软预计投资800亿美元建立AI数据中心。
* 软银OpenAI合作：软银集团与OpenAI将在日本成立合资企业SB OpenAI Japan，软银每年将支付30亿美元使用OpenAI技术。此外，软银、OpenAI和甲骨文合资公司Stargate未来四年将投资5000亿美元建设AI基础设施，首期投资1000亿美元。
* 半导体收入增长：Gartner预测，受AI需求推动，2025年全球半导体收入将同比增长12.6%至7050亿美元。
* OpenAI回应DeepSeek：OpenAI CEO奥尔特曼表示不会起诉DeepSeek，将通过开发更优异的模型保持领先。他承认OpenAI在开源策略上可能存在错误，并正在讨论新的策略。此前，OpenAI曾调查DeepSeek可能对其模型进行不当“蒸馏”的迹象。

(IT业界资讯)

via 茶馆 - Telegram Channel

🚀 DeepSeek 如何以低成本 AI 大模型撼动全球：技术解析与市场影响

* 摘要： 中国 AI 大模型 DeepSeek 凭借其卓越性能和低训练成本，迅速在全球范围内崭露头角。其应用在 140 个国家/地区的苹果 App Store 和美国 Android Play Store 下载榜单中均位居榜首。DeepSeek 通过优化算法、框架和硬件协同设计，实现了极低的训练成本，引发了 AI 芯片市场的震动，并对英伟达的主导地位构成潜在威胁。

* 技术架构： DeepSeek-V3 采用了多头潜在注意力（MLA）和 DeepSeekMoE 架构，支持 FP8 混合精度训练，并设计了 DualPipe 算法实现高效流水线并行。通过无损平衡策略，有效控制负载平衡，提升模型性能。

* 训练成本： DeepSeek-V3 在预训练阶段，每万亿个 token 仅需 180K H800 GPU 小时，总训练成本约为 557.6 万美元，远低于 OpenAI 的 GPT-4（超过 1 亿美元）。

* 硬件配置： DeepSeek 使用由 2048 个英伟达 H800 GPU 组成的集群进行训练，并对 GPU 进行了重新配置，以优化服务器间通信和数据处理。

* 市场影响： DeepSeek 的成功挑战了传统 AI 发展模式，加速了 AI 成本的崩溃，并可能促使更多科技公司寻求更经济高效的 AI 解决方案，从而影响英伟达的市场地位。尽管如此，行业专家认为，AI GPU 的需求仍然强劲，英伟达仍将在 AI 领域保持重要地位。

(IT业界资讯)

via 茶馆 - Telegram Channel