搜索
大模型出现以来，整个行业的资金循环模式是什么样子呢？投资注入大模型公司，大模型公司买卡注入英伟达。这正是过去十年间AI典型的非良性循环，但与上次不同的是，这次确实正在一点点摆脱此前十几年间的惯性。现在我们处在什么位置呢？水温80度，正是一个要开还没开的节点。
美国电力巨头们的股价正在因为AI而疯狂，近一年来涨幅普遍翻番，甚至超过了英伟达。正在建设AI基础设施的七大科技巨头（M7）们，不仅抢着向英伟达要货，还在抓紧和这些电力巨头们签订合同。也难怪黄仁勋前两天在COMPUTEX的演讲中频繁强调芯片能耗。中国人工智能要追赶美国，会遭遇类似的“电力危机”吗？
淘宝跳转拼多多式的难题
从家庭常备的日化用品，到使用能源的高效催化，生活生产的方方面面离不开新兴材料。当传统“大海捞针”式的试错法，已然难以满足如今新材料研发的需求，这波大模型浪潮催生的人工智能热，却让“AI炼金术”渐渐接近现实。
搜索，几乎是AI应用最成熟的场景，不仅跑出了Perplexity AI这种初创独角兽，还吸引了模型巨头OpenAI的投入。当所有目光放到AI搜索在C端的应用，却忽略了在企业搜索的赛道上，有一家公司正在大放异彩，那就是Glean。
大模型开始“普世化”了，不必理解技术，在不知不觉中就能用得不亦乐乎。
众所周知，对于 Llama3、GPT-4 或 Mixtral 等高性能大语言模型来说，构建高质量的网络规模数据集是非常重要的。然而，即使是最先进的开源 LLM 的预训练数据集也不公开，人们对其创建过程知之甚少。
大模型，大，能力强，好用！
最近发现一些AI行业里人才能力圈的有趣的变化，越来越多在一些AI公司里扛大旗的，不仅仅是某一个领域的专家，而且是绝对的斜杠青年。
华南理工大学和香港大学的研究人员在ICML 2024上提出了一个简单而通用的时空提示调整框架FlashST，通过轻量级的时空提示网络和分布映射机制，使预训练模型能够适应不同的下游数据集特征，显著提高了模型在多种交通预测场景中的泛化能力。