社区

过去12个月，大型科技公司在AI基础设施上的资本支出（capex）超过1500亿美元。 数据说话，2024年上半年，Alphabet、亚马逊、Meta和微软的资本支出接近1040亿美元，同比增长47%。 其中，微软和Alphabet的同比增长最大，分别增长了78%和91%。$NVIDIA Corp(NVDA)$  $Microsoft(MSFT)$  $Amazon.com(AMZN)$   花这么多钱投入AI，背后是四大科技公司的共识：“在AI领域，晚到的风险远大于过度投资的风险。” 目前各家的ai实质已经开始变现，比如微软Azure AI服务收入年增长率900%，客户数量超过60,000家，旗下GitHub Copilot年收入增长超过40%，被超过77,000家公司采用。 亚马逊AWS的AI服务年收入贡献达到数十亿美元规模。 Alphabet的AI工具被超过200万开发者使用，Gemini被超过150万开发者使用。 Meta的AI系统提高了Facebook Reels的用户参与度，超过从CPU到GPU迁移时的增长。genai也有效的提升了旗下产品的日活跃用户与收入。 还是那句话，对于科技巨头来说：宁可浪费，不能错过。Ai的最大风险就是“迟到”。 在国内，阿里巴巴也很明显有这个趋势，相反，字节/腾讯更为保守一些。

30亿美元估值的Perplexity是一级市场里估值最高的AI应用公司之一，简单点来说，是换个典型“套壳”产品——没有底层的大模型能力，只做根植于模型之上的产品。 AI搜索是过去一年为数不多被验证的原生AI产品，外部得到的数据是，Perplexity目前2000万月活跃用户，预计年内达到1亿MAU与1亿美元ARR。 与Perplexity类似，liner, phind, globe, 秘塔搜索，360 AI搜索等，都是这一代AI搜索的典型，另一方面，包括小红书等内容平台也都在这个方向上做探索，相比于给用户一堆链接与答非所问的同质化信息，直接给出答案似乎是更好的选择。 AI搜索核心是RAG，即“检索增强生成”，大概分三个步骤： 根据用户搜索内容调用各大搜索引擎 API，获取结果 设置提示词，把检索结果作为挂载上下文； 整合答案，标注引用来源，给出用户结果。 如果你足够关注这轮GenAI，对于这家公司在媒体上更多看到的是褒扬，但追溯其商业逻辑本质，你可以发现它是个名副其实的“AI大盗”，以下部分观点来源于《The Verge》。 有关答案引擎？The Verge认为公司正通过“不道德”的手段试图在信息搜索领域取得突破，创建一个与谷歌搜索竞争的“答案引擎”。 Perplexity的商业模式弊端：作为信息的“中间商”，Perplexity利用了高质量信息源，直接提供直接答案而非链接，从而截取原本属于信息源的广告收入——这对原本可以通过展示广告获取收入的信息源影响很大。 侵犯版权问题：Perplexity通过绕过付费墙，使用Forbes等媒体的调查报道内容，却很少引用原始来源，甚至使用原图，这构成版权侵犯。 忽视robots.txt：Perplexity无视网站设置的爬虫协议，继续抓取内容，要知道有些站点设置此内容就是为了不被搜索引擎收录，比如淘宝早期就不允许百度抓取其商品内容。

The Verge上个月写了一篇“Perplexity：AI大盗贼”的文章，作者是Elizabeth Lopatto，2014年加入Verge，之前在Bloomberg担任记者。 1.在AI领域，Perplexity公司通过不道德的手段试图在信息搜索领域取得突破，创建一个与谷歌搜索竞争的“答案引擎”。 2.Perplexity的商业模式是作为信息“中间商”，利用了高质量信息源，直接提供直接答案而非链接，从而截取原本属于信息源的广告收入。 3.侵犯版权：Perplexity通过绕过付费墙，使用Forbes等媒体的调查报道内容，却很少引用原始来源，甚至使用原图，构成版权侵犯。 4.忽视robots.txt：Perplexity无视网站设置的爬虫协议，继续抓取内容。 5.信息准确性问题：Perplexity开始展示AI生成的结果和错误信息，与其宣称的“事实性和准确性”相违背。 5.虽然公司声称正在与出版商开发收入共享计划，但实际并未采取有效措施。 6.CEO过往的争议行为：Aravind Srinivas曾通过伪装成学术研究者的方式，利用X的API获取数据，这涉嫌欺骗。 7.Perplexity的创新在于破坏了互联网信任的基础，而其用户或投资者是否关心这一点还有待观察。 $谷歌(GOOG)$

英伟达登顶全球市值No.1，周二收盘英伟达继续上涨，市值达到3.335万亿美元——超过了Microsoft（3.32万亿美元）、苹果（3.29万亿美元），英伟达在 2024 年上涨了 160%， 2 月份公司刚刚突破 2 万亿美元大关，没想到几个月后直接登上了王座……目前全球上市公司市值top5成员，全部来自Magnificent 7。$英伟达(NVDA)$

马斯克的xAI巨额融资意味着什么？ 1，马斯克的xAI公司完成了历史上最大的B轮融资，筹集了60亿美元，旨在建立一个“计算的超级工厂”来挑战OpenAI。 2，AI市场正在迅速增长，2023年资本大量流入AI行业，尤其是大型语言模型为代表的生成性AI。AI初创公司在2023年筹集了218亿美元，是前一年的五倍，甚至超过了过去四年的总和。预计今年的资金将进一步增加。 3，全球生成性AI市场预计到2032年将达到1.3万亿美元的收入，年复合增长率（CAGR）为42%。全球AI硬件市场（推理设备、训练基础设施）预计将从2022年的380亿美元增长到2032年的6420亿美元，10年CAGR为33%。xAI所在的软件市场（例如AI助手）预计将从2022年的15亿美元增长到2032年的2800亿美元，10年CAGR为69%。 4，前20家领先的AI公司总共筹集了383亿美元，其中近三分之一来自OpenAI，得益于微软的约100亿美元投资。其他崛起的AI研究公司如Anthropic（77亿美元）和xAI（61亿美元）也有显著贡献。 5，xAI的目标是“理解宇宙的真正本质”，希望开发工具与OpenAI和Anthropic等AI巨头竞争。xAI的竞争优势在于计算基础设施。 6，AI计算能力的指数级增长，过去70年，用于训练AI系统的计算能力呈指数级增长。2022年，用于训练能解决复杂数学问题的AI系统Minerva的计算能力是十年前训练AlexNet的近600万倍。 7，xAI计划建立一个超级计算机（计算的超级工厂），用于其AI聊天机器人Grok的下一代版本。这个超级计算机平台将使用Nvidia H100 GPU，其规模至少是目前最大GPU集群的四倍。这将显著增强Grok模型。 8，马斯克宣布了一个大规模的GPU采购计划，表示xAI将购买10万个Nvidia H100

京东于2004年启动了其年度618促销活动，至今已经20年。随着时间的推进，京东通过供应链技术创新，为品牌和商家提供了成本和效率优化的解决方案，以满足消费者对高性价比商品的需求。 今年京东618期间，AI技术的应用成为一大亮点。 超过18位品牌总裁以数字人的形式出现在京东直播间，利用京东云言犀技术，实现了成本的显著降低。这些数字人不仅在形象和声音上接近真人，而且在互动上也达到了行业领先水平，有效提升了用户的留存率和转化率。 京东云言犀数字人技术已累计服务超过5000家品牌，带动了超过百亿的GMV。技术团队在形象、声音、互动等方面取得了突破，使得数字人直播在前120秒内难以被观众区分。 LG电子中国区总裁李东善通过京东云言犀实现了中文交互，其数字人形象将在LG显示器京东自营旗舰店亮相，介绍公司的最新技术和产品。 京东的供应链能力一直是其核心竞争力之一。 通过持续的技术创新，京东帮助中小企业和商家降低成本，扩大市场。以思圆方便面为例，这家河南焦作的村办集体企业，通过与京东的合作，成功将1元方便面销往全国，实现了品牌的快速增长。 京东还推出了“春晓计划”，为商家提供AI全能服务包，简化了开店流程，并利用AI工具帮助商家生成内容，节省了成本。这一计划显著提升了商家的运营效率。 京东.Vision应用的推出，利用Apple Vision Pro的空间计算技术，为用户提供了一种全新的购物方式。用户可以在家中通过京东.Vision预览商品的摆放效果，提高了购物的便利性和准确性。 此外，京东已完成鸿蒙原生应用核心版本的开发，预计将在华为应用市场上架，为消费者提供更流畅、更智能的购物体验。 京东618期间的数据显示，数字人主播直播时长超过38万小时，用户互动次数超过400万次，为消费者提供了24小时不间断的直播服务。思圆方便面在京东618期间的成交额同比增长126%，成交用户数增长1

1，先说说AGI概念：全球众多顶尖AI实验室致力于开发人工通用智能（AGI），必须说明的是——这是个含义广泛且模糊的概念，它可以指代从“超越人类的机器神”到“在任何任务上都超越人类的机器”。 2，关于AGI的共识与分歧：大多数计算机科学家认同AGI的可行性，但在实现方法和时间上存在分歧。2023年的一项调查显示，专家们预计2047年为实现AGI的中位数年份，但也认为有10%的可能性在2027年之前实现。 3，AI的现状：尽管AI在某些特定任务上已经展现出超越人类的能力，如辩论、情感评估和创业点子的生成，但AI的能力分布不均，甚至在单一任务中也是如此。 4，AI能力测试：OpenAI在发布GPT-4时，通过与GPT-3.5的对比测试，展示了AI的显著进步。但这些测试可能存在误导性，例如测试题目可能已包含在AI的训练数据中，导致AI能够“预先记忆”答案。 5，AI能力发展趋势：通过MMLU测试，我们可以观察到AI能力随时间的增长趋势。大型语言模型（LLM）的规模越大，其性能越好，迅速超越了业余水平，接近甚至超越了专家水平。 6，AI能力的限制：尽管AI在某些任务上表现出色，但它们在其他任务上可能表现不佳。AI的能力提升可能迅速达到超人水平，但这并不意味着它们能够完成所有相关工作。 7，AGI发展的层次： 第1层：全能AGI，能完成任何任务都超越人类。 第2层：弱AGI，能在某些特定工作中超越人类专家。 第3层：专业聚焦智能，AI在特定领域超越人类专家。 第4层：共智能，人类与AI合作，通常能取得更好的成果。 8，无论如何，AI在特定领域的能力提升预示着行业的重大变革——尽管真正的AGI路径仍不明确，但更广泛的认知革命正在进行中，其影响将是深远的，当然，如果进入AGI时代，很可能我们会发现这个社会，乃至我们自己——只是被模拟的而已。

【苹果AI的技术栈】这张图展示了苹果公司如何通过其个人智能系统（Personal Intelligence System）和设备上的智能堆栈（On-device Intelligence Stack）结合云端计算，为用户提供智能化应用和体验。以下是对图中各部分的详细解读： 上层：Apps and Experiences Systemwide experiences: 包括Siri、写作工具（Writing Tools）、图像游乐场（Image Playground）等。它们是系统范围内的体验，利用了底层的智能系统。 Apps: 不同的应用程序，这些应用程序通过智能系统获取支持。 中层：Personal Intelligence System Semantic index: 语义索引，用于理解和处理用户的意图和请求。 App Intents Toolbox: 应用意图工具箱，包含了处理应用意图的工具集。 Orchestration: 协调层，负责将用户请求分配给合适的模型和工具。 中右：On-device models Language: 设备上的语言模型，用于处理自然语言理解和生成任务。 Image: 设备上的图像模型，用于处理图像识别和生成任务。 右侧：Server models Server models: 服务器上的模型，用于处理更复杂或计算量更大的任务。 ML stack: 机器学习堆栈，提供机器学习相关的基础设施。 Private cloud extensions: 私有云扩展，用于增强和扩展计算能力。 Private Cloud Compute OS: 私有云计算操作系统，管理私有云的计算资源。 底层：Apple silicon On-device: CPU: 中央处理单元 GPU: 图形处理单元 Neural Engine: 神经引擎，用于加速机器学习推理 S

每名员工对应的市值排名，即平均每个员工创造的市值 1.英伟达 Nvidia：市值3万亿美元，2.96万名员工，每名员工对应的市值为1.02亿美元 2. 苹果Apple：每名员工对应的市值是1900万美元 3.Meta：每名员工对应的市值也是1900万美元 4. 微软Microsoft：每名员工对应的市值是1400万美元 5. Alphabet：每名员工对应的市值是1200万美元 6.Tesla：每名员工对应的市值是400万美元 7.JP摩根JPMorgan：每名员工对应的市值是180万美元 8.亚马逊Amazon：每名员工对应的市值是120万美元​ $英伟达(NVDA)$ $微软(MSFT)$

在过去的一年里，生成式AI在内容创作方面的能力吸引了大部分的关注：AI模型可以瞬间创造出以你的吉娃娃为主角的皮克斯式短片，或者制作出你从未想过的Drake与Kendrick Lamar的互相攻击的说唱。然而，受到较少关注但同样有价值的是生成式AI在商业用途中的内容创作——营销。 营销特别适合采用生成式AI，因为它是一种迭代的、创造性的、动态的实践，依赖于推动大语言模型（LLM）发展的各种媒体——文本、图像、视频——这也是为什么许多B2B生成式AI的首批用例是用于营销的原因之一。 此外，成功的营销计划和资产并不一定有单一的“正确”解决方案。这使得营销与金融科技不同，后者的用户期望对查询有单一、正确的答案，并且对准确性的要求更高。而且，与销售不同，营销并不依赖于与客户建立细致入微的人际关系——尽管在AI驱动的销售开发代表的世界中，这可能会变得更容易。 与此同时，公司对营销的看法也在改变。随着人们花时间在越来越分散的地方，客户变得越来越难以接触到。营销人员正在寻找方法，以可扩展的方式创建个性化的活动和信息，以便在人们所在的地方与他们见面。然而，营销团队经常被孤立，使用的工具也不同，经常无法协同工作。基于生成式AI的软件可以并且已经在帮助弥合这一差距。 我们已经开始看到这一转变的经济影响。根据最近的麦肯锡报告，生成式AI在营销和销售中的应用每年可以带来约3.3万亿美元的全球生产力，而全球支付公司Klarna最近表示，通过使用生成式AI生成图像并减少对外部营销合作伙伴的依赖，每年节省了1000万美元的成本。但这种演变才刚刚开始。 在我们看来，生成式AI在营销中的应用演变可以分为三个不同阶段：开发营销副驾驶、引入营销智能体，以及最终自动化营销团队的崛起。下文详细分析每个阶段： 开发营销副驾驶 AI营销的第一个阶段（我们目前正处于这一阶段）是让营销人员使用生成式AI作为他们的营销副驾驶