Meta首席科学家驳斥AI威胁论；19天建成最快超算，黄仁勋称马斯克像超人；智谱开源文生图模型，相关功能上线APP丨AI情报局

1. Meta 首席人工智能科学家 LeCun：AI 威胁人类论完全是胡说八道
2. 19 天打造“最强” AI 训练集群，黄仁勋称马斯克像超人
3. 智谱开源文生图模型 CogView3-Plus，相关功能上线智谱清言 App
4. 李飞飞：不要数字孪生，要数字表兄弟，一张照片生成机器人训练场景
5. 微软与 KT 电信宣布在韩国建立 18 亿美元 AI 合作伙伴关系

Meta 首席人工智能科学家 Yann LeCun 在接受采访时表示，对人工智能对人类生存的威胁的担忧是“彻头彻尾的胡说八道（complete B.S.）”。LeCun 是人工智能领域的一位先驱，曾获得图灵奖，目前担任纽约大学教授和 Meta 高级研究员。他此前曾在社交媒体上表示，在担心控制超级智能 AI 之前，我们需要先弄清楚如何设计一个比家猫更聪明的系统。

10 月 14 日，智谱技术团队宣布开源文生图模型 CogView3 及 CogView3-Plus-3B ，该系列模型的能力已经上线“智谱清言”App。官方表示，在实际效果上，CogView3 在人工评估中比目前最先进的开源文本到图像扩散模型 SDXL 高出 77.0%，同时只需要 SDXL 大约 1/10 的推理时间。CogView3-Plus 模型则在 CogView3（ECCV'24）的基础上引入了最新的 DiT 框架，以实现整体性能的进一步提升。据介绍，其采用 Zero-SNR 扩散噪声调度，并引入了文本-图像联合注意力机制。与常用的 MMDiT 结构相比，它在保持模型基本能力的同时，有效降低训练和推理成本。CogView-3Plus 使用潜在维度为 16 的 VAE。（IT之家）

斯坦福大学李飞飞团队提出了一个创新概念——数字表亲（digital cousin），这是一种将真实世界的照片转换成机器人训练模拟数据的新方法。不同于数字孪生（digital twin）要求精确复制真实场景，数字表亲通过创造一个在几何和语义上与原场景相似但并不完全相同的虚拟版本，来降低成本并提高学习的泛化能力。该团队开发的 ACDC 方法能自动从一张图片中提取信息，生成可交互的模拟场景。实验显示，使用数字表亲训练的机器人策略在真实世界的成功率达到 90%，远高于使用数字孪生的 25%。这项技术有望让机器人在真实环境中的表现更加稳健和可靠。（机器之心）

阿里妈妈创意团队发布了基于 FLUX.1-dev 模型训练的 FLUX.1-Turbo-Alpha，采用 8 步蒸馏 Lora 模型，多头判别器显著提高蒸馏质量，支持多种 FLUX 相关应用。推荐引导尺度设置为 3.5，Lora 尺度为 1，未来将推出更低步数版本。模型可与 Diffusers 框架结合使用，通过几行代码加载模型生成高质量图像。训练过程在超过 100 万幅图像上进行，采用对抗训练方法，具备 6.3 以上美学评分，分辨率高于 800。FLUX.1-Turbo-Alpha 的推出推动了人工智能技术的普及与应用。（AIBase基地）

10 月 14 日，台积电已在德国德累斯顿动工建设首座晶圆厂，未来计划在欧洲建设更多工厂，面向不同的市场领域，重点瞄准 AI 芯片市场，以进一步扩展其全球业务版图。台积电在一份声明中表示，目前专注于正在进行的全球扩展项目，暂时没有新的投资计划。报道称，AI 市场（如英伟达、AMD 相关芯片）将成为最重要的增长领域，其他拥有独特设计的半导体公司也可能为台积电带来新的机会。根据台湾地区当地官员的说法，台积电可能会为欧洲市场准备更多工厂，该公司正在为未来的几座工厂做规划。“台积电还需评估是否继续在德累斯顿扩展，还是在欧盟其他地区建厂。”（IT之家）

由中国科学院上海天文台葛健教授带领的国际团队，研发了一种结合 GPU 相位折叠和卷积神经网络的深度学习算法，并在开普勒（Kepler）2017 年释放的恒星测光数据中发现了五颗直径小于地球、轨道周期短于 1 天的超短周期行星。其中四颗是迄今为止发现的距其主星最近的最小行星，类似火星大小。这是天文学家首次利用人工智能一次性完成搜寻疑似信号和识别真信号的任务。相关研究成果发表在《皇家天文学会月报》（MNRAS）上。（IT之家）

国内病理 AI 领域的头部公司 91360 宣布成功完成新一轮融资。本轮融资由常春藤资本领投，国资杭州拱墅区国投跟投。此次融资将助力 91360 在宫颈细胞学 AI 辅助诊断产品整体方案的推广落地，以及数字化病理科解决方案、远程会诊平台业务及创新业务的持续发展。

上海交通大学的牛力团队开发了一个名为 libcom 的图像合成工具箱，这个工具箱集成了十几项功能，旨在帮助用户轻松地合成高质量图像。这个项目由六届学生接力，历时六年，耗资数百万，从数据集到模型、论文再到工具箱，展现了团队对图像合成领域的深入理解。libcom 支持多种图像合成技术，如颜色迁移、图像和谐化、阴影生成等，并且提供了训练代码，方便用户根据自己的数据集进行微调。牛力老师表示，尽管 libcom 功能丰富，但仍有许多地方需要改进，因此团队正在寻求合作伙伴，共同推进项目的发展。（新智讯）

在广州举行的 2024 年中国移动全球合作伙伴大会期间，中国移动研究院联合多家合作伙伴发布网络运行智能（AIR，AI enabled network Running）训练及开放平台，华为、中兴、新华三、腾讯等合作伙伴代表共同出席发布仪式。中国移动研究院介绍称，网络运行智能贯穿网络运行机制和流程，可直接作用于网元、用户以及业务本身，对实时性、可靠性和效率性要求最高，是 AI 赋能网络的高阶形态。本次发布的网络运行智能（AIR）训练及开放平台由中国移动研究院研发，实现“一体 + 三能力”。（IT之家）

著名数学家陶哲轩宣布，他领导的方程理论项目在 AI 的辅助下取得了显著进展，19 天内完成了 99.9963% 的工作量。该项目结合了众包和 AI 工具，探索了 4694 条幺半群方程定理，并确定了它们之间可能存在的蕴含关系。陶哲轩认为，AI 在解决剩余的 700 个难题上可能更有潜力，这表明 AI 已成为数学研究的重要工具。（AI数智源）

近期，彩讯股份推出一站式 AI 应用开发平台 Rich AIBox，可以实现多模型接入、模型训练、模型微调、能力编排等功能，为每个流程打造了完备的工具链、训练了能懂业务的行业大模型，实现降低大模型使用成本的目标，高效赋能企业解决模型落地难的问题。Rich AIBox 从下到上由基础设施层、L0-L2 级模型层、智能体开发层、应用层组成。其中智能体开发层是平台核心。通过数据管理和模型管理，实现模型对企业私域知识的理解能力；通过知识管理和 Agent 管理，实现对企业数据和流程的连接能力；通过意图大脑构建应用接入和交互能力；通过安全和权限管理实现合规安全能力。（中国网科技）

在近期举行的“信息通信业赋能碳达峰碳中和创新论坛”上，中国电信集团采购供应链管理中心副主任林玲发表了主题演讲。林玲在演讲中透露，中国电信积极自建分布式光伏能源设施，与电网单位积极协同合作，开展“证电合一”的绿色电力交易。2023 年中国电信自发绿电和外购绿电同比增长 4 倍左右。在 AI 节能方面，依托大模型底座，中国电信自研 AI 节能系统，广泛部署在基站、IT 云主机、AB 类机房。林玲表示，中国电信通过实时监控设备运行情况和环境信息，对局部空闲设备进行智能化关断和启动，同时对整个机房和数据中心制冷系统风速频率进行智能化调解，通过智能节电，年均可以节电 8 亿度，节省的电费 5.2 亿元。（IT之家）

在 10 月 13 日播出的采访中，英伟达 CEO 黄仁勋谈及马斯克旗下人工智能公司 xAI 在短时间内建成 AI 训练集群 Colossus，称赞马斯克及团队难以置信、像超人一样。黄仁勋称，“xAI 在 19 天内完成了其他人需要一年才能完成的事情，以前从未有人做到过。那是超人才能做到的，世界上只有一个人能做到这一点，那就是埃隆・马斯克，他在工程、建筑和大型系统以及资源调配方面的理解是独一无二的。”据悉，xAI 公司在短短 19 天内，于美国田纳西州孟菲斯市搭建完成了一个堪称世界最强的 AI 训练集群 Colossus。据马斯克描述，Colossus 集群配备了令人咋舌的 10 万个英伟达 H100 GPU，一举刷新业界纪录，其采用液冷散热，并使用单一的 RDMA （远程直接数据存取）网络互连架构，是目前全世界最强大的 AI 训练集群。(IT之家)

据媒体报道，微软与韩国电信公司 KT Corp. 建立合作伙伴关系，承诺在未来五年内投入 2.4 万亿韩元（约 18 亿美元）推动韩国的人工智能、云服务和基础设施发展。他们计划在 2025 年上半年推出基于微软多语言 GPT-4o 的定制化 AI 模型。为了支持这一举措，该电信公司将于明年第一季度成立一家专注于人工智能转型的子公司，提供咨询和设计服务，协助企业整合人工智能技术。此次合作旨在将 KT 的 AI 转型业务收入提升至 2029 年的 1.4 万亿韩元，高于 2025 年预计的 2690 亿韩元。（鞭牛士）

10 月 13 日，Anthropic 的 CEO Dario Amodei 发表了一篇关于人工智能未来的文章，提出了一个积极的观点：AI 将成为“爱的机器”，在生物学、经济发展、全球和平与治理等多个领域带来积极的影响。他认为，尽管 AI 存在风险，但其潜力被大多数人低估了。AI 有望加速生物学突破，提升人类健康，助力经济发展，消除贫困，促进全球和平与良好治理。Amodei 强调，我们需要一个鼓舞人心的未来愿景，而不仅仅是防范风险。他预测，强大的 AI 将生物学发现速度提高 10 倍以上，使我们在 5-10 年内实现原本需要 50-100 年才能达成的进展。同时，他也讨论了 AI 在神经科学、心理健康、经济发展、和平与治理等方面的潜在影响。（站长之家）

由 Madrona 举办的年度人工智能峰会 IA 2024 上，微软人工智能首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）分享了人工智能助手将如何很快改变生活和工作。苏莱曼将人工智能重新定义为一种深度的个人关系，一种以我们尚未想象到的方式适应、学习甚至预测人们需求的关系。苏莱曼认为，我们正处于一个转折点，AI 的发展速度和影响力正在超越我们的预期。他强调，AI 不再是简单的工具或应用程序，而是正在转变为一种深刻的个人关系。这种关系是动态的，AI 将成为一种无处不在的、可信赖的伴侣，具备记忆和情感智能，能够通过语音、文本和视觉无缝地与人类互动。他预见，未来的AI将具有非常好的记忆力，能够跨任意文档检索信息，届时 AI 能够更好地理解和响应人类的需求。（聚大模型前言）

一项由 Meta 和纽约大学等机构联合进行的研究揭露了一个关于人工智能模型训练的惊人事实：在训练数据中加入仅仅 1% 的合成数据，就足以使大型语言模型（LLM）的性能急剧下降，这种现象被研究者称为“模型崩溃”。所谓“模型崩溃”，指的是模型在包含合成数据的训练集中不断迭代后，其效能逐渐降低直至彻底失效。研究还发现，模型的规模越大，合成数据对其造成的负面影响也越剧烈。这项研究挑战了先前一些业界人士对合成数据的乐观看法，提醒研究员在 AI 模型训练中必须谨慎处理合成数据，以免影响模型的准确性和实用性。这项研究不仅对 AI 技术的发展具有重要意义，也对未来如何安全有效地使用合成数据提供了重要的参考。(新智讯)

币安(Binance)前 CEO 赵长鹏(Changpeng "CZ" Zhao)近日在社交媒体上警告加密货币社区,要警惕利用 AI 生成的深度伪造视频进行加密货币诈骗，"在其他社交媒体平台上出现了我的深度伪造视频。请大家当心!"

微软过去一年对 OpenAI 投资近 140 亿美元，并在全球加大对 AI 基础设施的投资。微软的投资回报取决于 OpenAI 的盈利状况及自身 AI 产品与业务的表现。微软已成为 AI 领域的“基建狂魔”，在全球多个国家与地区建设AI数据中心。尽管 OpenAI 目前亏损持续扩大，微软依然看好 AI 的长期回报，并计划在未来几年内继续大力投资 AI 技术。（创业邦）

10 月 13 日，彭博科技记者马克·古尔曼撰文指出，苹果 Vision 产品组正在开发至少四款新设备。他预计低端 Vision 头戴式设备最早将于明年面世，而采用更快芯片的第二代 Vision Pro 将于 2026 年面世。低端机型的售价约为 2000 美元，可能使用更低性能的处理器和更便宜的材料，并取消“EyeSight”功能。由于价格较低，苹果预计这款设备的销量将至少是 Vision Pro 的两倍。（界面新闻）

金融自动化软件初创公司 Numeric（Velocity Labs Inc.），近期宣布完成 2800 万美元的早期融资轮。该公司开发了一款融合人工智能的平台，旨在解决会计工作中最持久的挑战之一，即组织和对账财务数据这一易出错且耗时的过程。根据 Numeric 的说法，其软件使用 AI 算法来自动化业务关键的月底工作流，实时监控财务信息，并生成报告以解释数字波动。

OpenAI 更新提示词优化功能 Playground，新增“元提示”（meta-prompt）工具。该工具可帮助用户更高效创建、改进针对大型语言模型的提示，节省开发高质量 AI 提示的时间。“元提示”结合实际最佳实践和经验，为用户提供快速起点，避免从零开始撰写提示词的烦琐过程。元提示采用结构化方式生成提示，包括简要描述任务、提供详细说明等步骤。OpenAI 在开发元提示时遵循理解任务目标、最小化更改、强调推理步骤、使用清晰语言、应用 Markdown 格式、尽可能保留用户提供内容以及指定最适合输出格式等核心原则。（ITSoul）

谷歌 DeepMind 的研究人员推出了一个名为 Michelangelo 的新评估框架，用于测试大型语言模型（LLM）在处理长上下文时的性能。这个框架包含三个任务：Latent List、MRCR 和 IDK，旨在评估模型是否能够综合整个上下文的信息来生成答案。实验显示，在长上下文中，如 Gemini 模型在高达 1M（百万）token 的上下文中表现出泛化能力，而其他模型如 GPT 和 Claude 在 128K（128千）token 的上下文中表现良好。但在更困难的推理任务中，所有模型的性能都显著下降。特别是在 32K（32千）token 的上下文长度时，所有模型的性能都急剧下降，表明在处理长上下文信息时存在局限性。（新智讯）