开栏语：《AIGC行业周报》梳理AIGC行业一周内发生的重要动态低息股票配资，产品发布和业内大咖的最新观点。

　　一、企业动态

　　1、OpenAI内部分歧导致关键团队成员离职

　　近期，OpenAI内部因对AI安全治理的重视程度不足以及资源分配问题出现严重分歧，导致超级对齐团队负责人Jan Leike和前首席科学家Ilya Sutskever等关键成员相继离职。Leike公开表示，团队在算力支持和AI安全问题上遭遇挫折，而离职成员还面临签署禁止负面评论OpenAI的协议，否则将失去公司股份。奥特曼（Sam Altman）作为OpenAI的领导者，其言行不一以及对商业化的追求被认为与公司使命背道而驰，引发了一系列的离职潮和外界对OpenAI未来方向的关注。

　　2、全球16家公司签署人工智能安全承诺，欧盟批准《人工智能法案》

　　5月22日，在全球范围内对人工智能（AI）安全问题日益关注的背景下，包括OpenAI、谷歌、微软和智谱AI在内的16家公司联合签署了前沿人工智能安全承诺，旨在确保AI的负责任治理、透明度以及风险评估和缓解机制的建立。与此同时，欧盟理事会正式批准了《人工智能法案》，标志着全球首部AI全面监管法规即将生效，采用基于风险的方法对AI模型进行监管，并为违反规定的公司设立了严格的罚款制度。这些举措体现了国际社会在AI安全领域采取具体行动的决心和进展。

　　3、中国大模型市场爆发价格战，行业洗牌加速

　　近期，中国AI大模型市场出现了激烈的价格战，腾讯、阿里、百度、科大讯飞等国内大模型厂商纷纷宣布降价，以响应市场和吸引开发者。这场价格战始于幻方量化的DeepSeek V2大幅降价，随后其他厂商如智谱、字节跳动的豆包、阿里云、百度、科大讯飞和腾讯云也相继加入，推出了各自的降价策略。降价行为可能会吸引开发者试用AI应用，对市场有积极影响，但同时也给行业创业公司带来压力，预示着行业洗牌的加速。降价背后的根本原因在于推理成本的快速降低，而随着技术的进步，这一趋势预计将持续。行业专家如李开复认为，尽管降价是大势所趋，但当前的价格战可能是一种不可持续的策略。随着大模型价格的下降，AI技术的应用成本降低，有助于推动AI应用的广泛发展，但整个行业的商业化和生态构建仍然有很长的路要走。

　　二、产品动态

　　1、微软Build 2024大会：AI技术革新与应用落地

　　2024年5月22日，在微软Build全球开发者大会上，大模型和生成式AI成为焦点。微软推出了Azure AI Studio，一个旨在简化开发流程并支持1600多种大模型的全新平台。此外，微软还发布了Phi-3系列模型，包括具有视觉识别功能的Phi-3-vision和低功耗的Phi Silica模型。Copilot Studio使开发者能够轻松创建AI Agent应用，而Windows Copilot Runtime提供了丰富的AI框架和API以促进AI应用开发。微软还发布了新的Azure虚拟机和Team Copilot，旨在提升工作效率并简化企业运营。最后，微软在Startups Founders Hub中推出了"Build with AI"工具，为用户提供AI应用开发模板，进一步推动AI技术的普及和应用。

　　2、百川智能发布国内领先大模型Baichuan 4及AI助手「百小应」

　　5月22日，百川智能推出了最新一代基座大模型Baichuan 4，并同时发布了首款AI助手「百小应」。Baichuan 4在多项能力上相比前代有显著提升，包括通用能力、数学和代码能力，并且在SuperCLUE评测中排名国内第一。新模型还引入了多模态能力，在多模态评测基准上表现优异。百小应结合了Baichuan 4的通用能力和搜索技术，具备多轮搜索和定向搜索功能，能够提供精准的问答服务，目前已在Web端及iOS和安卓应用商店上线。百川智能还宣布开放包括Baichuan 4在内的四款API，供开发者和企业用户接入体验。

　　三、前沿观点

　　1、多模态模型性能受限于数据量，Zero-shot学习面临挑战

　　最新研究指出，多模态模型如CLIP和Stable Diffusion在zero-shot学习（无需见过样本即可识别新类别）方面的表现并非真正的泛化能力，而是依赖于其庞大的预训练数据集。实验数据显示，模型性能的提升与训练数据量呈对数关系，意味着未来性能提升将越来越缓慢，最终可能因缺乏指数级增长的数据而遇到瓶颈。这项研究挑战了人们对大模型泛化能力的乐观预期，并引发了对未来AI发展路径的讨论。

　　2、图灵奖得主Geoffrey Hinton深度访谈：大模型与AI的未来

　　近日，图灵奖得主Geoffrey Hinton在一次深入访谈中分享了他对当前大模型技术路线的看法，强调了多模态学习的重要性，并探讨了数字计算与共享知识、智能系统的意识与情感等话题。Hinton认为大型语言模型通过寻找不同领域的共同结构进行编码，形成深层次的理解，是创造力的源泉。他提到，通过预测下一个符号，模型实际上执行了一定程度的推理，并非不具备推理能力。Hinton还回顾了自己的职业生涯，从生理学到哲学再到人工智能的转变，并分享了他与Ilya Sutskever等合作者的工作历程。他强调了规模的重要性，认为增大模型规模和数据量是解决问题的关键。此外，Hinton对大脑如何获取梯度、是否使用类似反向传播的机制等问题表示了浓厚的兴趣，并认为这是未来研究的重要方向。

　　3、火山引擎总裁谭待论大模型时代的字节跳动战略

　　5月15日，火山引擎一口气发布9款大模型，以超低定价成为关注焦点。近日，火山引擎总裁谭待在接受「甲子光年」采访时，阐述了字节跳动在大模型时代的战略主张——追求最强模型、最低成本和最易落地，以客户为中心。他认为B端市场不同于C端，需要理性决策和真正可用的产品，而非仅追求先发优势。谭待强调，大模型应用的落地需要模型能力、应用丰富度和成本优化，火山引擎的技术进步和成本控制能力是其竞争优势。他还提到，大模型时代将由大公司主导，但创业公司也有打磨优秀模型的机会。火山引擎的目标是通过AI技术帮助企业降本增效、加速创新，并在未来几年内成为全球领先的云和智能服务商。

　　4、李飞飞与John Etchemendy联合撰文驳斥AI具有感觉能力的观点

　　近日，知名AI学者李飞飞和斯坦福大学HAI联合主任John Etchemendy教授联合撰写文章，深入探讨并反驳了当前大型语言模型（LLM）具有感觉能力（sentient）的观点。文章中低息股票配资，李飞飞通过多个例子说明，尽管LLM在某些任务上表现出超人类智能，但它们并不具备主观经验或感觉能力，如饥饿或疼痛等生理状态。她强调，LLM只是基于概率性完成任务的数学模型，缺乏人类所具有的物理身体和生理反应，因此无法拥有真正的感觉能力。两位作者认为，要实现具有感觉能力的人工智能，研究者需要更深入地理解生物系统中感觉是如何产生的，而不是简单地增加模型的规模。