09月04日AI快讯 | 寒武纪财报揭示AI行业盈利困境与市场泡沫风险。AI投资的泡沫与未来潜力的博弈。

• [1] 寒武纪财报揭示AI行业盈利困境与市场泡沫风险
• [2] AI投资的泡沫与未来潜力的博弈
• [3] MiniMax公司展示全模态AI技术，致力于智能普及
• [4] Zed AI：新一代高性能代码编辑器
• [5] Meta迅速推出Threads：与Twitter竞争的社交网络新尝试
• [6] 加州AI法案引发争议：安全与监管的双重挑战
• [7] 李飞飞团队提出关系关键点约束方法，推动机器人技术进展
• [8] 人工智能对人类记忆的操控：MIT研究揭示虚假记忆的形成
• [9] 开放性探索：人工智能发展的新视角
• [10] 理想汽车与特斯拉的智能驾驶技术竞争
• [11] BubblePal：AI与儿童玩具的创新结合
• [12] 半导体行业前景乐观：AI芯片驱动增长

1. 寒武纪最新财报显示，2024年上半年营业收入6476.53万元，同比下降43.42%，净亏损达5.3亿元，已连续八年亏损，市值却高达1071.57亿元，显示出市场对其未来的高期待与现实业绩的巨大差距。

2. AI行业整体面临盈利难题，寒武纪及其他公司如百度、科大讯飞等均遭遇持续亏损，研发投入大、供应链受限等问题严重影响业绩，尽管全球AI热潮兴起，但行业造血能力依然不足。

3. 尽管市场对AI的期待过高，泡沫风险显现，寒武纪仍在加速自救，推动技术迭代与生态协同，强调AI芯片与软件的结合，未来需通过降本增效争夺商业化先机，行业信心与时间是关键。

1. David Cahn在《AI的6000亿美元问题》中指出，人工智能领域存在巨大的投资与实际收入差距，可能导致AI泡沫破裂。他分析了科技巨头在AI基础设施上的收入预期与实际收入的差距，质疑AI技术的盈利能力。

2. Sarah Tavel则认为，AI的信心将推动投资增长，强调大型语言模型（LLM）的进步将释放更大的经济价值。她认为大公司必须持续投资以保持竞争力，并以GitHub Copilot为例展示LLM的潜力。

3. 尽管存在泡沫担忧，AI领域的投资热度依然高涨。技术创新降低了复杂任务的处理成本，未来可能出现更多有商业价值的产品。这场技术革命的竞赛将决定未来科技霸主的地位，所有参与者都将受益。

1. MiniMax公司首次展示其全模态模型家族，涵盖文本、语音和视频，日处理交互量达30亿，展现出强大的数据处理能力，目标是实现“Intelligence with Everyone”。

2. 公司发布了abab系列大模型，支持高质量视频生成和多语言语音合成，技术底座聚焦于降低错误率和提升模型速度，采用MoE和Linear Attention等创新技术。

3. MiniMax通过多产品策略快速触达用户，强调技术与产品的紧密结合，未来将推出新一代旗舰模型abab-7，继续在AI领域保持领先地位。

1. Zed AI 是由原 Atom 编辑器团队开发的 AI 驱动代码编辑器，旨在提供比 VS Code 更优的编码体验，支持跨平台运行，采用 Rust 语言和 GPU 加速，确保处理大型代码库时的快速和稳定。

2. 用户可通过官网或 GitHub 下载 Zed AI，安装简单，界面友好。AI 功能需配置模型，推荐使用 Claude 3.5 Sonet，用户可免费试用，支持与 AI 交互生成和编辑代码，提供实时反馈。

3. Zed AI 具备终端建议、内置 Vim 支持和协作功能，性能优于 VS Code，尤其在大型项目中表现突出。尽管存在调试功能不足和仅支持 Mac 的限制，未来计划将进一步增强其市场竞争力。

1. 2023年1月，Meta面临开发与Twitter竞争的微博服务的挑战，团队在短短五个月内推出了Threads应用，强调文本内容和创作者需求。

2. 团队制定了最小可行产品蓝图，设定四个里程碑，利用Instagram现有功能降低技术复杂性，确保快速构建原型。

3. 发布过程中，团队应对用户登录问题和关注者网络复制挑战，强调保持简单和利用旧代码的重要性，认为成功只是旅程的开始。

1. 加州的SB 1047和AB 3211法案旨在加强AI模型的安全性和监管，前者要求大型AI开发者建立安全准则，后者则要求AI图像生成系统嵌入水印。这两项法案引发了广泛的关注和争议。

2. AB 3211法案的技术要求被认为难以实现，可能导致现有开源AI图像模型被定义为非法，影响相关平台的内容生成。支持者和批评者之间的争论集中在技术可行性和对开源竞争的影响上。

3. SB 1047法案要求AI企业采取预防措施以确保模型安全，反对者担心其可能损害人工智能生态系统。两项法案的未来尚不明朗，宪法审查问题也引发关注，企业已开始寻求应对方案。

1. 李飞飞团队在机器人技术领域提出了关系关键点约束（ReKep）方法，通过将任务分解为关键点序列，实现了机器人操作任务的约束优化，确保任务目标和空间关系的满足。

2. 团队开发了无状态Python函数，利用NumPy处理复杂空间关系，并与多模态大模型如GPT-4o整合，生成关键点提议和约束，验证了ReKep在多种任务中的有效性。

3. 实验结果显示，ReKep系统在非结构化环境中能够成功执行任务，尽管关键点跟踪器存在遮挡问题导致错误，为未来研究提供了改进方向，展现了视觉与机器人学习的深度融合潜力。

1. MIT的研究表明，人工智能能够通过与人类互动操纵记忆，导致参与者形成虚假记忆。实验中，36.4%的参与者在与聊天机器人互动后产生了错误的回忆，且这种错误记忆在一周后仍然存在。

2. 实验设计模拟证人场景，发现生成聊天机器人显著增加了错误记忆的形成，并且这些错误记忆的持久性较高。AI的引导性问题和个性化交互能力可能影响记忆的可靠性。

3. 研究结果对法律、临床和教育等领域提出警示，强调在这些环境中使用AI时需谨慎。同时，AI也可能在某些情况下诱发积极的错误记忆，对创伤后应激障碍患者产生积极影响。

1. 研究者肯尼斯·斯坦利和乔尔·雷曼提出，追求通用人工智能时，开放性探索比目标导向方法更有效。他们在《为什么伟大不能被计划》一书中阐述了这一观点，并在OpenAI的实践中得到了验证。

2. OpenAI的成功案例，如ChatGPT，展示了开放性探索的重要性。尽管行业竞争激烈，可能限制探索空间，但斯坦利和雷曼认为，开放性探索与目标驱动可以相互融合，推动创新。

3. 尽管目标导向方法在AI行业占主导地位，斯坦利和雷曼强调，企业需探索新路径以实现AGI。他们的经历表明，开放性探索在追求长期目标时至关重要。

1. 特斯拉CEO埃隆·马斯克展示了基于端到端技术的FSD V12智能驾驶软件，引发广泛关注。此技术使智能驾驶系统自主决策，标志着中国智能驾驶的新起点，吸引本土制造商参与竞争。

2. 理想汽车的郎咸朋博士认为其技术方案在某些方面领先特斯拉，采用一体化端到端模型和双系统架构，提升智能驾驶体验。理想汽车在训练算力和数据方面具备优势，预计将加速系统迭代。

3. 理想汽车每年投入10亿美元研发，强调数据和算力在未来竞争中的重要性。其智能驾驶服务对AD Max车主免费，体现了对用户价值的重视，目标是超越用户期望，满足自动驾驶需求。

1. BubblePal是一款结合AI技术和毛绒玩具的创新产品，销售超过一万台，受到市场热捧。孩子们通过捏泡泡与知名角色互动，家长可通过APP监控对话，关注孩子的成长。

2. 产品成功避开了AI领域的难题，采用成熟的IP联名模式，研发周期仅9个月，定价399元，预计年销量可达8万台，GMV超过400万元。

3. BubblePal的商业模式结合硬件与大模型能力，目标在第四季度实现盈利，计划与国际IP合作，拓展销售渠道，展示了对市场需求的深刻理解与用户体验的关注。

1. 2023年，半导体行业销售额预计达到5270亿美元，主要由PC和通信领域推动。美国在全球市场占50.2%的收入份额，但生产主要集中在亚洲。

2. 国际半导体产业协会预测，2023年全球半导体营收将增长20%，AI芯片是主要动力。2024年，随着需求复苏，营收预计再增长20%。

3. 到2027年，全球汽车半导体市场将超过880亿美元，主要受高性能计算芯片需求推动。AI芯片组市场预计将从2023年的380亿美元增长至2028年的1380亿美元。

• • 21世纪必读：BBC评选的10本伟大小说，你读过几本？
• • 我这这一辈子：这8本书写尽了普通人一辈子的酸甜苦辣
• • 女子带着5岁女儿宾馆出轨，丈夫带人抓奸现场曝光
• • 震惊！美国西北大学教授吴瑛自杀背后真相：NIH反华 恶意调查与实验室驱逐内幕揭秘
• • 长春暴徒持刀伤警，抢夺配枪，开枪伤人……一民警殉职！李某业被当场击毙