据爆料:用户量高达150万的AI编程工具GitHub Copilot,平均每月每用户倒贴20美元,最高能达80美元。OpenAI运行ChatGPT,每日投入成本可能高达70万美元。虽然随着能源等成本的下降,未来大模型计算成本也会随之下降,但目前这一运行成本,依旧无法被会员价所填补。与此相对的是AI绘画,Midjourney用户数一路飙升到近1500万,已成功实现2亿美元的年收入。
“有意见”留言板
@出来混总是要还:如果AI不挣钱英伟达也不会是赢家,最终怎么挣的还会怎么吐出来。故意构建虚假繁荣借机抬高显卡价格,投资由“矿工”转型的算力服务公司,依靠金融戏法赚钱也是黄教主的拿手好戏。技术这个工具用在创造生产力价值上才是挣钱的正道。
@Betty:大型语言模型和AI绘画产品在商业化上面临多重挑战。语言模型如GitHub Copilot亏损严重,主要原因在于高昂的运营成本和宣传费用。用户尚未充分认识到生成式AI的实际价值,这导致了宣传的困难。相比之下,AI绘画产品似乎更容易实现盈利,因为它们的商业模式更明确,允许用户将作品用于商业用途。但它们也面临计算成本上升的挑战。总之,这两种技术都有潜力,但需要克服成本和市场推广等问题,以实现商业成功。
@nv:全球科技巨头在大模型上的投入虽然巨大,但目前看来并未带来预期的盈利。主要问题在于高昂的运行成本和版权成本,以及大模型自身的落地场景和应用价值仍待挖掘。然而,AI绘画产品却已经开始盈利,其成功的关键在于产品价值点明确,用户可以立即将作品用于商业使用。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。