至顶网软件频道消息:如果我不满40岁,这个类别涵盖了大约65%的印度人,那么我现在绝对会感到害怕。对于这个问题,如果我低于或高于这个年龄,我也会感到极度恐慌。
不知是否曾经有一个国家面临着这样一种反乌托邦的未来前景,数百万没有工作的青年四处游荡,仅仅是因为没有其他事情可做,就制造骚乱、抢劫和盗窃,这就是印度——除非它能够并愿意做点什么事来改变,而且要非常快、还要非常有效才行。
人工智能和机器人是这个故事的一部分,但要想理解印度目前陷入的、难以应对的巨大困境,我们必须向上追溯一下。对于一个想要让数亿人摆脱贫困的发展中国家,迫切需要的是制造业基地,它所创造的就业能够提升人均收入。
这就是中国如何实现这一目标的方式,将大部分人口的人均收入从二十世纪九十年代初期的1000美元——大致相当于印度在二十世纪九十年代初的水平——提高到了今天的8113美元。而与此同时,印度的人均收入还是可怜的1,723美元。
如果您在购买力平价(PPP)的基础上计算收入——也就是说,在考虑到生活和通货膨胀的相对成本之后,两者之间的差距就会缩小一点。然而,最终的结果是一样的。在印度,我们的收入增长一直非常缓慢。
一个令人难以置信的事实是,对于一个迫切需要制造业作为消除贫困武器——这是自从黎明以来,几乎每个国家的繁荣之路——的国家,根据招聘公司Teamlease估计,印度实际上的制造业反而下降了30%到40%。无论用哪种标准衡量,这都是幅度巨大的下滑。事实上,这种前所未有的失业率高企的局面是跟随着印度总理纳伦德拉.莫迪(印度总理莫迪)广泛宣传的“印度制造”运动而来的,这一运动大力推动电子制造业的发展,要说这项运动究竟是有趣还是可怕,取决于你所处的立场。
印度总理莫迪在营销自己方面技巧高超、才华横溢,他被视为一个行动派,而这些问题将在他们手中被消灭。恰恰相反的是,在他治下的印度并没有多少起色。事实上,也没有雇佣什么人。现在每个月都有100万人进入就业市场,可是其中只有0.01%的人在找工作。即使在他上台之前的、腐败的UPA政府在这个数字上的表现也要好得多。按照这个速度,到2025年,在莫迪的统治下,会有超过1亿的青年人没有工作。
当然,在这场危机中受苦最多的非技术性劳动力和他们那些更性感的表哥——印度IT人员——相比,很大程度上会相形见绌。但是到目前为止,这是一个事实,自动化影响了30%的劳动力,这是一个很可观的比例,总数大约有200万人,而在很大程度上保持了这些公司的利润。
几乎所有这些公司——Infosys、Wipro、TCS、Cognizant——都已经在印度削减了就业机会,并更少地在这个国家招聘,同时在美国吸纳更多的工人,并在“创新中心”中投入大量资金。 人工智能和数据科学的热点新领域需要更少的机构,而且这些机构大多数都是在海外创办的,因此这并不能帮助改善国内技术人员的状况。与此同时,一个现在广为人知的事实是,绝大多数印度现有的工人都无法重新学习新的技能,因为印度的学院和大学非常糟糕,课程设置陈旧不堪,教师素质低下而且报酬极低。
200万人的行业受到机器崛起的打击是一回事。不幸的是,与机器人对IT技能较差的同胞产生的影响相比,这种打击的程度是巨大的。通常需要配备一大堆人员的大型电子商务仓库现在只需要装备200台由印度古尔冈的GreyOrange公司制造的机器人就够了。这些不知疲倦的机器可以每天24小时吊起并堆垛货箱,中间只需要用30分钟的时间就可以重新投入运转,并且使所需的人力减少了80%。
这是生产力的胜利,但是对于就业前景来说则是巨大的灾难。从本田摩托车工厂到现代汽车车身厂,整个制造业领域现在都大大减少了对人类员工的需求。
严峻的现实是,印度在数字经济之旅中遇到了一个可怕的困境。一方面,将国家的银行和支付基础设施转向数字化未来将使其更加高效、透明和诚实。如同彭博社的撰稿人解释的那样,谷歌已经为这个国家启动了在线支付应用程序,而Reliance Jio——电信创业企业的新巨头——为其新的支付银行的银行家,将其商店服务人员增加了一倍。这是即将到来的事情,而这些举措无一能够帮助提供印度今天最迫切需要的东西:工作。
所有这一切令人沮丧的一面是,无论这个国家在未来几十年内可能做什么,这个局面可能都已经无法挽回了。Quartz表示,全球的制造业工作收入水平都在稳步攀升。在美国,人均收入为17,700美元,巴西为8,700美元。它指出,中国可能是最后一个受益于制造业的蓬勃发展提高收入水平的、正在工业化的国家。
印度的工人们陷入人工智能和机器人繁荣之中,并且由一个无能的、终究还是冷漠无情的政府领导,可能永远都不会有机会。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。