特斯拉首席执行官埃隆·马斯克在近日表示,他计划让他最新的创业项目——人工智能初创公司xAI,与特斯拉在“芯片”和“AI软件”上进行合作。
马斯克还在上周的Twitter Spaces音频直播会议上表示,xAI将使用Twitter数据来训练他的人工智能系统和产品。值得注意的是,马斯克没有具体说明Twitter是否会向xAI或他的其他公司收取数据费用以及具体金额。
当马斯克在2022年10月领导社交媒体公司的收购时,Twitter新增了130亿美元的债务。该公司一直在努力提高订阅收入,并因未支付拖欠费用和未支付离职补偿而被前员工和供应商起诉。马斯克还是特斯拉、SpaceX和The Boring Co.的联合创始人或首席执行官,这些公司多年来一直有业务往来。其中一些交易已在特斯拉向美国证券交委员会提交的财务文件中披露。
上周五,马斯克声称“地球上的每个AI组织”都在非法使用Twitter的数据进行训练,但他没有提供证据。目前尚不清楚其他人的数据爬取违反了哪些法律。
本月早些时候,Twitter在德克萨斯州起诉了四个未知的从Twitter进行数据爬取的团队。 由于被“疯狂地爬取”,Twitter最近在社交媒体平台上实施了限速政策。马斯克声称:“有多个团队在爬取我们的每一条推文,且试图在几天完成。这导致系统溃,所以我们不得不采取这样的措施。”他为限速造成的不便道歉。
鉴于AI软件开发人员广泛使用Twitter数据,马斯克表示:“我想我们也会使用公开的推文(显然不包括任何私人信息)进行训练,就像其他人一样。” 马斯克表示,Twitter的数据集适用于“文本训练”、“图像和视频训练”。然而,他指出AI系统需要更多的人工创建数据,并希望xAI能够效仿Alphabet旗下DeepMind的Alpha Zero,这是一个通过与自己对弈来训练,在国际象棋、将棋和围棋这三个游戏中达到了高水平计算机程序。
特斯拉的粉丝和推广者Omar Qazi(在Twitter上被称为Whole Mars Catalog)在Spaces活动中向马斯克提了几个关于xAI如何与特斯拉合作的问题。他问,xAI是否可能使用英伟达或特斯拉制造的GPU进行数据处理。
马斯克说:“那是特斯拉的问题,特斯拉正在建造定制芯片‘’,尽管这可以被视为GPU的替代品。
然后他谈了特斯拉的车载硬件,这使得该公司的先进驾驶辅助系统能够在其汽车上运行,这一被称为Autopilot的系统据称拥有全自动驾驶能力。
特斯拉多年来一直承诺推出一款自动驾驶汽车。马斯克表示,到2017年底,特斯拉汽车能够在没有任何人工干预的情况下完成一次横跨美国的演示。
2019年,特斯拉筹集了数十亿美元,并承诺在一年销售100万辆拥有自动驾驶能力的特斯拉汽车。到目前为止,特斯拉的车辆都无法在没有人类驾驶员监管的情况下运行。
马斯克在上周五的Twitter Spaces上表示,特斯拉第四代产品正在发货,它比第三代产品“能力提升三到五倍”,并承诺“第五代产品”将在几年后推出,比当前版本“能力提高四到五倍”。
马斯克还讨论了Dojo,这是特斯拉正在开发的,应用于机器学习、计算机视觉训练的超级计算机。特斯拉利用来自客户车辆的视频片段和数据来进现有软件或开发新功能。
马斯克表示,xAI需要开发能“理解物理世界而不仅仅是互联网”的技术,他认为,特斯拉的驾驶数据将对此有所帮助。
via:CNBC
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。