130亿美元级并购背后:企业为什么开始“自己养”大模型
Databricks 13亿美元收购 MosaicML,只是一个开始。真正的变化是:企业不再迷信“最强大模型”,而是集体转向“可控、私有、可定制”的 AI 路线。这场并购潮,正在悄悄重塑 AI 的权力结构。
Databricks 13亿美元收购 MosaicML,只是一个开始。真正的变化是:企业不再迷信“最强大模型”,而是集体转向“可控、私有、可定制”的 AI 路线。这场并购潮,正在悄悄重塑 AI 的权力结构。
这不是一次普通的API更新。OpenAI悄悄完成了一次“换挡”:从让人惊叹的AI玩具,驶向可落地、可扩展的真实应用。更长的上下文、更便宜的价格,以及一个被严重低估的新能力,正在重塑开发者和普通用户使用ChatGPT的方式。
当所有人都在问“AMD能不能打败英伟达”,真正让AI圈兴奋的却不是参数,而是一条不太起眼的合作线索。这条线,可能决定未来AI算力的玩法。
这场对谈记录了斯坦福Alpaca团队如何用极低成本复现“接近ChatGPT体验”的开源模型,并意外改变了行业对开源大模型的预期。文章聚焦他们的核心方法、关键判断,以及那些尚未被完全解释清楚的“模型魔法”。
如果你还觉得“AI取代工作”只是未来式,这组数据会直接打脸:美国企业上个月裁掉的8万人中,近5%明确与AI有关。与此同时,编剧、导演、研究员和创业公司,正在同一条时间线上感受到压力。这不是科幻,这是正在发生的行业重排。
OpenAI 最近抛出一个看似低调、实则可能改变模型训练逻辑的研究:不再只奖励“正确答案”,而是逐步奖励“思考过程”。更反直觉的是,这不仅让 GPT 数学更强,还可能降低幻觉、改善 AI 对齐,被称为罕见的“负对齐税”进展。
当所有人以为“大模型只会越来越大”,Intel却拿出1万亿参数押注科学研究;Meta用《圣经》训练出覆盖4000种语言的语音模型;而一篇论文却告诉行业:少量微调,反而赢过GPT‑4。这不是热闹,而是方向改变的信号。
Google研究员Karan Singhal回顾了自己从青少年时期的AI项目,到主导Med-PaLM 2医疗大模型的关键转折。这期对话不仅解释了为什么医疗AI不能“直接套用”通用大模型,也系统阐述了预训练、微调、评估与真实医疗工作流之间的张力。
一个几个月前还不会写代码的人,用ChatGPT、开源工具和YouTube数据,在3到4个月内做出了能疯传的名人聊天机器人。这不是鸡汤,而是一条正在被反复验证的AI学习与创作路径。
当大家还在为AI画图、剪视频而兴奋时,OpenAI已经把手伸向了更“现实”的世界:3D。一次看似低调的发布,背后却串起了搜索、语音助手、开源模型和制造业的同一条暗线。