分類: 產業與商業
「產業與商業」分類的 AI 新聞與論文。
-
Satya Nadella 強調人們廣泛使用 Microsoft 的 Copilot AI
微軟於週三發布財報，季營收達 813 億美元，淨利潤為 383 億美元，雲服務營收突破 500 億美元創下新高。然而週四股價受壓，投資者擔憂其龐大資本開支能否帶來回報。微軟在當前財政年度前半年資本開支已接近全年水平，去年支出 882 億美元，今年前半年已達 724 億美元，主要用於服務企業及大型 AI 實驗室，特別是 OpenAI 和 Anthropic。 投資者關注 Azure 與 Microsoft 365 增長未達預期，UBS 分析師 Karl Keirstead 指出雙重落後為主要負面因素，但他仍建議買入。關於 Copilot 使用率，儘管有報導稱使用者不願採用，但 CEO Satya Nadella 在財報會議上強調 AI 需求遠超資料中心供應。Nadella 稱消費者 Copilot 產品日活躍使用者增長近三倍，涵蓋聊天、搜尋等功能，但具體使用者數未明確披露。去年報告顯示月活躍使用者逾 1 億，目前總數已達 1.5 億，包含商業與消費者。 GitHub Copilot 付費訂閱數達 470 萬，年增 75%，去年報告為 2000 萬使用者（含免費層級）。Microsoft 365 Copilot 擁有 1500 萬付費席位，佔 4.5 億總付費席位。Dragon Copilot 醫療 AI 已服務 10 萬醫療機構，單季記錄 2100 萬患者會談，年增三倍。CFO Amy Hood 表示新裝置已滿載執行至壽命結束，顯示投資價值。
-
蘋果買下以色列創業公司 Q.ai 繁榮 AI 競賽升温
蘋果、Meta 與 Google 正激烈爭奪下一代人工智慧領導地位，近期均加強對硬體的重視。蘋果透過收購以色列起點公司 Q.ai，旨在特別在音訊領域取得優勢。根據路透社報導，Q.ai 專精於影像與機器學習，其技術能解讀耳語並改善嘈雜環境中的音訊。蘋果已將新人工智慧功能加入 AirPods，包括去年推出的即時翻譯功能，並開發能偵測微妙面部肌肉活動的技術，可能用於強化 Vision Pro 頭戴式裝置。金融時報指出，此筆交易價值近兩億美元，為蘋果迄今第二大收購案，僅次於 2014 年以三億美元收購 Beats Electronics。值得注意的是，這已是執行長 Aviad Maizels 第二次將公司賣給蘋果，他曾在 2013 年出售 3D 感測公司 PrimeSense，協助蘋果從指紋辨識轉向面部辨識。Q.ai 於 2022 年創立，由 Kleiner Perkins、GV（前 Google Ventures）等機構投資，其創始團隊成員將加入蘋果。此訊息發布於蘋果首季財報前幾小時，分析師預估營收約一兆三百八十億美元，且預期為四年來最強勁的 iPhone 銷售成長。
-
音樂出版商對安第普提提30億美元，指控其「公然盜版」2萬件作品
由 Concord Music Group 和 Universal Music Group 領軍的一群音樂出版商，指控 Anthropic 公司非法下載超過 20,000 首受版權保護的歌曲，內容包含樂譜、歌詞及音樂作品。出版商於週三發表宣告，稱損害金額可能高達 30 億美元，這將成為美國歷史上最大的非集體訴訟版權案件之一。此次訴訟由 Bartz v. Anthropic 案的同一法律團隊提起，該案中一群小說及非小說作者同樣指控 Anthropic 使用其著作訓練 Claude 等產品。在 Bartz 案中，法官 William Alsup 裁定 Anthropic 使用受版權保護內容訓練模型合法，但透過盜版獲取內容不合法。Bartz 案最終使 Anthropic 承擔 15 億美元罰款，受影響作家每部作品獲得約 3,000 美元，涉及約 50 萬件受版權保護作品。儘管 15 億美元對價值 1830 億美元的企業而言不算鉅額，但此次音樂出版商最初僅針對約 500 件作品起訴，後透過 Bartz 案的調查發現更多非法下載。出版商試圖修正原訴訟以涵蓋盜版問題，但法院於十月駁回，認為其未及早調查。因此出版商另案起訴，並將 Anthropic 執行長 Dario Amodei 及共同創辦人 Benjamin Mann 列為被告。訴訟指稱 Anthropic 誤導性宣稱自己是 AI 安全與研究公司，但其非法下載版權作品的紀錄顯示其多億美元帝國建立在盜版之上。Anthropic 未回應 TechCrunch 的求證要求。
-
機場機翼震動與研究驅動的AI前景
新成立的 AI 實驗室 Flapping Airplanes 於週三正式啟動，獲得 Google Ventures、Sequoia 和 Index 共 1.8 億美元的種子資金。該團隊的創立成員陣容強大，其目標是尋找一種更節省資料的方式來訓練大型模型，這在當前領域尤為有趣。根據現有觀察，該團隊在嘗試賺錢的評級中屬於第二級。然而，Flapping Airplanes 專案中更令人興奮的部分，直到閱讀 Sequoia 合夥人 David Cahn 的文章後才浮現。Cahn 指出，Flapping Airplanes 是首批超越單純擴充套件正規化的實驗室之一。目前的擴充套件正規化主張將社會資源大量投入現有大型語言模型的升級，期望由此實現通用人工智慧。而研究正規化則認為我們距離通用人工智慧僅有兩到三個研究突破，因此應將資源投入長期研究，特別是那些可能需要五到十年才能見效的專案。計算優先方法將優先考慮叢集規模，傾向於短期勝利（約一兩年），而非長期賭注（約五十年）。研究優先方法則會在時間上分散賭注，願意下許多絕對成功率較低但能擴大可能範圍的賭注。儘管計算優先方法可能正確，但考慮到許多公司已朝此方向發展，看到有人選擇另一條路徑令人欣慰。