實體: Meta
所有提到 Meta 的 AI 新聞與動態。
-
又一項AI晶片的重大進展，Meta簽約取得數百萬顆Amazon AI CPU
亞馬遜與 Meta 達成重要協議，將使用數百萬顆自研的 AWS Graviton 晶片來滿足其日益增長的 AI 需求。AWS Graviton 是一款基於 ARM 架構的中央處理器，專門用於處理通用計算任務，而非用於訓練大型模型的 GPU。儘管 GPU 仍是訓練模型的首選，但基於這些模型構建的 AI 代理在執行即時推理、程式設計、搜尋及多步驟任務協調等密集型運算時，對晶片提出了新要求。亞馬遜表示，其最新版本的 Graviton 正是為應對 AI 相關運算需求而設計。此協議有助於將 Meta 的資金迴流至亞馬遜，而非其競爭對手如 Google Cloud。去年八月，Meta 曾與 Google Cloud 簽訂一份六年期、價值十億美元的合約，此前 Meta 主要使用 AWS 與 Microsoft Azure 的服務。值得注意的是，亞馬遜選擇在 Google Cloud Next 會議結束時宣佈此協議，彷彿在向雲端計算競爭對手發出虛無的微笑。Google 在該會議上展示了其自研 AI 晶片的新版本。亞馬遜雖也擁有自研 AI GPU Trainium，該晶片可用於訓練與推理階段，但 Anthropic 公司此前已與亞馬遜簽訂協議，承諾在未來十年內投入一百億美元執行其工作負載，並特別聚焦於 Trainium 晶片，亞馬遜則同意額外投資五億美元（總投資達十三億美元）以換取合作。Meta 與亞馬遜的協議使亞馬遜得以將 Meta 作為其自研 CPU 的成功案例，這些晶片與 Nvidia 新推出的 Vera CPU 競爭，後者同樣基於 ARM 架構且專為 AI 代理運算設計。Nvidia 向企業和雲提供商銷售晶片與系統，而亞馬遜僅透過其雲服務提供晶片訪問。本月早些時候，亞馬遜執行長 Andy Jassy 在股東信中批評 Nvidia 與 Intel，指出企業希望獲得更好的 AI 價格效能比，並表示亞馬遜將以此為基礎爭取合約。這也意味著亞馬遜內部晶片團隊面臨巨大壓力，必須交付符合市場需求的產品。
-
Meta 將記錄員工鍵盤輸入並用於訓練其 AI 模型
Meta 發現了訓練其人工智慧模型的新資料來源，即其內部員工。公司計畫利用從員工滑鼠移動軌跡和鍵盤輸入中篩選出的資料，來構建更強大且高效的人工智慧系統。路透社報導了這一訊息，顯示科技公司在尋找新資料來源方面所付出的努力，這些資料是讓程式學習更有效執行任務及回應使用者查詢的關鍵。當 TechCrunch 聯絡 Meta 求取評論時，一位發言人表示，若公司要開發協助人們完成日常電腦任務的代理系統，模型需要真實的使用範例，例如滑鼠操作、點選按鈕及導覽下拉選單等。為此，Meta 將推出內部工具，在特定應用程式中捕捉這類輸入以協助訓練模型。發言人強調已實施保障措施保護敏感內容，且資料不會用於其他目的。此趨勢揭示了人工智慧產業中令人擔憂的隱私面向。上週另有報導指出，舊有的新創公司正被挖掘其企業通訊資料（如 Slack 檔案與 Jira 工單），並轉換為人工智慧訓練資料。
-
Tokenmaxxing、OpenAI 的購物狂潮與 AI 心理落差
本集 TechCrunch 的 Equity 播客節目探討了 AI 領域內幕人士與大眾之間的差距日益擴大，並分析了相關的消費、猜疑及新詞彙變化。節目主持人 Kirsten Korosec、Anthony Ha 和 Sean O'Kane 深入討論了 AI 基礎設施的實際建設情況，以及 OpenAI 與 Anthropic 在企業市場上的競爭態勢。節目內容涵蓋了晶片製造商 AMD、Arm 和 Qualcomm 共同投資 6000 萬美元支援英國自主駕駛新創公司 Wayve，並分析了 Uber 提出 3 億美元收購要約所反映的自動駕駛領域競爭格局。此外，還介紹了資料中心新創公司 Fluidstack 如何為前沿實驗室鋪路，包括與 Anthropic 達成據報價值 500 億美元的協議。節目進一步探討了 Claude Code 在 HumanX 會議上的表現如何揭示 OpenAI 與 Anthropic rivalry 的實際演進方向。最後，節目提及了 tokenmaxxing 現象以及 Meta 洩露的內部排行榜，指出這些可能更多反映的是形象而非實際生產力。OpenAI 正積極收購金融應用程式及談話節目等資產，而一家鞋類公司則重新定位為 AI 基礎設施概念股，Anthropic 則推出了一個據稱過於強大而不適合公開發布的模型，但似乎仍足夠強大以向聯邦儲備系統主席 Jerome Powell 進行演示。
-
此模擬新創公司希望成為物理 AI 的 Cursor
物理 AI 的願景在於讓工程師能如同編寫軟體般程式設計實體代理，但當前機器人技術仍受實體空間資料匱乏的制約。企業需建立模擬倉庫測試機器，或透過監控工廠線與 Gig 工人訓練深度學習模型，另一選項則是利用詳細的虛擬環境複製現實世界，以可擴充套件方式提供所需資料與工作空間。Antioch 是一家專注於為機器人開發者提供模擬工具的起點公司，旨在縮小業界所謂的「模擬到現實」差距，即讓在虛擬環境中訓練的機器人在實體世界中可靠運作的挑戰。Antioch 共同創辦人 Harry Mellsop 表示，公司今日已向 A*、Category Ventures 等投資機構籌得 850 萬美元種子輪，估值達 6000 萬美元，其他參與者包括 MaC Venture Capital、Abstract、Box Group 和 Icehouse Ventures。Mellsop 於去年五月在紐約創立該公司，另有兩位共同創辦人曾參與出售安全與智慧起點公司 Transpose 給 Chainalysis，另外兩位則分別來自 Meta Reality Labs 和 Google DeepMind。 在自駕車領域，Waymo 使用 Google DeepMind 的世界模型來測試與評估其駕駛模型，理論上這將減少在新增區域部署所需的資料收整合本。Antioch 希望為缺乏資金的較小公司提供解決此問題的平臺，因為大多數產業尚未使用模擬技術。Antioch 的產品被比作 Cursor，允許機器人製造商啟動多個數位硬體例項並連線模擬感測器，模擬機器人在現實世界中接收的資料，從而測試邊緣情況、執行強化學習或生成新訓練資料。關鍵挑戰在於確保模擬中的物理學與現實一致，以免模型接管真實機器時發生錯誤。公司使用 Nvidia、World Labs 等建立的模型，並開發特定領域的庫以簡化使用。 Category Ventures 的夥伴 Çağla Kaymaz 指出，軟體工程與大語言模型（LLM）的演進正開始發生在物理 AI 上，但實體世界的風險遠高於數位世界。目前 Antioch 的焦點主要在感測器與感知系統，這些是自動駕駛汽車、卡車、農業與建築機械或無人機的主要需求，而通用機器人複製人類任務的願景則較遠。雖然 Antioch 主要面向起點公司，但部分早期客戶已是投入大量資源的巨頭。