智能周报｜今夏大模型之战：真正的推理能力

Key Points

大模型篇

Cohere推出新模型Command R+，更强调RAG；

META计划下周推出小版本Llama 3；

苹果又发布了一款试图读懂手机屏幕的大模型「Ferret-UI」；

应用篇

Google考虑对基于AI的搜索服务收费；

TikTok将推出图片分享应用「TikTok Notes」；

TikTok将推AI虚拟主播；

AI Pin发售，售价699美元；

Vals.AI要做大模型评测生意；

人才与资金篇

微软在伦敦新设AI中心；

xAI寻求以180亿美元估值融资30亿美元；

面壁智能完成数亿元融资。

大模型篇

Cohere推出新模型Command R+，更强调「检索增强」

4月5日，Cohere官宣其新一代大模型Command R+，这距离其推出上一代大模型Command-R仅过去不到1个月。Command R+的参数量达1040亿，上下文窗口可支持128K，并具备英语、中文、法语、德语等10种语言能力。Cohere称，Command R+性能高于Mistral Large，仅次于GPT-4 Tubro。相较于前代模型，Command R+强化了其内置的RAG（检索增强生成）能力。「新皮层」此前报道，Cohere的目标正从追逐最前沿模型转向RAG（检索增强生成）。此前，Cohere曾将大量资金花在了追逐OpenAI和Anthropic的最新模型能力上，然而近期Cohere的领导者决定不与OpenAI等公司竞争，不再将开发最大、最先进的AI模型作为首要指标，转而专注于强化大模型的RAG技术。

Meta计划下周推出小版本Llama 3

Meta即将推出新款大语言模型Llama 3，对标OpenAI开发的GPT-4。该公司计划下周推出两个小尺寸的Llama 3，最大尺寸的版本计划今年夏天推出。区别于即将发布的两个小尺寸模型，最大版本的Llama 3是多模态的，可能拥有超过1400亿参数。上个版本的Llama 2推出于2023年2月，也拥有3个不同尺寸。

苹果又发布了一款试图读懂手机屏幕的大模型「Ferret-UI」

4月8日，苹果发布专为理解移动UI屏幕而定制的多模态模型Ferret-UI，它能够「看懂」手机的UI界面并执行相应任务。经过训练的Ferret-UI能够通过不同的输入格式（点、框、涂鸦）和基础任务（查找小部件、查找图标、查找文本、小部件列表）在移动用户界面屏幕上执行任务，如小组件分类、图标识别和光学字符识别等。Ferret-UI是苹果为AI理解UI所开发的第二款大模型，新皮层曾报道，苹果3月29日发表的一篇论文表示苹果已开发一个名为「ReALM」的模型，该模型可以理解手机屏幕上的信息，苹果认为，这是实现用Siri等语音AI操作手机的关键一步。目前，苹果正在考虑引入第三方模型以便在iPhone上实现智能功能，而Google的Gemini和百度的文心一言都是潜在的合作对象。ReALM和Ferret-UI两款模型发布意味着苹果并没有放弃用自研模型控制手机。

应用篇

Google考虑对基于AI的搜索服务收费

据报道，Google正在考虑对其主要盈利来源——搜索引擎进行改革，包括在其高级订阅服务中添加基于AI的搜索功能，每月向订阅用户收取20美元费用。自2000年开始，Google搜索业务的收入来源主要是广告，而这一改革举措可能会成为Google有史以来最大的变革之一。Google的AI搜索服务能够根据搜索内容生成完整答案后再提供给用户，而不是像传统搜索引擎那样只是把一系列相关网页陈列出来。Google从去年5月开始测试这种AI搜索服务，如今，Google考虑把这一服务加入其高级订阅服务中。目前，Google高级订阅服务月订阅费为20美元，用户可以在该服务中使用最新的Gemini Ultra 1.0聊天机器人，能够在Gmail、Docs和Sheets等生产力套件中使用由Gemini提供的AI能力。如果AI搜索也加入该订阅菜单，将是Google第一次将自己的核心业务置于付费墙之后。

TikTok将推出图片分享应用「TikTok Notes」

当地时间4月9日，TikTok用户收到的应用弹窗显示，公司将推出一款用于分享照片的新应用，名为TikTok Notes。TikTok随后证实了这一消息，称公司正在开发一款照片分享的专属空间，但尚未最终确定TikTok Notes的设计和发布时间。

TikTok Notes是一个用于分享照片的App。按计划，其初始内容源自TikTok上已发布的图文帖子。不过，TikTok用户也可以打开拒绝按钮，选择不让这些照片共享至新应用。上个月曾有消息指出，这款应用原本被命名为TikTok Photos。因发帖格式和内容均集中于照片形式，TikTok Notes也被视为Instagram的竞争对手。但相较于Instagram富于包装感的社区风格，TikTok主打非批判性、即拍即发的社交调性或将帮助Notes吸引更多群体。

TikTok将推AI虚拟主播

4月11日，有报道称TikTok正在考虑利用AI为广告商生成虚拟主播，这些主播将在短视频中担任主角并介绍广告上的产品，甚至可能与真人主播竞争广告交易。TikTok正在开发的功能将根据广告商提供的提示生成视频广告脚本，以及生成在视频中执行脚本的虚拟人物。该功能不仅面向广告商开放，TikTok商店中的商家也可以使用该功能来推广商品。目前，这项功能已经测试数月，但离正式推出还有一段距离。知情人士称，根据目前测试结果看，这些AI生成视频产生的交易数量远远少于人类主播创造的交易数量。不过，该功能仍在开发过程中，最终版本可能会发生变化。

AI Pin发售，售价699美元

4月11日，初创公司Humane宣布其首款AI硬件产品AI Pin正式发售，起售价为699美元。除了购买基础硬件外，用户还需要订阅24美元/月的服务，才能使用设备基础功能。「新皮层」曾报道，去年11月，Humane宣布推出AI Pin。这款设备的主要特点是没有屏幕，交互方式包括语音、敲击等。比如用户长按即可与语音助手AI Mic对话，完成查询信息、翻译语言或播放音乐等操作。目前，Humane已经完成2.3亿美元融资，OpenAI CEO Sam Altman持有该公司最大的外部股份。除了AI Pin，Humane后续还计划推出其他AI硬件产品。今年1月，初创公司Rabbit也推出了一款AI语音助手硬件产品R1，支持对话实现查询、打车、购物等操作。这款产品在CES上亮相后，5天内就卖出了超过5万台。不过该产品自推出以来面临不少争议，最大争议是其提供的功能通过App就能解决，不需要为此单独设计和购买一款硬件。

Vals.AI要做大模型评测生意

4月11日，Vals.ai发布对多个大模型的第三方行业评测。每有新的大语言模型发布，其开发者都声称他们的模型表现与GPT-4相当或更优，但测试结果缺乏独立性。随着越来越多公司考虑是否将AI用于特定任务，市场对「无偏见的测试」需求更加强烈。Pear VC合伙人Arash Rakhteh称，企业需要更多的「细微差别」来了解特定人工智能模型是否「表现更好」或「能够以更低的成本处理任务」。各大模型在税务、法律和金融领域的表现评测报告已在Vals.ai官网发布。数据显示，不同模型的性能可能因行业而异。例如，Anthropic的Claude 3 Opus和OpenAI的GPT-4在法律推理任务上的准确率皆为77%左右，远高于它们在税务问题上的表现。

人才与资金篇

微软在伦敦新设AI中心

4月8日，微软宣布，新组建的AI机构Microsoft AI计划在伦敦设立AI中心，由Inflection、DeepMind前AI科学家兼工程师Jordan Hoffmann领导。后续，Microsoft AI伦敦中心将与微软旗下AI团队、OpenAI协作开发大语言模型及其支持性基础设施。微软也将开始在伦敦为新的AI中心招聘人才。Jordan Hoffmann不久前才随着微软「雇用式收购」Inflection而加入微软。The Information提供的最新交易细节显示，微软CEO纳德拉是3月19日在一家凯悦酒店与Inflection所有员工面谈的，那场面谈后，Inflection三位联合创始人中的两位和70名员工中的60位都加入了微软，剩下10位员工只是留下来维护Inflection面向既有企业客户的toB服务。

xAI寻求以180亿美元估值融资30亿美元

4月5日消息称，马斯克的人工智能公司xAI正在进行新一轮融资，融资金额30亿美元，融资完成后公司估值将达到180亿美元，融资条款尚未最终确定。风投公司Gigafund和投资人Steve Jurvetson正考虑参与这轮融资。Gigafund和Steve Jurvetson都与马斯克有很深的渊源，Gigafund的创始人Luke Nosek曾是PayPal的联合创始人之一，Steve Jurvetson是特斯拉前董事会成员、SpaceX现董事会成员。此前1月，就有外媒报道称xAI正在以200亿美元的估值筹集60亿美元资金，当时马斯克公开否认该消息。

面壁智能完成数亿元融资

4月11日，AI初创公司面壁智能宣布完成新一轮数亿元融资，春华创投、华为哈勃领投，北京市人工智能产业投资基金等跟投，知乎作为战略股东跟投。面壁智能由清华计算机系长聘副教授刘知远于2022年8月创立，团队核心成员来自清华大学自然语言处理实验室。2023年4月，面壁智能获得知乎领投的数千万元天使轮融资，智谱AI跟投。6月，知乎合伙人、CTO李大海出任面壁智能CEO。