行业分类:
加载中...
头条分类:
加载中...
特斯拉第二季度净利润大跌45% 确定自动驾驶出租车发布时间
特斯拉 凤凰网科技讯 北京时间7月24日,特斯拉公司(NASDAQ: TSLA)今天发布了截至6月30日的2024财年第二季度财报。财报显示,按照美国通用会计准则(GAAP)计算,特斯拉第二季度总营收为255.00亿美元,较上年同期的249.27亿美元增长2%;归属于特斯拉普通股股东的净利润为14.78亿美元,较上年同期的27.03亿美元大跌45%。 特斯拉CEO埃隆·马斯克(Elon Musk)在电话会议上确认,自动驾驶出租车发布会推迟到今年10月10日,这一调整将能够让公司改进自动驾驶出租车,并在产品发布时增加“另外一些东西”。 马斯克还表示,将在明年上半年推出一款更实惠车型。 股价表现: 特斯拉第二季度营收好于预期,但每股收益连续第四个季度不及预期,股价在盘后交易中下跌逾3%。 特斯拉股价盘后下跌3.26% 特斯拉周二在纳斯达克交易所的开盘价为253.45美元。截至周二收盘,特斯拉股价下跌5.13美元,报收于246.38美元,跌幅为2.04%。截至发稿,特斯拉股价在盘后交易中下跌8.04美元至238.35美元,跌幅为3.26%。过去52周,特斯拉股价最高为278.98美元,最低为138.80美元。 第二季度运营要点: ——总汽车产量为410,831辆,较上年同期的479,700辆下降14%;其中,Model 3/Y产量为386,576辆,较上年同期的460,211辆下降16%;其他车型产量为24,255辆,较上年同期的19,489辆增长24%; ——总汽车交付量为443,956辆,较上年同期的466,140辆下降5%;其中,Model 3/Y交付量为422,405辆,较上年同期的446,915辆下降5%;其他车型交付量为21,551辆,较上年同期的19,225辆增长12%。 第二季度财务业绩: ——总营收为255.00亿美元,较上年同期的249.27亿美元增长2%; ·总汽车业务营收为198.78亿美元,较上年同期的212.68亿美元下降7%; ·能源生成和存储业务营收为30.14亿美元,较上年同期的15.09亿美元增长100%; ·服务和其他业务营收为26.08亿美元,较上年同期的21.50亿美元增长21%。 ——总毛利润为45.78亿美元,较上年同期的45.33亿美元增长1%;总毛利率为18.0%,较上年同期的18.2%下降0.2个百分点; ——营业费用为29.73亿美元,较上年同期的21.34亿美元增长39%; ——营业利润为16.05亿美元,较上年同期的23.99亿美元下降33%;营业利润率为6.3%,较上年同期的9.6%下降3.3个百分点; ——调整后的息税、折旧以及摊销前利润(EBITDA)为36.74亿美元,较上年同期的46.53亿美元下降21%;调整后的EBITDA利润率为14.4%,较上年同期的18.7%下降4.3个百分点; ——归属于特斯拉普通股股东的净利润为14.78亿美元,较上年同期的27.03亿美元大跌45%;按非美国通用会计准则(non-GAAP),归属于特斯拉普通股股东的净利润为18.12亿美元,较上年同期的31.48亿美元下降42%; ——归属于特斯拉普通股股东的每股摊薄收益为0.42美元,较上年同期的0.78美元下降46%;按非美国通用会计准则,归属于特斯拉普通股股东的每股摊薄收益为0.52美元,较上年同期的0.91美元下降43%; ——运营活动提供的净现金为36.12亿美元,较上年同期的30.65亿美元增长18%;资本支出为22.70亿美元,较上年同期的20.60亿美元增长10%;自由现金流为13.42亿美元,较上年同期的10.05亿美元增长34%;现金、现金等价物以及投资总额为307.20亿美元,较上年同期的230.75亿美元增长33%。 展望: ——交付量:特斯拉称,公司目前正处于两大增长浪潮之间:第一个浪潮开始于Model 3/Y平台的全球扩张,下一个增长浪潮将由自动驾驶的进步和新产品的推出发起,包括基于下一代汽车平台的车型。2024年,特斯拉的汽车交付量增长率可能明显低于2023年的增长率,因为团队正在得州超级工厂为下一代汽车和其他产品的推出而工作。2024年,储能业务的部署和营收增速应该能超过汽车业务。 ——现金:特斯拉有充足的流动性来资助其产品路线图、长期产能扩张计划以及其他费用;此外,特斯拉将管理好业务,从而在这一不确定时期保持强劲的资产负债表。 ——利润:随着特斯拉继续加大创新以降低制造和运营成本,公司预计,随着时间的推移,其硬件相关利润将伴随着人工智能、软件以及车队相关利润加速增长。 ——产品:包括更便宜车型在内的新款汽车依旧按计划在2025年上半年开始生产,将利用下一代平台的特性以及当前平台的特性,可以使用当前车型的相同生产线生产。 此举可能导致成本降低的幅度不及先前预期,但能够在不确定的时期以更加高效的资本支出方式谨慎提高车辆产量。这将帮助特斯拉充分利用当前预期的最大产能,也就是接近三百万辆车,在不投资新的生产线前实现汽车产量较2023年增长50%以上。 特斯拉专门设计的自动驾驶出租车产品将继续追求一种革命性的“开箱”(Unboxed)制造工艺。(作者/箫雨) 更多一手新闻,欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道,请微信搜索“凤凰网科技”。
马斯克:预计特斯拉FSD于2024年年底前在华获批
IT之家 7 月 24 日消息,经过长达半年的讨论和期待,特斯拉 FSD(全自动驾驶系统)进入中国市场的进程似乎即将迎来一个关键阶段。 特斯拉 CEO 埃隆・马斯克在今天举行的财报电话会上提到,将在欧洲和中国申请监管批准以实施监督下的 FSD,预计在今年年底前获得批准。 今年 6 月,上海临港新片区开始推动特斯拉 FSD(全自动驾驶系统)的落地试点,涉及 10 辆特斯拉车辆将在上海开展路测。 虽然特斯拉 FSD 还未在中国市场推送,但早在 Model 3 发售时就已随车销售,国内售价 6.4 万元,而后续可能还会推出订阅制,价格可能在每月 98 美元(IT之家备注:当前约 711 元人民币)左右。 路透社 5 月底也表示特斯拉中国正在准备向有关部门备案其 FSD 功能,以便在今年推送这一功能。特斯拉正努力将 FSD V12 引入中国,上个月已经有特斯拉中国员工的车载系统中出现了相关字样。 特斯拉还考虑向中国其他汽车制造商授权 FSD,FSD 在中国的销售将为特斯拉开辟新的收入来源。由于中国电动汽车制造商的竞争,2024 年一至四月特斯拉在中国的销量下降了 7.6%。 4 月 28 日,中国汽车工业协会、国家计算机网络应急技术处理协调中心发布《关于汽车数据处理 4 项安全要求检测情况的通报(第一批)》,其中提到特斯拉上海超级工厂生产的车型全部符合合规要求,是唯一一家符合合规要求的外资企业。
连续10季度亏损,冻结高管年薪,韩国电池巨头咋变这样了?
所有高管级别的员工年薪全部冻结,并宣布从 7 月 7 日起,公司进入 “ 紧急管理状态 ” 。 全球第四大电池制造商 SK On ,彻底坐不住了。。。 据金融时报消息,它自从 2021 年单独成立公司之后,已经连着10 个季度亏损,这几年几乎就没怎么赚过钱。 而且净债务也是越背越多,相较于去年同一时期,已经从2.9 万亿韩元增长到了 15.6 万亿韩元,足足有五倍多。 在相关新闻一出来后,不少网友都猜测, SK On 是不是要不行了。 SK 集团差友们应该都不陌生,它是韩国三大财阀之一,资源、背景啥的,那都没话说。 而作为他们旗下的子公司,还是一成立就被寄予厚望的 SK On ,却把自己搞成了如今这副模样,说实话世超是挺震惊的,也挺好奇的。 趁着这个契机,我们去翻了翻关于 SK On 的过往资料,发现它能走到今天这个地步,自个儿倒是 “ 功不可没 ” 。 其中最大的一个原因就是它压错注了。在 SK On 刚拆分出来那几年,是新能源车势头正猛的时候,它也因此拿下了 1000 GWh 的订单。 不过彼时的 SK On ,只有几十 GWh 的产能,要满足这些订单量,还远远不够。于是它就做了个在现在看来,不是那么明智的举动:扩大产能,但是在欧美。。。 在当时做出这个选择,其实也不难理解,毕竟前几年欧美对外营造出来的形象,就是贼拉看重新能源车。 美国为了把整个产业链盘活,通过了一条 “ 新能源汽车税收抵免 ” 的法案。惹得 SK On 和福特、现代汽车等达成合作,先后要在那边建 5 个工厂。 另外,拜登政府还推出了《 通胀削减法案 》,让包括 SK On 在内的非中国电池企业,拿到了数十亿美元的补贴,更是为它在欧美扩大产能添了一把火。 据天风证券消息,到目前为止, SK On 给欧洲规划了 92 GWh ,给美国规划了 150 GWh ,而对于占了六成新能源车份额的中国,只给了 77 GWh 的产能。 然而,还没等这些工厂都建成投产呢,美国的新能源市场就萎了。。。 今年第一季度的数据就是一记重棒,在电动车整体市场都有 5% 增长的前提下,美国市场就只有 2.7% 。 更具体一点, SK On 的一大客户通用汽车,在去年还信心十足,预测自个儿的电动车销量,在 2025 年达到 100 万辆。 结果今年第二季度的数据一出来,大伙都傻眼了,电动车才卖出了 2.193 万辆。 合着这需求就只是纸面上激增,实际销量是一点没怎么涨。。。 可能是察觉到市场不会有啥起色,欧美汽车厂商们直接开始集体摆烂,福特、通用汽车和特斯拉等全都暂停了扩大电动汽车产能的计划。 而这盆冷水自然也会浇到电池产业上,像是 SK On 的重要客户福特,在去年 10 月份,就暂停了电动汽车的 500 亿美元的投资,它们计划合资建的第二家电池厂也因此推迟了。 此时的 SK On 就像一个鸡娃没成效的家长,原来的投资现在全变成负债了,这才有了开头 “ 高管停薪自救 ” 的那一幕。。。 当然,除了欧美市场不给力之外, SK On 的技术路线也有不少问题。 目前他们主要的产品是以三元锂电池为主的软包电池,虽说它能量密度贼优秀,但相较于宁德时代、比亚迪都在做的磷酸铁锂电池,它还有一个最大的缺陷,原料的成本太高( 有钴等贵重金属元素 )。 而这在新能源车企都在卷价格的现在,谁更有优势自然也不用多废话了。 像是特斯拉的 Model 3 和 Model Y ,用的就是宁德时代的磷酸铁锂电池,因为电池成本降了,这两款车型也跟着降了好几次价。 连宝马、福特、现代、雷诺等车企也都考虑改用性价比更高的磷酸铁锂电池。 SK On 显然也意识到这个问题了,一边在研发无钴三元锂电池,一边在布局磷酸铁锂电池。不过这也都是后话了,要量产磷酸铁锂电池至少也得两年后,到时性价比更高的固态电池落地了也不是没可能。 反正 SK On 现在的处境就是内忧外患,但如果要就此下定论说 SK On 不行了,估计还早着呢。 而且整个市场不景气,是所有电池企业都会面临的问题。像是宁德时代,今年第一季度的营业收入,也同比下降了 10% ,还有 LG 能源,营收同比下滑了 30% 。 只不过 SK On 因为自己的规划问题,受到的影响可能会更大一些。 但即便这样,它去年电池业务的销售额也有 12.9 万亿韩元,创下了历史最高,再加上之前积压的订单,保守估计也还有 400 万亿韩元。 况且它背后还有强大的 SK 集团给兜底呢。。。 就在前几天, SK 集团官方就宣布,要把 SK On 的母公司 SK Innovation 可能要和它的能源子公司 SK E&S 合并,整一个资产达 5240 亿人民币的公司。 这么做,就是为了让持续亏损的 SK On 继续吸血。。。 而这个血它还能吸多久,能不能帮它挺过这段时期,就看下半年的表现了。 至少 SK On 这边的 Flag 是立下来了,要在今年下半年实现盈亏平衡。 撰文:松鼠 编辑:江江、面线 美编:焕妍 图片、资料来源: 超电实验室,冻结所有高管年薪,韩国电池厂陷入绝境,CEO:已经走投无路 电动车公社,负债822亿!是谁杀死了全球第四大动力电池企业? 电池网,韩系电池三巨头2023年业绩出炉:一公司积压订单超400万亿韩元 Financial Times,Battery maker SK On declares ‘emergency’ as EV sales disappoint
美军公布最新《欺骗》条令 谣言战争扰乱世界和平
  据美国“军事”网站报道,美国海军陆战队上个月公布了新版《欺骗》条令,这也是海军陆战队12年来首次更新了关于如何使用“欺骗”战略的官方条令。   报道称,从2023年开始,美军确定有必要制定连贯的欺骗战略。新版《欺骗》条令中提到,美军的新型欺骗行为包括干扰敌军的雷达、通信系统等电子设备,操控电磁环境,使其失去对战场态势的准确判断;利用电子伪装和欺骗手段,制造虚假的电磁信号,误导敌军的指挥和决策等。   根据这项条令,美军应通过真真假假的信息吹嘘其实力强大,设法打击对手部队和民众的士气,或者诱导对手投降。   近年来,美军在信息领域的欺骗行为不断被揭露出来。报道举例称,在2020年新冠肺炎疫情最严重的时候,五角大楼在菲律宾进行了一场秘密的舆论战,至少300个美军操纵的社交媒体虚假账号诋毁中国生产的疫苗,诱导菲律宾民众对中国疫苗及中国供应的物资产生怀疑,而当时菲律宾是东南亚地区疫苗接种率最低的国家之一。此事曝光后,五角大楼发言人莉萨·劳伦斯没有否认相关报道。   美国欺骗成性 捏造谎言早有前科   事实上,美国在多领域捏造的谎言早已不乏“前科”。   2003年2月,时任美国国务卿鲍威尔在联合国安理会的会议上拿出一个装有白色粉末的试管,声称试管里装的就是伊拉克正在研制化学武器的证据。六周之后,美国便发动了伊拉克战争,造成大量平民伤亡、无数家庭破碎——但后来的事实证明,美方所谓情报是杜撰的。   俄罗斯总统普京谈到这一话题时曾调侃说,当时鲍威尔试管里的可能是洗衣粉。   俄罗斯总统 普京(2014年6月):我们看到,全世界也都曾看到,2003年时任美国国务卿鲍威尔在联合国安理会展示所谓“伊拉克拥有大规模杀伤性武器”的证据,他拿出了装有不明物质的试管,里面搞不好是洗衣粉。   曾担任中情局局长的美国前国务卿蓬佩奥,更是一语中的,自己揭开了美国情报部门的黑幕。   时任美国国务卿 蓬佩奥(2019年4月15日):我们撒谎,我们欺骗,我们偷窃。我们还有一门课程专门来教这些,这才是美国不断探索进取的荣耀。   美国开启谣言战争 搅乱世界和平   那么,美国通过这种“欺骗”的方式想要达成什么目的呢?   总台记者 魏东旭:美国军方开启了一场谣言战争,针对他眼中的战略对手进行肆意的抹黑,利用互联网传递和传播虚假信息,针对其他国家进行这种恶毒的攻击。   总台记者 魏东旭:这个谣言战争落实到美国的对外策略方面,就成了离间计,成了信息战,成了大规模的宣传战,针对其他国家的形象进行肆意的抹黑,可以说是用心险恶,居心不良。那么谣言战争,包括进行欺诈、欺骗,同样也会成为美国对外寻求开战,或者说发起冲突的一些借口。通过谣言战争的方式,美国把这个世界搅得更加的不安宁。   总台记者 魏东旭:现在美国海军陆战队也要完善他的欺骗和欺诈的战术和战法,那么落实在具体的军事行动层面,主要是在亚太的范围内进行一些战术的佯动,进行一些虚假的动作,去配合美国其他的进攻性的作战行动。在兵力的运用层面,也会采取隐真示假的方式欺骗对手,去强化自身的突袭能力和偷袭能力。与此同时,在谣言战争当中,美国军方,尤其是他的网络作战部队,可能也会有一些更多的暗中手段,针对其他国家的一些正常行为,正义行为或者是友善的行为进行肆意的抹黑,这同样也是谣言战争。
1500亿打造的原创影视剧没人看?苹果开始省钱了
苹果流媒体视频服务Apple TV+ 凤凰网科技讯 北京时间7月22日,据彭博社报道,苹果公司投入了逾200亿美元(约合1454亿元人民币)制作原创电视剧和电影,但是却没多少人看。现在,苹果开始调整其好莱坞战略,收缩支出。 根据彭博社对包括苹果前员工、现任员工和商业伙伴在内的十几人的采访,苹果服务部门主管埃迪·库伊(Eddy Cue)一直在与工作室负责人扎克·范安伯格(Zack Van Amburg)、杰米·埃尔利特(Jamie Erlicht)进行定期会面,审查预算,敦促他们对项目支出施加更多控制。据这些人透露,范安伯格和埃尔利特已经告诉他们的一些顶级创意合作伙伴,他们希望改变自身作为行业最大支出者的声誉。 在好莱坞,苹果还不是采购影视剧内容最多的公司,这个头衔仍属于Netflix。但是,苹果在个别影视剧上也是烧钱无数。苹果在马丁·斯科塞斯(Martin Scorsese)、雷德利·斯科特(Ridley Scott)和马修·沃恩(Matthew Vaughn)导演的电影上总共花费了5亿多美元,在第二次世界大战的迷你剧《空战群英》上花费了2.5亿多美元。 然而,这些电影的票房收入都令人失望,只有《花月杀手》在尼尔森最受欢迎的流媒体电影排行榜上名列前茅。尼尔森的数据显示,《空战群英》在美国的观众人数低于Netflix的日剧《忍者之家》。即便如此,《空战群英》也是今年唯一一部出现在尼尔森排行榜上的新苹果影视剧。 苹果每年在原创节目上的花费达到数以十亿计美元,这些节目备受好评,并获得了许多奖项提名。然而,它的流媒体服务在美国的电视观看份额仅为0.2%。Apple TV+一个月的观看量还不及Netflix一天的观看量。 “订阅用户增长乏力,Apple TV+的原创内容和竞争对手相比真是小巫见大巫。”彭博行业研究分析师吉塔·兰甘纳桑(Geetha Ranganathan)和凯文·尼尔(Kevin Near)在最近的一份报告中称。(作者/箫雨) 更多一手新闻,欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道,请微信搜索“凤凰网科技”。
微软发言人:与欧盟达成的协议限制了公司加强Windows的安全性
IT之家 7 月 22 日消息,上周安全软件公司 CrowdStrike 的一次更新引发了全球性的 IT 灾难,导致约 850 万台 Windows 电脑蓝屏死机。这一事件造成航空、医疗、零售等多个行业陷入瘫痪,甚至连部分紧急救援电话都无法接通。 IT之家注意到,苹果电脑在这场危机中毫发无损,原因在于苹果公司对安全软件的权限限制更为严格。苹果操作系统本身负责大部分安全监控工作,第三方安全软件只能查看监控结果,无法直接干涉系统核心。 而 Windows 系统则允许安全软件深入操作系统内核进行检测,这也导致了此次大规模故障。CrowdStrike 的更新出现逻辑错误,引发系统崩溃和蓝屏(BSOD)。 据《华尔街日报》报道,对此,微软公司发言人表示由于欧盟的反垄断规定,无法限制安全软件的系统访问权限。微软曾在 2009 年与欧盟达成协议,承诺给予所有安全软件与微软自身软件相同的系统访问权限。这一决定导致安全软件厂商拥有更大的权限,也增加了系统出错的可能性。近期 CrowdStrike 导致 850 万台 Windows 电脑瘫痪的事件便是典型案例。 虽然这一规定确保了公平竞争,但同时也牺牲了系统安全性。与之形成鲜明对比的是,苹果和谷歌并未受到类似限制。苹果在 2020 年停止向开发者提供内核级访问权限,虽然给开发者带来不便,但也提升了系统稳定性。
拼多多上半年出海战绩:GMV约200亿美金,超2023全年
今年9月上线将满两年,拼多多旗下跨境电商Temu还保持着狂飙速度吗? 答案是肯定的。 36氪独家获悉,Temu今年上半年的销售额猛增到约200亿美金,一个对比,2023年Temu的销售额为180亿美金。 置放于更宽阔的“出海四小龙”坐标里,2021年,SHEIN销售额达到200亿美元,彼时距其成立已过去九年;2023年,TikTok电商交易额200亿美元,用了三年时间。 站点开拓上,Temu的步伐相对慢了下来,但在新进入的国家里,Temu延续了迅猛的增长态势,比如巴西上线仅一个多月,就成为本地下载量最高的应用程序,而在过去30天时间里,巴西是Temu应用下载量第二高的市场,超过500万次,仅次于美国。 Temu上演的依然是一个关于中国企业出海疾速航行的故事,但叙事方式正在由”全托管”逐渐转向“半托管”。 36氪了解到,7月上旬,经过不到四个月的投入,Temu在美国的“半托管”销售额占比已经达到20%。 今年3月15日Temu在美国站点上线半托管模式,物流履约不再像全托管那样由平台负责,而是需要商家自己解决。 对于平台而言,从很多角度来看,这都是一种优于全托管的模式。 比如解决了全托管只能做小件物品的丰富度限制,有助于平台做到更大体量;平台无需再承担高昂履约成本,利于减亏。 Temu的发展离不开一个关键要素——美国的“最低限度条款”关税豁免政策,该规则的核心是美国个人消费者只要购买价值800美元或以下的进口商品,就可以免除关税。 无论Temu还是SHEIN,都是这项豁免规则的最大受益者。美国海关数据显示,2023年高达10亿个包裹通过“最低限度条款”进入美国,其中三分之一来自Temu和SHEIN。 随着特朗普重回白宫的确定性愈来愈大,这扇为全托管提供了优势的大门随时可能会关闭。而不走免税路径的半托管,或许是化解隐患的方式。 降低美国市场的比重也是今年Temu的重点,以减少对单一市场的依赖,根据此前The information报道,Temu希望今年将美国的GMV占比从60%降到30%。 根据36氪了解,Temu二季度GMV在120亿美金左右,美国市场占比大概45%左右,计算下来,半托管销售额不到11亿美金。 看起来并不是一个诱人的数字,但从Temu今年的目标出发,年销售额600亿美金,其中,半托管要达到200亿,比重超过30%。以此为参照,20%美国销售额来自半托管的成绩已经是一个很大的变化。 当然,这样的结果集结了平台不遗余力的投入,1000多位半托管买手进行招商,平台自然流量几乎倾斜给半托管商品。100件推荐商产品里,带有local warehouse的半托管商品可以占到85件,哪怕这件商品销量为零,也能和销量数万的全托管商品享受同样的流量分配,甚至更高。 根据一份专家纪要估算,中国在美国做亚马逊、做独立站的商家,以及做线下批发的商家,每年至少有300亿美金以上的清货需求,而Temu半托管可以拿到其中50亿美金的规模。 半托管在美国的初见眉目,对于Temu至关重要。36氪了解到,Temu的计划就是先在美国打样,如果进展顺利的话就将这一模式推广至欧洲以及全球。 实际上,Temu也正在这样做。 7月19日,Temu在深圳召开了一场主题为“欧洲半拖首秀”的招商会,Temu高级副总裁大将出现了在会场,开启了半托管商家在“欧区五国”——英国、德国、法国、意大利、西班牙的入驻。 美国市场的缩减,需要欧洲的增长去平衡,未来,Temu希望欧洲市场份额能达到50%,因此相比其他市场投入也能大,据36氪了解,欧洲市场主要由葡萄负责。 因为半托管需要商家具有海外发货的能力,而在物流和仓储上已经练就一身本领的亚马逊商家是Temu觊觎的主要对象。 由于很多亚马逊大卖只是把Temu当作清库存的渠道,目前Temu的半托管不少都是没有跨境电商经验的商家,他们需要自己找海外仓,发DHL、UPS等小包,履约效率并不高,且经常出现丢件、漏发的状况。 所以过去一个月,Temu也在加速官方合作海外仓的招募,已由原来的7家扩至20多家,包括大方广、万邑通、跨境兴运等。据36氪了解,成为Temu认定合作海外仓,不仅能获取平台免费的流量,而且还可以接入Temu的尾程账号(FedEx、UPS、DHL等快递账号),可以享受到尾程快递折扣。 随着Temu深入亚马逊腹地,后者也开始做出反击,不久前推出了“低价商店”,和Temu全托管类似,商家只需要把货发送到亚马逊在中国的仓库,再统一运送到海外。 除了愈加激烈的正面硬刚,亚马逊这一举动争抢的还有本就供应不足的空运运力,这意味着干线成本也会更高。 据36氪了解,Temu全托管的履约成本一直没有得到有效改善,而运输时间太长的海运进展也比较缓慢。 显然,如何快速将半托管做大做强成了Temu眼下更加急迫的事情。 对于以上数据,拼多多官方予以否认。
奥运史上AI首秀,谷歌Gemini将亮相巴黎,打造AI观赛新体验
巴黎奥运会期间,谷歌将首次携NBCUniversal,利用Gemini让AI技术走进赛场,为观众带来前所未有的观赛体验。 距离巴黎奥运会还有不到一周,四年一度暑期档最精彩的体育竞技厮杀即将开幕。 吃着冰西瓜,吹着空调,看奥运健儿拿金牌,刷社交媒体看乐子的好日子又要来了! 这次巴黎奥运会又出新花样,谷歌的Gemini AI技术也将登上体育赛场。 周四,NBCUniversal和美国奥林匹克与残奥委员会(USOPC)一起宣布,谷歌将把人工智能融入巴黎奥运会转播中,并且将使用AI解说。 同时,谷歌的合作也包括了出战奥运的美国国家队,成为「美国队官方AI赞助商」。 可想而知,奥运会这种面向全世界转播的大型国际赛事,也将成为谷歌AI技术展示的大舞台。 USOPC首席执行官Sarah Hirshland表示,「我们很高兴宣布美国队与谷歌建立合作伙伴关系。这次合作不仅仅是赞助,这是一个强大的联盟,汇集了最好的技术和体育运动。」 「通过与谷歌和NBCUniversal合作,我们确保以最具活力和吸引力的方式讲述运动员的故事。这种伙伴关系将激励数百万人,并积极展示美国队在体育竞技世界舞台上的风采。」 谷歌与NBCUniversal的合作,将通过转播内容的无缝集成,将巴黎奥运会的比赛和运动员的故事一起带入媒体。 这个过程将利用谷歌的一系列应用程序产品,包括搜索、地图和 Gemini,以及各个方面的AI新技术。 和谷歌的合作也是NBCUniversal自身战略的一部分,他们正在对自己的奥运转播和报道进行现代化改造,来吸引不观看电视直播的年轻观众。 NBCUniversal总裁Dan Lovinger表示,「我们非常高兴能够与谷歌合作,提供创新且高度吸引人的科技元素,从而优化对巴黎奥运会的报道,让每位观众感觉仿佛身临其境。」 「这种独一无二的合作伙伴关系,展示了将创新技术与优质内容结合,吸引所有年龄段粉丝的观看。」 个性定制赛事回顾 NBC在6月就预告,将推出由AI生成的个性化的每日赛事回顾,由体育评论员Al Michaels的「AI版本」进行叙述。 观众只要在Peacock应用程序中设置「您的每日奥运回顾」,提供姓名并选择最多三种感兴趣的运动类型(例如,兵乓球比赛和进球时刻精彩集锦)。 然后,每天早上,用户都会收到由Al Michaels亲切声音播报的每日看点。 为了防止人工智能播报出错,NBC表示,编辑团队将审查所有内容,包括音频和剪辑,以确保质量和准确性,然后再向用户提供音频。 个性化回顾将于7月28日开始,第一版回顾将首先为观众介绍开幕式的亮点。 谷歌搜索解释赛事 NBCUniversal创建了「解释奥运会」板块,它将展示如何用AI进行谷歌搜索。 在NBCU的日间和黄金时段报道期间,NBC奥运会播音员将演示如何快速搜索快照和链接,帮助观众通过搜索来解答自己对比赛内容的疑问。 谷歌搜索还能让观众快速了解喜爱的运动,搜集到关于他们的更多信息。 例如,泳道分配的重要性、奥运会篮球的不同规则,或获取有关残奥会田径运动员的信息。 「解释奥运会」将扩展到NBCUniversal的社交媒体账户,进一步扩大其影响力,帮助体育迷快速获取信息,并提供社交讨论的平台。 与Gemini趣味互动 喜剧演员Leslie Jones也将惊喜助阵巴黎奥运会,使用谷歌的Gemini AI模型来学习新的体育项目。 作为喜剧演员,Leslie Jones凭借其独特的幽默感和敏锐的观察力,曾经赢得了无数观众的喜爱。 这次以新身份——NBC「首席超级球迷评论员」亮相,Leslie Jones将充分利用Gemini,带领观众对巴黎奥运会和美国队的赛事日常进行独家探秘。 在比赛间隙,她会与Gemini AI进行有趣的互动对话,让观众在轻松愉快的氛围中了解更多关于奥运会的幕后故事和趣闻轶事。 「嘿,Gemini AI,你觉得这位跳远选手能跳出多远?」 「根据我的数据分析,我打赌他有可能打破世界纪录哦!」Gemini AI的回答既有大数据支持的专业,又有互动的生动幽默,大大丰富了奥运会观赛体验。 沉浸式巴黎一日游 巴黎是今年奥运会和残奥会的举办地,埃菲尔铁塔和罗兰加洛斯球场等地标建筑也都是这次赛事的举办场地。 五位奥运会和残奥会选手将在社交视频和宣传片中亮相,他们将使用谷歌 Lens、Circle to Search、谷歌地图等应用,利用沉浸式视图和Gemini,根据个人兴趣探索场地,欣赏巴黎风光。 线上用户们也可以跟随他们,一同「云游览」巴黎地标建筑,感受古老巴黎与新兴科技碰撞的魅力。 3D广播身临其境 谷歌地图的3D实景可提供世界各地位置的3D视图,这个功能也将在奥运转播期间得到全方位展示。 观众将看到巴黎标志性奥运场馆,如凡尔赛宫、罗兰·加洛斯球场和水上运动中心,能够以3D 方式身临其境。 此外,还可以直接在地图中了解到每个地点的活动花絮,给观众带来「模拟城市」巴黎版的新奇体验。
一个奇怪的现象出现了:骂小米的越多,小米卖的越好
近日,各大机构发布了全球市场、中国市场,以及印度市场的智能的手机数据。 不得不说,小米又是大赢家,先看全球手机数据,小米虽然排第三,没有超过苹果,但和苹果的距离又近了,只差1%的份额,销量差额是290万台。 同时小米是前5大厂商中,增长率最高的,达到了27.4%,远比三星、苹果增长率高,按照这种速度,说不定下个季度就全球第二名了。 再看中国市场数据,小米已经是国内第二名,增长率高达19.65%,也是前5大厂商中,增长率第二名的,华为是第一,增长率高达42.53%,但华为因为去年销量低,基数低。 很明显,小米在中国市场二季度表现也是非常给力的,堪称大赢家,要知道一季度小米才排国内第6名。 最后看看印度市场数据,二季度的时候,小米已经成为了第一名,增长主旨24%,也是前五大厂商中增长率最高的。 而去年同期,小米还是印度第在殒呢,这次直接成为第一名,又是大赢家。 但是虽然小米手机这一季度是大赢家,但其实如果大家关注网络,会发现这一季度,吐槽小米的可是不少,各种吐槽声不绝于耳。 所以这真的是一个奇怪的现象,那就是骂小米的越多,似乎小米卖的越好。 不仅是手机如此,小米汽车也是如此,自从小米发布SU7以来,骂小米SU7的声音也非常多,各种抹黑、吐槽,感觉买小米SU7就是蠢,就是不懂车。 但是呢?小米43天交付超过1万,72天交付量超2万,然后6月份的月交付量已经超过了1万辆,全年交付量能超过10万,冲刺12万。 这些纪录都是前无古人的,目前如果你订购小米SU7,最快也要半年之后才能交车,慢的要8-10个月,这种热度,估计从来没有一款车能够达到吧。 所以说,骂小米汽车的越多,似乎小米汽车也是卖的越好。 为何会这样呢?其实我们可以反过来看,那就是小米卖的越好,骂的越多。 因为小米影响到太多厂商的利益了,小米主打性价比,向高溢价开炮,导致友商们不得不降价应对,影响到大家的营收、利润了。 于是很多人吐槽、抹黑,希望能够影响到小米的销量,不遗余力的打压小米,但事实证明,只要产品真的好,消费者就一定会买单,抹黑、吐槽是没有用的。
完美世界总裁下场内部创业,新公司坐标杭州,瞄准小游戏
作者 | 董子博 编辑 | 林觉民 雷峰网独家获悉,完美世界集团总裁佟庆,在前段时间赴杭州内部创业,开办了一家发行公司,瞄准的正是当下炙手可热的小游戏品类,还带走了不少本部的技术中台。 2024年,完美世界正逢多事之秋——裁员2000人,《一拳超人:世界》等项目关停,营收下降态势明显,股价自年初下跌36%。 当下的游戏圈,APP 端游戏开发成本正被越卷越高。2年前,公认的游戏项目开发成本门槛,就已经达到了1500万-2000万;而到了今天,不少游戏圈的创业者对雷峰网表示,这个数字则达到了3000-4000万。 而开发一款小游戏,即使加上市场费用,100万已经算是行业内成本的高点。而在《寻道大千》、《羊了个羊》、《这城有良田》、《指尖无双》等出众项目的带动下,不少公司看到了在这个赛道,赚到真金白银的希望。 而以微信、抖音、快手为代表的社交平台,也正在争夺这块仍然充满机遇的蓝海市场。在这周微信小游戏开发者大会上,腾讯给到小游戏的支持和激励不可谓不多。 其中最令人震惊的,是微信把混合变现小游戏内购的周转账期压缩到了“T+1”,广告收入的小游戏可以预支未来三个月的广告金,摆明了要和游戏渠道商争个高下。 当下,APP 游戏显然已是一片红海,头部效应极为明显,完美世界作为老牌大厂,规模效应和开发实力已经并没有明显优势。 而佟庆作为完美世界的集团总裁,有过《天龙八部 3D》、《诛仙》手游等项目经验,亲自下场,更是有带头转型冲锋的意味在其中。 都知道完美要过“苦日子”,但“埋头吃苦,不问前程”却并不能给他们带来生路。 当下,在游戏行业卷到极致高压的今天,转型或许是每家公司所面临的必然未来。
中国AI创业圈为何被“清华系”“交大帮”包围?
“北有清华系,南有交大帮”,这种说法在AI大模型创业圈里流传甚广。放眼望去,中国AI大模型初创企业圈颇有被“清华系”“交大帮”包围的势头,这波AI创业门槛直接被拉升至学霸级别。 据《IT时报》记者不完全统计,拥有清华背景的AI公司创始人已经多达40位,较为活跃的有十几位。可以说,清华系撑起了AI创业圈半壁江山。 北京AI创业圈以“清华系”为核心,而在上海这座“模都”,一支重要的AI生力军正在崛起,那就是“交大帮”。 “清华系”撑起AI创业圈半壁江山 “新AI四小龙”智谱AI、月之暗面、百川智能和MiniMax,除了中科院校友闫俊杰带领的MiniMax外,全是“清华系”AI公司。智谱AI的领军人物是清华大学计算机系教授唐杰,而月之暗面的创始人杨植麟正是唐杰的学生。百川智能的背后是鼎鼎有名的清华大学计算机系96级毕业生王小川,从搜狗到百川智能,这位“互联网梦之队”成员的物理空间几乎没有离开过五道口,于是王小川也被称为“清华东门守门员”。 30多年打造AI基因 “AI是一项硬核技术,而清华大学计算机大类的专业能力在全球处于领先位置,所以这一轮AI创业人才主要来自清华大学等头部高校。”清华大学新闻学院和人工智能学院双聘教授沈阳认为,清华大学能够开国内AI研究之先河,离不开一位奠基人——中国科学院院士、清华大学计算机系教授、人工智能研究院名誉院长张钹。 二十世纪七十年代,人工智能在生物控制和模式识别方向的研究已经兴起,当时一批国内研究人员在改革开放后赴美求学,张钹便是这批留学生中的一员,作为访问学者前往美国伊利诺伊大学进修学习。回国后,张钹领衔成立中国首个智能机器人实验室。1990年,他又与同事联合成立中国首个人工智能国家重点实验室——“智能技术与系统”国家重点实验室。 OpenAI的文生视频大模型Sora成为多模态大模型在2024年开年的“王炸”,而在Sora引发全球震动两个月后,被称为“国产Sora”的Vidu横空出世,Vidu的技术路线发布甚至早于Sora,而Vidu大模型背后是一家AI初创公司——生数科技,其领军人物是清华大学计算机系教授朱军,而朱军正是师从张钹,被这位中国AI奠基人评价为“最满意的博士生之一”。 生数科技由瑞莱智慧RealAI孵化而来,瑞莱智慧是朱军的第一次创业,一直专注于人工智能安全性,曾经用一副框架眼镜、一张纸就攻破了19部安卓手机的人脸识别,自此一战成名。 生数科技的联合创始人兼CEO唐家渝是清华大学教授孙茂松的学生,而被斯坦福大学AI团队抄袭的中国大模型公司面壁智能的创始人刘知远,也是孙茂松的学生。孙茂松、刘知远正是清华大学人工智能研究院知识中心三大实验室之一的自然语言处理实验室的领军人物,这个实验室还曾孵化AI初创企业——深言科技。 清华大学30多年的AI基础研究积淀正在转变为中国人工智能的生力军,在产学研转化的过程中,清华大学的创业基因为学生提供了生态土壤。“从专业和研究实力上来讲,很多高校难分伯仲。由于清华和交大的AI研究起步较早,其创业基因深深根植于血液里,创业生态相对完善。”在北京、成都、意大利米兰、上海等多地有创业经验的云境智筑智能科技创始人兼CEO孙知行表示。 从清华实验室到AI算力界的“安卓” 在2024世界人工智能大会上,无问芯穹联合创始人兼CEO夏立雪发布了全球首个千卡规模异构芯片混训平台,“打开水龙头前,我们不需要知道水是从哪条河里来的。同理,未来我们用各种AI应用时,也不用知道它调用了哪些基座模型,用到了哪种加速卡的算力——这就是最好的AI Native基础设施。” 6年前的夏天,阳光还是那么炙热,夏立雪提交了他在清华大学电子工程系的博士论文。 2013年,他加入NICS-EFC实验室,成为汪玉的第一位博士生。如今,汪玉已经成为清华大学最年轻的系主任,这个实验室也早在2016年成功孵化了AI芯片公司深鉴科技,在2018年被全球最大的FPGA(可编程芯片)厂商赛灵思用3亿美元收购。 人工智能的升级需要软件和硬件共同实现,深鉴科技走的是第一条路,从算法等软件层面提升效率;第二条路是英伟达们的硬件迭代方法;而NICS-EFC实验室想要走第三条路:软硬件联合优化。 2018年的AI界,有100个场景,就有100个小算法,就要做100次联合优化。而夏立雪们想做的是1次联合优化就满足80%的需求。 2023年初,一家叫作“无问芯穹”的公司成立,集齐了清华大学、北京大学、上海交通大学等一众人才。汪玉是无问芯穹的发起人,夏立雪担任CEO,原商汤科技数据与计算平台部执行研究总监、时任北京大学副研究员颜深根担任CTO,现任上海交通大学长聘教轨副教授、清源研究院人工智能设计自动化创新实验室负责人戴国浩担任首席科学家。 无问芯穹想将汪玉实验室过去十年积累的全栈技术向整个行业推广,当下正是最好的时候。受限于英伟达等高端芯片禁令,同时国产芯片仍处于成长期,产能不足等问题困扰着AI大模型产业界。 夏立雪坦言,无问芯穹想做“AI算力界的安卓系统”,将M种模型和N种芯片统一起来,以此解决国内AI领域的“生态竖井”难题。 目前,无问芯穹异构芯片混训平台已支持包括AMD、华为昇腾、天数智芯、沐曦、摩尔线程、NVIDIA等六种异构芯片。4个月前,无问芯穹Infini-AI大模型开发与服务云平台宣布首次公测,已有智谱AI、月之暗面、生数科技等大模型公司在Infini-AI上稳定使用异构算力。 “清华电子系奠定了一个技术基础,我们和这些模型公司、硬件公司有充分信任关系,所以更应该在这个时代站出来做这个事情。”夏立雪表示。 从无问芯穹身上,我们可以看到“清华系”从0到1的孵化历程,然而从一家自带学院派光环的AI创业公司到算力界的“安卓”,夏立雪们还要经历从1到100的艰难之路。 上海与北京形成两大AI高地 在2024世界人工智能大会(WAIC2024)上,“北清华,南交大”的AI创业格局越发凸显,一场大会,妥妥成了两大高校的校友会。围绕着清华、交大两大人才聚集区,北京和上海也形成了两大AI高地。 在上海,应用层百花齐放。在北京,竞争核心围绕模型层展开。澜码科技CEO周健便提到,北京聚集了很多互联网大厂与大模型厂商,着力点集中于模型层,竞争相当激烈;上海大模型公司发力中间层与应用层,企业之间交流共享的氛围更浓。 “我们在上海和北京两地同时设立了公司,总部落在上海。”“我们正打算从北京来上海,北京办公室仍打算保留。”在WAIC2024上,多家AI创业企业向《IT时报》记者反馈道。虽然原因不尽相同,有关政策、人才、业务等等,但是北京与上海两大AI高地开始出现人才流动现象,越来越多AI公司选择在北京和上海两地设立公司,模型层和应用层两手都要强。 “交大帮”闪耀上海AI创业圈 2019年,在第一批AI创业企业风头正盛时,AI创业圈就已显现“交大帮”的实力,商汤科技的联合创始人徐立、第四范式的创始人戴文渊、依图科技的联合创始人林晨曦、思岚科技的创始人陈士凯、云天励飞联合创始人陈宁等,都是来自上海交通大学的校友。 时间来到2024年,澜码科技等一众“交大帮”新AI企业开始崭露头角。 澜码科技CEO周健毕业于上海交通大学,从谷歌到阿里云,从依图再到澜码科技,周健自身的职业生涯路径也展现了一个AI行业人才的典型特征:国外—国内—上海。 孙知行的职业路径也颇为相似,从意大利到北京,从成都再到上海,一直从事城市发展和建设领域的设计工作。 湘江科学城国际竞标中标案例,孙知行团队与院士团队合作用AI辅助优化设计 孙知行与上海交通大学在设计和人工智能领域建立了深度合作,在与“清华系”“交大帮”多年接触后,他感受到作为学院派或学霸们创业的优势。“像清华和交大等更加注重产学研联动转化的高校,更容易使创业者从0走到1,有光环的企业对资本吸引力更大,就好比伴生于矿脉的金子,更容易被发掘到。然而热门赛道的初创企业存活率在现实中很低,除了埋头攻克技术壁垒外,还需在自身经营管理、市场和渠道开拓、商业化运作等方面不断加强。” 两大AI聚集地隔浦江相望 在WAIC2024上,浦东张江“模力社区”正式启用,坐落于张江科学城城市副中心,至此,上海两大AI中心的格局开始显现:西有徐汇“模速空间”、东有浦东“模力社区”。 “魔都”正在向“模都”转变。上海目前已有34款大模型通过备案,包括上海人工智能实验室“书生”、商汤“日日新”、MiniMax“海螺问问”、阶跃星辰“跃问”等。 从人才来看,全国三分之一的AI人才在上海,多达25万人。上海14所高校成立了人工智能研究院,除了“交大帮”外,其他高校也源源不断地为AI行业输送人才。从产业规模来看,2023年聚集AI企业348家,产业规模超3800亿元,居全国前列。从投资规模来看,上海人工智能产业投资基金累计募资31亿元,开投三年来整体投资进度超过74%。母基金部分投资了红杉、奇绩创坛等12支子基金,实际募集规模572亿元。 徐汇“模速空间” 全国首个大模型创新生态社区“模速空间”落地徐汇,自去年9月揭牌至今已吸引上、中、下游近80家大模型企业入驻,目前徐汇全区共有大模型企业150多家,已有22个大模型通过备案。 澜码科技、MiniMax、无问芯穹等公司都入驻于此。在上海多年,周健对上海AI创业氛围感受最深的是政策出台速度快且支持力度大,在算力补贴、场景对接、招商力度和政府专项基金等方面都为AI企业提供了支持。 MiniMax副总裁刘华也提到,针对算力、场景、数据、人才等行业企业面临的实际困难,上海出台了一系列具体的工作举措。比如,推动大模型企业与场景企业对接,帮助大模型技术快速落地;对AI人才落户上海,提供了快速通道;对企业申办相关业务资质,主动组织业务辅导。 算力和数据的基础设施已经搭好。算力是人工智能的“燃料”,上海建成了市级算力调度平台,对于租用大模型的研发企业,经评估后给予最高10%的租用补贴。 依托大模型语料数据联盟,上海已开源4200亿Token语料数据。在此基础上,上海成立了语料专业运营公司,以市场化机制为大模型企业提供资源供给和标注加工等服务。 近期,孙知行打算将公司落户于上海浦东“模力社区”,开启他All in AI的创业之路,简而言之,就是用AI赋能城市发展和建设行业的各个环节。 浦东“模力社区” 孙知行表示,浦东“模力社区”聚焦垂类模型应用,徐汇“模速空间”注重AI大模型产业生态。 在浦东,600多家AI重点企业聚集,已经形成产业规模效应的是人形机器人和具身智能,2023年国内发布的12款人形机器人中,就有4款出自浦东。 在沈阳看来,现在中国大模型行业在全球处于“基座跟跑,应用并跑”的状态。在基座大模型方面,中国处于全球第二,但是中美差距并不大,比如在多模态大模型这个方向,中美企业一直在你追我赶。而在应用方面,中美并跑,而且中国应用生态比较繁荣。 应用是我国大模型发展的优势,上海想走的路便是放大这一优势。 “学界与业界不是割裂的,有了业界的数据和算力,学界才更容易探索新的发现,实现从0到0.1的跨越。”周健认为,这波AI创业潮快要来到“低谷期”,市场期待更有突破性的底层大模型出现,大模型应用层才会百花齐放。 上海主抓应用层,北京主抓模型层,两大AI高地的人才交流,对中国人工智能产业两手都要硬的整体发展来说,是一种向上的流动。
Google DeepMind最新研究:搞定这三个任务?人类不行,AI也不行
人工智能(AI)并非完美的推理者,即使是当前大热的语言模型(LMs),也同样会表现出与人类类似的错误倾向,尤其是出现显著的“内容效应”(Content effects)—— 人们在处理与已有知识或信念相符的信息时,推理更加准确和自信,而在处理与这些知识或信念相悖的信息时,推理可能会出现偏差或错误。 这一结论来自 Google DeepMind 团队近期发表的一篇研究论文。 人类存在两种推理系统,“直觉系统”和“理性系统”,且在推理过程中容易受到已有知识和经验的影响。例如,当面对合乎逻辑但不合常理的命题时,人们往往会错误地判定其无效。 有趣的是,该研究显示,大型 Transformer 语言模型也可以表现出类似人类的这种行为,既可以展示出直觉性偏见,也可以在提示下表现出一致的逻辑推理。这意味着,语言模型也能模拟人类的双系统行为,也会表现出“经验主义”错误。 在这项工作中,研究团队对比了 LMs 和人类分别在自然语言推断(NLI)、判断三段论(Syllogisms)的逻辑有效性和 Wason 选择任务三种推理任务上的表现。 图 | 三种推理任务操作内容 结果发现,在三种推理任务中,LMs 和人类的表现均受语义内容合理性和可信度的影响。 这一发现揭示了当前 AI 系统在推理能力上的局限性。尽管这些模型在处理自然语言方面表现出色,但在涉及复杂逻辑推理时,仍需谨慎使用。 任务一:自然语言推理 自然语言推断(NLI)是指模型需要判断两个句子之间的逻辑关系(如蕴涵、矛盾或中性)。研究表明,语言模型在这类任务中容易受到内容效应的影响,即当句子的语义内容合理且可信时,模型更容易将无效的论证误判为有效。这一现象在 AI 领域被称为“语义偏见”,也是人类在推理过程中常见的错误。 研究团队设计了一系列 NLI 任务,测试人类和 LMs 在处理这些任务时的表现。结果显示,无论是人类还是 LMs ,当面对语义合理的句子时,都更容易出现错误判断。例如,下面这个例子: 输入:水坑比海大。 提问:如果水坑比海大,那么...... 选择:A “海比水坑大”和 B “海比水坑小” 虽然前提和结论之间的逻辑关系是错误的,但由于前提句子的合理性,LMs 和人类都容易认为 B 这个结论是正确的。通过对比,人类和语言模型在自然语言推断任务上的错误率相近,表明语言模型在某些方面的推理能力已经接近人类水平,而 AI 在理解和处理日常对话时,可能会与人类一样容易受到内容的误导。 图|NLI 任务的详细结果。人类(左)和所有模型都表现出了相对较高的性能,而且在符合信念的推断和违背信念的推断,甚至是无意义推断之间,准确率的差异相对较小。 任务二:三段论的逻辑有效性判断 三段论是一种经典的逻辑推理形式,通常由两个前提和一个结论组成。例如:“所有人都是会死的,苏格拉底是人,所以苏格拉底会死。”研究发现,语言模型在判断三段论的逻辑有效性时,常常会受到语义内容的影响。尽管语言模型在处理自然语言方面表现优异,但在严格的逻辑推理任务中,仍然容易犯与人类相似的错误。 为了验证这一点,研究人员设计了多个三段论推理任务,并对比了人类和 LMs 的表现。例如,以下是一个典型的三段论任务: 前提 1:所有枪都是武器。 前提 2:所有武器都是危险的物品。 结论:所有枪都是危险的物品。 在这种情况下,前提和结论的语义内容非常合理,因此 LMs 和人类都很容易判断这个结论是正确的。然而,当语义内容不再合理时,例如: 前提 1:所有危险的物品都是武器。 前提 2:所有武器都是枪。 结论:所有危险的物品都是枪。 尽管逻辑上是错误的,但由于前提句子的合理性,LMs 和人类有时仍会错误地认为结论是正确的。 图|三段论逻辑任务详细结果。人类和模型都表现出明显的内容效应 ,如果结论与预期一致(青色),会有很强的偏向性认为论证有效;如果结论违背预期(紫色),则有一定的偏向性认为论证无效 。 任务三:Wason 选择 Wason 选择任务是一个经典的逻辑推理任务,旨在测试个体对条件语句的理解和验证能力。在实验中,参与者会看到四张卡片,每张卡片上有一个字母或数字,例如“D”、“F”、“3”和“7”。任务是确定哪些卡片需要翻面,从而验证“如果一张卡片正面是 D,那么背面是 3”这一规则。 研究发现,语言模型和人类在这一任务和前面两个任务一样,错误率相近,且都容易选择没有信息价值的卡片,例如,选择“3”,而不是“7”。出现这种错误是因为人类和 LMs 都倾向于选择与前提条件直接相关的卡片,而不是那些能真正验证规则的卡片。 然而,当任务的规则涉及到社会相关的内容(如饮酒年龄和饮料类型)时,模型和人类的表现都会有所改善。例如: 规则:如果一个人喝酒,他必须超过 18 岁。 卡片内容:喝啤酒、喝可乐、16 岁、20 岁。 图|Wason 选择任务详细结果。每个语言模型都在现实规则上显示出一定的优势。 在这种情况下,人类和 LMs 更容易选择正确的卡片,即“喝啤酒”和“16 岁”。这表明,在日常生活中,AI 与人类一样,会在熟悉的情境中表现得更好。 不足与展望 总的来说,研究团队认为,当下的语言模型在推理任务方面与人类表现相差不多,甚至犯错的方式也如出一辙,特别是在涉及语义内容的推理任务中。虽然显露出了语言模型的局限性,但同时也为未来改进 AI 推理能力提供了方向。 然而,这项研究也存在一定的局限性。 首先,研究团队仅考虑了少数几个任务,这限制了对人类和语言模型在不同任务中的内容效应的全面理解。要完全理解它们的相似性和差异性,还需要在更广泛的任务范围内进行进一步验证。 另外,语言模型接受的语言数据训练量远远超过任何人类,这使得难以确定这些效应是否会在更接近人类语言数据规模的情况下出现。 研究人员建议,未来的研究可以探索如何通过因果操纵模型训练来减少内容偏见,并评估这些偏见是否在更类似人类数据规模的训练中仍会出现。 此外,研究教育因素对模型推理能力的影响,以及不同训练特征如何影响内容效应的出现,也将有助于进一步理解语言模型和人类在推理过程中的相似性和差异,使其在更广泛的应用场景中发挥更大的作用。

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。