快科技10月6日消息，日前华为宣布，国庆期间，由华为数字能源助力打造的川藏南线暨理塘至亚丁公路(四川段)沿线的天全服务区超充站、理塘康南旅游集散中心超充站、桑堆服务区超充站正式上线。 据悉，318国道理塘至亚丁公路是广受国人关注的自驾游线路，全长890公里，被誉为“中国人的最美景观大道”。 华为表示，此次上线的全液冷超充为假期自驾出行的新能源车主们提供“一杯咖啡，满电出发”的极速充电体验。从官方公布的消息来看，全液冷超充有以下三大优势： 1、充电更快，“一秒一公里”：全液冷超充终端最大输出功率600kW，最大电流600A，打造海拔最高、充电功率最大的充电基础设施，在高海拔区域依然能为新能源车主们带来充电如加油般的体验。 2、设备可靠性高、使用寿命长：全液冷技术确保设备的高可靠性，在高原区域实现耐高温、耐高湿，防灰尘、防腐蚀等，适应沿线的多种复杂工况。 3、匹配所有车型，来车即充：一次充电成功率高达99%，200-1000V充电范围匹配所有车型，包括特斯拉、小鹏、理想等乘用车及货拉拉等商用车，在318川藏线上率先做到“来车即充，即充即走”。 很多人不知道600kW的充电速度是什么概念。简单来说，即1小时可以充电600度，充100度电仅需10分钟。 目前，绝大多数的电动车、插混车电池都不到100度电，如果能够一直保持在600kW的功率，不到10分钟就可完全充满，比手机快充还要快。 横向对比的话，市面上超充桩的普遍功率仍在300kW上下，特斯拉V3超充桩的峰值功率能够达到250kW。保时捷800V高压超充的峰值功率也达到了270kW，小鹏的800V高压快充最大功率480kw。 华为表示，未来将携手合伙伙伴，持续加快建设全液冷超电站，实现“有路的地方就有充电”。

英特尔CEO基辛格与拜登 凤凰网科技 箫雨 北京时间10月6日，美国媒体周四发表文章，披露了美国三大芯片巨头英特尔、高通、英伟达联手抵制拜登政府收紧对华芯片出口的内幕。由于中国市场对这三家公司至关重要，他们发起了一场“保卫战”。 2022年10月7日，拜登政府首次采取重大措施，限制对华芯片出口。2023年7月，拜登政府变本加厉，考虑进一步收紧对华芯片出口。 三大芯片巨头抵制 但是，近几个月来，美国政府在这方面的进展已经放缓，原因是美国芯片公司反对收紧对华芯片出口，并对其政府发出了明确警告：削减对华芯片销售将破坏他们的业务，会导致拜登政府在美国建立新半导体工厂的计划脱轨。 自今年7月以来，全球三大芯片制造商英特尔、高通、英伟达一直在强调，打压中国将产生意想不到的后果。根据美媒对美国政府、行业和政策组织的24名官员的采访，这三巨头的高管在与美国国务卿布林肯、商务部长雷蒙多等官员会晤时，对白宫的国家安全智慧提出了质疑。他们还争取智库的支持，敦促华盛顿的领导人重新考虑推出额外芯片管控措施的想法。 英伟达CEO黄仁勋 这些公司警告说，美国公司的退出可能会加速中国发展独立芯片产业。英伟达总法律顾问蒂姆·泰特(Tim Teter)协助领导了游说活动，他认为美国收紧对华芯片出口是在冒险。“此举是在刺激对手发展由其领导的芯片生态系统，这会对美国在半导体、先进技术以及人工智能领域的领导力产生极其负面的影响。”他表示。 两位知情人士称，这场游说活动导致了拜登政府推迟出台新的对华芯片出口限制措施，并缩小了政府可能做出的改变范围。负责制定规则的美国商务部和国家安全委员会的发言人表示，他们致力于保护敏感技术。 不过，大型芯片公司的游说努力激怒了一些国家安全专家、国会议员和半导体竞争对手。他们认为，美国刚刚通过《芯片和科学法案》，承诺向芯片行业提供500亿美元资金，这些公司没过多久就开始质疑白宫，这令人反感。 据两位知情人士透露，威斯康星州众议员迈克·加拉格尔(Mike Gallagher)已经与其他议员讨论过与芯片公司举行听证会的事宜，质疑他们是否遵守了出口管制。 芯片巨头的警告表明，美国国家安全担忧与企业商业利益之间存在紧张关系，也凸显出拜登政府面临的一个不可避免的困境：美国和中国在经济上的相互依存关系可以追溯到几十年前，华盛顿采取的任何对华限制行动都有可能在国内造成伤害。 中国市场重要性 中国约占全球半导体市场的三分之一，为英伟达、英特尔和高通创造了总计超过500亿美元的年营收。这三家公司在中国都拥有大量业务。高通为小米等手机制造商供应芯片，64%的公司营收都来自中国。中国为英特尔、英伟达分别贡献了大约四分之一、五分之一的营收。 这些公司警告说，失去这些收入可能会迫使他们削减技术开发资金、就业岗位以及在亚利桑那州、俄亥俄州和纽约州半导体工厂的支出。 中国占高通营收64% 去年10月，当拜登政府出台措施限制对华芯片出口时，这些公司默默接受，被迫调整业务，英伟达为中国市场开发出了降级版芯片。但是今年7月时，有消息传出拜登政府考虑进一步扩大限制措施，这让美国芯片业高管保持警惕。由于担心在华业务进一步受到打击，英特尔CEO帕特·基辛格(Pat Gelsinger)、高通CEO克里斯蒂亚诺·安蒙(Cristiano Amon)、英伟达CEO黄仁勋(Jensen Huang)前往华盛顿与白宫官员进行磋商。 基辛格在7月份出席阿斯彭安全论坛时表示，他们会见了布林肯、雷蒙多和国家安全顾问沙利文，向这些高级官员概述了无法进入中国市场的代价，并警告称这可能会迫使他们削减在美国的支出。 两位知名人士称，在与白宫官员的谈话中，英特尔高管还质疑美国国家安全委员会助手是否了解半导体技术。不过，英特尔发言人对此表示，该公司质疑安全官员的说法“绝对不属实”。 找帮手 与此同时，这些公司敦促他们所在的行业组织美国半导体行业协会(SIA)发表声明，批评政府的限制措施是“宽泛的、模棱两可的，有时是单方面的”。SIA警告说，进一步的限制措施将损害“美国芯片行业的竞争力”。 据三名知情人士透露，在起草该声明时，SIA内部没有成员公开反对。但几名成员后来表示，由于拜登政府支持《芯片和科学法案》，这让他们感到不安。SIA对此不予置评。 他们还扩大了他们的游说范围，瞄准了智库研究人员。今年夏天，黄仁勋会见了安全组织的领导人，包括战略与国际问题研究中心、大西洋理事会。 英伟达为中国开发定制芯片 四位知情人士称，英伟达对智库的兴趣引起了一些警觉。华盛顿传出消息称，英伟达曾对支持出口限制的格雷戈里·C·艾伦(Gregory C. Allen)的研究提出质疑。艾伦是战略与国际问题研究中心下属高级研究中心的主任。不过，战略与国际问题研究中心表示，英伟达并没有不当行为。 英伟达总法律顾问泰特回应称，公司从未对艾伦的工作提出过异议。“我们相信他呈现的是他所能提供的最佳研究成果，我们完全尊重这一点。”他表示。 除了会见白宫高级官员外，这三大巨头的CEO还会见了谷歌前CEO兼董事长埃里克·施密特(Eric Schmidt)。自2018年卸任谷歌执行董事长以来，施密特已成为华盛顿的重要人物，他在两个国防部顾问委员会任职，并出资成立了自己的智库“特别竞争研究计划”。他此前支持限制中国获得美国设计的半导体。 两位知情人士透露，今年7月中旬，基辛格、安蒙以及黄仁勋与施密特讨论了芯片限制的隐患。施密特的代表拒绝置评。 上个月，施密特的智库邀请基辛格和黄仁勋在华盛顿举行的一个关于国家安全和技术的年度会议上进行炉边谈话。两位高管都没有回应有关半导体限制和中国的问题。(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”。

当下正在全球流行的GLP-1类减重药物因其出众的效果备受追捧，然而，该药物的胃肠道副作用正在越来越多引起业内关注。目前全球使用最广泛的GLP-1类减重药的活性成分主要是司美格鲁肽或利拉鲁肽。 根据研究人员10月5日在《美国医学会杂志》（JAMA）上发布的一项新研究，Wegovy和Ozempic等减重药和糖尿病药物可能会增加非糖尿病患者患三种罕见但严重胃部疾病的风险，而药物警告标签中并未列全所有风险。 研究人员称，GLP-1类药物通过减缓消化来抑制人的食欲，但如果该过程减慢太多，可能会导致身体的其他问题，包括一种被称为“胃麻痹”（又称胃轻瘫综合症）的疾病，它会减慢或完全阻止食物从胃到肠道的移动，并可能导致呕吐等持续性的症状。 研究还指出，其他副作用包括肠梗阻和胰腺炎的风险增加。不过这两项副作用已经在这些药物的标签里明确列出。“这些副作用并不是轻微的，尽管发生率不高。”研究人员称。 他们测量了患者在服用司美格鲁肽、利拉鲁肽和安非他酮-纳曲酮期间出现四种不同严重胃病的比率，即胃麻痹、胰腺炎、肠梗阻和胆道疾病（一组影响胆囊的疾病）。结果显示，与安非他酮-纳曲酮相比，GLP-1导致胰腺炎的风险高出9倍，肠梗阻的风险高出4倍，胃麻痹的风险高出3倍多。 具体来看，每1000名患者中约有7人在服用利拉鲁肽时出现胃麻痹，每1000名患者中近10人在服用司美格鲁肽时出现胃麻痹。 该研究基于对约1600万美国患者的健康保险索赔记录得出分析，并排除了那些患有糖尿病的人或服用过另一种糖尿病药物的患者。 对此，该研究的作者之一莫希特·索迪（Mohit Sodhi）指出：“当这个数字扩大到人口水平时，就会变得非常庞大。例如，当全世界有超过100万人使用这种药物时，根据司美格鲁肽的发病率，有1万人可能会出现胃轻瘫。” 研究还显示，使用司美格鲁肽时，每1000名患者中约有5人出现胰腺炎，而使用利拉鲁肽时，每1000名患者中约有8人出现胰腺炎。此外，每1000名患者中约有8名在使用这两种GLP-1类药物期间出现肠梗阻。 目前在全球GLP-1减重药市场上，诺和诺德每周注射一次的Wegovy仍然占据主导地位。美国是Wegovy的主要市场，最新数据显示，2020年至2022年期间，美国医疗保健机构开具了Wegovy以及同类GLP-1降糖药Ozempic超过900万张处方，三年处方量增加300%。 Wegovy的定价高达每月1300美元，很多好莱坞名人和包括科技大亨埃隆·马斯克在内的亿万富翁都在使用这种药物。 该药物也受到了资本市场和用户的追捧，推动Wegovy制药商诺和诺德利润创下新高，公司市值飙升。自2021年6月Wegovy推出以来，诺和诺德的股价上涨了约两倍。上个月，这家丹麦制药商的市值已经超过法国奢侈品集团LVMH，接近4000亿欧元，成为欧洲市值最高的上市公司。 根据研究机构Berenberg的预测数据，诺和诺德基金会从2022年到2026年将获得约125亿美元的回报。这大约是Wegovy在美国推出之前的收入的两倍。 诺和诺德控股公司Novo Holdings投资并管理诺和诺德基金会的资产。该公司CEO Kasim Kutay本周表示，如果市场关于该公司资本回报的预估正确，那么诺和诺德控股公司未来十年将获得大量资金。 这也推动了诺和诺德控股公司在全球的扩张。截至今年6月，该公司拥有160名员工，2009年该公司只有3名员工。公司预计明年员工人数将增加到180名。目前，诺和诺德控股公司在全球设有6个办事处，其中包括今年在上海开设的一个办事处，专注于在中国市场的投资。

快科技10月5日消息，据“中核集团”官方公众号介绍，近日由中核地质科技有限公司葛祥坤、范光和李婷研究员等研究发现的新矿物铌包头矿（niobobaotite）获得国际矿物协会新矿物、命名及分类委员会的正式批准，批准号为IMA 2022-127a。 这是我国核地质系统成立近70年来发现的第13个新矿物。 据介绍，铌包头矿发现于世界著名的内蒙古包头市的白云鄂博矿床，产出于铌-稀土-铁矿石中，呈棕色至黑色，柱状或板状，半自形至他形，粒度约为20~80μm。 铌包头矿是一种富含Ba、Nb、Ti、Fe、Cl的硅酸盐矿物，其理想式为Ba4(Ti2.5Fe2+1.5)Nb4Si4O28Cl，属四方晶系，空间群I41a(#88)。 铌包头矿背散射电子图像 白云鄂博矿床矿物种类相当丰富，迄今已发现150余种矿物，其中新矿物已达16种，铌包头矿是在该矿床发现的第17个新矿物，是发现于上世纪60年代包头矿的富Nb类似物。 通过本次研究，解决了国际矿物学界争论已久的包头矿电价平衡问题，也为铌包头矿的研究奠定了理论基础。 具有富Nb特征的铌包头矿增加了该矿床铌矿石矿物的种类，同时也为铌的富集成矿机理提供了新的研究视角，为铌等战略性关键金属的开发提供了新的方向。 责任编辑：建嘉

谷歌 凤凰网科技 箫雨 北京时间10月6日，美国司法部起诉搜索巨头谷歌垄断的诉讼目前已进入第四周。随着审判的推进，这桩25年来规模最大的反垄断案正在把一些不为人知的幕后故事一一曝光。科技巨头之间的利益纠葛也逐步浮出水面。 美国司法部认为，谷歌垄断搜索市场，排挤竞争对手，其中一个主要方式就是与苹果公司达成默认搜索协议。借助这项协议，谷歌成为了苹果iPhone等设备上Safari浏览器的默认搜索引擎。 最近几天，微软、苹果、搜索引擎DuckDuckGo、三星电子的高管纷纷出庭作证。他们的证词显示，谷歌与苹果达成的默认搜索协议成为了一座其他搜索引擎不可逾越的大山。 Safari提供的四个搜索引擎选项 默认搜索对用户影响有多大？ 微软CEO萨提亚·纳德拉(Satya Nadella)在作证时指出，默认设置是数字产品产生网络效应的关键因素，用户可能会非常喜欢一款产品，但他们不会更改默认设置。“在改变搜索行为方面，只有默认设置才是重要的事情。你每天早上起床，刷牙，然后在谷歌上搜索，只有通过更改默认设置才能改变这种习惯。”他表示。 有钱能使鬼推磨 谷歌辩解称，其他公司使用谷歌搜索并不是因为公司垄断，而是因为谷歌的搜索引擎更出色。这确实是一方面原因，但更重要的是，谷歌拿出了数以十亿美元计的资金“引诱”其他公司将谷歌搜索作为默认搜索引擎，其中最受关注的就是谷歌与苹果达成的协议。 谷歌向苹果支付了多少钱？ 苹果财力雄厚，截至第三财季末的现金储备高达1665亿美元(约合1.2万亿元人民币)。那么，谷歌到底给了苹果多少钱，才会让苹果心动呢？我们通过下面几个数字来了解一下。 ——80亿美元 知名苹果记者马克·古尔曼(Mark Gurman)称，苹果能够获得谷歌搜索广告收入分成，最近几年每年可借此获得大约80亿美元的收入。 ——100亿美元 美国司法部检察官称，谷歌每年支付至少100亿美元，让其成为苹果和其他公司设备上的默认搜索引擎。这是一个笼统数字，并没有说清楚苹果单独拿了多少钱。 ——150亿美元 纳德拉在作证时称，在担任微软CEO这些年里，他一直想让必应取代谷歌成为苹果设备上的默认搜索引擎，并愿意每年为此支付近150亿美元，外加其他额外费用，但是均告失败。或许，这笔钱还不够。 ——190亿美元 知名投行伯恩斯坦预计，谷歌今年将根据默认搜索协议向苹果支付180亿美元至190亿美元，接近苹果2022年营收的5%。 苹果摆脱不了谷歌 虽然谷歌拿出了真金白银，但苹果也不想在一棵树上吊死，它曾尝试使用DuckDuckGo搜索，甚至收购微软必应搜索，但均告失败。 苹果机器学习主管、前谷歌高管约翰·詹南德里亚(John Giannandrea)的证词显示，2018年，苹果考虑收购必应搜索，或者“投资数十亿美元”与微软成立合资公司。詹南德里亚透露，苹果当时考虑使用必应来顶替谷歌回复Siri的一些查询，并驱动iPhone和Mac的其他功能。 詹南德里亚证实苹果考虑收购必应 詹南德里亚在作证时引用了苹果业务发展主管阿德里安·佩里卡(Adrian Perica)的一份内部演示文稿。佩里卡在文稿中概述了苹果和微软的四种合作情况：自主发展Siri、合作开发一项名为“知识图谱”的技术、共同拥有必应、收购必应。 然而，苹果与微软的这笔交易没有达成。詹南德里亚说，他相信是苹果CEO蒂姆·库克(Tim Cook)告诉微软不再推进交易的。 那么，苹果为何中断谈判呢？还是因为谷歌。“很明显，如果我们与必应成立合资公司，这将影响我们与谷歌的关系。”詹南德里亚上周在作证时称。 一纸合同的威力 除了微软必应外，苹果还曾希望使用DuckDuckGo取代谷歌作为苹果Safari浏览器隐私模式的默认搜索引擎。 苹果对于这项合作很认真。DuckDuckGo CEO加布里埃尔·温伯格(Gabriel Weinberg)在上月作证时称：“我们的看法是，他们实际上对这项合作很感兴趣。与我们谈判的人通常都是对隐私感兴趣的DuckDuckGo用户。” 温伯格透露，双方的谈判从2016年持续至2019年，期间进行大约20次会议和通话。温伯格说，在那段时间里，苹果与谷歌签订的Safari默认搜索引擎合同“常常是他们不愿多谈的棘手问题”。 温伯格曾有希望与苹果达成协议 2018年9月，DuckDuckGo派人到苹果总部讨论整合问题。苹果曾表示他们认真考虑在2019年把DuckDuckGo整合到Safari中，但是温伯格随后意识到他们仍然有一些挥之不去的担忧。尤其是，苹果意识到它需要弄明白如何解决与谷歌合同相关的问题。 这项合作一度接近成功。2018年圣诞假期过后，DuckDuckGo收到了苹果的文件，上面写明了如果DuckDuckGo成为Safari隐私模式的默认搜索引擎，它的收入分成将会是多少。DuckDuckGO估计，如果成为隐私浏览模式的默认搜索，其市场份额“将增加数倍”。 然而，到2019年夏天时，DuckDuckGo开始明白，这项合作将不会发生。苹果在当年6月份的全球开发者大会上没有宣布这一整合合作。四个月后，在一次会议结束后，温伯格得出的结论是，这笔交易“已死”。 DuckDuckGo也曾试图向三星、Mozilla和Opera推销，试图将其作为这些浏览器隐私浏览模式的默认选项，但均未达成协议。该公司最终停止追求这种合作模式，因为它得出结论：“这些公司与谷歌签订的合同，是阻碍我们与它们达成交易的关键因素。” 三星被压制 三星电子风险投资部门Samsung Next前高管帕特里克·张(Patrick Chang)周四在作证时称，他曾提议在三星智能手机中扩大使用移动应用开发商Branch Metrics的搜索产品，但是在谷歌的施压下，这个提议遭到抵制。Branch的软件提供应用内搜索服务。 帕特里克·张表示，他曾督促三星在其Android智能手机上扩大使用Branch的搜索产品，但没有成功。Branch创始人、前CEO亚历山大·奥斯汀(Alexander Austin)在9月底作证说，在公司试图与无线运营商和智能手机制造商达成协议时，他们取消了部分软件功能，以解决谷歌的投诉。奥斯汀指出，Branch必须确保它的搜索只在应用中进行，不能连接到网页。帕特里克·张称，三星也面临AT&T等无线运营商的抵制，后者帮助三星销售Android手机。 美国司法部在庭审中展示了三星高管大卫·恩(David Eun)在2020年8月发出的一封电子邮件。大卫·恩在邮件中抱怨说，“谷歌显然是在花钱压制竞争对手”。(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”。

IT之家 10 月 6 日消息，英特尔官方今日放出一段视频，演示了搭载酷睿 Ultra 1 代（Meteor Lake）处理器的笔记本在视频播放方面的信息。 首先，英特尔演示了酷睿 Ultra 1 代（Meteor Lake）处理器依靠最新核显流畅播放 8K 视频（128Mbps 码率 / HEVC）的能力。 然后，英特尔又演示了笔记本在关闭 CPU 和 GPU 模块，利用 SoC 块中内置的低功耗 E 核和视频解码单元播放 1080p 视频的能力。依靠这种低功耗视频播放能力，今年底发售的新一代笔记本有望在视频播放续航时间方面实现较大的提升。 据IT之家此前报道，英特尔在 12 月 14 日将推出的酷睿 Ultra 第 1 代处理器上引入了低功耗计算岛，内置双“低功耗能效核”（Low Power E-cores），适用于轻型负载。低功耗岛设计位于新一代处理器的 SoC 模块（SoC Tile）中，内置两个新的低功耗能效核，进一步优化节能与性能间的平衡。 英特尔将 SoC 模块中除了 IO Complex 之外的部分命名为低功耗岛，其中除了低功耗 E 核外还有媒体模块、显示引擎、NPU、IPI 等组件。

IT之家 10 月 6 日消息，三星 990 PRO SSD 4TB 版现已在海外开卖，售价 345 美元（IT之家备注：当前约 2522 元人民币），配备铝制散热器的型号售价 355 美元（当前约 2595 元人民币）。三星 990 PRO SSD 4TB 版国行预计会在国庆节后上市。 据IT之家此前报道，990 PRO 4TB 采用三星第 8 代 V-NAND 技术以及经改进的三星自研控制器，使其性能接近 PCIe 4.0 的理论上限，顺序读取速度高达每秒 7450 MB / S，写入速度高达 6900 MB/s。 新增的 4TB 版本还提高了随机读写速度，分别高达 1,600K 和 1,550K1OPS。此前发售的 1TB / 2TB 随机读取和写入速度分别高达 1,400K 和 1,550K IOPS。 官方图： 详细参数： 三星表示，得益于三星第 8 代 1Tb 高密度 NAND 以及出色的堆疊技术，990 PRO ATB 采用单面 M.2 设计，用户不必担心笔记本电脑中无法安装双面 M.2 固态硬盘或强行安装导致其他部件受损等问题。

IT之家 10 月 6 日消息，消息称 DRAM 市场在经历超过 1 年的调整期之后，三星为了应对明年可能出现的 DDR5 强劲订单需求，计划今年第 4 季度提高 DDR5 内存产量。 三星和 SK 海力士等主要 DRAM 厂商目前仍在削减产能，不过削减的主要是 DDR4 规格。 消息称英特尔、AMD 等 PC 平台计划明年推出新的平台，进一步推广和普及 DDR5 内存，吸引消费者从 DDR4 上升级。 除了消费级市场之外，在服务器市场 DDR5 内存也受到追捧。英特尔计划在今年年底前推出第五代 Emerald Rapids 服务器平台，加之未来 AI 服务器需求增加，DDR5 内存有望进入高速增长期。 IT之家今年 8 月援引集邦咨询报道，得益于英特尔 Meteor Lake 处理器仅支持 DDR5 和 LPDDR5，推动 DDR5 内存的普及，有望在 2024 年下半年超过 DDR4 成为主流，因此 DRAM 平均容量预计增长 12.4%。

明尼阿波利斯一名司机被警察拦停后认出对方是自己关注的OnlyFans卖片模特，还付钱看过她的小电影： “你别想抓我了，你都被我看光了”，他抗议道，“我昨晚掏30美元看了你的自拍，现在没法拿你当警察，至少在你工作的这个片区不行。” 这名司机本周对当地电视台表示，要付费成为VIP才能进她的主页看完整版视频，她和一个男的（可能是她丈夫）表演全套。 据悉这名女警隶属明尼阿波利斯警局第四分局，当局正在调查此事。市长发言人称，卖片没问题，问题在于这桩买卖是否违反警察职业操守。明尼阿波利斯警察局明文规定，警察下班后不得从事与警察身份不符的第二职业，比如供职于提供裸体或半裸体表演的成人娱乐场所（一般是指在脱衣舞俱乐部看场子）。 之前密苏里州一名高中老师授课之余还在运营OnlyFans账户，此事在学校闹得沸沸扬扬。这名英语教师接受采访时表示自己选择主动离职：“我不想与学校撕破脸，大家好聚好散。如果我坚持留下来，环境也不一样了，离开是最好的选择。” 责任编辑：Zhengogo

IT之家 10 月 6 日消息，ROG 新款 MAXIMUS Z790 系列高端主板中的 DARK HERO 型号现已在海外上架，售价 700 美元（IT之家备注：当前约 5117 元人民币）。 该系列主板支持英特尔即将发布的酷睿 14 代处理器以及老款 13 代和 12 代处理器，采用 Z790 芯片组。主板拥有四个内存插槽，支持 192GB DDR5 内存，频率支持到 8000 MT/s 或更高；搭载两个 PCIe 5.0 *16 插槽和一个 PCIe 4.0*4 插槽；M.2 插槽有 5 个，其中一个支持 PCIe 5.0。 接口方面，这款主板背部 IO 面板包括双雷电 4 接口、6 个 USB（10Gbps）接口、四个 USB（5Gbps）接口、一个 HDMI 接口、一个 2.5G 网口，无线网络支持 Wi-Fi 7。 ROG 现已宣布将在 10 月 16 日 21:00 发布新 Z790 主板，从海报上来看应该会发布 4 款 Maximus 系列高端主板。

IT之家 10 月 6 日消息，据路透社、韩联社等今日报道，韩国电信监管机构今日表示，将对谷歌公司、苹果公司处以最高 680 亿韩元（IT之家备注：当前约 3.69 亿元人民币）的罚单，因为这两家公司在应用内支付领域违反了当地的法律。 图源 Pixabay 韩国通信委员会（KCC）在一份声明中指出，两公司强迫应用开发者使用特定的支付方式，造成应用审核的不公平延迟。KCC 方面表示，目前正在通知这两家公司采取纠正措施，并将对罚款进行审议。 据路透社报道，谷歌对其回应表示“KCC 今天发布的是‘预通知’，我们将仔细审查、提交回应。若收到最终书面决定，将评估下一步的行动方案”。 苹果也在给路透社的回应中表示，“我们不同意 KCC 在报告中作出的结论，我们对 App Store 实施的修改符合韩国《电信商业法》有关规定，我们将一如既往与 KCC 保持联系，并随时分享观点”。 IT之家此前报道，韩国电信监管机构曾在去年 8 月表示，计划对苹果公司、谷歌和 One Store 等应用商店运营商发起调查，因为它们涉嫌违反应用内支付法。 去年，韩国通过了名为《电信业务法》的修正案，禁止谷歌和苹果等主要应用商店运营商强迫软件开发商使用其支付系统，该法规自 3 月起生效。 韩国通信委员会在一份声明中说，他们自 5 月 17 日以来进行了一次检查，以确定谷歌、苹果和 One Store 是否违反了修订后的《电信业务法》，之后确定所有三个应用商店运营商可能违反了规则。

快科技10月6日消息，来自中国台湾的厂商广颖电通（Silicon Power）在近日举行的PAX游戏展上，展示了其首款基于PCIe Gen 5的固态硬盘XPOWER XS80。 PCIe 5.0 是PCIe数据传输接口标准的最新迭代，与带宽上限为16GT/s的Gen4相比，带宽上限提升到了32GT/s。 XS80这款固态硬盘采用232层的3D NAND闪存，同时还支持 NVMe 2.0。其传输速度与Gen 4.0和Gen 3.0相比分别提升了2倍和4倍，确保游戏玩家不再需要在性能上做出妥协。 据官方介绍，XPOWER XS80还配备了超强的散热系统。当达到一定温度时会自动启动智能散热，防止因硬盘过热导致的卡顿，确保硬盘能够在长时间高强度使用条件下保持稳定性能。 XS80最大的亮点还是其超高的读写速度，最高可达10000 MB/s。能够显著减少游戏加载时间和卡顿现象，特别是在开放世界类游戏中。此外，超高的读写速度还能加快游戏安装进度，为用户节省更多的时间。 目前这款固态硬盘提供了1TB和2TB两种存储规格，在速度提升的同时也提供了充足的存储空间。但是具体售价还没有公布，预计要等到明年正式上市才会公布。

（图片来源：Eurasiantimes） 10月6日消息，据报道，ChatGPT背后的美国 AI 公司OpenAI 计划自研 AI 芯片，从去年开始进行内部讨论，甚至已经开始评估 AI 芯片公司的潜在收购目标，以解决其所依赖的 AI 芯片短缺以及成本高昂问题。 报道指，OpenAI团队认为 AI 大模型算力有三种采购选择，包括构建自己的 AI 芯片，与英伟达等芯片公司更紧密的合作，以及计划在英伟达之外实现多元化芯片供应——最终目标要超越英伟达（beyond Nvidia）。 早在2022年，OpenAI CEO奥特曼（Sam Altman）就公开抱怨英伟达GPU芯片稀缺，称公司受到GPU的严重限制。 由于英伟达主导了全球95%的Al训练领域市场，随着英伟达GPU（图形处理器）显卡稀缺，加上 AI 算力成本持续攀升，即便强如OpenAI也在寻找新方案，从而避免长期被“卡脖子”。 OpenAI CEO 奥特曼（Sam Altman） 算力成本猛增，OpenAI寻求定制 AI 芯片 2023年至今，以ChatGPT为代表 AI 大模型“热潮”席卷全球，大模型正推动 AI 向更通用方向发展。而算力的稀缺和昂贵已成为制约 AI 发展的核心因素。 目前，英伟达占据全球数据中心 AI 加速市场82%的份额，且以95%的市场占有率垄断了全球 Al 训练领域的市场，成为这轮 AI 混战中最大赢家。作为公司创始人、CEO，黄仁勋赚的盆满钵满，公司市值超越1万亿美元，他的身价也高达399亿美元。 同时，算力需求的激增，也导致英伟达GPU“一卡难求”。有多少英伟达A100显卡，已经成为衡量一个公司算力的标准。 据统计，OpenAI使用了1万-3万颗英伟达GPU来训练GPT-3.5模型。集邦咨询报告显示，如果以英伟达 A100 显卡的处理能力计算，运行ChatGPT将可能需要使用到3万块英伟达GPU显卡。 价格方面，目前国内可以买到的H800价格已经高达20万/张，而A100/A800价格已涨至15万、10万/张左右。以2000P算力需求为例，H800 GPU单卡算力2P，需要1000张，预测用卡成本为2亿元；A800单卡算力约为0.625P，需要数量为3200张，预计用卡成本就高达3.2亿元。 除了买GPU显卡，服务器还要考虑整机配置运算，包括CPU、存储、NV-Link通讯连接等，以及电力消耗、场地租金和运维成本等因素，整个成本要超过6亿元以上，OpenAI则正在使用微软超级昂贵的超级计算机，耗资数亿美元、用英伟达数万颗芯片的Azure云进行算力训练。 但是，自OpenAI公布GPT企业云业务以来，微软与 OpenAI 关系正渐行渐远，有消息显示，微软也在开发定制 AI 芯片。 事实上，不止是OpenAI，这一波算力需求浪潮中，谷歌、亚马逊、微软、Meta等大科技巨头公司都一直在设计 AI 芯片到业务当中。例如，谷歌最新发布的Pixel 8系列手机采用Google Tensor G3芯片和Titan M2协处理器，均是谷歌自研产品；而亚马逊最新发布的自研ARM服务器CPU芯片Graviton 3E，也应用于其AWS云业务当中。 然而，OpenAI 没有研发 AI 芯片的经验，一颗芯片从立项到量产至少两年以上的时间，目前尚不清楚 OpenAI 是否会继续推进定制芯片计划，而且芯片的成效如何也有待时间检验。 路透引述业内人士称，这是一项巨额投资，每年研发成本可能高达数亿美元。同时，OpenAI 正考虑收购一些 AI 芯片公司以加快自研芯片进程。 但定制 AI 芯片可能需要数年时间，这意味着，OpenAI 仍会长期以来英伟达、AMD等芯片供应商。 有趣的是，The information于10月4日报道称，Meta公司放弃定制VR/AR芯片，团队已解散，转而使用芯片高通提供的处理器芯片。 因此，OpenAI这款定制 AI 芯片最终是否真的可用，仍需时间检验。 另有消息显示，软银计划投资10亿美元与奥特曼一起建立新的 AI 硬件公司，而苹果设计师 Jony Ive也和奥特曼讨论打造一款新的 AI 硬件产品。 大模型市场竞争加剧，谷歌、亚马逊转投OpenAI竞争对手 就在亚马逊宣布投资几天后，传出OpenAI的竞争对手、人工智能（AI）独角兽公司Anthropic正进行再融资。 据The information 10月4日报道，成立仅两年的Anthropic公司正在与谷歌和其它投资人谈判，计划再完成至少20亿美元（约合人民币143.94亿元）的新一轮融资，投后估值或将达到200-300亿美金之间——是今年3月公司40亿估值的5倍以上。 随后，AI 大模型市场竞争加剧，谷歌、亚马逊也开始关注并布局 OpenAI 的竞争对手。 据悉，Anthropic AI公司于2021年、由OpenAI 前研究副总裁达里奥·阿莫迪（Dario Amodei）、GPT-3论文一作Tom Brown等人建立。当时，Amodei领导的研究人员在对公司的发展方向存在分歧后离开了OpenAI，他们担心微软对OpenAI的投资会使其走上更加商业化的道路，偏离公司最初想法。 2022年12月，Anthropic团队在arxiv上发布了一篇题为《Constitutional AI: Harmlessness from AI Feedback》论文，描述了一个基于无监督方式训练、520亿参数的模型 AnthropicLM v4-s3，直接对标OpenAI的GPT-3模型。 今年1月，Anthropic发布了基于AnthropicLM v4-s3、新的 AI 聊天机器人模型产品Claude，被认为是ChatGPT的有力竞品。 今年2月4日，谷歌旗下云计算部门Google Cloud宣布与Anthropic建立新的合作伙伴关系，而且消息指谷歌向Anthropic投资接近4亿美元（约合人民币20.3亿元），新融资将使Anthropic投后估值增至近50亿美元。 谷歌投资之前，Anthropic公司已筹集超过7亿美元融资，投资者包括FTX创始人SBF成立的加密货币对冲基金Alameda Research等。而谷歌投资Anthropic原因之一，是公司CEO多次表达ChatGPT对于其搜索、广告等业务带来的威胁与影响。 据The information报道，Anthropic向投资者表示，此前公司年收入一直在 1 亿美元左右，但由于与亚马逊深度合作，预计其2023年收入大幅增长，将达到2亿美元，月收入接近1700万美元；到2024年底，Anthropic 希望年收入将达到5亿美元，是Anthropic估值的1/200倍，远高于OpenAI的估值倍数。 （作者｜林志佳）

IT之家 10 月 6 日消息，麻省理工学院联合 Meta AI 的研究人员日前开发了一款名为 StreamingLLM 的框架，为大语言模型可能遇到的 RAM 与泛化问题提出了一系列解决方案，号称能够“让语言模型处理无限长度的文本内容”。 ▲ 图源 GitHub StreamingLLM 的研究重点，是想解决实现流式语言模型（Efficient Streaming Language Models，ESLM）的障碍，特别是“长时间互动的多轮对话场景”中可能出现的问题。 研究人员指出，这种流式语言模型主要存在两大挑战： 第一个挑战：在解码阶段，获取 token 的键（Key）值（Value）状态会消耗大量的 RAM。 第二个挑战：目前流行的大语言模型，难以泛化适用“超过训练序列长度”的长文本。 IT之家注意到，过去有许多研究试图解决上述挑战，像是“扩展注意力窗口”，让语言模型能够处理超出预训练序列长度的长文本；或是建立一个固定大小的活动窗口，只关注最近 token 的键值状态，确保 RAM 使用率和解码速度保持稳定，但若遇到“序列长度超过缓存大小”时，这个策略就会失效。 而当前流式语言模型最大的挑战是“如何不消耗过多 RAM 且不损害模型性能的前提下，处理长文本输入”。 StreamingLLM 对此采取的策略是“运用注意力下沉现象”，研究人员观察到，在自回归语言模型中，无论特定 token 和语言模型本身的相关性如何，如果对代 token 分配了大量的注意力。这些获得高度注意力的 token，就会表现出注意力下沉的现象，即便这些 token 在语义上不重要，但他们仍然获得模型强烈关注（即给予特定 token 内容大量注意力，从而获得模型大部分的关注，而这些特定 token 内容包含“下沉 token 的键值”，从而确保无论输入序列有多长，模型的注意力计算都能维持稳定）。 ▲ 图源 GitHub StreamingLLM 的重要贡献，在于其提出一个简单且高效的解决方案，使语言模型不需微调就可以处理无限长度的文本。从而解决当前语言模型在流式应用的困境。虽然未来流式语言模型势在必行，但由于 RAM 效率的限制，以及模型在处理长序列的性能问题，相关模型发展仍受到挑战。 经研究团队证实，StreamingLLM 能够让 Llama 2、MPT、Falcon 和 Pythia 可靠地处理高达 400 万 token 的文本，能够为流式语言模型提供更多部署方面的可能性。

IT之家 10 月 6 日消息，据外媒 Engadget、Wired 等报道，美国马里兰大学的一个研究小组对 AI 生成内容的“数字水印”技术可靠性进行研究，发现这一技术可被轻易破解。 该校计算机科学教授 Soheil Feizi 面对 AI 生成图像的水印现状时直言不讳：“目前我们没有任何可靠的水印技术，我们破解了所有的水印。” 在测试过程中，研究人员可轻松避开现有的水印方法，并发现在非 AI 生成的图像上添加“假水印”更为容易。同时，该团队还开发出了一种“几乎无法”从图像中去除的水印技术，且不会完全损害图像的知识产权。 而在加州大学圣巴巴拉分校和卡内基梅隆大学合作的一项类似研究中，研究人员发现通过“模拟攻击”，AI 生成图像的水印可被轻易去除：通过破坏性的调整亮度、对比度或压缩乃至旋转图像来去除，或通过建设性的高斯模糊等技术来去除。 据报道，AI 生成数字水印将成为一场与黑客之间的竞争。这种水印尽管肉眼不可见，但可以打击滥用 AI 生成的内容。 IT之家此前报道，美国政府曾在 7 月下旬宣布，已获得多家人工智能头部公司的自愿承诺，将对人工智能生成的内容加水印等措施，以帮助提高技术的安全性。 亚马逊、Anthropic、谷歌、Inflection、Meta、微软和 OpenAI 这七家公司都同意提高其系统的安全性和透明度，包括允许第三方专家对其模型进行审查。 在发给 TechRadar 的一份声明中，美国政府表示：“正在开发这些新兴技术的公司有责任确保其产品的安全。为了充分发挥人工智能的潜力，美国政府鼓励该行业坚持最高标准，以确保创新不会以牺牲美国人的权利和安全为代价。”

IT之家 10 月 6 日消息，消息源 @Tech_Reve 在 X（推特）平台上发布推文，表示三星内部正在筹备新的 ISOCELL HW 系列相机，配备 4.32 英寸像素的 1 英寸大底摄像头传感器。 消息源表示 ISOCELL HW1 将具有 1/1.05 英寸光圈、0.56μm 像素尺寸，分辨率可以达到 4.32 亿像素。 而 ISOCELL HW2 将会采用 1/1.07 英寸光圈、0.5μm 像素尺寸，分辨率同样为 4.32 亿像素。 @Tech_Reve 并未透露 ISOCELL HW 系列传感器的上市日期，IT之家注：在同一条推文中表示 Galaxy Z Fold 6 将会继续使用 GN3 传感器，而 Galaxy Z Fold 7 才会使用的 S5KHP5 传感器。

IT之家 10 月 6 日消息，SmartThings 是三星的智能家居平台。在今日凌晨举行的 SDC23 三星开发者大会上，官方分享了有关 SmartThings 平台的一些新消息。 三星透露，SmartThings 目前在全球拥有超过 2.9 亿用户，正在接近 3 亿用户的里程碑。 三星表示，SmartThings 的增长与该公司对联网家庭的愿景有很大关系。IT之家查询获悉，SmartThings 是三星愿景的核心，在 2022 年 SDC 上增加了对 Matter 通用标准的支持。SmartThings 不仅可以与其他品牌智能家居设备兼容，还可以让用户更容易地将 SmartThings 作为智能家居的核心。 随着 SmartThings 接近 3 亿的里程碑，三星宣布将改进 SmartThingsHome API，以便开发者可以轻松地为平台创建应用程序，让用户最大限度地提高设备的性能。 AI 与 SmartThings Context API 将一起被纳入该平台，为开发者提供利用 AI 的新功能，使他们构建的应用能够提供更积极主动的用户体验。

新智元报道 编辑：编辑部 MIT的两位学者发文力证：大语言模型能够理解世界！他们的工作表明，LLM不仅仅学习了表面的统计数据，还学习了包括空间和时间等基本维度的世界模型。 在大语言模型内部，是否有一个世界模型？ LLM是否具有空间感？并且在多个时空尺度上都是如此？ 最近，MIT的几位研究者发现，答案是肯定的！ 他们发现，在Llama-2-70B竟然能够描绘出研究人员真实世界的文字地图。 在空间表征上，研究者对世界各地数以万计的城市、地区和自然地标的名称运行了Llama-2模型。 他们在最后的token激活时训练了线性探测器，然后发现：Llama-2可以预测每个地方真实纬度和经度。 在时间表征上，研究者对过去3000年名人的名字、1950年以来的歌曲、电影和书籍的名称以及2010年代的《纽约时报》头条新闻运行了模型，并训练了线性探针（linear probe）成功预测到了名人的死亡年份、歌曲电影书籍的发布日期和新闻的出版日期。 总之，一切结论都显示：LLM不仅仅是随机鹦鹉——Llama-2包含世界的详细模型，毫不夸张地说，人类甚至在大语言模型中发现了一个「经度神经元」！ 这项工作一推出，立马获得热烈反响。作者在推上转发了论文的概要，不到15个小时阅读量就已超过140万！ 网友们纷纷惊呼：这项工作太了不起了！ 有人表示：在直觉上，这是合理的。因为大脑正是提炼了我们的物理世界，将其存储在生物网络中。当我们「看到」事物时，它们实际上就是我们的大脑在内部处理的投射。 令人难以置信的是，你们竟然能够对此进行建模！ 有人持相同观点，表示或许是我们试图模仿大脑的方式欺骗了造物主。 LLM不是随机鹦鹉 此前，许多人就这样猜想：大语言模型表现出的惊人能力，或许只是因为它学习了大量肤浅的统计数据集合，而并不是因为它是一个包含数据生成过程的连贯模型（也即世界模型）。 2021年，华盛顿大学语言学家Emily M. Bender发表了一篇论文，认为大型语言模型不过是「随机鹦鹉」（stochastic parrots）而已，它们并不理解真实世界，只是统计某个词语出现的概率，然后像鹦鹉一样随机产生看起来合理的字句。 由于神经网络的不可解释性，学术界也弄不清楚语言模型到底是不是随机鹦鹉，各方观点差异分歧极大。 由于缺乏广泛认可的测试，模型是否能「理解世界」也成为了哲学问题，而非科学问题。 然而MIT的研究者发现，LLM在多个尺度上都学习了空间和时间的线性表征，而这些表征对不同的提示变化具有稳健性，并且在不同的环境类型（如城市和地标）中具有统一性。 他们甚至发现，LLM还具有独立的「空间神经元」和「时间神经元」，可以可靠地编码空间和时间坐标。 也就是说，LLM绝不仅仅是学习了表面的统计数据，而是获得了关于空间和时间等基本维度的结构化知识。 总之，大语言模型能够理解世界。 LLM能理解空间和时间 在这篇论文中，研究人员提出了一个问题：LLM是否能通过数据集内容形成世界（以及时间）模型。 研究人员试图通过从LLM中提取真实的世界地图，来回答这个问题。 具体来说，研究人员构建了六个数据集，其中包含跨越多个时空维度的地点或事件名称以及相应的空间或时间坐标： 其中包括了世界范围内的地址，美国国内的地址和纽约市范围内的地址。 另外数据集还包括了不同的时间坐标： （1）历史人物的死亡年份 （2）过去 3000 年的历史 （3）20 世纪 50 年代以来艺术作品和娱乐节目的发布日期 （4）2010年至2020年新闻头条的发布日期 使用 Llama 2 系列模型，研究人员训练了线性回归探针（probe），研究了这些地点和事件在模型每一层的名称的内部激活，来预测它们的真实世界位置或时间。 这些探索性的实验揭示了模型在整个早期层中构建空间和时间表征的证据，然后在模型中点附近达到稳定状态（plateauing），这个过程的结果在较大的模型的表现始终优于较小的模型。 进一步，研究人员证明这些表征是 （1）线性的，因为非线性探针表现不佳 （2）对提示的变化能有很高的鲁棒性 （3）不同类型的概念之间是相似的（例如，城市和自然地标之间是相似的） 研究人员认为，对于这个结果的一种可能的解释是，模型仅学习了从地方到国家的映射，而探针实际上学习了这些不同群体在地理空间（或时间）上如何相关的全球地理结构。 为了研究这一点，研究人员进行了一系列稳健性检查，以了解探针如何在不同的数据分布上进行泛化以及在 PCA 组件上训练的探针如何执行。 研究人员的研究结果表明，探针记住了这些概念的「绝对位置」，但模型确实具有一些反映「相对定位」的表征。 换句话说，探针学习了从模型中的坐标到人类可解释坐标的映射。 最后，研究人员使用探针来寻找作为空间或时间函数激活的单个神经元，提供强有力的证据证明该模型确实使用了这些特征。 准备工作 为了进行调查，研究人员构建了六个实体名称（人物、地点、事件等）的数据集，其中还包括了它们各自的位置或发生的时间，每个数据集的规模大小不同。 对于每个数据集，研究人员包含多种类型的实体，例如城市等人口稠密的地方和湖泊等自然地标，以研究不同对象类型的统一表示。 此外，研究人员优化并且丰富了相关元数据（metadata），以便能够通过更详细的细分来分析数据，识别训练测试泄漏的来源。 位置信息 研究人员构建了世界、美国和纽约市的三个地名数据集。研究人员的世界数据集是根据 DBpedia Lehmann 等人查询的原始数据构建的。 进一步，研究人员囊括了人口稠密的位置、自然位置和结构性位置（例如建筑物或基础设施）。然后，研究人员将这些内容与维基百科文章进行匹配，并过滤掉三年内页面浏览量不低于5000次的实体。 研究人员的美国数据集包括了城市、县、邮政编码、大学、自然地点和结构的名称，其中人口稀少或查看位置类似地被过滤掉。 纽约市数据集包含城市内的学校、教堂、交通设施和公共住房等位置。 时间信息 研究人员的三个时间数据集包括 ： (1) 公元前 1000 年至公元 2000 年之间去世的历史人物的姓名和职业， (2) 使用维基百科页面浏览量过滤技术从DBpedia构建了包括1950年至 2020 年歌曲、电影和书籍的标题和作者； (3) 2010 年至 2020 年《纽约时报》新闻头条，来自撰写时事新闻的新闻栏目。 数据准备 研究人员所有的实验都是使用基础版的Llama 2系列模型展开的，涵盖 70 亿到 700 亿个参数。 对于每个数据集，研究人员通过模型运行每个实体名称，可能会在前面加上一个简短的提示，并将隐藏状态（残留流，residual stream）的激活（activation）保存在每层的最后一个实体token上。 对于一组n个实体，这会为每个层生成一个 激活数据集。 探针 为了寻找LLM中空间和时间表征的证据，研究人员使用标准探针技术。 它在网络激活（network activations）上拟合一个简单的模型，用来预测与标记输入数据相关的一些目标标签（target label）。特别是，给定激活数据集 A ∈ Rn×dmodel 和包含时间或二维纬度和经度坐标的目标 Y，研究人员拟合了线性岭回归探针（fit linear ridge regression probes）。 从而获得了线性探针： 对样本外数据的高预测性能表明基础模型在其表示中具有可线性解码的时间和空间信息，尽管这并不意味着该模型实际上使用了这些表征。 在所有实验中，研究人员在探针训练集上使用有效的留出交叉验证（efficient leave-out-out cross validation）来调整λ。 空间和时间的线性模型 存在性 研究人员首先研究这个实证问题：模型是否表征时间和空间？如果是这样，在模型内部的什么位置？表征质量是否会随着模型规模的变化而发生显著变化？ 在研究人员的第一个实验中，研究人员为每个空间和时间数据集的Llama 2-{7B, 13B, 70B} 的每一层训练了探针。 研究人员的主要结果下图所示，显示了跨数据集相当一致的模式。特别是，空间和时间特征都可以通过线性探针恢复。 随着模型规模的增加，这些表示会变得更加准确，并且在达到稳定状态之前，模型前半层的表示质量会平稳提高。 这些观察结果与事实回忆文献的结果一致，表明早期到中期的 MLP 层负责回忆有关事实主题的信息。 性能最差的数据集是纽约市数据集。考虑到大多数实体与其他数据集相比相对模糊，这是预料之中的。 然而，这也是最大模型具有最佳相对性能的数据集，其R几乎是较小模型的2倍，这表明足够大的LLM最终可以形成各个城市的详细空间模型。 线性表征 在可解释性的文献中，越来越多的证据支持线性表征假设——神经网络中的特征是线性表示的。 也就是说，可以通过将相关激活投影到某个特征向量来读出特征的存在或强度。然而，这些结果几乎总是针对二元或分类特征，与空间或时间的自然连续特征不同。 为了测试空间和时间特征是否以线性方式表示，研究人员将线性岭回归探针（linear ridge regression probes）的性能与更具表现力的非线性MLP （ more expressive nonlinear MLP）的性能进行了比较。 结果如下，表明对于任何数据集或模型，使用非线性探针对 R 的改进微乎其微。 研究人员将此作为强有力的证据，证明空间和时间也可以线性表示（或者至少是线性可解码的），尽管它们是连续的。 对提示词的敏感性 另一个很显然的问题是，这些空间或时间特征是否对提示词敏感，即上下文能否诱发或抑制对这些事实的回忆？ 直观地，对于任何实体token，自回归模型都会被激励来生成适合解决任何未来可能的上下文或问题的表征。 为了研究这个问题，研究人员创建了新的激活数据集，其中研究人员按照几个基本主题为每个实体标记添加了不同的提示。在所有情况下，研究人员都包含了一个「空」提示，除了实体token（以及序列token的开头）之外不包含任何内容。 然后，研究人员添加一个提示，要求模型回忆相关事实，例如「<位置>的经纬度是多少？」或「<书> 的发行日期是哪一天？」 对于美国和纽约市的数据集，研究人员还包含这些提示的版本，询问该位置位于美国或纽约市的哪个位置，以消除常见地点名称的歧义（例如市政厅）。 作为基线，研究人员包括 10 个随机token的提示（针对每个实体进行采样）。为了确定研究人员是否可以混淆主题，对于某些数据集，研究人员将所有实体的名称完全大写。 最后，对于标题数据集，研究人员尝试探测最后一个token和附加到标题的句号token。 上图是70B模型的结果，下图是所有模型的结果。 研究人员发现，明确提示模型输入信息，或者给出消歧提示，例如某个地方位于美国或纽约市，对性能几乎没有影响。然而，研究人员对随机干扰token降低性能的程度感到惊讶。 将实体名称大写也会降低性能，尽管不那么严重且不也不太出乎意料，因为这可能会干扰实体的「去token化」。 显著提高性能的一项修改是对标题后面的句号token进行探测，表明句号包含了结尾的句子的一些摘要信息。 鲁棒性检测 上一节已经表明，不同类型的事件或地点的真实时间或空间点可以从LLM中后期层的内部激活中线性恢复。 然而，这并不意味着模型是否（或如何）实际上使用了由探针学习到的特征方向，因为探针本身可以学习模型实际使用的更简单特征的一些线性组合。 通过泛化进行验证 为了说明研究人员的结果的潜在问题，考虑表示完整世界地图的任务。 如果模型如研究人员所期望的那样，「在X 国」具有几乎正交的二元特征，然后可以通过将每个国家的这些正交特征向量相加来构建高质量的纬度（经度）探针，其系数等于该国家/地区的纬度（经度）那个国家。 假设一个地方仅位于一个国家，这样的探测会将每个实体置于其国家质心。 然而，在这种情况下，模型实际上并不代表空间，仅代表国家成员资格，并且它只是从显式监督中学习不同国家几何形状的探针。 为了更好地区分这些情况，研究人员分析了探针在提供特定数据块时如何泛化。 特别是，研究人员训练了一系列探针，对于每个探针，研究人员分别提供世界、美国、纽约市、历史人物、娱乐和头条新闻数据集的一个国家、州、行政区、世纪、十年或年份。 然后研究人员评估对保留的数据块的探测。在上表中，研究人员报告了完全保留时数据块的平均邻近误差，与默认训练-测试分割中该块的测试点的误差（对所有保留块进行平均）进行比较。 研究人员发现，虽然泛化性能受到影响，特别是对于空间数据集，但它明显优于随机数据集。通过绘制下图中所标注的州或国家的预测，一幅更清晰的图样就这样出现了。 世界范围 也就是说，探针通过将点放置在正确的相对位置（通过真实质心和预测质心之间的角度测量）而不是绝对位置来正确地进行概括。 研究人员将此视为微弱的证据，表明探针正在通过模型提取显式学习的特征，但正在记住从模型坐标到人类坐标的转换。 然而，这并不能完全排除潜在的二元特征假设，因为可能存在不遵循国家或十年边界的此类特征的层次结构。 跨实体泛化 到目前为止，研究人员的讨论中隐含的主张是，该模型以统一的方式表示不同类型实体（如城市或自然地标）的空间或时间坐标。 然而，与纬度探测可能是隶属特征的加权和（ be a weighted sum of membership features）类似，纬度探测也可以是城市纬度和自然地标纬度的不同（正交）方向的总和。 与上面类似，研究人员通过训练一系列探针来区分这些假设，其中执行训练测试分割以保留特定实体类的所有点如下表所示，了邻近度与保留时相比，默认测试拆分中的实体的误差，如之前对所有此类拆分进行平均。 结果表明，探针在很大程度上概括了实体类型，只有娱乐数据集除外。 空间和时间神经元 虽然之前的这些结果很有启发性，但没任何证据直接表明模型使用了探针学习到的特征。 为解决这个问题，研究人员搜索了具有输入或输出权重的单个神经元，这些权重与学习的探测方向具有高余弦相似性。 也就是说，研究人员寻找的神经元，其读取或写入的方向与探针学习到的方向相似。 他们发现，将激活数据集投射到最相似神经元的权重上时，这些神经元确实对实体在空间或时间上的真实位置高度敏感。 也就是说，模型中存在个别神经元，它们本身就是具有相当预测能力的特征探针。 此外，这些神经元对数据集中的所有实体类型都很敏感，这就更加表明了，这些表征是统一的。 如果说，在显式监督下训练的探针，是模型表示这些空间和时间特征程度的近似上限，那么单个神经元的表现就是下限。 特别是，学者们通常认为特征是叠加分布的，这使得单个神经元的分析水平是错误的 。 尽管如此，这些单个神经元的存在（除了下一个token预测之外，它们没有接受任何监督）依然是强有力的证据，证明模型学习并使用了空间和时间的特征。 奥赛罗GPT证明LLM理解世界，获吴恩达力赞 启发MIT研究者最直接的灵感，就是此前对深度学习系统在多大程度上形成数据生成过程的可解释模型的研究。 而最有力、最清晰的演示，无疑就来自在国际象棋和奥赛罗游戏上训练的GPT模型了——这些模型对于棋盘和游戏状态都有明确的表征。 今年2月，来自哈佛大学、麻省理工学院的研究人员共同发表了一项新研究Othello-GPT，在简单的棋盘游戏中验证了内部表征的有效性。 他们认为语言模型的内部确实建立了一个世界模型，而不只是单纯的记忆或是统计，不过其能力来源还不清楚。 实验过程非常简单，在没有任何奥赛罗规则先验知识的情况下，研究人员发现模型能够以非常高的准确率预测出合法的移动操作，捕捉棋盘的状态。 吴恩达在「来信」栏目中对该研究表示高度认可，他认为基于该研究，有理由相信大型语言模型构建出了足够复杂的世界模型，在某种程度上来说，确实理解了世界。 棋盘世界模型 如果把棋盘想象成一个简单的「世界」，并要求模型在对局中不断决策，就可以初步测试出序列模型是否能够学习到世界表征。 研究人员选择一个简单的黑白棋游戏奥赛罗（Othllo）作为实验平台，其规则是—— 在8*8棋盘的中心位置，先放入四个棋子，黑白各两个；然后双方轮流下子，在直线或斜线方向，己方两子之间的所有敌子（不能包含空格）全部变为己子（称为吃子），每次落子必须有吃子；最后棋盘全部占满，子多者为胜。 相比国际象棋来说，奥赛罗的规则简单得多；同时棋类游戏的搜索空间足够大，模型无法通过记忆完成序列生成，所以很适合测试模型的世界表征学习能力。 Othello语言模型 研究人员首先训练了一个GPT变体版语言模型（Othello-GPT），将游戏脚本（玩家做出的一系列棋子移动操作）输入到模型中，但模型没有关于游戏及相关规则的先验知识。 模型也没有被明确训练以追求策略提升、赢得对局等，只是在生成合法奥赛罗移动操作时准确率比较高。 数据集 研究人员使用了两组训练数据： 锦标赛（Championship）更关注数据质量，主要是从两个奥赛罗锦标赛中专业的人类玩家采用的、更具战略思考的移动步骤，但分别只收集到7605个和132921个游戏样本，两个数据集合并后以8：2的比例随机分成训练集（2000万个样本）和验证集（379.6万个）。 合成（Synthetic）更关注数据的规模，由随机的、合法的移动操作组成，数据分布不同于锦标赛数据集，而是均匀地从奥赛罗游戏树上采样获得，其中2000万个样本用于训练，379.6万个样本用于验证。 每场游戏的描述由一串token组成，词表大小为60（8*8-4）。 模型和训练 模型的架构为8层GPT模型，具有8个头，隐藏维度为512。 模型的权重完全随机初始化，包括word embedding层，虽然表示棋盘位置的词表内存在几何关系（如C4低于B4），但这种归纳偏置并没有明确表示出来，而是留给模型学习。 预测合法移动 模型的主要评估指标就是模型预测的移动操作是否符合奥赛罗的规则。 在合成数据集上训练的Othello-GPT错误率为0.01%，在锦标赛数据集上的错误率为5.17%，相比之下，未经训练的Othello-GPT的错误率为93.29%，也就是说这两个数据集都一定程度上让模型学会了游戏规则。 一个可能的解释是，模型记住了奥赛罗游戏的所有移动操作。 为了验证这个猜想，研究人员合成了一个新的数据集：在每场比赛开始时，奥赛罗有四种可能的开局棋位置（C5、D6、E3和F4），将所有C5开局的走法移除后作为训练集，再将C5开局的数据作为测试，也就是移除了近1/4的博弈树，结果发现模型错误率仍然只有0.02%。 所以Othello-GPT的高性能并不是因为记忆，因为测试数据是训练过程中完全没见过的，那到底是什么让模型成功预测？ 探索内部表征 一个常用的神经网络内部表征探测工具就是探针（probe），每个探针是一个分类器或回归器，其输入由网络的内部激活组成，并经过训练以预测感兴趣的特征。 在这个任务中，为了检测Othello-GPT的内部激活是否包含当前棋盘状态的表征，输入移动序列后，用内部激活向量对下一个移动步骤进行预测。 当使用线性探针时，训练后的Othello-GPT内部表征只比随机猜测的准确率高了一点点。 当使用非线性探针（两层MLP）时，错误率大幅下降，证明了棋盘状态并不是以一种简单的方式存储在网络激活中。 干预实验 为了确定模型预测和涌现世界表征之间的因果关系，即棋盘状态是否确实影响了网络的预测结果，研究人员进行了一组干预（intervention）试验，并测量由此产生的影响程度。 给定来自Othello-GPT的一组激活，用探针预测棋盘状态，记录相关联的移动预测，然后修改激活，让探针预测更新的棋盘状态。 干预操作包括将某个位置的棋子从白色变成黑色等，一个小的修改就会导致模型结果发现内部表征能够可靠地完成预测，即内部表征与模型预测之间存在因果影响。 可视化 除了干预实验验证内部表征的有效性外，研究人员还将预测结果可视化，比如说对于棋盘上的每个棋子，可以询问模型如果用干预技术将该棋子改变，模型的预测结果将如何变化，对应预测结果的显著性。 可以看到，在合成和锦标赛数据集上训练的Othello-GPTs的top1预测的潜显著性图中都展现出了清晰的模式。 总之，从哈佛和MIT的这项研究中可以看出，大语言模型的确理解了世界，无怪乎会得到吴恩达的赞赏了。 GPT-4只是AGI的火花？LLM终将退场，世界模型才是未来 为什么「世界模型」如此吸引人？ 这正是因为，人工智能的终极形态和发展的最终目标——通用人工智能（AGI），一个「能够理解世界的模型」，而不仅仅是「描述世界的模型」。 1931 年，Kurt Gödel发表了不完备性定理。 Gödel定理表明，即使是数学也无法最终证明一切——人类始终会有无法证明的事实——而量子理论则说明，研究人员的世界缺乏确定性，使研究人员无法预测某些事件，例如电子的速度和位置。 尽管爱因斯坦曾表达过「上帝不会与宇宙玩骰子」这一著名的观点，但从本质上讲，仅仅在预测或理解物理中的事物时，人类的局限性就已经体现得淋漓尽致。 在「How We Learn」一书中，学者Stanislas Dehaene将学习定义为 「形成世界模型的过程」。 2016年，AlphaGo在围棋比赛中以 4 比 1 的大比分击败世界冠军李世石。 然而，它缺乏人类那种识别不常见战术，并做出相应调整的能力。因此，它仅仅是一种弱人工智能。 而研究人员所需的AGI，是一个与经验一致且能做到准确预测的世界模型。 4月13日，OpenAI的合作伙伴微软发布了一篇论文「Sparks of Artificial General Intelligence:Early experiments with GPT-4」（通用人工智能的火花：GPT-4的早期实验）。 其中提到： GPT-4不仅掌握了语言，还能解决涵盖数学、编码、视觉、医学、法律、心理学等领域的前沿任务，且不需要人为增加任何的特殊提示。 并且在所有上述任务中，GPT-4的性能水平都几乎与人类水平相当。基于GPT-4功能的广度和深度，研究人员相信它可以合理地被视为通用人工智能的近乎但不完全的版本。 然而，就如同诸多专家所批评的，错误地将性能等同于能力，意味着GPT-4生成的是对世界的摘要性描述认为是对真实世界的理解。 现在的大多数模型仅接受文本训练，不具备在现实世界中说话、听声、嗅闻以及生活行动的能力。 就仿佛柏拉图的洞穴寓言，生活在洞穴中的人只能看到墙上的影子，而不能认识到事物的真实存在。 而无论是哈佛和MIT 2月的研究，还是今天的这篇论文，都指出了大语言模型的确在一定程度上能够理解世界，而并不仅仅是保证自己在语法上的正确。 仅仅是这些可能性，已经足够令人振奋

腾讯RobticsX机器人实验室一号员工创业的仿生机器人项目，刚刚浮出水面。 量子位获悉，其创业公司名为星尘智能，主打项目是以轮式为底盘、以人形为上身的一体化设计仿生机器人。 从特斯拉擎天柱亮相开始，爆火的风还是吹到了机器人赛道。过去一年里，轮式机器人早已不算新鲜，人形机器人赛道更是玩家频现。 但轮式底盘+人形上半身的融合，在业内不算特别多见。 这个仿生机器人项目背后的创始人兼CEO，来杰，正是腾讯RoboticsX机器人实验室的一号员工。 轮式底盘+人形上身，面向科研场景 据悉，星尘智能所打造的仿生机器人项目，主要面向场景是科研等。 这就能部分解释为什么选择以“轮式底盘+人形上身”的形态打造项目产品——轮式底盘，不影响科研场景的现有工作流；而人形上身有更高的仿真性能，比单纯与机械臂组合有更高的操作自由度。 公开资料显示，星尘智能在这一波机器人热潮的入场时间并不算晚，公司成立于去年年底12月。 星尘智能创始核心团队共6人，都出自腾讯RobticsX。 来杰，星尘智能创始人兼CEO，本科在西安电子科技大学就读，后在五邑大学攻读智能系统硕士学位。2012年至2014年期间，他任职香港理工大学助理研究员。 2014年，来杰走出学界，停靠的第一站是百度，加入了小度机器人研发团队。后来，他担任了百度小度机器人团队负责人。 2018年，腾讯RoboticsX机器人实验室成立，与AI Lab一同成为腾讯AI产业的两个支撑部门。当年来杰就以RoboticsX一号员工的身份，从百度转投腾讯门下。 公开资料显示，这一阶段，来杰负责嵌入式和软件方向，管自平衡轮式机器人和轮腿式机器人两个项目（RoboticsX迄今为止共发布过4个项目，分别为自平衡轮式机器人、轮腿式机器人、多模态四组机器人、触觉执行器）。 而星尘智能目前曝光的另一名联合创始人，是戴媛。 她在伊利诺伊大学香槟分校获得学士学位，后在UCLA拿下博士学位。与来杰相同，她也是2018年时就加入了刚刚成立的RoboticsX。 量子位得知，星尘智能核心创始团队组团与老东家作别，就是想要对机器人项目进行商业化。 市场消息称，该公司今年的主要目标，是与头部AI公司合作，在年内推出原型机；而后在明年商业化落地，具体领域瞄准商用立体清洁、新零售和分拣等。 较为迅速的进展和计划，与一年来机器人赛道有目共睹的卷生卷死不无关系。 市场对柔性生产需求的外部驱动，技术本身，如人工智能、传感器、控制技术的不断发展，加上硬件设备的突破，方方面面都使得不同领域对机器人关注和期待与日俱增。 尤其在今年8月，先是世界机器人大会诸多厂家实机亮相，而后百万粉丝的稚晖君创业具身智能官宣，旁观者、资本市场等聚焦在这个领域的目光更加灼热。 更多的技术人员也察觉到了技术爆发期机会的到来，并蠢蠢欲动。 这一点从近期曝光的诸多机器人创业项目数量就可见一斑。 最新消息是，除了星尘智能外，还有一两个同样有腾讯RoboticX背景的创业项目，在近期的市场上颇受关注。与此同时，备受关注的清华叉院也有多个人形机器人/具身智能新项目，相继低调孵化中。