在最近的 All-In Summit2024活动上，特斯拉 CEO 埃隆・马斯克分享了关于其下一代 AI 芯片 Dojo2的重要信息。他表示，Dojo2芯片将在2025年末开始批量装备，并且这个芯片将在特斯拉的 AI 基础设施中扮演至关重要的角色。

Getty Images发布了一项重大举措，向AI开发者提供包含3750张高质量照片的训练数据集，覆盖15个类别，旨在支持AI应用场景的开发。这些照片已上线Hugging Face平台，用户同意服务条款并提供联系方式后即可免费访问。此举旨在吸引企业和开发者，同时推广其付费授权服务。Getty Images声称拥有超过5.72亿张照片，其中2亿多张可用于商业用途，每张照片附有详尽元数据，包括关键词和结构化信息，旨在降低侵权风险。这一战略反映了图库服务向AI时代的积极转型，为图像识别和生成技术的发展提供了重要资源。该行动对行业影响深远，预示着AI与传统图库服务的融合创新。

在人工智能迅速发展背景下，百度贴吧的"弱智吧"意外成为AI训练的重要数据来源，挑战了人们对高质量数据的传统认知。该社区以其荒诞幽默的内容，在问答、头脑风暴等测试中超越了知名平台，成为受欢迎的AI训练数据库之一。研究发现，"弱智吧"的口语化、多轮问答语料，有助于AI更接近人类交流方式。AI在理解人类幽默方面存在局限，而"弱智吧"的段子通过逻辑严密、修辞丰富和生活观察，为AI提供了宝贵的学习素材，锻炼了其对中文的理解和推理能力。这一现象揭示了人类智慧与创造力的独特性，提醒我们在AI时代仍需珍视人类的幽默感和创造力。

埃隆・马斯克的xAI公司宣布推出名为“Colossus”的人工智能训练系统，其核心是100,000块Nvidia H100 GPU，被认为是全球最强大的AI训练系统。该系统性能甚至可能超越美国能源部的Aurora超级计算机。Colossus的强大主要得益于Nvidia的H100 GPU，这款GPU在运行语言模型时速度比之前的GPU快30倍，尤其在基于Transformer神经网络架构的任务中表现出色。马斯克计划在未来几个月内将GPU数量增加至200,000块，包括50,000块新一代的H200 GPU，以进一步增强性能。此举将为xAI的旗舰大型语言模型Grok-2的继任者提供强大支持，预计该模型将在年底前发布。Colossus的部分服务器GPU原本是为特斯拉预留的，但马斯克向Nvidia请求将价值超过5亿美元的12,000块H100 GPU转给xAI。到年底，特斯拉在Nvidia硬件上的支出预计将达到30亿到40亿美元。

LAION发布Re-LAION-5B，全球首个全面清除CSAM链接的AI训练数据集，旨在解决儿童性虐待材料（CSAM）问题。该数据集在LAION-5B基础上进行了重大改进，主要分为Re-LAION-5B Research和Research-Safe两个版本，共移除2236个CSAM链接，其中1008个来自儿童保护组织名单。数据集包含55亿对文本和图像，旨在帮助清理现有数据集，移除所有匹配的CSAM内容。LAION希望通过此举为网页规模数据集的安全标准设定新基准，解决AI训练数据集中CSAM问题的严重性，尤其是AI生成CSAM内容的增长对真实案件调查和社交媒体平台报告数量的影响。

国产AI芯片设计公司燧原科技，已启动A股上市辅导进程，正式启动IPO。成立于2018年的燧原科技专注于AI领域的云端算力产品研发，产品包括AI加速卡、智算集群及相关软件和平台。公司创始人赵立东和张亚林均具备深厚的技术背景。成立一年后，燧原科技推出第一代AI训练芯片邃思1.0，现发展至第二代邃思2.0，并研发多款AI推理芯片。在短短六年内完成十轮融资，总额近70亿元人民币，估值达到160亿元，位列全球独角兽榜第482位。腾讯为第一大股东，持股20.49%。目前，无单一股东持股超过30%，创始人合计掌握32.51%表决权。

近日，由国家超级计算成都中心、中国地震局地球物理研究所和清华大学联合开发的"谛听"地震波大模型在四川成都正式发布。该模型是国内首个达到亿级参数量的地震波大模型，标志着我国地震学研究和人工智能技术融合的重要突破。

近日，网络文学界掀起一场关于人工智能（AI）与作者权益的激烈讨论。事件源于番茄小说平台在签约协议中新增的"AI训练补充协议"，要求作者同意将作品用于平台AI的内容开发，引发了众多网文作家的强烈反对。

文章主要围绕WPS Office与字节跳动的AI产品“豆包”可能的数据泄露风波。用户曾在社交媒体质疑WPS Office可能将其审签内容泄露给豆包。字节跳动迅速作出回应，声明豆包AI未使用WPS用户数据进行训练，书目信息均来自公开渠道。WPS随后回应，否认其数据泄露的指控，强调严格遵守个人信息保护法规并采取安全措施，承诺用户的文档不会被用于AI训练或其他未经同意的场景。这次事件进一步强化了用户对于数据安全的重视与企业对于数据保护职责的认识。

近日，多名网友在社交媒体平台上发帖指出，金山旗下的WPS Office办公软件疑似将用户编写的文档共享给字节跳动旗下的豆包AI用于训练。这一指控引发了广泛关注和讨论。

谷歌通过训练Gemini AI，正致力于提升其机器人的导航与任务完成能力。DeepMind团队在一篇研究论文中详细描述了如何使用Gemini1.5Pro的长上下文窗口，使用户能更自然地使用语言指令与RT-2机器人交互。Gemini1.5Pro让机器人通过视频游览来理解环境，执行如引导用户到插座等命令。实验显示，机器人在这9000多平方英尺区域内成功执行超过50指令，成功率高达90%。更有意思的是，Gemini还帮助机器人规划指令，不仅限于导航，例如确定冰箱内是否有用户最喜欢的饮料。尽管处理指令需约10-30秒，此研究朝向提升机器人与人类共存迈出了重要一步。

DeepMind团队最近发布了一项突破性的研究成果，针对人工智能领域长期存在的算力与时间限制问题提供了创新解决方案-名为JEST的全新数据筛选方法。JEST通过智能筛选最佳数据批次，而不是单个样本，大幅提高了训练效率，将AI训练时间缩短13倍，算力需求降低90%。这种策略在多模态学习中尤为有效，与传统方法相比，不仅减少了迭代次数和浮点运算次数，而且只需10%的FLOP预算就能超越最先进水平。JEST的核心原理在于通过在线模型近似技术和评估数据点的可学习性，选择相对容易学习的数据点作为训练素材，以此提高训练效率和效果。此外，通过使用基于阻塞吉布斯采样的迭代方法构建数据批次，JEST在处理大量数据时性能持续优化。此项工作不仅为AI训练领域带来了革命性的飞跃，为未来人工智能的发展提供了新的思路和方法论，有望开启人工智能更广阔的应用前景。

Spawning 致力于为艺术家提供更多对其作品在线使用的控制权，该公司推出最新的项目名为 Source.Plus，旨在筛选出 “非侵权” 媒体内容，用于 AI 模型的训练，使艺术家和创作者能够更加精细地管理其作品的使用权限。

Adobe 近日宣布将重新修订用户使用其应用程序时需要同意的条款，以明确表示不会将客户作品用于 AI 训练，旨在赢回用户的信任。这一变化是在一周前的用户强烈抗议后宣布的。

["Tumblr 母公司与 OpenAI 磋商出售用户帖子训练 AI","Automattic 计划发布一个设置，允许用户退出与第三方的数据共享","Automattic 抓取了 Tumblr 上 2014-2023 年发布的所有公开帖子","Reddit 与 Google 签订了每年 6000 万美元的协议使用用户数据训练 AI","Shutterstock 与 OpenAI 签署了协议用其照片库训练模型"]

["YouTube博主“CodeBullet”发布视频，AI学习玩合成大西瓜游戏，观看突破105万次。","AI成功引发“水果大爆炸”，获得超过250万高分，超过设定的3000分目标。","博主让196个AI同时参与游戏，分析出《合成大西瓜》攻略，引发广泛讨论。","观众指出AI表现优异但未考虑实际游戏情况，揭示模拟环境与真实场景的局限性。","通过《合成大西瓜》训练AI，突显游戏场景训练AI的潜在益处，引发兴趣。"]

["多伦多大学和麻省理工学院科学家实验发现，使用描述性标签训练的AI系统可能做出比人类更为苛刻的决定。","研究揭示AI算法训练存在深刻缺陷，可能影响租房、贷款、手术等方面的决策，给人类带来灾难性后果。","实验以狗图像数据集为例，结果显示描述性标签导致对违规狗的判断更严厉，可能引发社会不公。","算法可能在博士申请、招聘等领域强化社会偏见，加剧不平等。研究人员敦促及早纠正这一问题。","在AI主导的时代，正确标注数据以避免算法偏见至关重要，否则将对人类生活产生严重影响。"]

["OpenAI启动Data Partnerships计划，与第三方机构合作，创建用于AI模型训练的公共和私有数据集。","OpenAI寻求多领域、多语言、多格式的数据，以提高AI模型的广泛理解。","OpenAI计划采集各种形式的数据，包括图像、音频和视频，以反映人类社会，以实现更安全、有益于全人类的AI目标。","OpenAI的举措引发了关于数据拥有者权益和透明度的讨论。"]

["AI行业面临训练数据告急问题，可能减缓AI模型增长。","高质量数据至关重要，但2026年前可能告急。","解决方法包括改进算法和使用合成数据。"]

["🚀 新企业AI平台提高GPU工作效率4倍","📈 模型培训速度提高20倍，利用数据虚拟化平台和DORA架构","🔍 利用硬件加速提高数据传输到GPU，极大提高性能"]