Author: aitrendtrackers@rengongzhineng.io

微软最近在其 Azure OpenAI 服务的使用条款中加入了新的措辞，明确禁止美国警察部门通过这一服务使用生成性人工智能进行面部识别。这项政策变动引发了广泛关注，人们对于技术与隐私的边界再次展开了讨论。 在这项服务的条款更新中，微软不仅限制了在美国境内警方使用面部识别技术，还特别提到了全球的执法机构，明确禁止在移动摄像头上使用实时面部识别技术，比如执法人员的随身摄像头和车载摄像头，尤其是在复杂多变的户外环境中尝试识别个人。 此外，这次更新还对可能会影响民权的技术应用提出了警告，尤其是在种族偏见的问题上。批评者指出，即便是最先进的生成性人工智能模型，也存在制造虚假信息（俗称“臆想”）的风险，而且如果训练数据本身存在偏见，那么由此生成的结果可能会加剧种族歧视，这对于颜色人种来说尤其不利，因为他们被警察拦截的几率远高于白人。 尽管微软的新政策在美国实施了完全禁令，但对于国际警察的限制并不是绝对的。条款中留有余地，允许在控制环境中使用固定摄像头进行面部识别，比如办公室内部，这表明微软在面对不断扩展的人工智能应用时，仍在谨慎探索技术的边界。 微软与 OpenAI 的合作关系也在不断深化。据报道，OpenAI 正在与五角大楼合作，开发包括网络安全在内的多项技术。此外，微软还提议使用 OpenAI 的图像生成工具 DALL-E 来帮助美国国防部开发执行军事操作的软件。 总之，微软这一政策的更新反映了科技企业在权衡技术创新与社会责任之间的复杂抉择。随着人工智能技术的不断进步和应用范围的扩大，如何在增强执法效率与保护个人隐私之间找到平衡点，无疑是未来科技发展的一大挑战。

微软最近宣布与Sanctuary AI合作开发通用型人形机器人。Sanctuary AI以其人形机器人“凤凰”而闻名。这次合作将聚焦于研发大型行为模型（LBM），这种模型类似于大型语言模型（LLM），但它们帮助机器人从现实世界环境和经验中学习，而不是仅从计算机模拟中学习。 在这一合作中，Sanctuary AI将贡献其深厚的机器人开发技术专长和经验——包括其开发的“机器人大脑”Carbon（由LBM驱动）——而微软则将通过其Azure云资源为AI工作负载（包括培训、网络和存储）提供动力。 微软研究院副总裁兼总经理阿什利·洛伦斯表示：“通过我们的合作，Sanctuary AI将能够使用微软Azure的基础设施和服务，探索可在多种用例和行业中提供帮助的通用机器人的未来。” 关于Sanctuary AI：Sanctuary AI致力于创建世界上第一台具有类人智能的通用机器人。去年，该公司首次在商业环境中试用其通用人形机器人，将其凤凰机器人部署在加拿大最大的零售商之一，执行前台、物流和仓库任务。迄今为止，凤凰已在15个不同行业完成了400多个客户定义的任务，包括汽车、制造和物流行业。 最近，Sanctuary AI还与Magna建立了试点合作关系，将其最新版本的凤凰机器人引入汽车工厂。 微软为何要与Sanctuary AI合作：微软在今年2月领投了其竞争对手FigureAI的6.75亿美元B轮融资，显然对AI特别是机器人技术的开发充满承诺。微软创始人比尔·盖茨本人今年早些时候也谈到了他对人形机器人的兴趣，尽管他没有提到Sanctuary AI，但提到了其竞争对手Agility和Apptronik。 洛伦斯补充道：“我们很高兴能与Sanctuary AI合作，加速AI模型创新和具体AI研究，在推理、计划和人机合作等领域取得进展。”

微软与OpenAI的多年多亿美金合作，很可能源于害怕谷歌在人工智能竞赛中独占鳌头，这是从一封电子邮件中透露出来的。 这封在周二公开的电子邮件，是美国司法部针对谷歌的反垄断案件的一部分，内容大部分被审查，但从中可以看出，微软的首席技术官凯文·斯科特对比起搜索引擎巨头谷歌，对公司的人工智能能力感到忧心忡忡。 2019年，斯科特在给微软首席执行官萨提亚·纳德拉和联合创始人比尔·盖茨的邮件中写道：“当我深入了解谷歌和我们在模型训练方面的所有能力差距时，我变得非常非常担忧。”他表示，最初对OpenAI、DeepMind（2014年被谷歌收购）以及谷歌大脑等公司扩展其人工智能雄心的努力持“高度轻视”态度，但在发现微软“不能轻易复制”这些公司正在构建的自然语言处理（NLP）模型后，“开始认真对待”。 斯科特提到，尽管他们有模型的模板，但“因为我们的基础设施不够好，我们花了大约6个月的时间才训练出模型”。在微软弄清楚如何训练该模型的同时，已经提前六个月拥有BERT的谷歌，“用了一年的时间来弄明白如何投入生产，并且转向更大规模、更有趣的模型”，他写道。 斯科特还提到，谷歌Gmail应用中的自动补全功能“变得让人害怕地好”，这得益于类似BERT的模型，这些模型正提升谷歌的竞争力。 虽然微软有“非常聪明”的员工专注于其不同团队的机器学习，但“这些更大团队中的核心深度学习团队非常小”，在扩大规模到谷歌的水平之前，还有很长的路要走，斯科特在主题为“对OpenAI的思考”的邮件中写道。“我们在机器学习规模方面落后于竞争对手好几年。” 纳德拉回复了这封邮件，并抄送给微软首席财务官艾米·胡德，写道：“这是一封非常好的邮件，解释了为什么我希望我们这么做……也说明了我们将如何确保我们的基础设施团队执行。” 2019年7月，微软对OpenAI进行了首次投资，金额为10亿美元，支持该公司构建人工通用智能（AGI）的努力。通过这一合作，OpenAI表示微软将成为其独家云提供商，并且双方将共同开发Microsoft Azure的AI超级计算能力。 目前，微软、谷歌和OpenAI尚未立即回应置评请求。

在危机时刻，人们常常依赖谷歌搜索来获取准确而有用的信息，以保护自己和家人。洪水是自然灾害中最常见的类型，全球近15亿人，即大约世界人口的19%，直接面临重大洪水事件的风险。此外，洪水还对经济造成巨大损失，全球每年的经济损失约为500亿美元。 在大部分历史时期，由于问题的复杂性、资源和数据的缺乏，规模化的准确洪水预测是不可能的。考虑到世界上只有少部分河流安装了流量计，这为发展中国家以及服务不足和弱势社区的人们增加了安全障碍。 在今天发表的一篇《自然》杂志的论文中，研究者们分享了人工智能如何帮助扩大洪水预测的规模，并为受气候变化影响最严重的地区提供帮助。研究发现，人工智能帮助他们提供了更准确的河流洪水信息，最长可预测到7天后。这使他们能够在80个国家的460万人口区域内提供洪水预测。在可能的情况下，他们还通过谷歌搜索、谷歌地图以及安卓系统通知提供预测信息。 论文在研究博客中有更详细的描述——展示了谷歌研究所开发的基于AI的全球水文技术，如何相对于当前最先进的技术显著提高洪水预测的准确性。这一点甚至对于那些可靠的洪水相关数据稀缺的国家也是有效的，使得在全球范围内扩展洪水预测成为可能。早期警报系统可以显著地帮助减少人员伤亡，而且更长的预警时间对社区非常有帮助。通过这些技术，他们平均将目前可用的全球即时预报的可靠性从零延长到五天，并且能够使用基于AI的预测技术在非洲和亚洲的部分地区改善预测，使其达到目前在欧洲可用的水平。 如今，这些信息可以被个人、社区、政府和援助组织用来采取预防措施，帮助保护弱势群体。达到这一成就并不容易，尤其是在数据稀缺和洪水影响特别大的地区。今天，随着最新论文的发布，研究团队回顾了他们使用人工智能准确预测河流洪水的旅程中的一些关键时刻： 他们的第一个试点项目在印度进行，从中学到了宝贵的一课。研究工作始于印度比哈尔邦帕特纳地区的初步试点。比哈尔邦是印度洪水灾害最严重的州之一，大量人口生活在反复发生的严重洪水威胁之下。通过与当地政府官员合作并使用当地的实时数据，他们在2018年将洪水预测整合进了谷歌公共警报中。 从历史事件、河流水 位读数到特定区域的地形和海拔等多种因素被输入预测模型。接着，他们在每个位置生成地图，并运行了高达数十万次的模拟，以创建河流洪水预测模型。 这种方法旨在为特定地点建立高度准确的模型，同时他们的目标是解决全球规模的问题。他们的假设是，机器学习可以帮助解决全球范围内扩大洪水预测的挑战。 随后，他们开始与研究和科学社区合作，旨在将最佳的基于水文物理的洪水模拟与他们的人工智能方法相结合。基于他们的研究和长短期记忆网络（LSTMs）在提供准确洪水预测方面的有望发展，他们开始构想一个全球性的端到端洪水预测平台，即使在缺乏洪水测量设施的世界地区也能提供可信赖和可靠的信息。 随着时间的推移，洪水预测得到了进一步扩展，但仍受限于本地数据的可用性。继印度初试成功后，他们逐步扩展了在该国和孟加拉的预测覆盖范围，覆盖了3.6亿人口。当时，他们能提供最多48小时的预测，这得益于他们预测技术的重大进步。但在每种情况下，他们的模型都依赖于本地流量数据的可用性，这使得将预测扩展到其他国家变得困难。 转向全球基于AI的洪水预测模型并扩展到超过80个国家意识到依赖本地数据的洪水预测存在的障碍以及人工智能研究的进步，他们的团队转向了一个雄心勃勃的全球模型。这需要使用全球数据来源来训练他们的模型，并使用LSTM网络，目标是预测即使在不提供本地流量测量的地区也能发生的洪水。 2022年，他们启动了Flood Hub平台，该平台在20个国家——包括15个非洲国家——提供预测，这些地区之前由于缺乏全球数据而严重限制了预测的进行。 一年后，即2023年，他们在非洲、亚太地区、欧洲以及南美和中美洲新增了60个国家的位置，覆盖了全球约4.6亿人口。如今，这些预测在Flood Hub上实时免费提供给许多发展中国家的弱势社区。多亏了他们全球基于AI模型的进步，现在非洲的洪水预测接近欧洲的水平。

沃尔玛最近宣布，为了解决食品和零售行业的浪费问题，他们决定利用人工智能来大展拳脚。这个大盒子零售巨头正在推出一种店内人工智能工具，可以帮助员工处理从香蕉成熟度到季节性时尚打折的一切事务。 这项由沃尔玛内部开发的人工智能技术，可以让员工扫描像香蕉这样的生鲜产品，通过生成性AI，数字仪表盘会提供处理建议，省去了人工决策的麻烦。Swati Kirti，沃尔玛国际科技数据科学高级主管表示，这种AI工具可以帮助员工进行数据驱动的主动决策，从而减少店内的浪费。 AI可能会建议员工调整价格，或者根据政策将产品退还给供应商，或者建议捐赠作为最佳处理结果。 不仅仅是食品，这种扫描器还可以用于季节性商品，如服装。Kirti指出，服装对季节变化非常敏感，迅速做出决策以减少浪费是非常重要的。 这个项目将很快在加拿大试点，希望不久后能扩展到其他国家。美国每年大约有6000万吨食品被丢弃，约占国家食品供应的40%，而且食品浪费是美国垃圾填埋场中占比最大的单一项目，约占市政固体废物的22%。沃尔玛的目标是到2025年在美国、加拿大和墨西哥消除运营浪费，这三个国家产生了其全球运营浪费的94%。 美国居民每年还丢弃约1130万吨的服装废物。Sravana Karnati，沃尔玛国际技术全球技术高级副总裁兼首席技术官表示，使用像我们的AI驱动的废物管理系统这样的工具有助于减少我们的环境足迹，减少社会资源的使用，同时帮助降低我们自己的运营成本。 此外，沃尔玛还实施了“回收”计划，允许顾客打包他们不再需要的旧衣物并寄送给沃尔玛。沃尔玛的慈善分支机构沃尔玛基金会还与Goodwill合作，回收无法销售的纺织品。 沃尔玛并不是唯一使用AI来解决店内浪费问题的公司，许多初创公司也在开发工具来解决这一日益增长的问题。例如，Winnow通过监控垃圾桶中的浪费帮助餐馆、酒店和零售连锁店优化他们的消费和采购；Shelf Engine则监控易腐食品的SKU（标准化产品代码），从而更容易追踪这些物品在变质之前的状态，并帮助避免热门商品缺货。

苹果公司最近真是大手笔地从谷歌公司挖来了一大批人工智能专家，这可是周二（4月30日）《金融时报》的猛料哦！他们不是随便翻了翻LinkedIn，而是认真分析了无数个人资料、职位空缺和研究论文。结果显示，苹果正在对AI和机器学习领域进行一场声势浩大的扩张，至少有三十六位专家从谷歌跳槽过去。 这帮大脑在加州和西雅图这些地方搞科研，但苹果在瑞士苏黎世也有一个重要基地。苏黎世联邦理工学院的Luc Van Gool教授透露，苹果收购了当地两家AI初创企业——虚拟现实团队FaceShift和图像识别公司Fashwell，这促使苹果在这座城市开设了一个名为“视觉实验室”的研究机构。 苹果在苏黎世的行动低调得很，连邻居们都没发现实验室的存在。不过这也符合苹果一贯对AI的神秘态度，他们总是对外保持沉默，而其他大科技公司则在推出新产品。 而且，最近PYMNTS还报道了苹果正在开发一个名为ReALM（语言建模中的参考解析）的AI系统，这系统能够解析模糊的指代和上下文线索，可能会“彻底改变语音助手的交互方式，甚至可能重塑商业景观”。这种系统通过将基于屏幕的视觉参考转化为语言建模任务来简化复杂的理解过程，使用的是大型语言模型，这是改善AI语音通信的一部分，可能会增强商业应用。 AI研究员Dan Faggella说：“如果我们能有更好、更快的客户体验，现在很多聊天机器人只会让客户恼火。但如果将来我们有AI系统能够礼貌地迅速解决问题，提升客户体验，很可能会转化为忠诚度和销售。” 此外，PYMNTS本周早些时候还报道了苹果即将到来的财报电话会议，尽管公司在硬件方面面临波动，但作为iPhone制造商，苹果正寻求扩大其生态系统。报道指出，一些可能被称为公司的“核心”或“主要”收入来源，如应用程序和iPhone，以及在中国市场的困难，可能会在某种程度上影响近期的前景。

Tableau, 在其年度用户会议——圣地亚哥举办的Tableau Conference上，推出了其生成式人工智能（AI）工具的新功能，包括辅助数据转换功能和一项使客户能够用自然语言探索指标的功能。Tableau目前的生成式AI（GenAI）产品包括Pulse和Einstein Copilot for Tableau。 Pulse是一个洞察生成器，它能自动地以自然语言向用户呈现和交付洞察，这一产品已于二月份正式推出。Einstein Copilot for Tableau是一个AI助手，当前处于测试阶段，并计划在今年夏天更广泛地发布，它使客户能够使用自然语言探索数据，推荐问题，并引导用户完成计算关键绩效指标（KPIs）和指标的复杂过程。AI辅助数据转换工具是Einstein Copilot for Tableau平台的一部分，计划与该工具一同在今年夏天正式发布。Pulse问答功能，允许客户用自然语言探索指标，现已正式推出，这是Pulse的一部分。随着Tableau在生成式AI能力方面的发展，其创新步伐与竞争对手相当，据Constellation Research的分析师Doug Henschen所说。 一些供应商，如MicroStrategy和Domo，已经推出了更多的正式可用功能。而其他一些则大多还处于预览阶段。然而，许多潜在用户对生成式AI仍持谨慎态度，因为它可能导致不准确的回应，进而引发财务和声誉损失。因此，无论这些工具是否可用，其采用率仍处于初级阶段。 Henschen表示：“Einstein Copilot for Tableau在某些正式发布的功能方面落后于其他供应商。但我与大多数客户交谈时发现，他们对GenAI持保守态度……我认为企业将想要确保在广泛部署基于GenAI的功能之前，他们对真实性、数据隐私和安全措施感到满意。” 除了新的生成式AI功能外，Tableau还公布了与Databricks的合作关系扩展以及Tableau Public的新功能，Tableau Public是该供应商平台上的一个免费环境，用户可以在其中分享他们的工作。 随着Tableau开发生成式AI能力，该供应商现正处于CEO Ryan Aytay所说的分析的第三波。 第一波是全面服务的BI，数据完全由训练有素的专家掌握。第二波是自助服务BI，数据对接受数据素养培训的自助服务用户开放。第三波关注个性化，供应商能够利用AI为每个用户创建量身定制的分析体验。 Aytay说：“Tableau的未来全在于提供具有深入可视化、数据目录和数据准备功能的分析工具。但它也关于为每个用户带来数据和AI。”他补充说，“我们在前进的过程中将同时做到这两点。” 考虑到为每个用户提供数据和AI，Tableau Pulse现在包括Pulse问答功能。此功能使客户能够用自然语言询问他们的业务指标问题，对此功能将针对该特定指标提供洞察。 此外，在新的Pulse功能中，包括指标助推。这一功能允许用户将计算保存到Tableau的指标层，以便他们能够随着时间追踪和监控指标，并促使Pulse基于这些指标向用户推送洞察。Pulse现在还包括指标目标，它让客户可以将目标进展与目标进行比较。 根据Tableau的说法，Pulse已被5000名客户采用。 与此同时，它的功能进一步推动了Tableau使分析工具能够为组织内可以从数据中受益的每个人所用的目标，Henschen说。“Pulse在它确实是一种新的、民主化的BI形式方面脱颖而出，”他说。“它是一个更易使用、直截了当的界面，与被理解为对商业用户重要的策展指标相关。”类似于Pulse，Einstein Copilot for Tableau中的新功能旨在为每个用户提供数据服务，包括AI辅助数据转换和与Tableau目录的Einstein Copilot共同使用。AI辅助数据转换使客户能够自动化数据转换流程，并提供分步建议。使用Einstein Copilot与Tableau目录共同使用，用户可以自动创建其数据的描述，使数据稍后更容易找到和探索。这些功能是有益的，但据Henschen说，因为它们至少还需要几个月才能普遍可用，它们不像现在已被数千名客户使用的Pulse的功能那样立即显得重要。Henschen说：“Einstein Copilot很重要且前景广阔。”“但它目前仍处于测试阶段，所以它不如Pulse重要。” 除了增加自己的生成能力外，Tableau还公布了与Databricks的扩展合作关系，Databricks在过去一年中积极构建了一个用于生成式AI模型和应用开发的环境。合作关系现在包括Tableau Delta Sharing和Explore in Tableau，两者都旨在帮助Tableau和Databricks的用户加快发现洞察和做出数据驱动决策的时间，据Tableau的首席营销官Elizabeth Maxson Martinet说。Tableau Delta Sharing是一个连接器，使联合用户能够在Tableau和Databricks环境之间共享数据，以消除复制数据的需要，通过集中访问管理改善治理，并促进组织内部及与外部合作伙伴的协作。Explore in Tableau则使联合客户能够连接到实时数据源，而无需离开他们的Tableau环境。 Maxson说：“[扩展的合作关系]将有助于实时简化数据探索和分析。” Henschen则表示，鉴于Databricks在过去一年中开发了传统AI、生成式AI和机器学习的环境，Tableau与Databricks之间的紧密关系对这两个供应商的客户来说是一个加分项。在过去的10个月里，Databricks以13亿美元收购了MosaicML，进行了三次更多的收购以增加AI开发能力，与生成式AI开发商Mistral AI合作，开发并推出了两个大型语言模型，并推出了一套辅助AI开发的工具。 Henschen说：“Databricks在独立的分析数据平台中领先，推动AI、ML和GenAI以及BI。”“很高兴看到与Databricks的更紧密整合。”除了生成式AI之外，Tableau还更新了其平台，包括现在不仅仅是分享可视化的Tableau Public的更新版本。Tableau…

​  AWS最近宣布Amazon Q正式上线，这是目前市场上最先进的生成式人工智能（AI）助手，旨在加速软件开发并利用公司内部数据。 Amazon Q不仅能生成高度准确的代码，还能进行测试、调试，并具备多步骤规划和推理能力，能够根据开发者的请求转换和实施新生成的代码。Amazon Q还通过连接到企业数据仓库，使员工更容易获得关于公司政策、产品信息、业务结果、代码库、员工及许多其他主题的问题答案，从而逻辑总结数据、分析趋势并就数据进行对话。 “Amazon Q是目前市场上最先进的生成式AI助手，具有业界领先的准确性、高级代理功能和一流的安全性，帮助开发者提高生产力，帮助商业用户加速决策制定，”AWS人工智能与数据副总裁Swami Sivasubramanian博士表示。“自从我们在re:Invent活动上宣布这项服务以来，我们对开发者和商业用户所看到的生产力提升感到惊讶。初步迹象表明，Amazon Q可能帮助我们客户的员工在工作中的生产力提高超过80%；而且随着我们计划在未来推出的新功能，我们认为这一数字还将继续增长。” 今天的公告包括Amazon Q Developer和Amazon Q Business的正式上线，以及新的Amazon Q Apps功能（预览版）。以下是它们的简要介绍： 如今，开发者估计只有30%（或更少）的时间花在编码上，其余时间则花在执行单调重复的任务上。开发者还必须管理基础设施和资源、排除故障并解决错误，了解操作成本。当他们更换项目时，他们需要花时间学习现有的代码库以理解其编程逻辑。最后，还有所有的测试和重构代码、升级应用、调试和优化工作，以及通过进行漏洞扫描和及时应用适当的安全修复来确保安全。公司希望赋予开发者更少时间处理这些编码杂务，更多时间创造独特的用户体验，同时能够更快部署。 Q协助开发者和IT专业人员（IT专业人员）完成所有任务——从编码、测试、升级应用程序，到故障排除、执行安全扫描和修复，以及优化AWS资源。 Amazon Q Business使员工更具数据驱动力，利用公司数据做出更好的决策组织拥有分布在多个文档、系统和应用程序中的大量数据。每个组织和部门的员工每周都要花几个小时搜索内部信息来源，拼凑分析、撰写报告、制作演示文稿、从仪表板收集洞察力，并为不同的受众调整内容。 在QuickSight中使用Amazon Q的提示图像。用户正在要求Q将图表更改为表格。 QuickSight中的Amazon QAmazon Q Business是一个生成式AI助手，可以回答问题、提供摘要、生成内容，并基于企业系统中的数据和信息安全地完成任务。它使员工更具创造性、数据驱动力、效率、准备充分性和生产力。Amazon Q还将其先进的生成式AI技术带入Amazon QuickSight，这是AWS为云构建的统一商业智能（BI）服务。通过QuickSight中的Amazon Q，客户获得一个生成式BI助手，允许业务分析师使用自然语言在几分钟内构建BI仪表板，并轻松创建可视化和复杂计算。 Amazon Q Apps使员工能够使用自然语言安全地构建自己的生成式AI应用程序 作为Amazon Q Business的一项新功能，Amazon Q Apps让员工可以使用公司数据构建生成式AI驱动的应用程序，而无需任何编码经验。员工只需用自然语言描述他们想要的应用类型，Q Apps将快速生成一个完成其所需任务的应用，帮助他们以轻松高效的方式简化并自动化日常工作。 作为亚马逊“AI Ready”倡议的一部分，旨在到2025年为全球200万人提供免费AI技能培训，AWS已经推出了两个免费的、自定进度的数字课程，帮助现有和未来的劳动力利用Amazon Q。《Amazon Q简介》提供了关于Amazon Q的高层概述，包括用例和益处，而《Amazon Q Business入门》向开发者和技术受众介绍Amazon Q Business的功能和用例，并解释如何使用Amazon Q构建聊天机器人。 Self-paced digital training on AWS –…

科技界近日因苹果公司即将推出的处理器技术革新——M4系列而沸腾。尽管M3系列还非常新鲜，但苹果公司已经准备用全新的方式领先游戏——这将是一次大胆的尝试，其权利在于重新定义现有技术的未来。在接下来的内容中，我们将从宏观角度探讨这一变革的影响，以及这些芯片首次亮相对用户和整个行业意味着什么。 为什么急于推出M4? 苹果公司迅速过渡到M4系列，这是一种利用最新半导体技术进步的战略行为。这一过渡使苹果公司准备成为第一家与台湾半导体制造公司（TSMC）合作，使用尖端3nm工艺技术的主要科技企业。这远不止是提速或延长电池寿命那么简单；它关乎一种新的思考方式，即性能和效率如何在计算机硬件中共存。这一尝试性过程显示了苹果公司保持科技领先地位的承诺：始终准备在这个快速变化的行业中进行创新和变革。 硅幕后即将推出的M4芯片将使用TSMC的改进版N3E技术，相较于过渡期的N3B有所提升。这不仅仅是减少纳米米数，实际上还涉及完全重新设计晶体管的放置和功能方式。更高的晶体管密度使芯片在使用更少的能量的同时，能够处理更多操作并提高速度。这些改进非常重要，因为随着时间的推移，它们确实有助于设备的整体寿命，有助于减少热量输出，并使生产更小但更强大的苹果产品成为可能。本章描述了这些进步的技术和潜力，以革命性地改变苹果产品线的各个方面。 能量主导者：解码M4变种 出于战略考虑，苹果通过推出多样化的Donan、Brava和Hydra芯片变种，反映了其在为不同类型用户规划产品时的多样化方法。预计Donan芯片将支持更轻的设备，如MacBook Air和入门级MacBook Pro，并在能效和处理能力上实现实质性改进。Brava针对更严肃的专业应用，可能会为M4 Pro和M4 Max芯片提供在图形和计算能力上的大幅升级。Hydra旨在为苹果的最高端机器提供顶级性能，包括Mac Pro和传闻中的M4 Ultra。每种变体都代表了一次技术飞跃，并满足市场细分，确保所有用户都能访问定制的尖端功能。 AI在核心 M4系列在硬件中整合AI方面应该是一个很大的进步。M4芯片本身的神经引擎运行速度将比以前的M3芯片快60%，这意味着M4系列在机器学习能力上应该会有很大的提升。这一创新将使它变得生动而精准，改变人们使用系统的动态，包括通过预测性打字和实时翻译中的先进面部识别进一步改进。随着AI在用户体验中扮演越来越核心的角色，苹果专注于提升神经引擎的性能可能实际上会设定新的消费者基准，让设备从工具变为智能的互动朋友。 苹果硅片的未来何去何从? 如果苹果开始推出M4变体，M3 Ultra可能会成为历史，这意味着前瞻性的思考。这将引发涟漪效应，不仅在产品供应方面，还在消费者期望和因此在整个行业基准中进行的变革方面。”随着苹果硅技术的持续发展，它对软件开发、应用功能以及多媒体内容的消费和创造方式的影响将是巨大而广泛的。有了这些M4芯片，可能会有一个新的计算时代，预期的界限在硬件性能和软件创新之间融合。

过去两年里，生成性AI作为开发环境中的一项工具，从根本上改变了开发者的工作场景。2022年，我们推出了GitHub Copilot，这是一种在编辑器中的自动完成配对编程工具，提升了高达55%的开发者生产力。如今，Copilot已成为最广泛使用的AI开发工具。到了2023年，我们又推出了GitHub Copilot Chat——解锁了在编码、调试和测试中使用自然语言的能力——允许开发者实时与代码对话。 在去年GitHub Universe的早期展示后，今天，我们正重新想象开发者体验的本质，推出了GitHub Copilot Workspace的技术预览版：一个原生支持Copilot的开发环境。在Copilot Workspace中，开发者现在可以用自然语言进行头脑风暴、计划、构建、测试和运行代码。这种新的以任务为中心的体验，从头到尾利用不同的Copilot驱动代理，同时让开发者完全控制整个过程。 Copilot Workspace代表了一种全新的、使用自然语言构建软件的方式，它专门设计来提供（而非替代）开发者的创造力，使开发更快、更简单。通过Copilot Workspace，我们将赋予经验丰富的开发者作为系统思考者的能力，并大幅降低进入软件构建领域的门槛。 欢迎来到新开发环境的第一天。以下是它的工作方式： 一切从任务开始……从一个任务开始。从GitHub问题、拉取请求或仓库打开GitHub Copilot Workspace。（octoacademy仓库中的问题截图。） 对开发者来说，进入门槛几乎总是从开始就设置了障碍。想想你在一个大项目、功能请求或甚至是报告错误的第一步时常常遇到的障碍，仅仅因为你不知道如何开始。GitHub Copilot Workspace就在起点处迎接开发者：一个GitHub仓库或GitHub问题。通过利用Copilot代理作为第二大脑，开发者从一开始就有了AI的帮助。 …Workspace构建完整计划从你的任务进展到一个规范，概述你希望用Copilot Workspace实现的目标。步骤是可编辑的，使你能够对想法进行迭代。 从那里开始，Copilot Workspace提供了一个一步步的计划来解决问题，这些计划基于对代码库、问题回复等的深入理解。它提供了你需要的一切来验证计划，并以自然语言的形式测试代码。 而且完全可以编辑……然后调整你的行动计划，添加步骤和一般注释。计划实施后，你可以查看PR差异视图并根据需要进行编辑。 GitHub Copilot Workspace提出的所有内容——从计划到代码——都是完全可编辑的，允许你迭代直到对前路充满信心。你保留了所有的自主权，而Copilot Workspace减轻了你的认知负担。一旦你对代码感到满意，你可以使用集成的终端来运行单元测试、构建和适当的检查。一旦你对计划感到满意，你可以直接在Copilot Workspace中运行你的代码，跳入底层的GitHub Codespace，并调整所有代码更改直到你对最终结果感到满意。你还可以通过链接即时与你的团队共享工作区，以便他们可以查看你的工作甚至尝试他们自己的迭代。 然后剩下的就是提交你的拉取请求，运行你的GitHub Actions，进行安全代码扫描，并请求你的团队成员进行人工代码审查。最棒的是，他们可以利用你的Copilot Workspace来看到你是如何从想法到代码的。 另外：GitHub Copilot Workspace也支持移动设备而且因为灵感随时可能到来，GitHub Copilot Workspace被设计为可以在任何设备上使用——无论是在桌面、笔记本电脑上，还是在外出时，都能实现真正的开发环境。