AI TrendTrackers

许多人认为，四十多岁是创业的最佳时期。这个阶段，既有丰富的经验，财务状况相对稳定，又渴望迎接新的挑战。听起来确实很有道理。四年前，有人带着这样的信念，全身心投入，开始打造自己的梦想事业。结果证明，这份努力并非徒劳，业务成功实现盈利，年收入达到六位数。 然而，仅仅三个月前，这个事业的主人却选择了放手。 回过头来看，如果能重新来过，也许最重要的建议就是：别把所有的一切都押上。 首先是身体上的挑战。无可否认，年龄增长带来了改变。年轻时，熬夜是家常便饭，即使只睡四个小时，也能咬牙完成任务。但现在，少于六个小时的睡眠就会让整个人无精打采。有时候甚至需要小睡恢复体力，哪怕只是短短的30分钟车程，也能让人感到疲惫不堪。这让人不禁感叹，那些长途卡车司机是如何坚持下来的。 其次是心智的压力。科学研究表明，45岁之后，大多数人的学习和思考能力开始逐渐下降。而这一点在创业初期尤为明显。当时，很多新事物需要学习，比如如何利用社交媒体引流、搭建自动化系统、管理表格，甚至计算损益。这些对一个没有相关背景的人来说都是全新的领域，学习起来需要投入大量时间和精力。虽然随着年龄增长，思维敏捷度有所下降，但通过多年的经验积累和勤奋努力，依然能够迎难而上。尽管效率不如年轻人，但坚持的毅力弥补了很多不足。 财务风险是创业过程中不可忽视的难题。即便选择了低成本的模式，比如手工制造，依然面临培训、系统建设、原材料采购等高额支出。随着业务规模扩大，开销也随之增加。没有稳定的收入来源时，很多人只能动用存款来支撑业务，同时还要储备资金应对突发状况。比如货运延误导致销售中断、额外的关税挤压利润空间、快递遗失包裹需要重新生产等问题。更糟糕的是，有些人因为货物质量问题直接损失了数万美元。 面对这种财务上的不确定性，很多人被迫压缩开支。度假成为奢侈，日常消费也小心翼翼，甚至开始担忧未来是否能存够养老金。与其冒险，不如更理性地规划自己的财务状况。 此外，还需要为自己留一条退路。在二三十岁时，创业失败后可以轻松重返职场。但到了四十多岁，这样的灵活性就大打折扣。一方面，职业空窗期可能让求职者显得“脱节”；另一方面，即使愿意从基层做起，也可能因为“过度资历”而被拒绝。许多数据显示，大部分人的收入高峰期在45岁到54岁之间。一旦错过这个关键阶段，职业发展轨迹基本定型。 创业并非没有价值。它教会了人们普通工作无法传授的生存技能，磨炼了心态和行动力，让人变得更加成熟。然而，如果有人告诉你“40多岁是创业的最佳时间”，请务必谨慎思考，尤其是不要把所有的积蓄押在一个不确定的项目上。这是一次深刻的教训，特别是在财务层面。幸运的是，有人最终回归全职工作状态，重新找到平衡，并对退休规划充满希望。 未来是否会再次创业？可能会，但下次一定会更加小心，不会轻易孤注一掷。

两年前，ChatGPT 的推出堪称人工智能研究的分水岭，不仅重新定义了面向消费者的 AI，也激发了各类企业探索 GPT 或类似模型如何在各自的业务场景中发挥作用。转眼到了 2024 年，如今语言模型生态系统蓬勃发展，无论是敏捷的初创企业还是大型企业，都在结合诸如检索增强生成（RAG）等方法，用于内部协作助手和知识搜索系统。 AI 的应用场景呈指数级增长，与之匹配的企业级生成式 AI 项目投资也在迅速增加。毕竟，这项技术每年预计为全球经济贡献 2.6 至 4.4 万亿美元。不过，当前的生成式 AI 还只是第一波浪潮。 下一阶段：迈向“代理系统” 最近几个月，许多初创公司和大企业（如 Salesforce 和 SAP）开始迈向“代理系统”的新阶段。这些代理不仅能够基于内部知识（通过 RAG）回答关键业务问题，还能作为自主的任务导向型实体，根据指令或情境决策、制定详细的行动计划，并在数字环境中灵活执行任务，比如使用在线工具、API 等。 这种转变标志着 AI 从单纯的自动化向高度自主化发展的重大飞跃。企业可以轻松部署虚拟助手军团来处理各种任务，例如订票或跨数据库数据迁移，大幅节省时间。根据 Gartner 的预测，到 2028 年，企业软件应用中将有 33% 集成 AI 代理（目前不足 1%），而这些代理将自主做出约 15% 的日常业务决策。 但问题来了：既然 AI 代理前景如此广阔，企业如何将其融入技术栈，同时保证高精准度？毕竟，没有企业愿意看到 AI 系统因无法理解业务细节而犯错。 数据策略：AI 成功的核心 对此，Google Cloud 数据分析副总裁 Gerrit Kazmaier 强调，关键在于构建完善的数据策略。他表示：“数据管道必须从‘存储和处理数据的系统’演进为‘创造知识和理解的系统’。这意味着要从单纯收集数据转向精心策划、丰富和组织数据，以支持大型语言模型（LLM）成为值得信赖的智能业务伙伴。” 为 AI 代理构建数据管道 过去，企业主要依赖结构化数据（表格形式）进行分析决策，但这只占了实际数据的…

关于人工智能领域，有两件事是毋庸置疑的。其一，这个行业正在以惊人的速度飞跃发展。其二，成千上万的客户已经在使用微软的人工智能技术，通过早期押注这些平台，不仅获得了巨大的当前收益，也为未来的人工智能升级浪潮奠定了基础。 在微软每年的旗舰活动Ignite大会上，客户、合作伙伴和开发者将齐聚一堂，探索如何充分释放微软技术的潜力，重新定义工作方式。今年大会发布了约80款全新产品和功能，包括Microsoft 365 Copilot的最新升级、Copilot+AI技术堆栈的新功能，以及全新的Copilot+设备方案。所有创新的核心，是微软对安全性的承诺。一年前启动的“安全未来计划”（Secure Future Initiative，简称SFI），让安全成为微软每位员工的首要任务，34,000名工程师专注于此。在本次Ignite大会上，微软将推出符合SFI原则的创新技术，全面贯彻“设计即安全、默认即安全、操作即安全”的理念。 今年的Ignite吸引了超过20万注册者，其中有14,000多人亲临芝加哥的线下活动。参与者可从800多个会话、演示和专家实验室中选择，无法现场参会的用户还可以通过点播形式获取绝大部分内容。 Microsoft 365 Copilot：势不可挡的AI助手 Microsoft 365 Copilot作为工作场景中的AI助手，正在引领行业趋势。据统计，近70%的《财富》500强企业已经在使用Microsoft 365 Copilot。研究机构IDC的一项调查显示，生成式人工智能的采用率已在2024年达到75%，企业每投资1美元，就能获得3.7美元的回报，部分领导者甚至称其回报高达10倍。 案例中提到的用户成果令人印象深刻： 微软正在持续扩展Copilot的生产力功能，例如通过“Copilot Actions”简化日常任务，或通过SharePoint智能助手、实时语言翻译和员工自助服务代理等新功能，帮助企业以更高效的方式完成工作。 Copilot + AI 堆栈与Azure AI Foundry 为支持用户设计和管理更先进的AI应用，微软推出了Azure AI Foundry。这一统一平台提供了包括预制应用模板、简化编码工具以及集中管理功能等一系列资源，帮助开发者和企业以负责任的方式扩展AI应用。 此外，新功能还包括专注于安全与合规的AI报告和图像内容风险评估工具，为组织创建更透明、更安全的AI使用环境。 Copilot+设备：云端新时代 微软正在扩展其云PC解决方案，推出了一款全新设备——Windows 365 Link。这是一款专为连接Windows 365设计的设备，确保用户能够在几秒内安全访问云端桌面。定价为349美元，预计2025年4月开始销售。 Windows 365 Link没有本地数据或应用，用户无需本地管理员权限，从设计上确保数据留存在微软云中。此外，原生处理单元（NPU）的引入，将带来更高效的AI本地化处理能力。 与BlackRock的合作与安全承诺 在安全领域，微软宣布举办史上最大规模的公开安全研究活动——Zero Day Quest。这一专注于AI和云安全的赛事将提供400万美元的奖金池，旨在吸引全球顶尖的安全人才解决关键问题。 与此同时，微软推出了全新的“安全暴露管理”功能，结合微软的图数据和客户的第三方安全工具，帮助团队可视化潜在攻击路径，从而阻止威胁入侵。 更多创新与未来展望 本次Ignite的亮点不仅限于此。通过大会主旨演讲，用户可以深入了解微软领导团队如萨提亚·纳德拉和其他高管分享的前瞻观点。此外，“Book of News”也将为大家提供关于所有公告的完整汇编，供用户进一步探索。 通过这些新发布的技术与创新，微软正在为AI驱动的未来开辟全新道路，让技术成为更广泛社会变革的推动力。

企业界如今对 AI 代理充满热情，但业务领导者更关注实际成果和相关用例，而非那些仍显未来化的概念。他们需要易于部署和使用的工具，并希望这些工具支持他们偏好的模型或技术架构。 微软在 Microsoft Ignite 2024 大会上宣布，Microsoft 365 Copilot 引入了全新的无代码和低代码功能，能够满足企业的这些需求。用户现在可以创建自定义的自主代理，或者直接部署现成的专用代理。这些代理支持“自带模型”设置，能接入 Azure AI 库中超过 1800 个模型。 微软 AI 和研究部门企业副总裁 Lili Cheng 表示，企业已进行了大量的 AI 实验，现在希望能够衡量和理解代理如何帮助提升效率、改善性能并降低成本与风险。微软推出的新功能正是为了帮助企业扩展 Copilot 的应用规模。 据 IDC 预测，未来 24 个月，越来越多的企业将构建定制化的 AI 工具。从 Salesforce 和 Snowflake 等科技巨头到 CrewAI 和 Sema4.ai 等小型平台，供应商正在加速推动市场变革。微软的新功能则进一步支持企业“自带知识”和“自带模型”的需求，让用户能够安全地使用专有数据，灵活组合和测试不同模型，避免被单一平台束缚。 通过 Copilot Studio，用户可以使用模板快速创建常见场景的代理（例如销售订单代理和交易加速器代理）。对于更高阶的开发者，微软还提供了全新的 Agent SDK（目前为预览版），支持开发完整的多渠道代理，能与 Microsoft 服务、第三方服务以及网页渠道集成。 Azure AI Foundry 的新功能支持用户添加自定义搜索索引作为知识来源，并通过 SDK 提供简化的开发和管理工具链，适用于定制和部署 AI…

微软 Ignite 2024 大会正式召开，为开发者和 IT 专业人士带来一系列新功能的亮相，涵盖 Windows、Microsoft 365、Azure 以及 AI 的最新进展。今年大会依旧聚焦人工智能，彰显微软的技术前沿实力。 Windows 11 将迎来任务栏的全新升级，新增 Microsoft 365 助手功能。用户可以通过任务栏快速访问联系人、文件和日历，显著提升工作效率。微软 Windows 负责人 Pavan Davuluri 表示，这些数据只需点击即可获取，极大简化日常操作。 微软计划在未来几个月内更换 Microsoft 365 应用图标，新图标与 Copilot 设计一致，取代现有的蓝紫配色。这一品牌调整引发了用户对 Copilot 定位的进一步关注。 Azure AI Foundry 平台全新上线，旨在帮助企业高效管理 AI 工具，将前沿技术与实际业务场景结合，释放 AI 的全部潜能。微软表示，这个平台将成为企业迈向智能化的重要桥梁。 Windows 的完整功能将于 12 月支持 Meta Quest 3 混合现实设备。用户可以通过头显实现多屏工作站体验，开启全新的生产力模式。不过，Windows 体积化应用的具体发布时间仍在等待进一步确认。 微软宣布推出全新黑客活动“Zero Day Quest”，规模为业内最大。活动聚焦云和 AI 安全漏洞研究，总奖金高达 400 万美元。微软工程副总裁 Tom…

Google最新推出的Gemini功能可以“记住”用户的一些信息，比如兴趣爱好和个人偏好。这项更新目前正在向拥有Gemini Advanced访问权限的订阅用户逐步推送。根据Gemini的最新发布说明，这项功能将帮助AI聊天机器人根据用户需求量身定制响应内容。 Google表示，用户在与Gemini聊天时，可以分享关于工作、兴趣、爱好甚至未来目标的相关信息。此外，还可以通过机器人内的“保存信息”页面手动输入一些重要细节，比如让它只推荐素食食谱，或者告诉它你是一名会计师。 值得一提的是，用户可以随时在“保存信息”页面查看、编辑或删除Gemini所收集的数据。每当Gemini在回复中使用了用户提供的信息时，系统会进行标注。目前，Gemini Advanced功能需要订阅Google One AI Premium才能使用，并且暂时只支持英文版本。 OpenAI方面也不甘示弱，今年4月就为ChatGPT Plus用户上线了类似的记忆功能。与Gemini类似，ChatGPT也能够记录用户在对话中提到的信息，比如最喜欢的食物或养了什么宠物。两家巨头在AI个性化服务上的较量正在逐步升温。

要点总结： 由亚马逊支持的AI初创公司Perplexity，近期正式进军电商领域，推出全新购物功能“Perplexity Shopping”。目前，这项功能已面向美国的Pro订阅用户陆续开放，目标是将AI搜索技术与在线购物相结合，创造一站式消费体验。 根据Perplexity周一发布的博文，用户无需跳转至其他网站即可在平台内浏览商品信息并完成购买。当用户输入查询内容时，系统会生成产品卡片，显示价格、卖家等详细信息，方便消费者直接比较选购。 高效便捷的购物功能 除了产品卡片，“Perplexity Shopping”还提供了一键结账功能，适用于已保存支付信息的用户。另一个亮点是“Snap to Shop”功能，用户只需上传图片，系统即可定位相关商品。这一功能与亚马逊的视觉搜索工具Amazon Lens有异曲同工之妙。 拒绝广告，靠AI说话 在产品推荐方面，Perplexity表示将依托AI分析平台内的真实用户评论，而非使用其他电商平台常见的赞助内容。公司希望通过此举提升推荐的公正性和可靠性。 为进一步丰富产品选择，Perplexity还推出了“商家计划”，允许零售商上传更详尽的商品信息，以提高曝光度。 AI搜索市场竞争激烈 此次扩展电商功能正值AI搜索领域风云变幻之际。谷歌正在大力升级其AI搜索功能，OpenAI则在其ChatGPT聊天机器人中引入了搜索引擎模块。 虽然Perplexity CEO阿拉温德·斯里尼瓦斯（Aravind Srinivas）表达了公司希望超越“单纯搜索工具”的雄心壮志，但这项新购物功能能否真正赢得用户青睐，仍有待观察。

在本周于亚特兰大召开的SC24大会上，最新发布的11月Top500超级计算机榜单成为焦点。这份榜单的变化比5月ISC24大会期间公布的榜单要大得多，新上榜的机器中涌现出许多引人注目的发展。 最大的新闻无疑是由惠普企业（HPE）打造、采用AMD混合CPU-GPU计算引擎的“El Capitan”系统正式上线。这台备受期待的超级计算机毫无悬念地登顶榜单，且远超美国国内竞争对手以及传闻中的中国千万亿次级计算机的规格。 El Capitan：榜单新霸主 El Capitan系统的一部分（目前尚未完全测试）包含43,808块AMD“Antares-A”Instinct MI300A计算设备，已经由劳伦斯利弗莫尔国家实验室进行了多个基准测试，包括自1993年以来用于排名超级计算机的高性能Linpack（HPL）测试。 测试结果表明，El Capitan的这部分系统理论峰值性能达到2,746.4千万亿次浮点运算（petaflops），远高于此前预测的2.3至2.5百亿亿次（exaflops）。其HPL测试的峰值持续性能为1,742千万亿次，计算效率为63.4%。这接近加速系统初上市时的预期效率水平（65%左右）。未来，随着系统的全面测试和优化，这一效率和性能可能会进一步提升。 MI300A处理器于2023年12月首次亮相，其兄弟型号MI300X则专注于GPU计算，未包含CPU核心。而MI300A结合了三颗芯片封装的24核“Genoa”Epyc核心和六颗Antares GPU流处理器芯片，主频1.8 GHz。通过HPE的“Rosetta”Slingshot 11以太网互连技术，这些计算设备被无缝连接起来。 测试中的部分El Capitan系统包含约105万颗Epyc核心和近1,000万GPU流处理器。这种并发计算能力的规模虽然庞大，但并非前所未见。例如，中国无锡国家超级计算中心的“太湖之光”超级计算机就拥有1,065万颗核心，自2016年上榜以来仍排名全球第15位。 榜单趋势：AMD崭露头角 最新榜单的61台新机器中，AMD成为最大的赢家，新增的计算能力主要来自搭载AMD Instinct MI300A的系统。这些系统总共贡献了5,211.6千万亿次的新增理论峰值性能，其中60.1%来自El Capitan及其小型版本。这让AMD在新增计算能力中占比达到72.1%，彻底击败了Nvidia。 相比之下，Nvidia在榜单中的新增能力显得逊色许多：基于Grace-Hopper架构的新系统仅占新增计算能力的3.8%；搭载Nvidia GPU的系统总共贡献了39%的新增能力，包括Intel Xeon CPU和Nvidia GPU组合，以及AMD Epyc CPU和Nvidia GPU组合的多个系统。 值得注意的是，其他基于AMD CPU与MI250X GPU的系统，如意大利Eni SpA公司部署的HPC6，也对榜单做出了重要贡献，这些系统总共提供了619.3千万亿次性能。 榜单全貌：AMD领先Nvidia 当前榜单中共有209台加速系统，这些系统占榜单总机器数量的41.8%，但贡献了83.4%的总计算能力。在这些加速系统中，AMD GPU驱动的系统仅占9.1%，但其贡献的64位浮点性能占比高达44.9%。相比之下，Nvidia GPU尽管占据87.6%的加速系统，但其贡献的性能仅占40.3%。 从整体来看，榜单中的加速系统拥有55.4%的总核心数和流处理器，总计约1.286亿个核心。 突破与挑战：超算的未来 尽管El Capitan的出现标志着超算迈向新高度，但突破千万亿次级计算仍然面临预算和功耗的限制。尽管中国的“天河-3”和“海光”超级计算机据传早已实现千万亿次性能，但未正式提交HPL测试结果，因此未能进入榜单。 目前，入榜Top500的门槛已提高到2.31千万亿次，Top100的门槛则达到12.8千万亿次。然而，小型HPC中心新增计算能力的速度远不及大型系统，难以支撑榜单的整体性能翻倍增长。未来，要让更多超算进入榜单，不仅需要技术突破，更需要降低系统的成本和功耗。 AMD的强势表现标志着一个新时代的开始，但超级计算的竞争格局仍在不断演变。

法国AI初创企业Mistral近日发布了一系列新功能，力图将其聊天机器人“Le Chat”（法语意为“猫”）打造成一个功能全面的工作助手，同时挑战其主要竞争对手ChatGPT的领先地位。 Le Chat的新功能包括能够像ChatGPT一样浏览网页，并附带引用提供搜索结果。此外，它新增了一个由AI图像生成工具Black Forest Labs支持的设计功能，用户可以通过文本或语音命令，创建、编辑、预览并转换各种内容，如网页、数据可视化和PowerPoint演示文稿。 不仅如此，Le Chat还能够分析并总结复杂的PDF文件、大型图像、图表和方程，提供关键见解——这一功能与ChatGPT极为相似。 不过，有一项突破性功能是ChatGPT目前无法实现的：Le Chat可以自动化处理重复性工作，比如发票处理或报告生成，能够自主完成多步骤任务。这一差异化功能让Le Chat在某些领域表现出潜在优势。 虽然有传闻称，ChatGPT也在计划引入类似的自动化功能，但目前尚未推出。 Mistral正通过这些新功能争夺市场份额，未来AI助理领域的竞争势必更加激烈。

人工智能聊天机器人在医疗诊断上的表现远超医生，这一发现引发了医学界的震动。在一项实验中，即使医生使用ChatGPT进行诊断辅助，其表现也仅比未使用AI的医生稍好。而更令人意外的是，单独依靠ChatGPT，诊断准确率竟然胜过所有医生。 波士顿贝斯以色列女执事医疗中心的内科专家Adam Rodman博士原本认为，AI聊天机器人可以帮助医生更好地诊断疾病。然而，研究结果令他大为震惊。在这项实验中，ChatGPT在诊断病例时的平均得分为90%，而使用ChatGPT的医生得分仅为76%，没有使用AI的医生得分为74%。 Rodman博士表示，这项研究不仅展示了AI的优越性能，还揭示了医生在面对更优诊断建议时，常常对自己的判断过于自信而不愿接受AI的意见。 研究背后的实验细节 这项研究招募了50名医生，涵盖住院医师和主治医生，由多个美国大型医院系统参与。实验中，研究人员为医生提供了六个病例，要求他们列出可能的诊断并说明支持或反对这些诊断的理由，最终还需提交一个明确的诊断结果以及额外的诊断步骤。 所有病例基于真实患者病史，选自自上世纪90年代以来用于研究的105个经典病例。这些病例从未公开，以确保测试者无法提前获取相关信息，同时也排除ChatGPT曾被训练过这些病例的可能性。 一个测试案例涉及一名76岁的男性患者，在接受冠状动脉血管成形术后几天内出现下背部和腿部剧烈疼痛，同时伴随疲劳和发热。实验提供了详细的体检和化验数据，正确诊断为胆固醇栓塞。然而，无论是否使用AI，医生在这些复杂但并非极罕见的病例上普遍表现不佳。 AI诊断为何胜过医生？ 研究发现，问题的核心在于医生如何诊断病情以及他们如何使用AI工具。 Brigham妇女医院的医学史学者Andrew Lea博士指出，医生的诊断过程往往很模糊，许多人依赖直觉或经验，这种不明确的思维方式使得模拟医生诊断逻辑的AI系统难以设计。 然而，与早期的诊断程序不同，基于大语言模型的AI（如ChatGPT）并未试图模仿人类的思维方式，而是通过对语言的预测能力来实现诊断功能。这种聊天界面使AI能够快速处理整个病例历史并给出全面的诊断建议，突破了传统系统的限制。 尽管如此，研究还揭示了一个重要问题：很多医生并未充分利用AI的能力。数据显示，医生通常只是将ChatGPT当作搜索引擎，通过提出直接的问题来获取答案，而很少有人意识到可以将整个病例历史复制粘贴给AI，要求其给出完整的诊断分析。这导致医生错过了AI提供的全面、智能的答案。 人为偏见与AI潜力 研究还发现，即使AI指出了与医生诊断不一致的细节，许多医生仍坚持自己的结论，不愿采纳AI的建议。Erasmus医学中心的诊断学专家Laura Zwaan表示，这种现象背后是人类的过度自信，“人们通常在自认为正确时对自己的判断过于确信”。 与此同时，信任问题也成为AI在医疗领域广泛应用的主要障碍之一。Stanford大学的医生兼计算机科学家Jonathan H. Chen表示，AI的潜力巨大，但要让医生学会正确使用这些工具，还有很长的路要走。 这项研究的意义不仅在于展示AI的能力，更在于推动医生学习如何与AI协作，使其成为诊断过程中的有力助手。AI未来或许无法完全取代医生，但它有望成为诊断中的“第二意见”，帮助医生提升效率并降低误诊率。