综合来源 | 互联网坊间八卦、硅谷 AI 见闻
这家被称为 "AI 四小龙" 之一的公司，上市时市值 3000 多亿港元，现在只剩下可怜的 583 亿。从 "巨龙" 变成 "蜥蜴", 只用了短短两年时间。
《商汤十周年再出发：专注聚焦、知行合一》 各位商汤同学： 大家好！商汤在本月迎来了它的十周岁生日。与此同时，人工智能界也迎来了一个重大里程碑：诺贝尔物理学奖表彰了“用物理学推动人工智能”的工作，而诺贝尔化学奖则表彰了“用人工智能推动蛋白质结构预测”的成就。 这标志着人工智能与科学之间的相互作用，互为研究目的也是研究工具，预示着一系列学科领域的新范式即将开启。 新版五十英镑钞票上阿兰・图灵的肖像下印着一句话：“这不过是将来之事的前奏，也是将来之事的缩影”，- “This is only a foretaste of what is to come，and only the shadow of what is going to be．” - 这或许是对我们这个时代最佳注释。 我们相信并期待通用人工智能时代的到来。务实来讲，我们已迈出了两步：即常说的传统 AI 1.0 和生成式大模型 AI 2.0。通常，AI 1.0 被看作是专用智能，专注于单任务和信息处理；而 AI 2.0 被视为通用智能，强调多任务和内容生成。 但这样的描述虽然简单易懂，却并非完全准确，因为通用与专用之间并无明确界限，而且 AI 的落地应用终究要场景化，比如生成式大模型在垂直领域的应用。在我们看来，AI 1.0 和 AI 2.0 的一个重要区别在于 AI 成本结构的变化。 在传统的 AI 1.0 时代，模型生产的主要成本在于研发人员的投入。而在生成式大模型 AI 2.0 时代，模型生产的成本主要在于算力资源的投入。 随着尺度定律在大语言模型、多模态模型、视频生成模型以及慢思考推理过程中得到验证，生产和使用大模型的成本可以直接等价于算力资源的消耗。 简言之，生成式大模型 AI 的普及和商业化，需致力于降低大模型的生产和使用成本，这势必要结合大模型来迭代和优化算力，同时也需根据算力资源的特点来迭代大模型设计和应用。 因此，在生成式大模型 AI 领域，商汤的核心战略是实现算力大装置（SCO）、大模型和应用（CNI）的无缝集成，以应用驱动模型，以模型带动算力的优化。 我们确立了“大装置-大模型-应用”的三位一体战略，旨在通过数量级级别的优化，提升算力资源的使用效率，服务好我们的客户。我们致力于成为最懂算力的大模型服务商，和最懂大模型的算力服务商。 在传统 AI 领域，我们将充分利用我们的视觉感知和多模态模型的核心能力，集中资源，明确方向，并通过一套研发投入，同时服务国内和国际市场。 在组织层面，围绕战略和核心资源，我们将构建更加集中和高效的组织架构，推动资源的集中和集约化投入，加快组织和管理的年轻化进程。在商汤十周年和通用人工智能时代即将来临之际，让我们一起重拾创业初心。 感谢过去十年每一位商汤人的付出和努力。希望我们继续保持过去的坚韧、勇敢与乐观，主动拥抱变化，坚定不移地探索“科技原创和产业价值闭环”的道路，在接下来十年的征程中努力奔跑，共同定义与开创通用人工智能时代！
上市公司委托寻找投资标的（13-29）第二期寻找标的有母婴、诊断康复、半导体等；
上市公司委托寻找投资标的（1-12）第一期寻找标的有医疗、新材料、大宗、财务投资等点击上面链接了解详情👆🏻
关于我们：
