在新一轮人工智能浪潮中，科技公司英伟达（Nvidia）通过强大的技术积累成为了世界上最大的人工智能算力芯片制造商。除了在硬件方面得天独厚的优势，英伟达在系统，软件方面构筑起的立体布局，为其公司在2022年后创造了疯狂的市值增长，在2024年6月敲开3万亿大关并一举超越苹果成为世界市值第二大的公司。

以英伟达创始人黄仁勋的说法，人工智能将会引领第四次工业革命，而他的英伟达将成为这个时代浪潮中的领军者。

信息来源：

https://www.forbes.com/sites/antoniopequenoiv/2024/06/18/nvidia-now-worlds-most-valuable-company-topping-microsoft-and-apple/#:~:text=Topline,months%20of%20strong%20stock%20gains.

在5月29日，斯坦福大学的一个研究团队发布了名为Llama3-V的大模型，声称仅需500美元的预训练成本，就能达到与GPT-4V大模型接近的效果。这一消息在人工智能学界和相关社交媒体平台引起了广泛关注和讨论。然而，业内人士及网友很快发现，该大模型涉嫌抄袭此前清华大学与面壁智能合作发布的大模型MiniCPM-Llama3-V2.5，两者的代码结构非常相似，只有变量名有所修改。

同时，网友发现斯坦福的全新大模型可以和清华的大模型MiniCPM-Llama3-V2.5一样识别一种名为“清华简”的战国时期古文字，并且两种大模型在识别“清华简”时出现的错误都完全一致。由于识别“清华简”是清华大学等机构独有的大模型训练方法，在斯坦福团队的“清华简”识别功能出现之后，网友对于抄袭一事的质疑声甚嚣尘上。

在种种质疑面前，斯坦福AI团队选择承认事实并道歉，删除自己的代码和发布公告。同时，斯坦福人工智能实验室主任克里斯托弗·大卫·曼宁（Christopher David Manning）也通过社交媒体谴责此次抄袭行为，并对清华与面壁智能发布的大模型表示了自己的肯定。

信息来源：

https://english.news.cn/20240605/3583ee9143d844758ba3a7ef26170e6d/c.html

随着“前沿人工智能（AI）模型”（即在开发时与最先进模型的能力相当或超过后者的模型）的能力越来越强，防止前沿模型被窃取和滥用变得更加重要。兰德公司的报告重点有以下四方面的工作：

1）识别了大约38种独特的攻击途径；2）对潜在攻击者的能力进行了深入分析；3）评估了不同类别的攻击者执行每种攻击途径的可行性；4）提出并定义了五个安全等级，并为达到这些安全等级提供了初步的基准安全系统。

该报告还提出了8条相关建议，包括减少授权使用权重的人员数量、以综合威胁模型为基础制定全面的安全计划、实施内部威胁识别计划等。

信息来源：

https://www.rand.org/pubs/research_reports/RRA2849-1.html

从灯塔工厂AI用例的提升，到生产效率的提高，都体现出人工智能对制造业的影响。目前，人工智能相关技术已展现出超过50个潜力巨大的应用场景，覆盖了“设计、采购、计划、制造、交付、服务”这六大主要领域，以及“数据与技术部署、人才与组织赋能”两大能力领域。而这一变革主要由内容生成、洞察提取和用户交互等新能力所推动。而在“灯塔工厂”（成功将技术从试点阶段推向大规模整合阶段的工厂）中，作者总结出了关于人工智能和生成式人工智能部署的五大洞察，分别为：1）人工智能用例已遍布整个运营价值链；2）资产化是实现人工智能快速大规模部署的有效方式；3）人工智能指挥中心正推动自动化达到新层次和系统级别；4）生成式人工智能正将人工智能的影响扩展到车间之外；5）生成式人工智能的发展速度远超预期。因此，通过灯塔工厂可以看到人工智能在制造业中的发展潜力，其它制造商应快速跟进，充分发挥人工智能的优势。

信息来源：

https://www.mckinsey.com.cn/%e9%ab%98%e6%95%88%e7%8e%87%e3%80%81%e4%bd%8e%e8%83%bd%e8%80%97%e3%80%81%e9%9b%b6%e7%bc%ba%e9%99%b7%ef%bc%9aai%e8%ae%a9%e5%88%b6%e9%80%a0%e5%88%9b%e6%96%b0%e4%b8%80%e9%94%ae%e7%9b%b4%e8%be%be/

6月23日，纽约大学教授、Meta 首席前沿人工智能模型科学家杨立昆（Yann LeCun）发表了对大语言模型（LLM）的看法。他建议学生和学术研究人员不要将大型语言模型作为工具去探索通往拟人级人工智能的路。杨立昆认为，已经有足够大量的资源和人员投入到大语言模型的开发中，如果未来的从业者想要做出真正的创新，继续深耕大语言模型领域不会是一个明智的选择。

信息来源：https://x.com/ylecun