2024 年 10 月 AI 新闻：Apple Intelligence、编程助理、搜索与智能体

2024 年 10 月，我从 iOS 18.1 公开发布和首批 Apple Intelligence 功能开始这期汇总。试用了几周测试版后，我觉得初始体验相比 Apple 宣传的更广泛愿景并不出彩。这是我的早期印象，并非对后续版本的评价。

我原本期待一个能使用联系人、邮件、消息和应用之间上下文的助理。我试用的版本没有提供我想要的广泛跨应用体验，部分图像和表情功能当时也无法使用。产品可用性和支持的设备应放在 2024 年的发布背景下理解。

写作工具可以改写或辅助起草文本，而我在其他应用中已经见过这些能力。我觉得真正有用的是通知汇总：不必阅读一组通知中的每一条，我可以看到整组的简短摘要。

我也尝试描述一个相册，但 Apple Photos 缺少一些我认为从 Google Photos 迁移前所需的功能。我仍对 Siri 感到失望，希望手机直接集成先进的对话式语音助理。我关于 ChatGPT 集成的说法反映的是当时的理解，并非对具体发布时间的核实。

GitHub 在年度活动上宣布为 Copilot 提供更多模型选择，列出了 Anthropic 的 Claude 3.5 Sonnet、Google 的 Gemini 1.5 Pro 和 OpenAI 的 o1 模型。我将此解读为 Microsoft 更广泛的避免依赖单一模型供应商的策略之一。这是我的解读，并非视频中证实的官方原因。

公司介绍了这些模型的不同优势，包括编程能力和较大的上下文窗口。这些模型选项是为 Copilot 宣布的；视频中的公告并未证明每个选项都用于所有 Tab 补全工作流。

GitHub 还预览了 Spark，据介绍它可以通过自然语言构建小型应用，集成 AI 功能和外部数据源。我认为这是 AI 辅助软件开发市场竞争日益激烈的一部分。这是发布时期的描述，并不保证产品现在仍然可用。

The Information 报道称 Meta 正在开发自己的搜索引擎。我认为将 Meta AI 与实时网络信息结合可能让搜索更具竞争力，但我也承认，实现网络爬虫和搜索系统比战略构想听起来要复杂。

我说，自己已经把大量信息查询从传统 Google 搜索转向 Perplexity 和 ChatGPT，更多是在知道想找哪个网站或图像时使用 Google。这是我的个人使用习惯，并非市场份额测量。我还讨论了有关 Reuters 通过 Meta AI 提供新闻的合作报道。

我看好 Meta AI，但仍不相信眼镜就是 AI 硬件的最终形态。包括 Mark Zuckerberg 在内的其他人可能不同意；这只是我自己的产品预测。

Grok 获得图像理解能力后，我尝试了一张比较初创公司和大公司的梗图。我认为模型在这个例子中正确解释了笑点。一个成功例子并不是对其视觉推理能力的系统评估。

接下来，我谈到 The Wall Street Journal 和 New York Post 出版商对 Perplexity 提起的诉讼。他们的指控涉及 AI 答案服务对出版商内容的使用；诉讼本身并不能确立侵权或法律责任。

我担心答案引擎会减少用户点击原始来源的需要，而出版商则反对其材料被使用和展示的方式。我也提到 Perplexity 的回应及其出版商收入分成计划。这些是仍在发展的争议中的不同立场，而非法律结论。

作为创作者，我说我希望能够选择是否允许 AI 系统吸收我的作品。我将出版商的反应与过去人们面对新技术时的反应进行比较，同时承认观众可能不同意我的版权观点。

Claude 可以编写并执行代码，我将这一更新与 ChatGPT 的 Advanced Data Analysis 相比较。代码执行可以帮助完成字符串字母计数等任务，因为模型能够运行明确的计算。但这并不保证每个生成的程序或答案都正确。

我说自己安装了 Perplexity 的原生 macOS 应用，而且很喜欢。我补充说 Perplexity 没有为我的推荐付费；它和 ChatGPT 都是我个人经常使用的工具。

Meta 发布了面向设备运行的量化 Llama 3.2 1B 和 3B 模型。量化会缩小表示大小，并可能以质量换取效率。Meta 在其所述比较条件下报告，推理速度最高可提升至 2 到 4 倍，模型大小平均减少 56%，内存占用减少 41%；我自己还没有测试这些模型。

我欢迎更小的本地模型，因为我重视隐私、安全、低延迟和所有权。我预计小模型能够处理大多数人的常见任务，但这仍是预测，结果取决于具体任务和所需质量。

Cerebras 表示其推理服务已经提速，并报告 Llama 3.1 70B 超过每秒 2100 个 token，同时提供了与 GPU 系统的比较。这些是 Cerebras 的性能声明，并非我独立复现的测量；相对结果取决于比较的工作负载和配置。

我讨论一则报道：TSMC 亚利桑那工厂早期生产良率比台湾一家可比工厂高出 4 个百分点。我欢迎美国本土芯片生产，将其视为减少供应依赖的方式；这一良率比较并非对所有工厂或工艺的总体排名。

Waymo 宣布完成由 Alphabet 领投的 56 亿美元融资，我引用了每周超过 10 万次付费乘车的数据。我按照当时的情况介绍了旧金山、洛杉矶和凤凰城的服务，以及与 Uber 的合作。这些是 2024 年的公司数字和计划，不是当前运营统计。

我将 Waymo 的摄像头、激光雷达、雷达及其他传感器与 Tesla 以摄像头为中心的方案进行比较。我推测纯视觉系统最终可能胜出，同时指出摄像头被遮挡或视线受阻是一项挑战。这是我的观点，不能证明任何一种方案在所有条件下都更安全。

Chubby 的一则帖子指出，一个名为 Red Panda 的未知图像模型位列 Artificial Analysis 竞技场排行榜首位。我还没有测试过它；截图是该评估的历史排名，各模型的被选择次数不同，并非对图像质量普遍或持久的衡量。

我讨论一则关于 Google Project Jarvis 的报道。报道将其描述为面向消费者的 Chrome 智能体，可处理研究、预订和购买等任务。当时这只是被报道的项目，并非公开演示的已发布产品。文章称该智能体会频繁解读截图，然后点击或输入，每次操作之间存在延迟。

我将报道中的方法与现有计算机控制系统进行比较，并担心基于截图选择坐标的可靠性。我推测与浏览器 API 更紧密地集成可能有所帮助。仅凭报道，无法确定拟议实现方式或最终表现。

最后，我讨论 Stable Diffusion 3.5 Medium 及其预期的本地使用方式。Stability AI 描述了为提高图像质量、一致性和多分辨率生成能力而调整的架构及训练方法；我喜欢示例，并表示愿意在自己的 GPU 上测试，而不是声称已经完成基准测试。