2024 年 AI 快照：语音、算力、Gemini 与 NotebookLM

摘要

30 秒看懂

这期历史节目盘点语音对话的推出、报道中的基础设施计划、Gemini 1.5 Pro 002 和 NotebookLM 音频概述。本文保留讲解者的例子和预测所处的 2024 年背景。

1报道中的基础设施计划大型数据中心数字是 2024 年讨论的拟议规模，并非已确认建成项目。
2历史模型比较基准结果和单个例子取决于评估设置。
3根据资料生成音频NotebookLM 根据提供的资料生成两位主持人的讨论。

要点建议

节目描述的大型 AI 基础设施是当时报道的计划，并非已建成项目。
模型比较取决于任务和评估方法。
一个有歧义的例子不能证明一般推理能力的排名。
生成音频可以让资料更易接触，但重要细节应对照原文检查。

主题AI research AI cost & performance Multimodal AI

全文

按章节阅读整理后的全文

对照原始文稿

只看原始文稿

语音与预测

2024 年 9 月，AI Explained 讨论 ChatGPT 高级语音的推出，以及另外三则消息：拟议的 AI 基础设施、更新的 Gemini 模型和 NotebookLM 音频摘要。视频中的产品访问、价格和模型比较均具有历史时点。

讲解者分享自己早期使用富有表现力的语音对话的体验，并给出反映当时地区可用性的访问建议。他预测对话式 AI 可能触及更多人；这属于预测。

他还设想未来与视频头像对话的形式。所提出的时间是他在 2024 年的猜测，不是产品公告或可用性承诺。

讲解者概述 Sam Altman 关于更强 AI 未来的文章，包括可能出现的虚拟导师等应用。他强调，时间表与收益取决于不确定的技术进展。

AI 基础设施

一个问题是计算基础设施是否会变得稀缺。讲解者考虑，如果训练和推理需要大量能源与投资，强大系统的访问不平等可能带来什么后果。

他引用 2024 年关于拟建大型数据中心的报道，并将其电力需求与熟悉的基础设施作比较。这些是当时报道的目标与情景，并非已经建成设施的确认信息。

讲解者提到 Microsoft 涉及三哩岛的协议，作为电力需求讨论的一部分。他也承认，数据中心计划以及通往超级智能的说法都可能被证明不正确。

Gemini 与推理测试

Google 宣布 Gemini 1.5 Pro 002 和 Flash 002，伴随 1.5 Pro 降价、速率限制提高和性能变化。[2024 年 9 月的公告](https://developers.googleblog.com/en/updated-gemini-models-reduced-15-pro-pricing-increased-rate-limits-and-more/)提供了当时的背景。

讲解者讨论 200 万 token 的上下文窗口和报告的基准改进，随后在推理例子上将其与 OpenAI 的 o1-preview 比较。这类比较取决于任务和评估设置。

他举例让草莓处在倾斜桌面上的倒扣杯子下，随后移动杯子。他说模型注意到了倾斜，却没有进一步推断它可能对草莓产生的影响。

讲解者承认这个例子存在歧义：草莓可能被雕刻部位挡住，或因其他原因留在桌面。单个条件不充分的提示不能确立一般推理能力，也不能决定模型的最终排名。