2023 年 9 月 AI 新闻：Tesla、Code Llama、无人机竞速与版权

摘要

30 秒看懂

在这期 2023 年 9 月的新闻盘点中，Matthew Berman 讨论 Tesla 的 AI 基础设施和需要监督的 Full Self-Driving 演示、OpenAI 据报道的收入及 Enterprise 发布、Code Llama，以及一架在比赛中击败冠军飞手的研究无人机。他还介绍开放模型资助、Google 产品、拟建的加州城市、生成式媒体和美国版权局的调查。这段视频反映的是历史时点：报道中的收入、发布功能和预测并非当前数据。编程比较仅限特定基准，驾驶演示需要人类监督，而安全措施无法保证杜绝所有泄漏。视频中未发现赞助环节。

1Tesla 的 AI 基础设施Berman 讨论一套据报道的 H100 集群以及需要监督的 FSD v12 演示，后者出现了一次人类接管。
2OpenAI 的业务收入和使用数据均为历史报道；引用的网页面板并未完整统计 ChatGPT 的所有使用情况。
3Code Llama 比较Berman 引用有关微调模型在编程测试中击败 GPT-4 的说法；这一结论仅限相关基准，不能视为普遍排名。
4Swift 与冠军竞速这架研究无人机在指定赛道上与三位人类飞手进行了 25 场比赛，赢得 15 场，并创下最快比赛时间。
5Google 的 AI 公告盘点涵盖 Workspace 助手、Vertex AI、TPU 和 SynthID；水印最初适用范围有限，并非万无一失。
6AI 与版权美国版权局就训练、生成内容和责任问题征求意见；调查本身并非最终法律规则。

要点建议

Tesla 在 2023 年的 FSD 演示中出现过一次人类接管，不能据此认定系统可脱离监督自主驾驶。
2023 年的 ChatGPT 流量研究基于面板和抽样提示，既不能衡量全部使用情况，也不意味着编程占大多数会话。
Code Llama 微调模型据报在特定编程基准上超过 GPT-4，并不能证明它在所有编程任务中都更强。
Swift 在受控条件下与三位冠军飞手进行了 25 场比赛，赢得其中 15 场，并创下该赛道最快纪录。
企业隐私政策、加密与 SOC 2 控制可降低风险，但不能保证绝对安全。
版权调查征求公众意见；AI 辅助作品与训练用途涉及不同的法律问题。

主题AI Strategy 编程智能体 Autonomous Driving Robotics Generative media

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

Tesla 的 AI 与驾驶

Berman 报道计划中的 H100 集群以及 Musk 需要监督的 FSD 演示。一次人类接管体现了系统的局限。

这期 2023 年 9 月的盘点涵盖 Tesla 的 AI 计划、OpenAI 业务、Code Llama、无人机竞速和生成式媒体。数据与产品可用情况来自当周报道，并非当前规格；我的比较属于评论，而非全面测试。

我报道说，Tesla 正在启用一个约价值 3 亿美元、包含 1 万块 NVIDIA H100 GPU 的 AI 集群，部分用于训练 Full Self-Driving。Tesla 的 Tim Zaman 也介绍了真实世界视频训练数据集，以及超过 200 PB 的热层缓存。这些是公司方面对基础设施和容量的说法，本视频没有对其进行独立审计。

幻灯片 1 / 3Tesla 驾驶演示画面展示了 2023 年需要监督的驾驶测试；测试期间发生了一次人类接管。

Elon Musk 还直播了 FSD v12 的早期驾驶演示。我说车辆驶过环岛和施工区域，但差点闯红灯，促使 Musk 接管。这是需要人类监督的驾驶辅助演示，不能证明它是能够在没有负责人的情况下安全运行的自动驾驶系统。

我讨论 Tesla 转向使用摄像头感知和神经网络驾驶的路线，并将其与竞争对手的方法比较。我称 v12 是第一个仅依靠摄像头的版本，简化了 Tesla Vision 更早的转型过程，不应视为对所有传感器或驾驶功能的可靠说明。Musk 在演示中提到拜访 Mark Zuckerberg 是一句玩笑。

OpenAI 与 Code Llama

他讨论据报道的收入、抽样流量研究和 Enterprise 发布，随后审视编程模型基准测试的相关说法。

当时的报道估计，OpenAI 在 AI 运营上支出巨大，同时达到超过 10 亿美元的未来一年收入运行率；报道称其 2022 年收入为 2800 万美元。这些是媒体估计和按当时水平推算的年化收入，并非经审计的年度利润或当前财务报表。

一项 [SparkToro 与 Datos 的分析](https://sparktoro.com/blog/we-analyzed-millions-of-chatgpt-user-sessions-visits-are-down-29-since-may-programming-assistance-is-30-of-use/)显示，在自愿参与的面板中，OpenAI 网页流量相较 2023 年 5 月下降约 29%。该研究对选取的 4,098 条提示进行分类，发现编程约占 29%，是最大类别，但并非全部使用中的多数；该面板也没有涵盖访问服务的所有方式。

我提到只含一条提示或包含五条以上提示的会话，以及常见请求词。研究实际上指出，单条提示、两到四条提示、五条及以上提示的会话各约占三分之一，因此中间组也占相当比例。我认为使用量在初期激增后趋于稳定，这是推测，并非研究证明的结论。

我提到企业客户使用 ChatGPT 时对隐私的顾虑，并讨论 2023 年 8 月发布的 ChatGPT Enterprise。[OpenAI 的公告](https://openai.com/index/introducing-chatgpt-enterprise/)表示企业提示与数据不会用于模型训练，并介绍了加密、SOC 2 合规、管理控制台和单点登录。

最初的 Enterprise 方案还宣传更快、不设使用上限的 GPT-4 访问，以及更长的上下文窗口。我认为它对企业很有吸引力，但我暗示这些控制能保证隐私和安全，这种说法过于绝对：合同设置、访问控制、数据保留、集成及其他安全风险仍然重要。功能和条款也可能变化。

Meta 发布了基于 Llama 2、面向代码的 Code Llama 系列；我特别提到第三方微调模型据称在编程测试中超过 GPT-4。此类结果取决于具体模型、基准、测试条件和对比版本，并不能证明 Code Llama 在所有情况下都优于 GPT-4。模型权重开放与不受限制的开源许可也是不同概念。

我讨论量化版本，以及据报道在 M2 Ultra Mac 上以每秒超过 20 个 token 运行 340 亿参数模型的演示。硬件需求取决于模型大小、精度和内存，因此这个例子并不意味着每台电脑都能运行所有模型。我还链接了自己另做的测试和安装教程。

无人机竞速、资助与 Google

介绍 Swift 在受控竞赛中的成绩后，他讨论开放模型资助和 Google Cloud 公告。水印功能的适用范围有限。

苏黎世大学的研究人员开发了 Swift，一套利用模拟和真实世界数据训练的自主无人机竞速系统。在这项 [Nature 研究](https://www.nature.com/articles/s41586-023-06419-4/)中，Swift 在指定赛道上与三位冠军飞手进行 25 场比赛，赢得 15 场，并创下该赛道最快纪录，比人类最佳时间快约半秒。

这一结果很有意义，因为高速飞行要求在严格物理限制下完成感知和控制。我提到监测和救援等潜在用途，但论文中的竞赛结果并不能证明系统在这些场景下的表现，也不能证明它创造了通用的无人机竞速世界纪录。

我欢迎 Andreessen Horowitz 为开源 AI 开发者提供的资助计划，并提到模型发布者 Tom Jobbins，也就是 TheBloke，是首批获资助者之一。我的观点是，昂贵的算力会让独立开发者难以创建或分发模型；资助可以提供帮助，但不能消除整个社区的算力成本。

Google 宣布了面向 Workspace 的 Duet AI，以及一系列 Cloud 和 Vertex AI 更新。我转述其 Workspace 用户达到 30 亿的说法，同时质疑该数字的统计方式；不能假定它意味着有 30 亿付费 Duet 用户。本期还提到包括 Llama 2 和 Claude 2 在内的模型访问、基于 TPU 的基础设施，以及 PaLM 2 的改进。

幻灯片 2 / 3SynthID 所述局限画面文字指出，尽管内部测试涵盖常见图像修改，水印技术仍不完美。

Google 推出了为 Imagen 生成图像添加水印的 SynthID。[Google DeepMind](https://deepmind.google/blog/identifying-ai-generated-images-with-synthid/)介绍说，该功能最初是范围有限的测试版，并称水印在一些常见编辑后仍可能被检测到。它并不完美，不能识别所有 AI 生成图像，也无法保证抵御所有篡改。

拟建城市与生成式媒体

Berman 回顾加州土地项目、Ideogram 和 Runway，随后讨论 Apple 芯片与移动端 AI 的预测。

话题转到 AI 之外，我回顾有关投资者收购加州 Solano County 土地、计划建设一座新城市的报道。支持者提出宜步行社区和就业机会，当地居民则担忧不透明的购地行为及其对社区的影响。我希望增加住房能够降低成本，但在 2023 年，项目的承诺和未来结果都还不是已确定的事实。

我讨论 Ideogram 测试版的发布，以及它对生成图像中文字呈现的关注——这长期以来是图像模型的一项难题。我质疑随着竞争对手进步，这项能力本身能否使产品保持差异化。说它已完全解决文字生成，应理解为我的印象，并非保证每张图中的文字都正确。

Runway 为 Gen-2 推出运动控制功能，允许用户调整生成视频中的运动幅度。我认为这是文生视频工具快速进步的又一步；滑块控制的是特定生成设置，并不保证精确控制每一个动作。

我回顾有关 Apple M1 和 M2 电脑可以运行部分本地模型的观点，并再次提到据报道的 M2 Ultra Code Llama 演示。性能和可行性取决于内存、模型大小、量化及软件，所以 Apple 电脑不一定能运行所有强大模型。Stability AI 的创始人还预测，手机很快就能运行达到 ChatGPT 和 GPT-4 水平的模型；这是他在 2023 年的预测，并非已经证实的结果。

AI 电影制作与版权

他介绍一部 AI 辅助短片和美国版权局的公开调查。当时相关法律问题仍未解决，各问题也应区别看待。

作为本周 AI 视频，我展示了 Jeff Synthesized 使用 Midjourney 和 Runway Gen-2 制作的短片《Glitch》的一部分。我称赞其风格可与 Pixar 相比，并在编剧罢工期间推测它对工作室和制作成本的影响。这种比较是我的个人看法，并不能证明该项目没有其他人工投入，也不能证明它能取代工作室制作。

美国版权局发起了[2023 年调查](https://www.copyright.gov/newsnet/2023/1017.html)，涉及用受版权保护作品训练、生成内容的地位及相关责任。我提到此前关于 AI 创作艺术的法院裁决，以及指称未经授权使用受保护作品的诉讼；诉讼内容属于指控，对没有人类作者的作品所作的裁决，也不是对所有 AI 辅助作品享有版权的全面禁止。