|
一、ElevenLabs 发布新的Turbo 2.5模型 速度提高了3倍 支持中文等32种语言 • 支持印地语、法语、西班牙语、普通话和其他共32种语言 • 速度提高了3倍，延迟降低到了300毫秒 • 首次支持越南语、匈牙利语和挪威语的文本到语音转换。 • 与 Turbo v2 相比，英语文本到语音的速度提高了 25%。 • 现有用户只需更新API的 modeL_id即可轻松切换到新模型。 试用：elevenlabs.com.au 二、UCLA研究 ：AI检测癌症准确率比医生高17%
UCLA的研究表明，AI在前列腺癌检测中的准确率显著高于医生，提供了更精准的诊断和治疗选择，有助于减少传统治疗的副作用。然而，AI的应用需谨慎考虑数据质量、隐私保护和成本等因素。 创建3D癌症估计图，有助于确定患者适合的治疗方法，如局部治疗或更激进的治疗（如根治性前列腺切除术或放射治疗）。 来源：https://nypost.com/2024/07/20/lifestyle/ai-detects-cancer-with-17-more-accuracy-than-doctors-ucla-study/ 三、AI 投资浪潮下的收入挑战：$600B 大问
AI 投资与收入差距：AI 的投资热潮导致基础设施建设迅速扩张，但实际收入增长远远跟不上，形成了一个巨大的“$600B 缺口”。供应与需求变化：GPU 供应短缺问题得到缓解，大型云服务提供商的 GPU 库存增加，但 AI 收入依然集中在 OpenAI 等少数公司。技术进步与投资风险：Nvidia 的新一代 B100 芯片预示着性能的显著提升，但也可能引发新一轮的需求激增和投资风险。定价权力和市场竞争：GPU 数据中心的定价权力趋弱，随着市场竞争的加剧，价格可能迅速降至边际成本。长远视角与建设者回报：尽管存在短期的投资泡沫风险，AI 技术将长期创造巨大经济价值，专注于为用户提供价值的公司建设者将获得丰厚回报。AI’s $600B Question | Sequoia Capital[2] 四、AI 革命：知识免费化与经济通缩前瞻
OpenAI 首位投资人 Vinod Khosla 预测，AI 将使专业知识免费化，通过大型语言模型成本的大幅下降，重塑知识获取方式。随着 AI 技术的进步，许多资源的成本将趋近于零，导致通货紧缩的不可阻挡趋势，特别是在劳动力密集型服务领域。Khosla 强调，AI 将带来价值观的转变，人类可能会为独特的体验支付更高的价值，而非仅仅是信息或服务。在 AI 经济中，小型模型与大型模型将各自扮演不同角色，小型模型在低延迟响应方面表现出色，但大型模型在智能水平上不可替代。Khosla 提出 AI 技术将对多个行业产生深远影响，包括医疗、教育等领域，将专业知识更广泛地整合和应用，创造新的商业模式和增长点。OpenAI 首位投资人：AI 会让所有专业知识免费，通缩将不可阻挡[3] 五、美国 AI 独角兽崛起：28 家公司融资破 1 亿美元
2024 年上半年，全球 AI 初创融资达 355 亿美元，美国公司占据超过一半，显示了 AI 领域投资的热烈。五家 AI 公司完成了超过 10 亿美元的融资，其中 xAI 以 60 亿美元 B 轮融资尤为醒目，估值达 240 亿美元。融资的 AI 初创公司遍布多个领域，包括机器人技术、生物人工智能、数据安全、AI 编码助手等。高调融资的公司包括 AlphaSense（6.5 亿美元 F 轮）、Scale AI（10 亿美元 F 轮）和 Bright Machines（1.06 亿美元 C 轮）等。这一波融资不仅提升了 AI 初创公司的市场地位，也加速了 AI 技术在各行各业的应用和创新。一共 28 家！盘点今年融资 1 亿美元以上的“美国 AI 独角兽”[4] 六、AI 与自由职业：收入飙落与攀升
AI 技术，尤其是 ChatGPT，对自由职业者产生了分化影响：一些人的收入减少至历史低点，而另一些人的收入增长了 40%。影视行业概念艺术家里德·索特恩的收入大幅下降，反映了 AI 技术可能带来的负面影响。自由撰稿人珍妮弗·凯莉的案例展示了 AI 技术如何导致传统写作职业的需求减少。文章强调了版权保护和《华尔街日报》订阅的重要性，以支持内容创作和合法分发。热门文章和视频涉及中国经济、技术发展、社会文化等多个领域，显示了新闻媒体关注的广泛话题范围。# AI 不会取代你的工作？看看自由职业者的故事吧[6] 七、苹果也开源了一个小模型 DCLM-Baseline-7B
重要的是这个模型开源了全链路的所有训练过程和素材。 包括预训练的数据集、数据处理过程、训练过程和评估组件。 模型的MMLU测试表现也与Mistral-7B-v0.3 和 Llama 3 8B 相当。 地址：https://huggingface.co/apple/DCLM-7B 八、Crashbench：评估 LLM 缺陷查找能力的开源工具
Crashbench 是一个专门针对大型语言模型（LLM）的基准测试工具，用于评估它们在软件缺陷发现和报告方面的能力。该项目位于 GitHub，采用 GPL-3.0 许可证，目前拥有 2 个星标、1 个叉子和 3 个观察者。项目包含关键文件 crashbench.py、config.ini 和 tests 文件夹，后者用于存放测试用例。提供了多种使用示例，包括通过 OpenAI 和 Neuroengine AI 提供商运行测试，以及如何配置自定义 OpenAI 风格的端点。性能领先板（V1）展示了不同 LLM 的评分，而 models-scores.png 图像直观地展示了这些结果。crashbench[8] (责任编辑：) |
