在擁擠的無人駕駛賽道，一場發佈會吸引了汽車產業和科技界的目光。 當地時間10月10日晚，較原定開幕時間延遲近乎一小時後，在特斯拉「We, Robot」（我們，機器人）活動上，馬斯克攜承諾已久的無人駕駛計程車（Robotaxi）等新產品亮相。這款原型車命名為Cyber​​Cab，設計風格與Cyber​​Truck一脈相承，並且沒有方向盤和踏板。 馬斯克稱，預期的Cyber​​cab車輛成本低於3萬美元，未來隨著規模擴張，將大幅降低無人駕駛計程車的成本。關於Cyber​​cab量產的時間表，他透露在2026年或2027年之前。但在本次發佈會上，馬斯克並未給出更多與技術細節和商業計畫相關的詳細資訊。 「一切看起來都很酷，但時間線並不明確，我是股東，對此感到失望。我認為市場需要更明確的時間表。」Triple D Trading股票交易員丹尼斯迪克表示。截至10月11日美股收盤，特斯拉股價跌幅近9%。 在本次活動中，特斯拉還推出了無人駕駛Model Y和更大的無人駕駛廂式貨車Robovan。展望由完全無人駕駛帶來的變革，馬斯克認為“未來已經到來”，但特斯拉將直面這一賽道中其他玩家的競爭，如Google旗下的Waymo、百度的蘿蔔快跑，以及小馬智行、文遠知行等自動駕駛科技公司。 近日有消息稱，蘿蔔快跑正在加速佈局全球市場。除了將無人駕駛計程車服務由中國內地擴展到香港市場，蘿蔔快跑也希望在新加坡、中東等地進行測試和部署，並且一直在與這些地區的企業和監管機構討論相關計畫。對此，蘿蔔快跑相關人士回應稱，蘿蔔快跑計畫發佈Apollo自動駕駛開放平台10.0版本，「專為全球使用者設計」。 隨著特斯拉的Robotaxi揭露面紗，或許也代表中美兩國將在無人駕駛及人工智慧領域展開新一輪較量。儘管其中不乏有力的競爭者，但Gartner公司研究副總裁帕切科認為，無人駕駛汽車競賽還遠未行至決賽圈。而馬斯克所宣傳將為特斯拉帶來的5億美元估值，也將經歷現實的考驗。 特斯拉Cyber​​Cab拋棄方向盤和踏板的設計兼具未來感和安全性爭議，而這一激進路線早在2015年Waymo已經做出試水。彼時，Waymo推出了一款豆莢型的雙座車款，名為「螢火蟲」（Firefly），沒有腳踏板和方向盤。但從2017年開始，Waymo又重新開始使用現成市售車型的改裝版。此類設計也曾出現在已經夭折的蘋果汽車的爆料中。 在監管方面，2022年，美國交通部國家公路交通安全管理局（NHTSA）發佈了首個《無人駕駛汽車乘客保護規定》，明確全自動駕駛汽車不再需要配備傳統的方向盤、制動或油門踏板等手動控制裝置來滿足安全標準。此舉一度被視為無人駕駛車輛應用落地的「歷史性一步」。但通用汽車旗下Cruise無方向盤的無人駕駛計程車Origin至今未能獲得NHTSA的必要批准，最終被無限期推遲。 在技​​術路線上，特斯拉無人駕駛技術的核心——純視覺方案也是爭議的焦點之一。 Waymo等主流Robotaxi廠商多使用依靠感測器如激光雷達的路線，蘿蔔快跑等中國自動駕駛企業更專注探索利用現有基礎設施資源的「車路協同」方案。相對而言，特斯拉使用相機收集資料，依賴純視覺感知系統，透過深度學習進行環境感知和決策，使得單車硬體成本更低、對高精地圖的依賴更少，更接近馬斯克所宣稱的普適性方案。 帕切科認為，特斯拉的自我學習方法「可能代表了未來的發展方向，即當前人工智慧技術的突破，將為無人駕駛汽車帶來許多新的可能性」。但據《華爾街日報》公佈的調查視訊，在實際應用場景下，特斯拉純視覺方案的表現並不穩定。 在帶來可靠性更高的解決方案之前，特斯拉的Robotaxi及FSD可能難以跨越多個國家市場的監管門檻。今年9月，特斯拉曾在公佈的時間線中表示，待監管部門批准後，將於明年第一季在中國和歐洲市場推出FSD功能。 成熟的供應煉和對FSD翹首以盼的龐大使用者數量，是馬斯克借助無人駕駛計程車打造「Airbnb+Uber」模式的底氣。在特斯拉展示的願景中，車主通過可以在空閒時將其汽車作為自動駕駛計程車投放到叫車網路上來賺錢，革新了現有的共享出行和租賃出行商業模式。馬斯克稱，這些自動駕駛計程車可以24小時連續運行，為車主帶來持續的收益。 對於自動駕駛汽車時代，《連線》(Wired)雜誌的一篇文章曾這樣寫道：“這種21世紀的'淘金熱'，是由機遇和生存本能相互交織在一起驅動的。我們還不知道那些不需要人類司機的汽車會給社會帶來什麼影響，但可以肯定，類似的改變將會發生。馬斯克其他跳票的宏大願景有著相同的命運。 （財富中文網）

10月12日消息，根據摩根士丹利分析師周四發佈的報告稱，未來一整年的Blackwell GPU 供應量已經售罄。這類似於幾個季度前Hopper GPU 供應的情況。因此，預計輝達明年有望獲得更高的AI晶片市場份額。 據理解，摩根士丹利的分析師Joseph Moore 在與包括首席執行官黃仁勳（Jensen Huang）在內的輝達管理層會面後理解到，Blackwell GPU未來12個月的產能已經被預定一空。這意味著現在下訂單的新買家必須等到明年年底才能收到貨。 Moore在給客戶的報告中指出，輝達的傳統客戶（AWS、CoreWeave、Google、Meta、Microsoft 和Oracle 等）已經購買了輝達及其合作夥伴台積電在未來幾個季度將能夠生產的所有Blackwell GPU。 如此壓倒性的需求可能表明，儘管來自AMD、Intel、雲端服務供應商（自研AI晶片）和各種小型公司的競爭加劇，但輝達明年的AI晶片市場份額將會進一步成長。 輝達的產品路線圖似乎沒有重大變化，所有跡像都表明其業務表現“強勁”，未來需求有很高的能見度。 「我們仍然認為，輝達可能會在2025 年真正獲得更多的AI晶片的市場份額，因為定製晶片的最大使用者對於Blackwell GPU需求增長表明，明年將會看到輝達AI解決方案銷售的急劇增長，我們本周聽到的一切都強化了這一點。 先前由於輝達的封裝存在需要重新設計的問題，因此輝達面向AI 和HPC 的Blackwell GPU 量產出現了輕微的延遲，但顯然這並未影響市場對這些晶片的旺盛需求。 摩根士丹利報告稱，Blackwell GPU第一個版本存在功能性問題，但產量很低，問題大多是在封裝後發現的。因此，帶來了晶圓上晶片襯底和HBM3e 的損失損失，而這兩者都供不應求，這使問題更加複雜。然而，這些問題正在解決。 現在輝達的Blackwell GPU的封裝問題已經解決，它們都是使用台積電的CoWoS-L 封裝，目前台積電CoWoS產能也快速成長。最重要的是，HBM3e 的供應問題也將得到緩解，因為輝達表示，它「非常有信心」使三星有資格成為其第三家HBM3e供應商。 值得注意的是，Mooer在先前的報告中就曾表示，他們非常確信輝達在2025年第一季將獲得數十億美元的Blackwell GPU銷售收入。在最新的報告中，Moore再度確認了這一看法，並表示目前Blackwell GPU產量的增長也似乎「相當強勁」。 （芯智訊）

隨著股市暴跌，華倫·巴菲特和他的公司波克夏公司（Berkshire Hathaway）很可能會從3,000多億美元的股票投資組合中獲利。但是他們並沒有增加很多新的倉位。今年前六個月，波克夏僅購買了43億美元的股票，而賣出了970億美元。與波克夏在2023年購買的165億美元股票和2022年購買的近680億美元股票相比，這就相形見絀了。然而，這一切可能即將改變。 波克夏公司有充足的資金，可能會把目光投向遠東地區 有充分的證據表明，波克夏積累了大量現金和短期國庫券。截至第二季末，波克夏擁有近370億美元現金和約2,364億美元短期美國國債，總計約2,710億美元現金及現金等價物。這一數字高於2023年底的1,630億美元現金和現金等價物。 最近的分析師報告顯示，波克夏可能將目光投向遠東地區的日本，巴菲特和波克夏之前曾涉足過這個國家。 2020年8月，波克夏購買了日本五大貿易公司（伊藤忠商事、丸紅、三菱、三井和住友）各自5%以上的股份。 2023年6月，波克夏增持了這兩家公司的股份，持股比例在7.5%到8.6%之間。巴菲特先前曾表示，波克夏打算長期持有這兩家公司，不會購買任何一家公司超過9.9%的股份。 分析師認為，巴菲特和波克夏公司可能準備在日本購買更多股票，此前的備案檔案顯示，波克夏公司正計畫開始出售日元債券，這是波克夏公司先前購買日本股票的融資方式。一些分析師認為，巴菲特將把目標對準日本保險公司和船運公司，甚至是銀行，從估值角度來看，這些公司已經變得越來越有吸引力。 日本央行（Bank of Japan）已經開始提高利率，這可能對該行業有所幫助，不過日本首相石破茂（Shigeru Ishiba）最近對記者表示，他認為在日本目前的經濟環境下，沒有必要進一步加息，從而緩和了這種情緒。巴菲特以價值投資者著稱，因此估值有吸引力的銀行股可能符合他的投資策略。然而，有些人認為，考慮到巴菲特一直在拋售美國銀行的股票，日本銀行不太合適。 目前的環境不利於囤積現金 在利率超過5%的情況下，波克夏和巴菲特不必伸手去買股票。這是因為他們可以簡單地將現金投入短期國庫券，並獲得超過5%的收益，這將超過許多股息。這也降低了購買高風險股票的吸引力。 2021年，波克夏獲得了約75億美元的利息、股息和其他投資收入。到2023年，這一數字躍升至156億美元。 現在，聯準會已經開始了降息之旅。隨著波克夏對現金進行再投資，美國國庫券的收益率將開始下降，這將使股息和股票更具吸引力。股市一直在打壓它，今年以來的漲幅已超過21%。巴菲特似乎認為市場過熱了。今年早些時候，波克夏出售了超過一半的蘋果（納斯達克股票程式碼：AAPL）頭寸，這是自2016年以來其最大的持股和最受歡迎的股票。 然而，由於市場結構的變化，科技股和成長股在大盤及其收益中所佔的份額要大得多。目前仍有許多股票的估值處於有利水平。此外，巴菲特是一位價值投資者，但這並不意味著如果他認為估值合理，他就不會購買估值過高的股票。巴菲特多次說過，以合理的價格收購優秀公司是成功的策略。 回歸核心價值？ 很難確切知道有史以來最偉大的投資者之一下一步會做什麼。但我認為，考慮到日本的債券發售，日本肯定是有可能的。隨著美國股市變得越來越貴，我認為巴菲特會對表現不佳的海外市場產生興趣。我還想知道，在利率下降的環境下，巴菲特是否會開始關注分紅好的股票。巴菲特喜歡將資本回饋給股東的公司。 例如，在這種環境下，波克夏投資組合中的一個部位給我的印象是一個完美的股票。波克夏已經收購了大型貨幣中心銀行花旗集團（NYSE: C）近3%的股份。花旗集團目前的股息殖利率接近3.5%，其股價仍遠低於其有形帳面價值或淨值。 在目前的環境下，這種策略可能是有意義的：購買估值風險較低的優質配息股票。波克夏最近也增持了遭受重創的Sirius XM Holdings （NASDAQ: SIRI）的股份，該公司的股息殖利率接近4.7%。因此，我們將拭​​目以待，但我認為，市場條件已經成熟，巴菲特和波克夏應該回歸其核心價值戰略。 （北美財經）

2024年的諾貝爾化學獎一半授予大衛·貝克（David Baker），“以表彰在計算蛋白質設計方面的貢獻”；另一半則共同授予德米斯·哈薩比斯（Demis Hassabis）和約翰· M·詹珀（John M. Jumper），「以表彰他們在蛋白質結構預測方面的成就」。 David Baker 是華盛頓大學蛋白質設計研究所所長，被譽為蛋白質設計領域先驅。 2003年起，他成功設計出全新的Top7等多種創新蛋白質，廣泛應用於藥物、疫苗、納米材料、微型傳感器等領域。並在1999年就提出了蛋白質結構預測演算法RoseTTA，早於Deepmind的AlphaFold。 另兩位獲獎者就更不陌生。 Demis Hassabis是Google DeepMind聯合創始人兼CEO，John M. Jumper現任Google DeepMind總監。兩人透過領導團隊開發AI 模型AlphaFold 2，解決了困擾科學界50年的難題：從胺基酸序列預測蛋白質的複雜結構。 蛋白質是生命的基礎化學工具，它們控制並推動所有生物化學反應，擔任荷爾蒙、信號物質、抗體和組織建構的關鍵角色。在蛋白質中，胺基酸以長鏈的形式連接在一起，並摺疊成三維結構。自上世紀70年代以來，研究人員一直嘗試根據胺基酸序列預測蛋白質結構，無奈進展緩慢，直到四年前DeepMind帶來的驚人突破。 2020年，Demis Hassabis和John Jumper在第一代AlphaFold 的基礎開發了AlphaFold 2。它幾乎能夠預測所有已被研究人員識別的2億個蛋白質的結構，至今已被引用超過2萬次，被來自190個國家200多萬人使用，在推動包括瘧疾疫苗、癌症治療、酶設計和抗生素抗藥性研究等領域取得了巨大進展。實際上在諾獎以前，兩人已於去年獲得素有「科學界奧斯卡」之稱的生命科學突破獎和「諾獎風向標」拉斯克獎，以表彰他們為基礎醫學研究做出的突出貢獻。 瑞典皇家科學院在聲明中稱，“沒有蛋白質，生命無法存在。如今我們能夠預測蛋白質結構並設計自己的蛋白質，這為人類帶來了巨大的福祉。” 得知獲獎消息後，Google DeepMind官方第一時間發文「報喜」。 Demis Hassabis也發表聲明稱： 「獲得諾貝爾獎是我一生的榮譽。感謝瑞典皇家科學院，感謝John Jumper和AlphaFold團隊，感謝更廣泛的DeepMind和Google團隊，以及所有為這一時刻做出貢獻的同事。我將我的職業生涯奉獻給AI的進步，因為它擁有無與倫比的潛力，能夠改善數十億人的生活。視為AI加速科學發現巨大潛力的第一個實證。 John Jumper隨即表示：“這是AI能夠加速科學研究並最終幫助理解疾病和開發治療方法的一個重要證明。這項工作歸功於Google DeepMind的優秀團隊，這個獎項也認可了他們的傑出貢獻。” 至此，加上此前率先獲得物理學獎，並引發高度討論度的“AI教父”傑弗裡·E·辛頓（Geoffrey E. Hinton），這些今年最受關注的獲獎者背後，共同的交集很明顯－辛頓是承載Google早期AI野心的Google Brain的核心人物，而Demis Hassabis是承載Google近年來AI研究任務的Google Deepmind的靈魂。 怪不得連「諾貝爾派對」都直接在Google園區舉辦了。 在諾貝爾獎連續發給AI科學家背後，Google也「贏麻了」。 1. Google的進攻 從時間線上來看，Google絕對是最早入局人工智慧的大公司玩家。 儘管在許多故事版本中，都將2012年冬天那場發生在美國太浩湖旁賭場酒店裡的秘密競拍，描述為Google、微軟、百度三家科技巨頭與DeepMind之間，圍繞Hinton剛成立、除了幾篇論文外沒有任何實質產品的小公司DNNResearch的公平競爭。但事後回看，這場競拍的結局其實早已註定。因為它的起源之一，正是來自6個月前Google的推動。 2012年6月，Google Brain公開啟動「Google貓（The Cat Neurons）」項目，以演算法辨識YouTube影片中的貓。由吳恩達領導，Jeff Dean參與，並獲得公司創始人Larry Page的大力支援。 項目建構了一個擁有10億個連接的大型神經網絡，使用來自YouTube的1000萬段未標註視頻，在16,000個CPU上進行訓練。透過無監督學習，該系統成功自主學會了識別貓臉，精確度達74.8%，並能識別人臉等其他物體。 不過，吳恩達在計畫後期選擇了激流勇退，臨走前向Google舉薦了自己的老師Hinton接替工作。 Hinton表示自己不會離開大學，只願意去Google「待一個夏天」。就這樣，他成為Google史上最年長的實習生。 作為深度學習領域的權威，Hinton很快就意識到項目的缺陷，指出Google貓「運行了錯誤的神經網絡，並使用了錯誤的計算能力。」於是在短暫的「實習期」結束後，Hinton馬上召集學生Ilya Sutskever和Alex Krizhevsky組建團隊，開發了新的神經網路架構AlexNet。並帶著僅4顆輝達GPU訓練出來的成果參加了2012年ImageNet圖像識別比賽，最終以84%的精確率取得顛覆性勝利。 同年10月，Hinton團隊在佛羅倫薩電腦視覺會議上正式介紹了冠軍演算法AlexNet。一支學界團隊逆襲擊敗硬體和研發資源對比懸殊的Google，引發學術界和產業界徹底轟動。 AlexNet論文也成為電腦科學史上最有影響力的論文之一，被引次數超過12萬。 接下來，三人的DNNResearch公司註冊成立。後續競拍的發展就更順理成章，當身價被提高到4400萬美元時，Hinton叫停了拍賣，與兩名學生一起正式加入Google，擔任Google Brain副總裁和工程研究員。 當時的Hinton在一篇聲明中寫道：“我會繼續在多倫多大學兼職任教，但在Google，我能夠看到我們如何處理超大型計算。” 在直到2023年5月的十年Google生涯中，Hinton繼續參與大規模人工神經網路研究，為Bard和ChatGPT等現代AI系統的底層技術奠定了基礎性貢獻。他也參與開發了開源機器學習軟件庫TensorFlow，推動了圖像識別、語言理解等AI應用的能力提升，並將深度學習技術廣泛應用於Google的各類產品和服務中。 Google對人才和技術的聚集從未放緩。在收購DNNResearch僅兩年後，當年參與競拍的對手之一， Hassabis創立的DeepMind也被它納入囊中。 據悉，Google當時還專門包了架私人飛機帶Hinton去倫敦」驗貨「，並且專門改造了座椅，解決他背痛不能坐飛機的問題。而當時被Google擠走的Facebook在錯失DeepMind後，則轉而高價挖走了「深度學習三巨頭」之一的Yann LeCun。 2. Deepmind的故事 來到DeepMind這邊，其實被Google收購前，DeepMind已經在財務上遇到了困難，公司一直在燒錢，卻未能找到可持續的商業模式，甚至瀕臨破產。 Google的6億美元收購拯救了DeepMind，不僅保留了核心技術團隊，還為其提供了強大的計算資源，包括雲端運算平台和資料中心支援。這讓DeepMind能夠利用更強的算力來訓練深度神經網絡，特別是在AlphaGo的開發中，大幅提升了計算速度和模型精確度。除此之外，Google還提供了專門設計的TPU（張量處理單元），進一步優化了深度學習模型的訓練和推理效率，AI基礎工具TensorFlow也被廣泛應用到DeepMind的研究之中，協助加強AlphaGo的表現。 AlphaGo是DeepMind團隊開發的一款人工智慧圍棋程式。它透過分析數百萬局棋譜，用自我對弈進行強化學習，掌握了複雜的圍棋策略，能夠超越人類頂尖圍棋選手。 2016年，AlphaGo在與圍棋世界冠軍李世石的比賽中取得了4比1的勝利，從此一戰成名，震驚全球。 然而在Hassabis眼中，透過棋盤遊戲驗證AI解決複雜問題的潛力只是開始。更重要的是用它來引導通用學習系統，應對現實世界的挑戰，從而真正改善人類生活、革新產業並推進科學發展。 於是在幾個月內，DeepMind便迅速僱傭生物學家，組建了一支跨學科團隊，專注於解決蛋白質折疊難題，最終在2018年促成了AlphaFold項目誕生。經過多次迭代，AlphaFold已憑藉其突破性的蛋白質結構預測能力，徹底改變了生物學研究，展現了AI在科學領域的強大應用前景。 就在今年5月，Google Deepmind再次官宣，與Isomorphic Labs聯合推出新一代蛋白質預測模型AlphaFold 3，相關論文一舉登上《Nature》雜誌。 與先前的版本相比，AlphaFold 3不僅在蛋白質摺疊預測上取得了進展，還首次實現了對蛋白質、DNA、RNA及配體等生命分子的結構及其相互作用的高精度預測。這項突破幫助科學家更深入地理解疾病機制和生命過程，同時大幅縮短了研發時間和成本。無論是開發可再生材料，還是加速藥物設計和基因組學研究，AlphaFold 3都為生物分子領域打開了更廣泛的應用空間。 不僅如此，該團隊還基於AlphaFold 3推出了一個名為AlphaFold Server的免費平台，供全球科學家進行非商業性研究，進一步推動科學探索的普及。 透過DeepMind，Google不斷吸引全球頂尖的科研人才，並提供長期的資金支援，使其能夠專注於突破性研究，而不必依賴短期的商業回報。 Google也賦予了DeepMind高度的策略自主權，使其能夠自由選擇研究方向。正是這種獨立性和長期支援，為DeepMind進行前瞻性研究奠定了堅實基礎。 除了遊戲領域和生物學突破外，DeepMind還開發用於Google助理的逼真語音合成模型WaveNet，提升語音互動體驗。透過視覺-語言-動作模型RT-2增強了機器人在多樣環境中的任務執行能力。其研究還涉及天氣預測、核聚變反應器等複雜問題，並透過AlphaCode和AlphaDev等項目推動了電腦演算法的進一步發展。 3. Google的「家底」依然深厚 在今天的人工智慧競爭中，OpenAI和Anthropic等明星公司的迅速崛起、ChatGPT、Claude之於Gemini的“碾壓”，一度讓人們對Google的AI策略產生了質疑。特別在生成式AI產品和開發者工具的商業化處理程序上，OpenAI們的快速發展與Google相對緩慢的步伐形成了鮮明對比。 然而眼前的兩項諾貝爾獎似乎在提醒我們，Google深厚的科研土壤和技術積累仍是其他公司難以複製的優勢。 在2006年之前，深度學習的現狀可以用開爾文男爵的那句名言來概括：“深度學習的大廈已經基本建成，只不過在陽光燦爛的天空下，漂浮著三朵小烏雲。” 這三朵小烏雲分別是演算法、算力和資料。 而Google恰恰在這些關鍵領域擁有明顯優勢。首先，它掌握了全球領先的龐巨量資料資源，依託YouTube、Google Scholar和Google Search等平台，Google為視覺、語音辨識和自然語言處理等AI模型提供了豐富且多樣化的訓練資料。 其次，Google在計算資源方面具有顯著優勢。其自主開發的TPU硬體大大加快了深度學習模型的訓練速度，Google Cloud不僅為內部研究提供了強大的計算能力，還為全球開發者提供了工具，幫助他們快速構建和部署複雜的AI應用。 在演算法研發領域，Google也處於產業前沿。誕生於Google Brain團隊的Transformer架構奠定了現代自然語言處理的基礎，推動了今天幾乎所有前沿AI模型的發展。這些技術不僅推動了學術界的進步，也廣泛應用於Google的核心產品。 2024年，AI領域仍面臨演算法、算力和資料挑戰。儘管許多公司也各自在某些領域有所突破，但相較之下，似乎同時具備三方面優勢並持續有效結合的，還是Google。 在與OpenAI、微軟等公司的競爭中，Google的「家底」依然厚實，在AI競賽中也並未被打敗。人工智慧的潛力遠未被充分挖掘，而在這場長跑中，或許技術創新的深度和廣度才決定了最終的勝者。 （矽星人Pro）