整理｜吴莹
ChatGPT企业版付费用户突破100万；智谱以投前200亿估值完成新一轮融资；腾讯发布新一代大模型“混元Turbo”；OpenAI前首席科学家已筹资10亿美元；美国司法部对英伟达的反垄断调查升级；英特尔最新制造工艺未通过博通测试；微软AI个人电脑与热门游戏不兼容；杨立昆称训练AI的可靠数据正在枯竭……
9月5日，OpenAI表示，ChatGPT企业版付费用户突破100万。这一数字包括注册使用ChatGPT Team和Enterprise服务的总人数，这些服务面向公司以及使用ChatGPT Edu产品的大学人员。
此外，据一位知情人士透露，OpenAI首席执行官山姆·阿尔特曼（Sam Altman）计划吸引全球投资者支持建设人工智能AI基础设施的计划正变得更加明确，重点首先是在美国各州启动，预计将耗资数百亿美元。
9月5日，中关村科学城公司宣布以投前200亿元估值领投智谱华章（智谱AI）新一轮融资，并表示资金将用于支持其国产基座大模型的技术创新与生态发展。智谱也成为估值规模率先超过200亿元的AI大模型企业。
目前智谱的股东阵容包括高瓴资本、启明创投、君联资本等知名投资机构以及美团、阿里、腾讯、小米在内的互联网大厂。200亿元人民币估值被市场普遍认为是此番百模大战中脱颖而出进入第一梯队的基准线。9月5日，腾讯在全球数字生态大会上发布混元Turbo大模型。据腾讯集团副总裁、云与智慧产业事业群COO、腾讯云总裁邱跃鹏介绍，混元Turbo采用万亿级层间异构MoE（混合专家模型），推理效率比上一代提升100%，推理成本下降50%，解码速度增加20%，在中文场景对标GPT-4o。与混元Pro相比，混元Turbo价格降低50%。混元Pro输入、输出价格分别为0.03元/千tokens、0.1元/千tokens，混元Turbo输入、输出价格分别为0.015元/千tokens、0.05元/千tokens。
9月4日，安全超级智能公司（SSI）高管表示，这家由OpenAI前首席科学家伊利亚·苏茨克维（Ilya Sutskever）共同创立的公司已经筹集10亿美元现金，用于开发远超人类能力的安全人工智能系统。成立3个月，SSI估值已超过50亿美元。投资者包括顶级风投公司Andreessen Horowitz、Sequoia Capital、DST Global和SV Angel等。
SSI目前只有10名员工，计划利用这笔资金买算力并聘请顶尖人才。公司将专注于建立一个小型、高度可信的研究和工程团队。Ilya Sutskever表示，自己新事业意义在于，发现了一座“与之前工作有所不同的山”。他周三也在社交媒体上表示，山头已经确认，是时候开始爬了。9月4日消息，美国司法部向英伟达和其他公司发出传票，以寻求英伟达违反反垄断法的证据，这反映了调查的升级。据知情人士透露，此前，司法部只是向相关公司发放问卷，而现在则发出了具有法律约束力的请求，要求接收方提供信息。这意味着政府的调查离正式提起诉讼又近了一步。知情人士表示，反垄断官员担心英伟达正在使客户更难转向其他供应商，并惩罚那些不专门使用其人工智能芯片的买家。受此消息影响，当地时间9月3日，英伟达股价暴跌近10%，市值蒸发2790亿美元，创历史新高。
对此，英伟达公司发言人表示，“英伟达凭实力取胜，公司的价值体现在业绩和对客户的价值上，客户可以选择最适合自己的解决方案。”9月4日，据媒体报道，博通最近在测试英特尔最先进的18A制造工艺，其工程师和高管研究了从英特尔处收回的硅晶片后认为，这种制造工艺还不适合大规模量产。
博通发言人表示，公司正在“评估英特尔代工厂的产品和服务，目前尚未得出最终结论”。据知情人士透露，博通的工程师对该工艺的可行性仍存有疑虑，这可能与晶圆上的缺陷数量或芯片质量有关。而能否提高晶圆的良品率，对实现大规模生产至关重要。测试失败对英特尔的打击似乎尤为严重，尤其是在公司整体业务面临严峻挑战之时。今年第二季度，英特尔发布了令人失望的财报，同时宣布裁员15%并削减与工厂建设相关的资本支出。英特尔CEO基辛格随后推出了100亿美元的成本节约计划。
微软及其合作伙伴今年春天推出了Copilot+个人电脑，其功能包括创建AI生成的图片和视频。微软首席执行官萨提亚·纳德拉（Satya Nadella）表示，该公司配备了AI功能的最新Windows个人电脑在“所有基准方面”都拥有“最佳规格”。
但当前型号电脑中使用的芯片与许多领先的电子游戏不兼容。微软证实，某些游戏可能无法在Copilot+个人电脑上运行，包括某些对图形要求苛刻的游戏。包括《英雄联盟》和《堡垒之夜》等热门多人游戏在内的大多数PC游戏都是为配合英特尔x86芯片架构使用而开发的。分析师表示，由于当前Arm-高通芯片的基本结构，这个问题无法通过快速软件补丁来解决。9月2日，Meta首席人工智能科学家、图灵奖得主杨立昆（Yann LeCun）发文称，用于人工智能训练的可靠数据来源正在逐渐枯竭，相比之下，人工“后期训练”的成本正在快速增长。他表示，如今AI模型于基准测试中的表现已趋于饱和，故目前的大型语言模型不会达到人类智能水平，“但这不意味着它们没有用”。
