今天是 2022 年 1 月 20 日，您看到的是第 119 期「AI Insider」。
本期首先关注微软收购动视暴雪，为什么这笔交易会对元宇宙在企业市场的发展产生影响？
疫情期间，工业机器人的需求持续上涨，和所有技术一样，机器人当然不会完全取代人类，但疫情的持续发展，可能让很多权宜之计变成固定做法，本期会有一些探讨。
本期还将关注：
欢迎订阅「AI Insider」或「Dailyio Pro」获取全文。
[elementor-template id="8962"]
今天是 2022 年 1 月 13 日，您看到的是第 118 期「AI Insiser」。
本期首先谈谈医疗 AI 领域的几个变化，IBM 为什么要卖掉 Watson 医疗、医疗 AI 创业市场如何？
Jeff Dean 日前分享了 Google 机器学习的五个年度总结，在我看来，超大规模通用机器学习模型、机器学习与底层计算硬件的互动以及科学研究领域的机器学习使用是最值得关注的三个方面。
与此同时，本期还将关注：
欢迎订阅「AI Insider」或「Dailyio Pro」获取全文。
[elementor-template id="8962"]
今天是 2022 年 1 月 5 日，您看到的是第 117 期「AI Insider」。
「AI Insider」除了每周关注实时变化的产业动态之外，还分享了大量行业深度报告，话题涵盖人工智能产业发展、国家间的人工智能竞争格局以及围绕企业市场的众多产业趋势分析等。
这些深度报告从不同视角切入到产业变革之中，提供了一个个了解与深入科技产业发展的观察角度，因此在 2022 年的第一期「AI Insider」里，我会重新梳理并推荐一组值得反复去看的产业深度报告，正如我在 2021 年最后一期会员通讯里所言，在一系列看似不断变化的背后，还有更多不变要素，这些深度报告所呈现的，也浓缩了产业发展的诸多根本和不变。
先看竞争，这份关于中美国家 AI 竞争的报告初衷是向白宫提供 AI 战略咨询，后来经过拓展，形成了一份分析报告。
在我看来，这份报告有两大主调：其一，将中国作为美国在 AI 领域的「全方位竞争对手」，同时也是美国有史以来最强大的竞争对手；其二，将 AI 看作未来十年最有可能影响安全和经济的关键技术。
这份报告还展示了几个 AI 领域的竞争态势：
你可以在这里免费获取这份 52 页的报告。
如果你觉得上面这份报告略显枯燥，不妨看看这份中美 AI 发展指数的分析，智库 Center For Data Innovation 在报告里给出了类似的结论：美国依然在 AI 领域保持领先，欧盟已落后于中国。
这份 48 页的报告，用 30 个不同指标评估 AI 领域的人才、基础研究、投资以及产品，在总分 100 分里，美国为 44.6 分，中国和欧盟分别是 32 和 23.3，你可以这里免费下载这份报告。
再看发展。美国不同地区 AI 发展情况各不相同，布鲁克斯基金会的报告显示，湾区依然是美国 AI 的创新中心，其他地区还包括纽约、波士顿、西雅图等，你可以在这里免费下载这份报告。
政府如何使用 AI 各项技术？这份报告介绍了美国联邦政府未来如何使用 AI，旨在通过政府机构与算法层面的治理，确保 AI 系统满足需求，并且通过分析数据，进一步评估与衡量系统性能，从而确保合规性，整个机制会是一个动态调整的过程。
你可以在这里免费获取这份 112 页的报告。
更进一步，在最受争议的面部识别技术上，Engadget 援引美国联邦政府的一份报告显示，有 10 个联邦政府机构计划或扩大使用面部识别技术，你可以在这里免费获取这份报告。
关于印度 AI 发展的讨论并不多，这份来自乔治城大学的 53 页报告，从五个方面勾勒了印度 AI 的发展情况，包括：
你可以在这里免费获取这份报告。
2022 年，AI 监管将成为各国政府的重要决策，去年 4 月欧盟提出监管 AI 的法律草案，你可以在欧盟官网获得该法律草案的文本。结合非盈利组织 SocArXiv 的一份解读报告，可以从更宏观的视角了解监管 AI 的各种挑战。
报告认可了欧盟在 AI 不同等级风险方面的分类，但也提到，在诸如执法方面存在非常大的问题，你可以通过这里免费获取这份报告。
再来看两份关于中国 AI 报告，一份是乔治城大学研究机构 CSET 对中国军事方面 AI 支出的调查，其数据来自公开采购合同，你可以在这里下载这份完整的报告。
其二，在中美持续技术对抗的现实里，中国与俄罗斯过去两年的技术合作值得关注，2020 和 2021 是两国科技创新合作年，两国合作的重点是生物技术、AI 与机器人，CSET 的这份研究报告从学术和投资两个领域梳理了中俄 AI 合作，你可以在这里免费下载这份研究报告。
PAI（Partnership on AI，一家致力于负责任地使用人工智能的非营利组织）的一份报告针对当下 AI 算法的偏见以及对抗偏见的方法提出了几个新思考。
AI 算法存在偏见已经成为行业共识，而一般减少算法偏见的办法之一就是增加一些数据，比如增加不同种族、肤色的人口数据，来平衡涉及人口的算法，PAI 这篇报告否定了这种做法，「为收集更多的数据来支持公平并不总是答案，实际上会加剧或引入对边缘化个人和群体的伤害」，你可以在这里免费下载这份报告。
过去几年，随着大量机器学习数据集、开源工具的出现，机器学习的门槛大大降低，研究者、开发者很多时候无需进行重复工作，直接使用开源社区上的工具或数据集即可。
从这个角度去看，机器学习已然成为一种基于信任的领域，研究者/开发者「默认」自己所采用的公开数据集或开源工具是安全且值得信任的，这也构成一个威胁：如果有人在这些数据集或开源工具中恶意注入带有偏见的数据或代码该怎么办？
你可以在这里查看 CSET 的这份报告，通过拆解机器学习不同流程中的威胁，提供了几个解决方案。
企业如何看待 AI 伦理？皮尤的一份报告显示了 AI 伦理发展的「缓慢进度」。这份报告调查了 602 位科技公司高管，其调查结果包括：
你可以在这里免费获取这份 127 页的报告。
先看 2021 年上半年来自斯坦福大学 HAI 研究中心发布的 2021 AI Index 报告，这份 222 页的报告从研究、技术发展、投资并购、教育、伦理、多样性以及国家政策七个维度详细盘点了过去一年全球人工智能领域值得关注的变化和潜在趋势。
由于该报告内容众多，我只分享几个重点发现。
1.疫情的刺激，2020 年医疗 AI 的投资增长迅速，包括药物发现、癌症研究、分子学等。
2.从学术界到产业界的人才流动继续加快，这既是金钱的诱惑，也是因为产业界的 AI 落地应用越来越多。
3.基于对抗生成网络的内容生成变得足够多样化，从之前的图像到音频、文本等等，这些机器生成的内容与人类自己创建的内容之间差距越来越小。
4.中国在 AI 学术领域继续保持领先，一方面是学术论文数量的领先，另一方面是 AI 学术论文引用数量的领先。
5.基于 AI 的监控技术部署成本持续降低，上线速度加快，门槛也更低，进一步推动其应用。
6.AI 伦理的最大挑战是缺乏一个基本的行业共识，从影响就业到人类福祉再到基本权力，AI 领域的伦理争议还在持续。
上述六点构成了观察当下 AI 领域的基本入口，每一个角度都可以延伸出足够多的话题和子话题，如果你想进一步了解全球 AI 领域的发展情况与趋势，我强烈推荐各位好好读一下这份报告。
你可以在斯坦福大学 HAI 提供的站点下载这份报告，或者访问国内镜像获取这份报告。
2021 下半年，两位英国投资人 Ian Hogarth、Nathan Benaich 带来了新一年的「State of AI」，这一次的篇幅为 188 页，主体部分从基础研究、人才、产业、政策四大方面勾勒过去一年的 AI 发展格局，同时还提供了接下来一年的几个预测。
接下来我会分享其中我认为最值得关注的技术或产业趋势，你也可以在这里获取该报告的完整版本。
1.Transformer 模型全面进入计算机视觉领域，Transformer 模型最早出现在自然语言领域，但随着 Google 提出视觉领域的 Transformer 模型（Vision Transfomer），这个领域的研究开始变得火热，研究者也发现，在诸如图像分割、识别等场景中，Transformer 的表现更好。
值得一提的是，2021 的特斯拉 AI Day 上，特斯拉也介绍了其将 Transformer 应用到自动驾驶场景的思考，另外，在国内，背靠长城汽车的自动驾驶创业公司毫末智行也引入了 Transfomer 模型。
与此同时，该报告还指出，研究者还在探索 Transformer 模型的更多场景，上图显示了其在诸多测试里的巨大潜力。
2.人才领域的新趋势，AI 人才招聘趋势变化所反映的是当地 AI 发展情况，报告指出，巴西和印度的 AI 人才招聘增速非常快，相比于 2017 年增长了 3 倍，这也从一个侧面展现出这两个国家的 AI 产业需求。
另外一组趋势是，科技巨头公司对于高校人才、研究学者的争夺持续，下图展示了科技巨头与高校人才的关系。
3.AI 产业链向芯片领域扩张，过往很长一段时间，AI 局限在算法、数据层面，即便对算力的需求，也不外乎通过现有的通用芯片或专属芯片进行训练或部署，但在过去一年，AI 产业链持续向上扩张，芯片公司以及制造芯片工具的公司已然成为 AI 产业链的关键，并且也和地缘政治紧密结合在一起。
下图展示了不同地区在芯片产业上的价值。
更进一步，这一年的芯片短缺已经直接影响到汽车产业。
比尔·盖茨曾有句名言：人们倾向于高估短期内将要发生的变化，而低估长期内将要发生的变化。
类似的现象也发生在人工智能领域。科技媒体热衷于报道近期的各种技术突破，让很多读者误以为技术的变革就在眼前，比如机器人即将替代人类工作、自动驾驶汽车即将上路。显然，这些都是被严重高估的变化，而在类似这样的期望与失望的循环往复中，人工智能的「狼来了」也成为很多话题的终点。
但如果以长期的角度来看，人工智能的技术突破、产业落地以及公众的认知，几乎都进入一个全新的阶段。
这是我看完一份 AI 行业报告后的心得体会，这份名为「AI 100」的报告由来自斯坦福、布朗大学等多个高校的教授参与编写，其内容以五年为一个观察周期，通过把 2021 年的产业现实与五年前的 2016 年进行对比，展现出一个长期视角下的人工智能发展图景。
整个报告从 13 个提问入手，其中包括：
上述每一个问题都足够宏大，特别是将其放在五年的时间里讨论，你会看到一个不太一样的人工智能的发展轨迹，我印象深刻的一个结论是：必须警惕「人工智能全能主义」，更多的时候，人工智能不过一个工具。
你可以在这里免费获取这份 82 页的报告。
数据分析公司 CB Insights（以下简称为 CB）时常发布 AI 领域的市场数据，比如一年一度的「AI 100」榜单，这是一个汇集全球 AI 创业公司的清单，从中可以一窥全球 AI 创业领域的现有格局以及新的变量。
需要提醒一点，CB 对于何为 AI 公司的定义比较广泛，除了我们比较习惯的主打语音、计算机视觉的创业公司，像开发自动化、自动驾驶也被划入到 AI 创业公司之列。
纵观这 100 家公司，涵盖了 12 个国家、18 个领域，84% 的创业公司总部集中在美国、英国、中国、以色列四个国家，其中总部位于美国的公司比例高达 64%，由此可见 AI 创业领域的焦点还是美国。
其次，如果你去看这份榜单的融资排名，芯片、自动驾驶、行业 AI 位居前列，其中主打汽车领域的地平线（车载 AI 芯片）、Aurora（自动驾驶）、Momenta（自动驾驶）位于前三。
第三，所有领域里，行业 AI 公司的比例最高，所谓「行业 AI」，简单来说就是将 AI 技术应用到「传统行业」，帮助这些行业实现数字化与智能化转型，比如通过 AI 技术帮助药物发现的 Recursion 公司，再比如帮助企业快速构建内部数据自动化平台的 Scale AI 公司等等，下图展示的是一组医疗行业 AI 创业公司，除此之外，财务、法律、零售/CRM、供应链等都有诸多 AI 创业公司。
你可以在这里获取 CB Insights 的「AI 100」榜单。
2021 年的 AI 投资市场有哪些新变化呢？CB 在 2021 第三季度全球 AI 投资指数给出了三个线索：
你可以通过这里获取我购买的这份报告副本，这里分享几个我发现的趋势。
相比于 2020 年，2021 年前三个季度，AI 领域的融资总额同比增长 55%。
而且投资的数量也持续回升。
从各地区的分布来看，美国和亚洲依然是资本热衷的区域。
AI 早期投资比例从 2020 年的 65% 下降到 61%，这部分说明了 AI 创业的窗口正在关闭，资本市场趋于理智，过往随便一个 PPT 就能获得大额融资的「好时代」已经过去了。
2021 年 AI 领域的并购案例已经超过 250 个，这是有统计以来最高的一年，而且通过传统方式或 SPAC 完成 IPO 的案例也显著增多。
这个数字变化背后，显示出整个产业的整合速度加快，对企业来说，利用并购获取人才、专利不失为一个快速发展的好方式，这也为资本退出提供了新渠道。
「人工智能的刀耕火种时代已经过去了 」，这是我在 2021 年不同场合听到的一句表达，其潜台词是：需要使用工业化或工程化的思维重新梳理围绕人工智能的研究和应用。
这也构成了一个观察人工智能发展的新角度：当机器学习、大数据与 AI 放在一起的时候，这个领域会发生怎样的变化？
投资人 @mattturck 绘制了一幅围绕上述三个领域的企业全景图，如下图所示（大图参见这里）。
这其中有几个有趣的观察。
其一，机器学习算法的突破，让企业数据拥有了可释放的价值，反过来又推动企业数据基础设施的发展，包括数据仓库、数据湖等产品的创新层出不穷，而 Snowflake、Databricks 等公司的崛起，也体现了巨大的产业需求。
其二，「AI+数据」的一站式服务平台正在兴起，数据是当下 AI 的关键，但数据，特别是标注数据的缺失又是企业的常态，与此同时，存放在不同服务商的数据进一步增加了从数据获取价值的难度，这也催生了以 Dataiku 等为代表的一站式平台的兴起，构成了一个个围绕数据的 Stack。
毕马威的这份「Thriving in an AI World: Unlocking the Value of AI across 7 Industries」深度报告，主要集中在不同行业如何利用 AI 解决行业难题，这七个行业包括科技、金融服务、工业制造、健康、生命科学、零售以及政府。
这份报告有几个值得关注发现。其一，整体上说，企业高管认可 AI 在行业发展中的价值，92% 的受访者表示 AI 技术能够提升企业运营效率，零售行业位居第一。
其二，受访者也在关注 AI 的过度炒作，有 74% 的受访者认为 AI 在企业中的实际应用价值存在过度炒作现象，这个数字比 2019 年显著上升。
其三，企业希望可以加快 AI 落地速度，85% 的企业高管希望加快 AI 落地速度，而在具体技术领域，机器学习更受关注。
你可以在这里免费获取该调查的分析报告。
IBM 与 Morning 咨询公司发布了一份「Global AI Adoption Index」报告，其中的几个数字：以国家地区来看，中国、印度在 AI 应用中的比例最高，如下图：
其次，影响 AI 落地的几个要素里，人才和相关知识的缺乏位居第一，比例高达 39%。
这与之前一份来自 O’Reilly’s 的企业 AI 适应性调查结论类似，在此前的报告里，19% 的企业高管指出，专业人才不足是 AI 落地的主要困难。
第三，具体技术层面，自然语言理解成为企业落地 AI 的关键领域，近半数受访者表示企业使用了基于自然语言理解的应用程序，还有 1/4 受访者称将在未来一年里部署相关应用，更进一步去看，企业使用自然语言理解的重要场景是客服服务，这个比例高达 52%。
你可以在这里免费获取 IBM 的分析报告。
云原生与 AI 平台的结合，会释放哪些值得关注的发展方向，这篇报告给出了几个线索。
最后再看两个值得关注的应用场景：一份美国国家安全委员会关于 AI 与国土安全的报告，通过该报告可以看到美国 AI 政策的相关逻辑，你可以在这里获取该报告。
而麦肯锡的这份报告主题是「AI 银行」，探讨了银行部署 AI 应用与利用 AI 实现数字化转型的相关探索，你可以在这里免费获取该报告。
今天是 2021 年 12 月 29 日，您看到的是第 116 期「AI Insider」，也是 2021 年的最后一期内容。
我们总是热衷于对「变化」的追逐，恨不得每一次都可以跑在快速变化的「风口」之前，似乎这样才能成为风口上的那只猪。
但从另一个角度去看，任何一个生意都不可能建立在变化之上，只有那些不变的东西才是一种商业模式或创新模式的根基，就像杰夫·贝佐斯所言，亚马逊的商业模式，建立在零售领域的几个不变的原则之上，比如更低的价格或者更快的配送速度等等。
过去一年，每一期的「AI Insider」似乎都在汇总变化，告诉大家围绕人工智能、云计算等领域正在发生的新闻与值得关注的事件，但如果可以像地图缩放那样来回切换显示效果，「AI Insider」呈现的内容又是「不变」的，比如我会常常谈及芯片特别是 AI 芯片的最新变化，这其中的根本就在于，对计算能力的需求是人工智能乃至整个产业界持续不变的需求。
由此也构成了 2021「AI Insider」年终总结的核心逻辑，从每周不断变化的行业动态里总结出过去一年若干不变的要素，它们或是产业需求或是技术方向或是行业趋势，这些不变的要素，至少是未来十年整个产业发展的基石，它们不会成为所谓的风口，不会让你因为快速了解变化挣到大钱，但却可能让你走对方向，而方向感，又是这个时代最缺的技能。
IT 产业发展的历史几乎就是计算能力（算力）不断更新迭代的历史，你我手上一部几千元的智能手机，其计算能力差不多是 50 多年前阿波罗登月导航计算机的 1 亿多倍。
这就是算力提升的直接体现。而在过去一年，围绕算力的争夺大概分为两个领域：话语权与成本。
其一，即便我们可以从其他角度继续解读「摩尔定律」的有效性，但 CPU 并不再是那颗唯一提供算力的芯片了。最近五年时间里，英伟达已经向行业展示了基于 GPU 带来的巨大计算红利，特别是在面向机器学习的场景中，GPU 的效率惊人，而随着英伟达 GPU 产品线的不断迭代，由此也形成了一个全新的产业定律：「黄仁勋定律」。
即便是英特尔，也在释放一些值得关注的信号，一方面，加码芯片代工并在欧美投资芯片工厂，另一方面，英特尔今年重磅发布的 IPU，其作用也是减少某些特殊场景——比如机器学习——对 CPU 的依赖。英特尔所有这一切，都是在努力成为「新一代算力供应商」。
其二，阿里云、AWS 先后发布基于 ARM 架构的云端通用处理器、Google 持续优化 TPU、百度迭代 AI 芯片昆仑、腾讯推出专属 AI 芯片，其根本推动力是基于对算力的成本考量，特别是，无论阿里云、AWS 还是腾讯、百度，它们的另一个身份是云计算公司。
通过降低成本、提升芯片带来的计算效率，上述几家云计算公司可以更好控制对服务器硬件的采购预算，减少对上游服务器硬件公司的依赖，从而可以向更多客户提供更便宜的云服务；更重要的一点还在于，随着越来越多的云计算巨头在虚拟化架构（比如 AWS 的 Nitro 或阿里云的「神龙」）、云操作系统领域加快研发速度，通过底层计算芯片与计算架构、操作系统的整合，能够进一步优化计算效率与成本，从而形成新的技术竞争力。
2021 年的云计算市场充满了各种变化，仅在中国市场，就有几个重要事件：
以海外市场的视角去看，AWS 更换 CEO、Google Cloud 增长迅速、阿里云跻身 Gartner 云基础设施和平台魔力象限的「远见者」……
但如果换一个角度去看，还有几个一直没有变化的趋势，比如，企业上云依然处在非常早期的阶段，这意味着，整个云计算的市场格局远未形成，所谓「云计算 2.0」或「云计算的下半场」的说辞毫无意义。
其次，对客户而言，无论是选择公有云还是私有云，成本、弹性、安全始终是最优先的考量，由这些不变的客户需求出发，你会看到云计算公司的一系列新战略和新产品，比如阿里云持续强化「飞天操作系统」与本地 Region 的关系，其目的就是要将阿里云部署到客户需要的任何一个地方；类似地，AWS 本月更新的 AWS Outposts 产品线，也是要为不同需求的客户提供足够灵活的本地部署选择。
再比如，各大巨头不断升级的云原生战略。腾讯在 4 月成立技术委员会，云原生是其重要发力的技术方向；余承东唯一一次作为华为云 BU CEO 上台演讲，其发布的核心产品也是云原生；而下半年正式踏入云计算市场的字节跳动，云原生同样是其产品输出的关键能力。
更进一步，当客户完成基础设施上云之后，应用与业务上云的需求，也为云计算巨头开辟了新的增长空间，比如低代码开发平台。
利用低代码工具或平台，企业业务人员可以快速开发、部署业务应用，既减少了与开发人员的沟通成本，又能利用这些应用快速推进业务，实现「降本增效」，这并不仅是简单的逻辑推演，Forrester、艾瑞咨询等机构也给出自己的预测数据：
由此也不难理解为何钉钉成为阿里云「获客」与「留客」的关键，以及，为何 AWS 会不断加码对低代码的投入，从可拖拽的低代码应用开发工具 Amplify Studio 到机器学习低代码工具 SageMaker Canvas，不断降低的应用开发门槛与不断「赋能业务人员」低代码产品，连同无法轻易迁移到其他云服务的「绑定」，构成了云上竞争的新图景。
回顾 2021 年的人工智能领域，你当然可以从以下几个线索中切入：
但在这一系列变化里，有一条不变的规律：没有 AI 产业，只有产业 AI。
过去的 2021 年，随着中国一大批 AI 创业公司为了上市而公开自己的财务数字，公众第一次全方位了解到所谓 AI 技术公司的市场潜力：
这些数字足够「难看」，但即便「难看」也要亮出来的根本原因就在于，由于这些 AI 创业公司此前动辄 1 亿美元以上的融资规模、业务模式单一以及营收缓慢，使得他们已经很难在私募市场获得大额融资，或者换句话说，中国的 AI 创业公司需要借助上市为自己「续命」。
作为一个「反例」，美国市场的 AI 创业公司 Databricks 依托开源数据服务 Spark 为基础，提出了「Data Lake House」的理念，即打通所谓数据湖（Data Lake）和数据仓库（Data House）构建了一个统一的数据分析和服务平台，并引入大量 AI 技术，帮助企业客户快速高效处理海量数据。
Databricks 的大客户包括阿斯利康、汇丰银行等巨头公司。在新一轮融资 16 亿美元的融资后，该公司估值超过 380 亿美元，而其 2020 年的年度经营收入为 6 亿美元，高于上一年的 4.45 亿美元。
但无论如何「续命」，「AI 产业」都无法支撑中国 AI 创业公司未来的市场故事，而在「产业 AI」的战场，这些明星 AI 创业公司需要面对的是一个个足够细分与足够垂直的市场，也是一个个需要定制与庞大服务人员作支撑的传统客户群体。在这个赛道上，既有觉醒后的「传统」互联网公司（比如百度与腾讯），也有依靠平台与资本转型转身的行业巨头（比如华为），当炫酷的 AI 实验室技术比拼逐渐远去，属于 AI 的下一场战役不仅是商业化，还有围绕 AI 商业化的产业升级与重构，与巨头们拥有不断完善的云服务以及大量 C 端产品相比，这些 AI 创业公司并不占任何优势。
2022 年的大门即将开启，从一月份的 CES 开始，整个产业又会进入一个新的年度循环。
接下来的一年里，我们会看到各种新技术（算法）、新模型、新产品，也会听到「旧公司」的新战略与「新公司」的「旧宣言」，但在围绕人工智能、云计算的产业发展里，追求更高与更节能的算力、以客户需求为核心的云计算产品路线、持续与不同产业结合的 AI 公司（技术），这三大产业「定律」依然会贯穿其中，构成认识这个不断变化世界的底层逻辑。
本期「焦点」专栏，我将通过分析 AWS 上周严重宕机的原因，探讨云计算发展的几个不变需求，毕竟，如贝佐斯所言，「企业的战略应该建立在不变的事物之上」。
2022 年，狭义层面的 AI 领域会有哪些看点或趋势，我给出了三个方面的思考，包括语言模型、低代码以及元宇宙。
本期还将关注：
欢迎订阅「AI Insider」或「Dailyio Pro」获取全文。
[elementor-template id="8962"]
今天是 2021 年 12 月 8 日，您看到的是第 114 期「AI Insider」。
本期首先关注 AWS 新芯片，AWS 在自研芯片领域的持续投入与不断创纪录的能耗比数字，正在给英特尔造成持续的压力，而芯片公司最糟糕的事情，还远未到来。
与此同时，本期还将探讨：Spotify CEO Daniel Ek 投资 AI 军事公司引发争议，但这又是一个巨大的市场；re:Invent 大会重要产品一览；Google Cloud 如何变成一家「严肃而无聊」的公司、字节加入云计算市场、韩国建设 AI 园区……欢迎订阅「AI Insider」或「Dailyio Pro」获取全文。
[elementor-template id="8962"]