第101章 盘点AI轻创业的项目

「小沙搞不了硬体？」郝成看到相关评论的时候也是一声长叹，不是搞不了，而是搞出来了，现在的设备制造不了啊！

不过话又说回来了，怎麽才算搞硬体？

所有的东西找供应商，赞出一个手机来算不算？现在正在测试的儿童机器人算不算？

这些东西加上小沙的加持，远远超过同类产品的竞争力又算什麽？

软硬体本就是一体的，没有系统，再强的硬体不也是一堆铁疙瘩吗？

郝成摇了摇头，没再关注这些，转而也去搜索矽谷这一两年都在做什麽项目，华尔街的资本们都在投资哪些AI创业公司了。

CoreWeave？规模的GPU计算资源供应商？

「哦，这个短时间内应该安全，硬体层面的，主要是得有算力卡，就算是我这儿，消耗的算力卡也非常多。」

英伟达在GPU或者是说各类推理丶算力卡领域还真的没有对手，国外的AMD扶不上墙，国内的摩尔线程丶寒武纪这些又都是小儿科。升腾的话，产能又是个谜。

再加上英伟达起步特别早，形成了一定的生态护城河，其他家想要有所作为，还真是难。

升腾的生态倒是慢慢的再起来，但无奈供应问题太大了。

一个个的，要不就是卡在生态上，要不就是卡在生产上。

「真是便宜英伟达了，这家公司的云省算力，还快，应该还能活很久。」

郝成摇了摇头，继续往下看：「InflectionAl，聊天机器人是核心产品？那死了！」

郝成给这家融资高达13亿美元的创业公司判了死刑，有小沙在，什麽样的聊天机器人还能有市场？开玩笑！

「，不对，小沙现在好像只支持中文。」这念头刚一出来，郝成就又摇了摇头:

「就算是中文又怎麽样，再用AI来回翻译一遍，它还是不可能比得上，这玩意儿死了。」

AI翻译这事儿太简单了，小沙甚至都不用专业能力增强，也能把所有的翻译都打趴下。

「MosaicML，大语言模型。」郝成若有所思，小沙如此强大，按理说这麽语言模型是最危险的。

但据他所知，包括ChatGPT丶豆包丶千问丶元宝在内的所有的大模型都还在持续训练和选代，甚至各家还都在疯狂的加卡，以求量变引起质变，慢慢的从中寻找到规律，然后窥探小沙得以训练成功过的秘密。

这也是英伟达算力卡最近又持续走高的原因之一一国内虽然有所限制，但是新加坡一个城市大小的国家，算力卡销量持续走高，不用想都知道这些东西都流向了哪里。

至于停止训练的大模型，也有。

据郝成了解到的情况，知名企业就有百度，它的文小言停止叠代了。

不过这也不稀奇，百度嘛，起个大早赶个晚集的事儿也不是第一次了，放弃的项目多的数不过来，也不差这一个。

」OmniML，英伟达收购的公司，主要产品是Omnimizer，能够压缩机器学习模型的大小，以便大模型在更小的边缘设备上运行，比如手机丶无人机丶汽车等终端设备？」

纯端测运行？郝成沉思，小沙是运行在伺服器上的，离线无法使用。

端测的好处就是离线也可以运行，另一个就是数据保密性较高，还有就是实时性较高。

数据保密性这个，不用说的，小沙已经获取到了足够的信任，完全不是问题。至于实时性，意义不是太大，除非是对决策时延要求十分高的场景一一比如智能驾驶这种一一这玩意儿是得是云端训练，端侧运行。

至于剩下的，完全被小沙秒杀。这玩意儿的前途也不明朗。

郝成一连翻阅了好些个矽谷华尔街投资的AI创业项目，最终得出了结论能活下来的不多，就这一轮，就得被国内的这些AI轻创业者们搞死99%！

不过，一个名为「Adept」的创业公司，正在做的事情引l起了郝成的注意他们要做的，是在【构建可以在数字世界中采取行动的模型】。

该模型经过训练后可以使用现有的所有软体工具丶API和APP，是实现通用智能的途径。

「这不就是曹松现在在乾的这个工作吗？」郝成仔细了解了一番，又发现也不太一样：「这个模型是训练AI，让他使用现在的软体丶API和APP。

「但我们规划的，是提供一个底座，引导开发者们去开发适合人和AI共同使用的应用，这理念正好是反过来的。」