传HMD正复刻Lumia手机：经典设计回归

摘要：诺基亚Lumia系列手机曾经以其独特的设计赢得了无数用户的喜爱，现在，诺基亚Lumia似乎即将以一种全新的形式“复活”。HMD Global正在开发一款诺基亚Lumia手机的复刻版本，这款手机将回归Lumia时代的经典“Fabula”设计。 这款复刻版Lumia手机预计将搭载高通骁龙7s Gen 2芯片，配备安卓14系统，还将搭载FHD+ 120Hz AMOLED屏幕，后置摄像头为108MP+2MP，前置摄像头为32MP。此外，手机将配备4900毫安时电池，并支持33W有线充电；连接性方面，将支持蓝牙5.2和NFC，并具备双扬声器，支持OZO音频技术和PureView技术。此前，HMD Global已经在官方微博上回顾了目前在售的诺基亚复刻功能机，包括诺基亚8210/5710等，并询问用户们“还想看到哪些机型复刻重启”。评论区中，许多用户表达了对Lumia等机型复刻的期待，而现在这款复刻版Lumia手机可能真的即将到来，让诺基亚Lumia的经典设计再次回到用户手中。 原文：传HMD正复刻Lumia手机：经典设计回归

香港拨款28亿设立半导体中心 所需的设备暂不在制裁清单上

摘要：香港立法会已批准拨款 28.4 亿港元（3.64 亿美元），资助政府设立一个研究中心，专注于开发半导体，以在中美科技战不断升级的情况下推动经济的战略部分。但一名议员警告称，制裁可能会产生影响，他表示，制裁可能会阻止进口生产芯片所需的设备。 立法会财务委员会在三个小时的会议上批准了拨款，为成立微电子研发中心铺平了道路，该研究所将引领大学、研发中心、和行业。委员会还批准100亿港元用于新型工业化加速计划。该中心将设在元朗创新科技园，内设两条第三代半导体试验生产线。官员们表示，该设施将允许初创企业以及中小型公司在开始将产品商业化之前进行试运行。该委员会还听说这些半导体可用于开发新能源汽车并实现可再生能源解决方案。但圆桌政治组织议员田北辰敦促政府不要忽视地缘政治可能产生的影响，警告美国可能进一步收紧出口规则，以限制尖端芯片和设备的获取。“今年是美国的选举年。当局有没有评估过我们设立研究所必须从海外进口的一些设备，比如光刻系统，是否会被海外国家禁止？”田说。光刻设备在芯片制造过程中至关重要。创新科技及工业局局长孙东表示，试点生产线不会使用光刻设备。“所需的设备也不在任何制裁清单上，”孙说。 “但我们必须立即获得资金才能开始工作。”该倡议首次在行政长官李家超去年的施政报告中宣布。孙说，当局希望将这座城市打造成微电子发展的地区领导者。根据周五会议批准的“新型工业化加速计划”，指定“战略重要性行业”的企业将获得每个项目最高 2 亿港元的资金支持。两家公司每家需投资至少2亿港元在香港设立智能生产设施，并可聘请最多5名海外技术人员。官员们估计，该计划可在五年内吸引 50 至 100 家企业入驻香港。立法会议员周文江敦促政府想办法留住企业和人才，他说：“否则，他们在得到我们的资金支持后就会转向其他地方投资。”孙否认了这些担忧，称企业需要在香港设立工厂和生产设施。 原文：香港拨款28亿设立半导体中心 所需的设备暂不在制裁清单上

复旦团队重大突破登Cell 破纪录复活“冰封”18个月人脑

摘要：就在刚刚，复旦的科学家们成功了冷冻18个月的人类大脑，直接破了低温技术领域纪录，登上了Cell子刊。网友们纷纷炸锅：三体成真了？！这个项目，马斯克看来是要投了。更有人为已经在液氮罐中冻了几年的冷冻人惋惜：是不是冻早了？就在刚刚，科学家们成功地复活了冷冻的人类大脑！这项技术，是低温技术领域的重大突破，为改进神经系统疾病的研究方法铺平了道路。本月，复旦大学邵志成博士团队的这篇论文，也正式登上了Cell子刊。 论文地址：https://www.cell.com/cell-reports-methods/pdfExtended/S2667-2375(24)00121-8以前，脑组织是无法在冷冻和解冻过程中存活下来的。这个问题，给医学研究造成了巨大的障碍。当然，这依然阻挡不了有钱人的脚步——他们前赴后继地投入巨资，把自己的大脑乃至整个身体冷冻起来，以期在未来复活。如今，他们的理想可以成真了！免疫荧光染色成像技术显示了解冻的大脑类器官对此，英国伯明翰大学的João Pedro Magalhães教授表示，自己被震撼到了。要知道，脑细胞是非常脆弱，对压力极其敏感的。而团队采用的方法却可以成功防止细胞死亡，甚至让它们保留功能，这不得不说是一项奇迹。Magalhães教授大胆预言，我们现在完全可以想象这样的场景——几十年或几个世纪后，绝症患者可以被冷冻保存，等待有治愈方法的那天。宇航员可以被冷冻，醒来时就已经被送到了其他星系。这是一场豪赌，赌赢了可能就是永生至此，看来三体是要成真了，云天明的大脑不用靠三体人拦截，靠我们自己就能让他复活。图源：知乎“吴牛喘月”这样看来，马斯克大概会非常喜欢这个研究，人体冷冻技术，或将成为可行性巨大的投资。总的来说，这个研究的亮点就是——团队开发了一种全新的冷冻保存方法（MEDY）MEDY不会破坏神经细胞结构或功能MEDY可用于保存各种脑类器官和人类脑组织有趣的问题来了——大脑解冻后，脑中所有的信息/记忆也会被完好无损地保存吗？所以，我们究竟有没有灵魂？网友：请让我在机器人体内醒来此消息一出，网友们立马震惊了。“人类的冰冻世时代要来了，我们将穿越浩瀚的虚空海洋，那里的每一颗星星，每一个未曾见过的角落，都将感受人类的触摸。”“太癫狂了，我们不仅能扫描人类大脑，还能把它们冷冻起来。”此前，Google的十年神经科学成果——人脑图谱，登上了Science。人们被这张1立方毫米的纳米级人脑皮层图震撼到了已经有志愿者表示，愿意参加人体试验了。这位表示，已经迫不及待想冷冻自己的大脑，然后在机器人体内醒来了。一觉睡过奇点，醒来就会身处一个崭新的纪元。“等我老了，把我冰冻，推送到一艘殖民船上，让我的大脑在罐子里操作机器人。”所以，如果当初有人冷冻爱因斯坦的大脑，我们或许就能让它复活了。评论区被提到最多的科幻，就是三体和波比宇宙。“现在我们只需要一个1%光速行进的探针，就可以依靠自身动力运行数百万年，同时还要避免空间碎片。三体舰队已经走了200年了。”当然从现实层面讲，还需要有一个巨大的铅罩，来保护大脑免受宇宙辐射的影响。」总之，这项研究实在太不可思议了，堪称是打破了科幻和现实的壁垒。讨论甚至上升到了玄学。言归正传，之前的那些低温冷冻人，他们还好吗？目前，美国已有数百人冰封在-196℃液氮罐中，等待复活。最小的冷冻人只有2岁，费用高达22万美金有懂行的网友解释说，其实这些冷冻人也使用了类似的化学物质。冻整个人和只冻大脑最大的不同是，在人冷冻后，需要尽快让化学物质进入大脑的血液系统。冷冻必须逐渐进行，以防止冰晶的形成，速度必须很快，因此任务很紧迫。如果没有活跃的血液循环，大脑很快就会退化了。而只冻大脑的时候，因为是小样本，因此不存在这些问题。从技术上讲，这些人的身体并不是“冷冻”的，而是“玻璃化”的。一旦身体冷却到零度以下，溶液非但不会结晶，反而会越来越厚。它就像一个玻璃块，将所有细胞固定在原位，没有任何内部结构变化，因此不会造成任何损害为了保证冰冻人们的未来，Alcor公司成立了一个信托基金，作为一个独立的实体来管理和保护冷冻患者的资金，以防几百年后实施冰冻公司不在了冷冻人脑组织，现在可以无损复苏就在最近，著名科学杂志New Scientist，还针对这项研究做了一篇专题报道。复旦大学团队利用人类胚胎干细胞，在三周时间内培育出了大脑类器官，这些自组织脑细胞的小簇，就可以发育成各种类型的脑细胞。然后，研究人员将这些类器官浸入不同的化合物中，包括糖和防冻液，这样就可以让它们在液氮中冷冻至少24小时。样本解冻后，他们在接下来的两周内，监测它们的生长和细胞死亡情况。尝试了各种不同化合物的组合之后，研究者发现了一种理想组合，可以让组织解冻后死亡的细胞最少、生长得更多。这种组合，就是由甲基纤维素、乙二醇、DMSO和Y27632组成的化学混合物，被研究者命名为“MEDY”。有网友在MEDY的成分中发现了“华点”——如果喝了有其中3种成分的洗发水，会长生不老吗？为何MEDY能保存脆弱的脑组织细胞呢？研究者认为，这是因为MEDY干扰了一个通常会导致脑细胞死亡的路径。随后，团队对MEDY进行了一系列测试，实验对象包括从28天到超过100天的脑类器官。这些器官在冷冻前，都会被放入MEDY中冷冻48小时，然后再解冻。团队惊喜地发现，解冻后的类器官，在外观、生长和功能上与从未冷冻过的同龄类器官非常相似！即使是在MEDY中冷冻了18个月的类器官，也依然如此。他们甚至创造了一项纪录——在解冻后，大脑类器官可以继续生长，存活长达150天！这种组合的有效性已经得到了证明：研究者从一名9个月大、患有癫痫的女孩身上取出了3立方毫米的脑组织，脑组织在解冻后至少两周内，仍然保持着活跃状态。冷冻大脑怎样保存以下，就是冷冻和解冻大脑的具体步骤。首先，在进行冷冻保存之前，大脑类器官需要在含有10μM Y27632的培养基中培养1.5小时。随后，我们需要将它转移到冷冻保存溶液中，在室温下静置1/6-5小时。这个静置时间，取决于大脑类器官的直径，它的直径每增加1毫米，室温预处理时间就需要延长20分钟。之所以要进行预处理，就是为了让Y27632充分渗透到器官内部，从而减少玻璃化现象，增加渗透压。预处理完成后，类器官就就可以放入存储管中，在−80°C的低温下保存了。24小时后，我们需要把它转移到液氮中，进行长期保存。冷冻完成了，该如何解冻呢？过程是这样的。首先，把类器官从液氮中取出，尽快在37°C下解冻，这个速度越快越好。然后，我们需要小心地将类器官转移到含有10μM Y27632的W4培养基中培养两天，然后继续在37°C下培养。两天后，每天都要更换一次培养基。从第三天起，就要开始使用不含 Y27632的W4培养基，继续培养两天。最后，将解冻后的类器官用Matrigel包裹起来，并继续培养。掌握了以上步骤，我们就可以顺利冷冻自己的大脑了不是。论文结果高效保存皮质类器官为了解决3D脑类器官长期可靠存储的挑战，团队开发出了一种新的冷冻保存方法，包括对冷冻介质成分和冷冻解冻过程的精确控制（图 1A）。为了进一步提高冷冻保存的效率，团队测试了候选试剂与ROCK抑制剂Y27632的不同组合，形成了新的冷冻介质（CM1–CM4）。综合来看，CM1（1% 甲基纤维素 + 10% 乙二醇 + 10% DMSO + 10μM Y27632）是脑类器官的最佳冷冻介质——即MEDY。图 1. MEDY冷冻保存技术的建立维持功能性细胞结构脑室区（VZ）的结构和多个皮质层在维持脑类器官功能方面起着重要作用，能否在冷冻保存后保留这种功能结构至关重要。团队使用MEDY冷冻保存了28天的皮质类器官，并在解冻后继续培养3周，然后进行皮质层标记物的免疫染色（图 2A和2B）。在第50天，解冻后的类器官中Sox2+和Pax6+的VZ样结构完全保留（图 2C和2D）。具有正常形态和神经突生长的MAP2+和Tuj-1+神经元均匀分布在VZ样区域的外层附近（图 2C和2D）。不仅如此，团队还检查了冷冻保存1年半后复苏的类器官。免疫染色显示，祖细胞和神经元得到了良好的维持，大多数祖细胞在解冻后仍在增殖，这与正常组相似。综上所述，皮质类器官的功能性细胞结构在MEDY冷冻保存过程中得到了很好的保留。图 2. MEDY对皮质类器官功能结构的保护细胞多样性和细胞群为了探讨MEDY冷冻保存是否会影响基因表达，团队进行了整体RNA测序，检查了正常和MEDY冷冻保存类器官的基因表达谱。结果显示，NPC标记物的表达没有明显差异（图 3A和3B）。与神经元相关的基因，包括运动神经元、多层皮质神经元和胶质细胞，具有相似的转录谱，表明冷冻保存过程没有引起基因表达的变化（图 3A–3E）。为了研究MEDY冷冻保存类器官的细胞多样性和细胞群，团队还进行了单细胞RNA测序。结果显示，正常和解冻后的皮质类器官都包含主要的神经细胞群体，包括多层皮质神经元、NPC 和胶质细胞（图 3F 和 3G）。其中，NPC的数量没有减少，这表明MEDY冷冻保存没有抑制正常类器官的神经发育过程（图 3H和3I）。图 3. 正常和MEDY皮质类器官中细胞多样性的RNA测序和单细胞测序分析功能活动可得到维持为了验证解冻后的类器官是否仍具有功能性神经活动，团队进行了钙成像实验。经过约20秒的刺激后，可以在MEDY冷冻保存的类器官中检测到强烈的钙活动（图 4A–4C）。这些结果表明，冷冻保存后谷氨酸能突触连接仍然得以维持。为了进一步确认类器官的神经网络电生理特性，团队使用微电极阵列（MEA）检测了第114天神经元活动的同步性（图 4D）。在正常和解冻后的类器官中都能检测到同步活动，表明网络爆发得到了良好的保留（图 4E–4G）。类器官的尖峰频率在冷冻保存过程中基本未受影响（图 4H），120秒内激活的电极总数没有差异（图 4I）。网络爆发的数量也没有显著减少，这表明类器官中神经元功能连接的复杂性（图 4J）。总的来说，MEDY冷冻保存基本上保护了冷冻保存类器官的功能连接。图 4. 通过钙成像和MEA技术检测正常和MEDY皮质类器官的功能活动多脑区特异性类器官为了进一步验证MEDY冷冻保存是否可以用于维持各种脑区特异性类器官，团队分别诱导了GABA类器官、SP类器官和OVB类器官（图 5G）。结果显示，每个类器官的轴突在第6天左右开始生长，且在MEDY冷冻保存后几乎没有细胞碎片从类器官中释放出来。此外，解冻后的GABA类器官中，GAD67+抑制性神经元得到了良好的保护，NKX2.1+抑制性祖细胞也处在相似的水平。在SP类器官中，Hoxc9+细胞显示出与人类胸椎SP相同的结构特征，并在两组中具有相似的丰度（图 5I和5K）。NKX6.1+腹侧运动神经元祖细胞和Pax6+细胞同样聚集，且丰度相似（图 5H和5J）。在OVB类器官中，Pax6+和RX+视泡样结构在冷冻保存过程中也得到了保护，与正常相似。总的来说，各种脑区特异性类器官的细胞多样性和结构得到了良好的保存，这表明MEDY冷冻保存技术可以广泛应用于不同的神经类器官。图 5. MEDY冷冻保存可用于长期培养的皮质类器官和SP类器官的保护来自患者的脑组织为了扩展MEDY冷冻保存技术在临床上的潜在应用，团队基于癫痫患者的诱导多能干细胞（iPSCs）制备了脑类器官（图 6A）。解冻后第7天到第14天，轴突生长强劲，超过200μm（图 6B）。此外，免疫染色显示，神经祖细胞和神经元细胞的细胞群体没有异常（图 6C–6H）。这些结果表明，MEDY冷冻保存可用于存储来自患者的神经类器官。据此可以推测，MEDY也能用于冷冻保存具有病理特征的新鲜患者脑组织，这对基础研究以阐明脑疾病的发病机制至关重要（图 6I）。结果显示，大小约为3mm的脑组织在MEDY冷冻保存后存活，因为大量活细胞可以在第14天从组织中迁移出来（图 6J）。此外，大多数神经元和星形胶质细胞得到了良好的保存（图 6K和6L）。总的来说，通过MEDY可以保存来自癫痫患者的脑类器官和具有病理特征的活脑组织。图 6. MEDY冷冻保存适用于癫痫儿童来源的皮质类器官和活脑组织的保存对神经的保护作用为了了解MEDY冷冻保存对脑类器官的神经保护机制，团队对使用MEDY冷冻保存后的皮质类器官进行了整体RNA测序。结果显示，与未冷冻保存的类器官相比，MEDY在四个基因（APOL1、IL11、ULBP1、ULBP2）上的表达水平相似（图 7G），进一步表明MEDY可以通过在冷冻保存或解冻过程中抑制这些基因的表达来防止类器官细胞的凋亡。这些结果表明，MEDY冷冻保存可以通过抑制内质网介导的细胞凋亡途径来维持类器官的存活和神经功能（图 7H）。图 7. RNA测序揭示了MEDY冷冻保存技术背后的基因表达变化作者介绍邵志成，博士毕业于上海交通大学，先后在中国科学院神经科学研究所，阿拉巴马大学以及哈佛大学进行博士后研究。2020年2月加入复旦大学脑科学转化研究院，博士生导师，上海市东方学者特聘教授，主要从事体细胞重编程，中枢神经系统再生，以及精神疾病发病机制研究。课题组利用特定疾病类型的诱导多能干细胞，结合3D类脑器官(Organoid)等技术，研究精神疾病的发生发展机制，寻找药物靶点和建立药物筛选平台。同时利用转分化技术，结合材料科学制备类器官芯片，探究3D-organoid移植治疗中枢神经系统组织再生的新策略。目前，以第一作者和通讯作者在国内外重要学术刊物上发表多篇论文，其中包括Nature Biomedical Engineering、Nature Neuroscience、Biomaterials、Nature Communications、Cell Reports等。参考资料：https://www.newscientist.com/article/2431153-frozen-human-brain-tissue-can-now-be-revived-without-damage/https://www.cell.com/cell-reports-methods/fulltext/S2667-2375(24)00121-8 原文：复旦团队重大突破登Cell 破纪录复活“冰封”18个月人脑

奥特曼小作文否认OpenAI离职霸王条款 网友：他有前科

摘要：奥特曼承诺的小作文，它来了，还一发发两篇！一篇短的，回应了离职霸王条款，也就是员工离职后说OpenAI坏话会被收回股权的事儿。另一篇超长，讲了OpenAI的整体安全战略，回应了OpenAI前超级对齐负责人Jan Leike昨天的13条推文爆料：OpenAI对AGI的安全治理，优先级不如推出“闪亮的产品”。 不过，这篇回应小作文不是从奥特曼自己发的，而是Greg Brockman发的。明明是在Greg的账号，署名确是Sam在前面，“Sam and Greg”。冲着奥特曼这个发回应小作文的速度，昨天面对超级对齐团队炮轰还显得很淡定的奥特曼，看来也没那么淡定。不过，这两篇小作文发出后，很多网友并不买账。甚至有人这样评论小作文的效果：汗流浃背的CEO发了一条全力挽回声誉的推文，从社区宠儿迅速跌落至声誉崩塌。奥特曼都说了啥？不会收回股权先来看第一篇，完整版如下。关于最近有关OpenAI处理股权的问题： 我们从未收回任何人已有的股权，即便员工未签署离职协议/不诋毁协议，我们也不会这么做。你的股权就是你的股权，这一点毫无疑问。 在我们之前的离职文件中确实有一项关于潜在收回股权的条款；虽然我们从未实际执行过这一条款，但这种条款不应该出现在任何文件或沟通中。 这是我的责任，是我在管理OpenAI过程中为数不多的几次真正尴尬的事情之一；我之前并不知道有这种情况，但我本应知道。 过去一个月左右，团队一直在修订标准离职文件。如果有任何前员工因签署了这些旧协议而感到担忧，可以联系我，我们会解决这个问题。对此我深感抱歉。一句话总结：这事儿我不知道，大家放心不会收回你已有的股权。看起来奥特曼回应的挺诚恳的，但网友看了一眼就表示：Jan赢了。为啥？有网友摆出了不相信奥特曼的理由。首先，有网友爆料奥特曼在之前的公司也让员工签过反诋毁协议。YCR HARC解散的时候，奥特曼让每个人都签署了一份保密和反诋毁协议，这样才能保留自己使用的电脑。我觉得这很奇怪。我之前就买下了使用的那台iMac，所以我现在可以谈论这件事。其次，众所周知，去年OpenAI内讧那会儿，有爆料称奥特曼与当时的董事会其他成员私下谈话，讨论替换掉Helen Toner（OpenAI原董事会成员），就是因为Helen和别人合写了一篇隐晦批评OpenAI“煽动炒作AI的火焰”的文章。所以，网友觉得让员工签不能说坏话的协议，不然就收回股权，这事儿奥特曼不可能不知道，这符合他的风格。退一步来讲，就算奥特曼本人不知道这个条款，OpenAI知道吧？这个条款又不会凭空出现。离职的员工肯定知道吧？就没有人跟奥特曼投诉过？OpenAI的安全战略再来看关于安全问题的回应。感谢Jan为OpenAI所做的一切贡献，即使他离开了，我们也相信他还会继续为我们的使命做出贡献。鉴于他的离职引发了一些问题，我们希望澄清我们对整体战略的看法。 首先，我们提高了对AGI风险和机遇的认识，帮助世界更好地为AGI的到来做好准备。我们多次展示了深度学习扩展带来的巨大潜力，并分析了这些潜力的影响。在国际上，我们率先呼吁对AGI进行治理，并在AI系统灾难性风险评估方面开创了科学研究。 其次，我们正在建立安全部署愈发强大的AI系统所需要的基础设施。确保一项新技术的安全并非易事。比如，我们的团队为安全推出GPT-4付出了大量努力，自那以后，我们不断改进模型行为和滥用监控，以应对部署中学到的经验教训。 第三，未来的挑战将更胜以往。我们需要不断提升安全工作，以应对每个新模型带来的风险。去年，我们采用了Preparedness Framework，用来系统化实现这一目标的方法。 是时候谈谈我们对未来的看法了。 随着模型愈发强大，我们预计它们将更深入地融入现实世界。用户将更多地与由多模态模型和工具组成的系统互动，这些系统不仅通过文本输入输出与用户对话，还能代表用户执行命令。 这些系统将对人们帮助巨大，并且可以安全地交付，但这需要大量基础工作。包括在训练过程中深入思考它们连接的内容，解决可扩展监督等难题，以及其他新型安全工作。我们尚不确定何时能达到我们的安全标准，推迟发布也是可能的。 我们无法预见未来每一个情景。因此，我们需要紧密的反馈循环、严格的测试，每一步都要谨慎考虑，保证世界级的安全性以及安全和能力的平衡。我们将继续进行不同时间尺度的安全研究，并与政府和利益相关者就安全问题合作。 目前还没有已验证的科学手册可以指导我们走向AGI。我们相信基于经验的理解可以指引前进的道路。我们努力实现AI系统巨大的潜力，同时减轻带来的严重风险；我们认真审视我们扮演的角色，并仔细权衡反馈。 ——Sam和Greg看完后，网友一致认为虽然是Greg发的，但绝对是奥特曼写的。因为看起来一大篇，但实质性的东西啥也没说。为啥要让Greg发，有网友猜大概是因为……奥特曼现在特别脆弱，觉得有必要发出“Greg和我在一起，我发誓”这样的信息，来表明自己并不孤单。不过也有网友从中分析出，OpenAI的策略是通过测试、不断的反馈来改进模型确保AI安全性，这其实和超级对齐团队主张的预先给出证明的方法相悖，也难怪他们会分道扬镳。对于这两篇回应，大伙儿怎么看？ 原文：奥特曼小作文否认OpenAI离职霸王条款 网友：他有前科

未来的芯片是什么样子？

摘要：由于人工智能的蓬勃发展，芯片世界正处于巨大潮流转变的风口浪尖。人们对芯片的需求不断增加，这些芯片可以更快地训练人工智能模型，并从智能手机和卫星等设备上对它们进行操作，使我们能够在不泄露私人数据的情况下使用这些模型。各国政府、科技巨头和初创企业都竞相在不断增长的半导体市场中分得一杯羹。 以下是未来一年需要关注的四个趋势，它们将定义未来的芯片是什么样子、谁将制造它们以及它们将解锁哪些新技术。CHIPS 在世界各地开展活动全球最大的两家芯片制造商台积电和英特尔正在竞相在沙漠中建设园区，他们希望这些园区能够成为美国芯片制造实力的所在地。这些努力的一个共同点是资金：3 月份，乔·拜登总统宣布为英特尔在全国范围内的扩张提供 85 亿美元的直接联邦资金和 110 亿美元的贷款。几周后，台积电又宣布获得 66 亿美元的投资。这些奖项只是美国通过 2022 年签署的 2800 亿美元芯片和科学法案涌入芯片行业的补贴的一部分。这笔资金意味着任何涉足半导体生态系统的公司都在分析如何重组其供应链以受益。虽然大部分资金旨在促进美国芯片制造，但其他参与者仍有申请的空间。美国并不是唯一一个试图将部分芯片制造供应链本土化的国家。日本自己花费了 130 亿美元，相当于《芯片法案》，欧洲将花费超过 470 亿美元，今年早些时候，印度宣布斥资 150 亿美元建设本地芯片工厂。塔夫茨大学教授、 《芯片战争：争夺世界最关键技术之战》一书的作者 Chris Miller 表示，这一趋势的根源可以追溯到 2014 年。从那时起，中国开始向其芯片制造商提供巨额补贴。“这造成了一种动态，其他政府得出结论，他们别无选择，只能提供激励措施或看到企业将制造业转移到中国，”他说。这种威胁，加上人工智能的激增，导致西方政府为替代方案提供资金。Miller表示，这笔资金不太可能催生全新的芯片竞争对手，也不太可能通过重组成为最大的芯片厂商。相反，它将主要激励像台积电这样的主导企业在多个国家扎根。但光靠资金还不足以迅速做到这一点——台积电在亚利桑那州建厂的努力陷入了错过最后期限和劳资纠纷的泥潭，而英特尔也同样未能满足其承诺的最后期限。目前尚不清楚，无论何时这些工厂投产，其设备和劳动力是否能够达到这些公司在国外的先进芯片制造水平。Miller表示：“供应链只会在数年甚至数十年内缓慢转变。但情况正在发生变化。”更多边缘人工智能目前，我们与 ChatGPT 等 AI 模型的大部分交互都是通过云完成的。依赖云有一些缺点：一方面，它需要互联网访问，而且还意味着您的一些数据会与模型制作者共享。这就是为什么人们对人工智能边缘计算产生了很大的兴趣和投资，其中人工智能模型的过程直接发生在您的设备上，例如笔记本电脑或智能手机。随着行业越来越致力于人工智能模型，帮助我们了解很多的未来，而这一切需要更快的“边缘”芯片，使得可以在不共享私人数据的情况下运行模型。这些芯片面临着与数据中心芯片不同的限制：它们通常必须更小、更便宜、更节能。美国国防部正在资助大量针对快速、私有边缘计算的研究。今年 3 月，其研究部门国防高级研究计划局 (DARPA) 宣布与芯片制造商 EnCharge AI 合作，打造一款用于人工智能推理的超强大边缘计算芯片。EnCharge AI 正在致力于制造一款能够增强隐私性但运行功耗极低的芯片。这将使其适用于卫星和离网监视设备等军事应用。该公司预计将于 2025 年发货这些芯片。人工智能模型将始终依赖云来实现某些应用程序，但新的投资和对改进边缘计算的兴趣可以为我们的日常设备带来更快的芯片，从而带来更多的人工智能。如果边缘芯片变得足够小且足够便宜，我们可能会在家庭和工作场所看到更多人工智能驱动的“智能设备”。如今，人工智能模型主要局限于数据中心。EnCharge AI 联合创始人 Naveen Verma 表示：“我们在数据中心遇到的许多挑战都将得到克服。我预计人们会重点关注边缘领域。我认为这对于大规模实现人工智能至关重要。”大型科技公司加入芯片制造领域公司正在支付高昂的计算成本来为其业务创建和训练人工智能模型。例如，员工可以用来扫描和汇总文档的模型，以及虚拟代理等面向外部的技术。这意味着对云计算来训练这些模型的需求正在急剧增加。提供大部分计算能力的公司是亚马逊、微软和Google。多年来，这些科技巨头一直梦想通过为自己的数据中心制造芯片来提高利润率，而不是从像英伟达这样的公司购买芯片。亚马逊于 2015 年开始努力，收购了初创公司 Annapurna Labs。Google在 2018 年推出了自己的芯片 TPU。微软于 11 月推出了首款人工智能芯片，Meta 于 4 月推出了新版本的自家人工智能训练芯片。这种趋势可能会让英伟达失去优势。但在大型科技公司眼中，英伟达不仅扮演着竞争对手的角色：无论云巨头自己的内部努力如何，他们的数据中心仍然需要其芯片。部分原因是他们自己的芯片制造工作无法满足他们的所有需求，但也是因为他们的客户希望能够使用顶级的 NVIDIA 芯片。“这实际上是为了给客户提供选择，”微软 Azure 硬件工作负责人 Rani Borkar 说。她表示，她无法想象微软为其云服务提供所有芯片的未来：“我们将继续保持强有力的合作伙伴关系，并部署来自与我们合作的所有芯片合作伙伴的芯片。”当云计算巨头试图从芯片制造商手中夺取一些市场份额时，英伟达也在尝试相反的做法。去年，该公司推出了自己的云服务，这样客户就可以绕过亚马逊、Google或微软。随着市场份额争夺战的展开，未来的一年将关乎客户是否将大型科技公司的芯片视为类似于英伟达最先进的芯片。英伟达与初创公司的较量尽管英伟达占据主导地位，但仍有一波投资流向初创公司，这些初创公司旨在未来芯片市场的某些领域超越英伟达。这些初创公司都承诺提供更快的人工智能训练，但对于哪种计算技术能够实现这一目标，从量子到光子学再到可逆计算，他们有不同的想法。许多公司，例如 SambaNova、Cerebras 和 Graphcore，都在尝试改变芯片的底层架构。想象一下人工智能加速器芯片需要不断地在不同区域之间来回移动数据：一条信息存储在内存区域中，但必须移动到处理区域，在那里进行计算，然后存储回内存区进行保管。这一切都需要时间和精力。提高这一过程的效率将为客户提供更快、更便宜的人工智能培训，但前提是芯片制造商拥有足够好的软件来允许人工智能培训公司无缝过渡到新芯片。如果软件转型过于笨拙，OpenAI、Anthropic 和 Mistral 等模型制造商可能会坚持使用大型芯片制造商。这意味着采用这种方法的公司（如 SambaNova）不仅将大量时间花在芯片设计上但在软件设计上也是如此。芯片初创公司Eva创始人Onen 提议进行更深层次的改变。他没有使用传统晶体管，几十年来，传统晶体管通过变得越来越小而提供了更高的效率，而是使用了一种称为质子门控晶体管的新组件，他说 Eva 是专门为人工智能训练的需求而设计的。它允许设备在同一位置存储和处理数据，从而节省时间和计算能源。使用此类组件进行人工智能推理的想法可以追溯到 20 世纪 60 年代，但研究人员永远无法弄清楚如何将其用于人工智能训练，部分原因是材料障碍——它需要一种材料，除其他品质外，能够精确地控制室温下的电导率。有一天，在实验室，“通过优化这些数字，并且非常幸运，我们得到了我们想要的材料。” Onen说。经过几个月的努力确认数据正确后，他创立了 Eva，该成果发表在《科学》杂志上。但在这个领域，许多创始人都承诺要推翻领先芯片制造商的主导地位，但都失败了，Onen坦言，他还需要数年时间才能知道设计是否按预期工作以及制造商是否会同意生产它。 原文：未来的芯片是什么样子？

建筑工地成无人车噩梦 Waymo栽跟头多到被约谈

摘要：Robotaxi，防火防盗防“建筑工地”。Waymo就栽了。北美监管部门刚刚又开启了针对Waymo无人车的调查，起因是收到一系列相关事故报告。有撞上路边停放车辆的，有撞静止障碍物的，阻塞交通的…以及一个不寻常高频场景：建筑工地。 发生了什么大概3个月内，Waymo积累上报了22起事故，引起了美国国家公路交通安全管理局的注意。根据NHTSA的文件显示，这些事故包括Waymo无人车和静止和半静止物体（比如门）相撞、与停放车辆相撞以及违反交通安全控制装置的情况。其中“违反交通安全控制装置”官方特别说明是一个重点调查方向，一个典型场景就是自动驾驶系统对交通锥/雪糕筒的检测识别能力。这个点比较罕见。因为这次上报的22起事故中，很多都涉及同一种场景——建筑工地。比如上个月，6辆编队行驶的Waymo Robotaxi，下班收工回停车场，结果遇到了施工现场临时交通管制，直接卡死在雪糕筒围成的临时通行区，造成了大约半个小时交通拥堵。有本地生活经验的网友立刻就认出来，这是旧金山 Potrero 大道 101 号匝道，Waymo无人车卡死的地方，刚好是高速入口。最后，是路上的司机老哥直接下车手动挪开雪糕筒，后面的车队依次绕过几辆“瘫痪”的无人车。Waymo方面出了一个简单声明，大意是30分钟内就派人去现场挪车了，没有造成任何伤亡和财产损失，后续会配合调查。不过在凤凰城的建筑工地，就没这么幸运了。同样一辆Waymo无人车，无视了雪糕筒围出的施工区域，直接冲进了建筑工地。幸好速度不快没撞到人，不过车辆本身、工地现场都有不同程度损失。类似这样的事故很多，每次无人车“冲进工地”的小视频，都会在网络上疯传。网友总结的很生动：交通锥就是Robotaxi的氪石（kryptonite），现在再神通广大的自动驾驶，遇到封闭道路的交通锥，都得完蛋。咦？好像跟Waymo官方秀出的视频不太一样呀。为什么建筑工地难？Waymo第五代自动驾驶系统绕行施工区，曾被当做技术亮点专门解析过。官方的Demo中，无人车面对的场景更加复杂，除了交通锥、不规则区域，还有来回走动的工人。Waymo无人车当然是毫不费力完成了一系列避让、绕行动作，顺利通过了施工区域：这里面让人啧啧称奇的是，Waymo无人车似乎能够看懂人类指挥交通的肢体语言，让停就停，让走就走，而不仅仅以路面条件作为依据。怎么做到的？Waymo负责预测算法的工程师Maya Kabkab简要解释了一下，大意是第五代技术中，Waymo加强了对不同物体目标的理解能力，以及对可通行区域的识别能力，这两项使得系统能更好规划通行路线。核心是用全新模型VectorNet替代CNN，提取传感器和高精地图信息。简单的说，是将高精地图和传感器输入信息表示为点、多边形或曲线，VectorNet则将所有道路特征和其他对象的轨迹表示为相应的向量。基于这个简化的视图，VectorNet可以提取每个向量的信息以及学习不同向量之间的关系。好处是VectorNet比CNN占用计算资源更少，出结果的速度更快，理论上也能更加清晰的提取出关键场景信息。但VectorNet仍然没有解决“建筑工地”难题的核心——“建筑工地”本身是高精地图的例外，不可能同步更新，只能靠传感器实时感知。但传感器的数据在不同子模型之间依次传递，信息损失难以完全避免。Robotaxi频繁出现被建筑工地卡死，直接原因是对交通锥、异形物的错检漏检。而深层原因，是传统自动驾驶技术范式存在能力的上限、天花板，难以覆盖路上所有的corner case。所以能不能顺利避让建筑工地，成了一种概率事件：官方Demo精雕细琢反复测试，那没问题；单上路实测，就只能看天吃饭了。端到端能解吗？“遇事不决量子力学”，是一句调侃。但在自动驾驶领域，遇事不决，的确都可以“端到端”一下。所谓“端到端”是针对传统技术范式而言的，其中自动驾驶的感知、决策、规控等等互相独立。传感器采集到的数据，需要通过这一系列不同的算法模块，最终才能“变成”操作指令。每个独立模块之间的信息是逐级传递的，在这个过程中必然会存在信息的丢失和误差，而且前一个模块的误差会影响到下一个，多个模块之间的信息误差会不断累积，进而影响到自动驾驶方案的整体效果。无论是纯视觉感知，还是融合感知，“错检漏检”的根源就在这里。当然也有对应的解决办法，那就是通过人手写的规则，尽量打补丁提高感知识别的可靠性。比如能识别车、人，但识别不了“人站在车前”，那好办，直接将这类目标单独建一个数据集拿来训练模型不就行了？这就是所谓感知“白名单”机制。但问题是，很难穷举所有种类的交通目标和场景，这次解决了“人在车前”的问题，但如果车从乘用车变成大卡车呢？或者一个人变成大人牵小孩呢？对于Robotaxi的建筑工地难题来说也是一样，工地可能临时出现，随机刷新，不会限定区域限定时间，而每家工地的搭建、施工路障都不一样…所以从感知开始就实现信息的无损传递，让系统真正理解环境，需要有一个全新的算法范式——端到端算法模型。两个端分别指数据输入端和指令输出端，中间不再分成几个相互独立的模块。端到端模型能够通过完全数据驱动的模式，将其学到的能力和技巧迁移泛化到其他场景当中，自主且高效解决行泊场景中新出现的各类长尾问题，具备更快的迭代效率，有效降低开城成本。通俗的说，就是让AI司学习人类成熟驾驶行为，看到一种场景，做出相应对策。实际上“端到端”已经摸到了AGI的门槛。2016年端到端模型由英伟达首次提出。但真正得到量产实践这两年才开始。目前只有特斯拉的FSD和中国AI玩家的CVPR 2023最佳论文——UniAD。智能车参考也分别就Waymo遇到的工地难题询问了这两家国内自动驾驶头部玩家的看法。地平线从工程实践角度出发，认为：自动驾驶的工地难题和端到端技术范式并不是绑定的。理论上讲，感知能力足够强、感知白名单足够丰富也是能解决问题的。但显然，端到端的自主学习能力、类人思考会更大规模更高效率的解决这个问题。而商汤的看法更加从“第一性原理”出发，绝影智驾相关技术专家相关认为：不对具体的case进行评价。但基于规则的传统智驾方案的感知还是人为定义要素，并对感知信息进行抽象提取，这就会导致信息传递过程的损失和遗漏，让感知决策模块难以作出正确的决策。而端到端是在一个神经网络中，将外部环境的信息无损输入和传递，更准确和完整地理解外部交通环境，并作出规划和决策。规则方案可以通过增加规则、添加补丁解决一个场景。但是这样的场景不会只有一个，是无限的。而足够多的数据进行学习训练之后，端到端方案可以像人一样思考、开车，自己解决更多类似的corner case。总结一下，地平线和商汤表述不同，但核心一样，都认可端到端是解决Robotaxi工地难题最有效的方法。同时还是解决自动驾驶各类长尾问题的最高效途径。对了多说一句，提出UniAD的CVPR 2023最佳论文，地平线和商汤的学者都参与了撰写。端到端对传统技术范式革新，给了所有玩家新的机遇：更好的智驾体验、更低的维护、泛化成本，以及更有竞争力的自动驾驶方案成本。但代价是以往模块化的、规则驱动主导的技术体系，必须推倒重构。昔日自动驾驶绝对领军者Waymo，如今陷入“建筑工地”困境中，更加证明自动驾驶这条赛道“水无常形，兵无常势”：老牌明星可能会优势归零重置，“后来者”也会获得领先优势。 原文：建筑工地成无人车噩梦 Waymo栽跟头多到被约谈