硅纪元视角 | 亚马逊 AI 芯片挑战英伟达，承诺最高 50% 成本节省

在数字化浪潮的推动下，人工智能（AI）正成为塑造未来的关键力量。硅纪元视角栏目紧跟 AI 科技的最新发展，捕捉行业动态；提供深入的新闻解读，助您洞悉技术背后的逻辑；汇聚行业专家的见解，分享独到的视角和思考；精选对您有价值的信息，帮助您在 AI 时代中把握机遇。

1 分钟速览新闻

• 中国 AI 医疗新突破：DeepDR-LLM 引领糖尿病诊疗革命！

• AI 数学奇才：谷歌 DeepMind 斩获国际奥赛银牌

• 亚马逊 AI 芯片挑战英伟达，承诺最高 50%成本节省

• AI 搜索引擎新突破：SearchGPT 开启内测

• AI 大模型的“数 r”难题：全球网友脑洞大开求解法

全球 AI 新闻

一、中国 AI 医疗新突破：DeepDR-LLM 引领糖尿病诊疗革命！

资讯概要

DeepDR-LLM，一个由上海交通大学医学院附属第六人民医院联合多所高校和科研机构共同研发的全球首个面向糖尿病诊疗的视觉-大语言模型多模态集成智能系统，已于 2024 年 7 月 19 日在 Nature Medicine 发表成果。该系统融合了大语言模型和深度学习技术，能提供糖尿病视网膜病变辅助诊断结果及个性化糖尿病综合管理意见。通过在亚非欧三大区域七个国家的多中心队列中进行验证，DeepDR-LLM 证明了其在提高 DR 筛查和基层糖尿病管理水平方面的有效性，为全球糖尿病治理提供了创新的数字解决方案。

硅纪元视角

DeepDR-LLM 系统的成功研发，标志着 AI 在医疗领域的应用取得了重大进展。该系统通过整合医学影像诊断与诊疗意见生成，为糖尿病患者提供个性化的治疗方案，极大地提高了诊疗效率和准确性。在实际应用场景中，DeepDR-LLM 可以辅助医生进行更准确的病情评估，尤其在基层医疗环境中，有助于缓解医疗资源分布不均的问题，提升基层医疗服务水平。此外，随着技术的进步和数据的积累，DeepDR-LLM 有望在糖尿病预防、早期诊断、治疗和长期管理等方面发挥更大的作用，为患者带来更全面的健康保障。同时，这一创新技术也为其他慢性病的 AI 辅助诊疗提供了新的思路和方法，预示着未来医疗 AI 技术的广泛应用前景。

二、AI 数学奇才：谷歌 DeepMind 斩获国际奥赛银牌

资讯概要

谷歌 DeepMind 的混合 AI 系统 AlphaProof 和 AlphaGeometry 2 在 2024 年国际数学奥林匹克竞赛（IMO）中获得 28 分，赢得银牌。该系统解决了六个问题中的四个，仅比金牌门槛低一分。这一成就展示了 AI 在高级数学推理方面的能力，结合了大型语言模型、强化学习和符号推理。系统采用 AlphaZero 风格方法和 Gemini 在 Lean 形式语言中的问题形式化。IMO 以其设计挑战全球最优秀年轻数学家的难题而闻名。DeepMind 的成功标志着 AI 在解决复杂数学问题方面迈出了重要一步。

硅纪元视角

AlphaProof 和 AlphaGeometry 2 的结合展现了 AI 在数学领域的潜力，这不仅对教育领域具有深远影响，也为科研和工业应用开辟了新的可能性。在教育层面，AI 可以辅助学生理解复杂的数学概念，提供个性化的学习路径和实时反馈，从而提高学习效率。科研领域，AI 的高级数学推理能力可以协助数学家解决长期存在的难题，推动数学理论的发展。

在工业应用上，AI 的数学推理能力可以优化算法设计，提高数据分析的准确性，尤其在金融、物流和制造业等领域，实现成本节约和效率提升。此外，AI 在形式验证和安全领域也具有潜在价值，能够检查和验证软件和硬件系统的设计，减少错误和漏洞，提高系统的可靠性。

随着 AI 技术的不断进步，我们可以预见其在更多领域的应用，如城市规划、环境监测等，通过精确的数学模型为决策提供支持。同时，AI 在数学领域的成就也提醒我们，需要在技术发展的同时，注重伦理和责任，确保 AI 技术的健康发展和对社会的积极贡献。

三、亚马逊 AI 芯片挑战英伟达，承诺最高 50%成本节省

资讯概要

亚马逊正在积极开发自己的 AI 芯片，以对抗 Nvidia，目标是创造更便宜、更快的替代品。新芯片 Trainium 和 Inferentia 预计将帮助 AWS 客户更经济高效地处理数据，潜在地将成本降低高达 50%。这标志着亚马逊减少对 Nvidia 昂贵芯片依赖的策略，通常被称为“Nvidia 税”。芯片的开发在德克萨斯州奥斯汀的亚马逊芯片实验室进行，工程师们正在一个严密保护的新服务器设计上工作。亚马逊的努力是更广泛趋势的一部分，其他科技巨头如微软和 Alphabet 也在开发自己的 AI 处理器。

硅纪元视角

亚马逊推出的 Trainium 和 Inferentia 芯片，预示着 AI 硬件领域的新竞争格局。这些芯片的潜在成本节省，对于需要大规模数据处理的公司来说，是一个巨大的吸引力。例如，在云计算服务中，这些芯片可以帮助企业降低运营成本，同时提高处理速度和效率。在机器学习和数据分析领域，Trainium 和 Inferentia 的高性能可以加速模型训练和推理过程，从而加快产品开发周期，提高市场竞争力。

此外，随着 AI 技术的不断进步，这些芯片在自动驾驶汽车、智能监控系统、医疗影像分析等应用场景中也展现出巨大潜力。例如，在自动驾驶领域，高效的 AI 芯片可以提供实时的数据处理能力，提高车辆的决策速度和安全性。在医疗领域，强大的 AI 芯片可以快速分析大量医疗影像数据，辅助医生进行更准确的诊断。

亚马逊的这一举措也表明，随着 AI 技术的普及，越来越多的企业开始寻求定制化的硬件解决方案，以满足特定的业务需求。这种趋势可能会推动整个行业向更高效、更经济的方向发展，同时也为消费者带来更优质的产品和服务。随着技术的发展和应用的深入，我们可以预见，AI 芯片将在推动各行各业数字化转型中发挥越来越重要的作用。

四、ChatGPT 搜索突然发布，SearchGPT 开启内测

资讯概要

OpenAI 近日宣布其 AI 搜索产品 SearchGPT 开放内测。该产品自 5 月传言以来备受期待，旨在利用 AI 模型检索网络信息，为用户快速提供答案和信源。SearchGPT 目前仅向部分用户开放，以收集反馈。与 ChatGPT 相似，用户通过对话框提问即可获得答案，且支持图片和视频搜索结果。OpenAI 还与新闻媒体合作，促进出版商与用户的联系。尽管 AI 搜索市场尚未超越传统搜索引擎，但 SearchGPT 的出现无疑为该领域增添了新动力。

硅纪元视角

SearchGPT 的推出预示着 AI 搜索技术的进一步发展。其交互界面的直观性、对信源的明确标注以及对图片和视频的整合，为用户提供了更丰富的搜索体验。在教育领域，SearchGPT 可以成为学生获取信息和资料的有力工具，提高学习效率。医疗行业中，AI 搜索的准确性和速度对于快速诊断和治疗方案的制定至关重要。此外，企业可以通过 SearchGPT 获取行业动态，优化决策过程。随着技术的不断进步，SearchGPT 有望在更多领域发挥重要作用，推动知识的发现和传播。然而，AI 搜索技术的普及也引发了隐私和数据安全方面的讨论，如何在提供高效服务的同时保障用户隐私，是未来发展中需要解决的关键问题。

五、AI 大模型的“数 r”难题：全球网友脑洞大开求解法

资讯概要

继 9.11 与 9.9 数字大小难以分辨后，AI 大模型在数单词“Strawberry”中“r”的数量时再次出现失误，引发全球网友的广泛关注和讨论。从 GPT-4o 的自信错误到 Llama-3.1 405B 的自我纠正，再到 Claude 3.5 Sonnet 的越改越错，各大 AI 模型在这一问题上的表现令人失望。网友们尝试了多种方法，包括 Few-Shot CoT、特定提示词技巧、自我发现推理步骤等，以期教会 AI 正确计数。一些 AI 如谷歌 Gemini、字节豆包、智谱清言的 ChatGLM 等在特定条件下能给出正确答案，但整体而言，这一问题仍未得到普遍解决。究其原因，可能与 AI 模型对单个字符的理解有限、token 的处理方式有关。最简单的解决方案或许是让 AI 调用代码进行计数。

硅纪元视角

AI 大模型在“数 r”问题上的表现，反映出当前 AI 技术在某些方面仍存在局限。这一问题的出现，为 AI 技术的进一步发展和优化提供了新的视角和思考。首先，AI 需要更好地理解和处理单个字符及 token，以提高对语言细节的把握能力。其次，AI 的自我学习和自我纠正能力有待加强，以便在遇到问题时能够快速找到解决方案。此外，AI 的提示词技巧和自我发现推理步骤等方法，虽然在特定情况下有效，但可能并不具有普适性，需要进一步探索和完善。最后，调用代码等直接解决方案虽然简单有效，但也暴露出 AI 在某些方面的依赖性，未来 AI 的发展需要在独立思考和问题解决能力上实现突破。这一问题的探讨和解决，不仅有助于提升 AI 的语言处理能力，也将推动 AI 技术的全面进步和应用拓展。