我做顾问已经有相当长一段时间了,我的职业生涯始于麦肯锡,在那里我成为了一名高级合伙人。我的工作重点一直是制造业和移动性;我的职业生涯始于制造车间,从事半导体工业工程。这项工作非常有趣,也满足了我的好奇心,让我能够深入研究事物运作的复杂性,因为半导体确实是相当复杂的东西。之后,我加入了谷歌云,负责谷歌云与汽车、制造和能源行业公司的全球业务。2022 年 9 月,我加入微软,担任制造和移动性公司副总裁,负责监督我们在这些行业领域的业务运营。制造业基本上包括
2023 年机器人 LLM 的发展最让我们感到意外,例如 PalM-E 和 RT-2 的推出,以及特斯拉开发人形机器人的端到端 AI 方法。当今所有机器人 LLM 的基石都是谷歌的 Transformer 模型,该模型自 2017 年开始开发,引入了一种基于自注意力机制的新型神经网络架构。基于 Transformer 模型结构,谷歌继续开发了三类模型:1)PaLM(Pathways Language Model),专注于文本内容分析和生成;2)ViT(Vision Transformer)和 PaLI(Pathways Language and Image Model),结合文本和图像的分析、转换和推理;3)RT(Robot Transformer),使用标记化的输入和输出连接输入命令和机器人输出控制。三种模型通过技术路径演化为PaLM-E、PaLI-X和RT-1,而谷歌通过PaLM-E & PaLI-X进行数据训练、RT-1进行微调,在2023年7月推出了RT-2。RT-2借助PaLM-E和PaLI-X的多模态分析能力,能够处理自然语言指令、通过视觉分析任务场景;借助RT-1的运动数据库和标记化数据处理技术,能够控制机器人执行任务。RT-2的端到端AI能力基于机器人运动数据库,谷歌花了1.5年时间收集数据,因此RT模型的研发周期比其他两种模型更长。RT-2 发布后,国内部分机器人企业也纷纷推出自己的机器人 LLM,而我们认为,目前大部分国内人形机器人厂商的 AI 能力都是基于开源机器人 LLM(大型语言模型)开发的,比如 OpenAI、Meta 和 Google Deepmind 等。
3)《商业内幕》(2020 年 7 月 21 日),前谷歌首席执行官埃里克·施密特正在努力创办一所可以与斯坦福大学和麻省理工学院相媲美的大学,
硅谷清洁能源和谷歌有着共同的目标,即在电网中使用清洁、无碳电力,并在建筑和交通运输中从化石燃料转换为清洁电力。谷歌总部位于加利福尼亚州山景城,长期以来一直是可再生能源采购领域的企业领导者,并致力于到 2030 年在所有时间和地点使用无碳能源 (CFE) 开展业务。硅谷清洁能源 (SVCE) 是一家公共社区选择能源机构,由 13 个硅谷管辖区于 2016 年成立,旨在以有竞争力的价格提供清洁、无碳电力,并实施电气化计划,以减少全社区的碳排放。
如果你认为你的企业不值得为机器学习而烦恼,那就想想你的竞争对手可能会怎么做。谷歌现在将其作为产生搜索结果的第三大权重因素。亚马逊将其用于计算机视觉,以便机器人团队可以从仓库中的一百万件物品中挑选出要运送的货物包裹。伦敦的 Stratified Medical 公司正在使用它来发现人类错过的数据模式,从而识别潜在的新药。越来越多的公司正在使用认知智能(也称为机器学习、人工智能或 AI)和神经网络来做人们不想做的工作,因为它重复性太强,或者它涉及的数据规模对于任何人或团体来说都太大。例如,谷歌的照片应用会将智能手机上的照片上传到搜索公司服务器上的帐户;在那里,你可以搜索“狗”或“猫”或“山”,系统会在你的照片中找到它们,而无需你或任何其他人明确标记它们。谷歌的机器学习系统会分析图片,找出其中的内容,并在 2 亿用户和数十亿张图片中完成这一工作。没有人愿意这样做;没有一个团体能做到。但人工智能不仅仅是一项面向消费者的技术。其使用规模可能非常巨大。累计世界