大家好，我是 Azeem。本周，我们见证了人工智能系统悄然实现了自我提升的新高度，这是一个微妙而深刻的进步。与此同时，随着中国在自主研发硅片方面取得重大进展，全球半导体版图正在不断重塑。这些转变的实际影响已经显而易见——从编程到工作场所自主化，再到战争。
你来对地方了，可以了解接下来的内容。出发！
本土优势
中国正在突破芯片控制。该国的科技领袖已经缩小了在人工智能硬件领域的差距，特别是在推理方面，据一些人称，可能只落后美国一个开发季度，剩下的阻碍是软件，而不是芯片。阿里巴巴、腾讯和百度表示，将其大模型管道从 Nvidia 的 CUDA 平台重写为华为的 CANN 工具包，将使新的人工智能开发延迟大约三个月，而不是几年。在此之后，日常人工智能工作负载可以在自主研发的芯片上运行，而不是进口的 Nvidia 部件。华为正利用Ascend AI 处理器奠定这一基础。国内芯片制造商中微半导体正在加大本地生产。实际上，这些公司将继续使用其不断减少的 Nvidia 库存进行训练，美国技术在这方面保持着可靠的领先地位，同时将快速增长的推理工作负载转移到 Ascend 处理器和其他本地芯片上。
-
黄仁勋表示，中国价值 500 亿美元的人工智能芯片市场目前已对美国供应商“有效关闭” 。
-
中国正在开发新的中国制造 计划重点关注国产高端技术产品。
内在动机
人工智能模型现在只需信任自身的信心，就能更好地推理——无需人工反馈或黄金标准答案。本周发布的一项新研究引入了一种名为 Intuitor 的方法，它会奖励模型最有信心的输出，从而形成一个自我强化的循环，鼓励模型进行精细的结构化思考。这种新方法让模型在学习如何学习方面做得更好；该人工智能只接受了数学题的训练，但学会信任自身判断的模型在编程方面也表现得更加出色。
除此之外，一项配套研究表明，法学硕士（LLM）能够不断发明和迭代自己的算法，并在基准测试中超越人类设计的最佳技术。它将这些优势转移到全新的模型组合中，这证明了人工智能正在不断完善其自我提升的工具。
近期有几篇论文展示了自我提升的路径，这两篇是其中的两篇——从这里开始，就有一条清晰的路径。这或许能带来强大的新功能，但也需要警惕诸如奖励黑客之类的意外行为。
欧洲风险投资重启
风险投资的策略是向精益的软件初创企业投入大量资金，并让网络效应产生复合效应，但这已不再适合地缘政治格局。
正如约翰·索恩希尔 (John Thornhill) 所指出的，成本曲线已经反转：人工智能的突破依赖于昂贵的数据中心建设和芯片供应链，因此大型科技公司和政府支持的资本池（例如沙特阿拉伯 400 亿美元的人工智能基金）正在超越传统风险投资公司。欧洲主要股票指数的基准公司成立年份中位数为 1892 年，而美国为 1946 年——54 年的创新赤字暴露出欧洲大陆的工业领袖更新换代之难。