来源：硬AI

联发科凭借其丰富的4G芯片产品，使其4G芯片市场的份额逐年提升，而在2024年推出G91，以及即将发布的G81 4G芯片，将继续扩大其4G芯片的市场份额，根据群智咨询数据，联发科2024年的4G芯片市场份额将超过60%。在5G市场，联发科的D6100和D6300是其主力的销售产品，预计2024年占其5G芯片总出货量约40%。

　　Meta美东时间周二发布最新款AI模型Llama 3.1 405B，将矛头对准OpenAI和谷歌公司开发的大模型。扎克伯格称其为“艺术的起点”，表示Llama 3.1拥有大范围新的能力，包括改善推理以帮助处理复杂的数学问题、或即时合成一整本书，这是Meta迄今为止最大的模型。同时，英伟达AI Foundry将为全球企业提供Llama 3.1模型的定制服务。

　　对标GPT4-o、Claude 3.5 Sonnet

　　媒体报道，Llama 3.1 405B模型包含4050亿个参数，是近年来参数规模最大的模型之一。通常，参数大致对应于模型的解决问题的能力，参数越多的模型通常表现越好。该模型使用16000个英伟达H100 GPU进行训练，受益于新的训练和开发技术，Meta声称，Llama 3.1 405B在一定程度上可以与OpenAI的GPT-4o和Anthropic的Claude 3.5 Sonnet竞争。

　　Meta高管表示，该模型主要用于为Meta内部和外部开发人员的聊天机器人提供支持，具备广泛的新功能，包括改进的推理能力，帮助解决复杂的数学问题或瞬间综合整本书的文本。它还具有生成式AI功能，可以通过文本提示生成图像。一项名为“想象自己”的功能允许用户上传他们的面部图像，然后生成他们在不同场景和情境中的描绘。

　　与Meta之前的模型一样，Llama 3.1 405B可以下载或在云平台（如AWS、Azure和Google Cloud）上使用。它还在WhatsApp和Meta.ai上使用，为美国用户提供聊天机器人体验。

　　扎克伯格表示，Meta的聊天机器人拥有“数亿”用户，并预计到年底将成为世界上使用最广泛的聊天机器人。他希望Meta以外的公司也能使用Llama来训练他们自己的AI模型。

　　Meta在AI上的投资非常大。扎克伯格表示，训练Meta的Llama 3模型花费了“数亿美元”的计算资源，但他预计未来的模型成本将更高。“未来这将需要数十亿甚至更多的计算资源，”他说。2023年，Meta试图削减一些未来技术和管理层的支出，裁掉了数千个工作岗位，这是扎克伯格称之为“效率之年”的一部分。但扎克伯格仍然愿意在AI竞赛中投入资金。

　　“我认为现在很多公司都在过度建设，你回头看时可能会觉得‘哦，我们可能都花费了更多的数十亿美元’，”扎克伯格说。“另一方面，我实际上认为所有投资的公司都在做出理性的决定，因为如果落后了，未来10到15年你将在最重要的技术上处于劣势。”

　　“如果AI在未来像移动平台一样重要，那么我不想通过竞争对手访问AI，”扎克伯格说，他长期以来对Meta依赖于Google和苹果手机和操作系统来分发其社交媒体应用感到不满。“我们是一家技术公司，我们需要不仅在应用层面上构建东西，还要在整个技术栈上进行构建。为此进行这些巨大的投资是值得的。”

　　目前仅支持文本 将尝试多模态

　　像其他开源和闭源生成式AI模型一样，Llama 3.1 405B可以执行各种任务，可以编程、回答基本数学问题，也可以用八种语言（英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语）总结文件。该模型目前仅支持文本操作，这意味着它不能回答图像问题，但大多数基于文本的工作负载（如分析PDF和电子表格）都在其能力范围内。

　　Meta表示，该公司正在尝试多模态模型。在周二发表的一篇论文中，公司研究人员表示，他们正在积极开发可以识别图像和视频并理解（和生成）语音的Llama模型。然而，这些模型尚未准备好公开发布。

　　为了训练Llama 3.1 405B，Meta使用了一个包含15万亿个标记的数据集，这些标记的数据更新到2024年（15万亿个标记相当于7500亿个单词）。这不是一个新的训练集，因为Meta使用了这个基本集来训练早期的Llama模型，但公司声称它改进了数据管理管道，并采用了“更严格”的质量保证和数据过滤方法来开发这个模型。

　　同时，Meta还使用了由其他AI模型生成的合成数据来微调Llama 3.1 405B。目前，包括OpenAI和Anthropic在内的大多数主要AI供应商都在探索合成数据的应用，以扩大AI训练规模，但一些专家认为合成数据应该作为最后的手段，因为它可能会加剧模型偏见。

　　在上述论文中，Meta研究人员写道，与早期的Llama模型相比，Llama 3.1 405B的训练包含了更多的非英语数据（以提高其在非英语语言上的表现）、更多的“数学数据”和代码（以提高模型的数学推理能力）以及最近的网络数据（以增强其对当前事件的了解）。

　　“在许多方面，训练数据就像是构建这些模型的秘方和酱料，”Meta AI项目管理副总裁Ragavan Srinivasan在接受TechCrunch采访时表示。“所以从我们的角度来看，我们在这方面投入了大量资金。这将是我们会继续精炼的事情之一。”

　　同时，扎克伯格否认了使用Facebook和Instagram帖子数据训练Llama是一个关键优势的说法。“这些服务上的许多公共数据我们允许被搜索引擎索引，所以我认为Google等公司实际上也有能力使用很多这些数据。”

　　更大的上下文窗口和工具

　　另外，Llama 3.1的上下文窗口（context window）涵盖128000个标记，比以前的Llama模型更大，大约相当于一本50页书的长度。

　　模型的上下文或上下文窗口指的是模型在生成输出（如文本）之前考虑的输入数据（如文本）。具有较大上下文窗口的模型，可以总结更长的文本片段和文件。在为聊天机器人提供动力时，这种模型也不太可能忘记最近讨论的主题。

　　Meta周二还推出了另外两个新的较小模型Llama 3.1 8B和Llama 3.1 70B，这两款模型是Meta在4月发布的Llama 3 8B和Llama 3 70B模型的更新版本，它们也有128，000个标记的上下文窗口。相比之下，以前的模型上下文窗口最大为8，000个标记。

　　与Anthropic和OpenAI的竞争模型一样，所有Llama 3.1模型都可以使用第三方工具、应用程序和API来完成任务。此外，Meta声称Llama 3.1模型可以在一定程度上使用某些之前未见过的工具。

　　建立生态系统

　　Meta在论文中表示，Llama 3.1 405B的性能与OpenAI的GPT-4相当，在与GPT-4o和Claude 3.5 Sonnet的比较中取得了“混合结果”。尽管Llama 3.1 405B在执行代码和生成图表方面优于GPT-4o，但其多语言能力整体较弱，在编程和一般推理方面也落后于Claude 3.5 Sonnet。

　　由于其规模庞大，它需要强大的硬件来运行。Meta建议至少使用一个服务器节点。Meta表示，Llama 3.1 405B更适合用于模型蒸馏——将大型模型的知识转移到较小、更高效的模型上——以及生成合成数据来训练（或微调）其他模型。

　　为了鼓励合成数据的使用，Meta表示已经更新了Llama的许可，允许开发者使用Llama 3.1模型系列的输出来开发第三方AI生成模型。重要的是，该许可仍然限制了开发者如何部署Llama模型：月活用户超过7亿的应用开发者必须向Meta申请特别许可，由公司自行决定是否授予。

　　除了Llama 3.1系列，Meta还发布了所谓的“参考系统”和新的安全工具，其中一些工具阻止可能导致Llama模型行为不可预测或不理想的提示，以鼓励开发者在更多地方使用Llama。公司还预览并征求对Llama Stack的意见，这是一个即将推出的API，用于微调Llama模型、使用Llama生成合成数据以及构建“代理”应用程序——由Llama驱动的可以代表用户采取行动的应用程序。

　　争夺市场份额 正在研发Llama 4

　　在周二早上发布的一封公开信中，Meta CEO马克·扎克伯格描绘了一个未来的愿景，即AI工具和模型能够到达世界各地更多的开发者手中，确保人们能够享受到AI的“好处和机会”。

　　扎克伯格既捍卫自己的开源策略，又大规模投资AI。“我认为对于一个AI助手来说，最重要的产品特性将是它的智能程度，”扎克伯格在接受媒体采访时说道。“我们正在构建的Llama模型是世界上最先进的模型之一。”

　　扎克伯格补充说，Meta已经在研发Llama 4。

　　目前，Meta采用了一个久经考验的策略：免费提供工具以培养生态系统，然后逐渐添加一些付费的产品和服务。在模型上花费数十亿美元，然后将其商品化，还可以降低Meta竞争对手的价格，并广泛传播公司的AI版本。这也让公司可以将开源社区的改进纳入其未来的模型中。

　　Llama无疑引起了开发者的注意。Meta声称，Llama模型已经被下载了超过3亿次，到目前为止已经创建了超过20，000个Llama派生模型。

　　目前，Meta正在花费数百万美元游说监管机构接受其偏好的“开放”生成式AI。虽然，Llama 3.1模型并没有解决当今生成式AI技术的根本问题，如其容易编造内容和重复训练数据中的问题。但它们确实推进了Meta的一个关键目标：成为生成式AI的代名词。

　　与英伟达联手 AI Foundry将提供定制Llama 3.1模型服务

　　此外，Meta还联合AI芯片领头羊英伟达周二宣布，英伟达AI Foundry将为全球企业定制Llama 3.1生成式AI模型，将他们的数据与Llama 3.1 405B和英伟达Nemotron模型结合，创建“超级模型”。

　　英伟达AI Foundry将提供全面的生成式AI模型服务，涵盖数据管理、合成数据生成、微调、检索、安全防护和评估，以部署定制的Llama 3.1 NVIDIA NIM微服务，并提供新的NVIDIA NeMo检索微服务以实现准确的响应。

　　Meta是英伟达的顶级客户之一，由于没有运行自己的面向企业的云服务，Meta需要最新的芯片来训练其AI模型，这些模型内部用于目标定位和其他产品。例如，Meta表示，Llama 3.1模型的最大版本是在16，000个Nvidia H100显卡上训练的。

　　分析认为，这种关系对两家公司来说是各取所需。对于英伟达来说，Meta正在训练其他公司可以使用和调整的开源模型，而无需支付许可费用或请求许可，这可能会扩大英伟达自身芯片的使用，并保持需求的高涨。

　　但开源模型的创建可能耗资数亿美元或数十亿美元。没有多少公司能够以类似的投资金额开发和发布这样的模型。虽然Google和OpenAI是英伟达的客户，但他们将其最先进的模型保持私有。

　　另一方面，Meta需要稳定供应的最新GPU来训练越来越强大的模型。与英伟达一样，Meta也试图培养一个以公司开源软件为中心的AI应用程序开发者生态系统，即使Meta不得不基本上免费提供昂贵的代码和所谓的AI权重。

　　媒体报道，埃森哲将是使用新服务为客户构建定制Llama 3.1模型的首家企业，沙特阿美石油公司、AT&T、Uber和其他行业领袖也成为首批访问新Llama NVIDIA NIM微服务的用户。

　　Meta的25个Llama相关企业合作伙伴包括Amazon Web Services、Google Cloud、Microsoft Azure、Databricks和Dell。

　　网友：伟大的杰作 开源的胜利

　　英特尔首先发来贺电：“恭喜MetaAI！我们很激动能用Llama 3.1的发布来优化我们的AI产品组合。”

　　有网友表示，“非常棒的研究和进步，正在向着开源通用人工智能迈进！”

　　大部分网友对Meta表示祝贺，认为Llama 3.1是伟大的杰作，是开源社区的胜利。

　　也有网友质疑，规模如此巨大的模型，运行的时候要耗费多少电能？会对环境造成多大影响？

海量资讯、精准解读，尽在新浪财经APP

责任编辑：杨淳端 股票配资平台开户