Posted in: 科技

语言行业里程碑:一场按时间顺序的旅程

在过去的几十年中,语言行业经历了由技术进步和全球需求共同推动的翻天覆地的变化。从最初的本地化工作到如今人工智能(AI)驱动的解决方案,这一充满活力的行业已跨越多个关键里程碑。

21世纪初,随着全球化的加速推进,翻译和本地化服务的需求显著增长。为应对这一趋势,企业开始采纳翻译管理系统(TMS),以简化多语言内容的管理流程。这一时期为全球语言服务管理奠定了基石,助力行业应对日益增长的数字内容挑战。

2010年至2015年,神经机器翻译(NMT)技术的崛起成为行业新的里程碑。在谷歌等科技巨头的引领下,NMT通过引入深度学习模型,实现了比传统统计机器翻译(SMT)更为流畅和准确的翻译效果。这一技术突破不仅标志着机器翻译(MT)的新篇章,还为后续的人工智能集成奠定了坚实基础。

自2016年至2019年,人工智能在语言行业中的角色愈发重要。大型语言模型(LLM)的引入进一步优化了翻译工作流程,提升了翻译速度和准确性。同时,随着通信平台的不断进步,远程口译服务也开始崭露头角,为多语言参与者提供了便捷的虚拟会议体验。

2020年,COVID-19大流行的爆发加速了远程语言服务的普及。虚拟口译需求激增,而机器翻译后编辑(MTPE)则成为确保AI生成翻译质量的关键环节。

进入2021至2023年,大型语言模型(LLM)已稳固确立其在语言行业的核心地位。实时语音翻译、合成语音等创新技术开始重塑语言服务的提供方式,推动人工智能解决方案的高效应用与广泛普及。

到了2024年,语言AI已跻身全球企业的战略要地。对于面向全球市场的企业来说,多语言AI解决方案——包括生成式AI(GenAI)——正变得愈发不可或缺。

语言行业在持续演进中,AI驱动的创新成为引领力量。尽管技术在改变行业的诸多面貌,但在文化和语境理解等关键领域,人类专家的智慧依然具有不可替代的价值。

 
6142321451
春天的狼
呱呱id:6142321451
Posted in: 科技

围剿 Model Y:「安卓包围 iOS」故事重写,这次谁是诺基亚?

2024 年的国庆假期,中国新能源汽车市场注定要掀起一场血雨腥风的争夺。
过去一周多的时间里,几乎每天都会有一家国产新势力汽车品牌的新车上市。最疯狂的时候,同一个晚上就有 3 场不少于 500 人规模的新车发布会。很多新车甚至还来不及邀请媒体拍摄介绍车型的视频,就已经发布了。不少汽车媒体从业者都表示:光是参加发布会都没时间,很多新车自己也还不熟悉。
一些车企高管也表示,新车上市的时间的确「经过了调整」。但调整并不是为了避其锋芒,而是导向了一个针锋相对的局面。
原因并不复杂:每家企业都一定要赶在十一国庆假期前,把最新款的试驾车摆进线下门店里
汽车是一个决策周期较长的大型消费品,线下门店对于销售环节至关重要。近年来,新势力品牌的门店又大多扎堆在一二线城市的核心商超,出了这家门,又进那家店,谁都不愿自家新品损失国庆这波泼天的线下流量。
针锋相对还体现在产品本身。
9 月下旬上市的新车型,大多都是中型五座新能源 SUV,彼此直接产生竞争关系。更重要的是,它们还要共同面对这个细分市场里一个最大的对手:2023 年中国以及全球市场的销冠,特斯拉 Model Y
国产新能源 SUV,这次 2024 年的「围攻光明顶」式的举动,意味着什么?而他们,这次能成功吗?
 

「老」销冠,新机会

Model Y 绝对可以算得上是如今智能电车时代的「一朵奇葩」。
自 2020 年 3 月开启全球交付以来,除常规的年度改款外,特斯拉几乎还没有对它进行过重大升级。
但就是这样一款被很多人认为「卖了 4 年的旧车」,却始终保持着超高的市场增长率:乘联会数据显示,从 2021 年国产 Model Y 交付开始,过去三年,Model Y 在国内市场的年销量分别为 16.98 万、31.53 万、64.68 万——几乎每年都是翻倍增长
到 2023 年底,Model Y 也超越了日系丰田的两款经典车型 RAV-4、卡罗拉,成为全球市场上最畅销的年度车型。
Model Y 是 2023 年中国最畅销的车型 | 图片来源:特斯拉微博
相比国内的新竞品们,Model Y 在生产端拥有一套更成熟的体系优势。它基于特斯拉 2016 年发布的另一款大众车型 Model 3 打造,两者不仅可以复用大约 75% 的零部件,而且前者过往在车型研发、规模化生产方面累计的经验和踩过的坑,也都可以为后者所用。
具体落实在产品上,研发优势最突出的体现就是电耗管理。此前,为了达到和 Model Y 同样的续航,国内的同级产品大约需要使用至少大 20度的电池包——按照 2024 年电芯低至 0.4 元/Wh 计算,20 度电池包的 BOM 成本大概也在 1 万元左右,前些年还应该更贵。所以相当长一段时间里,特斯拉也是纯电车型中毛利率最高的那个。于是,它也就可以轻松地应对甚至主动发起价格战。
但相比起国产新势力们,特斯拉最大的问题就是「不听劝」。绝大部分中国消费者喜欢配置更丰富的大车,为此,很多合资品牌这些年里也专门推出了更长轴距、更大空间的「特供车型」。但无论消费者怎么吐槽特斯拉的「毛坯房」内饰,马斯克始终没有对它做出任何改变。
此外,作为一家全球化科技公司,特斯拉在智能化上的优势也始终无法完全在中国市场兑现成产品力——得到业内一致认可的智能驾驶功能 FSD 迟迟无法在国内落地,特斯拉的智能语音也和苹果的 Siri 一样,始终和中文用户之间缺乏足够默契。
Model Y 的「缺点」,就是国内新能源车的机会。
李斌和艾铁成亲自为乐道L60首批用户交付新车 | 图片来源:乐道汽车
国内的竞品们显得更懂如何为用户提供更体贴的智能体验。在更流畅的中文语音助手外,还挖掘出了一系列细微的功能。例如,最近新上市的乐道 L60 和极氪 7X 上,都推出了可以和车机连通的智能儿童座椅。前排乘客可以直接通过车机打开儿童座椅的通风功能,也可以直接调用车内摄像头观察后排宝宝的情况。这些功能对于家庭用户来说,细微但加分十足。
乐道汽车总裁艾铁成曾经说过,为了了解用户需求,过去 3 年时间里光是他自己就亲自入户调研了超过 550 个家庭。在移动互联网时代,就有过一批依靠精准洞察用户需求的企业赢得市场的故事。如今,同样的战略打法似乎也正在智能电车行业里继续上演。
在智能驾驶层面,随着研发的投入以及端到端带来的技术变革基于,国内新势力车企们也纷纷交出优秀答卷。目前,华为、小鹏、蔚来们都已经推送了可以在全国范围内使用的智能领航辅助驾驶功能。
至于在 Model Y 上没有搭载的 800V 快充、座椅通风按摩等其他配置,竞品们也都几乎全系标配。这是国产新势力们近年来熟悉的「越级打法」,即相同的价格里给出更好的配置,包围 Model Y,在产品软硬件实力上,国内玩家们又更进了一步。
 

小米SU7 的启示

其实,在此次「六大门派围攻光明顶」前,国内新势力们此前也推出过一些对标 Model Y 的产品。
2023 年发布的小鹏 G6 和极越 01 就是其中的典型代表。从产品力本身来说,无论是空间、能耗管理还是智能驾驶的体验,二者也都做到了媲美 Model Y 的程度。前者还搭载了 800V 超快充架构,在补能速度上率先做到了同级领先。
然而,从实际销量来看,此前的竞品们都没有实际动摇 Model Y 在纯电 SUV 里的领先地位。
外界有时会简单地将 2021 年开始交付的 Model Y 形容为「领先 3 年」,但领先优势可能还不止于此。作为全世界第一波重注电动汽车的玩家,马斯克和特斯拉有着显著的先发优势。
早在 2014 年,进口特斯拉 Model S 进入中国市场,雷军、李想、李斌等均为特斯拉早期车主。可以说,特斯拉一开始就借着马斯克的超级极客个体形象打造了高端创新的品牌形象,并且到现在都还享受着先行者的红利。
另一方面,特斯拉在产品布局上也明显掌握着时机上的优势。
2021 年 1 月,由上海超级工厂生产的 Model Y 首次在国内交付。在那个时期,中国的新能源汽车渗透率只有 6.8%(如今已达到 53.6%),蔚来和小鹏分别只有 3 款和 2 款在售车型,前者定位高端,后者尚无同级别 SUV 车型,而其他玩家诸如极氪、智己、鸿蒙智行等还没有正式入场。
在很长时间里,Model Y 几乎是中国新能源市场里纯电 SUV 车型的唯一选择,长期以来建立了牢固的品牌形象和认知。因此,只靠比拼产品本身的参数和配置就想卷赢 Model Y,难度很大。
小米SU7 已经成为目前纯电轿车市场上特斯拉 Model 3 的劲敌 | 图片来源:雷军微博
相反,比起正面硬碰硬,雷军和小米 SU7 反而给出了另一条竞争的思路:绕开中国消费者更喜欢的 SUV 车型,先在更「小众」的轿车领域发力,建立起新品牌足够的认知力。
这样的选择,在产品上市之前自然会遭到诸多质疑。因为从过往的市场经验来看,中国消费者普遍喜欢空间更大的 SUV,轿车市场体量太小。
在前一个 10 年里,小米极其擅长结合大量产品调研进行产品定义。但关于第一款应该怎么选方向,雷军这次主打一个不听劝,坚决不做 SUV。
雷军事后在复盘里,把这种策略形容为「对角线战术」。他认为如果按照传统思路,从大空间的 SUV 做起,那不仅要面对 Model Y,大概率还会一头撞进理想、华为的包围圈——两者虽然以增程作为主要动力形式,但凭借着大空间、智能化、舒适化配置,牢牢占据着目前中国新能源市场销量前列。
「对角线战术」的另一个好处,就是可以卡住一个好的产品实际。小米 SU7 上市的时候,市面上同级产品(即纯电轿车)并不多,除了 Model 3 之外,只有蔚来 ET5、小鹏 P7 等少数竞品,大家普遍月销量以千为计量单位,市场空间巨大。
这一点,和 2019 年理想发布理想 ONE 的思路很接近,当时市面上没有新能源 SUV,也没有人看好增程技术,理想 ONE 正是在那个时候率先进入,抢占了先手。
确定方向后,最后再慢慢释放小米洞察用户的营销能力。既然空间比不过 SUV,那么小米 SU7 重点就讲颜值;普通用户听不懂电池技术里复杂的名词,小米 SU7 就讲防晒。这些看似离经叛道的打法,实则都抓住了目标用户的核心用车痛点。而在随后的诸多车型里,各发布会的主讲人也都沿袭了「雷学」的精髓,尽可能把车辆的每一个细小功能拆解,以求赢得用户更多好感和认同。
2024 年 7 月,乘联会数据显示小米 SU7 的单月交付超过了特斯拉 Model 3,成为 20 万元以上纯电轿车的销售冠军。小米依靠着「对角线战术」,取得了国产品牌和特斯拉对决的阶段性开门红。
 

电车互殴,死掉的可能是油车

在本轮出牌结束后,各家都发布了最新的销售数据:
 
  • 鸿蒙智行旗下的智界 R7 和搭载华为鸿蒙智驾智舱系统的阿维塔 07,上市一周内,大定数据均突破 1.1 万台
  • 更早一周发布的乐道 L60 和极氪 7X,虽然没有公布具体数字,但各自高管都在不同场合下表达过「爆单」了、「超预期」
 
看起来,各家都取得了自己满意的开局。
值得一提的是,各家的订单上涨并没有直接影响到特斯拉的销量。据第三方机构「车 FANS」透露,上周特斯拉的订单不降反升,本月有望继续维持在 4.5 万辆左右的销量;更有趣的是,上一轮对标 Model Y 的「老车型」小鹏 G6 上周订单也快速增长,超过了 4000 台,接近该车型整个 8 月销量的 60%。
所以,在汽车这个庞大的市场里,新玩家入局带来的未必是短期快速而直接的竞争。相反,它们带来的关注度和流量,往往还能影响到一些对智能电车持观望的新用户。
同样的故事在去年问界 M7 和今年小米 SU7 上市前后也曾经发生过,华为和小米各自的巨大流量,也带动了更多用户在线下进店了解产品。
2024 北京车展上,人气火爆的小米汽车展台 | 图片来源:视觉中国
而线下的流量,恰恰是这些新势力品牌最需要的。
因为从产品力来说,新势力们相信,至少相比于同价别的油车,都可以做到「遥遥领先」。不怕消费者对电车有成见,就怕你不给「秀肌肉」的机会。
蔚来董事长李斌是个爱拿油车做对比的人,在乐道 L60 发布的第二天,他在媒体沟通会上再次提到了 BaSS 方案(即车电分离的购车方案)对于蔚来和乐道争取油车换购用户的优势。用 BaSS 方案购买乐道,就相当于买了一台 14.99 万元的油车,每月 480 元的电池租赁费用相对于一箱油钱,而在 14.99 万元的传统油车里,李斌对自己产品在智能化、大空间等方面的空间有着绝对的信心。
所以,合围 Model Y 只是一个公开的阳谋,真正的竞争已经在和传统合资燃油车抢占市场中展开了。2024 年 8 月,中国每卖出 100 台里,就有超过 53 辆的新能源车型。如今的市场,早已不再讨论「油电同价」,智能电车正以全新的产品能力,冲击着传统燃油汽车的价格体系。
这像极了 10 多年那场国内安卓阵营合围 iPhone 的竞争。当时最先倒下的,是在智能化时代里掉在了后面的诺基亚。
Posted in: 科技

为什么诺贝尔物理学奖,颁给了 AI 专家?

作者|芯芯

编辑|靖宇

 

我怎么能确定这不是个恶作剧电话?」

杰弗里·辛顿(Geoffrey Hinton)在凌晨两点接到诺贝尔奖委员会电话时,这是他的最初想法。

当时,这位 77 岁的「AI 教父」正在加州的一家酒店,网络信号微弱,电话信号也不好,当天本来打算去做个核磁共振扫描,检查下身体。

直到他想到,电话是从瑞典打来的,而且说话的人有浓重的瑞典口音,还有好几个人在一起,他才确定了自己获得了诺贝物理学奖这一事实。

这一通来自瑞典的电话打破了他一天的计划,也标志着他多年研究神经网络与机器学习的成果被世界进一步认可。

北京时间 10 月 8 日,2024 年诺贝尔物理学奖正式授予了他和另一位学者约翰·霍普菲尔德(John J. Hopfield),以表彰他们在机器学习与人工神经网络领域的基础性发现和发明。91 岁高龄的约翰·霍普菲尔德在收到消息时,同样「有些震惊」。

2024 年诺贝尔物理学奖得主约翰·霍普菲尔德和杰弗里·辛顿|诺贝尔官网 

在这一消息公布的同时,不少人的疑惑是——为什么诺贝尔物理学奖,会颁给看似离物理学有些遥远的计算机和 AI 领域?

 

物理学与计算机神经网络的交汇

约翰·霍普菲尔德和杰弗里·辛顿俩人,自上世纪 80 年代起就在人工神经网络领域做出了重要工作。

人工神经网络,顾名思义,源于对大脑工作原理的模仿。科学家们设想大脑的神经元可以通过计算节点的方式进行重现,这些节点通过类似神经突触的连接传递信息。这样的网络经过训练,可以增强某些连接,抑制另一些,从而使系统在处理复杂数据时具备学习与记忆能力,成为现代人工智能的基础。

1980 年代,拥有物理学背景的霍普菲尔德,开始着手将物理学概念引入人工神经网络领域,特别是自旋玻璃模型。

他的突破在于,基于物理学的自旋系统,提出了一种能存储和重建信息的联想记忆模型,这一模型使得神经网络可以通过不完整的输入进行自我修正,重建出原始模式——这就是「霍普菲尔德网络」。

霍普菲尔德网络的基本思想是:每个节点类似于图像中的一个像素,节点可以被视为系统中的能量状态,而这个网络的目标,是通过不断调整节点之间的连接权重,降低系统的能量,力图找到最稳定、最节省能量的状态。此时,网络输出的图案就是重建后的完整图案。这一机制不仅使机器可以重建部分丢失或受损的图像,还能从部分输入中提取出整体信息。

接着,以霍普菲尔德网络为基础,杰弗里·辛顿又将人工神经网络推进到了全新的高度。

当时,辛顿利用统计物理学的工具,特别是 19 世纪物理学家路德维希·玻尔兹曼的统计模型,开发了「玻尔兹曼机」,它可以学习识别某类数据中的特征元素。

玻尔兹曼机的核心在于概率。辛顿认识到,数据中的模式可以通过计算「可能性」来识别,机器可以学习哪些模式更有可能出现,哪些模式则相对罕见。经过训练的玻尔兹曼机可以识别它以前从未见过的信息中的熟悉特征。

在 20 世纪 90 年代,许多研究人员对人工神经网络失去了兴趣,但辛顿是继续从事这一领域研究的少数人之一。进入 21 世纪后,辛顿又与他的同事通过层层玻尔兹曼机进行预训练。这种预训练为网络中的连接提供了一个更好的起点,优化了网络识别图像元素的训练过程。

霍普菲尔德网络与玻尔兹曼机|图片来源:瑞典皇家科学院

得益于自 20 世纪 80 年代以来的工作,约翰·霍普菲尔德和杰弗里·辛顿帮助奠定了大约 2010 年开始的机器学习革命的基础。

说回来,他们在上世纪的突破性贡献,事实上首先源于对物理学中复杂系统的深刻理解。正是他们对物理学工具概念的应用,推动了机器学习与人工神经网络领域的发展。

与此同时,现代物理学本身也从人工神经网络中受益——因为人工神经网络逐渐成为物理学中强大的计算工具,可以用于量子力学、粒子物理学等领域。

诺贝尔物理学奖委员会主席指出:「得主的工作已经带来了巨大的益处。在物理学中,我们在广泛的领域使用人工神经网络,例如开发具有特定属性的新材料。」

「机器学习长期以来一直应用于我们可能熟悉的领域,从以前的诺贝尔物理学奖中可以看出。其中包括使用机器学习来筛选和处理发现希格斯玻色子所需的大量数据。其他应用包括降低碰撞黑洞引力波测量中的噪声,或寻找系外行星。」

「近年来,该技术也开始用于计算和预测分子和材料的特性,例如计算决定其功能的蛋白质分子结构,或确定哪种新材料可能具有用于更高效太阳能电池的最佳特性。」诺奖官方如此称。

 

物理或者 AI,都在尝试理解世界本质

虽说约翰·霍普菲尔德和杰弗里·辛顿两人的贡献灵感来源于物理学,他们的贡献也反哺了物理学和其他领域。

但与以往不同,2024 年的诺贝尔物理学奖,还是引起了大量讨论和争议,网友们的主要争论点就在于,两位得主的贡献,到底属不属于物理领域?甚至有人侃道,诺贝尔委员会想「蹭 AI 热点」。

诧异声之多,以至于诺奖官方都发起了一场投票:「你知道机器学习的模型是基于物理学方程的吗?」

诺奖官方下场问网友:你知道机器学习的模型是基于物理学方程的吗?|图片来源:X

对此,AI 领域的从业者们也展开了讨论,下面是他们的部分反应和声音:

智源研究院创始人张宏江表示:「Hinton 2006 年利用 RBM 做 DNN 自监督预训练,成功训练深度神经网络,可以说是这轮 AI 革命的先声,Hopfield 网络为 RBM 奠定了基础。接下来看看 AlphaFold 能不能拿生理学奖。」

出门问问创始人兼 CEO 李志飞表示:「数学模型用在物理和人工智能方面本质都是建模,只不过前者的建模对象是物理世界,后者的建模对象是智能,这样说起来是不是靠谱点?」

地平线创始人余凯也表示:「物理学研究的目的是理解自然界中物理系统的本质规律,从而可以去创造和发明自然界不存在的物理系统。比如从鸟可以研究空气动力学,基于空气动力学并不是构建鸟,而是飞机火箭」。

人工智能的目的在于首先去研究自然界中智能系统它的本质的机理,然后通过这些研究,其目的不是说是要去发明生物大脑,而是去构建有可能更加智能的新的物理学系统。」余凯认为。

余凯还注意到,这次的诺贝尔奖物理学奖得主有物理学背景,也有从统计物理角度看神经网络,其中一位还曾担任过世界知名高校的物理系教授,「早期搞人工智能的很多都是物理学背景」。

横跨多个学科领域的霍普菲尔德|图片来源:诺奖委员会

争议之外,约翰·霍普菲尔德与杰弗里·辛顿的成果,以及其获得诺贝尔物理学奖这一事实,除了证明人工智能如今的突破与火热,还点明了一个重要信息,即科学的突破可以不只局限于单一领域的定义,跨学科合作也自有其力量

比如,约翰·霍普菲尔德的确有物理学博士学位,他的早期职业生涯始于贝尔实验室,最初研究凝聚态物理,但当他在这个主要研究领域中的问题耗尽时,他又转向了新的领域。在 20 世纪 60 年代末,他探索了一下生物物理学,将固态物理学的概念应用于理解生物系统如何合成蛋白质。20 世纪 70 年代末,他又转入神经科学领域,将他在理论物理学中的技能应用于大脑问题,才有了前述开创性贡献。

什么是物理学?霍普菲尔德曾在他的自传中写道:「对我来说——因为我父母都是物理学家——物理学不是某种学科。原子、对流层、核、玻璃块、洗衣机、自行车、留声机、磁铁——这些只是偶然的研究对象。核心思想是世界是可以理解的,你应该能够拆解任何东西,理解其组成部分之间的关系,进行实验,并基于此建立对其行为的定量理解。」

在他看来,「物理学是一种观点,认为我们周围的世界通过努力、创造力和足够的资源是可以在预测和定量的方式下理解的。」

至于杰弗里·辛顿,在剑桥大学读本科期间,他尝试了一系列学科——生理学、物理学、哲学,直到 1970 年获得实验心理学学位。在 1972 年进入爱丁堡大学攻读人工智能博士学位之前,他还曾做过一段时间的木匠。

当诺奖工作人员问他「如何形容自己?认为自己是一名计算机科学家,还是从事这项工作时试图了解生物学的物理学家?」辛顿的回答是:「我会说我是一个不太清楚自己从事什么领域,但想了解大脑如何运作的人。在我试图理解大脑工作原理的过程中,我帮助创造了一项出乎意料的有效的技术。」

辛顿这一回答的信息是——不管你把他归为什么领域,或许都不重要,重要的是,他创造了什么。

AI 教父杰弗里·辛顿|图片来源:TIME100 AI

而且,奖项的设立有其历史背景和局限,如果奖项的设置者在世,愿意设立一个新的学科奖、或者跨学科奖其实也说不定。目的都是相同的,即褒奖那些推动人类知识进步的人。

此外值得一提的信息是,辛顿希望,获得诺贝尔奖能让他「更具说服力」,期盼人们能更加认真对待他提出的对 AI 的担忧

「在这些事物失控并接管的生存威胁方面,我认为我们正处于历史上的一个分叉点,在未来几年内,我们需要找到解决这一威胁的方法。」这是他现如今最想传达的一个声音。

头图来源:The Globe and Mail

Back to Top