1、【重要】【产品视角】AI 大模型的下一步，或许是 Google 早年的那种便宜方案
a）用软件换来的硬件的巨大成本优势，是 Google 早期成功不可忽略的因素。这段历史，会对现在的 AI 格局有所启发？
b）当年，Google没有买当时唯一正确的几万美金一台的高端服务器，而是在软木纸上，放上四小片主板、绑上硬盘、插上网卡；然后用软件，做了Google File System 分布的文件系统、在加上自己的 MapReduce 的框架，把计算可以分布（map）在这些小电脑上，然后把结果汇总（Reduce）……因为硬件便宜、算力足、存储便宜，这才足以支撑 PageRank 这样的巨大算力消耗，Google很快就从 Stanford 的一个无名小站，打败了当时的巨头（Lycos，AltaVista，InfoSeek）。
c）现在，用 Nvdia a100 的显卡堆出来的ChatGPT，固然帮助我们完成了第一步（从看不到可能性，到证明了可能性），就如同 Lycos 搭起来的昂贵的搜索引擎服务一样。但，是不是有 Google 这样的方式，用软件的方式疯狂的降低硬件成本的可能性呢？
2、【行业动态】Midjourney更新了very region（局部重绘）功能，相当于结合AI版的Photoshop和SD功能。
3、【重要】【技术视角】大模型研发核心：数据工程、自动化评估及与知识图谱的结合
a）现有大模型基本情况：分散在3个层级内，i）“买票乘坐”，包含有 GPT-4、 PaLM 等，提供API调用；ii）私有部署，包含有Flan-T5、Pythia等；iii）平民玩法，做一些领域微调得到一个私有部署模型，包含有Alpaka、Koala等。
b）现有大模型应用场景：S（阅读理解）；M（语言学的解题或者情感分析、GRE考试）、L（语音或者推理的任务）；XL（高考题或者其他一些更先进的工作）；Next...（偏向于落地，解决更长文本的处理等问题）
c）中/英文主流大模型常用预训数据差别较大：i）英文：维基百科、书籍、论文期刊、WebText、Conmmon Crawl、The Pile及代码、论坛等；ii）中文：开源的评测数据、百科的三元组、社区QA、论坛讨论、Common Crawl等。
4、【行业动态】国内首个数学领域千亿级大模型MathGPT开启内测 by 好未来
a）通过文字或图片上传数学题，即可得到对话式的解答反馈
b）目前支持中文、英文版本的PC端和移动端体验，在部分数据集上有不错的表现。
c）申请内测入口详见官网链接。
5、【资源/工具】吴恩达 LLM finetune 新教程发布：详见deeplearning官网链接（需科学上网）。
----温馨提示----
当前早鸟价“60元/季度”，9月6日恢复原价“90元/季度”；升级到“AI产品经理大本营”社群会员，可抵扣60元，详见专栏介绍链接：https://xiaobot.net/p/ai01