国产精品酒店情侣视频,国产又黄又爽又色的视频,亚洲av激情综合欧美另类,国产乱码精品一区三区,久久网亚洲

2025 年 4 月全球 AI 重要趨勢。

文丨賀乾明

編輯丨高洪浩

2025 年 4 月的 AI 月報，你會看到：

- “評估（Evals）” 成為模型和 AI 產(chǎn)品開發(fā)的關(guān)鍵詞
- Google 繼續(xù)提升 Gemini 模型能力的思路
- OpenAI 的 GPT-4o 為什么變得諂媚，以及背后的問題
- 用戶規(guī)模與模型能力提升關(guān)系不大？可能要有變化了
- 業(yè)務(wù)周期影響，全球的算力投資又放緩了一些
- AI 安全成為投資新風(fēng)向，單月有 10 家相關(guān)公司拿到超 5000 萬美元融資
- 中國大廠的 Agent 產(chǎn)品上線，面臨創(chuàng)新窘境

以下是我們第 6 期 AI 月報，歡迎大家在留言區(qū)補充我們沒有提到的重要趨勢。

評估（Evals）：大模型下半場的焦點，AI 產(chǎn)品成敗的關(guān)鍵

模型的基準(zhǔn)測試得分≠實際能力，要靠更好的評估提升能力

OpenAI 研究員姚順雨發(fā)布文章，稱大模型行業(yè)將要進入下半場。上半場 AI 的發(fā)展主要是找到有效訓(xùn)練模型的方法，讓它解決圖像識別、語言理解等廣泛的問題，而下半場則需要找到可行的方案，讓模型解決人們生活和工作中更實際的問題。

他認為，焦點將從解決問題轉(zhuǎn)向定義問題，在這個時代 “評估（衡量模型效果）變得比訓(xùn)練更重要”[1]：

我們不能只是問 “能否訓(xùn)練一個模型來解決 XX？”，還要問 “我們應(yīng)該訓(xùn)練 AI 做什么，以及如何衡量真正的進步？”
我們應(yīng)該從根本上重新思考評估模型能力的方式。這意味著不僅要創(chuàng)建新的、更有挑戰(zhàn)的基準(zhǔn)測試，還要從根本上質(zhì)疑現(xiàn)有的評估框架，并建立新的體系，突破現(xiàn)有方法論的局限，并發(fā)明新方法。

這是當(dāng)下的 AI 開發(fā)者正遇到的麻煩。美國的創(chuàng)業(yè)者迪恩·瓦倫?。―ean Valentine）在 2024 年中覺得大模型已經(jīng)足夠成熟，便和朋友創(chuàng)辦了一家可以自主監(jiān)控代碼庫安全的 AI 公司。隨后 Claude 3.5 Sonnet 發(fā)布，他們發(fā)現(xiàn)與 GPT-4o 相比，將前者用到產(chǎn)品中效果更好 [2]。

但從那之后，不論是后來的 Claude 3.7、還是 OpenAI 的新模型，雖然基準(zhǔn)測試得分更高，都不能有效提升產(chǎn)品能力。

“就解決新任務(wù)或承擔(dān)更多用戶腦力勞動方面的能力來說，大模型自去年 8 月以來沒有顯著提升?！?瓦倫丁找多位 AI 創(chuàng)業(yè)者交流后，發(fā)現(xiàn)大家也有類似的感受：等到 o99-pro-ultra（OpenAI 未來可能發(fā)布的更強模型代號）發(fā)布，基準(zhǔn)測試表現(xiàn)優(yōu)異，實際用起來效果可能也很一般。

“這些新模型的基準(zhǔn)測試成績之所以能不斷提升，大概率是因為它們事先看過答案并照抄了下來?！?他認為推出大模型的公司大概率在撒謊。

今年 4 月底 Meta 的 Llama 4 發(fā)布，瓦倫丁又多了新證據(jù)——盡管 Meta 宣稱這款新模型在其內(nèi)部的基準(zhǔn)測試中，得分與市面那些領(lǐng)先模型的差別不大甚至更高，但未修改版的 Llama 4 Maverick 在大模型競技場（Chatbot Arena LLM）上的排名，實際是低于半年前其他公司發(fā)布的模型。

而行業(yè)內(nèi)重點關(guān)注的推理模型，依賴強化學(xué)習(xí)技術(shù)，還是在沿著 OpenAI 發(fā)布 o1 時展現(xiàn)出來的 “理科強、文科弱” 特征發(fā)展：那些可以驗證正確答案的問題上表現(xiàn)良好，比如數(shù)學(xué)、編程等，而在沒有統(tǒng)一正確答案的領(lǐng)域，比如寫作，推理模型效果就不如人意，不論是 DeepSeek 的 R1 還是 OpenAI 的 o3，幻覺都比基礎(chǔ)模型更嚴重。

Google Gemini 負責(zé)人杜爾西·多希（Tulsee Doshi）說 [3]，提升模型能力的關(guān)鍵，在于找到評估 “優(yōu)質(zhì)答案” 的方法，并通過強化學(xué)習(xí)將這些標(biāo)準(zhǔn)教給模型。

Google 會請數(shù)據(jù)標(biāo)注或撰寫數(shù)據(jù)的公司提供大量優(yōu)質(zhì)問答，把人類創(chuàng)作的內(nèi)容投喂給模型；收集用戶 “偏好數(shù)據(jù)”，看他們給什么樣的回答點贊，什么樣的回答點踩，用來改進大模型——這些在移動互聯(lián)網(wǎng)時代司空見慣的產(chǎn)品迭代方法，直到今年強化學(xué)習(xí)在大模型領(lǐng)域變得可行后，才真正發(fā)揮出了更大的作用。

姚順雨認為，大模型研究員要在大模型下半場有建樹，“需要及時轉(zhuǎn)變思維方式和技能組合，或許更接近產(chǎn)品經(jīng)理的角色?！?/p>

AI 產(chǎn)品層面，“評估會決定產(chǎn)品成敗”

OpenAI 首席產(chǎn)品官凱文·威爾（Kevin Weil）說：“設(shè)計評估方法將成為產(chǎn)品經(jīng)理的核心技能，它是打造優(yōu)質(zhì)?AI? 產(chǎn)品的關(guān)鍵環(huán)節(jié)?！盵4]

吳恩達（Andrew Ng）與曾在蘋果、Cruise、Spotify 當(dāng)產(chǎn)品經(jīng)理，現(xiàn)任 AI 創(chuàng)業(yè)公司 Arize AI 產(chǎn)品總監(jiān)的阿曼·汗（Aman Khan）合作，制作了專講 AI 產(chǎn)品評估的課程。阿曼·汗在 4 月初的文章中寫道 [5]：

幾乎所有 AI 產(chǎn)品經(jīng)理都沉迷于打磨更好的提示詞、追逐最新的大模型，卻很少有人精通做好 AI 產(chǎn)品背后的 “隱形杠桿”——評估。

只有評估，才能把系統(tǒng)的每一步拆解開來、精準(zhǔn)衡量單項改動對產(chǎn)品的具體影響，為下一步改進提供數(shù)據(jù)與信心。提示詞能讓產(chǎn)品登上頭條，但評估才決定產(chǎn)品成敗。

如果用戶想制定 “舊金山附近、預(yù)算不超過 1000 美元的周末度假方案”，沒有經(jīng)過嚴格評估的 AI 產(chǎn)品上線后，可能會難以理解用戶需求，或者因為幻覺問題，給出不實用的方案，甚至把航班訂到了圣地亞哥而非舊金山，會讓產(chǎn)品失去發(fā)展空間。

一位開發(fā) AI 產(chǎn)品的資深產(chǎn)品經(jīng)理說，移動互聯(lián)網(wǎng)時代開發(fā)產(chǎn)品，靠大量前期調(diào)查確定的邏輯、規(guī)則決定產(chǎn)品的核心功能，用戶打開產(chǎn)品能解決什么問題，得到什么體驗，上線前幾乎就固定了；而 AI 產(chǎn)品靠輸出結(jié)果并不確定的大模型決定產(chǎn)品功能，給用戶體驗增加了大量不確定性。

所以他們開發(fā)完 AI 產(chǎn)品后，會制作更多用戶可能提出的問題數(shù)據(jù)集，更頻繁地評估產(chǎn)品的表現(xiàn)，然后引入標(biāo)注團隊處理反饋，再拿去改進產(chǎn)品，而不只是依靠過去開發(fā)產(chǎn)品時常用的 A/B 測試。

一位大廠 Agent 產(chǎn)品負責(zé)人說，只是讓 Agent 學(xué)會遵循用戶指令調(diào)用工具、解決問題就需要做大量工作——單個工具就需要數(shù)百個問題測試、反饋、改進。他說，這只是讓大模型表現(xiàn) “較好”，想要更好體驗，還需要產(chǎn)品上線后，根據(jù)用戶的反饋迅速迭代。

阿曼·汗認為，傳統(tǒng)的產(chǎn)品是 “火車行駛在軌道上”，而 AI 產(chǎn)品是 “汽車行駛在開放道路中”，他把評估比作給 AI 產(chǎn)品 “考” 駕照，關(guān)鍵在于：

能否正確解讀信號（用戶需求），并對變化的環(huán)境做出適當(dāng)反應(yīng)？
在無法預(yù)測的情況下，是否可靠地給出正確答案？
能否始終遵循用戶的要求，到達預(yù)定目的地，而不會偏離路線？

用戶規(guī)模與模型能力提升關(guān)系不大？可能要有變化了

4 月 25 日，OpenAI 更去年發(fā)布的基礎(chǔ)模型 GPT-4o，只過 3 天就回滾到原來版本。

用戶發(fā)現(xiàn)新版的 GPT-4o 更諂媚，比如問 “天空為什么是藍色的”，它會回復(fù) “這真是一個非常有見地的問題，你有一個美麗的心靈。我愛你?！?其他的例子是：“這是個令人毛骨悚然的好問題”“你 1000% 是對的” 等等。

OpenAI 在回滾模型時發(fā)布文章 [6]，解釋了為什么新版 GPT-4o 會更諂媚。

問題主要出現(xiàn)在 “后訓(xùn)練（Post-Training）” 的強化學(xué)習(xí)環(huán)節(jié)。OpenAI 稱，他們會拿一個預(yù)訓(xùn)練基礎(chǔ)模型，利用人或現(xiàn)有模型編寫的一系列數(shù)據(jù)對它監(jiān)督微調(diào)，然后用多種來源的獎勵信號，借助強化學(xué)習(xí)提高模型能力。

強化學(xué)習(xí)過程中，OpenAI 的研究者給模型提示，要求其生成回應(yīng)，然后他們根據(jù) “獎勵信號” 給回應(yīng)評分，讓模型傾向給出高評分的回應(yīng)，減少低評分回應(yīng)。

為了讓模型滿足各種要求，OpenAI 還會綜合各個方面的 “獎勵信號”，比如回應(yīng)是否正確、是否有幫助、是否符合規(guī)范、是否安全、用戶是否喜歡等等，并分配不同權(quán)重。

在訓(xùn)練最新版 GPT-4o 的時候，OpenAI 又調(diào)整了獎勵信號，引入用戶反饋——ChatGPT 中用戶點贊和點踩數(shù)據(jù)，畢竟點踩通常意味著回答出現(xiàn)了問題。

引入用戶反饋，也是 Google 提升 Gemini 模型能力的策略。此前不少大模型研究者認為，模型能力與用戶規(guī)模沒有太多關(guān)系，風(fēng)向似乎在發(fā)生變化。如果用戶反饋真的能提升模型實力，搶奪用戶的競爭會變得更加激烈。

模型變得更諂媚就是在這個過程中衍生出來的新問題。一方面，新的獎勵信號削弱了原本抑制模型討好人的信號；另一方面，用戶經(jīng)常會點贊討好的回應(yīng)。

“最重要一課是，我們充分認識到人們已開始將 ChatGPT 用于獲取個人建議?！監(jiān)penAI 在文章中寫道，這種現(xiàn)象一年前還不多見。

當(dāng)前，每周使用 ChatGPT 的用戶已經(jīng)超過 5 億。對于 OpenAI 來說，已經(jīng)沒有 “小” 發(fā)布了。

業(yè)務(wù)周期影響，全球的算力投資又涼了一些

不缺卡的一些美國云計算大廠，4 月繼續(xù)調(diào)整算力投資計劃。

市場調(diào)研機構(gòu) Semianalysis 稱[7]，過去兩個季度，微軟放棄遠超 2GW 功耗的數(shù)據(jù)中心租賃合同，近期又凍結(jié) 1.5GW 自建數(shù)據(jù)中心項目——這些項目原計劃在 2025 年和 2026 年投入使用。作為對比，馬斯克旗下 xAI 建設(shè)的大型數(shù)據(jù)中心，剛開始功耗大約 0.5 GW。

一位投資人調(diào)研國內(nèi)算力市場后預(yù)估，中國大廠今年的數(shù)據(jù)中心需求大概在 3GW，相當(dāng)于微軟放緩的體量。而且微軟能用的 GPU，相同算力下比國產(chǎn)替代品或 H20 功耗更低。

亞馬遜也在暫緩租賃更多數(shù)據(jù)中心。富國銀行的分析師 4 月發(fā)布報告稱[8]，他們從多位行業(yè)人士那里聽說，AWS 暫停推進部分數(shù)據(jù)中心租賃的訂單談判。

他們稱，大廠短暫放緩算力投資可能不代表長期趨勢，更像是公司的周期調(diào)整，當(dāng)前業(yè)務(wù)沒有跟上早期的算力規(guī)劃。比如 Google 曾在 2024 年放緩數(shù)據(jù)中心建設(shè)，2025 年初又重新加速。

英偉達的股價在 4 月持續(xù)波動。在 4 月中旬一度比月初下跌 20%，到月底又反彈回來。不過與年初比，英偉達股價已經(jīng)下跌 17%。

英偉達還有一些支撐。Google、Meta、xAI、OpenAI 依然在積極搶購英偉達的 GPU，他們希望建立更多人使用的 AI 產(chǎn)品，甚至還有一些公司去競爭對手那里租算力。中國的大廠，比如騰訊也從字節(jié)的火山引擎租了算力。

投融資：并購繼續(xù)活躍，解決 AI 安全問題的公司受關(guān)注

大額并購事件變多，中型公司變得積極

4 月公開的上億美元 AI 并購事件達到 8 起，比 3 月多了 2 起。整體的風(fēng)向沒有太大變化：AI 行業(yè)正在從 “單一的技術(shù)或產(chǎn)品競爭” 向 “生態(tài)系統(tǒng)整合” 轉(zhuǎn)變，頭部公司積極擴展業(yè)務(wù)邊界，挖掘生態(tài)護城河。

比如 OpenAI 以 30 億美元的價格收購 AI 編程公司 Windsurf；高通收購 AI 汽車產(chǎn)品公司 VinAI 的大模型部門等。

明顯的變化是中型公司更活躍了。比如電商公司 Infinite Reality 花 5 億美元收購開發(fā) AI 導(dǎo)購產(chǎn)品公司；做醫(yī)學(xué)影像業(yè)務(wù)的 RadNet 花 1 億美元并購開發(fā) AI 癌癥篩查軟件的 iCad；音樂公司 Splice 并購用 AI 技術(shù)混合音頻樣本的 Spitfire Audio 等。

中國的大模型公司智譜啟動上市輔導(dǎo)。如果一切順利，智譜預(yù)計會在 6～9 個月后完成 IPO，可能成為中國第一個上市的大模型公司。

10 家瞄準(zhǔn) AI 安全的創(chuàng)業(yè)公司拿到大額融資

4 月，融資超過 5000 萬美元的 AI 公司達 42 家，比上月增加 11 家，比 2 月增加超 80%。

基礎(chǔ)模型方向，不再是頭部公司占主流。馬斯克旗下的 xAI 想融資 200 億美元，但還沒有落地。獲得融資最多的模型公司是 OpenAI 原首席科學(xué)家伊爾亞·蘇茨克維（Ilya Sutskever）創(chuàng)辦的 Safe Superintelligence，融到 20 億美元，估值沖到 320 億美元——目前還沒有發(fā)布任何產(chǎn)品。

OpenAI 原 CTO 米拉·穆拉蒂（Mira Murati）創(chuàng)辦的 Thinking Machines Lab，也調(diào)高了籌資規(guī)模，從 2 月的 10 億美元增加到 20 億美元，估值提升到百億美元，還沒有明確消息確定這筆交易落地。

此外，視頻模型公司 Runway 融資 3.08 億美元，估值沖到 30 億美元。大模型公司 Anthropic 也投資了一家 AI 公司 Goodfire，對方主要業(yè)務(wù)是研究解釋大模型，近期完成 5000 萬美元融資，估值達到 2.5 億美元。

基礎(chǔ)設(shè)施方向，4 月拿到大額融資的公司中，同樣沒有 GPU 算力供應(yīng)商的身影，但整體數(shù)量從上個月的 2 家增加到 8 家——覆蓋數(shù)據(jù)庫軟件開發(fā)、數(shù)據(jù)中心能源、降低算力成本、數(shù)據(jù)中心互聯(lián)、量子計算等方向。

應(yīng)用方向與前幾個月有顯著變化。之前拿到大額融資的 AI 應(yīng)用公司多數(shù)成立在 ChatGPT 發(fā)布之前，已在各自領(lǐng)域中積累穩(wěn)定客戶和數(shù)據(jù)資源。它們不是給大模型做 “殼”，而是想把大模型與垂直場景連接起來，用 AI 改造原本的流程，挖掘新的增長空間。

這樣的公司在 4 月有 11 家，分布在醫(yī)療、法律、金融等行業(yè)，但不再是主流。更多的資金流向迎著大模型浪潮發(fā)展起來的公司，比如開發(fā) Agent 產(chǎn)品 Manus 的公司蝴蝶效應(yīng)拿到硅谷風(fēng)投 Benchmark 領(lǐng)投的 7500 萬美元投資，估值到 5 億美元。

一個新出現(xiàn)的投資主題是 AI 安全。4 月一共有 10 家相關(guān)公司拿到大額融資。相關(guān)的背景是，還不完美的大模型正在迅速擴散，帶來更多安全風(fēng)險。據(jù)咨詢公司麥肯錫的數(shù)據(jù) [ 9]，ChatGPT 發(fā)布后的一年里，試圖誘騙用戶泄露身份和支付憑證的 “釣魚” 網(wǎng)站數(shù)量增長 138%，達到 500 萬個。

3 月創(chuàng)下融資紀(jì)錄的機器人領(lǐng)域，新的一月只有制一家制造手術(shù)機器人的公司 CMR Surgical 拿到大額融資。硬件方向，還有生產(chǎn)無人機的 Brinc 拿到融資，以及兩家無人物流配送車公司拿到大額融資，一家是美國的 Nuro、另一家是中國的九識智能，都宣布拿到上億美元資金。

大廠 Agent 產(chǎn)品開始上線，面臨創(chuàng)新窘境

4 月 18 日，字節(jié)推出 Agent 產(chǎn)品 “扣子空間”；第二天，百度上線 Agent 產(chǎn)品 “心響”。與一個月前發(fā)布的 Manus 等產(chǎn)品類似，這些大廠的產(chǎn)品都定位 “通用 Agent”，各自還增加不少功能，比如扣子空間有用戶研究、股票助手這樣的 “專業(yè) Agent”，心響看重移動端，推出手機 App 并主打生活場景，但都沒能像 Manus 發(fā)布時那樣引發(fā)行業(yè)討論與關(guān)注。

微信指數(shù)顯示，Manus 的關(guān)鍵詞熱度最高到 5.5 億，而心響最高只到 300 多萬，扣子空間還低一些。在大廠的兩個產(chǎn)品發(fā)布期間，它們的微信指數(shù)都明顯低于 Manus。

我們了解到，還有一些大廠的 Agent 產(chǎn)品正在開發(fā)中。僅在字節(jié)，除了扣子空間，還有至少六款對內(nèi)和對外的 Agent 產(chǎn)品立項。

“在中國做 Agent 產(chǎn)品有劣勢，能夠支持調(diào)用工具的模型有限?！?多位 AI 從業(yè)者說，字節(jié)、百度有針對工具使用場景精調(diào)過的 Function Call 模型，但相比海外的 Claude 系列、o 系列、Gemini 系列等 “原生” 支持工具調(diào)用的模型還有差距，會影響 Agent 產(chǎn)品的效果。

“這是 Manus 、Genspark 把重心放在海外市場的原因之一。” 一位 AI 投資人說，他們可以用海外效果更好的模型。我們了解到，百度原副總裁景鯤帶隊開發(fā)的 Genspark 的 Agent，上線 9 天 ARR（年度經(jīng)常性收入）就達到 1000 萬美元。

阿里在 4 月底開源 Qwen 3 系列模型，聲稱 “調(diào)用工具能力、遵循指令” 方面能力 “出色”，但效果還有待驗證。

底層模型能力之外，是大廠面臨 “創(chuàng)新窘境”。字節(jié)的扣子空間開發(fā)團隊、百度的心響團隊，都在不同渠道提出他們早就在研究、開發(fā) Agent 產(chǎn)品，但還是比創(chuàng)業(yè)公司上線晚。

類似的情形，在大廠追趕 DeepSeek-R1 推出自研推理模型時，就已經(jīng)上演過一次，同樣是沒有哪家能夠像 DeepSeek 那樣引發(fā)全行業(yè)關(guān)注。

不只中國的大廠，Google、Meta 等海外大廠也沒有像 OpenAI 先推出引起用戶關(guān)注的大模型或產(chǎn)品。在 AI 編程領(lǐng)域，當(dāng)前最受關(guān)注的是創(chuàng)業(yè)公司開發(fā)的 Cursor，而不是微軟、Google 等大公司的產(chǎn)品。隨著 OpenAI 變大，他們的行動也變得遲緩，選擇收購 AI 編程創(chuàng)業(yè)公司提高競爭力。

大廠不缺聰明人、有更多的資源。為什么不能率先推出類似 DeepSeek-R1、 Manus 類型的模型和產(chǎn)品？我們曾發(fā)文討論過這個現(xiàn)象 [10]：

互聯(lián)網(wǎng)巨頭崛起、維持統(tǒng)治地位不靠時刻引領(lǐng)創(chuàng)新，而靠在有人驗證需求后，成體系地做出同款，以更高效率大量拉來用戶，再根據(jù)用戶反饋快速迭代改進體驗。更好的體驗帶來更多的收入，這些收入又被拿來投放，獲得更多用戶，如此循環(huán)。

當(dāng)下 AI 產(chǎn)品體驗提升幾乎全部來自底層模型能力提升。大廠燒錢換來用戶，無法保證底層模型遠超同行，就無法阻止用戶投奔體驗更驚艷的競品。大模型開源讓創(chuàng)業(yè)公司能用和大公司差不多的成本，調(diào)動差不多的智能；做出足夠好的產(chǎn)品，初期靠自然傳播也有機會飛速增長。

而且當(dāng)需求從開發(fā)大模型轉(zhuǎn)向?qū)ふ揖唧w應(yīng)用場景，創(chuàng)業(yè)者天然比大公司里被 OKR、KPI、季報、雙月會牽引的聰明人更容易嘗試新點子。

管理學(xué)家克萊頓·克里斯坦森（Clayton Christensen）上世紀(jì)提出 “創(chuàng)新者的窘境”，似乎正在大模型領(lǐng)域上演。但任何一個成熟的管理者都不會對 “創(chuàng)新者窘境” 感到陌生，為什么還是會出現(xiàn)類似的情況？這或許是更關(guān)鍵的問題。

[1]OpenAI 研究員姚順雨的博文

https://ysymyth.github.io/The-Second-Half/

[2]AI 創(chuàng)業(yè)者眼中的大模型進展

https://www.lesswrong.com/posts/4mvphwx5pdsZLMmpY/recent-ai-model-progress-feels-mostly-like-bullshit

[3]Gemini 負責(zé)人談模型能力提升策略

https://www.theinformation.com/articles/openais-innovators-dilemma-geminis-product-lead-next

[4]OpenAI 首席產(chǎn)品官談評估重要的播客

https://www.lennysnewsletter.com/p/kevin-weil-open-ai?source=queue

[5] 阿曼·汗討論評估的博文

https://www.lennysnewsletter.com/p/beyond-vibe-checks-a-pms-complete

[6]OpenAI 解釋為什么 GPT-4o 變諂媚

https://openai.com/index/expanding-on-sycophancy/