Meta高薪挖走苹果AI模型担任人 薪酬包据悉逾越2亿美元 (meta高薪挖人)

Meta Platforms向其“超级智能”团队的新成员开出了不同寻常的高额薪酬，其中包括为一位前苹果公司出色工程师开出逾越2亿美元薪酬。

据知情人士走漏，Meta延聘了曾在苹果担任AI模型团队的Ruoming Pang，开出了为期多年总金额数亿美元的薪酬包。因讨论未地下薪酬细节，知情人士要求匿名。苹果并未尝试追平这一薪酬水平，由于这一金额已远远高于该公司除首席行动官蒂姆·库克以外的其他高管的薪酬。

知情人士称，这一薪酬待遇与Meta新超级智能团队的其他关键招聘成员分歧，该团队专注于构建能够像人类一样出色甚至跨越人类成功义务的系统。该团队目前包括前GitHub担任人Nat Friedman和人工智能初创公司开创人Daniel Gross。 Meta还约请Scale AI结合开创人Alexandr Wang担任其首席人工智能官，以143亿美元收买后者公司49%的股份。

---

英伟达股价再创历史新高，年内涨超 180%，市值超 3.5 万亿美元迫近苹果，驱动要素是什么？

AI反派浪潮：英伟达的片面抢先美银的 “代际时机”：英伟达的黄金时代来临？美国银行 （Bank of America） 最近发布的报告中，明白指出人工智能市场将在未来几年内出现出指数级增长，并上调了英伟达的目的多少钱，从 165 美元提高至 190 美元。 思索到上周五英伟达的股价为 138 美元，这一上调意味着或许有多达 38% 的下跌空间。 美银的剖析师以为，“随着这家芯片巨头继续安全其在市场上的抢先位置，这将给英伟达带来 ‘代际时机’。 ”此外，美银预测，到 2027 年， AI 减速器市场将从 2023 年的 450 亿美元增长到 2800 亿美元，并在未来进一步增长到 4000 亿美元以上。 OpenAI 、谷歌 （Google） 和 Meta 等科技巨头正在加快开发新的大型言语模型，这一趋向标明“对计算的需求只会继续增长”。 每一代新的大型言语模型 （LLM），特别是那些专注于更大规模和更好推理才干的模型，都会要求更大的训练强度，这对英伟达的计算才干提出了更高的要求。 美银的这一系列失望预测，显示了他们对英伟达未来在 AI 范围占据中心肠位的决计。 英伟达作为 AI 配件友好台的关键供应商，在 AI 反派的浪潮中具有得天独厚的优势，尤其是在数据中心和减速计算的运行中。 美银称这种时机为 “代际时机”，由于这不只仅是一次性简易的增长，而是整个市场需求结构的改动，这将为英伟达提供继续的高增长动力。 机器人反派正在兴起：英伟达的双重进攻除了 AI 芯片的时机之外，英伟达还在机器人反派中大展拳脚。 英伟达的 CEO 黄仁勋 （ Jensen Huang） 在多个公收场所展现了用于各种行业的机器人，从仓储到制造业，机器人被赋予了不同的外形和性能，目的是普遍的行业运行。 在 2024 年 COMPUTEX 大会上，黄仁勋详细引见了英伟达在机器人范围的配件处置方案，包括 NVIDIA Jetson Orin 和下一代 Jetson Thor 机器人超级计算机，以及 NVIDIA Omniverse 平台，用于在模拟环境中训练机器人技艺。 黄仁勋强调：“我们构建了这些平台、减速库和 AI 模型，开发者和公司可以经常使用这些堆栈中的任何部分或全部，来构建他们的机器人。 ” 英伟达不只仅提供配件支持，还希望经过 Omniverse 等平台从机器人开发中失掉常年的重复性软件支出。 一个十分有利的趋向是，越来越多的机器人训练采用演示视频，而不是为每个义务和场景独自编程。 这要求少量计算资源，对英伟达的高性能 AI 超级计算机构成了额外的需求，进一步安全了其在市场中的抢先位置。 英伟达的 NVIDIA Omniverse 不只是一个开发工具，也被视为机器人学习和模拟的操作系统，这为英伟达开拓了新一轮的支出来源。 英伟达经过配件和软件的双重进攻，不只试图占领机器人配件市场，还希望在软件服务范围成功继续的营收增长。 正如美银所言，这确实是 “代际时机”，是一个极具推翻性的时代，英伟达在这场浪潮中占据了相对的有利位置。 那如何怎样启动投资买卖呢？介绍经常使用多资产钱包 BiyaPay，可以活期检查市场行情走势，寻觅适宜的买卖时机。 假设有资金出入的困扰，也可以将 BiyaPay 作为专业的工具，协助成功美港股的资金出入。 不论是充值数字货币兑换美元或港币，还是提现至银行账户，BiyaPay 都以加快、高效和有限额的方式，协助投资者抓住投资机遇，不错过市场变化。

成立未满一年，融资超10亿美金，AI新秀“月之暗面”究竟有多牛？

AI初创公司“月之暗面”成立仅一年，就成功了总额超10亿美元的融资，投资方包括中国头部企业如红杉中国、小红书、美团、阿里等。 这是国际AI大模型公司迄今取得的单轮最大金额融资。 月之暗面估值已达约25亿美元，成为国际大模型范围的头部企业之一。 公司中心成员多出身于清华系，介入了多个大模型的研发，并有多项中心技术被主流产品采用。 结合开创中心团队共有5人，关键开创人兼CEO杨植麟是清华大学交叉信息研讨院助理教授，往年32岁。 他高中时经过选拔参与奥赛并成功进入清华，后转入计算机系，并以优秀效果从清华大学计算机系毕业。 杨植麟在卡内基梅隆大学计算机学院学习时期，仅用4年便取得博士学位，宣布多篇论文，包括与图灵奖得主协作的论文。 杨植麟在学术界与工业界均有丰厚的阅历，曾在美国的Meta AI和Google Brain任务。 杨植麟在博二时创立了循环智能（Recurrent AI），回国后成为清华大学交叉信息研讨院助理教授的同时，继续率领着循环智能研发纯算法。 循环智能还与华为云协作开发了千亿级NLP大模型盘古大模型。 虽然论文曾被ICLR 2019拒绝，但杨植麟坚信自己曾经看到AI的第一性原理。 回国后，杨植麟试图整兼偏重新组建一家AI公司，最终在ChatGPT爆火后看到了时机，独自去海外调查并坚信亚洲大模型公司无时机成功。 月之暗面于2023年3月正式成立，公司称号“月之暗面”寓意着奥秘、令人猎奇和向往，同时登月也是一大应战。 除了杨植麟外，还有两位结合开创人周昕宇、吴育昕，都是清华毕业的同窗，区分持有公司10%和5.96%的股份。 周昕宇在人工智能产品和处置方案公司旷视科技实习，并在毕业之后正式参与，任务内容是算法量产。 吴育昕在Google Brain和Meta AI任务，创立了Meta AI最受欢迎的项目之一detectorron2，并在GeekPwn国际安保极客大赛上破解人脸识别算法。 除了清华四人组外，月之暗面还吸纳了少量介入过多个大模型研发的人才，团队人数已超越80人。 在公司成立后几个月内，月之暗面就推出了全球首个支持输入20万汉字的智能助手产品Kimi，中心特征是具有较强的多言语才干，中文输入更有优势。 月之暗面正研发通用多模态模型，估量年内推出。 在以后大模型创业公司中，多模态模型是中心竞争点，训练本钱高，要求更多资金和人才支持。

Wayve取得10亿美金融资，端到端架构将重塑智能驾驶？

‍作者 |张马也

编辑 |德新

就在前两天，英国AI公司Wayve宣布取得新一轮10.5亿美元融资，投资方为软银、英伟达和现有投资人微软，可以说是顶级奢侈阵容。

作为一家英国公司，Wayve这轮融资也发明了英国AI公司有史以来最大的单笔融资。 甚至英国首相也在一份声明中表示，它「安全了英国作为人工智能超级大国的位置」。

在通用人工智能范围，在过去两年成为全球顶级的抢手标的；而智能驾驶范围，曾经取得过10亿美金级融资的公司不多，只要Waymo、Argo、Cruise等少数几家。

Wayve的巨额融资也勾起人们关于未来的剧烈猎奇：它有没有或许成为智能驾驶范围的，又或许说，成为端到端这代技术上的Waymo/Cruise？

到目前为止，Wayve已成功三轮融资，累计融资金额超越13亿美元。 除了资本大鳄和商业巨头，有「深度学习三巨头」佳誉、现Meta首席人工智能迷信家Yann LeCun，也是Wayve的投资人。

Wayve上一次性引发关注是在不久前3月份，原Mobileye中国区的担任人 Erez Dagan参与Wayve担任总裁，关键担任产品、业务和战略。

本轮融资后，Wayve将减速推出首款用于量产车辆的智能驾驶软件，包括L2+智驾软件以及成功完全智能驾驶的软件系统。 Erez参与后，其重点关注的方向也是面向OEM的交付。 听说，Wayve正在与全球前几大车厂商洽谈协作。

一、智能驾驶2.0：押注端到端

Wayve由Alex Kendall（联创兼现任CEO）和Amar Shah（已分开）于2017年共同创立，两为均来自剑桥大学。

其公司总部英国伦敦，目前约有300名左右的员工。

Wayve称自己是第一个在公共路途上，开发和测试端到端深度学习智能驾驶系统的公司。

2015年，Alex Kendall与Vijay Badrinarayanan（现任AI副总裁）、Roberto Cipolla等人，一同提出了SegNet，这是第一个经常使用端到端深度学习启动语义分割的实时方法，无需高精地图即可了解复杂环境。

从2017年末尾，Wayve就在汽车上对神经网络强化学习的一些早期效果启动了运行。 公司把这套系统在路途上启动了模拟部署，随后逐渐扩展规模，最终实如今伦敦市中心的交通环境下启动真实驾驶。

Wayve将自己的智驾系统称为AV2.0。

Wayve以为，基于传统机器学习方法的AV1.0架构，所面临的基本疑问是技术可扩展性。

由于它依赖复杂的传感器、高精度地图和手工编码的规则，使得系统本钱居高不下，内行为预测、规划和处置长尾场景疑问上，效果很难优化。

AV2.0不依赖传统的高清地图和手工编码的规则，而是专注于构建数据驱动的学习型驾驶系统，而且可以扩展、顺应、推行到系统从未见过的场景。

AV2.0的特点如下：

其中最关键的，就是端到端架构。

它丢弃传统的「感知 - 规划 - 执行」的架构，将车辆传感器原始的输入数据，直接转换为驾驶操作输入。

内行业内，端到端的方法曾经失掉了初步的验证。 特斯拉此前发布的FSD v12，就采用了端到端架构。 国际外很多用户试用事先，普遍的评价是，基本到达了人类驾驶的水准。

这种方法的中心是自我监视学习。 就像大言语模型LLM预测下一个单词一样，驾驶系统可以从原始的、未标志的数据中启动无监视学习。

智能驾驶和大型言语模型之间有许多相似之处，从基本上讲，它们都是大型的、高数据量的、复杂的决策疑问。 输入模型的数据越多，AI模型的特定运行就越丰厚，越具有表现力，无需人工输入即可对少量驾驶记载启动训练。

二、中心技术栈：处置可解释性，树立人机信任

Wayve为智能驾驶的迭代更新开发了一个加快、延续和无缝的学习循环系统Fleet Learning Loop，不时记载数据、训练模型、评价性能和部署更新的模型，以此循环。

在量产车队中，它能从OEM的各种车辆中搜集真实全球的驾驶数据，然后上传到云端处置，再将迭代后的模型部署到车端，更新车辆的智能驾驶性能。

Wayve还不时在开发智能驾驶基础模型（foundation model for driving）。 该模型应用多模态数据，包括文本和非驾驶视频源，来优化对驾驶环境的外部表征。

简易来说，就是经过从多个数据源学习，可以提高车辆对传感器流中最有意义和可操作性的方面的了解，从而提高智能驾驶的流利度和安保性。

除此之外，Wayve还开发了LINGO和GAIA两个模型，用来处明智驾场景的可解释性和信任等疑问。

行业内对端到端架构的其中一大担忧是它是一个黑盒方案，其环节无法解释。 LINGO能用自然言语描画自己的驾驶决策，并解释决策的要素。

例如内行驶环节中，LINGO做出了绕行路边停靠车辆的判别时，它可以向用户输入判别依据：由于交通梗塞，我正在缓慢接近；我正在经过一辆停在路边的车；由于前方路途疏通，所以我减速行进。

Wayve在去年下半年推出过LINGO-1，事先该模型以视觉和言语信息为输入，但只能输入言语结果。 LINGO-2的输入和输入都可以是视觉和言语信息，甚至也包括驾驶行为，也就是能控制车辆的行驶。

按官方说法，LINGO-2是一种将视觉、言语和执行综合起来，以解释和确定驾驶行为的驾驶模型，是第一个在地下路途上测试的，闭环「视觉-言语-执行」驾驶模型（VLAM）。

LINGO-2 架构

LINGO-2 的亮点在于：经过言语提示，调整驾驶行为。

可以经常使用一些限定的导航命令，如「靠边停车」、「右转」等，让LINGO-2调整车辆的行为。 这也能协助模型训练，并且增强者车交互。

LINGO-2在指令的要求下停车

LINGO-2回答场景疑问，并解释驾驶操作

经过直接将言语和举措咨询起来，LINGO可以一定水平上提醒出AI系统如何做出决策，使得智能驾驶模型不再是一个「黑盒子」。

更关键的是，LINGO可以增强者类对智能驾驶系统的信任。

目前，LINGO-2还只在Ghost Gym模拟器中启动了验证，在理想全球中用言语控制汽车的行为能否可以牢靠、安保地成功，还要求更多研讨。

三、将全球模型融入驾驶模型

关于长尾场景，Wayve给出的一个处置方法是GAIA-1，一个为智能驾驶打造的生成式全球模型。

GAIA-1架构

GAIA-1首先是一个多模态生成模型，应用视频、文本和举措输入，生成逼真的驾驶场景视频。 它能够对车辆的行为和其他基本场景特征，启动细粒度控制。 无论是改动车辆的行为，还是修正全体场景，模型都能成功。

这样，GAIA-1可以作为仿真模拟中的关键一环，生成有限的数据，来训练和验证智能驾驶系统，处置极端场景，特别是在失掉真实全球数据本钱高或风险大的状况下。

GAIA-1可依据各种提示，生成驾驶场景

它还是一个真实的全球模型，可以学习、了解驾驶中的关键概念，比如什么是卡车、公共汽车、行人、骑自行车的人、路途规划、修建物和交通讯号灯。

所谓全球模型，是对环境及其未来灵活的表征，能成功对周围环境的结构化了解，就像人类对自己周围的环境启动建模了解一样。

将全球模型整合到驾驶模型中，使得智能驾驶车辆能够预测未来事情，从而提早规划执行，在复杂或未知的状况下做出愈加明智的决策。

目前版本的GAIA-1拥有超越90亿个可训练参数，训练数据集包括了2019年至2023年在伦敦搜集的4700小时的专有驾驶数据。 模型可以预测视频序列中的后续帧，从而在不要求任何标签的状况下，成功自回归预测才干。

四、迈向商业化量产

目前，Wayve在商业化上的作为不多。

此前，它不时在英国生鲜配送公司Ocado的车上训练模型，这家公司也是投资方之一，曾投资了1360万美元。

据称，Wayve曾经在全球100多个城市末尾了系统测试。

本轮融资后，Wayve将减速推出首款用于量产车辆的智能驾驶软件，包括L2+智驾系统，以及成功完全智能驾驶的软件系统。

它也在与全球前几大车厂商洽谈协作，但详细名单未知。

原Mobileye中国区的担任人Erez Dagan参与Wayve担任总裁，其关键的关注方向也是面向OEM的交付。 Erez在Mobileye任务了20年，是全全球第一款纯视觉ADAS产品的开创团队成员，后来担任产品和战略执行副总裁，并在Mobileye被收买后担任英特尔集团副总裁。

咨询到此前马斯克表示，特斯拉将于往年8月8日发布Robotaxi，种种迹象似乎标明完全智能驾驶的技术路途正在逐渐明晰。

Wayve的目的甚至不止于此。 在最近Techcrunch的一次性采访中，Alex Kendall说到，Wayve的驾驶大模型不只在驾驶数据上启动训练，还对互联网规模的文本和其他来源启动训练，甚至经常使用英国政府的PDF文档来训练模型。

Wayve正在构建具身AI（Embodied AI）基础模型，一个基于十分多样化的数据启动训练的通用系统，能够在复杂的理想全球环境中感知、执行、学习和顺应人类行为。 智能驾驶只是这一系统目前最大的运行场景。