https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
据《商业内幕》援引内部人士报道，亚马逊正对其 AI 战略进行重大调整，停止对旗下大部分自研 Nova 系列大模型的积极开发。本次收缩覆盖旗舰级 Nova Premier 与 Omni 模型、Reel 视频模型及 Canvas 图像生成器;上述模型已转入“维持运行”模式，仅继续服务现有客户。此前，亚马逊已对其 AGI 部门实施裁员，并关闭了2024年收购 Adept 后成立的 AGI 实验室。
虽然收缩了首批自研产品线，但亚马逊并未退出顶级 AI 争夺。目前，研发资源正全面转向由前沿专家皮特·阿贝尔（通过收购机器人初创公司 Covariant 加入）领导的前沿模型研究团队，全新基础模型预计将于今年秋季 re:Invent 大会上正式发布。亚马逊发言人强调，AI 模型仍是公司最核心的项目之一。同时，亚马逊作为 Anthropic 和 OpenAI 的最大支持者之一，相关投资或已超千亿美元。
此次调整表明科技巨头正从“多线铺开”转向“集中资源攻坚单一顶级前沿模型”。亚马逊在强化云生态与外部投资的同时，正力求通过精准的技术突破重塑其在大模型前沿梯队的竞争地位。
via AI新闻资讯 (author: AI Base)
ChatGPT周活用户逼近 10 亿大关：晚了 7 个月，但上线不到四年
据OpenAI内部披露，旗下聊天机器人ChatGPT周活跃用户量即将突破 10 亿。这一里程碑原计划于去年年底达成，虽然比预期晚了七个月，但上线不足四年便积累如此规模的用户基础，在全球互联网应用中仍属增速最快的产品之一。公司发言人对此未予置评。
迟到 7 个月的里程碑，增长引擎正在换挡
ChatGPT用户增长放缓背后有多重因素叠加。谷歌的Gemini正持续深度整合拥有数十亿用户的搜索引擎，从流量入口端蚕食市场；去年秋季推出的GPT- 5 研发过程一波三折，上线后遭到大量用户诟病，直接拖累了增长曲线。
此外，多家调研机构数据显示，Anthropic的Claude聊天机器人自那以来也分走了一部分市场份额。 10 亿用户固然是一张漂亮的成绩单，但迟到的 7 个月同样揭示了一个现实：ChatGPT的先发红利正在被快速稀释，AI聊天机器人市场正从一家独大走向多强角力。
via AI新闻资讯 (author: AI Base)
据OpenAI内部披露，旗下聊天机器人ChatGPT周活跃用户量即将突破 10 亿。这一里程碑原计划于去年年底达成，虽然比预期晚了七个月，但上线不足四年便积累如此规模的用户基础，在全球互联网应用中仍属增速最快的产品之一。公司发言人对此未予置评。
迟到 7 个月的里程碑，增长引擎正在换挡
ChatGPT用户增长放缓背后有多重因素叠加。谷歌的Gemini正持续深度整合拥有数十亿用户的搜索引擎，从流量入口端蚕食市场；去年秋季推出的GPT- 5 研发过程一波三折，上线后遭到大量用户诟病，直接拖累了增长曲线。
此外，多家调研机构数据显示，Anthropic的Claude聊天机器人自那以来也分走了一部分市场份额。 10 亿用户固然是一张漂亮的成绩单，但迟到的 7 个月同样揭示了一个现实：ChatGPT的先发红利正在被快速稀释，AI聊天机器人市场正从一家独大走向多强角力。
via AI新闻资讯 (author: AI Base)
ChatGPT 周活逼近 10 亿：迟到七个月的里程碑，与三股分流的暗流
OpenAI 内部流出的数字显示，ChatGPT 的周活跃用户量正逼近 10 亿这道门槛。这个里程碑，原本被公司定在去年年底就要撞线，如今比预期晚了七个月，才终于望见终点。
即便迟到了，这份体量依旧惊人。ChatGPT 上线还不满四年，便聚起如此规模的用户，即便不坐"增速第一"的交椅，也稳稳站在互联网应用史上增长最快的那一梯队里。对于这个数字，公司发言人选择了沉默，不予置评。
光环之下，增长的放缓已经藏不住了。三股暗流正在同时分走 ChatGPT 的流量。
第一股来自谷歌。Gemini 正被持续、深度地嵌进那个坐拥数十亿用户的网页搜索引擎，每一次搜索框背后的默认智能，都在把习惯悄悄挪走。第二股来自去年秋天 GPT-5 的上线——那款模型研发过程一波三折，发布后又被大量用户诟病，周活跃用户的增长曲线在那之后明显拐了个弯。第三股则来自 Anthropic 的 Claude，多家调研机构的数据都指向同一结论：自 GPT-5 风波后，Claude 从聊天机器人市场里切走了一块份额。
当一款产品逼近 10 亿周活，它面对的已不再是"能不能长大"的问题，而是"长大之后怎么守住"的考题。三股分流的暗流提示着，聊天机器人的牌桌，正从一家独大走向群雄并起。
via AI新闻资讯 (author: AI Base)
OpenAI 内部流出的数字显示，ChatGPT 的周活跃用户量正逼近 10 亿这道门槛。这个里程碑，原本被公司定在去年年底就要撞线，如今比预期晚了七个月，才终于望见终点。
即便迟到了，这份体量依旧惊人。ChatGPT 上线还不满四年，便聚起如此规模的用户，即便不坐"增速第一"的交椅，也稳稳站在互联网应用史上增长最快的那一梯队里。对于这个数字，公司发言人选择了沉默，不予置评。
光环之下，增长的放缓已经藏不住了。三股暗流正在同时分走 ChatGPT 的流量。
第一股来自谷歌。Gemini 正被持续、深度地嵌进那个坐拥数十亿用户的网页搜索引擎，每一次搜索框背后的默认智能，都在把习惯悄悄挪走。第二股来自去年秋天 GPT-5 的上线——那款模型研发过程一波三折，发布后又被大量用户诟病，周活跃用户的增长曲线在那之后明显拐了个弯。第三股则来自 Anthropic 的 Claude，多家调研机构的数据都指向同一结论：自 GPT-5 风波后，Claude 从聊天机器人市场里切走了一块份额。
当一款产品逼近 10 亿周活，它面对的已不再是"能不能长大"的问题，而是"长大之后怎么守住"的考题。三股分流的暗流提示着，聊天机器人的牌桌，正从一家独大走向群雄并起。
via AI新闻资讯 (author: AI Base)
Kimi K3太牛了！但老板说API太贵，让我本地化部署，我算完成本，他涨红脸沉默不语了！其实成本不高，三千万足矣。
最近Kimi K3上线以后，大家都惊呼，又是一个DeekSeek时刻，哈哈，是不是应该叫Kimi时刻更好点儿。
K3的发布并不亚于当初DeepSeek R1发布造成的盛况，我们老板也是第一时间充值上手了（还挺潮，我都没用上，太贵）。
回来就找我：小X啊，咱们也要学习业内先进公司的经验啊！后面让大家全面使用Kimi K3进行研发。
我说：老板，现在Kimi官方API的定价可不便宜，Kimi官方最便宜的49的套餐不支持K3。
最少需要99的套餐。但是99的套餐上下文窗口是256K的，想要正常用100万Token的得买699的套餐。
咱们研发这边目前有几十个人，就算买30个也得每个月2万多。
老板：这么贵吗？我觉得那个99的就挺好用的啊。
我说：其实简单试用一下99的就挺好的，但是咱们研发用最好还是699的。
老板：哦哦，那这个成本确实挺高的。这样吧，咱们等等K3开源以后本地化部署，这样就只花一次钱，不用每个月都充钱了。
你回去写一份计划书，算算成本啥的，回头交给我。
于是乎我一脸懵逼的出了门，心里直呼一种植物的名字。
----------------------
既然你想要那我就给你算算：
Kimi K3 作为一个拥有 2.8 万亿参数的超大规模混合专家（MoE）模型，想要本地化部署完完全全就是一个企业级的工程。
不可能跟之前那个所谓的 DeepSeek 一体机一样，必须得是一个集群。
别的不谈，先说显卡，这是大头。
官方建议至少需要 64张以上加速卡组成的超节点 才能完整部署。
这类超节点通常由 64-1024 张国产加速卡（如华为昇腾910B等）或海外旗舰卡（如 H200、H100）通过高速互联组成，并需要配套 800G/1.6T 高速光模块和液冷散热方案。
咱们这里以 H200 为例，目前来看这个显卡在计算领域绝对领先，141GB显存的H200大概需要64张能够勉强跑通，达到基本可用的状态。
但是因为MoE 模型在推理时需要在专家间进行高频数据同步，网络带宽是决定性能的关键。
所以还需要上NVLink 交换机 / 互联桥，用于实现 GPU 之间的高带宽、低延迟通信。
另外需要至少需要配备 800G 级别的光模块（若条件允许可上 1.6T），用于机架内或跨机架的高速数据传输。
最后还需要支持 RDMA/RoCE 协议的高速以太网交换机，来确保集群内部数据交换不成为瓶颈。
这些东西需要安装在企业级主板上才能用，需要支持多路 PCIe 5.0 且具备多 GPU 插槽（如 8 卡或 4 卡服务器主板）的定制主板，以8卡主板为例，64张H200需要至少8台顶级服务器机箱。
CPU也不能太差了，得双路企业级 CPU，最起码也得Intel Xeon Sapphire Rapids 或 AMD EPYC Genoa 系列，这样才能够提供充足的 PCIe 通道数，避免 CPU 成为数据调度的瓶颈。
内存也不能太小，毕竟百万计的Token上下文。而且除了 GPU 的 HBM，还需要庞大的系统内存来存放 KV Cache 和中间激活值。
所以每台服务器最起码要配备1TB - 2TB 的 DDR5 内存。
有了内存，还得有存储空间。
得用上企业级的固态硬盘，存储高达 1.4TB 的模型权重文件、数据集以及推理时的缓存盘。
这种得上RAID 阵列，每个服务器不低于8TB，并且太差的盘还不行，因为读写 I/O 带宽不能太小了。
机器的主体基本上已经全了，但这还不是全部。
主体有了，还需要散热。
H200 在高负载 MoE 场景下单卡功耗极高，64 张卡聚集在一个机柜内，传统风冷根本不好使。
所以必须要上 冷板式液冷 或 浸没式液冷。
但是机器还得开机啊，开机就需要电源，单机柜可能得160kW，得拆分。
机柜上必须配备企业级钛金电源，这还没说机房改造的事儿哈！（咱们这里默认机房不需要改造。）
好了，到这里基本上都配齐了，杂七杂八的小配件咱们就不算钱了。
总成本需要多少呢？
保守估计3000万！
----------------------
需要注意的是，这个3000万是一次性投入，并不包含耗材的钱和后续使用。
咱们假设公司有高规格的机房，不需要租专业的 IDC 数据中心，并且公司有自己的高带宽网络专线。
这里只算电费，别的都不算。
单张 H200 显卡在满载运行时的功耗约为 700W（0.7kW）
所以，64 张 H200 显卡本身的总功耗为：
实际机房中除了显卡本身的耗电，还需要考虑服务器主板、CPU、内存、网络交换机以及空调制冷等配套设施的能耗。
数据中心通常用 PUE（电源使用效率）来衡量，国内数据中心的平均 PUE 约为 1.55。
所以，整个集群的实际取电功率需要乘以 1.55 的系数：
因为工业用电不是家庭用电，咱们以每度 1.5元 为基准，1小时运行的话，电费为：
咱们以全年365天，24小时满载运行为例：
就是说一年光电费就91万，这还不算别的，这仅仅是纯电费成本。
----------------------
于是乎我兴冲冲的拿着账单去找老板：老板您看，本地化部署需要的费用也不算很多，仅计算设备成本大约是3000万。不包含场地、机房改造等等费用。
然后，后续投入使用每年的电费成本大概是91万多点儿，这里面不包含耗材和其他设备成本，仅包含电费。
我看着老板的脸色由白转红，又有点儿紫，最后有点儿黑，没说一句话。
沉默良久以后老板开口说：小X啊，这个事儿公司需要开会讨论一下，你把材料留下先回去吧。
走出办公室的一刻，我看着老板拿起那份账单，手不知道为什么有点儿哆嗦。
via 掘金人工智能本月最热 (author: 李剑一)
最近Kimi K3上线以后，大家都惊呼，又是一个DeekSeek时刻，哈哈，是不是应该叫Kimi时刻更好点儿。
K3的发布并不亚于当初DeepSeek R1发布造成的盛况，我们老板也是第一时间充值上手了（还挺潮，我都没用上，太贵）。
回来就找我：小X啊，咱们也要学习业内先进公司的经验啊！后面让大家全面使用Kimi K3进行研发。
我说：老板，现在Kimi官方API的定价可不便宜，Kimi官方最便宜的49的套餐不支持K3。
最少需要99的套餐。但是99的套餐上下文窗口是256K的，想要正常用100万Token的得买699的套餐。
咱们研发这边目前有几十个人，就算买30个也得每个月2万多。
老板：这么贵吗？我觉得那个99的就挺好用的啊。
我说：其实简单试用一下99的就挺好的，但是咱们研发用最好还是699的。
老板：哦哦，那这个成本确实挺高的。这样吧，咱们等等K3开源以后本地化部署，这样就只花一次钱，不用每个月都充钱了。
你回去写一份计划书，算算成本啥的，回头交给我。
于是乎我一脸懵逼的出了门，心里直呼一种植物的名字。
----------------------
既然你想要那我就给你算算：
Kimi K3 作为一个拥有 2.8 万亿参数的超大规模混合专家（MoE）模型，想要本地化部署完完全全就是一个企业级的工程。
不可能跟之前那个所谓的 DeepSeek 一体机一样，必须得是一个集群。
别的不谈，先说显卡，这是大头。
官方建议至少需要 64张以上加速卡组成的超节点 才能完整部署。
这类超节点通常由 64-1024 张国产加速卡（如华为昇腾910B等）或海外旗舰卡（如 H200、H100）通过高速互联组成，并需要配套 800G/1.6T 高速光模块和液冷散热方案。
咱们这里以 H200 为例，目前来看这个显卡在计算领域绝对领先，141GB显存的H200大概需要64张能够勉强跑通，达到基本可用的状态。
但是因为MoE 模型在推理时需要在专家间进行高频数据同步，网络带宽是决定性能的关键。
所以还需要上NVLink 交换机 / 互联桥，用于实现 GPU 之间的高带宽、低延迟通信。
另外需要至少需要配备 800G 级别的光模块（若条件允许可上 1.6T），用于机架内或跨机架的高速数据传输。
最后还需要支持 RDMA/RoCE 协议的高速以太网交换机，来确保集群内部数据交换不成为瓶颈。
这些东西需要安装在企业级主板上才能用，需要支持多路 PCIe 5.0 且具备多 GPU 插槽（如 8 卡或 4 卡服务器主板）的定制主板，以8卡主板为例，64张H200需要至少8台顶级服务器机箱。
CPU也不能太差了，得双路企业级 CPU，最起码也得Intel Xeon Sapphire Rapids 或 AMD EPYC Genoa 系列，这样才能够提供充足的 PCIe 通道数，避免 CPU 成为数据调度的瓶颈。
内存也不能太小，毕竟百万计的Token上下文。而且除了 GPU 的 HBM，还需要庞大的系统内存来存放 KV Cache 和中间激活值。
所以每台服务器最起码要配备1TB - 2TB 的 DDR5 内存。
有了内存，还得有存储空间。
得用上企业级的固态硬盘，存储高达 1.4TB 的模型权重文件、数据集以及推理时的缓存盘。
这种得上RAID 阵列，每个服务器不低于8TB，并且太差的盘还不行，因为读写 I/O 带宽不能太小了。
机器的主体基本上已经全了，但这还不是全部。
主体有了，还需要散热。
H200 在高负载 MoE 场景下单卡功耗极高，64 张卡聚集在一个机柜内，传统风冷根本不好使。
所以必须要上 冷板式液冷 或 浸没式液冷。
但是机器还得开机啊，开机就需要电源，单机柜可能得160kW，得拆分。
机柜上必须配备企业级钛金电源，这还没说机房改造的事儿哈！（咱们这里默认机房不需要改造。）
好了，到这里基本上都配齐了，杂七杂八的小配件咱们就不算钱了。
总成本需要多少呢？
保守估计3000万！
----------------------
需要注意的是，这个3000万是一次性投入，并不包含耗材的钱和后续使用。
咱们假设公司有高规格的机房，不需要租专业的 IDC 数据中心，并且公司有自己的高带宽网络专线。
这里只算电费，别的都不算。
单张 H200 显卡在满载运行时的功耗约为 700W（0.7kW）
所以，64 张 H200 显卡本身的总功耗为：
64 × 0.7kW = 44.8kW实际机房中除了显卡本身的耗电，还需要考虑服务器主板、CPU、内存、网络交换机以及空调制冷等配套设施的能耗。
数据中心通常用 PUE（电源使用效率）来衡量，国内数据中心的平均 PUE 约为 1.55。
所以，整个集群的实际取电功率需要乘以 1.55 的系数：
44.8kW × 1.55 ≈ 69.44kW。因为工业用电不是家庭用电，咱们以每度 1.5元 为基准，1小时运行的话，电费为：
69.44度电 × 1.5元/度 ≈ 104.16元/小时咱们以全年365天，24小时满载运行为例：
104.16 x 24 x 365 ≈ 91.2万元。就是说一年光电费就91万，这还不算别的，这仅仅是纯电费成本。
----------------------
于是乎我兴冲冲的拿着账单去找老板：老板您看，本地化部署需要的费用也不算很多，仅计算设备成本大约是3000万。不包含场地、机房改造等等费用。
然后，后续投入使用每年的电费成本大概是91万多点儿，这里面不包含耗材和其他设备成本，仅包含电费。
我看着老板的脸色由白转红，又有点儿紫，最后有点儿黑，没说一句话。
沉默良久以后老板开口说：小X啊，这个事儿公司需要开会讨论一下，你把材料留下先回去吧。
走出办公室的一刻，我看着老板拿起那份账单，手不知道为什么有点儿哆嗦。
via 掘金人工智能本月最热 (author: 李剑一)
OpenAI 最近给 ChatGPT 的规矩里，悄悄添了一行新限制——不再完整复刻在世作家的专属文笔。这步调整没有大张旗鼓地宣布，而是静默地写进了功能规则，目的直白:把版权踩雷的空间再压窄一点。
实测下来，这道墙已经立起来了。当用户要求照着某位还在世的作家，去仿写故事开篇、改编经典文本，或者借其行文特点做创作时，ChatGPT 会直接拒绝对方专属文风与语言节奏的完整复刻。比如让它用斯蒂芬·金的笔调写个开头、把《奥德赛》改写成那位恐怖大师的风格，或是模仿谭恩美的腔调落笔，系统都不再接招。它愿意做的，只是借鉴题材、叙事逻辑、氛围塑造这类通用创作要素，去产出真正原创的内容。
有意思的是，这道墙只拦活人。面对查尔斯·狄更斯、欧内斯特·海明威、威廉·莎士比亚这些早已离世的作家，用户提出仿写与风格复刻的需求，ChatGPT 依旧照常响应、照常动笔。
这背后的法理并不复杂。美国现行版权相关法规，保护的只是作者原创的具体文字表达，并不给抽象的写作风格竖起版权的篱笆。业内的判断是，OpenAI 推出这条限制，核心在于主动把潜在的版权纠纷空间压缩掉，给企业的运营风险再降一档——这是人工智能行业在文学创作版权边界上，一次偏防御姿态的合规试探。
当生成式 AI 能越来越像某个人那样说话写字，复刻创作者文风、拿现有作品做二次创作的版权归属，早已是全球 AI 产业与文学领域共同盯紧的焦点。相关的行业规范与法律细则仍在慢慢补齐，而 ChatGPT 这道新墙，不过是这场拉锯里又一块被悄悄垒起的砖。
via AI新闻资讯 (author: AI Base)
