Apple Intelligence 技术报告核心内容 - 公司发布2025年Apple Intelligence基础语言模型技术报告，详细介绍新一代模型的技术细节[2][4] - 报告由前苹果AI负责人庞若鸣通过推文介绍，发布后其将工作交接给新任负责人陈智峰和Mengyu Li[3][24][26] - 技术进展遵循"负责任的人工智能"理念，通过内容过滤和私有云计算保障用户隐私[23] 模型架构创新 - 推出两种多语言多模态基础语言模型：3B参数设备端模型和云端PT-MoE模型[6] - PT Transformer架构创新性地采用轨道并行设计，将模型划分为多个小型Transformer模块，同步开销降低87.5%（当D=4时）[8][12] - 云端PT-MoE架构结合轨道并行和专家混合层，实现高效扩展和低延迟[8] - 设备端模型通过KV缓存共享和2位量化感知训练优化苹果自有芯片性能[6] 视觉理解能力 - 引入视觉编码器实现图像理解能力，包含视觉主干和视觉语言适应模块[9] - 服务器模型采用10亿参数ViT-g视觉主干，设备端采用3亿参数ViTDet-L主干[10] - 设备端视觉主干创新性引入注册窗口机制，有效整合局部细节与全局上下文[10] 模型训练与性能 - 模型通过负责任的网络爬取、授权语料库和高质量合成数据集进行训练[7] - 支持多种新增语言，具备图像理解和工具调用能力[7] - 端云协同设计：设备端优化低延迟推理，云端专注复杂任务高精度处理[11] 开发者工具 - 推出Swift核心基础模型框架，集成引导生成、约束式工具调用和LoRA适配器微调功能[21] - 开发者可通过30亿参数设备端模型快速构建生成式AI功能，适用于多种文本任务[22] - 框架针对实用功能优化，不建议用于通用知识问答场景[22] 团队变动 - AI团队负责人变更为陈智峰和Mengyu Li，管理架构将更加分散[24][26] - 新任负责人陈智峰具有谷歌TensorFlow、Gemini等重要项目经验[27]

人工智能在银行业的应用现状 - 生成式人工智能等新一代AI技术已在中国银行业多个业务场景中逐步渗透，验证了提效降险的巨大效能 [1] - 渣打银行已在银行运营、智能办公等场景利用大模型技术提升效能，改善客户服务和员工体验 [1] - 银行业对AI应用有严格要求，尤其在数据安全、用户隐私和模型准确性方面，导致落地进程较慢 [1] - 目前大多数银行对大模型应用尚未形成统一策略和标准，应用呈现碎片化，限制了深度整合和价值释放 [1] 银行业AI应用的发展方向 - 未来银行业AI应用不应是技术和场景简单叠加，而应基于AI技术对业务进行重新设计 [1] - AI应用需要围绕业务需求主线，对现有业务流程进行端到端重构，确保与商业目标高度契合 [2] - 前台业务对市场和客户理解更深，能明确AI应用场景和预期效果，避免技术"为用而用"的盲目性 [2] - 渣打银行在信贷风险报告写作中引入业务专家参与模型设计，提升可解释性和实用性 [2] 端到端业务流程重构 - 端到端重构将AI作为核心驱动因素，从整体业务流程出发重新设计业务逻辑和操作模式 [3] - 渣打银行在智能审单环节实现AI深度参与全流程，提升协同效率和处理能力 [3] - 流程改造优化数据流转和业务逻辑衔接，减少冗余环节，加快处理速度并降低出错率 [3] - 系统设计增强了可维护性和扩展性，为后续功能升级提供更灵活高效的技术支撑 [3] 负责任的人工智能治理 - 银行需确保AI应用的透明、公平和可控，建立完善治理机制防止算法偏见和数据滥用 [4] - 渣打集团创建了包含九大类要求的负责任AI框架，所有AI应用上线前需通过评估 [5] - AI技术普及工作日益重要，渣打银行每年举办"人工智能和数据周"活动提升员工技能 [5] 行业协同发展 - 渣打银行已建成满足基本AI发展需求的软硬件基础设施，开发了多种AI应用工具 [6] - 银行业AI发展正从单一场景探索迈向系统化战略构建，需构建覆盖全业务链条的智能体系 [6] - 外资银行可凭借多元化实践为中国银行业提供AI治理、风险控制和业务整合经验 [6] - 需要金融同业、科技企业和监管机构合力构建开放协同的行业生态 [7]

纪要涉及的行业 人工智能行业 纪要提到的核心观点和论据 1. **技术发展** - 人工智能达成新比较基准速度加快，2023 年新比较基准推出后，2024 年 MMMU 和 GPQA 测试成绩分别提升 18.8 和 48.9 个百分点，SWE - bench 解题能力从 4.4%跃升至 71.7%[51] - 开源模型与闭源模型差距缩小，2024 年 1 月初顶尖闭源模型性能优势为 8.0%，到 2025 年 2 月缩至 1.7%[52] - 中美人工智能模型能力差距收窄，2023 年底在 MMLU、MMMU、MATH 和 HumanEval 等比较基准中差距分别为 17.5、13.5、24.3 和 31.6 个百分点，2024 年末收窄至 0.3、8.1、1.6 和 3.7 个百分点[53] - 前沿人工智能模型性能趋于收敛，Chatbot Arena Leaderboard 上排名第一与第十的模型间 Elo 分数差从 11.9%收窄至 5.4%，前两名差距从 4.9%缩小到 0.7%[53] - 新型推理范式提升模型性能，OpenAI 的 o1 在国际数学奥林匹克资格考试中获 74.4%高分，但运算成本增至 GPT - 4o 的 6 倍，推理速度降低 30 倍[54] - 高质量人工智能视频生成模型取得突破，2024 年多款模型画质较 2023 年显著提升[55] - 小型模型性能增强，2022 年需 5400 亿参数的 PaLM 达 MMLU 60%以上分数，2024 年微软 Phi - 3 - mini 仅 38 亿参数就实现相同水平[56] 2. **企业应用与投资** - 全球私人人工智能投资创历史新高，2024 年达 2523 亿美元，私人投资同比增长 44.5%，自 2014 年以来总投资规模增长逾十三倍[64] - 生成式人工智能投资激增，2024 年达 339 亿美元，比 2023 年增长 18.7%，是 2022 年的 8.5 倍以上，占所有人工智能相关私人投资总额 20%以上[64] - 美国扩大在全球人工智能私人投资领先优势，2024 年美国投资 1091 亿美元，是中国的近 12 倍、英国的 24 倍，在生成式人工智能领域差额较 2023 年扩大[64] - 人工智能使用水平提升，2024 年受访企业采用人工智能技术比例从 2023 年的 55%跃升至 78%，使用生成式人工智能的受访者数量增长逾一倍[65] - 人工智能在多业务职能领域产生财务效益，但多数企业处于应用初期，成本节约和收入增长幅度大多较低[66] 3. **社会影响** - 全球对人工智能产品和服务持谨慎乐观态度，认为利大于弊的个人比例从 2022 年的 52%上升到 2024 年的 55%[80] - 人工智能对日常生活影响预期认知度攀升，三分之二的人认为未来 3 至 5 年将显著改变日常生活，较 2022 年上升 6 个百分点[80] - 对人工智能公司伦理行为怀疑增加，对公平性信任下降，全球对人工智能公司保护个人数据信心从 2023 年的 50%降至 2024 年的 47%[81] - 人工智能乐观程度地区差异仍存在，中国、印度尼西亚和泰国等国家乐观程度高，加拿大、美国和荷兰等国家较低[81] - 劳动者预期人工智能重塑就业结构，但对岗位被替代担忧程度相对较低，60%受访者认为将改变工作方式，36%认为会被取代[83] 4. **科研成果** - 人工智能在科学和医学领域取得进展，高性能大规模蛋白质测序模型推出，人工智能驱动科研突破增多，医学基础模型发布，公共蛋白质数据库规模扩大[69][72] - 人工智能研究获两项诺贝尔奖，2024 年 AlphaFold 在蛋白质折叠方面、神经网络方面的研究获诺贝尔化学奖和物理学奖[73] 5. **政策监管** - 美国各州引领人工智能立法进程，2024 年州级相关法律达 131 项，联邦层面进展相对迟缓[74] - 世界各国加大人工智能基础设施投资，如加拿大 24 亿美元、中国 475 亿美元半导体基金、法国 1170 亿美元等[75] - 全球人工智能立法提及率上升，2024 年 75 个国家立法程序中提及次数增加 21.3%，自 2016 年增长 9 倍多[75] - 全球人工智能安全研究机构加速扩张与协同合作，2024 年多国承诺成立相关机构[76] - 美国人工智能相关联邦法规数量激增，2024 年出台 59 项，是 2023 年的两倍多[76] - 美国多州加强深度伪造监管立法，2024 年 15 个州出台类似措施，24 个州通过相关法规[76] 其他重要但是可能被忽略的内容 1. **数据资源**：公共数据资源迅速萎缩，2023 - 2024 年间数据使用限制增加，C4 通用爬取数据集受限制文本数据比例从 5 - 7%骤升至 20 - 33%[61] 2. **环境影响**：人工智能训练碳排放量稳步上升，2012 年 AlexNet 为 0.01 吨，2024 年 Llama 3.1 405B 高达 8930 吨[50] 3. **教育情况** - 美国高中计算机科学课程普及率与选修人数略有提升，但教育差距存在，学生参与情况受多种因素影响[77] - 美国计算机科学教师希望传授人工智能，但多数认为自己不具备能力[78] - 全世界三分之二国家提供或计划提供 K - 12 阶段计算机科学教育，非洲和拉丁美洲进展显著，但非洲国家因电力问题学生获得教育机会少[78] - 2022 - 2023 年美国获得人工智能硕士学位毕业生人数几乎翻番，可能预示各学位层次发展趋势[79] - 美国在培养 ICT 毕业生方面领先，西班牙、巴西和英国紧随其后，土耳其男女比例最均衡[79]