埃隆·馬斯克與杰夫·貝索斯之間的太空對抗賽正在升溫。
貝索斯創(chuàng)立的航空航天企業(yè)藍色起源(Blue Origin)于本周一正式提出抗議,就NASA方面選定馬斯克的SpaceX公司執(zhí)行登月任務(wù)發(fā)起質(zhì)疑。
本月初,NASA授權(quán)SpaceX公司一份總值高達29億美元的月球登陸器制造合同。但藍色起源與國防承包商Duentics也分別提交了關(guān)于此項目的設(shè)計提案。
原本,各方預(yù)計NASA會從三家廠商中選擇兩家,在保有后備力量的同時維持健康的競標關(guān)系。但航天局隨后澄清,受到預(yù)算限制、最終只能選定一家合作企業(yè)。
藍色起源對此表示強烈不滿,并向聯(lián)邦政府問責(zé)局(GAO)提交一份長達50頁的抗議報告。
據(jù)《紐約時報》報道,藍色起源辯稱沒有第一時間獲悉預(yù)算變化,因此沒能快速調(diào)整競標價格。抗議報告還強調(diào),NASA對藍色起源的部分提案內(nèi)容做出了錯誤判斷,同時也低估了SpaceX方案的設(shè)計風(fēng)險。
在聲明中,藍色起源認為NASA相當(dāng)于“在臨門一腳時挪動了門柱”。
用NASA的話來說,他們做出了一項“高風(fēng)險”選擇。他們的決策不僅破壞了公平的競爭關(guān)系,也大大動搖了供應(yīng)根基。這會拖延制造節(jié)奏,同時也低估了SpaceX的設(shè)計風(fēng)險。
馬斯克也沒有“坐以待斃”,直接用粗口予以回敬。
你們就是“起不來”:)
— Elon Musk (@elonmusk) 2021年4月26日
自2004年的交流宴會以來,這兩位最具財力與野心的富豪就一直在為探索宇宙而對抗。
貝索斯于2000年創(chuàng)立了藍色起源,兩年后SpaceX在馬斯克手中誕生。但作為后起之秀,SpaceX對藍色起源一直表示不屑。
2004年,埃隆·馬斯克與杰夫·貝索斯在席間討論太空探索話題。這也是他們?yōu)閿?shù)不多的當(dāng)面交流之一。這次交談,也基本對應(yīng)了雙方在太空探索中采取的不同方案。
— Trung Phan (@TrungTPhan) 2021年3月1日
馬斯克提到他曾與Christian Davenport會面,聊到后者的著作《太空男爵》。他還向貝索斯強調(diào),SpaceX嘗試過藍色起源提出的一些想法:
老哥,我們試過了,根本行不通。所以我想提個醒,別在重復(fù)錯誤上浪費時間。我真的很誠懇地給了他建議,但他基本不予理會。
在此之后,兩位大亨開始明爭暗斗、奮力奪取市場份額。
恭喜 @SpaceX的獵鷹亞軌道推進器獲得成功。歡迎加入太空俱樂部!
— Jeff Bezos (@JeffBezos) 2015年12月22日
既然雙方?jīng)]有任何和解的跡象,也許兩家公司15年來的爭執(zhí)還是要在市場競爭中見真章。誰更強,誰就能真正引領(lǐng)商業(yè)宇航領(lǐng)域。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。