

据路透社报道,有知情人士透露,美国政府拟对中美企业在人工智能领域的非正式合作进行审查,这或对长期以来被视为技术公司常规开发的人工智能领域造成威胁。
目前,美国政府已针对投资和公司收购展开国家安全和其他相关方面的审查,而这项提议的通过将扩大美国政府的审查权限,成为美国国会在出台更严厉的限制中国投资措施之前的权宜之计。据透露,目前包括美国国会议员及特朗普政府中担心知识产权盗窃和对华技术转移的人士,都在努力推动通过该项提议。
人工智能技术凭借其巨大的技术潜力,可被用于军事领域,因此受到监管机构的格外关注,使得半导体和自动驾驶汽车等领域也成为新的监管范围。
对此,路透社表示,任何试图切断中美技术公司联系的做法,即便只是暂时的,也会在整个行业掀起轩然大波。包括超威半导体、高通、英伟达和IBM等在内的美国技术巨头在中国均有布局,其业务涉及研究领域及培训项目,合作对象均为中国企业和机构级客户。
另一方面,人工智能和芯片设计领域的顶尖人才也在中美大学和企业之间流动。同时,非正式商业合作的形式也非常广泛。
例如人工智能硬件设备制造的领军者英伟达,就在去年发布了全新的图形处理器,该处理器可支持数据中心、电子游戏和加密货币“挖矿”。英伟达称其已将该处理器样机提供给30名人工智能专家,其中3人与中国政府保持合作。
与英伟达一样,许多美国公司在华业务占据了其业务总比重的20%,提供免费样品也是常规操作。对此,英伟达还设有专门项目,从而为与其有芯片业务往来的中国机构提供人员培训和技术开发。 此外,通过让中国客户提前体验新产品,英伟达也可以及时优化产品、增加销量。
然而,美国政府可能通过《国际紧急经济权力法令》颁布总统令,禁止中美在人工智能领域的合作,以此获得绝对权力,审核或叫停中美企业人工智能非正式合作、中国投资美国技术公司或在美国敏感军事基地附近购买地产等商业活动。
其中一位知情人士专门正在为美国立法机构修订和加强美国对外投资法律提供咨询,他表示:“我认为除了加强监管没有其他选择,否则中国公司只会越来越强, 并且很可能在未来10-15年里做到和美国公司分庭抗礼。”
战略和国际研究中心的詹姆斯·刘易斯曾任美国国务部外交官,他表示如果援引这个紧急法令,包括财政部在内的政府部门官员就可以获取很多目前不在监管范围内的“漏网之鱼”。而白宫官员虽然表示对相关揣测不做评价,但又补充道: “我们对中国制造2025政策表示担忧,该项措施指向的就是人工智能等领域。”
此前,美国有一项立法提案,要求在美国外国投资委员会的监管下,加强收紧外国投资法规。该委员会由美国各政府部门的代表组成,提案准许其委员审查涉及“关键技术”的合资企业。
而提出该提案的立法委员也坦言,这些法律就是针对中国修改的。
知情人士表示,整改后的美国外国投资委员会有可能审核涉及国家安全的交易行为,其中涉及外资持有、非正式合作的商业行为有可能受到修订后的出口管制条例的监管。
当然,知情人士还表示,特朗普政府也有可能打消通过紧急法案的念头。因为部分财政部官员对紧急法案的态度并不积极,并认为政府应将更多的精力放在通过外国投资委员监管法修订案上。
分析师普遍认为,中美企业一直在为争夺人工智能的霸主地位相互角逐。咨询公司欧亚集团表示,虽然目前谷歌在人工智能领域无人出其右,但百度等中国的互联网服务提供商也正在大步追赶。
当然,对于美国的芯片制造商,很少能在技术上和英伟达叫板,毕竟英伟达是全球最顶尖的人工智能机器精密芯片制造商。
目前没有证据显示英伟达提供如何制造图形处理器等商业机密的行为对美国国家安全构成了威胁。英伟达也表示在中国没有成立合资公司。
据此,英伟达还发表了一份声明,表示培训中国科学家、并让华为等通讯服务提供商提前体验其最新技术等一系列和中国的合作,只是为了收集中国市场对其芯片产品的反馈。
英伟达表示: “我们极其注重保护知识产权和专有技术,不会向任何企业透露我们的核心技术”。
然而,高通、超威半导体和IBM对此并没有做出回应。
英伟达绝不是美国唯一一个向中国出借专业技术的技术巨头或芯片制造商。但中国企业的确将英伟达视为强大的竞争对手。去年中国科技部征集研究项目时,其中一个研究目标就是制造出比英伟达快20倍的芯片。
刘易斯对此表示:“这要放在5年前可能并不构成威胁,但考虑到当今的政治和技术环境,这足以令人担忧。”
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。