EP22 - OpenAI 即將晉身 1,000 億美元市值

OVERVIEW
本期重點

• LinkedIn AIHawk 幫你自動找工作

• OpenAI 即將晉身 1,000 億美元市值

• Google 展示 AI 生成的 DOOM

HOTNEWS
LinkedIn AIHawk 幫你自動找工作

在競爭激烈的就業市場中，求職者面臨著巨大的壓力和挑戰。而一款名為 LinkedIn AIHawk 的革命性 AI 求職工具正好應運而生。這款工具的誕生為求職者提供了一個新的求職途徑。它能在短短 24 小時內自動申請多達 1000 個工作崗位，並有望獲得 50 場面試機會。

LinkedIn AIHawk 的核心功能

LinkedIn AIHawk 的設計目的在於自動化求職過程，並以高效的方式幫助求職者獲得理想的工作。這款開源工具集多功能於一身，能夠自動掃描符合用戶設定條件的工作職位，並利用 LinkedIn 的“輕鬆申請”功能快速提交申請。

除此之外 LinkedIn AIHawk 還能生成量身定制的簡歷，以滿足各種職位的需求。藉助大型語言模型（LLM）的能力，它可以個性化回答雇主的問題，並具備批量處理申請的能力。這使得其在保持效率的同時，也不失去品質。

數據安全與隱私保護​

該工具在數據安全方面的設計同樣值得稱道。LinkedIn AIHawk 以 YAML 文件來管理用戶的個人信息，有效保護用戶的隱私。

此外，它還與 OpenAI 的 API 無縫集成，進一步強化了AI驅動的功能，讓求職者在申請過程中更加放心。

持續跟蹤求職進度

用戶可以根據個人需求設置搜尋條件，AIHawk 會持續掃描並篩選出最新和相關的職位信息。通過“一鍵申請”功能，求職者能迅速提交申請，大大提高了求職的效率。

​在此過程中，LinkedIn AIHawk 還提供個性化支持，生成針對不同雇主要求的動態回應，優化申請材料中的關鍵詞。這不僅使得申請更符合職位的要求，還提高了成功率。

引發的爭議

儘管 LinkedIn AIHawk 的出現對求職者來說是一個利好消息，但其使用所引發的爭議也不容忽視。

​一些人擔心，這款自動化求職工具的廣泛應用，可能會在求職市場中引發一種“軍備競賽”。未來所有求職者可能不得不依賴類似的工具以提高自己的競爭力。

​同時雇主也面臨新的挑戰，隨著自動化求職工具的流行。如何在海量的自動化申請中篩選出真正合適的候選人，將考驗未來的人才雇用市場。

AI 求職的未來前景

儘管存在一些爭議，LinkedIn AIHawk 無疑為當前的求職市場帶來了新的可能性。這款工具不僅提高了求職效率，還幫助求職者節省了寶貴的時間，讓他們能夠將更多精力投入到面試準備和職業技能的提升上。

​總的來說，LinkedIn AIHawk 是一款具有潛力的AI求職工具，給希望找到理想工作的求職者提供了很大的幫助。隨著求職市場的不斷變化，這類工具的出現可能會改變求職者和雇主之間的互動模式，未來的職場將會因為這些 AI 工具而展現新的樣貌。

HOTNEWS
OpenAI 即將晉身 1,000 億美元市值

OpenAI 再迎新一輪巨額融資，目標估值突破千億美元，將穩居 AI 初創公司中的領導地位。這筆新融資的核心推動力來自於風險投資公司 Thrive Capital，預計將投資約 10 億美元。同時，科技巨頭微軟也可能再次注入資金，進一步推高 OpenAI 的市場價值。

根據《華爾街日報》的報導，OpenAI 正在積極尋求新一輪的資金支持，該輪融資將是自微軟在 2023 年 1 月投資約 100 億元以來最大的外部資金注入。以往的投資輪次中，OpenAI 的估值曾在去年底達到 860 億美元，而此次新的融資將使其成功擠身千億美元的行列，創造出新的里程碑。

融資背景

自 OpenAI 推出 ChatGPT 之後，其在全球的影響力迅速上升，當時微軟已經斥資 100 億美元進行投資，使得 OpenAI 在市場上的初期估值達到約 300 億美元。這次的新融資對於 OpenAI 來說至關重要，因為 AI 市場競爭愈演愈烈，谷歌、Meta 和其他競爭對手不斷在技術上加大投入，威脅到 OpenAI 的市場領導地位。

重大投資方

據悉，此次融資的主要投資方 Thrive Capital 自 2015 年成立以來就與 OpenAI 保持密切合作，並已經向其投資了數億美元。Thrive Capital 的創始人 Joshua Kushner 與 OpenAI 的 CEO Sam Altman 有著良好的合作關係。這些資金將被用於發展新一代 AI 模型及其不斷擴大的業務需求。

OpenAI的資金需求

OpenAI 面臨巨大的資金壓力，特別是在開發下一代大型模型方面。根據報導，OpenAI 花費了超過 1 億美元來訓練其最強大的模型 GPT-4，而未來的 GPT-5 模型預計所需成本會更高。為了維持其在 AI 領域的地位，OpenAI 需要在前沿科研上持續投入數十億美元。

此外，OpenAI 也在積極擴大其辦公區域，最近他們已經終止了位於舊金山的辦公室租約，計畫遷移至更大規模的 Mission Bay 地區，這也是為了能夠容納新增的員工和更大的業務需求。

市場挑戰與風險

儘管前景看好，但 OpenAI 依然面臨不少挑戰。根據報導，該公司的年化收入僅為 34 億美元，與其龐大的開發支出相比，依然存在巨額虧損的可能。有分析指出，如果沒有新的資金注入，OpenAI 甚至可能面臨破產的風險。

目前，AI 領域的競爭愈加激烈，尤其是 Anthropic、Google 及其他競爭對手的崛起，對 OpenAI 構成了嚴峻的威脅。這場科技“軍備競賽”的背後，是各方對於未來人工智能潛力的巨大期待與不懈追求。

微軟與 OpenAI 的合作關係

微軟自 2019 年以來向 OpenAI 總共投入達 130 億美元，現時擁有 49% 的技術收益份額。因此，兩家公司的合作不僅僅是資金的流動，也涵蓋了技術平台的共享和應用。微軟利用 OpenAI 的技術優勢，為其 Azure 雲服務增值，進一步擴展其在市場中的競爭優勢。

然而，隨著競爭的加劇，微軟與 OpenAI 之間的關係也出現了微妙的變化。微軟在不久前退出了 OpenAI 董事會的無投票權席位，而且已經將 OpenAI 列入其搜尋引擎和 AI 市場競爭對手名單。這一改變反映出隨著市場快速變化，合作夥伴之間的利益關係亦需不斷調整。

結論

綜觀整體，OpenAI 的最新融資不僅意味著其市值即將破千億美元，更是對其未來發展方向的再保證。在競爭日益增強的 AI 市場中，穩固的資金支持將幫助 OpenAI 繼續其技術創新的步伐，捍衛其市場領導地位。然而，如何將龐大的運營成本與逐漸增長的收入相平衡，將是 OpenAI 及其投資者亟需解決的重要課題。

​

HOTNEWS
Google 展示 AI 生成的 DOOM

NVIDIA CEO Jensen Huang 曾預言，未來每一個遊戲像素都將由 AI 生成而非渲染。從第一性原理來思考，這樣的預言有其道理。但我心中始終抱持著疑問，真有這麼快可以到來嗎？

直到看到 "GameNGen"

​幾天前，Google 研究團隊發表了一篇突破性論文，展示了名為 "GameNGen" 的專案。這個專案能夠實時生成經典遊戲 DOOM 的畫面，每秒達到超過 20 幀的速度。使用了增強版的 Stable Diffusion 1.4 模型，實現與原始遊戲相媲美的視覺表現。

GameNGen 能執行複雜的遊戲狀態更新，如計算生命值和彈藥、攻擊敵人、損壞物體等。更令人驚訝的是，它能在長時間的遊戲過程中保持遊戲狀態的一致性。當然仔細看還有很多破綻，但整體而言是令人驚豔的。

​技術的核心在於使用神經網絡不斷預測下一幀畫面，類似大型語言模型預測下一個詞。

技術重點

GameNGen 的訓練分為兩個關鍵階段：

• 強化學習代理學習遊戲玩法，並記錄訓練過程。

• 訓練擴散模型，根據過去的幀序列和動作來生成下一幀。

與傳統遊戲開發相比，這種方法有幾個顯著特點：

• 實時生成：每一幀畫面都是即時生成的，而非預先渲染。

• 高度定制：理論上可以根據玩家需求即時調整遊戲內容，只需要調整提示詞。

• 無需傳統編程：遊戲邏輯和規則都由 AI 模型學習和生成，等於有個遊戲就叫做 Doom diffusion model

• 適應性強：能根據玩家行為動態調整遊戲體驗。

• 資源效率：只需一個 TPU 就能運行複雜遊戲。

​這些特性使 GameNGen 特別適合用於個性化遊戲體驗、自動化內容生成等領域。開發者可以利用這種技術，快速創建和迭代遊戲原型，甚至實現即時的遊戲修改。又或者說，修改遊戲可能只是再訓練一次模型或調整系統提示詞。

未來影響

GameNGen 的出現可能徹底改變遊戲開發和內容創作的方式：

• 個性化內容：為每個玩家生成獨特的遊戲體驗，想像外掛幾個 Lora 要什麼有什麼。

• 無限內容：理論上可以生成無限量的遊戲關卡和場景。這應該好好理解，就是一個無限生成影片的擴散模型，"遊戲"需要再次被定義。

• 跨媒體應用：類似技術可能應用於電影、電視節目或 Youtube 等領域。

• 遊戲開發轉變：可能出現一種新的遊戲類型，但理論上它只能臨摹既有的遊戲，除非可以把訓練資料擴及幾百個甚至上千個遊戲，讓模型"覺醒"才有可能徹底改變遊戲開發生態。

• 模擬現實：為模擬真實世界提供了新的可能性。論文中有提到，研究員部屬了大量的 AI 來玩遊戲，再利用 AI 玩遊戲的畫面當成素材訓練 GameNGen。這流程只要給現在的機器人公司給套上，要訓練一個實時的模擬現實環境也絕非難事。

不止上述的功能，我認為這項技術還可能影響到作業系統和應用程式面，AI 可能成為新的 OS 平台。

挑戰與限制

儘管前景光明，GameNGen 仍面臨一些挑戰：

• ​記憶限制：模型只能訪問約 3 秒的歷史信息，這導致有些數值沒有被準確的紀錄下來。

• 非完美模擬：生成的遊戲與原版有細微差異，很像在夢裡打遊戲。

• 幻覺問題：會產生不一致或錯誤的內容，可以仔細看影片裡面很多轉個身物品就消失的地方。

• 計算需求：雖然運算只需要一顆 TPU ，但是在訓練的時候需要大量計算資源來訓練模型，這不是一般團隊可以獲得的資源。

綜合以上的優缺點，我認為這個技術提出了它對未來互動娛樂的一種想像。別看它現在畫面像是 90s 的遊戲，那是因為它使用了 Doom 當作訓練資料。只要換個訓練資料，它可以是 Cyberpunk2077 3A 等級的遊戲畫面。

​整個研究最價值連城的部分就是把操作的動作也 Tokenized ，然後一起餵給擴散模型訓練。讓"操作"與"畫面"最後都可以用 Token 來生成，How brilliant！