日报报道 可可豆价格飞涨敲响粮食危机警钟

　　谷歌（GOOGL.US）提议修改其搜索结果，以符合欧盟的科技法规，这一提议得到了欧洲航空游说集团的赞同，该集团的成员包括法国航空、荷兰皇家航空和汉莎航空。

　　近几个月来，由于比价网站、酒店、航空公司和小型零售商的要求相互冲突，谷歌宣布了一系列搜索结果格式的变化，最新的调整是在上个月宣布的。

　　谷歌正努力遵守数字市场法案（DMA），该法案禁止它在其平台上偏袒自己的产品和服务，否则将面临高达其全球年营业额10%的罚款。

　　“本着及时找到符合DMA的解决方案的精神，航空业已经表明愿意妥协，”欧洲航空公司在12月20日致欧盟委员会的一封信中表示。

　　该航空集团表示支持在搜索结果中采用水平布局，为航空公司和比较网站提供相同大小的框，并使用蓝色来与其他元素区分开来。

　　但该公司表示，搜索结果中显示的价格应与图中的价格相同。该公司还对谷歌提出的纯指示性日期而非消费者预订航班的具体日期表示担忧。

　　“日期等特征是消费者寻找航空旅行的整体搜索过程中不可或缺的一部分，而转向纯粹的指示性日期将大大降低他们的体验，”该组织说。

　　谷歌表示，如果航空公司和比价网站等竞争对手无法同意谷歌遵守DMA的建议，不再推广自己的产品，它可能会回到多年前在搜索结果中使用的10个蓝色链接的旧格式。

　　加州周一宣布，Stellantis NV（STLA.US）旗下子公司FCA US已同意支付420万美元，以解决该州对旗下车辆过量排放问题的调查。此次和解涉及2014年至2016年款配备3.0L柴油发动机的Ram ProMaster 1500、2500和3500车型，这些车辆因安装了未经批准的排放控制绕过装置，导致大量氮氧化物排放。

　　具体而言，加州空气资源委员会（CARB）指出，这些违规车辆因违反空气质量法规而达成和解。加州方面称，这些违规装置导致了近55吨的过量氮氧化物排放至空气中。此前，Stellantis也曾因类似指控向加州支付过和解金，如在2022年因涉及燃气汽车的指控支付了560万美元。

　　作为和解协议的一部分，FCA US将召回问题车辆，并对排放控制系统进行修改，以确保其符合加州的相关法规。此外，和解协议还包括一笔超过200万美元的民事罚款，该罚款将纳入加州的空气污染控制基金。

　　同时，FCA US还将支付210万美元，用于资助一个旨在减少远洋货船在特定季节和地区对野生动物和空气质量影响的减速项目。

　　值得注意的是，FCA US在另一项联邦排放调查中，已于2022年6月承认犯有刑事共谋罪，并支付了约3亿美元的认罪协议，以解决美国司法部的柴油排放欺诈调查。

　　此前，在2019年，加州也曾与FCA达成和解，后者因使用“作弊装置软件”规避全国10万多辆柴油车的排放测试而被指控，加州从5亿美元的和解金中获得了7800多万美元。

　　加州周一宣布，Stellantis NV（STLA.US）旗下子公司FCA US已同意支付420万美元，以解决该州对旗下车辆过量排放问题的调查。此次和解涉及2014年至2016年款配备3.0L柴油发动机的Ram ProMaster 1500、2500和3500车型，这些车辆因安装了未经批准的排放控制绕过装置，导致大量氮氧化物排放。

　　具体而言，加州空气资源委员会（CARB）指出，这些违规车辆因违反空气质量法规而达成和解。加州方面称，这些违规装置导致了近55吨的过量氮氧化物排放至空气中。此前，Stellantis也曾因类似指控向加州支付过和解金，如在2022年因涉及燃气汽车的指控支付了560万美元。

　　作为和解协议的一部分，FCA US将召回问题车辆，并对排放控制系统进行修改，以确保其符合加州的相关法规。此外，和解协议还包括一笔超过200万美元的民事罚款，该罚款将纳入加州的空气污染控制基金。

　　同时，FCA US还将支付210万美元，用于资助一个旨在减少远洋货船在特定季节和地区对野生动物和空气质量影响的减速项目。

　　值得注意的是，FCA US在另一项联邦排放调查中，已于2022年6月承认犯有刑事共谋罪，并支付了约3亿美元的认罪协议，以解决美国司法部的柴油排放欺诈调查。

　　此前，在2019年，加州也曾与FCA达成和解，后者因使用“作弊装置软件”规避全国10万多辆柴油车的排放测试而被指控，加州从5亿美元的和解金中获得了7800多万美元。

　　来源：华尔街见闻

　　Anthropic联合创始人Jack Clark认为明年，AI界将结合“测试时扩展”和传统的预训练扩展方法，进一步挖掘AI模型的潜力。不过，虽然o3模型让人们重新相信AI扩展法则的进展，但是，o3使用了前所未见的计算量，这意味着每个答案的成本更高了，也意味着o3无法成为人们的日常使用工具。

　　AI扩展法则进入第二代，当然，成本也是如此。

　　近期，AI发展似乎进入了“第二个扩展法则时代（Second era of Scaling Laws）”，一些分析师指出，改进AI模型的既定方法正在呈现出收益递减的趋势，目前，一种新的、有前景的方法是“测试时扩展（ test-time scaling）”，这是OpenAI的o3模型采用的方法，也是o3表现如此出众的原因。

　　需要注意的是，尽管o3模型让人们重新相信AI扩展法则的进展，但也并非十全十美：o3使用了前所未见的计算量，这意味着每个答案的成本更高了，也意味着o3无法成为人们的日常使用工具。

　　具体来说，“测试时扩展”意味着OpenAI在ChatGPT的推理阶段使用了更多的计算资源——在用户按下生成按钮后到AI给出答案之间的那段时间，OpenAI可能是在使用更多的计算芯片来回答用户的问题，也可能是在使用更强大的推理芯片，甚至可能是更长时间地运行这些芯片，毕竟，在某些情况下，o3在10到15分钟后才给出答案。

　　此外，Anthropic联合创始人Jack Clark和另一些分析师指出，o3在ARC-AGI基准测试中的出色表现标志着AI模型的进步，但是，通过这一测试并不意味着AI模型已经达到了通用人工智能（AGI），毕竟，o3在一些非常简单的任务上仍然失败了，而这些任务人类可以轻松完成——显然，o3和“测试时扩展”仍未解决大语言模型的幻觉问题。

　　AI在2025年的进步将比2024年更快，o3就是证据

　　Clark在周一的博客中表示，o3模型表明，基于目前已有强大基础模型，在推理时让大语言模型“测试时扩展”，能够带来巨大的回报。Clark预计，接下来最有可能发生的事情是，强化学习（RL）和底层基础模型将同时得到扩展，这将带来更加戏剧性的性能提升。

“这是一个大新闻，因为它表明，相较于2024年，2025年AI的进展应该会进一步加速。”

　　Clark补充表示，最近有很多奇怪的报道，说“扩展已经遇到瓶颈”，对此，Clark反驳称：

“从狭义上讲，这是对的，因为较大的模型在应对挑战性基准时，获得的得分提升比其前代模型要小，但从更广义上讲，这种说法是错误的，因为o3背后的技术意味着扩展仍在继续……到2025年，我们将看到现有方法（大模型扩展）和新方法（基于RL的“测试时扩展”等）的结合。”

　　Clark还补充道，明年，AI界将结合“测试时扩展”和传统的预训练扩展方法，进一步挖掘AI模型的潜力。

　　表现出众的o3

　　许多人将OpenAI发布的o3模型视为AI扩展进程没有“夭折”的证明——o3在基准测试中表现出色，在一项名为ARC-AGI的通用能力测试中，它的得分远远超过所有其他模型，某次尝试中得分甚至达到了88%，而o1的最好表现仅为32%。并且，o3在一项困难的数学测试中达到了25%的得分，没有任何其他AI模型的得分超过2%。

　　o系列模型的共同创造者Noam Brown在上周五表示，OpenAI在宣布o1模型后的仅仅三个月就发布了o3模型，AI性能的进步速度令人印象深刻：

“我们有充分的理由相信，这一发展轨迹将继续下去。”

　　价格昂贵的o3

　　尽管o3模型让人们重新相信AI扩展法则的进展，但也并非十全十美：o3使用了前所未见的计算量，这意味着每个答案的成本更高了。

　　Clark在博客中写道：

“或许唯一需要注意的点是，o3之所以表现得更好，部分原因在于它在推理时的运行成本更高——能够利用“测试时扩展”意味着在某些问题上，你可以通过增加计算资源得到更好的答案。这很有意思，因为它使得运行AI系统的成本变得更加难以预测——之前，你只需通过查看模型本身以及生成某个输出的成本，就能估算出运行生成模型的费用。”

　　再一次回到这张图，除了o3在纵坐标上获得的极高得分，o3在横坐标上也一骑绝尘——o3的高得分版本在每个任务上使用了超过1000美元的计算资源，而o1在每个任务上仅仅使用了约5美元的计算资源，o1-mini在每个任务上只用了几美分。

　　ARC-AGI基准测试的创造者Francois Chollet在博客中写道：

“OpenAI为了生成88%的得分，使用了比o3高效版本多出约170倍的计算资源，而高效版本的得分仅比高得分版本低12%。”

　　Chollet继续补充道：

“o3是一个能够适应之前从未遇到的任务的系统，可以说在ARC-AGI领域的表现已经接近了人类的水平，当然，这种通用性的代价很高，且目前还不具备经济效益。”

　　不过，现在讨论具体定价还为时尚早了，毕竟，AI模型的价格在过去一年中大幅下跌，OpenAI也尚未宣布o3的实际费用。更值得探究的是，o3高昂计算价格显示出，突破当前领先AI模型的性能门槛，到底需要多大的计算量。

　　仍有局限的o3

　　虽然o3在各类测试中表现出色，但它确实不是十全十美的。

　　分析师指出，o3或其后继模型不会成为像GPT-4或谷歌搜索这样的“日常使用工具”，因为这些模型使用了过多的计算资源，无法回答日常的小问题，比如“克里夫兰布朗队怎么才能有机会进入2024年季后赛”。

　　是的，使用了“扩展测试时计算”的AI模型可能仅适用于更宏观的问题，比如“克里夫兰布朗队如何在2027年成为超级碗冠军队”。但是，只有当你是克里夫兰布朗队的总经理时，使用这些工具来做出重大决策，可能才值得你付出如此高昂的计算成本。

　　正如沃顿商学院教授Ethan Mollick在指出的那样，只有财力雄厚的机构才有可能负担得起o3，至少在初期是这样。

　　目前，OpenAI发布了一个200美元的订阅层级，供用户使用高计算版本的o1，但根据报道，OpenAI最近还在考虑推出价格为2000美元的订阅层级——看到o3使用的计算资源后，可以理解为什么OpenAI会如此考虑了。

　　此外，虽然o3在ARC-AGI基准测试中的出色表现标志着AI模型的进步，但是，通过这一测试并不意味着AI模型已经达到了通用人工智能（AGI），毕竟，o3在一些非常简单的任务上仍然失败了，而这些任务人类可以轻松完成——显然，o3和“测试时扩展”仍未解决大语言模型的幻觉问题。

　　风险提示及免责条款

　　市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。