OpenAI挺身而出：加州AI安全法案遭遇公开异议

近日消息，OpenAI最近公开表态，对加利福尼亚州一项聚焦AI安全监管的法案持反对意见。该法案在今年5月顺利通过州参议院的一致投票，旨在强制AI企业实施严格的预防措施，以遏制其技术被滥用于制造重大危害，例如协助开发能酿成人道灾难的生化武器，或是促成超过5亿美元（折合人民币约35.66亿元）的经济损失。此举凸显出在促进技术进步的同时，对AI伦理与安全监管的辩论日益激烈。

OpenAI 周三致函加州参议员斯科特·维纳办公室，称该法案将损害 AI 行业的创新，并认为其安全问题的监管应该由联邦政府而不是州政府来制定。

根据该法案，AI 公司需要确保其人工智能系统可以关闭，采取“合理措施”确保 AI 模型不会造成灾难，并向加州司法部长披露合规声明。如果不遵守这些要求，企业可能会被起诉并面临民事处罚。

该法案受到了许多主要科技公司、初创企业和风险投资家的强烈反对，他们表示，对于仍处于起步阶段的 AI 技术来说，这是过度干涉，可能会扼杀该州的技术创新。

OpenAI 表示，如果该法案通过，可能会对美国在人工智能和国家安全方面的竞争力产生“广泛和重大的”影响。

OpenAI 首席战略官杰森·权写道：“人工智能革命才刚刚开始，加州作为全球人工智能领导者的独特地位正在推动该州的经济增长。”“SB 1047（法案）将威胁到这种增长，减缓创新的步伐，并导致加州世界级的工程师和企业家离开该州，从而到其他地方寻找机会。”

由于对加州监管环境的不确定性，OpenAI 已暂停有关扩大其旧金山办公室的计划。

对于 OpenAI 的观点，维纳表示关于 AI 人才离开该州的论点“毫无意义”，因为该法律将适用于在加州开展业务的任何公司，无论办公室在哪里。

OpenAI挺进7万亿芯片市场蓝图，携手博通等巨头共创AI芯片新篇章

7月19日消息，OpenAI已着手与包括博通（Broadcom）在内的多个顶级芯片设计企业进行接洽，双方正就合作开发专为人工智能优化的新型芯片进行深入探讨。这一合作意向凸显了OpenAI在加速AI硬件创新方面的积极布局。

OpenAI 公司正在探索自己制造 AI 芯片，一方面高效整合软硬件打造成为 AI 界的“苹果公司”，另一方面也是缓解当前 AI 图形加速卡短缺的问题。

OpenAI 公司还积极招募谷歌公司前员工，希望借助其开发 Tensor 处理器的经验和技术，开发出自家的 AI 服务器芯片。

媒体认为，OpenAI 开发能媲美英伟达服务器芯片的可能性很小，而且需要多年打磨才有成果。

今年 2 月报道，OpenAI 首席执行官山姆·阿尔特曼（Sam Altman）制定了雄心勃勃的 AI 芯片计划，目标筹集 7 万亿美元，改造全球半导体产业，推动通用人工智能（AGI）发展。

阿尔特曼随后表示“7 万亿美元”不准但 AI 确需大量投资，AI 领域确实需要全球性的大规模资金与能源投资，以构建 AI 芯片及围绕其的基础设施堆栈，并最终向世界提供大量服务，让所有人从中获得巨大价值。

OpenAI革新开发者体验：Playground集成文本转语音API

近日消息，OpenAI宣布了一项重要更新，将文本转语音（TTS）API正式整合至其开发者Playground平台。这一举措极大地方便了开发者，使得他们能够在实验和开发阶段直接体验和测试语音合成效果，而无需复杂的设置过程。

更智能的是，这个API能够自动识别文本的语言，并匹配相应的语音，省去了选择语言和国家版本的麻烦。

这项服务不仅简化了开发流程，而且提供了高质量的语音合成技术。OpenAI的文本转语音功能能够将书面文本转换成听起来非常自然的口述音频，为创造沉浸式和交互式用户体验提供了无限可能。

OpenAI 文本转语音声音包含两种模型变体，以满足不同场景下的需求：

Neural：这个模型变体专为那些需要最低延迟的实时用例进行了优化，虽然在质量上可能略逊于NeuralHD，但对于需要快速响应的应用场景来说，它是理想的选择。

NeuralHD：正如其名，这个模型变体专注于提供最高质量的语音输出。如果你的应用追求最佳音质，NeuralHD无疑是最佳选择。

总的来说，OpenAI的文本转语音API为开发者提供了一个强大而灵活的工具，无论是在实时通信还是高质量内容制作方面，都能够满足开发者的需求。这一进步再次证明了AI技术在改善和提升人们日常生活与工作体验方面的巨大潜力。

OpenAI GPT-4深度探索：精准建模基础蛋白质结构，开辟AI生物科学新纪元

近日消息，罗格斯大学最新研究揭示，OpenAI的GPT-4语言模型展现了惊人的能力，能够以高度精准度模拟简单的氨基酸及蛋白质结构，为AI辅助生物科技研究开辟了全新可能。

相关研究成果发表在《Scientific Reports》上，该科研团队使用 GPT-4 AI 语言模型，探索其在基本结构生物学任务中的表现，结果发现该 AI 模型可以准确预测分子结构。

科学家们要求 GPT-4 建立 20 种标准氨基酸的三维结构模型，在反馈结果中准确地预测了原子组成、键长和角度，不过 GPT-4 在模拟环状结构和立体化学构型时却出现了错误。

在另一项实验中，GPT-4 被要求模拟常见的蛋白质结构元素--α-螺旋的结构，需要集成 Wolfram 插件进行数学计算，结果模型与实验确定的 α-螺旋结构相当。

此外，GPT-4 还分析了抗病毒药物 Nirmatrelvir 与 SARS-CoV-2 主要蛋白酶之间的结合。该模型正确识别了参与结合的氨基酸，并准确指定了相互作用原子之间的距离。

由于 GPT-4 并不是专门为结构生物学任务开发的，因此这些能力非常突出。研究人员指出，GPT-4 的建模方法尚不明确。它可以使用训练数据集中的现有原子坐标，也可以从头开始重新计算结构--要得出明确的结论，还需要进一步的广泛研究。

研究人员表示，AlphaFold 3 等专用人工智能工具可以预测更复杂的结构，而 GPT-4 则有望完成基本的结构生物学任务。这种建模能力目前还很初级，实际应用有限。

尽管如此，研究小组表示，这项研究开创了将这种技术应用于结构生物学的先例。研究人员建议进一步研究生成式人工智能的能力和局限性，可以在结构生物学领域之外，进一步探索 AI 在其他潜在的生命科学领域的应用。