本周举行的 WWDC 再次成为全球科技行业的狂欢，在 Vision Pro 是否引领计算平台演化的争议之外，我们探讨另一个问题：苹果 AI 布局落后了吗？
大模型与股价之间的关系越发紧密。本期关注 GitLab、Salesforce 大模型产品与股价之间的关系。
OpenAI 新论文提出一种「过程监督」的方法，该方法的确能够提升大模型的输出结果，但过度的「人类监督行为」是否会扼杀大模型的「创造力」？
本期 AI Insider 还将关注：
Stability AI 的困境；全球 AI 监管现状；大语言模型与本地化运营；为什么大语言模型时而聪明时而愚蠢？
接下来，欢迎和我一起复盘近期围绕计算与数据的产业关键事件。
大模型·苹果
本周举行的 WWDC 再次成为全球科技行业的狂欢。苹果展示的首款 MR 设备——Vision Pro——无论是工业设计还是交互体验，足以将包括 Meta 在内的一众早期玩家甩在身后，从而成为引领 MR 或「元宇宙」行业的代表产品，以至于最近两天开始出现类似下图的调侃：
苹果是截至目前在公开场合最少谈及 AI 的巨头公司。WWDC 主论坛演讲过程中，苹果没有使用一次「Artificial Intelligence（人工智能）」，而是反复使用「Machine Learning（机器学习）」这个词展示苹果在这个领域的布局，包括：
将 Transformer 模型全面集成到全新操作系统中，为输入法带来更好的自动纠错和预测功能，并优化语音输入的体验和效果；利用机器学习模型优化 iPadOS 的 PDF 编辑功能，可自动识别诸如文本框、个人签名框等字段；AirPods 全新的自适应音频功能，也是由机器学习驱动；Vision Pro 里令人惊艳的虚拟头像，使用了机器学习和 3D 扫描用户头像等技术；
软件和系统的优化之外，M2 Ultra 芯片也是此次苹果 AI 布局的关键棋子，作为 M2 系列的最后一款产品，M2 Ultra 拥有1340亿个晶体管，比上一代 M1 Ultra 多出 200 亿个。
更重要的是，M2 Ultra 还能够提供高达 192GB 的统一内存，并能够提供 800GB/s 的内存带宽。由此带来的可能性是，用户能够在没有专有 GPU 的情况下，直接通过一台 Mac 电脑训练诸如 Tranformer 之类的机器学习模型，而价格相比于英伟达的 GPU，实在便宜太多了。
某种意义上说，机器学习已经成为苹果产品更新的重要推动力，但对于绝大多数早已被 ChatGPT「洗脑」的所谓「行业人士」看来，苹果并没有布局 AI 的战略或能力。