财联社10月30日讯（编辑 赵昊） 据媒体报道，知情人士透露，埃隆·马斯克的人工智能初创企业xAI正在寻求新一轮融资，融资后公司估值将达到约400亿美元。
这位消息人士表示，融资谈判尚处于初期阶段，细节仍有可能发生变化，并存在谈判破裂的可能性。
就在今年5月时，xAI在B轮融资中筹得60亿美元。当时公司未说明企业估值多少，但有消息提到，这个数字约为240亿美元。
若新的消息属实，这意味着xAI有望在半年不到的时间里将估值增加了超60%，使其跃居至美国最有价值的初创公司行列。
根据市场研究机构CB Insights的数据，目前估值高于400亿美元的独角兽只有7家。
其中，马斯克的另一家初创企业SpaceX估值为2000亿美元，马斯克参与创立、xAI竞争对手OpenAI的估值为1570亿美元。
值得一提的是，xAI成立于2023年7月份，距今不到16个月，其生成式人工智能聊天机器人Grok甚至还不到一周岁。
日内早些时候，马斯克在利雅得“未来投资倡议大会”上表示，他的目标是将xAI的计算能力提高一倍。
先前，xAI在孟菲斯建造完成了一台超级计算机。马斯克表示，xAI在孟菲斯的设施已经是该领域最大的数据中心。
马斯克说道：“我们已经为xAI建立了世界上最强大的训练集群，我们即将将其翻倍。”
关于人工智能领域，马斯克从两个方面谈了看法。首先，AI每年都在以“好10倍”的速度在发展，估计在两年或两年以内，所有人类能做的事情AI就都能做了。
但与此同时，马斯克认为AI有10%-20%的概率变成一件坏事，会构成重大生存威胁，这也是他创xAI公司的初衷——确保人类拥有一种真正关心人类最佳利益的人工智能。
马斯克披露xAI细节：6年实现AGI，特斯拉推特资源都能用！2万块N卡被曝已到位
不愧是马斯克，引爆外界对xAI的好奇心后，他带着团队进行了一场公开直播回应，详细披露了更多细节。 他强调xAI研究宇宙的本质是为了实现人工智能通用智能（AGI），并认为xAI比谷歌和OpenAI更值得信任，能构建更安全的AI系统。 马斯克指出，xAI不是上市公司，不受市场约束。 演讲吸引了超过3万人围观，甚至引来了OpenAI联合创始人格雷格·布洛克曼的关注。 总结整场talk，xAI的使命是构建一个拥有极致好奇心且寻求真理的AI，目标理解宇宙本质，马斯克相信这是构建最安全AI的途径。 团队具有梁和谈强大的研发能力，每个人都能获得大量计算资源。 xAI计划与特斯拉合作，利用特斯拉在高效训练和推理方面的积累，将更多精力放在软件开发上。 团队计划尽快发橡碰布产品，并从公众反馈中获取有用信息。 xAI将对任何政府保持公开透明，反对违反公众利益的行为。 马斯克明确表示xAI将与特斯拉、推特合作，利用推特的丰富数据进行训练，不会访问私人数据。 除了与特斯拉和推特的合作，xAI计划与谷歌Alpha Zero决策类算法类似，实现决策能力的提升。 团队模式与SpaceX、特斯拉保持一致，采用小团队、全精锐的运作方式。 马斯克透露，xAI的大模型将从数学角度切入，因为数学可以开辟新的思考方式，对基础物理问棚郑题的解决带来帮助。 马斯克还指出，对于超级AI来说，与人类共存比灭亡人类更有意义。 他认为，太阳系里有无数星星，而人类比这些星星都有趣。 在演讲中，马斯克还提到了团队的薪酬，顶级研究员的薪酬高达9位数，相当于初创公司1%股票期权价值2亿美元。 此外，关于算力问题，马斯克试图从英伟达购买4万张用于训练AI的GPU，但最终只承诺提供2万张。 马斯克强调，特斯拉Dojo并非GPU，尽管人们通常将其视为等价。 随着xAI的正式宣布，未来一段时间内还会有更多消息传出。 让我们拭目以待，见证xAI的发展。
探秘Grok-1 - 马斯克旗下xAI开源的大模型，参数量3140亿
引言Grok-1，由马斯克旗下xAI公司开发，是一个开源大型语言模型，参数量高达3140亿，成为目前最大参数量的开源模型。 遵循Apache 2.0许可，用户可自由使用、修改和分发，用于个人或商业用途。 Grok-1信息如下：[公式]参数细节包含以下几个方面：模型效果参考链接：华尔街见闻Grok-1在两个月的训练后达到最佳效果，期望通过用户反馈迅速改进。 在四个月的研发中，Grok-1经历了多次迭代。 从330亿参数的LLM原型Grok-0开始，经过优化，最终开发出功能更强大的SOTA语言模型。 在HumanEval编码任务中，Grok-1成绩为63.2%，在MMLU中成绩为73%。 xAI使用标准机器学习基准对Grok-1进行评估，显示出强劲性能，超过ChatGPT-3.5和Inflection-1。 虽然与GPT-4相比有所不足，但Grok-1在开源模型中表现突出。 代码解析深入探究Grok的结构：代码链接/xai-org/grok...解高世析如下：2. DecoderLayer：分解解码层3. MHABlock：多头注意力块4. MultiHeadAttention：多头注意力机制5. MoELayer：混合专家层6. Router：路由层7. DenseBlock：密集块8. InOutEmbed：闭念含输入输出嵌入9. LanguageModel：语言模型特别点和技术2. 分片和并行化轿笑：优化计算性能3. 混合精度：提高计算效率4. Mixture-of-Experts (MoE)：提升模型效率5. 权重量化：降低存储需求6. 增量解码：提高响应速度7. 动态规模初始化：提高训练稳定性
