https://mp.weixin.qq.com/s?search_click_id=11862547859656835198-1696846686134-9633079943&__biz=MzUxNDEwMjAyMA==&mid=2247491605&idx=1&sn=95a74397413527dfc959b923eaec6bef&chksm=f949a67ece3e2f68d07050b0965f51c0e8cad01c6a1abc2b05e5f44b47abf1e40b45458b09da&scene=7&subscene=10000&clicktime=1696846686&enterid=1696846686&sessionid=0&ascene=65&fasttmpl_type=0&fasttmpl_fullversion=6890842-zh_CN-zip&fasttmpl_flag=0&realreporttime=1696846686210&devicetype=android-29&version=28002a3b&nettype=cmnet&abtest_cookie=AAACAA%3D%3D&lang=zh_CN&countrycode=CN&exportkey=n_ChQIAhIQ78u14V9pSzBLtdvWG6WleRLcAQIE97dBBAEAAAAAAGROFZhsD9QAAAAOpnltbLcz9gKNyK89dVj0dKtivyez6ILPqJg9rsHBOYcEevQ2sbpvmHLf66u0DBnihMpSUqtSQomQ9E%2FHECa5hZ84vKLiC%2Bwk82rkvpP3B%2BfHyTMLd825HugsQhZJFv5hybqEMfaO2b9ezJReZgd99vtDr8GCD2dR6cBgTQ3G1pp8zEIfd5zts4L34OJOOlCMAiMc4KQ8UyQ2UKOcSZnoIR%2F%2BlwqQq5U3GTaLDJ7M4PfhpiHfCo1kNdEUqTIjMqKWcd8hGEI%3D&pass_ticket=R1M519WclboP%2BRN1xD8vUST5nAoJQuyV47o1FfsjbxtkTXb6sL5Mwg41tOd1c%2BQN&wx_header=3

微软GPT5.0最近交流要点

本资料来源于公司公告，相关新闻，机构公开研究报告以及社交媒体网络等，对文中提到的行业及个股不构成投资建议，图

mp.weixin.qq.com

제목: Microsoft GPT 5.0 최근 커뮤니케이션 하이라이트

DeepL 번역

이 정보는 회사 발표, 관련 뉴스, 기관 공개 리서치 보고서 및 소셜 미디어 네트워크 등에서 제공되며, 기사에 언급된 산업 및 개별 joo식은 투자 조언을 구성하지 않으며, 그래픽 및 텍스트는 승인서에 대한 침해 또는 위반 사항이 있는 경우 백그라운드에 메시지를 남겨 삭제에 대해 문의하십시오.

1, OpenAIGPT5 진행 상황

전문가들은 차세대 대형 모델이 개발 중이며 원래 가까운 장래에 출시 될 예정 이었지만 정확도 측면에서 약간의 저항에 부딪 혔고 표준을 충족하지 못해 라벨 재 지정 및 재 훈련을 포함한 재 작업을 다시 시작했다고 말했습니다. 동시에 멀티 모달 및 비디오 이미지에서도 약간의 어려움이 발생하여 원래 계획은 연말에 출시 할 예정 이었지만 지금은 내년 초까지 지연 될 것으로 보입니다.

구체적인 문제는 이미지를 이해하는 방법인데, 현재 이 부분에서 몇 가지 문제가 있습니다. 기존 이미지 이해는 기존 이미지 자료와 라벨링 라이브러리를 기반으로 했지만, 앞으로는 더 다양한 이미지를 이해해야 하기 때문입니다. 예를 들어 Bing의 대부분의 이미지에는 기본적으로 이해할 수있는 레이블이 있지만 키잉 및 실시간 도로 정보와 같은 일부 추상적 인 이미지의 경우 키잉 및 기타 주석이 많지 않고 원본 이미지 만 포함되어 있기 때문에 이러한 에지 케이스 온 빙 이미지 라이브러리를 지원할 수 없으므로 현재 문제는 이러한 원본 이미지가 GPT 모델의 요구 사항을 충족 할 수없고 정확도가 표준을 충족하지 못한다는 것입니다. 정확도가 표준에 도달 할 수 없습니다. 원래 계획은 의미 이해를 위해 특수 알고리즘 모델을 사용하는 것이었지만 실제로는 요구 사항을 충족하지 못했기 때문에 프로젝트의 R & D 부분은 이론을 뒤집고 키가 지정된 이미지에 다시 레이블을 지정했습니다.

Diffusion과 같은 시중의 일부 이미지 모델과 비교했을 때 OpenAl은 라벨링 형식이 아닌 이미지 간의 내재적 상관관계를 주로 찾고자 합니다. 따라서 라벨링 외에도 2차 학습이 필요하기 때문에 전체 시간이 더 오래 걸립니다. 해당 작업은 엔지니어링 및 알고리즘 로직 쪽에 더 많은 작업이 필요하기 때문에 계획대로 출시1가 진행될지는 확실하지 않으며, 현재로서는 출시1가 지연될 수도 있을 것으로 보입니다.

2, 모델 개발 측면에서 일반 대형 모델 및 산업 관련 모델에 대한 Microsoft의 개발 전략

Microsoft와 업계와의 이전 결합은 상대적으로 작으며 많은 기업이 Microsoft의 GPT 기능을 최대한 활용하지 않았습니다. 그러나 Microsoft의 클라우드 서비스가 추가됨에 따라 많은 기술 회사와 전통 기업이 클라우드에서 Microsoft의 GPT에 액세스하기 시작했으며 여러 대표 기업도 Microsoft의 서비스에 액세스했으며 전문가에 따르면이 경우 Microsoft는 약 20 개 기업을 선정하고 먼저 데이터를 통합 한 다음 알고리즘 돌파구를 함께 모색 할 것이라고합니다. 이 외에도 R&D 작업에 대한 이전 R&D 아이디어의 연속입니다.

3、마이크로소프트는 이전에 OpenAI에 대한 별도의 연산 전력 공급을 설정했으며, 현재 해당 연산 전력 공급이 증가하고 있습니다.

마이크로소프트의 현재 오픈알에 대한 컴퓨팅 파1워 공급은 기본적으로 변함이 없으며, 이전의 컴퓨팅 파1워 공급은 현재 R&D 상황을 지원하기에 충분합니다. 그러나 현재의 연산 능력은 GPT5의 집중 훈련과 후속 온라인 운영을 지원하기에는 충분하지 않으므로 Microsoft는 향후 수요를 추가로 충족하기 위해 슈퍼 컴퓨팅 플랫폼을 조립할 준비를하고 있습니다. 현재 A100 칩은 약 8만 개가 있지만 올해 말에는 부족할 것으로 예상됩니다. 따라서 공급을 확대하여 추가로 30,000개의 엔비디아 칩의 컴퓨팅 성능을 제공할 계획이며, 이에 따라 연말에는 110,000개의 A100 칩에 도달할 수 있을 것으로 예상됩니다.

4. GPT5의 경우 연산 전력 공급은 충분한가요?

사실 OpenAl의 요구는 10만 개의 칩을 늘리는 것이지만, 협력에 많은 자원과 비용이 들어가기 때문에 최종 판단은 3만 개를 먼저 늘리는 것으로, 이는 Microsoft의 기존 산술 사용량과 향후 성장 예측을 기반으로 한 것입니다. 오픈알이 더 많은 것을 원했던 이유는 더 많은 영역에서 실험할 수 있고, 전체적인 연산 속도 향상 등 범위를 확장할 수 있다고 생각했기 때문입니다. 하지만 실제로 마이크로소프트의 과학자들은 그 정도의 향상은 크지 않을 것이라고 판단했습니다. 그래서 결국 30,000개의 블록을 제공하는 것으로 합의했습니다.

5, GPT4 대비 GPT5 관련 업데이트(파라미터 데이터 볼륨 용량 업데이트 등)

GPT4의 파라미터 수는 약 1.9조 개, 모델 레이어 수는 100개 이상입니다. GPT5는 현재 개발 중이며 파라미터 수는 10조 개 수준에 도달하고 레이어 수는 1,000개 이상, 아마도 1,300개 이상이 될 것으로 예상됩니다.

현재 비디오 데이터의 양은 훈련에 압축 비디오를 사용하기 때문에 여전히 상대적으로 제한되어 있으므로 전체적으로 상대적으로 적습니다. 동시에 데이터의 양은 증가하고 있으며 현재 약 5,800 억 개의 비디오가 학습 데이터로 사용되며 이는 약 110 조 메가 바이트 정도입니다.

6, 구글과 메타는 비디오 코퍼스가 상대적으로 충분한 등 OpenAI에 비해 우위를 점할 수 있는지 여부에 관계없이 멀티 모달을 수행합니다.

구글과 메타는 비디오 처리에서 일정한 이점이 있습니다. 현재 Microsoft는 Bing의 동영상과 많은 파트너 제공 업체와의 협력을 통해 동영상 리소스를 확보하고 있으며 동영상 수는 META 및 Google만큼 좋지는 않지만 전체 출발선에서 격차가 절대적으로 분명하지는 않습니다. 이는 차세대 알고리즘을 개발할 때 누구나 기존에 축적된 데이터에 대한 리모델링을 많이 해야 하기 때문입니다. 결과적으로 사용 가능한 동영상의 범위와 양 측면에서 헤더와의 격차는 약 10배 정도입니다. 따라서 질적인 차이는 없겠지만, 구글과 메타가 경쟁 우위를 점할 수 있는 것은 사실입니다.

7, 비디오를 직접 생성하든 이미지 스티칭을 통해 생성하든 Microsoft 또는 OpenAI의 현재 비디오 생성 경로

오늘날 모든 사람들이 기본적으로 프레임 단위로 비디오를 생성하고 있으며 원리는 크게 다르지 않으며 이것이 현재 주류 기술입니다. 따라서 단기 및 중기 적으로 비디오는 더 짧을 수 있지만 OpenAI는 현재 주요 응용 분야로 볼 수있는 약 15 분 길이의 애니메이션 영화, 특히 공상 과학 애니메이션 영화를 성공적으로 생성했습니다.

현재 가장 큰 병목 현상은 비디오 생성의 합리성인데, 생성된 비디오가 길수록 불합리할 가능성이 높기 때문입니다. 둘째, 현재 산술의 한계로 인해 동시에 많은 수의 비디오 생성을 지원하는 것은 불가능하지만 기술적으로 알고리즘 병목 현상, 즉 비디오 문제로 생성 된 알고리즘 기술은 없습니다. 따라서 이론적으로 비디오 생성은 시간이 짧기 때문에 짧은 비디오 생성을위한 더 많은 단어이지만 실제로는 긴 비디오 및 영화를 생성하는 데에도 사용할 수 있습니다. 동시에 현재 피팅 및 기존 비디오 자료를 통해 상대적으로 강력한 수정 등을 포함하여 비디오 런오프 및 중단 생성을 피할 수있는 여러 가지 방법이 있으며, 현재 주요 문제는 산술 측면에서 여전히 지원이 충분하지 않습니다.

8, 비디오가 더 좋을 수있는 시간의 현재 세대, 효과 후 얼마나 오래 도달하는 시간은 약할 수 있습니다.

현재 2 분 분량의 동영상을 생성하는 데는 합리성 등 큰 문제가 없으며 정확도는 95 % 이상에 도달 할 수 있습니다. 그러나 생성 시간이 1~2시간으로 길어지면 잘못된 정보가 포함될 확률이 크게 증가하여 약 20~30%를 차지하며, 이러한 잘못된 정보는 상황 논리의 현실과 일치하지 않을 가능성이 높습니다. 따라서 현재는 2분 미만의 동영상을 제작할 것을 권장하고 있습니다. 콘텐츠 소재의 경우 애니메이션, 단순한 장면의 기계적 움직임, 기존 소재의 조합을 생성하는 것이 더 쉽습니다. 예를 들어, 기존 자료를 동영상 형태로 조합한 뉴스 영상을 편집할 때에도 단순히 몇 장의 사진을 겹치거나 조합하는 것이 아니라, 전환 효과에 일부 효과를 추가하고 라이브러리의 다른 동영상 클립을 산재하여 접합을 선택하는 등의 과정을 거칩니다. 그러나 라이브 액션 영화를 생성하는 것과 같은 일부 복잡한 장면의 경우 현재로서는 매우 어렵습니다.

9, 다중 모드 모델 후속 개발 방향, 모델의 기본 논리 또는 구조에서 모델을 조정해야하는지 여부

동영상을 식별하고 생성하는 문제를 해결하기 위해 모델 구조를 설계하거나 조정할 수있는 몇 가지 방향이 있습니다. 첫째, 알고리즘 수준에서 시중의 동영상 생성 알고리즘이 동영상 요소의 의미를 실제로 이해하지 못하기 때문에 기존 알고리즘에 의존하여 동영상의 논리를 생성 할 수 없습니다. 오픈 알의 목표는 큰 모델이 동영상의 본질적인 의미를 이해하도록하는 것입니다. 예를 들어 장면, 캐릭터, 사물 등을 이해하고 동영상 요소를 이해합니다. 장면, 캐릭터, 오브젝트 등을 이해하고 이들 간의 연속성과 영향을 이해하는 것입니다. 극복해야 할 핵심 포인트는 알고리즘이 영상의 의미를 이해할 수 있도록하는 것이며, 이와 관련하여 많은 아이디어가 있었지만 영상의 의미를 진정으로 이해할 수있는 좋은 방법은 시장에 없습니다. 따라서 기존의 비디오 생성 방법을 사용할 수 있지만 이상적이지는 않습니다. 라인 알고리즘의 기본 로직의 통합과 혁신을 통해 영상의 의미를 이해하고 특정 문맥의 의미에 따라 심층적인 영상을 생성할 수 있도록 하는 것이 필요합니다. 또한 엔지니어링 측면에서도 OpenAl은 더 높은 성능 요구 사항을 가지고 있습니다. 앞서 언급한 많은 모델들은 실제로 의미를 깊이 이해하지 않고 비디오를 생성하기 때문에 이해가 깊지 않기 때문에 산술적 요구량이 높지 않습니다. 그러나 더 많은 요소가 추가되고 심층적으로 이해되면 산술 수요는 기하급수적으로 증가합니다. 따라서 다음 단계로 넘어가려면 수천 배 이상의 산술적 지원이 필요합니다.

10 、 모델 캐릭터의 현재 착륙 또는 상용화의 진행 상황은 예상과 어떻게 비교됩니까?

현재 마이크로소프트는 윈도우용 빙, 코파일럿, 타사 클라우드 애플리케이션에서 상당한 성과를 거두었습니다. 특히 마이크로소프트의 클라우드 서비스를 사용하는 써드파티 기업의 경우 기대 이상의 성과를 거두었습니다.

원래 Microsoft는 해당 회사들이 Word, Windows 및 기타 제품에 GPT를 통합하여 사용자가 이러한 시나리오에서 더 잘 사용할 수 있을 것으로 기대했습니다. 그러나 실제 상황은 정반대로, 자체 통합 GPT의 통화량이 오히려 Microsoft의 기존 Word 및 기타 Microsoft 제품 조합의 통화량을 초과했습니다. 따라서 GPT에 대한 수요는 개인 사용자보다 이러한 회사에서 더 강합니다. 주요 산업은 통화량이 가장 많은 고객 서비스 봇, 음성 대화 플랫폼 및 에스코트 채팅과 같은 기술 산업이 주도하고 있습니다. 그러나 Microsoft Office 및 Windows 사용 전반에서 모델 호출 수는 예상보다 약간 낮습니다.

11, C측보다 B측 애플리케이션 랜딩을 더 잘 이해하는 방법

예를 들어 일부 회사 및 고객 서비스 대행사는 많은 대화 메시지를 처리해야하므로 대화에 더 많은 기능이 필요하므로 일반적으로 대화가 여러 라운드이고 예측할 수없는 많은 대화를 생성하는 대화에 동행 할 수있는 능력이 더 필요합니다. GPT에 액세스 한 후 GPT는 일반 소비자가 Microsoft 문서를 직접 사용하거나 Bing을 사용하여 문제를 해결하는 것과 비교하여 고객과 상호 작용할 수 있으며, B 엔드 필드 수의 고객은 C 엔드 사용자와 동시에 더 많은 수요를 가지고 있으며, 검색 엔진 등과 같은 전통적인 방법으로 여전히 더 많은 요구를 충족시킵니다. 따라서 수요 강도와 장면 제한이 다르기 때문에 B 측의 전체 통화량이 C 측보다 더 큽니다.

12 、 B- 엔드와 C- 엔드의 상용화 과정을 보는 방법

사실, 회사는 처음에는 C- 엔드에서 너무 많은 현금을 고려하지 않고 B- 엔드를 주요 현금 수단으로 고려했습니다. 예를 들어, 오브이스 제품이 대표적인데, 오브이스는 주로 B엔드 사업화에 집중하고 있습니다. 오브이스는 C엔드에서 베스트셀러로 꼽히지만, C엔드 사용자들의 수익은 B엔드의 10분의 1에도 미치지 못합니다. 그 이유는 C측 사용자 대부분은 여전히 불법 복제 버전을 사용하는 반면, B측 고객은 조금 더 큰 회사라면 정품 버전을 구매하기 때문입니다. 또한 Microsoft는 정부와의 협업 프로젝트, 맞춤형 엔터프라이즈 프로젝트, 특히 로펌과 같은 회사나 반복적인 도구가 필요한 전문 분야와 협업하는 프로젝트가 많기 때문에 Microsoft의 도구에 대해 기꺼이 비용을 지불할 의향이 있습니다. 그들은 지불 의지가 강하고 프리미엄 가격도 기꺼이 지불할 의향이 있습니다. 전체적으로 보면 B 쪽이 C 쪽보다 더 많은 수익을 가져다 줄 것이 분명한데, 그럼에도 불구하고 Microsoft가 여전히 Office 365와 같은 제품군 업그레이드를 하는 이유는 무엇인가요? 사실, 우선 시장을 점유하고 두 번째로 사용자의 인식을 높여 사람들이 자신의 작업을 개인 비서와 공유 할 수 있다는 것을 깨닫고 그러한 사용자 습관을 개발하기 위해서입니다. 마지막으로 해당 장면을 다듬은 후 마지막으로 B 측 고객에게 전달하고 청구합니다.

13. M365 Copilot용 B측 전류 피드백

현재 Copilot 구매 의향과 관련하여 실제로 유럽과 미국의 고객은 해당 서비스를 구매할 의향이 매우 높으며 약 8 %의 사용자가 서비스 비용을 지불하기로 선택했으며 예상되는 10 %의 차이는 크지 않습니다.

14 、 Microsoft Cloud를 사용하는 사용자의 특징은 무엇입니까?

해당 기업은 일반적으로 신흥 기업, 전통 기업 또는 인터넷 및 소프트웨어 회사에 관계없이 모두 기술과 관련이 있으며, 특히 일부 전통 미디어 및 광고 회사는 전통적인 분류에 속하지만 실제로는 새로운 미디어 및 기술 지원 활동에 참여하고 있으므로 Microsoft와 접촉하는 회사는 일반적으로 기술 신흥 기업 범주에 속합니다. Microsoft의 클라우드 서비스를 구매하는 순수 전통 기업은 아직 본 적이 없으며, 대부분의 경우 기존 대기업의 기술 부문에서 구매합니다. 둘째, Microsoft는 개인 정보 보호에 대해 매우 우려하고 있으며 사용자 데이터를 보지 않고 고객에게 사용할 모델 서비스 만 제공하겠다고 약속했기 때문에 다음 범주로 만 엔터프라이즈 패키지의 통화량을 판단 할 수 있습니다. 인터넷 회사는 주로 인터넷 미디어 자체의 작업에 종사하는 사람들과 기업의 대화 로봇 사용을 의미하며 고객 서비스 소프트웨어 기술 회사는 두 번째 범주이며 세 번째 범주는 자료 작성 및 뉴스 및 정보와 같은 과학 기술 회사의 콘텐츠 작성에 특화되어 있습니다. 예를 들어, 자료 제작 및 뉴스 정보 등. 또한 다른 산업의 기업은 특별히 눈에 띄는 특징이없는 미세 분자 장면에 속합니다.

15, 현재 기업 수요의 지속 가능성은 어떻습니까?

현재 해당 분야는 비교적 장기적인 발전 단계를 거쳤으며 프로세스가 공고화되는 방향으로 발전하고 있습니다. 예를 들어 고객 서비스 로봇은 GPT 기술을 성공적으로 적용하여 실제 시나리오에서 역할을 수행했습니다. 이제 많은 실제 시나리오에서 GPT를 기본 서비스로 강화할 수 있지만 여전히 개선 및 탐색의 여지가 있으며이 서비스를 철회하지 않을 가능성이 높으며 통화량은 기본적으로 지속적으로 증가하고 있습니다.

16 、 OpenAI R & D에 대한 Microsoft의 영향과 이후 OpenAI 모델과 Microsoft 제품의 결합을 이해하는 방법

우선, Microsoft는 OpenAl의 주요 주주로서 하드웨어, 전략적 플랫폼, 데이터 및 기타 도구와 서비스를 제공하여 OpenAI의 주요 지지자의 역할을 지원했습니다. 둘째, Microsoft 과학자들은 GPT-4에 참여한 연구원 중 약 1/3을 유럽 연합 팀과 함께 연구에 참여했습니다. 실제로 GPT-5에서는 Microsoft 과학자들이 작업의 약 절반을 차지하며 연구 개발 작업에서 어느 정도 분업이 이루어질 것입니다. 전반적으로 Microsoft는 특정 개발 영역에서 점차 주도적인 역할을 맡게 될 것입니다. 전체 프레임워크는 여전히 OpenAl이 주도하고 있지만, 특정 영역의 특수 알고리즘에 대해서는 Microsoft가 결정적인 역할을 합니다. 그 결과 두 팀 사이에 긴밀한 파트너십이 형성되었습니다. 그리고 Microsoft의 입력은 이전보다 더 커질 것이며, Microsoft의 영향력도 커질 것입니다. 시간이 지남에 따라 OpenAl은 대규모 모델의 기능을 Microsoft의 제품으로 계속 내보낼 것이며, 현재 OpenAl은 Microsoft에 크게 의존하고 있기 때문에 협력 관계가 끊어지지 않을 것입니다.

17、마이크로소프트 애저 클라우드는 오픈AI 이외의 오픈소스 모델에 접근할 수 있는데, 마이크로소프트와 오픈알의 협력에 영향을 미칠까요?

Microsoft와 OpenAl 간의 협력에는 영향을 미치지 않습니다. Microsoft와 OpenAl은 생각에 약간의 차이가 있기 때문에 Microsoft는 여러 부서와 그룹이있는 대기업이며 그중 클라우드 부서가 그 중 하나이며 연구소는 또 다른 중요한 부서입니다. 연구소는 주로 오픈알과 협업할 AI 분야 과학자를 제공하는 역할을 하지만, 클라우드 사업부는 자체 플랫폼 전략을 가지고 있습니다. 클라우드 사업부는 고객이 클라우드 서비스를 이용하거나 컴퓨팅 자원을 사용하는 데 제약이 없는 개방형 플랫폼을 구축하는 데 주력하고 있습니다. 연구소 측면에서는 오픈알과 긴밀하게 협업하고 있으며, GPT 등 해당 제품을 공동 개발하는 등 전반적으로 충돌은 없습니다.

PS:

ChatGPT 다운로드 증가, AI 애플리케이션에 대한 확고한 낙관론

9월 25일부터 ChatGPT 플러스/엔터프라이즈 사용자에게 음성 및 이미지 상호작용 제공

Data ai에 따르면, 미국 지역의 iOS 다운로드 차트 순위는 9/24일 19위에서 9/26일 3위까지 상승했으며, 현재 5위를 기록하고 있습니다.

--------------------------

1, 의미 - AI에 대한 일반 사용자의 열정이 다시 회복됨

이전에는 3 ~ 4 월에 ChatGPT 방문 횟수가 정점을 찍고 그 이후로 감소했습니다. 이 업그레이드 (특히 음성 상호 작용)는 일반 사용자와 AI 간의 물리적 상호 작용 감각을 크게 향상시키고 지루한 순수 텍스트를 제거하고 To C를 더욱 개방합니다.

"ChatGPT"라는 용어의 Google 검색 열기도 9 월 말 약 75 개 (3 ~ 4 월 100 개에 비해)로 돌아 왔으며 AI 애플리케이션에 대한 일반 사용자의 관심이 점차 증가하고 있습니다.

현재 음성 기능은 아직 모든 사용자에게 개방되지 않았으며, 추후 광범위한 자유화가 이루어지면 ChatGPT 사용률이 더욱 높아질 것으로 예상됩니다.

2, 후속 AI 촉매 노드

# 10월 15~16일: 엔비디아 AI 서밋, 젠슨 황이 연설합니다.

#11월 1위: 마이크로소프트 코파일럿 정식 출시

3, 집중해야 할 두 가지 유형의 회사

1) 게임에 대한 체계적인 관심 : 밸류에이션 조정, 버전 번호 정상화 / 붐 반등, 9 월 구매량 비용 감소

#카이인 네트워크(소형 게임 10위권 진입), 지빗(M66 재시작 예약), #산치후 엔터테인먼트(소형 게임 1위) 자이언트 네트워크(AI 플레이 내부 테스트), #성천 네트워크(AI 오디오 소셜) 션저우 타이위(AI 통화)

2) AI 멀티모달 및 인터랙션

#완싱테크놀로지(캐노피 대형 모델) 차이니즈온라인(AI 만화) #망고슈퍼미디어(오버슈트 + 10월 투자유치 촉매제 집중)

공개 번호가 개편되어 기사 푸시를 제때받지 못할 수 있으므로 "좋아요"및 "보기"아래의 기사를 반드시 클릭하고, 세 개의 점 오른쪽 상단의 공개 번호 홈페이지를 클릭하면 공개 번호가 "별"로 설정됩니다! "로 설정되어 쉽게 액세스 할 수 있습니다.