AI新闻动态（2024-08-18到2024-08-24)

[ikaijua]

AI新闻动态（2024-08-18到2024-08-24)

目录

AI产品

1. Midjourney网页新版本对所有人开放，可免费试用
2. AI绘图产品Ideogram发布了2.0版本，能直接生成海报了
3. 快手可灵 AI 推出了会员订阅计划，首月订阅价格为19元，次月为58元
4. 微软Azure AI语音服务推出了名为Text to Speech Avatar的新功能，可将文本转换为虚拟人说话视频
5. 微软发布了三款轻量级模型Phi-3.5系列，适用于内存和算力受限环境

机器人

1. 稚晖君一口气发布5款人形机器人

AI研究

1. Meta推出全新AI视觉模型Sapiens，专为理解人类视觉任务设计

AI洞察

1. 谷歌前CEO Eric Schmidt 在斯坦福大学的一次分享中，因其直言不讳的观点而引起争议，该视频后被斯坦福官方隐藏
2. 李沐在母校上海交通大学做演讲

AI投资

1. AMD计划收购AI基础设施供应商ZT Systems，交易价值达49亿美元

[ikaijua]

2024-08-22 Midjourney网页新版本对所有人开放，可免费试用

1. Midjourney推出网页版新版本，以应对竞争对手的挑战。
2. 网页新版本向所有人免费开放试用，每个用户有25个免费额度可以使用。
3. Ideogram 2.0凭借出色的图像生成质量和价格优势，成为AI生图市场的新星。
4. AI图像生成工具市场竞争激烈，百舸争流。

视频介绍：https://www.bilibili.com/video/BV19ZWLeQEnz/
网址：https://www.midjourney.com/imagine

媒体文章：

• 新智元：Midjourney官宣网页版免费用！前谷歌大佬祭出AI生图2.0，全网惊艳实测

[ikaijua]

2024-08-18 稚晖君一口气发布5款人形机器人

1. 稚晖君发布5款人形机器人，包括远征A2系列和灵犀X1系列。
2. 远征A2机器人具备超过40个主动自由度，能进行复杂的人类工作，具有持续学习的大脑和多模态感知能力。
3. 宣布灵犀X1本体设计图纸、软件框架和基础运控算法将开源。
4. 构建面向开放生态的软件平台AIMA，提供二次开发接口。
5. 自研通信框架AimRT，将于9月底开源。

• 智元机器人：发布会10分钟精剪
• 智晖君：2024智元年度新品发布会全程回顾

媒体文章：

• 机器之心：一年秀一次！稚晖君的人形机器人上新了，还有开源、免费彩蛋
• 量子位：稚晖君一口气发布5款人形机器人！开发者还能“0元购”

[ikaijua]

2024-08-19 谷歌前CEO Eric Schmidt 在斯坦福大学的一次分享中，因其直言不讳的观点而引起争议，该视频后被斯坦福官方隐藏

1. Schmidt 认为谷歌在AI领域落后于OpenAI的原因是谷歌更注重工作与生活的平衡，而不像初创公司那样要求员工拼命工作。
2. 他提到了成功的公司如特斯拉和台积电，强调了对员工严格要求和高强度工作的重要性。
3. Schmidt 承认自己过去对某些技术如英伟达的CUDA持怀疑态度，但现在这些技术成为了行业标准。
4. 他预测AI技术将导致富者愈富、贫者愈贫的社会分化，并且只有拥有技术资源的国家才能在这个领域取得成功。
5. 他讨论了AI技术在芯片制造等行业的应用，指出这些技术虽然产值高，但不会大幅拉动就业。
6. 最后，Schmidt 强调了AI技术需要组织创新才能实现其潜力，目前业界还在初期阶段，只是在摘取“低垂的果实”。

B站视频：

• 宝玉xp：Google 前 CEO 埃里克·施密特近期在斯坦福 CS323 课堂上的访谈（完整版）

媒体文章：

• Founder Park：在这段被下架的视频里，谷歌前CEO说了很多真话

[ikaijua]

2024-08-21 AMD计划收购AI基础设施供应商ZT Systems，交易价值达49亿美元

1. ZT Systems是超大规模系统设计和GPU机架系统的ODM，服务包括微软、Meta、亚马逊等
2. 收购将通过现金支付75%，股票支付25%。
3. 预计收购将在2025年上半年完成，涉及财务、法律和税务审查等流程。
4. ZT Systems的年销售额超100亿美元，占AMD去年收入的一半。
5. 收购将加强AMD在AI领域的竞争力，挑战英伟达市场领导地位。

媒体文章：

• 36kr：AMD350亿收购AI服务器龙头ZT Systems，“剑指”英伟达？

[ikaijua]

2024-08-23 李沐在母校上海交通大学做演讲

1. 李沐分享了关于LLM的趋势，包括数据、算力和算法三个方面。
2. 李沐认为LLM硬件方面带宽和内存是关键，摩尔定律依旧有效，算力价格长期看可能保持不变。
3. 李沐对不同模态的LLM进行了评分，认为多模态是趋势，长文本人机交互将更流行。
4. 李沐认为大模型应用本质上应提供无限人力资源，目前白领文科简单工作可hold住。
5. 李沐分享了个人职业选择的心得，包括大公司、博士和创业三个阶段的目标和优缺点。
6. 李沐建议从动机出发解决问题，学术价值做LLM理解，商业价值做新应用，成长价值做产品落地。

B站视频：沐神在交大讲座全过程

媒体文章：

• 量子位：李沐重返母校，上交大秒变追星现场，大模型趋势无保留分享
• 机器之心：李沐重返母校上海交大，从LLM聊到个人生涯，这里是演讲全文

[ikaijua]

2024-08-22 AI绘图产品Ideogram发布了2.0版本，能直接生成海报了

1. 在AI绘图领域，Ideogram以其卓越的文字生成能力而著称，解决了将文字准确且美观地嵌入图片的难题。每天可以免费生成5次，每次4张图片。
2. 通过与Midjourney和Dalle3的比较，Ideogram在文字嵌入准确性和整体美感方面表现突出。
3. Ideogram 2.0版本重点提升了模型质量和语义理解能力，尤其在写实、设计、3D和动漫四个类别上。
4. Ideogram提供了风格选择器，简化了用户操作，并支持中文输入及自动翻译成英文的功能。
5. 该产品在实用性上，特别是在生成海报和logo方面，显示出巨大的潜力。
6. 随着Ideogram 2.0的发布，Midjourney宣布其网页版向所有人开放，并恢复了免费试用，预示着AI绘图领域的新竞争。

官方介绍：https://about.ideogram.ai/2.0

使用地址：https://ideogram.ai/

媒体文章：

• 数字生命卡兹克：AI能直接生成海报了，我愿称Ideogram为新晋之王。
• 量子位：Midjourney地位不稳？AI绘图又一黑马出现，附4款产品一手实测

[ikaijua]

2024-08-24 Meta推出全新AI视觉模型Sapiens，专为理解人类视觉任务设计。

1. Sapiens模型针对四大关键视觉任务优化：二维姿势预估、身体部位分割、深度估计和表面法线预测。
2. 这些视觉任务对虚拟试穿、医学成像、增强现实、自动驾驶、三维重建等应用场景至关重要。
3. Sapiens模型参数数量从3亿到20亿不等，采用视觉转换器架构，共享编码器并配备不同解码器头。
4. 模型原生支持1K高分辨率推理，提供高保真度视觉输出，适合图像细节要求高的应用。
5. Sapiens在超过3亿张野生人类图像上预训练，具备卓越的泛化能力，即使在标注数据稀缺或使用合成数据情况下也能表现良好。
6. Sapiens模型设计考虑了易用性，提供Sapiens-Lite安装优化推理速度，同时提供安装脚本创建新环境并安装依赖项。

meta_sapiens.mp4

论文：https://arxiv.org/abs/2408.12569

[ikaijua]

2024-08-25 快手可灵 AI 推出了会员订阅计划，首月订阅价格为19元，次月为58元

1. 会员可以生成约66个视频或3300张图片，并享受包括高表现视频生成、视频延长、大师运镜等专属功能。
2. 可灵 AI 同时面向B端企业用户开启OpenAPI招募，首批加入企业将享有优先接入和专属技术支持。
3. 快手2024年二季度财报显示，可灵 AI 用户已超过百万，累计生成视频超千万。
4. 快手计划进一步升级可灵大模型，并推动其商业化变现。
5. 可灵大模型是快手 AI 团队自研，采用与 Sora 相似的技术路线，并结合了多项自研技术创新。
6. 快手可灵 AI 支持文字生成图片和视频，并允许调节参数，免费用户使用时会消耗“灵感值”，每日消耗完后需要付费。

媒体文章：

• IT之家：快手可灵 AI 推出会员订阅计划：支持 AI 图片 / 视频，首月 19 元起

[ikaijua]

2024-08-24 微软Azure AI语音服务推出了名为Text to Speech Avatar的新功能，可将文本转换为虚拟人说话视频

1. 这项服务使开发者能够创建个性化的虚拟人形象，提供多种人物预设形象。
2. 虚拟人的声音由Azure AI文本转语音技术支持。
3. 服务支持批量合成API，允许异步或实时合成文本到语音人像视频。
4. 在Speech Studio中提供内容创建工具，无需编码即可创建视频内容。
5. 通过Speech Studio的实时聊天头像工具，可以启用实时人像对话。
6. 该服务的定价基于视频输出的长度，按秒收费，并已在东南亚、北欧、西欧、瑞典中部、美国中南部和美国西部地区推出。

[ikaijua]

2024-08-21 微软发布了三款轻量级模型Phi-3.5系列，适用于内存和算力受限环境。

1. 模型支持128k上下文长度，针对不同任务设计了不同模型：Phi-3.5-mini-instruct、Phi-3.5-MoE-instruct和Phi-3.5-vision-instruct。
2. Phi-3.5-MoE-instruct模型有419亿参数，击败了GPT-4o mini。
3. 微软首次使用混合专家模型架构，优化了模型性能。
4. Phi-3.5-mini-instruct在长上下文代码理解任务中表现突出。
5. 所有模型均在Hugging Face上开源，遵循MIT协议。

• 下载 Microsoft Phi-3 Family：https://huggingface.co/collections/microsoft/phi-3-6626e15e9585a200d2d761e3
• Phi-3 Cookbook：https://aka.ms/phi-3cookbook](https://aka.ms/phi-3cookbook

媒体文章：

• 36kr：微软连发3款Phi-3.5模型：128K上下文，首用MoE架构，部分性能超GPT-4o mini