AI新闻动态（2024-12-01到2024-12-07)

[ikaijua]

AI新闻动态（2024-12-01到2024-12-07)

欢迎投稿。另有AI招人板块发布AI领域相关招聘信息。合作请邮件联系。

目录

AI产品

1. OpenAI 发布 o1 模型完整版并推出 ChatGPT Pro 模式，月费 200 美元，可无限制访问所有高级模型
2. OpenAI推出强化微调功能，可使用极少训练数据创建专家模型
3. Meta 发布 70B 参数的 Llama 3.3，性能超越 405B 参数的 Llama 3.1
4. 腾讯开源混元视频生成大模型HunYuan-Video
5. 李飞飞首个创业项目：单张图片生成交互3D场景
6. 谷歌推出 Genie 2，可生成无限多样的 3D 游戏世界
7. 微软开源3D生成模型TRELLIS，能够根据文字或图片描述生成逼真的三维模型
8. 亚马逊云科技在re:Invent24大会上发布Amazon Nova多模态系列大模型，覆盖文本对话、图片生成和视频生成
9. MinMax海螺AI发布新的2D动画专用视频生成模型Hailuo I2V-01-Live，能够将日漫、游戏、插画等风格的静态人物转换成生动的2D风格视频
10. 文本转语音开源项目Fish Speech 1.5版本发布
11. 阿里发布悦动人像EMO的API和教程

AI研究

1. NeurIPS 2024最佳论文揭晓，“投毒”字节大模型的实习生，成了中国大陆首个拿到NIPS最佳论文的人

AI洞察

1. 国行苹果 AI 确认与百度合作，但进展不太顺利
2. 石头科技和科沃斯两大扫地机器人企业近期净利润大幅下降，分别减少了43%和69%
3. OpenAI 从 Google DeepMind 苏黎世办事处挖来了三名谷歌Vision Transformer作者

AI投资

1. 马斯克的人工智能公司xAI已成功筹集到60亿美元新资金
2. Meta 计划在建造一个100亿美元的人工智能数据中心
3. Luma AI完成了新一轮千万美元融资，投资方包括亚马逊、AMD等

[ikaijua]

2024-12-03 李飞飞首个创业项目：单张图片生成交互3D场景

1. World Labs展示了其技术，能够从单张图片生成精细的3D效果，并在浏览器中实时呈现。
2. 直接生成3D内容提高了对内容的控制力和一致性，可能改变电影、游戏、模拟器等数字表现方式。
3. 3D场景具有持久现实、实时控制和正确的几何形状等优势，可以用于艺术摄影效果、交互效果构建等。
4. World Labs的技术还能用于体验标志性艺术作品，根据名画家的作品生成3D世界。
5. World Labs的技术可以与现有的AI工具结合，为创作者提供新的体验和创作方式。

官方博客：https://www.worldlabs.ai/blog

媒体文章：

• 机器之心：刚刚，李飞飞创业首个项目引围观：单图生成交互3D场景，空间智能来了

[ikaijua]

2024-12-03 腾讯开源混元视频生成大模型HunYuan-Video

1. 模型提供超写实画质，能在真实与虚拟间自由切换，突破动态图限制，实现大幅度动作流畅演绎，具备导演级运镜效果和多视角镜头切换能力。
2. 模型在光影反射上遵循物理定律，降低观众跳戏感，增强沉浸感；具备强大的语意遵从能力，简单指令即可实现多主体准确描绘和流畅创作。
3. 模型参数量达到130亿，采用了新一代文本编码器、自研3D视觉编码器、全注意力机制等技术，提升语义遵循和画面运镜能力。
4. 腾讯混元系列大模型包括混元文生图大模型、混元 Large MoE模型和混元 3D 生成大模型。

hunyuan.mp4

github地址：https://github.com/Tencent/HunyuanVideo
官网：https://aivideo.hunyuan.tencent.com/

媒体文章：

• 机器之心：开源社区参数量最大的文生视频模型来了，腾讯版Sora免费使用
• 量子位：腾讯版Sora发布即开源！130亿参数，模型权重、推理代码全开放

[ikaijua]

2024-12-06 OpenAI 发布 o1 模型完整版并推出 ChatGPT Pro 模式，月费 200 美元，可无限制访问所有高级模型

1. o1 模型完整版，比 o1-preview 更智能、更快，错误率减少 34%，响应速度快 50%。
2. o1 pro 模式通过增加推理时间，提供更可靠、准确的响应。
3. ChatGPT Pro 用户可在 ChatGPT 模型选择器中选择 o1 pro 模式。
4. o1 完整版将很快在 OpenAI 的 API 中推出，具有新功能。

OpenAI官方博客：https://openai.com/index/introducing-chatgpt-pro/

OpenAI发布会第一天完整文字稿：https://baoyu.io/blog/openai-12-day-launch-event-day1-video

OpenAI youtube账号视频：https://www.youtube.com/watch?v=iBfQTnA2n2s

中英文字幕视频：
https://www.bilibili.com/video/BV1neiYYxEyn/
https://www.youtube.com/watch?v=1lx4WT5EDg0

媒体文章：

• 机器之心：OpenAI 12连更第一弹：o1完全体，200刀一个月的ChatGPT Pro
• 量子位：OpenAI第一场直播就炸场！o1满血版上线，史上最贵订阅费1450/月

[ikaijua]

2024-12-07 马斯克的人工智能公司xAI已成功筹集到60亿美元新资金

1. 投资者至少提供了77593美元，共有97人参与，但具体身份未透露。
2. 预计Valor Equity Partners、Sequoia Capital、Andreessen Horowitz和卡塔尔投资局参与了此轮融资。
3. 这笔资金使得xAI的总融资额达到120亿美元，目标估值为500亿美元。
4. 只有上一轮融资中支持xAI的投资者被允许参与此轮融资，部分投资者可获得最多25%的xAI股份。
5. 其他AI公司如Anthropic和OpenAI本年分别筹集了40亿美元和66亿美元。
6. 2024年第三季度AI风险投资活动达到311亿美元，涉及2000多笔交易，其中OpenAI和Anthropic的巨额融资推动了这一增长。

媒体文章：

• bloomberg：Musk’s xAI Wraps Up $6 Billion in Funding in Latest Round

[ikaijua]

2024-12-07 OpenAI推出强化微调功能，可使用极少训练数据创建专家模型

1. 微调后的o1-mini模型得分提高80%，反超o1正式版。
2. 强化微调适用于特定领域，可通过强化学习自行探索和学习推理复杂任务。
3. OpenAI已开启强化微调研究计划，开放alpha版本访问权限。
4. 强化微调将在2025年初作为产品发布，可申请测试通道。

官方文章：https://openai.com/form/rft-research-program/
OpenAI youtube视频：https://www.youtube.com/watch?v=yCIYS9fx56U

OpenAI第二天发布会完整文稿：https://baoyu.io/blog/openai-12-day-ai-event-day-2-video?continueFlag=092ef71988dbeb7ed68c723aef2a43b6

视频：
https://www.bilibili.com/video/BV1WrirYXEXb/
https://youtu.be/cJ6Wpyre5FQ

媒体文章：

• 量子位：OpenAI强化微调登场：几十条数据o1-mini反超o1暴涨80%，奥特曼：今年最大惊喜

[ikaijua]

2024-12-05 OpenAI 从 Google DeepMind 苏黎世办事处挖来了三名谷歌Vision Transformer作者

1. 这三位研究员在 Google DeepMind 紧密合作，共同参与了重要研究，例如 ViT。
2. 他们将在 OpenAI 苏黎世办事处继续从事多模态 AI 研究。
3. 这三位研究员在计算机视觉领域拥有出色的研究成果，包括 ViT、MLP-Mixer 和 Big Transfer。
4. 他们近期的研究重点是统一、简化和扩展多模态深度学习。
5. OpenAI 正在全球扩张，除了新的苏黎世办事处，还计划在其他城市开设分支机构。

媒体文章：

• 机器之心：刚刚，三名谷歌Vision Transformer作者官宣加入OpenAI

[ikaijua]

2024-12-07 Meta 发布 70B 参数的 Llama 3.3，性能超越 405B 参数的 Llama 3.1

1. Llama 3.3 的使用成本大幅低于 Llama 3.1 405B。
2. 后训练技术，特别是在线偏好优化，是 Llama 3.3 性能提升的关键。

x发文：https://x.com/AIatMeta/status/1865079067390956006

试用地址：https://api.together.ai/playground/chat/meta-llama/Llama-3.3-70B-Instruct-Turbo

媒体文章：

• 量子位：新版Llama 3 70B反超405B！Meta开卷后训练，谷歌马斯克都来抢镜

[ikaijua]

2024-12-04 亚马逊云科技在re:Invent24大会上发布Amazon Nova多模态系列大模型，覆盖文本对话、图片生成和视频生成

1. Amazon Nova系列模型包括四种不同功能和尺寸的模型，从Micro到Premier，以满足不同层次的需求。
2. Amazon Nova在多个Benchmarks上展示了其在检索增强生成、函数调用和智能体应用方面的性能。
3. 宣布了基础设施的更新，包括计算、存储和数据库三大板块，以及推出了Amazon EC2 Trn2实例和Trn2 UltraServer。
4. 发布了AWS Trainium3芯片预览版，预计于2025年推出，将采用3纳米工艺制造。
5. 在应用层推出了Amazon Q的新功能，帮助企业将.NET应用程序和VMware工作负载迁移到AWS。

官方介绍：Introducing Amazon Nova, our new generation of foundation models

媒体文章：

• 量子位：“云计算一哥”一口气发布6个大模型、3nm芯片！多模态还要搞Any-to-Any

[ikaijua]

2024-12-06 Luma AI完成了新一轮千万美元融资，投资方包括亚马逊、AMD等

1. Luma AI成立于2021年，专注于计算机视觉内容技术，涵盖视频生成、3D生成和图片生成。
2. 2024年1月，Luma AI完成了4300万美元B轮融资，投资方为A16Z。
3. Luma AI发布了AI应用型产品Dream Machine AI创意平台，旨在扩大用户基数，提供易上手的AI视觉工具。
4. Dream Machine AI创意平台具备文生图像设计、AI头脑风暴等功能，对自然语言Prompt的理解能力强，能生成高清配文。
5. Luma AI在视频、图像、3D多模态领域全面布局，提供API服务，并采用限免+付费订阅的收费模式。

媒体文章：

• 36kr：AI视觉领域明星「Luma AI」完成千万美元融资，亚马逊、AMD投了｜36氪独家

[ikaijua]

2024-12-06 Meta 计划在建造一个100亿美元的人工智能数据中心

1. 这个数据中心将是Meta迄今为止建造的最大的数据中心，占地400万平方英尺。
2. 数据中心位于路易斯安那州里奇兰教区，预计于本月开始建设，将持续至2030年。
3. 该数据中心将支持Meta的所有服务，包括Facebook、Messenger、Instagram、WhatsApp和Threads。
4. Meta将与当地能源公司Entergy合作，通过可再生能源满足电力需求。
5. Meta计划从2030年代初期起在美国新增1000到4000兆瓦的核能发电能力，以支持其AI和环境保护目标。
6. 数据中心的建设旨在容纳处理大量数据所需的网络和服务器，特别是人工智能相关工作负载。

媒体文章：

• oschina：Meta 投资 100 亿美元建史上最大 AI 数据中心

[ikaijua]

2024-12-06 石头科技和科沃斯两大扫地机器人企业近期净利润大幅下降，分别减少了43%和69%

1. 尽管销量和单价有所增长，但由于新品推广和市场竞争，两家公司的利润下降。
2. 扫地机器人市场增速放缓，但销量仍小幅上涨，2024年预计中国零售量将达到525万台。
3. 企业为了保持市场竞争力，不断推出新品，导致研发和销售费用增加，库存积压。
4. 扫地机器人行业竞争激烈，市场份额分散，各家公司都在寻求通过技术创新和市场拓展来提升市占率。
5. 扫地机器人公司在智能化方面有所提升，但消费者对产品的智能化程度仍有期待。
6. 企业正在寻找第二业务增长点，并积极开拓海外市场，以应对国内市场的竞争和饱和。

媒体文章：

• 36kr：扫地机器人，“赚”不动了

[ikaijua]

2024-12-05 谷歌推出 Genie 2，可生成无限多样的 3D 游戏世界

1. Genie 2能根据操控实时生成游戏画面，能生成第一人称和第三人称视角的视频，能调整画面角度，最长生成1分钟长度的视频。
2. Genie 2 具有长期记忆，即使玩家视角改变，也能稳定渲染世界。
3. 游戏世界中可存在其他 AI NPC，与玩家角色进行复杂交互。
4. Genie 2 可用于训练具身智能体，迈向通用人工智能 (AGI)。
5. Genie 2 克服了此前世界模型研究的局限，可生成丰富多样的 3D 世界。
6. Genie 2 基于自回归潜空间扩散模型，使用自编码器和 Transformer 动力学模型。
7. 实时控制版本正在开发中，但会降低输出质量。

genie2.mp4

项目介绍：Genie 2: A large-scale foundation world model

媒体文章：

• 36kr：谷歌邀马斯克联手做AI游戏，DeepMind版Sora是个3D游戏引擎，一张图生成无限可交互世界
• 智东西：谷歌发布世界模型Genie 2，一键生成3D游戏，人和AI都能玩，时长多达1分钟

[ikaijua]

2024-12-05 国行苹果 AI 确认与百度合作，但进展不太顺利

1. 苹果与百度合作，计划使用百度的文心大模型4.0为iPhone、Mac和iPad等设备提供生成式人工智能服务。
2. 合作内容包括在iPhone等设备上落地小模型以及云端运行的大模型，Siri也将整合百度的AI模型以提供更好的搜索结果。
3. 苹果和百度的工程师正在改造百度的文心一言(Ernie 4.0)大语言模型以更好地服务iPhone用户，但进展不顺利。
4. 百度的AI模型在处理iPhone用户常见问题时表现出理解力不足和回答不准确。
5. 苹果和百度在隐私保护问题上存在分歧，百度希望保留通过AI搜索功能收集的用户数据，而苹果则以数据隐私为核心设计。
6. 百度对合作深度预估不足，苹果希望基于用户在iPhone上的使用数据提供个性化推荐，而百度的模型只能基于对话历史提供答案。
7. 苹果为获得百度文心大模型的模型授权支付费用，并承担新的训练和微调成本，但目前合作成果未能满足苹果要求。

媒体文章：

• oschina：国行苹果 AI 确认与百度合作，但进展不太顺利

[ikaijua]

2024-12-07 海螺AI发布新的2D动画专用视频生成模型Hailuo I2V-01-Live，能够将日漫、游戏、插画等风格的静态人物转换成生动的2D风格视频

1. 该模型在生成画面的流畅性和动作的生动连贯性上有显著提升，特别优化了稳定性和细微表达。
2. 海螺AI模型支持丰富的美术风格，能够生成更流畅和精致的作品，包括水墨风格、插画风格以及迪士尼3D风格。
3. 在Vbench测试基准中，海螺AI在画面生成质量维度上排名第三，被国内外网友广泛用于创作meme和影视剧二创内容。
4. 海螺AI模型的优点在于生成表情更细腻和动作更流畅，能够快速生成多种表情和动作。
5. 随着图像和视频生成模型的发展，海螺AI专注于二次元风格，而其他公司也开始主打风格化和差异化。

hailuo.mp4

这个图片生成的视频：

musk-animation.mp4

上面图片生成的视频：提示词“A lazy wake-up call and a stretch.”

hailuo_animation.mp4

海螺x发文：https://x.com/Hailuo_AI/status/1863961575574622662

网址：https://hailuoai.video/

媒体文章：

• 量子位：二次元狂喜！海螺发布2D动画专用视频生成模型，日漫迪士尼插画风都支持

[ikaijua]

2024-12-07 文本转语音开源项目Fish Speech 1.5版本发布

1. 相比1.4版本有显著升级，尤其在多语言支持、无音素依赖、准确度、端到端处理和情感化方面有所改进。
2. 1.5版本支持包括英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语在内的多种语言，能够自动识别并处理多语言文本。
3. 模型在处理5分钟英文文本时，字符错误率（CER）和单词错误率（WER）保持在约2%的低水平，确保了高度的准确性。
4. Fish Speech 1.5集成了自动语音识别（ASR）和文本到语音（TTS）功能，实现了真正的端到端处理。
5. 在实际测试中，Fish Speech在推理速度和显存占用方面表现优于CosyVoice，但在停顿处理和情感化控制方面还有待提高。
6. Fish Speech能够正确处理跨语言、数字和日期的朗读，而CosyVoice在中英文混合情况下效果较差。
7. Fish Speech 1.5版本相比1.4版本在泛化效果上有显著提升，但仍然存在停顿处理不佳、情感化控制不足和零样本复制问题。

媒体文章：

• 码农匠人：全新版本来了! Fish Speech 1.5 深度评测与对比

[ikaijua]

2024-12-07 微软开源3D生成模型TRELLIS，能够根据文字或图片描述生成逼真的三维模型

1. TRELLIS以其极速、轻量和强大的生成能力，为开发者和设计师提供一站式3D资产生成解决方案。
2. 该模型支持多种输出格式，包括辐射场、3D高斯和网格表示，满足不同应用需求。
3. TRELLIS的主要亮点包括极速生成、多样化输出格式、轻量化显存需求（仅需16G显存）以及灵活适配多种场景。
4. 用户可以通过HuggingFace上的在线TRELLIS进行操作，上传图像并生成3D资产，或者选择本地部署项目。
5. TRELLIS不仅是一种3D生成工具，还适用于游戏开发、动画制作、AR/VR以及科学可视化等多种应用场景。
6. 微软的TRELLIS被视为3D生成领域的突破，为3D建模和可视化爱好者提供了便利。

teaser_1080.mp4

项目地址：https://trellis3d.github.io/
github地址：https://github.com/Microsoft/TRELLIS

[ikaijua]

2024-12-07 阿里发布悦动人像EMO的API和教程

1. EMO能基于人物肖像图片和人声音频文件生成高质量的人物肖像动态视频。
2. 用户可以通过提供的API进行模型调用，也可以选择模型独立部署以获得更好的性能。

1.mp4

教程地址：https://help.aliyun.com/zh/model-studio/developer-reference/emo-quick-start

[ikaijua]

2024-12-05 NeurIPS 2024最佳论文揭晓，“投毒”字节大模型的实习生，成了中国大陆首个拿到NIPS最佳论文的人

1. 最佳论文之一《Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction》提出了一种新的图像生成框架VAR，超越了扩散模型。
2. 另一篇最佳论文《Stochastic Taylor Derivative Estimator: Efficient amortization for arbitrary differential operators》介绍了一种高效算法STDE，用于优化神经网络损失函数。
3. 4篇获奖论文中有3篇的一作是华人。
4. 本届NeurIPS共收到15671篇有效论文投稿，比去年增长了27%，接收率仅为25.8%。
5. 亚军论文之一《Not All Tokens Are What You Need for Pretraining》提出了RHO-1预训练方法，挑战了传统的预训练方法。另一篇亚军论文《Guiding a Diffusion Model with a Bad Version of Itself》提出了自引导方法，通过使用模型的较小版本作为引导来提高图像生成质量。
6. 值得注意的是，论文的第一作者田柯宇是字节跳动的前实习生，他因对团队资源分配不满，恶意攻击团队研究项目的模型训练任务，造成资源损耗，后被字节跳动起诉索赔800万元。这一事件在学术界和工业界引起了广泛的关注。

论文地址：https://arxiv.org/abs/2404.02905

媒体文章：

• 量子位：NeurIPS 2024最佳论文揭晓！北大字节获最佳论文，清华厦大为亚军
• AI未来指北：“投毒”字节大模型的实习生，成了中国大陆首个拿到NIPS最佳论文的人