每周日AI一周見(jiàn)聞與您相約。AI一周見(jiàn)聞涵蓋四大部分：每周見(jiàn)聞、企業(yè)新品發(fā)布、AI黑科技、下周看點(diǎn)。

每周見(jiàn)聞

本周要點(diǎn)匯總：

1、谷歌從模型到應用全面進(jìn)擊AI，PaLM2讓Bard更強大，辦公套裝Workspace叫板Office。

2、3D建模大突破，OpenAI推出文本生成3D模型—Shap-E，生成3D模型從2分鐘優(yōu)化到100秒。

(資料圖)

3、Meta開(kāi)源 ImageBind 新模型，AI學(xué)會(huì )人類(lèi)感知，圖片是嫁接橋梁。

4、GPT4最強對手Claude史詩(shī)升級，解讀百頁(yè)資料僅需一分鐘。

5、還有三種黑科技，AI超寫(xiě)實(shí)數字人為何凸顯商業(yè)價(jià)值、AI更懂視頻等內容。

企業(yè)新品發(fā)布

1、谷歌從模型到應用全面進(jìn)擊AI

本周谷歌的I/O發(fā)布會(huì )備受矚目，新品發(fā)布效果超出市場(chǎng)的預期。谷歌不僅僅發(fā)布了新模型PaLM2，還將AI全面接入辦公套裝Workspace，直接叫板Office。

值得關(guān)注的是，新推出PalM2模型有四種大小，包括Gecko、Otter、Bison和Unicorn。Gecko作為最輕量的版本，可以部署到移動(dòng)端，易于微調各類(lèi)細分模型，提供每秒處理20個(gè)token的能力。

此前大模型在邊緣側終端的應用主要是依靠API接口調用的方式，大模型的訓練和推理仍在云端進(jìn)行，對邊緣側終端及芯片形態(tài)更新沒(méi)有太大需求。

輕量化Gecko版本，能夠提供AIGC更為定制化、時(shí)延更低，安全性、隱私性更好的應用，開(kāi)拓AI模型在終端芯片推理的場(chǎng)景，邊緣側智能終端以及SoC有望全面升級，進(jìn)入新的更新?lián)Q代周期。

見(jiàn)智研究認為：谷歌的PalM2模型推出，能夠更好的驅動(dòng)機器人Bard升級，不僅能夠使用100中語(yǔ)言回復用戶(hù)，多模態(tài)版本的Bard還更新了圖像、編程、應用集成等功能；而且還在醫學(xué)上被認達到臨床專(zhuān)家水平。

此外，PalM2大模型的又一亮點(diǎn)就是全球首個(gè)支持移動(dòng)端部署的大模型AI，被看做是點(diǎn)燃移動(dòng)邊緣端的Ai大模型競賽。意味著(zhù)大模型競賽的路線(xiàn)現在已經(jīng)從PC端拓展到手機和IOT領(lǐng)域。

從谷歌的研發(fā)力和生態(tài)的角度來(lái)看：

在A(yíng)I基礎設施上：A3虛擬機訓練速度目前比其他設施快80%，成本低50%；Vertex AI平臺能夠給開(kāi)發(fā)者提供多種基礎模型，用于微調從而盡快得到專(zhuān)屬模型。

在應用生態(tài)上：谷歌搜索推出Converse的生成式AI功能，不僅能夠寫(xiě)郵件、寫(xiě)文案、做表格、PPT能力直接對標Office，而且在決定購買(mǎi)性?xún)r(jià)比更好的產(chǎn)品時(shí)候特別有用。

之后最值得關(guān)注的是谷歌將推出基于Bard的拓展插件，擴大機器人的應用場(chǎng)景，比如讓Adobe 生成全新的圖像，用REDFIN進(jìn)行一個(gè)地區的所有房地產(chǎn)市場(chǎng)研究，購物、訂酒店、找工作都不在話(huà)下。

2、3D建模重大突破，OpenAI推出文本生成3D模型—Shap-E

傳統3D模型需要開(kāi)發(fā)者進(jìn)行手動(dòng)建模，而Shap-E模型可以只用過(guò)自然語(yǔ)言的描述創(chuàng )建3D模型，極大的提高了創(chuàng )作的效率和質(zhì)量。Shap-E模型可在GitHub上免費獲得，并支持在PC上本地運行。下載完所有文件和模型后，不需要聯(lián)網(wǎng)。最重要的是，它不需要OpenAI API密鑰，完全免費。

見(jiàn)智研究認為：Shap-E應用于更常見(jiàn)的擴散模型，與此前發(fā)布的Point-E模型區別在于：Shap-E直接創(chuàng )建物體的形狀和紋理，并采用稱(chēng)為神經(jīng)輻射場(chǎng)(NeRF)的特征來(lái)克服早期模型的模糊性，使三維場(chǎng)景看起來(lái)像逼真的環(huán)境。Point-E是根據文本提示生成3D點(diǎn)云。

此外，每個(gè)Shap-E樣本在單個(gè)NVIDIA V13 GPU上生成大約需要100秒，Point-E將花費多達兩分鐘的時(shí)間在同一硬件上渲染。因此Shap-E比Point-E運行效率更快。

但該模型也仍有一定的缺陷，比如它在組合概念方面的能力有限，未來(lái)通過(guò)收集或生成更大的帶注釋的3D數據集可能有助于解決這些問(wèn)題。生成的樣本通?？雌饋?lái)粗糙或缺乏細節，編碼器有時(shí)會(huì )丟失詳細的紋理。

雖然文字生成3D模型暫且比不上圖片的呈現效果，但仍舊是未來(lái)一個(gè)重要的方向。

3、Meta開(kāi)源ImageBind 新模型，AI學(xué)會(huì )人類(lèi)感知

Meta在開(kāi)源大模型的路上一騎絕塵，繼兩個(gè)月前開(kāi)源LLaMA大模型之后，再次于5月9日開(kāi)源了一個(gè)新的AI模型—— ImageBind。這個(gè)模型與眾不同之處便是可以將多個(gè)數據流連接在一起，包括文本、圖像/視頻和音頻、視覺(jué)、IMU、熱數據和深度（Depth）數據。這也是業(yè)界第一個(gè)能夠整合六種類(lèi)型數據的模型。

見(jiàn)智研究認為：ImageBind無(wú)需針對每一種可能性進(jìn)行訓練，而是直接預測數據之間的聯(lián)系的方式類(lèi)似于人類(lèi)感知。

ImageBind 通過(guò)圖像的綁定屬性，將每個(gè)模態(tài)的嵌入與圖像嵌入對齊，即圖像與各種模式共存，可以作為連接這些模式的橋梁，例如利用網(wǎng)絡(luò )數據將文本與圖像連接起來(lái)，或者利用從帶有 IMU 傳感器的可穿戴相機中捕獲的視頻數據將運動(dòng)與視頻連接起來(lái)。這對于多模態(tài)發(fā)展來(lái)說(shuō)具有重大意義。

4、GPT4最強對手Claude史詩(shī)升級，解讀百頁(yè)資料僅需一分鐘

據Anthropic官方介紹，升級后的Claude-100k版本，對話(huà)和任務(wù)處理能力雙雙得到極大提升。一方面，是“一次性可處理文本量”的增加，另一方面則是“記憶力”的增加。

見(jiàn)智研究認為：此前大模型都存在對讀取超長(cháng)文本的困難，而Claude-100k打開(kāi)此該領(lǐng)域的天花板，GPT-4也不過(guò)才做到3.2萬(wàn)token，而Claude-100k能做到一次記憶10萬(wàn)token；能學(xué)習論文、幾小時(shí)的博客、財報等等都不在話(huà)下，更重要的是它不僅能通讀全文總結其中的要點(diǎn)，還能進(jìn)一步完成具體任務(wù)，如寫(xiě)代碼、整理表格等。本次更新對于機器文本學(xué)習來(lái)說(shuō)是重大躍遷。

AI黑科技

1、 AI藝人、女友商業(yè)價(jià)值顯現

本周AI女友Caryn、“AI孫燕姿”都爆火出圈；無(wú)論是和網(wǎng)友談戀愛(ài)收費每分鐘1美元 ，還是永生藝人，都讓數字人的商業(yè)價(jià)值備受矚目。

見(jiàn)智研究認為：AI虛擬人、數字人商業(yè)價(jià)值的提高，本質(zhì)原因是AI讓建模數字人的成本大幅降低。此前，CG建模數字人的制作周期通常需要1-2個(gè)月，報價(jià)在百萬(wàn)元左右不等，而現在A(yíng)I建模技術(shù)的快速迭代，讓3D寫(xiě)實(shí)數字人的價(jià)格降至千元級別。這也是為什么該應用能夠快速進(jìn)行推廣的核心原因。

2、AI看視頻：檢索關(guān)鍵字，精準卡位時(shí)間點(diǎn)

Twelve Labs能夠做到讓AI讀懂視頻，并且通過(guò)關(guān)鍵字搜索的方式從視頻中提取特征，例如動(dòng)作、對象、屏幕上的文本、語(yǔ)音和人物。

見(jiàn)智研究認為：此功能必然是視頻創(chuàng )作者的福音，能夠讓機器批量檢索大量視頻，并且精準定位所需要的視頻畫(huà)面，效率非常高。此功能是將視頻中的信息逐一定義為向量，從而實(shí)現快速檢索的功能。

3、 4D渲染—實(shí)現高清動(dòng)態(tài)還原

Synthesia Research 發(fā)布HumanRF（運動(dòng)中人類(lèi)的高保真神經(jīng)輻射場(chǎng)），通過(guò)視頻輸入來(lái)捕捉運動(dòng)中人的全部外觀(guān)細節，能夠讓合成的視頻更加高清，從4MP的分別率升級到12MP運行。HumanRF極大的解決了攝像機拍攝后進(jìn)行高分辨率視頻合成的困難。

見(jiàn)智研究認為：4D高清合成的突破性，對于視頻創(chuàng )作來(lái)說(shuō)具有重大意義。當下看到可以應用場(chǎng)景包括電影制作、電腦游戲或視頻會(huì )議等，邊界還能夠不斷拓展到超寫(xiě)實(shí)數字人的視頻生成領(lǐng)域。

下周關(guān)注重點(diǎn)

OpenAI向所有ChatGPT Plus 用戶(hù)開(kāi)放聯(lián)網(wǎng)功能和眾多插件！從Alpha 到 Beta，它們將允許ChatGPT 訪(fǎng)問(wèn)互聯(lián)網(wǎng)并使用70多個(gè)第三方插件。這些插件包括創(chuàng )建新網(wǎng)站，文本轉音頻，購物比價(jià)下單，總結和分析PDF文檔，創(chuàng )建專(zhuān)屬自己的智能工作流等等，涵蓋日常生活的衣食住行各個(gè)方面。

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：