AI新闻动态（2024-05-12到2024-05-18)

[ikaijua]

AI新闻动态（2024-05-12到2024-05-18)

目录

AI产品

1. OpenAI发布多模态GPT-4o模型，视频语音交互能力跨越式突破
2. Google I/O大会发布一系列AI更新
3. 字节跳动发布豆包大模型家族，开启对外服务
4. 零一万物发布开源大模型 Yi-1.5
5. 腾讯发布开源文生图大模型混元-DiT
6. OpenAI推出交互式图表功能

机器人

1. 宇树科技发布最新人形机器人Unitree G1

AI研究

1. 微软AI分子预测框架DiG 登Nature子刊

AI洞察

1. 李飞飞TED演讲介绍空间智能
2. OpenAI联合创始人、首席科学家Ilya Sutskever离职

AI投资

1. 阿里系通过杭州灏月投资了深圳逐际动力，持股比例达18.7797%，成为第一大股东

[ikaijua]

2024-05-14 OpenAI发布多模态GPT-4o模型，视频语音交互能力跨越式突破

1. OpenAI推出了具备文本、图片、视频和语音处理能力的GPT-4o模型。
2. GPT-4o模型打通了文本、语音、视频、图片，不需要相互转换，可以从图片直接生成语音，语音到语音，不需要中间转换。
3. GPT-4o语音响应速度快，与人类响应时间相近，并向所有用户免费开放。
4. GPT-4o能够进行实时翻译、识别表情，并通过摄像头进行视觉识别，提升交互体验。
5. GPT-4o支持更自然的对话交互，如随时打断对话，生成多种音调。
6. GPT-4o的API性能是GPT-4 Turbo的两倍，价格减少50%。
7. 此外发布会还发布了ChatGPT桌面应用程序。

OpenAI发布会youtube视频：https://www.youtube.com/watch?v=DQacCB9tDaw
官方介绍：https://openai.com/index/spring-update/

B站双语视频：【双语】OpenAI春季发布会，重磅官宣免费多模态GPT4o！

相关报道：

• Appso：免费版GPT-4o来了，视频语音交互丝滑到吓人
• 产品君：OpenAI上线最强多模态GPT4o，ChatGPT迎来贾维斯时刻
• 机器之心：我们上手实测GPT-4o：速度快到飞起，还能直出板书，但视频分析逊色

[ikaijua]

2024-05-14 宇树科技发布最新人形机器人Unitree G1

1. G1具有超越常人的灵活性，小跑速度大于2m/s，拥有23至43个关节，最大关节扭矩达120N.m。
2. G1可选配Dex3-1力控灵巧手，模拟人手精准操作，可进行精细作业。
3. G1搭载Intel RealSense D435和LIVOX-MID360 3D激光雷达，实现360°探测感知。
4. G1有两个版本，G1标准版和G1 EDU版本，售价9.9万元起，后者支持更多模块方案和二次开发。
5. 宇树科技还发布了机器人世界模型UnifoLM，提供共创平台，G1将亮相ICRA 2024日本横滨展。

“Unitree宇树科技”B站视频：宇树发布 | Unitree G1 人形智能体 AI化身 ¥9.9万元起

媒体文章：
36kr：宇树发布 Unitree G1人形机器人，9.9万元起 | 最前线

[ikaijua]

2024-05-14 微软AI分子预测框架DiG 登Nature子刊

1. 深度学习框架 DiG 可预测分子结构的平衡分布。
2. DiG 在蛋白质构象、配体结构和催化剂吸附物采样任务中表现良好。
3. DiG 具有逆向设计能力，通过偏向分布来生成具有所需性质的分子结构。
4. DiG 为分子科学各个领域提供新见解，包括生命科学、药物设计和催化研究。

媒体文章

• 机器之心：效率高、成本低，从单一结构到平衡分布，微软AI分子预测框架登Nature子刊

[ikaijua]

2024-05-14 零一万物发布开源大模型 Yi-1.5

1. Yi-1.5模型包括 6B、9B、34B 三个版本。
2. 此外，零一万物发布多款大模型 API 接口，涵盖不同场景和性价比需求。
3. 千亿参数 Yi-Large 闭源大模型亮相，在 SOTA 顶级模型中取得优势。
4. 零一万物启动 Yi-XLarge MoE 模型训练，旨在冲击 GPT-5 性能。
5. 零一万物采用双轨模型策略，一站式 AI 工作站「万知」基于 Yi-Large 模型打造。
6. 李开复强调大模型落地价值取决于「TC-PMF」匹配度，避免不理性烧钱。

• 模型地址：https://huggingface.co/collections/01-ai/yi-15-2024-05-663f3ecab5f815a3eaca7ca8

媒体文章：

• 机器之心：零一万物Yi-1.5来了，国产开源大模型排行榜再次刷新

[ikaijua]

2024-05-14 腾讯发布开源文生图大模型混元-DiT

1. 腾讯宣布其混元文生图大模型全面升级并对外开源，这是业内首个中文原生的DiT架构开源模型。
2. 模型基于DiT架构，这是一种基于Transformer的扩散模型架构，相较于上一代模型，整体效果提升了超过20%。
3. 与主流文生图开源模型不同，腾讯混元文生图以中文为母语，能够更准确地理解和生成与中国文化相关的元素。
4. 模型支持多轮对话，通过自然语言对话微调生成的内容，保持画面的高一致性，并在人像生成上进行了质感升级，减少了畸变。
5. 模型能够分析和理解长篇文本中的信息，并据此生成相应的艺术作品。
6. 腾讯混元文生图大模型的代码、权重和算法等已在Hugging Face平台及Github上发布，对所有企业及个人开发者免费开放。

Github地址：https://github.com/Tencent/HunyuanDiT
项目地址：https://dit.hunyuan.tencent.com/

文章介绍：

• 腾讯云：腾讯混元文生图大模型全面开源！

[ikaijua]

2024-05-15 OpenAI联合创始人、首席科学家Ilya Sutskever离职

1. 继任首席科学家为Jakub Pachocki，曾领导研发GPT-4。
2. 联合创始人John Schulman接替Ilya负责超级对齐项目。
3. Sutskever参与了ChatGPT和DALL-E的架构设计，Sutskever对AGI安全达过担忧，曾参与“超级对齐”项目。
4. Sutskever在2023年董事会“政变”中发挥关键作用。
5. CEO Altman在推文中表达了对Sutskever的敬意和感谢。

媒体文章：

• 量子位：Ilya离开OpenAI内幕曝光：奥特曼砍他团队算力，优先搞产品赚钱

[ikaijua]

2024-05-15 Google I/O大会发布一系列AI更新

[ikaijua]

2024-05-15 字节跳动发布豆包大模型家族，开启对外服务

1. 字节跳动在2024春季火山引擎Force原动力大会上，正式发布了自研豆包大模型。
2. 豆包大模型包含多种AI模型，包括通用模型、角色扮演模型、语音合成模型等，涵盖语义、声音到图像的多模态内容，支持个性化智能体创建。
3. 豆包模型日均处理1200亿 Tokens文本，生成3000万张图片。
4. 字节跳动将豆包大模型接入多个业务，包括抖音、番茄小说、飞书、巨量引擎等50余个业务，用于提升效率和优化产品体验。
5. 火山引擎还与多方宣布成立智能终端大模型联盟，包括OPPO、小米、三星等。
6. 字节跳动强调，豆包是公司重点投入的大模型应用，已经获得了800万个智能体和2600万月度活跃用户。
7. 豆包模型定价策略使得大模型计价进入厘计价时代，大幅降低成本。豆包主力模型pro-32k版的价格极低，仅0.0008元/千Tokens。
   

API文档：Doubao API 调用指南 需要企业认证

媒体文章：

• 36kr：字节发了大模型，“比行业便宜99.3%”
• 量子位：字节跳动大模型首次全员亮相：一口气9个，价格低99%，没有参数规模和榜单分数

[ikaijua]

2024-05-16 李飞飞TED演讲介绍空间智能

1. 李飞飞回顾了从5.4亿年前生物视觉能力的进化，到人工智能视觉智能的发展历程。
2. 演讲中展示了生成性人工智能算法的进展，如Walt视频模型和OpenAI的Sora。
3. 空间智能的核心是让AI不仅能看，还能行动和学习，实验室在此方面取得了进展。
4. 李飞飞展望了未来，AI将模拟现实世界的丰富性，并与人类和三维世界互动。

• 李飞飞 TED 演讲链接：https://www.ted.com/talks/fei_fei_li_with_spatial_intelligence_ai_will_understand_the_real_world/transcript
• B站视频： Web3天空之城【精校】TED：李飞飞 | 空间智能让AI理解真实世界 2024.5

媒体文章：

• 机器之心：李飞飞解读创业方向「空间智能」，让AI真正理解世界

[ikaijua]

2024-05-18 阿里系通过杭州灏月投资了深圳逐际动力，持股比例达18.7797%，成为第一大股东

1. 阿里此前已投资机器人领域，此次投资可能为其大模型找到载体。
2. 逐际动力在完成2亿人民币融资后，再次获得阿里战略投资，但投资金额未透露。
3. 阿里在大模型赛道投资了五家估值超10亿美元的公司，并推出自研的通义千问。
4. 具身智能强调智能系统与环境的实时互动，人形机器人是其重要应用场景。
5. 人形机器人赛道竞争激烈，新老公司并存，特斯拉Optimus和Figure 01展示了大模型与机器人结合的潜力。

媒体文章：

• 36kr：阿里首次战略投资人形机器人，和100亿级投资大模型有什么关系？

[ikaijua]

2024-05-15 ElevenLabs上线配音API

可以直接把一种语言的语音翻译成另外一种语言的语音，并且克隆音色。

官方文档：https://elevenlabs.io/docs/api-reference/create-dub

[ikaijua]

2024-05-17 OpenAI推出交互式图表功能

1. 距离 GPT-4o 发布几天后，OpenAI 又上新了。这次，他们瞄准 ChatGPT 的数据分析功能。
2. 支持从Google云盘和One Drive云盘读取文件，支持分析和处理Excel文件、生成可视化图表。

官网介绍：https://openai.com/index/improvements-to-data-analysis-in-chatgpt/

媒体文章：

• OpenAI又整活：ChatGPT再扛起数据分析大旗，Excel、Word全部拿下