AI新闻动态（2024-04-21到2024-04-27）

[ikaijua]

AI新闻动态（2024-04-21到2024-04-27）

目录

AI产品

• 黄仁勋亲自给OpenAI送货全球第一台Nvidia DGX H200超级计算机
• 微软发布了小尺寸语言模型Phi-3，性能超Llama-3，可在手机端运行
• 苹果开源大语言模型OpenELM
• 阿里开源Qwen1.5系列的110B参数模型
• Adobe 推出新的图像生成模型 Firefly Image 3
• 通义APP上线数字人唱歌说话模型EMO
• Synthesia推出新型AI虚拟人“Expressive Avatars
• Myshell推出OpenVoice v2开源语音合成模型

机器人

• 以色列人形机器人公司Meetee Robotics发布首款双足人形机器人 MenteeBot

AI研究

• Adobe发布视频超分辨率研究VideoGigaGAN

AI洞察

• OpenAI CEO 奥特曼在斯坦福大学发表演讲，分享了对AI未来发展的见解
• 清华大学成立人工智能学院，图灵奖获得者姚期智任院长
• 中国首例 AI 声音侵权案一审宣判，原告配音师获赔 25 万元
• 第十四届北京国际电影节设立了“AIGC电影短片”单元

AI投资

• xAI公司正在筹集60亿美元资金，估值为180亿美元
• 英伟达最近收购了以色列AI创企Run:ai和Deci，以降低运行生成式AI模型的成本
• AI视频生成公司爱诗科技完成A2轮融资，累计融资超2亿人民币
• AI编程辅助初创公司Augment完成2.52亿美元融资，估值达9.77亿美元

[ikaijua]

2024-04-23 中国首例 AI 声音侵权案一审宣判，原告配音师获赔 25 万元

1. 北京互联网法院今对全国首例“AI 声音侵权案”进行一审宣判，认定作为配音师的原告，其声音权益及于案涉 AI 声音，被告方使用原告声音、开发案涉 AI 文本转语音产品未获得合法授权，构成侵权，书面赔礼道歉，并赔偿原告各项损失 25 万元。
2. 本案原告殷某是一名配音师，曾录制多部有声作品。去年其意外发现自己的声音被 AI 化后，在一款名为“魔音工坊”的 App 上以“魔小璇”的名义对外出售。 殷某以被告行为侵害其声音权为由，将“魔音工坊”的运营主体北京某智能公司等五被告起诉到北京互联网法院，要求五被告停止侵权、赔礼道歉及赔偿原告经济损失、精神损失的侵权责任。
3. 五被告均否认侵权，北京某智能科技有限公司认为，其 App 中的声音产品有合法来源，来自被告某软件公司。软件公司称它使用的声音来源于被告影音文化传媒有限公司。影音公司认为它与原告有过合作，约定经原告录制形成的作品著作权归属其所有。被告平台运营商与涉案产品的经销商，也称自己不构成侵权。
4. 法官强调，声音作为一种人格权益，具有人身专属性，任何自然人的声音均应受到法律的保护，对录音制品的授权并不意味着对声音的授权，未经许可，擅自使用、许可他人使用录音制品中的声音，构成侵权。

B站视频-央视网快看：全国首例“AI声音侵权案”始末

媒体文章：

• IT之家：全国首例 AI 声音侵权案一审宣判，原告配音师获赔 25 万元

[ikaijua]

2024-04-24 微软发布了小尺寸语言模型Phi-3，性能超Llama-3，可在手机端运行

1. Phi-3拥有38亿参数，经3.3万亿token训练。
2. Phi-3 mini优化至可部署在手机上，性能与Mixtral 8x7B和GPT-3.5等大型模型相媲美。
3. 创新源于训练数据集，Phi-3与Llama-2使用相同架构，便于社区开发。
4. 微软Phi系列模型此前已展现出良好的性能，尤其在数据质量与模型规模方面有独到之处。
5. 微软同时提供了7B和14B参数的扩展模型，比Phi-3 mini具有更强的能力。

Phi-3 技术报告：https://arxiv.org/abs/2404.14219
官方新闻：https://news.microsoft.com/source/features/ai/the-phi-3-small-language-models-with-big-potential/

媒体文章：

• 机器之心：微软发布Phi-3，性能超Llama-3，可手机端运行
• 量子位：微软推出iPhone能跑的ChatGPT级模型，网友：OpenAI得把GPT-3.5淘汰了

[ikaijua]

2024-04-24 AI视频生成公司爱诗科技完成A2轮融资，累计融资超2亿人民币

1. 爱诗科技由字节跳动前视觉技术负责人王长虎创办于2023年4月，致力于打造AI视频生成模型及应用。
2. 近日，爱诗科技完成A2轮超亿元融资，由蚂蚁集团领投，光源资本担任独家财务顾问。
3. 4月，爱诗科技正式发布基于自研视频大模型开发的 C2V（Character to Video 角色一致性）功能，PixVerse 网页端已开放使用。通过精确提取人物特征，并深度嵌入到视频生成模型中，PixVerse 能够锁定角色，实现连续、可控的视频生成。

官网：https://pixverse.ai/

媒体文章：

• 机器之心：爱诗科技完成A2轮超亿元融资，蚂蚁集团领投

[ikaijua]

2024-04-25 Adobe 推出新的图像生成模型 Firefly Image 3

1. Firefly Image 3 提供更高质量的图像，具有更好的光照、定位和细节。
2. 该模型能理解更长的描述性文本提示，并在生成的图像中生成更清晰的文本。
3. 用户可以上传图像来提示 AI 模型生成匹配样式、颜色等相似元素的结果。
4. Photoshop 中提供的 Firefly Image 3 测试版可以为图像生成背景和增强细节。
5. 用户可以使用「生成相似」功能，从空白页面开始生成外观相似的内容。
6. Adobe 为 Photoshop 添加了新的标准工具，加快创作过程。

Adobe官方博客：Adobe advances creative ideation with the new Firefly Image 3 Model
官方视频：https://www.youtube.com/watch?v=iwUxfjLSEDc

媒体文章：

• 机器之心：硬控设计人一分钟，加持大模型的Adobe，PS起来更香了

[ikaijua]

2024-04-25 黄仁勋亲自给OpenAI送货全球第一台Nvidia DGX H200超级计算机

DGX H200，是去年 11 月在全球超算大会上推出的最新产品。英伟达在官方博客中曾表示：H200 Tensor Core GPU 具有改变游戏规则的性能和内存功能，可增强生成式 AI 和高性能计算 (HPC) 工作负载。单块 H200 的 FP16 算力是 1979 TFLOPS。

作为首款采用 HBM3e 的 GPU，H200 借助更大更快的内存可加速生成式 AI 和大型语言模型 (LLM) 的运行，同时推进 HPC 工作负载的科学计算。

媒体文章：

• 机器之心：https://www.jiqizhixin.com/articles/2024-04-25-12

[ikaijua]

2024-04-25 AI编程辅助初创公司Augment完成2.52亿美元融资，估值达9.77亿美元

1. Augment专注于为大型代码库提供AI编程辅助工具，主打快速推理和生成高质量可运行代码。
2. 投资方包括Sutter Hill Ventures、Index Ventures等知名风投，个人投资者包括前谷歌CEO Eric Schmidt。
3. 创始人Igor Ostrovsky认为AI可以提高软件质量和团队生产力，重拾编程乐趣。
4. Augment团队成员来自微软、谷歌等公司，具有丰富的技术背景和经验。
5. 尽管AI编码辅助工具市场竞争激烈，Augment计划通过软件即服务订阅模式盈利。
6. Augment面临的挑战包括计算成本、技术问题（如漏洞）、以及版权问题。

Augment官网：https://www.augmentcode.com/

媒体文章：

• 机器之心：初创团队不到10人，Augment获2.52亿美元融资，将成GitHub Copilot竞争对手

[ikaijua]

2024-04-25 以色列人形机器人公司Meetee Robotics发布首款双足人形机器人 MenteeBot

1. MenteeBot机器人整合了大语言模型、计算机视觉和三维重建技术，具备理解自然语言、感知环境、规划路径和执行任务的能力。
2. 团队包括来自Mobileye和Facebook AI的重量级人员，机器人产品计划分为面向家庭和工业场景的两个版本，具备灵活性和平衡能力。
3. 预计2025年第一季度推出量产原型，价格将是“负担得起”的。

meetee官网：https://www.menteebot.com/

媒体文章：

• 机器之能：波士顿动力、特斯拉，你们的劲敌终究还是来了

[ikaijua]

2024-04-26 OpenAI CEO 奥特曼在斯坦福大学发表演讲，分享了对AI未来发展的见解

1. 奥特曼强调AI的潜力与挑战，以及AI对社会的影响和改变。
2. 奥特曼相信AGI将为社会带来积极变化，取代律师和医生，帮助最贫穷的人。
3. 奥特曼对新技术适应社会的乐观态度，以及社会对GPT-4到GPT-5变化的反应。

媒体文章：

• 机器之心：奥特曼斯坦福演讲：专注当前AI局限性没用，GPT-5让一切努力过时

[ikaijua]

2024-04-26 xAI公司正在筹集60亿美元资金，估值为180亿美元

1. 马斯克这家仅成立一年的公司正以 180 亿美元的估值筹集 60 亿美元资金，知情人士称，红杉资本是参与此轮 xAI 融资的投资者之一。
2. 新资金将助力xAI开发其聊天机器人Grok，增强竞争力。
3. 此轮融资规模在AI初创公司中属最大，远超今年早些时候的预期。
4. 马斯克去年12月推出Grok，目前公司正在训练更先进的Grok 3.0。

媒体文章：

• 机器之心：马斯克xAI疯狂融资，两周内将揽60亿美元，估值飙至180亿

[ikaijua]

2024-04-24 苹果开源端侧大语言模型OpenELM

1. 这与微软刚开源的Phi-3 Mini类似，是一款专门针对手机等移动设备的模型。
2. OpenELM有指令微调和预训练两种模型，一共有2.7亿、4.5亿、11亿和30亿4种参数，提供生成文本、代码、翻译、总结摘要等功能。
3. OpenELM 提供完整的框架，包括数据准备、训练、微调和评估程序。
4. 苹果还把训练OpenELM模型的深度神经网络库CoreNet也开源了，仅1天多的时间Github就超过1100颗星。苹果的MobileOne、CVNets、MobileViT、FastVit等知名研究都是基于CoreNet完成的。
5. OpenELM 可以在 GPU 和 MacBook Pro 上运行，但推理速度比 OLMo 慢。
6. 苹果计划在未来探索优化策略，以进一步提高 OpenELM 的推理效率。

开源地址：https://huggingface.co/collections/apple/openelm-instruct-models-6619ad295d7ae9f868b759ca?ref=maginative.com
CoreNet地址：https://github.com/apple/corenet?ref=maginative.com
论文地址：https://arxiv.org/abs/2404.14619

媒体文章：

• 机器之心：苹果卷开源大模型，公开代码、权重、数据集、训练全过程，OpenELM亮相
• AIGC开放社区：苹果开源OpenELM，大模型开源领域再迎一巨头！

[ikaijua]

2024-04-25 英伟达最近收购了以色列AI创企Run:ai和Deci，以降低运行生成式AI模型的成本

1. Run:ai提高AI芯片效率，实现高效集群资源利用，通过并行运行多个AI工作负载来降低英伟达GPU数量；
2. 而Deci则专注于自研更小的模型，使其在AI芯片上更便宜地运行。
3. 英伟达收购这两家创企可能有助于加强对AI芯片市场的控制，吸引更多客户使用NVIDIA DGX Cloud。
4. 收购Run:ai交易价预计约为7亿美元。根据LinkedIn，Run:ai约有150名员工，累计融资1.18亿美元；Deci拥有约100名员工，累计融资5500万美元。英伟达与Deci的交易未公开披露，交易价未知。

媒体文章：

• 智东西：英伟达收购两家AI创企，要让AI芯片变得更便宜

[ikaijua]

2024-04-25 Synthesia推出新型AI虚拟人“Expressive Avatars”

1. Synthesia是一家由英伟达投资的AI初创公司，最新推出了一款新型AI虚拟人“Expressive Avatars”，能够根据用户文本输入表达人类情感。
2. 该公司在伦敦设有工作室，演员在那里训练系统，已有超过5.5万家企业采用他们的技术制作企业演示和培训视频。包括一半的财富100强企业。
3. 成立于2017年的Synthesia去年从投资者那里筹集了9000万美元，估值约为10亿美元，成为英国最新的人工智能"独角兽"公司。
4. Synthesia的股东包括英伟达、Accel、Kleiner Perkins、GV、FirstMark Capital和MMC等。
5. 该公司回应了视频可能被用于制造虚假新闻内容的担忧，要求发布商必须注册成为企业客户才能制作合成化身，并由审核人员审查内容。

Synthesia官网：https://www.synthesia.io/
推文介绍：https://twitter.com/vriparbelli/status/1782801677801627721

媒体文章：

• 华尔街见闻：英伟达投资，文生表情！新晋AI“独角兽”Synthesia推出新型虚拟人

[ikaijua]

2024-04-27 第十四届北京国际电影节设立了“AIGC电影短片”单元

1. AIGC电影短片大赛收到全球430部作品，23部影片入选终评，三天展映吸引了600人次观众。
2. AIGC视频技术应用讲座由多家AI技术开发企业参与，提供了学习和交流AI在视频应用方面前沿技术的机会。
3. AIGC单元的荣誉影片包括最佳影片《致亲爱的自己 To Dear Me》等，同时公布了十部优秀作品，所有获奖作品已在Hivideo平台向公众开放展示。

《致亲爱的自己 To Dear Me》B站视频链接：https://www.bilibili.com/video/BV1Km411m7Gm
Hivideo网站：https://www.hivideo.com/

微信公众号文章-北京国际电影节：第十四届北京国际电影节AIGC电影短片单元圆满落幕

[ikaijua]

2024-04-27 清华大学成立人工智能学院，图灵奖获得者姚期智任院长

1. 清华大学今日宣布成立人工智能学院，聚焦“人工智能核心基础理论与架构”和“人工智能 + X”两个重点方向，以高定位和新机制建设中国自主的“AI 顶尖人才和原始创新基座”，为实现高水平科技自立自强提供有力支撑。
2. 清华大学在人工智能人才培养和科学研究方面有着深厚的积累，是国内最早开展人工智能教学和科研的单位之一，一批清华校友现已成为我国人工智能产业的中坚力量。

官方新闻：https://www.tsinghua.edu.cn/info/1177/111111.htm

[ikaijua]

2024-04-21 Adobe发布视频超分辨率研究VideoGigaGAN

VideoGigaGAN可以进行8倍的视频分辨率超分，目前只公布了论文，未开源。

videoGigan.mp4

项目地址：https://videogigagan.github.io/
论文：https://arxiv.org/abs/2404.12388

[ikaijua]

2024-04-27 通义APP上线数字人唱歌说话模型EMO

1. 在通义APP内通过选择模板、上传照片、生成视频三步操作，即可制作出让照片中的人物唱歌或说话的视频。
2. 目前提供了80多个EMO模板，包括热门歌曲和网络热梗。
3. EMO模型采用了通义实验室提出的弱控制设计，无需3D建模即可驱动肖像说话，降低了成本并提升了视频质量。

B站视频：阿里云/AI面部驱动，油画全明星演唱野狼Disco!
媒体文章：

• 微信公众号-阿里云：阿里AI模型EMO免费上线通义APP

[ikaijua]

2024-04-25 Myshell推出OpenVoice v2开源语音合成模型

1. 支持克隆语音、合成多语言音频，OpenVoice V2 采用不同的训练策略，比V1版本提供更好的音频质量，可免费商用。
2. 原生多语言支持。 OpenVoice V2 原生支持英语、西班牙语、法语、中文、日语和韩语。

Github地址：https://github.com/myshell-ai/OpenVoice

[ikaijua]

2024-04-27 阿里开源Qwen1.5系列的110B参数模型

1. 与72B模型相比，110B模型的性能提升主要来自于模型规模的增加，而没有对预训练方法进行大幅改变。
2. Qwen1.5-110B模型含有大量中文数据，对中文的适配和理解能力更强。
3. 用户可以通过transformers库直接下载和使用该模型，对于没有显卡的用户，Hugging Face提供了Demo进行体验。
4. Qwen1.5-110B有望成为开源最强的模型，并且社区对其在lmsys对战榜单上的表现充满期待。

模型: https://huggingface.co/Qwen/Qwen1.5-110B-Chat
在线Demo: https://huggingface.co/spaces/Qwen/Qwen1.5-110B-Chat-demo
官方博客：https://qwenlm.github.io/blog/qwen1.5-110b/

媒体文章：

• 中国人自己的Llama：Qwen1.5开源110B参数模型