文｜陳斯達(dá)

編輯｜鄧詠儀

一周縱覽

本周大模型頻頻出新。馬斯克官宣Grok-1.5大模型,，推理能力大升級,。人工智能公司Databricks宣布開源通用混合專家（MoE）大語言模型DBRX，最強(qiáng)開源大模型就此易主。以色列AI初創(chuàng)公司AI21 Labs推出SSM-Transformer模型Jamba,，據(jù)稱是世界上首個(gè)基于Mamba的量產(chǎn)級模型,。

更多消息依然來自O(shè)penAI。OpenAI本周新發(fā)布了語音生成模型Voice Engine,，以及藝術(shù)家的Sora最新作品實(shí)例,。圍繞GPT商店困境，本周OpenAI宣布,，將挑選少量美國開發(fā)者測試GPT商店收入分成模式,。周末又有消息稱，微軟OpenAI將斥資千億美元打造“Stargate”先進(jìn)人工智能超級計(jì)算機(jī)。

其他科技巨頭動(dòng)作不斷,。亞馬遜宣布將向Anthropic追加投資 27.5 億美元,，以完成去年承諾的投資協(xié)議。而包括高通,、谷歌和英特爾在內(nèi)的科技公司聯(lián)盟，則準(zhǔn)備從軟件入手,，與英偉達(dá)芯片“脫鉤”,。

Key Points

• OpenAI發(fā)布語音模型Voice Engine
• 馬斯克官宣Grok-1.5
• DBRX成當(dāng)前最強(qiáng)大開源模型
• AI21 Labs首推基于Mamba架構(gòu)的量產(chǎn)級模型
• 微軟和OpenAI制定千億美金AI超算計(jì)劃
• OpenAI與開發(fā)者聯(lián)合測試GPT創(chuàng)收
• OpenAI發(fā)布Sora首批藝術(shù)家作品實(shí)例
• 高通、谷歌,、英特爾等聯(lián)合開發(fā)AI軟件
• Transformer作者公開承認(rèn)參與保密項(xiàng)目Q*
• 百度或?yàn)閲衖Phone16提供AI功能
• 字節(jié)跳動(dòng)推出AI角色互動(dòng)App“話爐”
• 亞馬遜追投Anthropic 27.5億美元
• AI視頻生成創(chuàng)企HeyGen正進(jìn)行6000萬美元融資
• 90后天才少年稚暉君再獲融資
• Heygen發(fā)布Avatar in Motion 1.0
• 騰訊開源“照片說話”視頻生成框架
• 谷歌推出AI圖像插入新“神器”

大模型第一線

OpenAI發(fā)布語音模型Voice Engine

據(jù)界面新聞,，3月30日，OpenAI在官網(wǎng)上公開了其最新的研究成果——“Voice Engine”,。這項(xiàng)技術(shù)可通過簡短的15秒音頻樣本和文本輸入,，生成與原始說話者極為相似的自然語音。

公告中,，OpenAI給出了Voice Engine的一些早期應(yīng)用場景,。如通過自然、富有情感的聲音輔助兒童閱讀,、翻譯視頻和播客等內(nèi)容,、改善偏遠(yuǎn)地區(qū)的社區(qū)服務(wù)、幫助患有突發(fā)性或退化性言語病癥的患者恢復(fù)聲音等,。

馬斯克官宣Grok-1.5

當(dāng)?shù)貢r(shí)間 3 月 28 日,，馬斯克旗下的人工智能公司 xAI 正式推出了 Gork 大模型的最新版本 Grok-1.5,。相比一周前開源的Grok-1.0,，Grok-1.5上下文長度飆升，從8192增長到128k,，和GPT-4齊平,。二是推理性能大幅提升，數(shù)學(xué)能力直接漲點(diǎn)50%之多,、HumanEval數(shù)據(jù)集上得分超過GPT-4,。Grok-1.5預(yù)計(jì)將在未來幾天向早期測試者和 X 平臺的現(xiàn)有用戶開放,。

圖源：X

DBRX成當(dāng)前最強(qiáng)大開源模型

當(dāng)?shù)貢r(shí)間3月27日,，AI初創(chuàng)公司Databricks宣布旗下Mosaic Research團(tuán)隊(duì)開發(fā)的通用大語言模型DBRX將開源。DBRX的表現(xiàn)都優(yōu)于現(xiàn)有的一切開源模型,。根據(jù)DBRX在MMLU,、HumanEval和 GSM8K公布的測試數(shù)據(jù)顯示，DBRX不僅性能超過了LLaMA2-70B和馬斯克最近開源的Grok-1,，推理效率比LLaMA2-70B快2倍,，總參數(shù)卻只有Grok-1的三分之一，是一款功能強(qiáng)算力消耗低的大模型,。

AI21 Labs首推基于Mamba架構(gòu)的量產(chǎn)級模型

智東西3月29日消息,，以色列AI初創(chuàng)公司AI21 Labs昨日在官網(wǎng)推出SSM-Transformer模型Jamba，據(jù)稱是世界上第一個(gè)基于Mamba的量產(chǎn)級模型,。通過利用傳統(tǒng)Transformer架構(gòu)的元素增強(qiáng)Mamba結(jié)構(gòu)化狀態(tài)空間模型,，Jamba彌補(bǔ)了純SSM模型的固有局限性。它提供了256k上下文窗口,，在吞吐量和效率方面展現(xiàn)了顯著的進(jìn)步,。

大事件

微軟和OpenAI制定千億美金AI超算計(jì)劃

3月30日消息，據(jù)The Information獨(dú)家報(bào)道，消息人士稱,，微軟和OpenAI的高管們在為一個(gè)可能花費(fèi)高達(dá)1000億美元的數(shù)據(jù)中心項(xiàng)目制定計(jì)劃,。該項(xiàng)目將包含1臺擁有數(shù)百萬個(gè)專用服務(wù)器芯片的AI超級計(jì)算機(jī)Stargate，為OpenAI的AI提供動(dòng)力,。項(xiàng)目成本是當(dāng)今一些最大的數(shù)據(jù)中心的100倍,，微軟可能會(huì)負(fù)責(zé)為該項(xiàng)目提供資金。高管們已經(jīng)討論了最快在2028年啟動(dòng)Stargate,，并將其擴(kuò)建至2030年。

OpenAI與開發(fā)者聯(lián)合測試GPT創(chuàng)收

3月28日消息,，根據(jù)X平臺，OpenAI宣布其正與一小部分美國開發(fā)者合作,，測試基于使用量的GPT收費(fèi),。OpenAI表示：“我們的目標(biāo)是創(chuàng)建一個(gè)充滿活力的生態(tài)系統(tǒng),，讓開發(fā)者因其創(chuàng)造力和影響力而獲得獎(jiǎng)勵(lì),，我們期待與建設(shè)者合作，找到實(shí)現(xiàn)這一目標(biāo)的最佳方法,?！?/p>

圖源：X

OpenAI發(fā)布Sora首批藝術(shù)家作品實(shí)例

3月26日凌晨,，OpenAI 發(fā)布七個(gè)最新 Sora 作品實(shí)例，意在展示藝術(shù)家,、設(shè)計(jì)師、創(chuàng)意工作者和電影人等業(yè)內(nèi)人士對于 Sora 融入自身工作與業(yè)務(wù)的看法,。

高通,、谷歌、英特爾等聯(lián)合開發(fā)AI軟件

3月26日,，由高通,、谷歌、英特爾等科技巨頭聯(lián)合參與的UXL基金會(huì)宣布,，將啟動(dòng)一項(xiàng)開源軟件開發(fā)計(jì)劃,，旨在為多種AI加速器芯片提供跨平臺支持。該項(xiàng)目旨在實(shí)現(xiàn)計(jì)算機(jī)代碼在不同芯片和硬件平臺上的無縫運(yùn)行,。高通AI與機(jī)器學(xué)習(xí)主管Vinesh Sukumar表示,，此舉將幫助開發(fā)者從英偉達(dá)平臺順利遷移,。

Transformer作者公開承認(rèn)參與保密項(xiàng)目Q*

據(jù)Wired雜志，Transformer作者現(xiàn)身英偉達(dá)GTC大會(huì)后,，接受Wired雜志采訪,，揭示了許多鮮為人知的研發(fā)細(xì)節(jié)。其中一位作者Lukasz Kaiser公開承認(rèn)自己參與了OpenAI的一項(xiàng)高度保密項(xiàng)目——Q,，引發(fā)了廣泛關(guān)注,。當(dāng)記者試圖進(jìn)一步探究Q項(xiàng)目時(shí)，OpenAI的公關(guān)人員迅速介入,，阻止了Kaiser的發(fā)言,。

百度或?yàn)閲衖Phone16提供AI功能

3月25日，一位百度內(nèi)部人士向時(shí)代周報(bào)記者透露,，百度將為蘋果今年即將發(fā)布的iPhone16,、Mac系統(tǒng)和ios18提供AI功能。但《中國日報(bào)》后援引接近蘋果公司的知情人士稱,，到目前為止,，蘋果尚未與百度就AI合作達(dá)成協(xié)議,。

字節(jié)跳動(dòng)推出AI角色互動(dòng)App“話爐”

據(jù)新浪科技,，3月25日下午消息，近日,，字節(jié)跳動(dòng)推出AI角色互動(dòng)App“話爐”,。據(jù)了解，“話爐”由字節(jié)跳動(dòng)的Flow部門打造,。而Flow部門隸屬于字節(jié)跳動(dòng)的產(chǎn)品研發(fā)與工程部（內(nèi)部簡稱“PDI”）,，目前下設(shè)四大業(yè)務(wù)線，包括AI教育,、國際化,、社區(qū)和豆包，“話爐”則屬于社區(qū)業(yè)務(wù)線旗下,。

融資動(dòng)態(tài)

亞馬遜追投Anthropic 27.5億美元

當(dāng)?shù)貢r(shí)間 3 月 27 日,，亞馬遜宣布將向 AI 公司 Anthropic 追加投資 27.5 億美元（約 198.8 億人民幣），以完成去年承諾的投資協(xié)議,，并將擴(kuò)大兩家公司之間的合作關(guān)系,。追加投資之后，亞馬遜對 Anthropic 的總投資額將達(dá)到 40 億美元,，這也是亞馬遜 30 年歷史上最大的一筆外部投資,。通過投資，亞馬遜將獲取 Anthropic 的少數(shù)股份,，但不會(huì)在 Anthropic 的董事會(huì)占有席位,。

AI視頻生成創(chuàng)企HeyGen正進(jìn)行6000萬美元融資

當(dāng)?shù)貢r(shí)間3月23日,，據(jù)The Information援引知情人士消息，HeyGen目前正在進(jìn)行一輪 6000 萬美元的融資,，完成融資后總估值將達(dá)到 4.4 億美元,，是四個(gè)月前估值的六倍，本輪融資由Benchmark領(lǐng)投,，它是 Snap 和 Uber 的早期投資者之一,。HeyGen 的上一輪融資則是去年 11 月的560萬美元融資，由知名投資人Sarah Guo創(chuàng)立的Conviction Partners領(lǐng)投,。

90后天才少年稚暉君再獲融資

據(jù)投資界,，智元機(jī)器人關(guān)聯(lián)公司上海智元新創(chuàng)技術(shù)有限公司新增股東紅杉中國、M31資本,、上汽投資,。此前消息流出，智元機(jī)器人投前估值達(dá)70億,。公司背后的90后創(chuàng)始人曾是華為“天才少年”稚暉君彭志輝,，同時(shí)在B站坐擁250萬粉絲。公開資料顯示,，上海智元新創(chuàng)技術(shù)有限公司法定代表人為舒遠(yuǎn)春,，使命為“以智能機(jī)器創(chuàng)造無限生產(chǎn)力”，致力于以Al+機(jī)器人的融合創(chuàng)新,，打造世界級領(lǐng)先的具身智能機(jī)器人產(chǎn)品及應(yīng)用生態(tài),。

新玩意

Heygen發(fā)布Avatar in Motion 1.0

Heygen近期發(fā)布了其Avatar in Motion1.0新功能，這一技術(shù)革新在虛擬角色動(dòng)作捕捉和聲音克隆方面取得了重大突破,。該功能可以精確地保持口型同步,，并克隆用戶的語音語調(diào)，甚至能保留背景聲,，使得虛擬角色的語音表達(dá)更為生動(dòng)真實(shí),。

功能演示,，圖源：X

產(chǎn)品入口：

https://top.aibase.com/tool/heygen

論文

騰訊開源“照片說話”視頻生成框架

智東西3月28日消息，根據(jù)arXiv,，騰訊團(tuán)隊(duì)在3月26日發(fā)表的論文中開源了音頻和照片驅(qū)動(dòng)的視頻生成框架AniPortrait,。該方法分為兩個(gè)階段，最初,，團(tuán)隊(duì)從音頻中提取3D中間表示并將其投影到一系列2D面部標(biāo)識中,。隨后，團(tuán)隊(duì)采用魯棒的擴(kuò)散模型,，結(jié)合運(yùn)動(dòng)模塊,，將標(biāo)識序列轉(zhuǎn)換為逼真且時(shí)間一致的肖像動(dòng)畫,。實(shí)驗(yàn)結(jié)果證明了AniPortrait在面部自然度、姿勢多樣性和視覺質(zhì)量方面表現(xiàn)優(yōu)異,，從而增強(qiáng)了感知體驗(yàn),。

圖源：論文

論文地址：

https://arxiv.org/abs/2403.17694

GitHub地址：

https://github.com/Zejun-Yang/AniPortrait

谷歌推出AI圖像插入新“神器”

智東西3月28日消息,，根據(jù)arXiv網(wǎng)站，谷歌研究人員在3月27日上線的論文中推出了用于真實(shí)感對象移除和插入的ObjectDrop Bootstrapping Counterfactuals方法,。面對擴(kuò)散模型經(jīng)常生成違反物理定律的圖像,，這種方法可以支持逼真的對象插入，遮擋,、陰影和反射等效果更真實(shí),。

圖源：論文

論文地址：

https://arxiv.org/abs/2403.18818

歡迎交流