AI新闻动态（2024-04-14到2024-04-20）

[ikaijua]

AI新闻动态（2024-04-14到2024-04-20）

目录

AI产品

• Meta宣布推出Llama 3，包含80亿和700亿参数版本，均为开源版本
• Adobe官宣Premiere 即将上线生成式 AI功能，接入Sora、Pika和Runway等视频模型
• 京东创始人刘强东以AI数字人“采销东哥”的形象进行了直播带货首秀
• Stability AI 宣布其开发者平台API现已支持Stable Diffusion 3及其增强版本Stable Diffusion 3 Turbo

机器人

• 波士顿动力宣布液压版人形机器人Atlas退休并推出全电动版本的Atlas

AI研究

• 微软发布根据语音生成说话视频的AI框架VASA-1

AI洞察

• OpenAI在东京设立办事处，正式进军日本市场
• 斯坦福2024人工智能报告
• 英特尔在俄勒冈工厂新增 ASML 首台高数值孔径极紫外光刻设备

[ikaijua]

2024-04-15 OpenAI在东京设立办事处，正式进军日本市场

1. OpenAI在东京设立办事处，进军日本市场，并开发了针对日语的定制模型
2. 任命前亚马逊日本公司总裁负责日本业务。
3. 日本希望借助人工智能加速数字化服务转型，吸引投资。
4. 日本企业包括丰田汽车、大金工业以及地方政府成为OpenAI的客户。
5. 微软计划在未来两年内投资29亿美元用于日本云计算和AI基础设施建设。

媒体文章：

• 华尔街见闻：进军日本市场！OpenAI在东京设立办事处，将推出日语GPT定制模型

[ikaijua]

2024-04-15 Adobe官宣Premiere 即将上线生成式 AI功能，接入Sora、Pika和Runway等视频模型

1. 亮点功能包括：对象编辑，能像PS编辑图片一样编辑视频；移除对象，自动识别目标一键删除；视频延展，接续生成连续视频画面。
2. Adobe还与第三方 AI 合作，接入Sora、Pika和Runway等视频模型。
3. 此外，Adobe还宣布将在Premiere中推出AI驱动的音频工作流程。

• Adobe博客：https://blog.adobe.com/en/publish/2024/04/15/choice-generative-ai-models-advances-firefly
• youtube视频：Generative AI in Premiere Pro powered by Adobe Firefly | Adobe Video

媒体文章：

• APPSO：Sora 加入 Adobe 全家桶！一句话 P 视频，真成「美图秀秀」了
• 量子位：Sora进驻Adobe视频编辑软件！新版Premiere Pro开启AI剪辑时代

[ikaijua]

2024-04-17 京东创始人刘强东以AI数字人“采销东哥”的形象进行了直播带货首秀

1. 此次直播是京东为预热其内容生态和短视频创作的一部分。
2. 直播分为京东超市采销直播间和京东家电家居采销直播间，观看人数达到222万。
3. AI数字人在形象上接近真人，但在语调和讲解上有逊色，存在声线突变和卡顿问题。
4. 京东重视直播和短视频的风口，刘强东强调直播带货的重要性并进行策略调整。
5. 京东尝试通过AI技术提升直播效率，并希望将“低价”概念深入消费者心智。
6. 京东直播面临抖音、快手等平台的竞争，需要找到自己的特色和优势。

视频：【刘强东数字人直播25分钟纯享版-哔哩哔哩】
媒体文章：

• 36kr：AI刘强东，“教科书式”直播带货

[ikaijua]

2024-04-18 波士顿动力宣布液压版人形机器人Atlas退休并推出全电动版本的Atlas

1. Atlas机器人是从2013年开始开发的，经过多年的发展和演进，展示了出色的平衡和动作能力。
2. 波士顿动力宣布推出全电动版本的Atlas，标志着Atlas的2.0时代的开始。
3. 新版电动Atlas展示了更强大和灵活的功能，摒弃了液压系统，展示出更高的实用性和可用性。液压驱动系统的Atlas存在能量效率低、维护成本高等问题。
4. 人形机器人领域的竞争激烈，波士顿动力希望将新款Atlas首先应用于汽车制造行业。
5. Atlas历经11年的发展，从初始阶段到不断进化，展示了人形机器人的技术进步。
6. 波士顿动力公司从研究公司转向商业化企业，经历了多次收购和转变。
7. 新版Atlas的推出为工业和商业领域带来了新的可能性和机会，预示着人形机器人的广泛应用将成为未来的趋势。

All.New.Atlas.Boston.Dynamics.29ECwExc-_M._r30.mp4

官方博客：An Electric New Era for Atlas
youtube视频：All New Atlas | Boston Dynamics
youtube视频：Farewell to HD Atlas

媒体文章：

• 机器之心：波士顿动力新版人形机器人Atlas问世，纯电驱动
• 机器之心：再见！波士顿动力人形机器人Atlas

[ikaijua]

2024-04-19 Meta宣布推出Llama 3，包含80亿和700亿参数版本，均为开源版本。

1. Llama 3在多个基准测试中超越其他模型，包括Gemma 7B和Mistral 7B Instruct。而70B模型则超越了闭源的Claude 3 Sonnet，与谷歌的Gemini Pro 1.5相当。
2. Meta还暗示存在一个4000亿参数+的Llama 3版本，与Claude 3超大杯Opus相当。
3. 训练数据规模达15T tokens，涵盖30多种语言，代码数据是Llama 2的4倍。
4. 训练8B和70B版本，一共花费了770万H100机时，使用成本价算，也需要2000万美元。
5. Llama 3在多个领域全面领先，但上下文窗口为8k，有待社区优化。

体验地址：https://huggingface.co/chat/models/meta-llama/Meta-Llama-3-70B-Instruct
Github地址：https://github.com/meta-llama/llama3
官方介绍页面：https://llama.meta.com/llama3/
模型下载链接：https://llama.meta.com/llama-downloads/

媒体文章：

• 机器之心：开源大模型Llama 3王者归来！最大底牌4000亿参数，性能直逼GPT-4
• 量子位：Llama3突然来袭！开源社区再次沸腾：GPT4级模型自由访问时代到来

[ikaijua]

2024-04-16 斯坦福2024人工智能报告

报告包含9个章节，共502页，以下是一些要点：

1. AI已在多项基准测试中超越人类，包括图像分类、视觉推理和英语理解等方面。然而，在竞赛级数学、视觉常识推理和规划等更复杂的任务上，人工智能却落后于人类。
2. GPT-4 训练估计使用了7800 万美元的计算资源，而谷歌的 Gemini Ultra 的训练成本则高达 1.91 亿美元。
3. 2023年大型语言模型数量翻倍，三分之二是开源模型，但性能最佳为闭源模型。
4. 工业界主导AI前沿研究，美国在顶级AI模型来源国中领先。
5. 2023 年生成式人工智能的私人投资，比2022年增长了近八倍，达到252亿美元。
6. AI在财富500强公司财报电话会议中提及次数增加，AI整合使企业成本下降，收入增加。

官方新闻：https://hai.stanford.edu/news/ai-index-state-ai-13-charts
PDF地址：https://aiindex.stanford.edu/report/ 有500多页

媒体文章：

• 机器之心：李飞飞团队年度报告揭底大模型训练成本：Gemini Ultra是GPT-4的2.5倍

[ikaijua]

2024-04-20 英特尔在俄勒冈工厂新增 ASML 首台高数值孔径极紫外光刻设备

1. 这台新的晶体管制造设备被视为芯片行业的一次重大革命，它是世界上首个采用高数值孔径的极紫外光刻系统，简称为 High NA EUV。这种设备是英特尔、ASML 及其供应商三十多年紧密合作的成果，可能是迄今为止人类制造的最复杂的设备之一。
2. 这台引人注目的机器，体积巨大，堪比双层巴士，重量则与蓝鲸相当。
3. 该设备被从荷兰 ASML 总部运往美国，整个运输过程中使用了多架货机和约 20 辆半挂车，货物被分装在 43 个货柜中，包含超过 250 个箱子。

youtube视频：Intel Adds ASML’s First High NA EUV Tool to Oregon Factory

[ikaijua]

2024-04-17 Stability AI 宣布其开发者平台API现已支持Stable Diffusion 3及其增强版本Stable Diffusion 3 Turbo

1. 官方宣传称SD3模型达到或超过了如DALL-E 3和Midjourney v6等行业领先模型，尤其是在字体和提示遵循方面。
2. Stability AI称仍在持续改进该模型，并没有说明发布日期。

在线体验地址：

• https://sdxlturbo.ai/stable-diffusion3
• https://huggingface.co/spaces/latentcat/sd3-api

API文档地址：Stable Diffusion 3.0 API Reference

[ikaijua]

2024-04-19 微软发布根据语音生成说话视频的AI框架VASA-1

1. VASA-1（Virtual Affective Speech Avatar）能够根据一张静态图片和一段语音音频生成具有视觉吸引力的虚拟角色。
2. 它不仅能够精确地与音频同步产生口型运动，还能捕捉到广泛的面部细节和自然的头部动作，增强真实感和生动性。
3. 核心创新包括一个全面的脸动学和头部运动生成模型，该模型在一个面部潜在空间内工作，以及使用视频开发出如此富有表现力且解耦的面部潜在空间。
4. 通过广泛的实验和新指标集的评估，VASA方法在多个维度上显著优于先前的方法。
5. VASA支持在线生成高达512x512分辨率、40 FPS的视频，且启动延迟可以忽略不计。
6. 该方法能够处理任意长度的音频，并稳定地输出无缝的会说话面部视频。

l5.mp4

o1.mp4

o5.mp4

项目地址：https://www.microsoft.com/en-us/research/project/vasa-1/
论文地址：https://arxiv.org/abs/2404.10667