这里是陌小北,一个正在研究硅基生命的碳基生命。正在努力成为写代码的里面背诗最多的,背诗的里面最会写段子的,写段子的里面代码写得最好的…厨子。

每周日解读每周AI大事件。

大厂动向

【1】微软与Mistral AI达成合作

微软官宣与法国生成式AI独角兽Mistral AI建立长期合作伙伴关系。这一合作将重点关注三个核心领域:微软将通过Azure AI超级计算基础设施支持Mistral AI的大模型训练和推理工作;微软和Mistral AI将通过Azure AI Studio和Azure机器学习模型目录中的模型即服务(MaaS)向客户提供Mistral AI的高级模型;微软和Mistral AI将探索围绕为特定客户培训特定目的模型的合作。此外,据英国《金融时报》报道,微软对Mistral AI进行了小额投资,但不持有该公司任何股权。

【2】英伟达推出RTX 500、1000 Ada AI显卡

英伟达推出RTX 500和RTX 1000系列全新一代笔记本电脑显卡,主要适用于笔记本电脑和移动工作站,配备RTX 500和1000 GPU等新一代行动工作站将包括神经处理单元NPU、CPU组件和英伟达RTX GPU,其中包括用于AI处理的Tensor Core。 NPU可用于小型AI任务,GPU可额外提供682TOPS的AI效能。

【3】谷歌发11B基础世界模型 生成交互虚拟世界

谷歌发布根据互联网视频训练的基础世界模型Genie,该模型参数规模为11B,可以从合成图像、照片甚至草图生成无数种动作可控的交互式环境。Genie可以用它以前从未见过的图像提示,例如现实世界的照片或草图,使人们能够与他们想象的虚拟世界进行交互。

项目地址:https://sites.google.com/view/genie-2024/home

论文地址:https://arxiv.org/abs/2402.15391

【4】阿里发布肖像视频生成框架EMO

阿里巴巴团队发布了音频驱动的肖像视频生成框架EMO(Emote Portrait Alive),相关论文同步发表于arXiv。输入一张参考图像和声音音频,该框架能够生成具有丰富面部表情和头部姿势的声音肖像视频。

论文地址:https://arxiv.org/pdf/2402.17485.pdf

项目主页:https://humanaigc.github.io/emote-portrait-alive/

【5】传苹果放弃电动汽车制造转向生成式AI

据彭博社援引知情人士消息报道,苹果在当地时间周二于公司内部宣布取消长达十年的电动汽车项目,从事该项目的近2000名员工中的许多人将被转到由约翰·詹南德雷亚(John Giannandrea)领导的AI部门,专注于生成式人工智能项目。

【6】字节推出MegaScale 将LLM训练扩展到1万个GPU

字节和北大的团队在arXiv上发表论文,提出大模型生产系统MegaScale。MegaScale将大型语言模型训练扩展到超过10000个GPU,在12288个GPU上训练175B LLM模型时,MegaScale实现了55.2%的模型FLOP利用率(MFU),与层内模型并行技术Megatron-LM相比,MFU提高了1.34倍。

论文地址:https://arxiv.org/abs/2402.15627

【7】微软研究员发首个Sora“逆向工程”报告

理海大学和微软研究员2月27日发布40页综述文章,对Sora模型的背景、相关技术、应用、剩余的挑战以及文本到视频AI模型的未来发展方向进行了全面的回顾,这是首个公布Sora“逆向工程”的报告,该报告提出,Sora面临物理现实主义挑战、时空复杂性、人机交互局限性、使用限制等几大挑战。

论文地址:https://arxiv.org/abs/2402.17177

GitHub地址:https://github.com/lichao-sun/SoraReview

【8】OpenAI将关闭ChatGPT插件,聚焦GPTs

OpenAI宣布将于3月19日起关闭ChatGPT插件测试版,专注于GPT。自3月19日起,用户将不能使用插件建立新的对话,但既有对话最晚将会被保留到4月9日。根据官方信息,在插件测试期间,插件商店中已有1000多个可用插件。GPT商店中已经有成千上万个GPT,涉及写作、生产力、编程、教育等领域。OpenAI称GPTs已经与插件具有完全对等的特性,这也是关闭的主要原因之一。

创业 & 投融资

【1】AI视频生成创企Genmo将获3000万美元融资

据The Information援引知情人士报道,AI视频生成创企Genmo将从NEA筹集至少3000万美元的资金。Genmo由伯克利AI博士和谷歌研究人员帕拉斯·杰恩(Paras Jain)和阿贾伊·杰恩(Ajay Jain)于2022年底创立。用户向Genmo提供简短的文本描述,然后使用其内部AI模型就可生成图像、动画或四秒长的视频。

【2】Pika推出“对口型”功能

AI视频生成平台Pika宣布推出为生成视频中的人物配音,并同时“对口型”的唇形同步功能LipSync,目前仅支持Pro用户体验。其中,音频生成部分由AI语音克隆创企ElevenLabs提供技术支持。

【3】法AI图像编辑器创企Photoroom获4300万美元融资

据TechCrunch报道,法国AI图像编辑器创企Photoroom近期以5亿美元估值完成了4300万美元融资,Balderton Capital领投此轮融资,新投资者Aglaé和之前的投资者Y Combinator参投。Photoroom目前拥有约50名员工,计划利用这笔融资雇用更多员工,并投资于研发和基础设施。

【4】AI图像生成创企Idegram首轮融资8000万美元

据彭博社报道,加拿大AI创企Idegram于周三宣布其首轮融资计划,融资金额为8000万美元,该公司成立不到两年,主要致力于开发AI图像生成技术。

产品 & 模型

【1】Mistral AI新旗舰大语言模型发布

法国生成式AI独角兽Mistral AI发布全新旗舰模型Mistral Large,该模型上下文窗口为32K tokens,支持英语、法语、西班牙语、德语和意大利语。在衡量多语言理解任务基准MMLU上,Mistral Large的表现仅次于GPT-4;在多语言能力的基准测评对比中,Mistral Large的表现优于70B参数规模的Llama 2。此外,Mistral AI还发布了会话助手le Chat。

【2】零一万物发布Yi大模型API,启动公测

国内大模型独角兽零一万物发布Yi大模型API并启动公测,此次API邀测提供Yi-34B-Chat(0205)、Yi-34B-Chat-200K。其中,Yi-34B-Chat-200K 上下文长度达到200K tokens,可支持处理约20~30万个中英文字符。

申请地址:https://01ai.feishu.cn/share/base/form/shrcn6cLrvS0jQKMgPMwmMdd06o

【3】华为发布首个通信大模型

华为在2024年世界移动通信大会MWC上发布通信行业首个大模型,华为通信大模型将提供基于角色的Copilots和基于场景的Agents的两类应用能力,最终将全面提升网络生产力。

【4】Adobe发布AIGC音乐创作工具

Adobe于2月28日发布了用于制作和编辑自定义音频的最新生成式AI工具Project Music GenAI Control。借助该工具,用户可以通过文本提示生成音乐,并进行细粒度音频编辑。该技术发明者Nicholas Bryan称其相当于音频领域的Photoshop。

【5】Lightrick官宣AIGC电影制作平台LTX Studio

Lightrick官宣第一代生成式AI电影制作平台LTX Studio,用户可以借助AI生成短片,并对脚本、角色、镜头、风格、对话、情节等内容进行详细编辑。该公司将在3月27日正式发布该平台,现在已开放预约。

【6】AI电影制作平台Morph正式发布

AI创企Morph Studio刚刚联合Stability AI推出了AI电影制作平台Morph,该平台基于文本到视频模型,用户可以通过过输入不同场景的文本提示来创建和编辑镜头,并将它们组合成一个连贯的故事。

【7】Hugging Face发布StarCoder 2系列模型

Hugging Face与云计算公司ServiceNow合作创建的开源代码生成模型系列StarCoder 2于28日发布,包括由ServiceNow训练的30亿参数模型、Hugging Face训练的70亿参数模型、英伟达训练的150亿参数模型,前两个模型可在大多数消费级GPU上运行。

【8】微软发布金融版Copilot

微软发布金融版Copilot(Copilot for Finance)的公开预览版,其可以在工作流程中提供基于AI的工作流自动化、推荐和指导操作,显著提升相关领域人士工作效率。金融版Copilot可以帮助财务分析师在Excel中使用自然语言提示快速进行方差分析、通过自动数据结构化比较排除故障简化Excel数据核对过程、在Outlook中提供相关客户帐户详细信息的完整摘要、将Excel中的原始数据转换为可随时显示的可视化图形和报表。

如果觉得不错,随手点个赞、评论、转发吧。我是陌小北,一个正在研究硅基生命的、有趣的碳基生命。如果你想第一时间看到我的文章,欢迎关注。

精彩内容

评论可见,请评论后查看内容,谢谢!!!评论后请刷新页面。