搜索
不久前，AI新光年与知衣科技创始人兼CEO郑泽宇就“人工智能如何改变服装行业”的话题进行了一次探讨。2024年伊始，这位年轻的AI高级工程师做完了2023年复盘，也做好了新一年的规划。
今天简单介绍下AI封神榜大片的工作流和用的AI工具。
4天卖出600万份，爆火游戏《幻兽帕鲁》最高180万人同时在线，直接登顶。
AI虚拟女友究竟能带来多少实际产出？一个月3万美金。（约合人民币21.4万元）
Pika北大斯坦福联手，开源最新文本-图像生成/编辑框架！
现在，通过文本提示和一个 2D 边界框，我们就能在 3D 场景中生成对象。
目标跟踪是计算机视觉的一项基础视觉任务，由于计算机视觉的快速发展，单模态 (RGB) 目标跟踪近年来取得了重大进展。考虑到单一成像传感器的局限性，我们需要引入多模态图像 (RGB、红外等) 来弥补这一缺陷，以实现复杂环境下全天候目标跟踪。
去年，在加速大语言模型推理层面，我们迎来了一个比推测解码更高效的解决方案 —— 普林斯顿、UIUC 等机构提出的 Medusa。如今，关于 Medusa 终于有了完整技术论文，还提供了新的版本。
疫情复苏之后的第二年，CES再次成为了观察未来趋势的最佳窗口，AI应用成为一条观察CES 2024新趋势的天然主线。
根据消息人士曝料，微软调集了各组中的精英，组建了一支新的AI团队，专攻小模型，希望能够摆脱对于OpenAI的依赖。
前两天，一个来自小红书的大佬发了个新项目——InstantID，是用一张你的随意角度的照片，就能生成一个 AI 头像。
前几天的 2024 达沃斯世界经济论坛上，Sam Altman 谈到了 GPT 发展的一些新的方向及可能性，对于当下大模型的一些现状的分析。
绝大多数AI生图模型在训练的时候侧重的是文本和图形之间的关联，并不擅长语义分析和复杂元素处理。
1月16日，AI知识智能技术开发商智谱AI举办了首届技术开放日（Zhipu DevDay），全面展示了其投身大模型事业三年多以来所积累的技术成果，并发布了新一代基座大模型GLM-4。
“AI 是否会取代软件工程师”是自大模型爆火以来程序员们最为关心的一大话题，事关编程的未来与我们每一位程序员。本文作者 Babel CEO、多年的资深程序员张海龙深入技术本质，为我们进行了答疑解惑。
AI应用开发者都在替平台打工，平台在替显卡厂打工，最后钱都到了英伟达。
随着ChatGPT的横空出世，互联网玩家纷纷下场，国内大模型发布已达上百个，而大模型落地并不顺利，打造各类应用层产品成为互联网下一个“富矿”。
据The information的Creator Economy Database最新数据，在数据库覆盖的350多家全球创业公司中，2023年募得资金量继续螺旋式下降，至约17亿美元，其中人工智能初创企业在融资份额中占比最大，超3.24亿美元。
以大模型为代表的生成式AI技术经历了一年多的狂飙突进后，进入一个新的阶段。一是从跳出百模大战的「速度怪圈」，逐步迈向强调模型效果和质量。二是在应用层生态上，强调垂直化与专有化的小模型、基于大模型泛化能力的定制化、智能化的Agent（智能体）也成为了创业者们投身的热门风向。
Transformer八子叛逃谷歌后，又聚齐了OpenAI「十九子」！据爆料，从OpenAI出走的19位科学家，已经纷纷创办初创公司，融资总金额高达80亿美元。
自从ChatGPT发布后，各种基于大模型的产品也快速融入了普通人的生活中，但即便非AI从业者在使用过几次后也可以发现，大模型经常会胡编乱造，生成错误的事实。
谷歌和威斯康星麦迪逊大学的研究人员推出了一个让LLM给自己输出打分的选择性预测系统，通过软提示微调和自评估学习，取得了比10倍规模大的模型还要好的成绩，为开发下一代可靠的LLM提供了一个非常好的方向。
在 2024 世界经济论坛的一次会谈中，图灵奖得主、Meta 首席 AI 科学家 Yann LeCun 被问到了这个问题。他认为，虽然这个问题还没有明确的答案，但适合用来处理视频的模型并不是我们现在大范围应用的生成模型。而且新的模型应该学会在抽象的表征空间中预测，而不是在像素空间中。
人类有两只眼睛来估计视觉环境的深度信息，但机器人和 VR 头社等设备却往往没有这样的「配置」，往往只能靠单个摄像头或单张图像来估计深度。这个任务也被称为单目深度估计（MDE）。
状态空间模型（SSM）是近来一种备受关注的 Transformer 替代技术，其优势是能在长上下文任务上实现线性时间的推理、并行化训练和强大的性能。而基于选择性 SSM 和硬件感知型设计的 Mamba 更是表现出色，成为了基于注意力的 Transformer 架构的一大有力替代架构。
OPO 无需训练即可实现实时动态对齐，而且因其即插即用的特性，适用于所有的开源与闭源大模型。
号称要干翻所有APP的Rabbit R1，短短5天时间已经卖了50000台！
GPT-4表现比基准指数高出13%，回报率高达40%，同时保持了与市场相当的风险状况。
在语音克隆领域，ElevenLabs（11Labs）是公认的最强工具之一。
