搜索
今年，生成式 AI 的炒作消息层出不穷，显然应用开发人员也一直在关注这波潮流。以 AI 为卖点的工具几乎在苹果的 App Store 排行榜上占据了每个类别的榜首，包揽了教育、生产力和照片编辑领域的前 10 名。免费图形和设计应用类别中的机遇尤其多，这个类别中充斥着 AI 内容创建工具。
近段时间，世界模型的相关研究成果正如雨后春笋版不断涌现，光是我们报道过的就已有南大周志华团队的世界模型 Whale、Yann LeCun 团队的世界模型研究、李飞飞 World Labs 的空间智能研究、谷歌的强大世界模型 Genie 2 以及刚刚开源的像是能模拟万物的生成式物理引擎 Genesis。
不仅能推理，还能明确展示自己「推理逻辑」的大模型出现了。 OpenAI 的 12 天连续发布已近尾声，但它的热度显然已经被谷歌夺去了许多。从 Gemini 2.0 Flash 到 Veo 2 到今天的 Gemini 2.0 Flash Thinking，谷歌端上来的菜真是一道比一道香。
Meta斯坦福大学联合团队全面研究多模态大模型（LMM）中驱动视频理解的机制，扩展了视频多模态大模型的设计空间，提出新的训练调度和数据混合方法，并通过语言先验或单帧输入解决了已有的评价基准中的低效问题。
英伟达2025年博士奖学金名单揭晓了！今年，共有10位天才学者入选，华人比例占七成，其中不乏有中科大、浙大、上交、上科大、东南大学优秀校友。值得一提的是，5名入围学者全是华人学生。
本文中，香港大学与 Adobe 联合提出名为 UniReal 的全新图像编辑与生成范式。该方法将多种图像任务统一到视频生成框架中，通过将不同类别和数量的输入/输出图像建模为视频帧，从大规模真实视频数据中学习属性、姿态、光照等多种变化规律，从而实现高保真的生成效果。
AutoPatent框架能够自动化生成高质量的专利文档，大幅提高专利撰写效率，有望简化专利申请流程，降低成本，促进创新保护。
将图像中与约束相关的物体或部分提取为更简洁的几何元素（如点、线、面）。通过跟踪和评估这些几何元素在时空中的变化，可以有效地监控约束是否被满足。
2024年，智驾领域最热的词，就是“端到端”。甚至，到了不聊端到端都没法出门的程度。
自动驾驶行业正经历新一轮洗牌。其中，全球自动驾驶第一股图森未来的沉浮，折射出整个行业的阵痛：从 2021 年 IPO 时 85 亿美元的估值，到 2024 年初退市，短短三年间历经管理层动荡、美国监管调查、业务收缩及大幅裁员等一系列剧变。
2024年快要结束了，世界大模型究竟孰强孰弱？刚刚，智源研究院发布了下半年大模型综合评测结果，涵盖了开源闭源100+模型，横跨文本、语音、图像和视频等多个领域。
继视觉和听觉之后，AI已经进化到拥有嗅觉了？？ 你没听错，这是来自Osmo公司的最新技术，它们刚刚首次实现了由AI生成的李子味道。 而且生成味道的过程几乎是全自动的——除了放入水果和取出生成结果，全程都不需要人工干预。
AI重构一切，已经实实在在开始在直播间里分一杯羹了。
什么？？？ 听说有人连一行代码都不会敲，竟然开发了个产品，然后还靠着它营收破百万……
刚刚，2024达摩院青橙奖获奖名单公布！ 15名获奖中国青年科学家，平均年龄34岁。
The Information消息，初代GPT论文第一作者Alec Radford也要离开OpenAI，转向独立研究。据了解， Alec于2016年加入OpenAI，从初代GPT到GPT-4o的论文中全都有他的名字，其中前两代还是第一作者。
OpenAI 发布季第十一天，ChatGPT与Mac应用深度集成了—— 此次带来编程和写作两方面的更新。
许多没有任何GPU背景、算力行业经验的上市公司，将智算中心当做他们发展第二曲线的抓手，筹谋向AI领域转型——比如，生产味精的公司（莲花控股）、造染料的公司（锦鸡股份）、甚至还有博彩行业的玩家（鸿博股份）等等。 但到2024年年底，情况出现了逆转。
过去一年，强化学习成为了大模型 AI 领域最热的概念之一。 随着行业内高阶推理模型的推出，再次彰显了强化学习在通往 AGI 道路上的重要性，也标志着大模型 AI 进入了一个全新阶段。
Perplexity专注于改善信息获取，并正在构建全球首个“答案引擎”;Aravind认为模型会越来越商品化;Aravind谈Perplexity使命愿景
提速8倍！ 速度更快、效果更好的混元视频模型——FastHunyuan来了！ 新模型仅用1分钟就能生成5秒长的视频，比之前提速8倍，步骤也从50步减少到了6步，甚至画面细节也更逼真了。
丸辣！原来AI有能力把研究员、用户都蒙在鼓里： 在训练阶段，会假装遵守训练目标；训练结束不受监控了，就放飞自我。 还表现出区别对待免费用户和付费用户的行为。
给大模型智能体组一桌“大富翁”，他们会选择合作还是相互拆台？ 实验表明，不同的模型在这件事上喜好也不一样，比如基于Claude 3.5 Sonnet的智能体，就会表现出极强的合作意识。 而GPT-4o则是主打一个“自私”，只考虑自己的短期利益。
2024年12月19日，智源研究院发布并解读国内外100余个开源和商业闭源的语言、视觉语言、文生图、文生视频、语音语言大模型综合及专项评测结果。
自2022年年末OpenAI发布ChatGPT以来，英伟达的市值就上涨了近5倍，甚至超越苹果成为了全球最值钱的公司。眼看着英伟达如今能够让OpenAI、Meta、xAI等一众AI厂商排队交钱，也就使得越来越多的公司想成为此次AI淘金热中的“卖水人”。
奶茶机器人，有必要吗？ 万万没想到，几块钱的奶茶比几十万的汽车更先赛博了起来。 北京地铁站已经开始搞奶茶无人机了，扫码点餐、机械臂制作、全程无人工，妥妥的i人福利。
可控视频生成，对于自动驾驶技术而言，同样非常重要。
从中国人工智能公司的总体分布情况来看，目前在北京有1869家AI公司，是全国AI公司密度最高的城市，占全国27%的比重；广东有1494家AI公司，占比为21%；上海有1081家AI公司，占比15%。全国有超过六成的AI公司分布在北上粤三地。
早在当年微软Edge也转投谷歌Chromium阵营时，外界都以为网络浏览器的故事已经迎来了大结局。
谷歌版o1来了！在奥特曼“双十二”倒数第二天——他们发布Gemini 2.0 Flash Thinking，顾名思义，以闪电般的速度解决复杂问题并展示其思考过程的实验模型。
