AI新闻动态（2024-06-02到2024-06-08)

[ikaijua]

AI新闻动态（2024-06-02到2024-06-08)

目录

AI产品

1. 英伟达CEO黄仁勋在Computex 2024（2024台北国际电脑展）上宣布，将打破摩尔定律，计划每年更新一次GPU
2. AMD在Computex科技大会上展示了GPU和CPU产品及未来三年的产品路线图
3. 阿里开源Qwen2模型
4. 智谱 AI 发布GLM-4开源版本
5. 快手版Sora “可灵”大模型开放邀请测试
6. Stability AI开源音频生成模型Stable Audio Open

AI研究

1. 字节跳动发布Seed-TTS语音生成模型，声音真假难辨
2. 实时语音翻译模型StreamSpeech
3. 还原Emoji表情的数字人生成模型Follow-Your-Emoji
4. 谷歌推出了一个名为 Illuminate 的新项目，能将科研论文转化为播客聊天节目

AI洞察

1. 国产大模型大战高考作文：用AI写AI
2. ChatGPT本周遭遇近8小时的大规模宕机
3. 李沐带着Boson AI的大模型创业成果Higgs-Llama-3-70B回归B站
4. OpenAI百万年薪挖角谷歌TPU人才
5. 联发科宣布加入Arm总体设计联盟

AI投资

1. 人工智能初创公司Cohere以50亿美元估值融资4.5亿美元，英伟达、思科等参投
2. AI视频生成公司Pika再融5.8个亿，最新估值约34亿
3. 沙特基金Prosperity7向智谱AI投资约4亿美元，智谱AI估值约30亿美元
4. 字节跳动计划在马来西亚投资21亿美元建区域人工智能中心

[ikaijua]

2024-06-03 英伟达CEO黄仁勋在Computex 2024（2024台北国际电脑展）上宣布，将打破摩尔定律，计划每年更新一次GPU

1. 黄仁勋在COMPUTEX 2024开幕前发表演讲，强调了生成式AI正在重塑行业并带来新机遇。
2. 英伟达计划2025年推出Blackwell Ultra AI芯片，2027年推出下一代AI平台Rubin及Rubin Ultra。
3. 黄仁勋展示了英伟达在加速计算技术、大语言模型、AI理解物理世界、机器人技术等方面的最新进展和未来愿景。

youtube视频：NVIDIA CEO Jensen Huang Keynote at COMPUTEX 2024

“NVDIA英伟达“微信公众号文章：COMPUTEX 2024 | “加速一切”，NVIDIA CEO 黄仁勋在 COMPUTEX 开幕前发表主题演讲

媒体文章：

• 战略投资家：黄仁勋最新2万字演讲实录：机器人时代已经到来
• 量子位：意外！老黄剧透下一代GPU芯片，新演讲又把摩尔定律按在地上摩擦

[ikaijua]

2024-06-08 阿里开源Qwen2模型

1. Qwen2模型包含5个尺寸的预训练和指令微调模型, 包括Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B以及Qwen2-72B；
2. 在中文英语的基础上，训练数据中增加了27种语言相关的高质量数据；
3. 多个评测基准上的领先表现；
4. 代码和数学能力显著提升；
5. 增大了上下文长度支持，最高达到128K tokens（Qwen2-72B-Instruct）

Github地址：https://github.com/QwenLM/Qwen2
Demo地址：https://huggingface.co/spaces/Qwen/Qwen2-72B-Instruct

阿里云官方公众号文章：开源，免费下载！

媒体文章：

• 量子位：开源超闭源！通义千问Qwen2发布即爆火，网友：GPT-4o危

[ikaijua]

2024-06-06 Stability AI开源音频生成模型Stable Audio Open

1. Stable Audio Open模型可以通过简单的文本提示生成长达 47 秒的高质量音频数据。效果跟Suno和Udio还是有差距。
2. 模型能够生成各种类型的音频，包括鼓点、乐器 riffs、环境音、拟声录音等，适用于音乐制作和声音设计。
3. Stable Audio Open 基于 Transformer 架构的潜在扩散模型，由自编码器、基于 T5 的文本嵌入和 DiT 模型三部分组成。
4. 模型训练使用了来自 FreeSound 和 Free Music Archive 的音频数据，共包含 486492 个音频记录，确保了未经许可未使用任何受版权保护的材料。
5. 为避免版权问题，研究者使用了 PANNs 音乐分类器和 Audible Magic 的内容检测服务，确保训练数据中没有未经授权的版权音乐。
6. 模型存在一些局限性，如无法生成逼真的声音、对非英语描述表现欠佳、不能适用于所有音乐风格和文化等。
7. 虽然是开放模型，但 Stable Audio Open 并未使用 OSI 批准的许可证，并且禁止商业用途。

项目地址：https://huggingface.co/stabilityai/stable-audio-open-1.0

媒体文章：

• 机器之心：Stability AI开源47秒音频生成模型，虫鸣鸟叫、摇滚、鼓点都能生成

[ikaijua]

2024-06-05 智谱 AI 发布GLM-4开源版本

1. 智谱 AI 发布了最新的开源版本 GLM-4-9B 模型。
2. GLM-4-9B 实现了更强的基础能力、长上下文处理能力和多语言支持，模型词表从 6 万升级到 15 万，中英文综合性能提升 40%。
3. 基于 GLM-4-9B 的多模态模型 GLM-4V-9B 也已开源，加入了 Vision Transformer，参数量为 13B。

• GitHub 链接：https://github.com/THUDM/GLM-4
• 模型：huggingface：https://huggingface.co/collections/THUDM/glm-4-665fcf188c414b03c2f7e3b7
• 魔搭社区：https://modelscope.cn/organization/ZhipuAI

媒体文章：

• 机器之心：GLM-4开源版本终于来了：超越Llama3，多模态比肩GPT4V，MaaS平台也大升级

[ikaijua]

2024-06-07 国产大模型大战高考作文：用AI写AI

1. 2024年高考语文作文题目，要求考生讨论互联网和人工智能的普及是否会减少人们的问题。
2. 将高考作文题目输入不同国产大模型，包括Kimi、通义千问、文心一言、豆包、讯飞星火、商量、智谱AI、腾讯元宝、天工，展示各模型的作答结果。

量子位：9个国产大模型大战高考作文：用AI写AI
机器之能：10家国产大模型、GPT-4o共同挑战新鲜高考作文，还自我打分，谁是第一？

[ikaijua]

2024-06-06 快手版Sora “可灵”大模型开放邀请测试

1. 快手版Sora "可灵"大模型已在快影APP中开放邀测，支持生成超过120秒的1080p视频。
2. 采用类Sora的DiT结构，用Transformer替代传统的U-Net，改善了处理复杂任务时的冗余和效率问题。
3. 构建了高质量的数据筛选体系，从视频基础质量、美学、自然度等多个维度进行精细化筛选，保证训练数据的质量。

官网：https://kling.kuaishou.com/

媒体文章：

• 量子位：快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模

[ikaijua]

2024-06-06 AI视频生成公司Pika再融5.8个亿，最新估值约34亿

1. AI视频生成公司Pika获得5.8亿人民币新融资，估值为34亿人民币。
2. 投资者包括Spark Capital、Lightspeed和Greycrof等知名机构。
3. 公司由两位斯坦福华人博士创立，去年底推出产品1.0并融资5500万美元。
4. 半年内团队从4人扩展至13人，入选福布斯AI50强。
5. AI视频生成技术领域迎来爆发，Pika等初创公司快速扩张。
6. Pika最近半年推出新功能，如DreamPropeller加速算法、唇形同步和AI配音工具。
7. Pika已构建自己的AI视频生成基础模型，计划晚些时候发布重大更新。

媒体文章：
量子位：郭文景Pika再融5.8亿，最新估值约34亿，已自研AI视频生成基础模型

[ikaijua]

2024-06-06 李沐带着Boson AI的大模型创业成果Higgs-Llama-3-70B回归B站

1. Higgs-Llama-3-70B专为复杂场景角色扮演设计，在通用领域也表现优异。
2. Higgs-Llama-3-70B在MMLU-Pro和Arena-hard基准测试中优于谷歌Gemini-1.5-Flash和Claude-3-Sonnet。
3. Higgs-Llama-3-70B是Boson AI推出的Higgs系列大模型中的第一个。
4. Boson AI由李沐和Alex Smola联合创立，致力于利用AI技术赋能企业。
5. 团队计划进一步探讨角色扮演性能、训练后处理流程和未来整合多个服务提供商的策略。
6. 有传言称张一鸣已投资Boson AI，但尚未得到官方证实。

博客： https://boson.ai/higgs-opensource/
模型：https://huggingface.co/bosonai/Higgs-Llama-3-70B

“李沐”的AI动态：https://www.bilibili.com/opus/939754886080233542

媒体文章：

• 量子位：李沐老师回归B站！带着大模型创业成果填坑来了

[ikaijua]

2024-06-09 OpenAI百万年薪挖角谷歌TPU人才

1. OpenAI 最近招募的研究人员几乎都是现任或前任的谷歌TPU团队成员。
2. OpenAI 计划将芯片团队从几个人扩展到几十人。
3. OpenAI 每年将向这些高级工程师提供价值数百万美元的股权，股权是指OpenAI内部制定的“利润分红单位”结构。
4. TPU 于2013年首次发布，2016年量产，至2023年5月推出最新的TPUv6，已有十多年开发经验。
5. 虽然TPU在任务通用性方面不如GPU，但在运算性能和能源效率方面表现出色。
6. 奥尔特曼在今年2月与软银CEO和台积电谈判，讨论共同建造和运营数十座芯片制造工厂，成本估算高达5-7万亿美元。

媒体文章：

• 第一财经：OpenAI芯片野心曝光：百万年薪挖角谷歌TPU人才

[ikaijua]

2024-06-09 字节跳动计划在马来西亚投资21亿美元建区域人工智能中心

1. 马来西亚贸易与工业部部长扎夫鲁6月7日在社交媒体X发文称，字节跳动计划在马来西亚投资100亿林吉特（约合21亿美元）以建立一个区域人工智能中心。

2. 字节跳动还计划额外追加15亿林吉特投资扩建其在马来西亚柔佛州的现有数据中心设施。

[ikaijua]

2024-06-07 联发科宣布加入Arm总体设计联盟

1. 联发科获得Arm的NeoversecSS授权，正式进军云服务器领域。
2. 联发科将成为NVIDIA的合作伙伴，并参与下一代Rubin架构的设计。
3. 联发科预测到2028年，AI定制芯片TAM将达到450亿美元，而定制的基于ARM的服务器CPU TAM将达到50亿美元。
4. 联发科推出了两款面向AI手机的芯片：天玑9300和天玑8300。
5. 大摩预测联发科+NVIDIA的WoA PC芯片将在2025年的出货500万台，2026年出货1500万台。
6. 联发科推出的WoA PC芯片将采用ARM Cortex-X5核心，并采用台积电3nm制程。
7. 联发科认为，到2028年，定制的AI加速器将达到400亿美元。

媒体文章：

• 华尔街见闻：联发科的下一个巨变！抱上NVIDIA，杀入云服务器丨AI脱水

[ikaijua]

2024-06-09 字节跳动发布Seed-TTS语音生成模型，声音真假难辨

1. Seed-TTS模型基于自回归Transformer架构，在说话人相似度和自然度方面的表现可以与真实人类语音相媲美，经过微调后在主观评分上获得提升。
2. 该模型提供了语音属性（如情感）的出色可控性，能够生成高度表现力和多样性的语音。
3. 团队提出了自蒸馏方法和通过强化学习增强模型鲁棒性、说话人相似度和可控性的方法。
4. Seed-TTS推出了非自回归变体Seed-TTS_DiT，采用基于扩散的架构，不依赖预估的音素时长，通过端到端处理进行语音生成。
5. Seed-TTS的推理流程包括语音分词、自回归语言模型、扩散变换器和声学波形合成器四个步骤。

项目网站：https://bytedancespeech.github.io/seedtts_tech_report/
论文：https://arxiv.org/abs/2406.02430

[ikaijua]

2024-06-05 ChatGPT本周遭遇近8小时的大规模宕机

1. ChatGPT本周遭遇了近8小时的大规模宕机，宕机事件期间，大量用户受到影响，无法访问ChatGPT。
2. 在ChatGPT宕机期间，谷歌推出的类似产品Gemini的搜索量激增了60%。
3. 市场上对于AI聊天工具的需求和依赖性显现，一旦主流产品出现问题，用户会迅速寻找替代品。
4. 事件引发了关于AI聊天工具稳定性和可靠性的讨论，可能促使各大公司进一步优化其产品，避免类似宕机事件再发生。

媒体文章：

• 36氪的朋友们：ChatGPT遭遇近8小时大规模宕机，谷歌“平替”产品Gemini搜索量激增60%“躺赢”？

[ikaijua]

2024-06-06 人工智能初创公司Cohere以50亿美元估值融资4.5亿美元，英伟达、思科等参投

1. 加拿大人工智能初创公司Cohere已从英伟达、Salesforce Venture、思科等投资者处筹集到4.5亿美元资金。
2. Cohere由Aidan Gomez、Ivan Zhang和Nick Frosst三位90后共同创办。Aidan Gomez是著名论文《Attention is All You Need》的作者之一。
3. Cohere专注于利用大模型能力为企业客户服务，而非直接竞争类ChatGPT产品。设计了针对性的付费模式，获得市场认可。
4. Cohere已与Jasper、HyperWrite、Salesforce等公司合作。截至今年3月底，公司年化收入达到3500万美元。

从左到右：Ivan Zhang、Aidan Gomez、Nick Frosst

媒体文章：

• 投资界：三个90后，估值360亿

[ikaijua]

2024-06-04 AMD在Computex科技大会上展示了GPU和CPU产品及未来三年的产品路线图

1. AMD CEO苏姿丰重点介绍了基于全新Zen 5架构的Ryzen 9000系列桌面端CPU，这些CPU优化了AI工作负载的处理能力。
2. Zen 5架构的CPU核心是AMD迄今为止设计的性能和能效最高的，包括新的并行双管道前端和更宽的CPU引擎指令窗口。
3. Ryzen 9 9950X是采用Zen 5架构的CPU之一，具有16核心32线程，加速频率可达5.67 GHz，预计7月上市。
4. AMD展示了锐龙AI 300系列APU，特别是锐龙AI 9 HX 370，其XDNA AI NPU算力达到50TOPS，超过了微软对新一代AI PC的标准。
5. 第五代EPYC霄龙芯片（代号Turin）具有192个Zen 5核心和384个线程，预计将成为全球最强的数据中心CPU。
6. AMD的Instinct GPU系列也展示了其产品路线图，包括即将推出的MI325X，它将采用HBM3E内存，提供更高的内存容量和带宽。

媒体文章：

• 机器之心：苏妈杀疯了：移动端最强NPU算力达50TOPS，最强AI芯片挑战英伟达

[ikaijua]

2024-06-02 沙特基金Prosperity7向智谱AI投资约4亿美元，智谱AI估值约30亿美元

1. Prosperity7是国有石油集团沙特阿美的风险投资部门，管理着一只30亿美元的基金。
2. 智谱AI成立于2019年，是清华大学计算机系技术成果转化公司，创始人为清华大学教授唐杰。
3. 智谱AI在人工智能领域有显著进展，包括研发GLM预训练架构、百亿参数模型GLM-10B，以及推出基于千亿基座的对话模型ChatGLM。
4. 智谱AI在2024年1月推出了新一代基座大模型GLM-4，并开源了单卡版模型ChatGLM-6B，以支持研究者和开发者。
5. 智谱AI在2023年10月宣布已累计获得超过25亿元人民币融资，投资者包括多家知名机构和老股东。
6. 获得外国投资者的支持对中国人工智能初创企业在新技术和国际市场的拓展具有重要意义。

媒体文章：

• 澎湃新闻：沙特基金4亿美元重仓智谱AI，企业估值达30亿美元

[ikaijua]

2024-06-07 实时语音翻译模型StreamSpeech

低延迟语音实时翻译，同步执行语音识别、语音翻译和语音合成。

Github地址：https://github.com/ictnlp/streamspeech
Demo地址：https://ictnlp.github.io/StreamSpeech-site/

[ikaijua]

2024-06-07 还原Emoji表情的数字人生成模型Follow-Your-Emoji

只要有一张参考图像和目标表情，就能让静态肖像“动起来”。不管是照片、卡通形象、雕塑，甚至是动物，都能生成自然流畅的动画。

Follow-your-emoji.mp4

项目地址：https://follow-your-emoji.github.io/

[ikaijua]

2024-06-08 谷歌推出了一个名为 Illuminate 的新项目，能将科研论文转化为播客聊天节目

1. 用户只需上传选定的论文，系统会生成富有趣味性的语音解释，使抽象概念和数据变得易于理解。
2. Illuminate 目前还在内测阶段，但官方提供了 demo，展示了其强大的语义理解和生成能力。
3. 官方网站提供了数十篇已转换为语音的论文范例，包括 ChatGPT 基础论文《Attention is all you need》。

网址：https://illuminate.withgoogle.com/ 需要申请加入等待列表