谷歌從模型到應用全面進擊AI，PaLM2讓Bard更強大，Workspace叫板Office；3D建模大突破，OpenAI3D模型Shap-E，生成3D模型從2分鐘優(yōu)化到100秒；Meta開源ImageBind新模型，AI學會人類感知，圖片是嫁接橋梁；GPT4最強對手Claude史詩升級，解讀百頁資料僅需一分鐘；此外還有三種黑科技。
每周見聞本周要點匯總：
1、$谷歌-A(GOOGL.US)$從模型到應用全面進擊AI，PaLM2讓Bard更強大，辦公套裝Workspace叫板Office。
(資料圖片僅供參考)
2、3D建模大突破，OpenAI推出文本生成3D模型—Shap-E，生成3D模型從2分鐘優(yōu)化到100秒。
3、$Meta Platforms(META.US)$開源 ImageBind 新模型，AI學會人類感知，圖片是嫁接橋梁。
4、GPT4最強對手Claude史詩升級，解讀百頁資料僅需一分鐘。
5、還有三種黑科技，AI超寫實數(shù)字人為何凸顯商業(yè)價值、AI更懂視頻等內(nèi)容。
企業(yè)新品發(fā)布1、谷歌從模型到應用全面進擊AI
本周谷歌的I/O發(fā)布會備受矚目，新品發(fā)布效果超出市場的預期。谷歌不僅僅發(fā)布了新模型PaLM2，還將AI全面接入辦公套裝Workspace，直接叫板Office。
值得關注的是，新推出PalM2模型有四種大小，包括Gecko、Otter、Bison和Unicorn。Gecko作為最輕量的版本，可以部署到移動端，易于微調(diào)各類細分模型，提供每秒處理20個token的能力。
此前大模型在邊緣側(cè)終端的應用主要是依靠API接口調(diào)用的方式，大模型的訓練和推理仍在云端進行，對邊緣側(cè)終端及芯片形態(tài)更新沒有太大需求。
輕量化Gecko版本，能夠提供AIGC更為定制化、時延更低，安全性、隱私性更好的應用，開拓AI模型在終端芯片推理的場景，邊緣側(cè)智能終端以及SoC有望全面升級，進入新的更新?lián)Q代周期。
見智研究認為：谷歌的PalM2模型推出，能夠更好的驅(qū)動機器人Bard升級，不僅能夠使用100中語言回復用戶，多模態(tài)版本的Bard還更新了圖像、編程、應用集成等功能；而且還在醫(yī)學上被認達到臨床專家水平。
此外，PalM2大模型的又一亮點就是全球首個支持移動端部署的大模型AI，被看做是點燃移動邊緣端的Ai大模型競賽。意味著大模型競賽的路線現(xiàn)在已經(jīng)從PC端拓展到手機和IOT領域。
從谷歌的研發(fā)力和生態(tài)的角度來看：
在AI基礎設施上：A3虛擬機訓練速度目前比其他設施快80%，成本低50%；Vertex AI平臺能夠給開發(fā)者提供多種基礎模型，用于微調(diào)從而盡快得到專屬模型。
在應用生態(tài)上：谷歌搜索推出Converse的生成式AI功能，不僅能夠?qū)戉]件、寫文案、做表格、PPT能力直接對標Office，而且在決定購買性價比更好的產(chǎn)品時候特別有用。
之后最值得關注的是谷歌將推出基于Bard的拓展插件，擴大機器人的應用場景，比如讓Adobe 生成全新的圖像，用REDFIN進行一個地區(qū)的所有房地產(chǎn)市場研究，購物、訂酒店、找工作都不在話下。
2、3D建模重大突破，OpenAI推出文本生成3D模型—Shap-E
傳統(tǒng)3D模型需要開發(fā)者進行手動建模，而Shap-E模型可以只用過自然語言的描述創(chuàng)建3D模型，極大的提高了創(chuàng)作的效率和質(zhì)量。Shap-E模型可在GitHub上免費獲得，并支持在PC上本地運行。下載完所有文件和模型后，不需要聯(lián)網(wǎng)。最重要的是，它不需要OpenAI API密鑰，完全免費。
見智研究認為：Shap-E應用于更常見的擴散模型，與此前發(fā)布的Point-E模型區(qū)別在于：Shap-E直接創(chuàng)建物體的形狀和紋理，并采用稱為神經(jīng)輻射場(NeRF)的特征來克服早期模型的模糊性，使三維場景看起來像逼真的環(huán)境。Point-E是根據(jù)文本提示生成3D點云。
此外，每個Shap-E樣本在單個NVIDIA V13 GPU上生成大約需要100秒，Point-E將花費多達兩分鐘的時間在同一硬件上渲染。因此Shap-E比Point-E運行效率更快。
但該模型也仍有一定的缺陷，比如它在組合概念方面的能力有限，未來通過收集或生成更大的帶注釋的3D數(shù)據(jù)集可能有助于解決這些問題。生成的樣本通常看起來粗糙或缺乏細節(jié)，編碼器有時會丟失詳細的紋理。
雖然文字生成3D模型暫且比不上圖片的呈現(xiàn)效果，但仍舊是未來一個重要的方向。
3、Meta開源ImageBind 新模型，AI學會人類感知
Meta在開源大模型的路上一騎絕塵，繼兩個月前開源LLaMA大模型之后，再次于5月9日開源了一個新的AI模型—— ImageBind。這個模型與眾不同之處便是可以將多個數(shù)據(jù)流連接在一起，包括文本、圖像/視頻和音頻、視覺、IMU、熱數(shù)據(jù)和深度（Depth）數(shù)據(jù)。這也是業(yè)界第一個能夠整合六種類型數(shù)據(jù)的模型。
見智研究認為：ImageBind無需針對每一種可能性進行訓練，而是直接預測數(shù)據(jù)之間的聯(lián)系的方式類似于人類感知。
ImageBind 通過圖像的綁定屬性，將每個模態(tài)的嵌入與圖像嵌入對齊，即圖像與各種模式共存，可以作為連接這些模式的橋梁，例如利用網(wǎng)絡數(shù)據(jù)將文本與圖像連接起來，或者利用從帶有 IMU 傳感器的可穿戴相機中捕獲的視頻數(shù)據(jù)將運動與視頻連接起來。這對于多模態(tài)發(fā)展來說具有重大意義。
4、GPT4最強對手Claude史詩升級，解讀百頁資料僅需一分鐘
據(jù)Anthropic官方介紹，升級后的Claude-100k版本，對話和任務處理能力雙雙得到極大提升。一方面，是“一次性可處理文本量”的增加，另一方面則是“記憶力”的增加。
見智研究認為：此前大模型都存在對讀取超長文本的困難，而Claude-100k打開此該領域的天花板，GPT-4也不過才做到3.2萬token，而Claude-100k能做到一次記憶10萬token；能學習論文、幾小時的博客、財報等等都不在話下，更重要的是它不僅能通讀全文總結(jié)其中的要點，還能進一步完成具體任務，如寫代碼、整理表格等。本次更新對于機器文本學習來說是重大躍遷。
AI黑科技1、 AI藝人、女友商業(yè)價值顯現(xiàn)
本周AI女友Caryn、“AI孫燕姿”都爆火出圈；無論是和網(wǎng)友談戀愛收費每分鐘1美元 ，還是永生藝人，都讓數(shù)字人的商業(yè)價值備受矚目。
見智研究認為：AI虛擬人、數(shù)字人商業(yè)價值的提高，本質(zhì)原因是AI讓建模數(shù)字人的成本大幅降低。此前，CG建模數(shù)字人的制作周期通常需要1-2個月，報價在百萬元左右不等，而現(xiàn)在AI建模技術的快速迭代，讓3D寫實數(shù)字人的價格降至千元級別。這也是為什么該應用能夠快速進行推廣的核心原因。
2、AI看視頻：檢索關鍵字，精準卡位時間點
Twelve Labs能夠做到讓AI讀懂視頻，并且通過關鍵字搜索的方式從視頻中提取特征，例如動作、對象、屏幕上的文本、語音和人物。
見智研究認為：此功能必然是視頻創(chuàng)作者的福音，能夠讓機器批量檢索大量視頻，并且精準定位所需要的視頻畫面，效率非常高。此功能是將視頻中的信息逐一定義為向量，從而實現(xiàn)快速檢索的功能。
3、 4D渲染—實現(xiàn)高清動態(tài)還原
Synthesia Research 發(fā)布HumanRF（運動中人類的高保真神經(jīng)輻射場），通過視頻輸入來捕捉運動中人的全部外觀細節(jié)，能夠讓合成的視頻更加高清，從4MP的分別率升級到12MP運行。HumanRF極大的解決了攝像機拍攝后進行高分辨率視頻合成的困難。
見智研究認為：4D高清合成的突破性，對于視頻創(chuàng)作來說具有重大意義。當下看到可以應用場景包括電影制作、電腦游戲或視頻會議等，邊界還能夠不斷拓展到超寫實數(shù)字人的視頻生成領域。
下周關注重點OpenAI向所有ChatGPT Plus 用戶開放聯(lián)網(wǎng)功能和眾多插件！從Alpha 到 Beta，它們將允許ChatGPT 訪問互聯(lián)網(wǎng)并使用70多個第三方插件。這些插件包括創(chuàng)建新網(wǎng)站，文本轉(zhuǎn)音頻，購物比價下單，總結(jié)和分析PDF文檔，創(chuàng)建專屬自己的智能工作流等等，涵蓋日常生活的衣食住行各個方面。
關鍵詞：
【全球熱聞】萃華珠寶：一季
住房貸款退稅是什么原因（住
頭部DP公司操盤手兼主播梔梔
世界看熱訊：嵐圖汽車銷售總
三亞購買新能源換電車最高補
slf利率的特點是什么（政策
48小時點擊排行
