AI新闻动态（2024-09-15到2024-09-21)

[ikaijua]

AI新闻动态（2024-09-15到2024-09-21)

目录

AI产品

1. youtube宣布一系列新功能，包括AI视频生成和AI语音翻译功能
2. 阿里云发布新一代开源模型 Qwen2.5
3. 可灵 AI 发布 1.5 模型，升级基座模型，显著提升画质

机器人/脑机接口

1. Neuralink 公司的脑机接口项目 Blindsight 获得美国食品药品管理局（FDA）的“突破性设备认定”，旨在帮助视障者恢复视力
2. 普渡发布PUDU D7，首款类人形机器人，预计2025年商业化

AI研究

1. 字节跳动发布音乐生成模型 Seed-Music的技术论文

AI洞察

1. 高通提出收购英特尔

[ikaijua]

2024-09-19 youtube宣布一系列新功能，包括AI视频生成和AI语音翻译功能

1. YouTube去年推出了 Dream Screen功能，可以让创作者通过自然语言提示，在 YouTube Shorts 中生成视频背景或六秒钟的独立视频短片。YouTube 宣布，今年晚些时候将集成谷歌 DeepMind 最强大的 AI 视频生成模型 Veo 集成到 YouTube Shorts 的 Dream Screen 里。
2. 推出自动配音工具，该工具可以给视频生成不同语言的翻译音轨，目前仅有一小部分创作者受邀测试，未来几个月此功能将扩展到数十万创作者，支持的语言数量也会扩大，从西班牙语和葡萄牙语到法语、意大利语等，意图是让创作者的内容找到全球受众。YouTube 正在测试“表达性语音”功能，能够将创作者的语气、语调和环境声音转移到配音中，创造更自然的体验。

• 官方博客：9 new features we announced at Made on YouTube 2024
• Dream Screen介绍：Create AI-generated content in Shorts with Dream Screen

媒体文章：

• geekpark：AI、社区、带货，YouTube 平台要「变天」了

[ikaijua]

2024-09-19 阿里云发布新一代开源模型 Qwen2.5

1. 旗舰模型 Qwen2.5-72B 在性能上超越了 Llama 3.1-405B，成为全球开源大模型的领先者。
2. Qwen-Max 模型全方位升级，性能逼近 GPT-4o。通义官网和通义 APP 的后台模型都已切换为 Qwen-Max，继续为所有用户免费服务。还可以通过阿里云百炼平台调用 Qwen-Max 的 API。
3. Qwen2.5 系列模型包括大语言模型、多模态模型、数学模型和代码模型，提供不同尺寸以满足不同场景需求。
4. Qwen2.5 系列模型在 18 万亿 tokens 数据上预训练，整体性能比前代提升了 18% 以上。
5. Qwen2.5-Coder 和 Qwen2.5-Math 模型在编程和数学能力上都有显著提升，支持中英双语的数学题解答。
6. Qwen2.5 模型支持高达 128K 的上下文长度和最多 8K 的内容生成，具备多语言能力，支持 29 种以上语言。
7. Qwen2-VL-72B 视觉语言模型开源，具备强大的视觉理解能力，支持视频内容理解及视觉智能功能。

媒体文章：

• 机器之心：阿里云Qwen2.5发布！再登开源大模型王座，Qwen-Max性能逼近GPT-4o

[ikaijua]

2024-09-21 高通提出收购英特尔

1. 高通提出收购英特尔，可能创造历史。
2. 英特尔成立于1968年，是PC核心芯片的构建者，现正努力转向AI领域。
3. 高通市值1882亿美元，英特尔市值934亿美元。
4. 高通此前探讨收购英特尔部分设计业务，英特尔自救行动包括发展AI处理器和芯片代工业务。
5. 英特尔在晶圆制造优势上落后于台积电，并错过了AI和OpenAI的投资。
6. 英特尔2023年推出Raptor Lake存在质量问题，二季度营收同比下降1%，亏损16亿美元。
7. 英特尔CEO重申IDM2.0战略，将持续投资核心产品领域，高通的商业模式与英特尔不同。

媒体文章：

• 机器之心：突发！高通准备收购英特尔

[ikaijua]

2024-09-21 可灵 AI 发布 1.5 模型，升级基座模型，显著提升画质

1. 1.5 模型输出 1080p 高清视频，动幅更大、质量更高，文本响应度更强。
2. 可灵 1.5 模型可生成逼真、电影质感的场景，细节处理到位。
3. 动幅再大也不崩，动态质量提升，角色动作合理、流畅。
4. 可响应复杂文本描述要求，甚至可 " 无中生有 "。
5. 引入 " 运动笔刷 " 功能，提高图生视频运动效果的控制能力。
6. 可灵 AI 迭代迅速，已进行 9 次升级，服务超过 260 万用户。

可灵官网：https://klingai.kuaishou.com/

媒体文章：

• 机器之心：最强卷王3个月进化9次！可灵AI上新1.5模型，国外网友：太疯狂

[ikaijua]

2024-09-19 字节跳动发布音乐生成模型 Seed-Music的技术论文

1. Seed-Music旨在帮助不同水平的音乐创作者探索音乐创作的可能性。
2. Seed-Music 包括可控音乐生成、谱转曲、词曲编辑、零样本人声克隆等功能，支持十种不同的音乐创作任务。
3. 模型结合了语言模型和扩散模型的优势，能够根据文本指令或参考音频生成音乐，支持跨语言歌词创作。
4. 通过领谱集成，增强了音乐创作的可解释性和可控性，使音乐家能够直接在领谱上进行编辑和调整。
5. 基于扩散模型，能够精确地对歌词或旋律进行局部改编，保持音乐的连贯性。
6. 零样本人声克隆：无需大规模训练，只需10秒语音输入，即可模仿指定音色生成完整的歌曲。
7. Seed-Music 采用端到端框架，通过表征模型、生成器和渲染器三个核心组件，支持灵活的控制输入和高质量的音乐生成。

媒体文章：

• 豆包博客：Seed-Music 音乐大模型正式发布！生成编辑两开花，十种创作任务，满足多样化需求
• 机器之心：字节音乐大模型炸场！Seed-Music发布，支持一键生成高质量歌曲、片段编辑等

[ikaijua]

2024-09-23 Neuralink 公司的脑机接口项目 Blindsight 获得美国食品药品管理局（FDA）的“突破性设备认定”，旨在帮助视障者恢复视力

1. 该设备通过微电极阵列刺激视觉皮层，尝试为盲人提供视觉体验。
2. 马斯克提出，Blindsight未来可能提供超越自然视力的视觉体验，包括红外线、紫外线和雷达波长。
3. 尽管在猴子身上取得初步进展，但Blindsight在人类中的应用仍面临技术和生物学挑战。
4. 电极密度低和神经元处理视觉信息的复杂性是当前技术的主要限制。
5. 华盛顿大学的研究指出，大脑中的神经元处理视觉信息的方式与屏幕像素不同，需要更精细的模拟。
6. 对于天生失明的人来说，即使视觉皮层完好，也缺乏构建正常视觉概念的神经通路。

媒体文章：

• 机器之心：马斯克的脑机接口让盲人看到世界？专家：为时尚早
• 量子位：马斯克盯上了盲人，Neuralink下一代脑机接口产品获批

[ikaijua]

2024-09-19 普渡发布PUDU D7，首款类人形机器人，预计2025年商业化

1. PUDU D7高165厘米，重45公斤，30个自由度，配灵巧手可达50个自由度。
2. 底盘360度全向移动，最大速度2米/秒，斜坡稳定运行。
3. 集成普渡定位、感知等技术，多传感器，自研运动控制算法。
4. 具备通用操作和元学习交互能力，执行复杂任务。
5. 采用“大脑大模型”与“小脑大模型”分离策略，具身智能学习。
6. 解决跨场景端到端任务难题，提升服务机器人客户价值。

媒体文章：

• 量子位：引领通用具身新时代：普渡发布首款类人形机器人PUDU D7