生成式AI

一、 清華研制“太極-II”芯片：大模型算力救星，開辟后摩爾時代

1. “太極-II”芯片采用全前向模式（FFM）訓(xùn)練方法，提高了光學(xué)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度和精度，無需精確建模；

2. 芯片實現(xiàn)了多個應(yīng)用領(lǐng)域的突破，包括最深的光學(xué)神經(jīng)網(wǎng)絡(luò)、高分辨率散射成像和動態(tài)全光非視距成像；

3. “太極-II”芯片的成功研制標(biāo)志著智能光計算領(lǐng)域的重大進(jìn)展，為AI大模型的發(fā)展提供了新動力，開辟后摩爾時代新路徑。

021yin.com/s/YWw7JDdbBIjgySdzM5bcvA

二、 直播版Deepfake太恐怖！單張照片實時視頻換臉，不挑硬件

1. Deep-Live-Cam項目允許使用單張照片進(jìn)行實時視頻換臉，無需專用硬件加速；

2. 該技術(shù)支持實時預(yù)覽，適用于在線會議和直播帶貨等多種場景；

3. 項目已開源并迅速火爆，但同時引發(fā)了關(guān)于真實性和道德風(fēng)險的廣泛討論。

021yin.com/s/bsQmZUa_ZpYrBAvNiVgBSw

三、 爆火毒舌AI每小時賺2.8萬！每分鐘36個新用戶，火遍全球

1. 毒舌AI應(yīng)用通過分析Twitter用戶的歷史發(fā)言生成犀利點評，實現(xiàn)每小時4000美元的收入；

2. 應(yīng)用在用戶激增后面臨運營成本問題，通過動態(tài)調(diào)整收費策略和開源代碼來平衡增長和收入；

3. 創(chuàng)始人通過修改提示詞簡單調(diào)整，實現(xiàn)全球市場的快速拓展，展示了“自然語言編程”的強大潛力。

021yin.com/s/bM9vAj_h5vPeCuT9Mt-g1g

四、 這款看不了時間的 AI 手表，憑什么賣得比 Apple Watch 還貴

1. Nowatch 是一款無時間顯示功能的手表，主打個性化和裝飾性，使用天然寶石和金屬作為表盤材料；

2. 設(shè)備通過磁力器簡化了表盤更換過程，提供多種表盤和表帶選項，實現(xiàn)高度定制化；

3. Nowatch 集成了健康追蹤功能和 AI 功能，通過背部傳感器監(jiān)測健康數(shù)據(jù)，并通過 App 提供個性化健康建議。

021yin.com/s/CO4eCBswEUOTf8FfJgYeuQ

五、 新PyTorch API：幾行代碼實現(xiàn)注意力變體，兼具性能和靈活性

1. FlexAttention 是一個新的 PyTorch API，允許用戶通過幾行代碼實現(xiàn)多種注意力變體，?cè)缫蚬⒁饬突瑒哟翱谧⒁饬Γ?/p>

021yin.compile 優(yōu)化，實現(xiàn)了與手寫內(nèi)核相媲美的性能，同時支持自動求導(dǎo)和利用注意力掩碼的稀疏性改善性能；

3. FlexAttention 在前向傳播中達(dá)到了 FlashAttention2 性能的 90%，在反向傳播中達(dá)到了 85%，展示了其高效性和靈活性。

021yin.com/s/8uoZZf4hNSLQYLKFr95jTw

六、 30秒生成建模師級Mesh更新！最大可生成面數(shù)提升至1600

1. MeshAnything V2使用Adjacent Mesh Tokenization (AMT)算法，將最大可生成面數(shù)從800提升至1600，優(yōu)化了token序列長度和結(jié)構(gòu)；

2. AMT算法通過優(yōu)先表達(dá)相鄰面片，使用更少的vertex表達(dá)面片，降低了attention計算量，提高了模型效率；

3. MeshAnything V2在性能和效率上超越前版本，實現(xiàn)高質(zhì)量人造Mesh生成，適用于3D工業(yè)應(yīng)用。

021yin.com/s/aXjfYdcu9hNsH1ulj7w-Bw

前沿科技

七、 波士頓動力機器人大秀俯臥撐，一口氣8個！轉(zhuǎn)型后首次曝光成果

1. 波士頓動力的Atlas機器人展示了能連續(xù)做8個俯臥撐的能力，使用非線性模型預(yù)測控制方法優(yōu)化動作；

2. Atlas機器人從液壓驅(qū)動轉(zhuǎn)向全電驅(qū)動，以降低成本并適應(yīng)商業(yè)化需求；

3. 盡管技術(shù)上有所進(jìn)步，Atlas機器人的手部設(shè)計仍未包含手指，這在技術(shù)和實用性方面仍是一個挑戰(zhàn)。

021yin.com/s/iAiubetMpW3vU18Xz-ksRQ

八、 Google DeepMind推出首個媲美人類中級選手的乒乓球機器人

1. DeepMind開發(fā)的乒乓球機器人在29場比賽中贏得了45%，包括100%勝率對抗初學(xué)者和55%對中級選手；

2. 機器人采用分層和模塊化策略架構(gòu)，結(jié)合多種技術(shù)如迭代定義任務(wù)分布和實時適應(yīng)未知對手，提升與人類選手的競技水平；

3. 盡管機器人在高級選手比賽中表現(xiàn)不佳，研究團隊計劃通過提高處理能力和策略學(xué)習(xí)來優(yōu)化其性能。

021yin.com/s/4sORje0GztOP6MQsK7-Ndg

報告觀點

九、 Cohere聯(lián)創(chuàng)訪談：AI行業(yè)不存在泡沫，但應(yīng)該清楚AI能力邊界

1. Cohere吉印通創(chuàng)始人Nick Frosst認(rèn)為AI行業(yè)不是泡沫，強調(diào)AI在實際應(yīng)用中創(chuàng)造的有形價值；

2. Frosst對AI技術(shù)的未來持現(xiàn)實態(tài)度，認(rèn)為AI不會達(dá)到人類水平的智能，而是應(yīng)用于特定任務(wù)提供實際價值；

3. Cohere采用基于廣泛研究的大型語言模型為企業(yè)客戶構(gòu)建定制模型，強調(diào)對AI能力邊界的清晰理解是成功應(yīng)用AI的關(guān)鍵。

021yin.com/s/2jIK3-dKJSWJSXxiYUO-zg

十、 吳恩達(dá) Ark Invest ：基礎(chǔ)模型訓(xùn)練成本年降75%，大廠優(yōu)勢難保

1. AI 基礎(chǔ)模型的競爭日益激烈，但大廠的優(yōu)勢可能不會長期保持，因為訓(xùn)練和推理成本正在迅速下降；

2. 開源技術(shù)對推動AI技術(shù)進(jìn)步具有重要作用，盡管存在風(fēng)險，但其帶來的優(yōu)勢遠(yuǎn)大于潛在的風(fēng)險；

3. 分銷渠道在AI系統(tǒng)部署中扮演關(guān)鍵角色，有效的渠道可能成為未來AI技術(shù)成功與否的決定性因素。

021yin.com/s/3O8Fm9hzF7hKioOnRGKSrQ

??訂閱下方合集，獲取每日推送