人工智能以令人眼花缭乱的速度改变着一切。大约18个月前，美国科技公司OpenAI推出了人工智能聊天机器人ChatGPT，短短几个月就累积了1亿用户。虽然人们常常陷入科技泡沫，但对生成式人工智能的未来似乎非常笃定。ChatGPT横空出世后，不少人开始把世界划分为“ChatGPT之前”和“ChatGPT之后”两个世界。 人们对人工智能的热衷并非昙花一现。随着人工智能产品不断迭代升级，人们越来越多地感受到其魅力。5月上旬，OpenAI宣布推出新模型GPT-4o，它可以与使用者展开语音对话、识别图像、实…

大模型发展背景与趋势 大模型是DT时代标志性产物 大模型是数字转型（DT）时代的产物，标志着人工智能技术的一次重大突破，尤其是在自然语言处理（NLP）、图像识别、推荐系统等领域。这些大模型，如OpenAI的GPT系列、Meta的Llama、Google的Gemini，基于Transformer架构，通过消化海量数据集进行预训练，获得了对人类语言、图像等数据的深入理解和处理能力。 AI大模型：人类知识存储、传承和使用方式的一次重构 在数字转型时代，大模型为企业提供了前所未有的机遇，使其能够通过高效…

今年年初，长文本领域的竞速，让不少国内大模型企业在“内卷”赛道上露了脸。进入5月，这场没有硝烟的战争“烧”到了最粗暴的阶段——降价。从两家海外AI（人工智能）巨头OpenAI和谷歌，到国内字节跳动、阿里、百度、智谱AI、科大讯飞等企业，降价玩家还在“接力”。 单从各方官宣的数据来看，此轮降价一家更比一家力度强，大有“砸穿底价”之势，一度引发业内热议，难道未来API（应用程序接口）调用要“贴钱”引流？ 要不要“贴钱”还不可知，但对眼下的大模型企业来说，无论是主动获客还是配合市场被动调整，降价已是大…

在当前人工智能的发展浪潮中，基于大模型构建的人工智能体（AI Agent）已成为一项领先的技术，引起全球学术界和工业界的高度关注。与此同时，人工智能正从学术领域跨越到实际应用的新阶段，大模型驱动的群体智能技术正成为推动革新的核心动力。目前大模型已能够构建出更具通用性和适应性的智能体，这些智能体不仅能独立执行复杂任务，还能在群体中协同作业，展示出远超单体智能体的集体智慧。可以说，随着新一代AI技术的发展，我们正步入一个由大模型驱动的“Internet of Agents (IoA)”智联网时代，这…

人工智能在某些任务上胜过人类，但并非在所有任务上；产业界持续主导人工智能前沿研究；前沿大模型变得更加昂贵；AI 让“打工人”更具有生产力…… 图片来源：匡达/界面新闻 文丨江志强（ViTally AI 创始人） 2024年4月15日，斯坦福大学的“以人为本”人工智能研究所（Stanford HAI），在李飞飞等人的共同领导下，发布了一份名为《2024年人工智能指数报告》（Artificial Intelligence Index Report 2024）的研究报告。 这份报告长达500多页，是S…

在探索未来人机交互的无限可能时，我们是否曾想过，一个由人工智能主导的时代正悄然来临？当AI Agent成为我们日常工作的伙伴，它们将如何改变我们的工作方式和生活模式？这一切听起来似乎遥不可及，但实际上，它正以前所未有的速度成为现实。 今天分享的是《2024年 AI Agent行业报告》，来源：甲子光年智库。 报告概要： 随着大型语言模型（LLMs）的兴起，AI Agent的发展迎来了新的突破。这些智能代理不仅具备自主性、反应性和交互性，还拥有强大的自然语言理解能力，使得它们能够处理复杂的任务和上…

当前，多模态大模型（MLLM）在多项视觉任务上展现出了强大的认知理解能力。然而大部分多模态大模型局限于单向的图像理解，难以将理解的内容映射回图像上。比如，模型能轻易说出图中有哪些物体，但无法将物体在图中准确标识出来。定位能力的缺失直接限制了多模态大模型在图像编辑，自动驾驶，机器人控制等下游领域的应用。针对这一问题，港大和字节跳动商业化团队的研究人员提出了一种新范式Groma——通过区域性图像编码来提升多模态大模型的感知定位能力。在融入定位后，Groma可以将文本内容和图像区域直接关联起来，从而显…

竞争白热化的大模型领域争议多。 5月16日上午，有消息称，华为昇腾在近期一场发布会上展示大模型文生图能力时，演示过程中出现Time.sleep（6）代码。在业内人士看来，这一代码意味着“人为控制从输入到输出，过程需要6秒钟”，有人怀疑其图文结果并非大模型生成，而是人为操控，认为该发布会演示“翻车”了。 面对争议，昇腾社区回应称，5月10日，在鲲鹏昇腾开发者大会的一场技术讨论上，我们演示了mxRAG SDK功能。本次演示面向开发者，展示如何通过十几行代码即可完成RAG应用开发。现场图片为实时生成，…

2024年5月23日，虹软旗下PhotoStudio AI（简称PSAI）智能商拍平台正式上线全新AIGC视频生成功能，旨在助力品牌企业和电商商家提升产品展示效果，进一步升级服装类产品的智慧化营销与推广模式。 随着短视频平台等内容社交媒体的蓬勃发展，视频已成为商品线上传递信息、吸引受众的主要营销方式。无论是企业品牌推广，还是线上电商产品展示，对视频生成的需求都在持续增长。然而，传统的视频制作过程繁琐、成本高昂（高达100-500元/条），对设备和技术要求还很高，成为许多品牌企业和线上电商运营的痛…

又是一个不眠之夜，神仙扎堆献技。 当地时间 12 月 6 日，谷歌 CEO Sundar PichAI 官宣 Gemini 1.0 版正式上线。在此之前，这款被谷歌寄予厚望对抗 OpenAI 的武器，发布时间一直被拖延。 未曾料到，来得如此猝不及防。 研发负责人、谷歌 DeepMind CEO Demis Hassabis 代表 Gemini 团队在发布会上正式推出大模型 Gemini，它拥有「视觉」和「听觉」，还有学习和推理能力。作为谷歌迄今为止最强大、最全面的模型，在大多数基准测试中， Ge…