标签：多模态

不做Sora的背后：百度的多模态路线是什么？ 李彦宏在百度世界大会上表示：“我们非常非常看好多模态。” 当ChatGPT在国内引发“百模大战”时，百度率先推出了文心一言。然而，随着Sora掀起视频生成的热潮，李彦宏却在内部讲话中明确表示“Sora无论多么火，百度都不会去做”。这一决定引发了广泛的困惑和争议。 在百度世界大会的会后采访中，李彦宏对此进行了公开回应，不仅重申了不做Sora的决定，还详细解释了百度如何运用和发展多模态技术。他特别提到了百度从年初开始重点攻克的iRAG技术，这项技术旨在解决AI领域最棘手的“幻觉...

2024年11月12日，在“百度世界大会”期间，百度创始人、CEO李彦宏与硅星人创始人骆轶航、甲子光年创始人张一甲进行了一场对谈。以下是对话实录： 1. 为什么“应用来了”？ 张一甲：过去一两年，人工智能是全行业非常火的赛道和技术方向，每天我们都能看到许多新产品和技术的进展。今年世界大会的主题定为“应用来了”，这是为什么？ 李彦宏：从去年开始，我一直强调模型本身不直接产生价值，只有在模型基础上开发各种应用，找到所谓的PMF（Product-Market Fit），才能真正产生价值。2023年，大家还在卷模型，让模型能力逐步达到...

一、洞察流行趋势 Gemini 是谷歌推出的一款多模态AI模型，能够处理文本、图像、音频、视频和代码等多种信息。基于Gemini大语言模型，谷歌还开发了一款名为Gemini AI的聊天机器人。尽管Gemini具有强大的语言理解和生成能力，但如果用户提供的提示不够准确，可能会导致结果不尽人意。为了帮助用户更高效地使用Gemini，外媒总结了7个常用功能及其提示技巧。例如，Gemini能够实时搜索互联网以帮助用户了解最新的流行趋势。它不仅能分析文字中的热点话题，还能通过图像和视频捕捉视觉上的流行元素。如果用户想了解最新的TikTok舞...

近期，Meta发布了Llama3.1405B，这款开放权重的大模型性能首次媲美顶级封闭模型，标志着AI行业进入了一个重要的转折点。扎克伯格亲自撰文支持“开源AI即未来”的观点，再次引发开源与封闭的讨论。本文采访了AI开源生态专家黄之鹏，探讨AI开源的现状与未来。 开源与封闭的博弈 - OpenAI的转变：早期OpenAI遵循非营利模式，开源GPT-1和GPT-2。但在2019年微软注资后，转为商业实体，从GPT-3开始转向闭源。 - 安全与商业考量：尽管官方声称闭源是为了安全，但实际上更多出于商业竞争的考虑。 Google与Meta的战略 - Google的...

在科技领域的一次重大突破中，Meta 公司即将于 7 月 23 日揭开其最新的开源人工智能模型——Llama 3-405B 的神秘面纱。据The Information报道，这款AI模型是基于内部员工的爆料而曝光的，它将加入已有的80亿和700亿参数版本，带来一个前所未有的4050亿参数版本，被赞誉为最强大的开源大型语言模型。Meta首席执行官马克·扎克伯格在4月份推出Llama 3时曾提及这个4050亿参数的模型，但并未提供详细细节。 Llama 3-405B 不仅仅是一个语言模型，它具备多模态能力，能够理解和处理图像、文本等多种媒体形式的内容，拓宽了人工智能的...

2024年世界人工智能大会(WAIC)云帆奖暨人工智能青年论坛在上海成功举办，吸引了全球顶尖高校和企业的青年AI人才参与。蚂蚁集团遥感大模型负责人王剑在会上发表了关于“多模态遥感大模型的探索与实践”的演讲。他介绍了蚂蚁集团的20亿参数遥感模型SkySense，该模型在遥感任务中表现出色，并有开源计划。SkySense在土地监测、地物变化检测等多个领域取得第一，并在农村金融和环保应用中展现潜力。 王剑强调，大模型的创新应用应深入各行各业，以释放AI的真正价值。蚂蚁集团建立了强大的算力系统，并研发了安全可靠的大模型，如...

随着技术的发展，人工智能（AI）大模型正逐渐普及，使得不懂编程的普通人也能轻松使用。智能手机应用程序商店中涌现出各类“智能助手”产品，如文心一言、通义、Kimi、海螺AI、豆包和元宝等，它们以大模型为基础，整合多种AI功能，提供自然语言处理的服务，包括AI搜索、文档处理、问答、写作和图像生成等。这些助手通过手机APP提供便利，用户可以通过自然语言与之交互，解决日常生活和工作中的问题。 腾讯的“元宝”因其与微信搜一搜的整合，能在时新信息搜索方面表现出色。而信息源的质量对AI的回答质量有很大影响，高质量的内...

OpenAI在其春季发布会上推出了创新的GPT-4o模型，引领人工智能大模型的新潮流。这款全新的“全能”模型能够处理文本、视觉和音频信息，大大提升了交互速度和用户体验。GPT-4o的反应时间与人类相当，只需232至320毫秒，显著提高了效率，并降低了50%的推理成本，为商业应用开辟了更多可能性，特别是在智能手机和个人电脑等设备上的端侧应用。 然而，大模型的技术迭代似乎正在放缓，OpenAI未发布期待中的GPT-5，引发了对技术瓶颈的猜测。同时，GPT-4o仍存在幻觉问题，有时会产生无法识别的自造字。尽管如此，OpenAI宣布GPT-4o将...

周鸿祎揭示2024年AI发展趋势：从开源大模型到人形机器人 在近日的一加ACE 3V手机发布会上，网络安全专家周鸿祎分享了他对2024年人工智能产业的展望。他预测，AI领域将迎来一系列重大变革，包括： 1. 开源大模型的繁荣，预示着大模型将在各个领域普及。 2. 云端超级大模型将成为大国间AGI竞赛的核心，模型规模将持续扩大。 3. 同时，小型化大模型将嵌入智能设备，赋予终端更多智能。 4. 企业级市场将见证垂直大模型的广泛应用，企业将拥有多个定制模型。 5. 多模态能力将成为大模型的关键，推动AIGC功能如文生图和视频的创...

国产大模型公司智谱AI在ChatGLM千亿对话模型发布一周年之际，展示了其在商业化和投资领域的积极进展。智谱AI已获得超25亿元融资，并投资了多家同为清华系的大模型企业。在商业化方面，智谱拥有超过2000家生态合作伙伴，实现了1000多个大模型应用，覆盖传媒、金融等多个领域。张鹏CEO分享了10个商业案例，包括德勤中国、分众传媒等知名企业，通过通用能力和定制化服务推动大模型落地。智谱提供了三种商业化模式：开放平台API、云端私有化和完全私有化，以满足不同客户需求。此外，智谱还布局多模态产品，如文生视频模型CogVid...