每經(jīng)記者 李少婷    每經(jīng)編輯 文多    

丨　2024年4月29日　星期一　丨

NO.1　國(guó)內(nèi)首個(gè)純自研視頻大模型推出

4月27日，在中關(guān)村論壇未來(lái)人工智能先鋒論壇上，生數(shù)科技聯(lián)合清華大學(xué)正式發(fā)布中國(guó)首個(gè)長(zhǎng)時(shí)長(zhǎng)、高一致性、高動(dòng)態(tài)性視頻大模型Vidu。據(jù)悉，該模型采用Diffusion（擴(kuò)散概率模型）與Transformer融合的架構(gòu)U-ViT，支持一鍵生成長(zhǎng)達(dá)16秒、分辨率高達(dá)1080P的高清視頻內(nèi)容。生數(shù)科技方面介紹，與Sora一致，Vidu能夠根據(jù)提供的文本描述直接生成長(zhǎng)達(dá)16秒的高質(zhì)量視頻。

點(diǎn)評(píng)：Vidu的推出是中國(guó)在人工智能視頻生成領(lǐng)域的重要里程碑，提升了中國(guó)在全球人工智能領(lǐng)域的競(jìng)爭(zhēng)力和影響力，展現(xiàn)了中國(guó)科研實(shí)力和創(chuàng)新能力。就技術(shù)細(xì)節(jié)而言，Vidu在時(shí)長(zhǎng)上取得了突破，但與Sora相比，Sora的最長(zhǎng)視頻生成時(shí)長(zhǎng)可達(dá)60秒，Vidu目前的16秒，仍有提升空間。在人物動(dòng)作的協(xié)調(diào)性方面，盡管整體效果已經(jīng)非常接近，但Vidu與Sora相比還是稍弱一些。

NO.2　純電驅(qū)擬人奔跑機(jī)器人“天工”發(fā)布

4月27日，北京人形機(jī)器人創(chuàng)新中心在北京經(jīng)開(kāi)區(qū)發(fā)布全球首個(gè)純電驅(qū)擬人奔跑的全尺寸人形機(jī)器人“天工”，它能以6公里/小時(shí)的速度穩(wěn)定奔跑。“天工”高163厘米，輕量化體重43公斤。“天工”配備多個(gè)視覺(jué)感知傳感器，具有每秒550萬(wàn)億次操作算力，并配備高精度的慣性測(cè)量單元和3D視覺(jué)傳感器。它已解決基本運(yùn)動(dòng)控制問(wèn)題，是具身智能場(chǎng)景應(yīng)用和研究的最佳平臺(tái)。此外，“天工”還配備了高精度的六維力傳感器，以提供精確的力量反饋。

點(diǎn)評(píng)：“天工”能夠以6公里/小時(shí)的速度穩(wěn)定奔跑，顯示了運(yùn)動(dòng)控制和平衡技術(shù)的進(jìn)步，這也表明機(jī)器人技術(shù)正在向更高級(jí)別的自主性和動(dòng)態(tài)穩(wěn)定性發(fā)展。“天工”具備開(kāi)源開(kāi)放性和兼容擴(kuò)展性，提供開(kāi)放調(diào)用通信接口，允許靈活擴(kuò)展軟件和硬件功能模塊，這為廣泛的應(yīng)用場(chǎng)景提供了可能。人形機(jī)器人產(chǎn)業(yè)鏈較長(zhǎng)，涉及傳感器、電機(jī)、減速器等多個(gè)環(huán)節(jié)，“天工”的成功研發(fā)和應(yīng)用，可能會(huì)帶動(dòng)相關(guān)產(chǎn)業(yè)鏈的技術(shù)進(jìn)步和市場(chǎng)擴(kuò)大。

NO.3　科大訊飛發(fā)布首個(gè)長(zhǎng)文本、長(zhǎng)圖文、長(zhǎng)語(yǔ)音大模型

科大訊飛于近日發(fā)布首個(gè)長(zhǎng)文本、長(zhǎng)圖文、長(zhǎng)語(yǔ)音大模型，它不僅能夠?qū)Ω鞣N信息來(lái)源的海量文本、圖文資料、會(huì)議錄音等進(jìn)行快速學(xué)習(xí)，還能夠在各種行業(yè)場(chǎng)景給出專業(yè)、準(zhǔn)確回答。此外，科大訊飛還進(jìn)一步升級(jí)星火語(yǔ)音大模型，首發(fā)多情感超擬人合成，具備情緒表達(dá)能力，并推出一句話聲音復(fù)刻功能。同時(shí)，面向企業(yè)應(yīng)用場(chǎng)景，科大訊飛推出星火智能體平臺(tái)，幫助企業(yè)解決大模型落地的“最后一公里”難題。

點(diǎn)評(píng)：科大訊飛在語(yǔ)音識(shí)別和自然語(yǔ)言處理領(lǐng)域具有較強(qiáng)的技術(shù)積累，這使得其大模型產(chǎn)品在處理復(fù)雜語(yǔ)言和語(yǔ)音任務(wù)時(shí)更為精準(zhǔn)和高效。能夠同時(shí)處理文本、圖像和語(yǔ)音的多模態(tài)大模型，為用戶帶來(lái)更為豐富和直觀的交互體驗(yàn)。具備情緒表達(dá)能力的語(yǔ)音合成技術(shù)，使得機(jī)器合成的聲音更加自然，更能滿足用戶對(duì)情感交互的需求。不過(guò)，在實(shí)際應(yīng)用中，大模型需要展現(xiàn)出高穩(wěn)定性和可靠性，以贏得用戶的信任。

NO.4　中國(guó)移動(dòng)已初步建成算力網(wǎng)絡(luò)

4月28日的2024中國(guó)移動(dòng)算力網(wǎng)絡(luò)大會(huì)上，中國(guó)移動(dòng)董事長(zhǎng)楊杰在演講中表示：中國(guó)移動(dòng)已初步建成了基礎(chǔ)設(shè)施、技術(shù)能力、產(chǎn)品服務(wù)業(yè)界領(lǐng)先的算力網(wǎng)絡(luò)，其中，算力并網(wǎng)平臺(tái)接入蘇州昆山超算中心、玻色量子等數(shù)十家合作伙伴的多樣化算力。算網(wǎng)大腦研發(fā)于去年10月正式啟動(dòng)全網(wǎng)試商用，實(shí)現(xiàn)日均調(diào)度次數(shù)達(dá)億級(jí)。

點(diǎn)評(píng)：數(shù)字化、云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展對(duì)算力提出了更高的需求，算力網(wǎng)絡(luò)成為支撐未來(lái)數(shù)字經(jīng)濟(jì)發(fā)展的關(guān)鍵基礎(chǔ)設(shè)施，中國(guó)移動(dòng)通過(guò)建立算力網(wǎng)絡(luò)，能夠更好地滿足市場(chǎng)和用戶的需求。作為運(yùn)營(yíng)商，中國(guó)移動(dòng)在網(wǎng)絡(luò)基礎(chǔ)設(shè)施、用戶規(guī)模、數(shù)據(jù)資源、服務(wù)能力等方面具有天然優(yōu)勢(shì)，這些優(yōu)勢(shì)有助于其在算力網(wǎng)絡(luò)的建設(shè)和運(yùn)營(yíng)上取得領(lǐng)先地位。