酱酱们中午好，给大家带来 AGI 掘金 的今日热点资讯啦，欢迎阅读交流哦！
🌟 技术突破
🔗 OpenAI 推出 ChatGPT 高级语音模式，Plus 用户已率先体验 GPT-4o 超逼真语音交互
OpenAI 于 2024 年 7 月 30 日推出 ChatGPT 的高级语音模式，其中 GPT-4o 模型能独立完成语音到文本和文本到语音的转换，大幅降低对话延迟。Alpha 版本首先面向部分 Plus 用户，计划秋季推广至所有 Plus 用户。GPT-4o 能感知情绪语调，但目前预设声音有限，且无法模仿特定声音。OpenAI 已与多语言外部团队合作测试，确保安全性，相关报告将在 8 月初发布。
🔗 苹果 AI 版 iOS 首日火爆：聊天秒变高情商，大模型成最强嘴替，Siri 华丽变身
苹果公司推出新一代 AI 技术，Siri 智能助手得到重大升级，智商提升但仍有待完善。新增功能包括通过自然语言创建幻灯片、搜索照片和视频等。技术报告披露了端侧模型 AFM-on-device 和云端模型 AFM-server，展示了苹果在 AI 领域的创新和实力。AI 写作功能在应用中表现出色，超越了众多现有应用。
🔗 “真正的 OpenAI”！Meta「分割一切」进化 2.0
Meta 公司在 SIGGRAPH 上推出了“分割一切 AI”的第二代产品 SAM2，该技术能实时处理任意长度视频，并追踪视频中的未知对象。SAM2 通过引入记忆模块，支持视频分割的实时性和准确性，同时解决了遮挡问题。模型代码、权重和数据集均已开源，遵循 Apache 2.0 和 BSD-3 许可协议。开源数据集包含 51000 个视频和 600000 个时空掩码，规模空前。SAM2 的设计允许处理任意时长视频，对机器人等领域具有潜在影响。尽管存在跟踪丢失和细节缺失等不足，但模型的开源和实时交互模式提供了强大的应用潜力。
🔗 OpenAI 推出 GPT-4o 长输出模式，支持 64k token，网友：一次写 4 份电影剧本
OpenAI 测试了 GPT-4o 模型的长输出模式，允许 Alpha 测试用户通过特定 API 端点生成高达 64k token 的文本。此举意味着推理成本的增加，因此模型定价相应上调：每百万输入 token 收费 6 美元，每百万输出 token 收费 18 美元。这一更新为用户探索新的应用场景提供了可能，例如一次性生成多份电影剧本，激发了人们对未来应用的无限想象。
🔗 寡姐带货国风 Polo 衫，马斯克穿牛仔走红毯！CatVTON：30 秒内实现虚拟试衣
中山大学和 Pixocial 联合发布的 CatVTON 模型，基于 Stable Diffusion v1.5 inpaintting，仅需两张图像即可在 30 秒内完成虚拟试衣。该模型支持上衣、裤子、裙子等多品类服装的试穿，且能保持形状和纹理的高一致性。CatVTON 采用轻量化架构，包含 VAE 和 UNet 两个网络模块，总参数量 899.06M，显存占用小于 8G。通过优化去噪 UNet 结构，CatVTON 大幅减少了模型参数量和显存占用，实现了高效逼真的试穿效果，推动了虚拟试衣技术的应用落地。
🔗 Runway 深夜炸场，Gen-3 Alpha 图生视频上线，11 秒让你脑洞乱飞
Runway Gen 3 Alpha 模型的图生视频功能正式上线，允许用户将任意图片转换为 11 秒视频，支持文本提示辅助生成。这一更新显著提升了视频的艺术控制和一致性。Runway 联合创始人 Cristóbal Valenzuela 通过推特分享了视频示例，引发网友热烈反响。用户试用后反馈积极，认为 Runway 在图生视频领域取得了显著进步。该技术的应用前景广阔，为视频创作者提供了新的工具。
🔗 一万亿 token！34 亿张图像，扩大 10 倍！史上最大开源多模态数据集 MINT-1T 发布！
MINT-1T 是一个包含一万亿 token 和 34 亿张图像的多模态预训练数据集，其规模是之前最大开源数据集的 10 倍。数据来源于 HTML、PDF 和 ArXiv，覆盖广泛的学术和专业内容。通过严格的数据过滤、去重和处理，MINT-1T 提供了高度多样化的数据，有助于提升 AI 模型在文本和多模态任务上的性能。其发布标志着开源多模态数据集的重大进步，对 AI 研究和应用具有深远影响。
🔗 清华团队推出「国产版 Sora」Vidu，视频生成仅需 30 秒
由清华大学朱军团队创立的生数科技推出了 Vidu，一款能快速生成视频的产品，挑战了国际知名的 Sora。Vidu 以其高效的推理速度，仅需 30 秒即可生成 4 秒视频，支持多种风格和高动态性，包括动漫风格和角色一致性功能。它基于自研的 U-ViT 架构，提供流畅且逼真的视觉效果，同时具备商业潜力，已获得多家知名投资机构的支持。
🔗 化学逆合成 SOTA！上海交大团队开发无监督 SMILES 对齐技术，实现高效逆合成预测
上海交通大学人工智能研究院团队在《Journal of Cheminformatics》发表研究，提出一种无监督的 SMILES 序列对齐技术，用于提高单步逆合成预测的准确性和效率。该技术通过图注意力网络替代 Transformer 模型编码器，优化分子结构理解和预测能力。实验显示，UAlign 模型在多个数据集上显著提高预测准确率，具有实际生产应用潜力，为药物合成提供有效解决方案。
🔗 Getty 携手英伟达升级 AI 文生图服务：6 秒生成 4 张照片、提示词最多 250 个单词
Getty Images 和英伟达联合推出了基于 Edify 模型架构的 AI 文生图服务，该服务能在 6 秒内生成 4 张高质量图片，速度和质量均领先行业。新模型支持最多 250 个单词的复杂提示，增强了 4K 图像生成的细节和保真度。此外，还引入了 AI 修图功能，允许用户对生成或现有图像进行修改，如添加元素、扩展画布或一键删除背景。AI 修图功能已在 iStock 上线，并将很快扩展至 Getty Images 平台。
💫 企业动态
🔗 Meta 叫停明星 AI 聊天机器人，转向 AI Studio，实现零编程 AI 角色定制
Meta 公司已停止运营其明星 AI 聊天机器人功能，该功能曾于去年九月的 Meta Connect 大会上亮相。取而代之的是，Meta 推出了 AI Studio，一个允许美国创作者自行打造个性化 AI 聊天机器人的工具。Meta 发言人 Liz Sweeney 表示，公司从开发明星 AI 机器人的过程中学到了很多，现在更倾向于支持用户自主创作 AI。尽管明星 AI 聊天机器人未能达到预期效果，Meta 对 AI 聊天机器人的未来依旧保持乐观态度，其 AI 助手已整合至 Facebook、Instagram、Messenger 和 WhatsApp 等平台。
🔗 让大模型在产业先跑起来，京东云八大产品全面亮相
2024 年京东云峰会上，京东云展示了其大模型技术在供应链等领域的应用，并发布了包括企业大模型服务、言犀智能体平台、智能编程助手 JoyCoder、言犀数字人 3.0 等八大产品。这些产品旨在通过一站式服务、智能体开发平台、数字人定制解决方案等，推动大模型技术在各行业的深度融合和应用，提升产业生产力。
🔗 成立 18 个月获 1900 万用户！Canva 收购 AI 设计工具初创公司 Leonardo.ai
Canva 完成对 AI 图像设计初创公司 Leonardo.ai 的收购，该公司专注于提供创新设计和生成工具，其产品包括 AI 驱动的设计生成、智能图像编辑、创意灵感和建议、模板资源库、协作共享等功能，支持多平台使用。Leonardo.ai 的加入将增强 Canva 的 Magic Studio 功能，同时保持独立运营，专注于创新研发。此次收购是 Canva 在设计领域进一步扩展其 AI 工具和市场影响力的战略举措。
🔗 苹果：曾使用谷歌硬件来训练 Apple Intelligence 模型
苹果公司在其最新发布的 Apple Intelligence 开发者预览版本中，未采用市场主导的英伟达 GPU，而是选择了谷歌的张量处理单元（TPU）来训练人工智能模型。这一决策基于 TPU 在处理大量数据和特定深度学习任务上的优势。苹果使用 2048 个 TPUv5p 芯片和 8192 个 TPUv4 处理器构建 AI 模型，并通过谷歌云平台构建软件，减少对英伟达硬件的依赖。这一选择可能预示着苹果在 AI 领域将探索更多技术和合作伙伴关系，同时可能激发市场对谷歌 TPU 的兴趣。
🔗 惠普 AI PC 全场景 AI 解决方案发布：惠小微智能助手 4.0 更新，接入百度文心一言和 WPS AI
惠普在 AI 生态大会上推出全场景 AI 解决方案和升级版 AI PC 产品，集成四大 AI 能力。惠小微智能助手 4.0 新增 AI 效率工具、智能会议、电脑管家和生活助理功能，支持中英同传、实时翻译、内容总结，以及电脑状态管理。应用商店升级，提供一站式 AI 整合和个性化软件推荐。所有数据处理均基于本地隐私保护完成。
✨ 行业观点
🔗 黄仁勋、扎克伯格巅峰对谈：万字长文揭秘 Meta 的未来 AI 图景
在 SIGGRAPH 大会上，黄仁勋与扎克伯格深入讨论了 AI 的未来。扎克伯格分享了 Meta 在 AI 领域的进展，包括社交媒体平台的 AI 化、智能体作为 AI 产品新形态，以及开源 AI 模型 Llama 3.1 的推出。他们还探讨了 AI 产业的未来，黄仁勋强调了开源生态系统的重要性，并展望了智能眼镜和混合现实设备作为下一代计算平台的潜力。两位业界领袖的对话揭示了 AI 技术如何塑造未来社会和产业的深刻见解。
🔗 24 小时抓取百万次，Anthropic AI 公司被指过度抓取网站数据
AI 公司 Anthropic 通过 ClaudeBot 机器人在 24 小时内对网站进行百万次数据抓取，引发过度抓取争议。尽管数据抓取在 AI 行业是常见做法，但 Anthropic 的激进行为受到批评。自由职业者网站 Freelancer 因 ClaudeBot 四小时内访问 350 万次而被迫屏蔽。批评者认为 Anthropic 无视 robots.txt 协议，强行获取数据，与公司宣称的"负责任的 AI"理念相悖。维修团队 iFixit 的 CEO 也表达了对 Anthropic 行为的不满。
🔗 Runway 组织公司全员，把互联网扒了个干干净净
视频生成公司 Runway 通过内部文件被揭露，其动员全员搜集了数万条互联网视频资源，包括 YouTube 等平台，用于训练其 Gen-3 视频生成模型。这些资源中不乏盗版网站内容，引发版权和道德争议。Runway 的这一行为遭到 YouTube CEO 的批评，同时暴露了 AI 训练数据来源的不透明问题，引发了对 AI 伦理和版权使用的广泛讨论。
🔗 Perplexity 出版商计划：AI 与优质内容的共生之路
Perplexity 问答平台推出出版商计划，旨在通过技术合作和收益分成支持媒体和在线创作者。计划包括免费 API 访问、Enterprise Pro 服务以及广告收益共享。首批合作伙伴有 TIME 等，共同推动高质量内容与 AI 技术结合，确保信息可靠，增强用户信任。CEO Aravind Srinivas 强调计划的可持续性，期待未来更多合作形式。
AGI 掘金成立于 2024 年7 月，是一家专注于 AGI 相关研究和应用的创新型 知识平台。我们的使命是推动 AGI 技术和 AI 应用的落地与发展，并将其应用于各个行业，为人类社会创造更大的价值。我们提供 AGI 技术最新讯息、应用解决方案、组织各种有趣的服务，致力于成为行业的领军者。AGI 掘金期待你的加入！
