/
2025人工智能行業(yè)趨勢(shì)報(bào)告｜大模型之家年度專(zhuān)題
近年來(lái)，隨著深度學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等技術(shù)的快速發(fā)展，多模態(tài)技術(shù)取得了顯著進(jìn)展。商湯秒畫(huà)、Sora、可靈等文生圖、文生視頻等模型產(chǎn)品的推出，讓AI生成的內(nèi)容更加豐富多彩，極大地豐富了用戶(hù)體驗(yàn)和應(yīng)用場(chǎng)景。
人工智能的下一個(gè)前沿：多模態(tài)系統(tǒng)將重塑我們的世界
想象一下，一個(gè)人工智能系統(tǒng)不僅能閱讀文本或識(shí)別圖像，還能夠同時(shí)讀、寫(xiě)、看、聽(tīng)和創(chuàng)造。這其實(shí)就是多模態(tài)人工智能的精髓。這些先進(jìn)的多模態(tài)人工智能系統(tǒng)可以同時(shí)處理和整合多種形式的數(shù)據(jù)，包括文本、圖像、音頻甚至視頻。這就像是賦予了人工智能一整套的感官。
基于Gemini！Waymo提出端到端自動(dòng)駕駛多模態(tài)模型EMMA！
我們介紹了EMMA，一個(gè)端到端的自動(dòng)駕駛多模態(tài)模型�；诙嗄B(tài)大型語(yǔ)言模型的基礎(chǔ)，EMMA直接將原始相機(jī)傳感器數(shù)據(jù)映射到各種特定于駕駛的輸出中，包括規(guī)劃器軌跡、感知對(duì)象和道路圖元素。EMMA通過(guò)將所有非傳感器輸入（例如導(dǎo)航指令和自我車(chē)輛狀態(tài)）和輸出（例如軌跡和3D位置）表示為自然語(yǔ)言文本，最大化了預(yù)訓(xùn)練大型語(yǔ)言模型的世界知識(shí)效用。
阿里提出LLaVA-MoD架構(gòu)！利用MOE技術(shù)讓小模型也能大顯身手！
多模態(tài)大型語(yǔ)言模型（MLLM）通過(guò)在大型語(yǔ)言模型（LLM）中集成視覺(jué)編碼器，在多模態(tài)任務(wù)中取得了有希望的結(jié)果。然而，大型模型的大小和廣泛的訓(xùn)練數(shù)據(jù)帶來(lái)了顯著的計(jì)算挑戰(zhàn)。例如，LLaVA-NeXT的最大版本使用了Qwen-1.5-110B，并且使用128個(gè)H800 GPU訓(xùn)練了18小時(shí)。
Qwen2-Audio：多模態(tài)AI系統(tǒng)，融合語(yǔ)音對(duì)話(huà)和音頻分析功能
多模態(tài)AI系統(tǒng)，融合語(yǔ)音對(duì)話(huà)和音頻分析功能，支持超過(guò)8種語(yǔ)言和方言，無(wú)需自動(dòng)語(yǔ)音識(shí)別即可進(jìn)行語(yǔ)音交互，提供音頻信息分析和多語(yǔ)言支持。
大模型之家2024年7月熱力榜：視頻生成熱潮來(lái)襲，多模態(tài)賽道再升級(jí)
巴黎奧運(yùn)會(huì)上，AI技術(shù)的應(yīng)用成為了賽事的一大亮點(diǎn)。從智能裁判系統(tǒng)到運(yùn)動(dòng)員訓(xùn)練輔助，再到賽事直播的個(gè)性化推薦，AI技術(shù)的融入不僅提升了賽事的公平性和觀賞性，也讓觀眾享受到了前所未有的觀賽體驗(yàn)。
搞了半天原來(lái)GPT-4o-mini是基于GPT-3.5架構(gòu)的模型（Dify中接入GPT-4o mini模型）
GPT-4o mini（"o"代表"omni"）是小型型號(hào)類(lèi)別中最先進(jìn)的型號(hào)，也是OpenAI迄今為止最便宜的型號(hào)。它是多模態(tài)的（接受文本或圖像輸入并輸出文本），具有比 gpt-3.5-turbo 更高的智能，但速度同樣快。它旨在用于較小的任務(wù)，包括視覺(jué)任務(wù)。
AI算力產(chǎn)業(yè)鏈及競(jìng)爭(zhēng)格局分析
目前，AIGC產(chǎn)業(yè)生態(tài)體系的雛形已現(xiàn)，呈現(xiàn)為上中下三層架構(gòu)：①第一層為上游基礎(chǔ)層，也就是由預(yù)訓(xùn)練模型為基礎(chǔ)搭建的AIGC技術(shù)基礎(chǔ)設(shè)施層。②第二層為中間層，即垂直化、場(chǎng)景化、個(gè)性化的模型和應(yīng)用工具。③第三層為應(yīng)用層，即面向C端用戶(hù)的文字、圖片、音視頻等內(nèi)容生成服務(wù)。
AGI萬(wàn)字長(zhǎng)文(上) | 2023回顧與反思
2023年大眾對(duì)AI的看法從懷疑到認(rèn)可，AGI（通用人工智能）的發(fā)展迅速，大模型展現(xiàn)出驚人的想象力和取悅能力。應(yīng)用層尚未出現(xiàn)獨(dú)角獸，創(chuàng)業(yè)者面臨官方技術(shù)迭代的挑戰(zhàn)。
大模型現(xiàn)狀和未來(lái)：百模征戰(zhàn)，產(chǎn)業(yè)智能躍遷（2024）
AI大模型通過(guò)大規(guī)模預(yù)訓(xùn)練和微調(diào)實(shí)現(xiàn)通用人工智能，目前正從'大煉模型'向'煉大模型'轉(zhuǎn)變，推動(dòng)多模態(tài)和多場(chǎng)景革命。GPT模型迭代加速，國(guó)內(nèi)企業(yè)如百度、騰訊、阿里在大模型市場(chǎng)占據(jù)優(yōu)勢(shì)。
評(píng)測(cè)結(jié)果超過(guò)GPT-4，Anthropic發(fā)布第三代大語(yǔ)言模型Claude3，具有多模態(tài)能力，實(shí)際評(píng)測(cè)表現(xiàn)優(yōu)秀！但幻覺(jué)問(wèn)題不�。�
Anthropic推出了第三代大語(yǔ)言模型Claude3，包含三個(gè)版本：Claude3-Opus、Claude3-Sonnet和Claude3-Haiku，能力和成本遞減。Claude3-Opus在多項(xiàng)評(píng)測(cè)中超過(guò)GPT-4，支持多模態(tài)和最高100萬(wàn)上下文輸入。
用雙眼見(jiàn)證未來(lái)：以人工智能治療年齡相關(guān)性黃斑變性
由于專(zhuān)家不足且高度依賴(lài)臨床專(zhuān)業(yè)知識(shí)來(lái)評(píng)估視網(wǎng)膜成像情況，確定年齡相關(guān)性黃斑變性的高風(fēng)險(xiǎn)人群一直是個(gè)令人頭痛的難題。但如今，人工智能/機(jī)器學(xué)習(xí)（AI/ML）等新興技術(shù)的逐步普及，正為更準(zhǔn)確、更高效的篩查方法鋪平道路。
AISHU，愛(ài)數(shù)技術(shù)夢(mèng)想新征程
12月5日，以數(shù)據(jù)「智」上為主題的多模態(tài)數(shù)據(jù)智能峰會(huì)在北京舉行，以多模態(tài)數(shù)據(jù)智能為核心戰(zhàn)略的愛(ài)數(shù)AISHU品牌新征程，愛(ài)數(shù)成功展示了從圖像到文本的跨模態(tài)場(chǎng)景應(yīng)用，邁出了從單模態(tài)數(shù)據(jù)分析到多模態(tài)數(shù)據(jù)智能的第一步。
百度王海峰：多模態(tài)深度語(yǔ)義理解將讓AI更深地理解真實(shí)世界
7月4日召開(kāi)的百度AI開(kāi)發(fā)者大會(huì)上，百度高級(jí)副總裁、AI技術(shù)平臺(tái)體系（AIG）總負(fù)責(zé)人王海峰發(fā)布百度大腦3.0，并指出，百度大腦3.0的核心是“多模態(tài)深度語(yǔ)義理解”，包括數(shù)據(jù)的語(yǔ)義，知識(shí)的語(yǔ)義，以及圖像、視頻、聲音、語(yǔ)音等各方面的理解。
- LinuxONE 客戶(hù)案例集錦
- IBM 存儲(chǔ)客戶(hù)案例集錦
- 智能超融合基礎(chǔ)設(shè)施 - HPE SimpliVity 解決方案
- 借助 HPE GreenLake 提供本地云體驗(yàn)解決方案
- 掌控全局 — 推動(dòng)業(yè)務(wù)創(chuàng)新：適用于 HPE SimpliVity 的 HPE 主動(dòng)式系統(tǒng)支持服務(wù)
- 實(shí)現(xiàn)居家辦公高效率解決方案
- 實(shí)現(xiàn)關(guān)鍵業(yè)務(wù)革新 - HPE Primera解決方案
- 搭配N(xiāo)utanix的HPE GreenLake私有云解決方案
- 重新定義 HCI， 助其更上一層樓
- 適用于 VDI 的 HPE GreenLake - 本地云服務(wù)解決方案
京公網(wǎng)安備 11010802021500號(hào)
