在当今的人工智能（AI）发展中，数据传输速度成为制约其进步的重要瓶颈。为了打破这一壁垒，密歇根大学(U-M)领导的研究团队正在开发一种全新的芯片连接系统，采用光波而非传统电缆进行数据传输。这一创新有望解决限制计算速度的 “内存墙” 问题，推动 AI 模型的进一步增长。该项目获得了来自国家科学基金会未来半导体项目的200万美元资助，参与单位包括华盛顿大学、宾夕法尼亚大学、劳伦斯伯克利国家实验室，以及谷歌、惠普企业、微软和英伟达等四家行业合作伙伴。尽管数据

传统的视频理解模型在处理长视频时面临着许多挑战，包括理解长视频所带来的复杂上下文。尽管已有不少研究致力于提升视频理解能力，依然难以有效克服训练和推理效率低下的问题。针对这些问题，研究团队通过 HiCo 技术，将视频信息中的冗余部分进行压缩，从而显著降低计算需求，同时保留关键信息。具体而言，HiCo 通过对视频进行层次化压缩，将长视频分割成短片段，进而减少处理的标记数量。这一方法不仅降低了模型对计算资源的要求，还提升了上下文窗口的宽度，增强了模型

国产视频大模型Vidu迎来重大升级，正式发布2.0版本。新版本最显著的提升在于生成速度的大幅跃迁，从原先的30秒缩短至惊人的10秒，效率提升高达三倍。理论上，用户仅需花费5分钟，即可生成长达1分钟的视频素材。这一突破性的进展，无疑将极大加速视频内容的创作效率。Vidu2.0在提升速度的同时，也对视频质量进行了全面优化。新版本生成的视频在风格和主体的一致性上表现更佳，首尾帧过渡也更加自然流畅。此外，Vidu2.0还推出了极具竞争力的超值套餐，创作成本低至每秒4分钱，大大

Mistral公司近日宣布推出其最新的开源编码模型——Codestral25.01，这是其备受欢迎的编码模型Codestral的升级版。这一版本在架构上进行了优化，显著提升了性能，成为其“重量级编码的明显领导者”，速度比前版提升了两倍。与原版Codestral相似，Codestral25.01依然专注于低延迟和高频率操作，支持代码校正、测试生成以及中间填充任务。Mistral公司表示，这一版本特别适合需要更多数据和模型驻留的企业。基准测试显示，Codestral25.01在Python编码测试中的表现超出预期，HumanEval测试得分为86.6%，远超

Mistral 公司近日宣布升级其开源代码生成模型 Codestral，推出了全新版本 Codestral25.01。此次更新使得该模型在编程领域的竞争力显著增强，目标是为开发者提供更高效的代码生成体验。根据 Mistral 的博客文章，Codestral25.01的架构经过优化，承诺在同类模型中成为 “绝对领军者”，其代码生成速度是之前版本的两倍。这一新版本依旧保持了原有模型的优势，专注于低延迟和高频操作，支持代码纠正、测试生成及代码填充等任务。Mistral 表示，这对于拥有大量数据的企业和模型驻留使用场景尤为

在近日的 CES 展会上，英伟达 CEO 黄仁勋表示，公司的 AI 芯片性能提升速度已经超越了摩尔定律的历史标准。摩尔定律是由英特尔联合创始人戈登・摩尔于1965年提出的，预测计算机芯片上的晶体管数量每年大约会翻一番，进而使芯片性能也相应翻倍。然而，近年来，摩尔定律的进展速度已显著放缓。图源备注：图片由AI生成，图片授权服务商Midjourney黄仁勋指出，英伟达的最新数据中心超级芯片在运行 AI 推理工作负载时的速度是前一代的30倍以上。他表示:“我们能够同时构建架构、芯片、系

最近，Answer.AI 和 LightOn 联合发布了开源语言模型 ModernBERT，这是对谷歌 BERT 的重大升级。根据开发者的介绍，ModernBERT 在处理速度、效率和质量上都有了显著提升。该模型可以比其前身快四倍，同时使用更少的内存。ModernBERT 的设计允许它处理长达8192个标记的文本，这比现有编码模型的典型512标记限制提高了16倍。此外，ModernBERT 还是首个经过广泛训练的编程代码编码模型，它在 StackOverflow 问答数据集上的得分超过80，创造了编码模型的新纪录。在通用语言理解评估（GLUE）中，ModernBERT-Large

近日，苹果公司在机器学习领域的最新研究显示，他们通过与 NVIDIA 的合作，成功将大型语言模型（LLM）的生成速度提高了近三倍。这一进展的关键在于苹果开源的技术 “Recurrent Drafter”(ReDrafter)，它采用了一种推测解码方法，能够显著提升模型训练的效率。在过去，创建大型语言模型的过程通常非常耗时和耗资源，企业常常需要购买大量的硬件设备，进而增加了运营成本。2024年早些时候，苹果发布了 ReDrafter，这一技术结合了递归神经网络和动态树关注的方法，能够快速生成和验证标记，

知名AI绘图平台Midjourney近日宣布一项重磅福利计划——“Relax马拉松”活动，即日起至2024年底，用户仅需支付10美元，即可在Relax模式下无限制生成图像，包括变体制作和参考图生成等基础功能，而图片生成的速度也大幅提升，几乎实现“立等可取”。此次活动是为了充分利用为明年新模型购置的大量服务器资源，目前这些服务器暂时处于闲置状态。Midjourney因此决定面向所有用户开放，无论是普通用户还是基础会员，都可以参与这一福利活动。这项举措尤其适合节日贺卡设计、新年创意开

据高盛（Goldman Sachs）最新发布的报告显示，截至2024年第四季度，只有6.1% 的美国企业将人工智能(AI)技术纳入其运营中，这一比例相比于前一季度的5.9% 略有上升。这一数据反映出，尽管 AI 技术的潜力巨大，但在美国企业中，AI 的实际应用仍然缓慢推进。图源备注:图片由AI生成，图片授权服务商Midjourney报告指出，尽管信息技术、教育和制造等行业的 AI 采纳率有所下降，但银行和保险行业则在 AI 集成方面走在前列。尤其是拥有250名以上员工的大型企业，报告显示其 AI 采纳率达到了10%。高盛

曾主导Snapchat“My AI”聊天机器人开发的深度学习科学家艾伦·贝克尔博士，近日再次出山，创立了一家名为eSelf的新公司。这家初创企业致力于打造实时、视频化的对话式AI助手平台，并成功获得450万美元的种子轮融资，正式加入这场AI助手领域的激烈角逐。eSelf的早期目标是为教育、销售、金融服务、房地产以及健康保健等垂直领域提供更具真实感和互动性的AI助手。他们的核心竞争力在于其AI助手极速的响应时间——查询或交互响应时间仅需1.7秒，据称远超OpenAI等领先公司。更令人惊喜的

科技巨头谷歌的AI研究部门近日推出了Gemini AI模型的最新迭代——Gemini2.0Flash。这款新模型在性能上进行了显著提升，特别是在处理速度和多模态功能扩展方面。官方表示，全球 Gemini 用户可以通过在桌面和移动 Web 的模型下拉列表中选择2.0Flash 实验版来访问聊天优化版本，并且它很快就会在 Gemini 移动应用程序中提供。明年年初，会将 Gemini2.0扩展到更多 Google 产品。Gemini2.0Flash的一个关键发展是其增强的处理速度。谷歌表示，新模型的运行速度是前代Gemini1.5Pro的两倍，同时在各种基准测试中

IBM 在纽约约克城宣布了一项重大的光学技术突破，该技术将显著数据中心在训练和运行生成式人工（AI）模型时的效率。IBM 的研究人员开发了一种新型的共封装光学技术（CPO），这项技术能够利用光速实现数据中心内部的连接，从而替代目前使用的铜电缆。尽管光纤技术已在全球商业和通信中广泛应用，但大多数数据中心内部仍依赖于铜电缆进行短距离通讯。这导致 GPU 加速器在训练过程中常常处于闲置状态，浪费大量的时间和能源 IBM 的研究团队展示了如何将光的速度和容量引入数据中

在 AI 的世界里，"大力出奇迹" 似乎成了金科玉律。模型越大，数据越多，算力越强，仿佛就能越接近智能的圣杯。然而，这狂飙突进的背后，也隐藏着巨大的成本和能耗压力。为了让 AI 训练更高效，科学家们一直在寻找更强大的优化器，就像一位教练，引导模型的参数不断优化，最终达到最佳状态。AdamW 作为 Transformer 预训练的默认优化器，多年来一直是业界标杆。然而，面对日益庞大的模型规模，AdamW 也开始显得力不从心。难道就没有一种方法，既能提升训练速度，又能降低能耗吗?别急

在经历了一段时间的期待后，人工智能机器人公司 Figure 与德国汽车巨头宝马的合作终于迎来了重大进展。Figure02人形机器人在生产线上的性能得到了显著提升，现如今的速度提高了400%，成功率更是提升了七倍。 Figure 公司发布了一段新视频，展示了 Figure02的强大功能。Figure 创始兼首席执行官布雷德・阿德科克（Bred Adcock）表示，机器人每天可以完成多达1000次的操作。他提到:“随着我们部署更多机器人，收集更多数据并改进我们的人工智能模型，这一数字还会继续上升。”视频中，机器人

Stability AI近日推出了其最新的深度学习文本到图像生成模型 ——Stable Diffusion3.5。这一版本包括三种改进的开源模型，旨在满足不同用户的需求，包括研究人员、企业客户和爱好者。其中，Stable Diffusion3.5Large 是整个系列中最强大的模型，参数高达81亿。该模型以其卓越的图像质量和对提示的高度响应能力，成为专业用户的理想选择，能够生成分辨率达到1兆像素的高质量图像。此外，Stable Diffusion3.5Large Turbo 是 Stable Diffusion3.5Large 的简化版。它在生成高质量图像的同时，极大地提升了速度，仅

OpenAI近日推出了一项重要更新，为GPT-4o模型引入"预测输出"（Predicted Outputs）功能。这项创新技术显著提升了模型的响应速度，在特定场景下最高可达到原有速度的5倍，为开发者带来全新的效率体验。这项由OpenAI与FactoryAI联合开发的功能，其核心优势在于能够绕过已知内容的重复生成过程。在实际应用中，特别是在更新博客文章、迭代现有回复或重写代码等任务上表现出色。根据FactoryAI提供的数据显示，在编程任务中，响应时间缩短了2至4倍，将原本需要70秒的任务压缩至20秒内完成。目前

在视频处理领域，如何从单镜头视频中高效追踪三维运动一直是一项难题，尤其是在需要对长序列进行像素级精确追踪时。传统方法面临多重挑战，往往只能跟踪少量关键点，无法实现完整场景的细致理解。而且，现有技术的计算需求较高，难以在处理长视频时保持效率。同时，长时间的跟踪也会受到相机移动和物体遮挡等问题的影响，导致跟踪失误或错误的产生。当前，视频序列运动估计的方法各有优缺点。光流技术提供了密集的像素追踪，但在复杂场景中，尤其是处理长序列时表现出

大型语言模型如 GPT-4o 和 GPT-4o-mini 的出现，推动了自然语言处理领域的重大进步。这些模型能够生成高质量的响应，进行文档重写，以及提升各类应用的生产力。然而，这些模型面临的一个主要挑战就是响应生成的延迟。在更新博客或优化代码的过程中，这种延迟可能会严重影响用户体验，尤其是在需要多次迭代的场景下，如文档修改或代码重构，用户往往会感到沮丧。为了应对这一挑战，OpenAI 推出了 “预测输出（Predicted Outputs ）” 功能，这一功能显著减少了 GPT-4o 和 GPT-4o-mini 的延迟，

美国初创公司 Useful Sensors 推出了一款名为 Moonshine 的开源语音识别模型。Moonshine 的设计旨在更高效地处理音频数据，相比于 OpenAI 的 Whisper，它在计算资源的使用上更为经济，处理速度快五倍。这一新模型专为在资源有限的硬件上实现实时应用而打造，具有灵活的架构。与 Whisper 将音频分为固定的30秒片段处理不同，Moonshine 根据实际音频长度调整处理时间。这使得它在处理较短音频片段时表现出色，减少了由于零填充而产生的处理开销。Moonshine 有两个版本:小型的 Tiny 版本参数量为2710万，