近日，NVIDIA 推出了新一代开放视觉语言模型 ——NVILA。该旨在优化准确性和效率，凭借出色的性能，成为视觉 AI 领域的佼者。根据 NVIDIA 的介绍，NVILA 在训练成本上降低了4.5倍微调所需内存减少了3.4倍，并且在预填充和解码的延迟上几乎降低了2倍。这些数据是与另一种大型视觉模型 LLaVa OneVision 进行比较得出的。在视频基准测试中，NVILA 的表现超过了 GPT4o Mini，并且在与 GPT4o、Sonnet3.5和 Gemini1.5Pro 的比较中也表现出色。此外，NVILA 还在与 Llama3.2的对比中取得了微弱胜利。尽管如此，NVIDIA 表

视觉AI开发平台Roboflow近日宣布完成4000万美元B轮融资。本轮融资由GV领投，Craft Ventures、Y Combinator以及Vercel AI创始人Guillermo Rauch、谷歌高管Jeff Dean和Replit创始人Amjad Masad等知名投资者参投。作为一站式视觉AI开发平台，Roboflow正在重新定义计算机视觉模型的开发方式。从最初的图像集管理工具起步，如今已发展成为一个全方位的解决方案，涵盖从原始图像和视频数据到生产就绪的视觉AI应用的完整开发流程。平台提供了一系列强大功能，包括数据集理解、自动数据标注、模型训练、微调和部署

最近，西雅图的一家初创公司 Moondream 推出了名为 moondream2的紧凑型视觉语言模型。尽管体积小巧，但该模型在各项基准测试中表现出色，备受关注。作为一个开源模型，moondream2有望在智能手机上实现本地图像识别功能。moondream2于三月正式发布，该模型能够处理文本和图像输入，具备回答问题、文本提取（OCR）、物体计数和物品分类等能力。自发布以来，Moondream 团队持续更新该模型，不断提升其基准性能。7月份的版本在 OCR 和文档理解方面显示出显著进步，尤其是在对历史经济数据的分析

Nvidia 近期宣布推出其最新的 AI 蓝图，旨在帮助各行业的开发者轻松构建智能代理，分析视频和图像内容。通过这一技术，任何行业的用户都能高效地搜索和总结大量的视觉数据。全球知名企业如 Accenture、Dell 和 Lenovo 等已开始利用 Nvidia AI 蓝图开发视觉 AI 代理，旨在提升生产力、优化流程并创造更安全的环境。各个企业和公共部门组织正致力于开发智能代理，以增强依赖视觉信息的工作能力，这些信息来源于越来越多的设备，如摄像头、物联网传感器和车辆。Nvidia 的这款 AI 蓝图为视频搜

据36氪报道，知行机器人科技（苏州）有限公司最近完成数千万元的 B 轮融资，这一轮融资是由诚美资本和中关村智友科学家基金共同领投的。融资资金将主要用于公司核心产品的研发、拓展和市场推广。据了解，该公司目前已经服务了超过300家客户，并与国内50多家企业建立了合作关系，积累了丰富的智能制造和化成功案例。资料显示，知行机器人成立于2018年，专注于灵巧手及具身智能机器人研发与生产的国家级高新技术企业，致力于研发灵活、可靠、安全、智能的机器人手及机器人系

最近，Cybord 公司宣布成功完成870万美元的 A 轮融资，这笔资金主要由 Capri Ventures 领投，Ocean Azul Partners 以及现有投资者 IL Ventures 和 NextLeap Ventures 也参与了这轮融资。图源备注:图片由AI生成，图片授权服务商MidjourneyCybord 致力于利用视觉 AI 技术，确保电子组件的质量、真实性和可追溯性。他们的解决方案已经在全球60条生产线中应用，每天检查数百万个电子组件，广泛服务于汽车、数据中心等多个行业。在当今，电子组件的质量问题变得越来越严重，2023年的缺陷和召回事件达到了七年来的

Napkin，由前Google员工创立的AI视觉平台，近期获得Accel和CRV领投的1000万美元融资。该平台旨在通过生成式AI技术帮助用户快速创建可视化内容，旨在优化设计流程，减少时间和麻烦。Napkin的核心产品面向营销、内容创作和工程专业人士，用户可以从文本开始或根据提示生成文本，平台将生成类似Notion的画布，用户可自定义视觉效果并导出多种格式或分享URL。然而，平台在处理复杂或模糊内容时存在局限性，生成的内容有时与原文无关或风格同质化。此轮融资将用于产品开发和人才招聘，Napkin计划进一步完善产品并提升生成质量，以在视觉化沟通领域占据优势。

Napkin是一款由Pramod Sharma和Jerome Scholler开发的“视觉AI”平台，旨在简化创意表达过程，通过将文本转化为可视化图形，帮助市场人员、内容创作者和工程师等高效传达创意。该平台能从文本输入生成流程图、图表、信息图表等多种视觉元素，并允许用户定制图标、颜色、字体等，生成的视觉内容可导出为PNG、PDF、SVG文件或URL链接。Napkin利用AI技术处理文本，擅长简单描述和清晰叙事，但模糊文本可能导致视觉效果失真。其版权策略使用内部数据生成图片，不涉及公共或知识产权数据。Napkin团队计划利用1000万美元融资进一步开发产品，拓展AI和图形设计团队，目标是通过AI推动创意表达方式革新，实现技术与创意的高效结合。

["人工智能对打工人的淘汰速度可能比人们想象中的要慢得多，AI视觉工作仅可替代23%，成本太高。","研究结果显示，AI导致的工作岗位流失是渐进的，政府可以采取政策和再培训来减轻失业的影响。","AI技术的飞速发展引发人们对工作安全性的担忧，现有AI用途成本可能使得雇主更倾向于保留现有员工。"]