一家令人瞩目的创业公司正在开发一项突破性的AI系统，承诺将为创作者带来前所未有的电影级世界生成能力。这家名为Odyssey的公司采用了一种独特的方式:让工作人员背着特制相机系统，实地采集全球各地的场景数据。由自动驾驶领域的资深专家Oliver Cameron和Jeff Hawke创立的Odyssey最近完成了1800万美元A轮融资，由EQT Ventures领投，GV和Air Street Capital参投。至此，公司总融资额达到2700万美元。这笔资金将主要用于扩大其在加利福尼亚州的数据采集业务。Odyssey开发的先进摄影系统重约25磅，配备了

在人工智能领域，规模越大似乎就意味着能力越强。为了追求更强大的语言模型，各大科技公司都在疯狂堆叠模型参数和训练数据，结果却发现成本也随之水涨船高。难道就没有一种既经济又高效的方法来训练语言模型吗?来自哈佛大学和斯坦福大学的研究人员最近发表了一篇论文，他们发现，模型训练的精度（precision） 就像一把隐藏的钥匙，可以解锁语言模型训练的“成本密码”。什么是模型精度?简单来说，它指的是模型参数和计算过程中使用的数字位数。传统的深度学习模型通常使用

一家名为 Panjaya 的创业公司正在彻底改变视频翻译的游戏规则。经过三年秘密研发，该公司推出了突破性产品 BodyTalk，这是一款能够将视频中人物声音精准转换为其他语言的 AI 工具。不同于传统配音，BodyTalk 不仅能完美复制说话者的原声特征，还能自动调整视频中人物的面部表情和肢体动作，使其与新语言的语音模式自然匹配。Panjaya 由两位以色列政府深度学习专家希利克·沙尼（Hilik Shani）和阿里尔·沙洛姆(Ariel Shalom)创立。2021年，两人离开政府部门创业，随后迎来了具有丰富行业经验的

TryOn Labs 最新开发的 FLUX.1-dev LoRA 服装生成器，利用先进的人工智能技术，为用户带来前所未有的时尚设计体验。只需输入对服装的文字描述，如颜色、图案、材质、风格等细节，就能快速生成相应的服装设计图。FLUX.1-dev LoRA 模型的强大之处在于其灵活的输入格式和丰富的时尚知识库。用户可以尽情发挥创意，描述心目中的理想服装。例如AIbase输入“一件森林绿色缎面连身裤，宽腿，金色植物印花，系着米白色腰带的束腰，不对称领口，半透明叶形斗篷，袖口有工业细节，时髦的街头风剪

来自 Archetype AI 的研究人员开发了一种名为“牛顿 AI 模型”的人工智能基础模型，该模型仅通过分析传感器数据，就能准确地预测各种物理现象，甚至包括那些在训练过程中从未接触过的现象。这项突破性研究成果或将彻底改变物理研究的方式，为科学发现开启新的篇章。传统上，为物理现象构建 AI 模型需要将大量的物理定律和专业知识作为先验信息输入模型，这使得模型的应用范围受到限制，难以泛化到其他领域。而“牛顿 AI 模型”则采用了全新的“唯象学”方法，完全不依赖任何物

在加利福尼亚州帕洛阿尔托，Tales 团队宣布了一项激动人心的创新产品 —— 大型世界模型（LWM），这款模型能够通过简单的文本提示生成完整的数字游戏世界。由斯坦福大学的博士们和游戏开发者组成的团队，决心通过这项技术彻底改变游戏行业，让所有人都能轻松创建功能完备的游戏，无需任何开发或设计经验。换句话说，你将拥有击败游戏行业巨头的力量!与市场上顶尖游戏工作室竞争，Tales 允许玩家把自己的创意变为现实，创造出用户生成的互动和沉浸式体验。通过众包数据、资源

来自智源研究院的Emu3团队发布了一套全新的多模态模型Emu3，该模型仅基于下一个token预测进行训练，颠覆了传统的扩散模型和组合模型架构，在生成和感知任务上均取得了最先进的性能。一直以来，下一个token预测被认为是通向人工智能通用智能（AGI）的希望之路，但在多模态任务上却表现不佳。目前，多模态领域仍然由扩散模型(如Stable Diffusion)和组合模型(如CLIP与LLM的结合)主导。Emu3团队将图像、文本和视频都标记化到离散空间中，并在混合的多模态序列上从头开始训练单个Transformer模型

在加利福尼亚州伯班克的华纳兄弟电影制片厂，特斯拉以"We， Robot"为主题的发布会如期举行，吸引了全球科技爱好者的目光。这场备受期待的活动不仅展示了特斯拉在自动驾驶领域的最新突破，更是公司CEO埃隆·马斯克多年承诺的兑现时刻。图源：特斯拉发布会的主角——特斯拉Robotaxi终于揭开神秘面纱。马斯克亲自乘坐CyberCab抵达现场，用实际行动展示了这款革命性交通工具的全自动驾驶能力。图源:特斯拉CyberCab的设计理念彻底颠覆了传统汽车，内部不设方向盘和踏板，完全依托特斯拉全

在科技创新的浪潮中，挪威初创公司Sonair正在掀起一场感知技术的革命。他们巧妙地将超声波技术引入自主硬件的三维计算机视觉领域，挑战了激光雷达（LiDAR）长期以来的主导地位。Sonair的创始人兼CEO Knut Sandven提出了一个大胆的设想:利用超声波技术读取声波来探测人和物体，实现三维成像。这项技术不仅能耗低、计算需求小，而且有望比当前广泛使用的激光雷达更加实用和经济。最近，Sonair获得了680万美元的融资，这无疑为他们的创新之路注入了强劲动力。图源备注：图片由AI生成，图

SoCreate 是一款新颖的编剧软件，采用生成式 AI 图像和视觉工具，旨在颠覆传统的编剧方式。该软件提供了许多大多数编剧软件都具备的功能，例如模板，可轻松创建具有正确格式的行业标准剧本。然而，SoCreate 创始人兼首席执行官贾斯汀·库托认为，热门平台仍然有所欠缺，尤其是在视觉和创意工具方面。SoCreate 的一大卖点是其图片上传工具，编剧可以利用该工具将视觉概念融入剧本中，包括角色、场景和动作场面。用户可以选择上传自己的图片，也可以从 SoCreate 的插图库中选择。很快，

本文来聊一聊一种新颖的3D 建模技术 ——GGHead。这个技术由慕尼黑工业大学的 Tobias Kirschstein 等人研发，能够在超快的速度下生成高质量、视角一致的3D 人头模型。想象一下，使用普通的消费级 GPU，GGHead 可以实时生成和渲染分辨率达到1024² 的3D 头部图像，这在以往是难以实现的。GGHead 的核心在于它采用了一种叫做 “3D 高斯点云” 的表示方式，结合了3D 生成对抗网络（GAN）的优势。它通过一个强大的2D 卷积神经网络(CNN)来预测模板头部网格在 UV 空间中的高斯属性。这样，GGHead 就可以充分

前言在今天的人工智能时代，AI 搜索已成为共识，最近兴起的 Genspark 注重提供无偏见和非 SEO 驱动的内容，致力于为用户提供可信且有价值的结果。Genspark 是 MainFunc 公司推出的 AI Agent Engine，旨在通过人工智能技术提供更优质的搜索体验。该产品由来自微软、谷歌和百度的校友创立。据其官网介绍，MainFunc 公司在种子轮中筹集了 6000 万美元，由新加坡 Lanchi Ventures 领投。Genspark 代表了 AI 在搜索领域的最新进展，它通过智能算法优化搜索结果，使用户能够更快速、更准确地找到所需信息。产

近日，一家致力于变革现代劳动力的 AI 初创公司11x 宣布成功融资2400万美元，目标是通过自主数字人员工来改变企业的运作方式。11x 的首席执行官兼创始人哈桑・苏卡尔表示:“我们相信，在未来两年内，数字人员工将成为全球企业日常运营的重要组成部分。”图源备注:图片由AI生成，图片授权服务商Midjourney这笔资金将主要用于加速产品开发、扩大团队规模，并增强在全球，特别是在美国市场的影响力。此次 A 轮融资由 Benchmark 领投，多个投资机构如 Quiet Capital、SV Angel、Abstract Ventures、Lux

前言去年，Google 推出了 NotebookLM，这是一款结合了大语言模型 (LLM) 与用户笔记的实验性 AI 笔记本，通过提供摘要、回答问题等方式帮助用户更好地理解某个主题。现在，它甚至可以与你讨论笔记内容。日前 Google 在 NotebookLM 中推出了「Audio Overview（音频概览）」功能，允许用户通过引人入胜的 AI 驱动对话讨论他们的笔记内容。对话由两位 AI 生成的主持人进行，他们利用你的内容背景来解释复杂的主题，做类比，并与你展开持续的对话。在现今的人工智能时代，NotebookLM 以其独特的功能和先

Stability AI 与亚马逊网络服务 (AWS) 合作，引入三款全新文本到图像生成模型至 Amazon Bedrock 服务，以提升商业定位和市场竞争力。这三款模型——Stable Image Ultra、Stable Diffusion3Large 和 Stable Image Core——分别针对不同需求，提供从高质量图像生成到快速大批量图像生产，以及更经济的选择，满足市场营销、广告和设计行业等不同场景。其中，Stable Image Ultra 作为旗舰产品，专为需要极高视觉效果的行业设计，如市场营销和建筑设计。Stable Image Core 则提供经济实惠的选择，适合一般需求。Stability AI 通过这些合作和新模型的引入，旨在扩展市场渠道，通过会员模式和 Stable Assistant 聊天机器人提供服务，并考虑通过云服务提供商、系统集成商和其他模型服务提供商扩大模型的可及性。在经历领导层变动后，Stability AI 正寻求新的增长机会。

​米哈游公司创始人蔡浩宇在社交媒体上发表观点，认为人工智能生成内容（AIGC）技术将彻底革新游戏开发行业。他预言，未来游戏创作的领域将主要属于两类人群:一方面是顶尖的天才团队，占行业0.0001%，他们将创作出突破性的游戏作品;另一方面是占99%的业余爱好者，他们将基于个人兴趣自由地开发游戏。

Freepik的AI图像生成模型Mystic，通过与Magnific AI的合作，开创了AI创作的新纪元。这款模型不仅能够生成超逼真的图像，还能在复杂场景中精准捕捉细节，甚至在图像中生成逼真的文字，达到了全高清水平。Mystic的独特之处在于它融合了Stable Diffusion、Flux和Magnific的自有模型优势，经过了由专业团队精心调校。测试显示，无论提示多么复杂或简单，Mystic都能产出令人震撼的结果，如猫咪弹钢琴、巨龟背负城市、火焰编织的头发女性和机器人绘制星空等，每幅作品都展示了Mystic在光影处理和艺术表达上的高超技艺。尽管目前仅对Freepik平台的高级用户开放，但Mystic的潜力已引起业界广泛关注，标志着AI图像生成领域正迅速发展。Mystic不仅展示了AI技术的最新进展，也为创意工作者提供了一种强大的工具，预示着AI辅助创作将在不久的将来成为主流，为视觉艺术领域带来前所未有的创新和突破。

多模态生成模型正引领人工智能新潮流，专注于融合视觉与文本数据，以创造多功能AI系统，执行从图像生成到跨数据类型理解与推理的多种任务。其中，关键挑战是提升自回归（AR）模型能力，使其能根据文本描述生成高细节图像。尽管扩散模型在生成高质量图像方面表现出色，AR模型在图像质量、分辨率灵活性及多任务处理能力上相对滞后。上海AI实验室和香港中文大学的研究人员推出Lumina-mGPT，一种基于解码器-only的变换器架构，采用多模态生成预训练方法，旨在克服AR模型限制，实现与扩散模型同等水平的逼真图像生成，同时保持简便性和可扩展性。Lumina-mGPT采用详尽的灵活渐进的监督微调策略，增强图像生成能力，支持高分辨率图像生成（1024×1024像素），细节丰富且与文本提示高度一致。该模型在图像质量、视觉一致性及多种任务支持方面超越前代模型，仅需较小数据集即可实现卓越性能，预示未来AI系统将更加复杂与多才多艺。

新研究揭示了大型语言模型（LLM）通过搜索功能显著提升性能的潜力，特别是在Python代码生成任务上，参数量仅为8亿的Llama3.1模型在经过100次搜索后，其表现与GPT-4o不相上下。这一发现与Rich Sutton在2019年的观点相呼应，即计算能力提升下，通用方法和搜索、学习策略的结合尤为重要。研究者发现，增加推理阶段的重复采样次数能显著提高模型在数学、推理和代码生成等领域的表现。实验中，使用100个小型Llama模型进行搜索，实现了超越GPT-4o的性能。作者通过vLLM库进行批量推理，利用10个A100-40GB GPU，实现了40k tokens / 秒的输出速度。在HumanEval基准测试中，GPT-4o的pass@1成绩为90.2%，而经过搜索优化的Llama3.18B模型在重复采样数为100和1000时，分别达到90.5%和95.1%的成绩，优于GPT-4o。实验表明，较小模型通过搜索优化，能在特定领域超越大型模型，强调了搜索在提升生成模型性能中的关键作用。

法律行业正面临传统按小时计费模式的挑战，生成式人工智能的兴起引发了乐观与担忧并存的反应。乐观派认为AI能提升效率，辅助文书撰写与合同审查，但也有律师担忧AI普及会削弱竞争优势，尤其是对依赖初级员工处理大量复杂案件的大型律所。一项调查显示，约三分之一的英国律所担心AI可能对利润和利润率产生负面影响，因为AI应用可能导致初级员工工作量减少，而这部分员工通常是律所利润的主要来源。为适应市场变化，律所可能考虑调整收费模式，如采用固定收费，以回应客户对成本节约的期望。同时，法律AI工具提供商有望从中受益，如汤姆森路透和Relx在AI辅助法律研究方面的投资。然而，AI在法律场景中的应用也可能带来风险，包括错误与根据用户错误假设的回应，这使得保守的合伙人更加谨慎。总之，法律服务行业面临变革，适应新技术的律所将占据更有利的竞争地位。