腾讯研究院AI速递 20241219

生成式AI

一、  英伟达“掌心AI超算”，¥1800跑8B多模态，算力暴增70%

1. 新版Jetson Orin Nano性能提升70%，算力达67 TOPS，价格降低50%，支持7B/8B多模态模型与高效视觉语言处理；

2. 配备6核Arm CPU和NVIDIA Ampere GPU，支持多摄像头并发，适合边缘AI开发，功耗仅25W；

3. 兼容NVIDIA全生态AI软件，加速原型开发，提升旧设备生成式AI性能，广泛应用于机器人与视觉AI领域。

https://mp.weixin.qq.com/s/4j_TTE6u2k1gx_pbpYk1tA

二、  OpenAI Day9：o1模型开放API使用，实时语音API打骨折

1. OpenAI发布o1模型API，支持功能调用、视觉识别等，提升响应速度60%，并且逐步向开发者开放；

2. 实时语音API价格降60%，推出"迷你版"语音服务，语音质量和功能灵活性提升，支持WebRTC，降低成本；

3. 新增偏好微调技术，使AI更好地适应用户个性化需求，推出Go和Java SDK测试版，便于开发者集成AI应用。

https://mp.weixin.qq.com/s/_jDBhPvDQqLT5tJV10a9mg

三、  AI数据公司Databricks 创AI融资新纪录，一口气融728亿！

1. Databricks在J轮融资中筹集了86亿美元，超OpenAI纪录，估值达620亿美元；

2. 公司24年AI收入同比增长300%，AI产品和生成式AI的投入推动业务扩展；

3. 与Snowflake等竞争加剧，尚未实现正自由现金流，未来能否找到可持续盈利模式仍是关键。

https://mp.weixin.qq.com/s/hKLJmDRCtH9gBv3M2P_Ljw

四、  李飞飞团队统一动作与语言，新多模态模型能读懂隐含情绪

1. 李飞飞团队开发的新型多模态语言模型能结合语音、文本和动作，生成自然的全身动作；

2. 模型通过预训练策略提升语义理解和泛化能力，在数据较少的情况下表现优异；

3. 新模型还能够根据动作预测情绪，表现出色，具有广泛应用潜力，如游戏和VR。

https://mp.weixin.qq.com/s/W8wS87YlW_z9rsDfnmtDLQ

五、  Sakana AI推出LLM记忆技术NAMMs，内存成本降低75%

1. Sakana AI推出NAMMs，通过进化算法优化记忆管理，大幅提升LLM效率；

2. NAMMs采用短时傅里叶变换处理注意力矩阵，结合向后注意力记忆架构，减少内存使用并提升性能；

3. 实验结果显示，NAMMs能显著降低内存消耗（最高减少75%）并提升模型性能，具备优秀的零样本迁移能力。

https://mp.weixin.qq.com/s/OjBL-288AocKubPCigxtpQ

六、  豆包发布视觉理解大模型入局多模态交互，又把价格打骨折

1. 豆包发布的视觉理解大模型专注内容识别、推理和创作能力，能处理复杂图像与文字信息；

2. 模型能够精准识别图像内容并进行推理与解题，例如解答高考物理题和微积分；

3. 价格大幅降低，每千tokens仅0.003元，较行业平均价格低85%。

https://mp.weixin.qq.com/s/kKkP5Vky24wMCQzZs5Ncvg

七、  更懂中文还兼顾SD生态，360开源Bridge Diffusion Model架构

1. 360推出的Bridge Diffusion Model（BDM）解决了中文文生图的世界观偏见，支持生成符合中文文化的图像；

2. BDM兼容Stable Diffusion生态，采用类似ControlNet的分支网络结构，确保与开源社区的无缝兼容；

3. 通过原生中文训练，BDM可生成符合中文认知的图像，同时支持其他语言的生成。

https://mp.weixin.qq.com/s/qxtPghz7kEJzdB7yBJcEkw

前沿科技

八、  中科大新型螺旋软体机器人，实现对多尺度复杂物体的多功能抓取

1. 中国科大团队设计了新型螺旋软体机器人，模仿生物柔性肢体，具备多尺度抓取能力；

2. 机器人通过绳索驱动，采用螺旋结构实现高灵活度和强负载能力，可适应不同物体尺寸与形状；

3. 该技术可广泛应用于医疗、救援等领域，并且具有低成本、可扩展的制造优势。

https://mp.weixin.qq.com/s/ggDCiRaHneRnYo0juZ-1FA