AI创投周报是阿尔法公社推出的聚焦于以生成式AI为代表的人工智能新浪潮的创投资讯周报。阿尔法公社发现和投资非凡创业者（Alpha Founders），相信非凡创业者们在技术、商业和社会方面的巨大推动力，他们指引着创投生态的风向。
本图由“千象”（网址：www.hidreamai.com）生成
本周，
我们观察到以下AI领域的新动向和新趋势：
1.Anthropic发布Claude 3全新模型家族，
其中能力最强的Claude 3 Opus在推理、数学、编码、多语言理解及视觉方面超越了GPT-4，重新定义了行业标准。
2.Inflection发布全新模型Inflection-2.5，
这个模型不仅在能力上媲美GPT-4，而且其训练所需计算量仅为后者的40%。相比普通大模型，Inflection-2.5还具有出色的情感处理能力和创意思维。
3.企业级AI助手公司Glean获2亿美元D轮融资，
估值超过22亿美元。它打造基于AI的企业搜索与知识管理平台。
如果您对人工智能的新浪潮有兴趣，有见解，有创业意愿，欢迎扫码添加“阿尔法小助理”，备注您的“姓名+职位”，与我们深度连接。
人工智能产品和技术的新突破
1.全球最强大模型一夜易主，GPT-4被
Claude 3
全面超越
Anthropic最新发布Claude 3模型家族，
它包含三个型号：
小杯Haiku、中杯Sonnet及大杯Opus，
其尺寸最大的
Claude 3 Opus
在推理、数学、编码、多语言理解及视觉方面全面超越了GPT-4，重新定义了行业标准。
Claude 3不仅在数学类评测中用0-shot超越了GPT-4的4-8 shot，还提供了高达200k的上下文窗口和接受超过100万token输入的能力。
此外，Anthropic还开放了Opus和Sonnet的API访问，让开发者可以立即利用这些模型的强大能力。
在响应时间上，Claude 3实现了大幅缩短，提供近乎实时的交互体验。不同型号的Claude 3分别针对不同的使用场景和需求进行了优化，从高速度低成本的小杯Haiku到高智能水平的大杯Opus，为用户提供了广泛的选择。
2.Claude 3：人工智能在科学研究中的新突破
近日，Claude 3引发了广泛关注，其在化学、物理学和语言学领域的表现尤为突出。化学博士发现，Claude 3仅用两小时便解决了一项原本需要一年实验的研究问题，并且提出的方案更为简洁、成本更低。
量子物理学博士也发现，Claude 3能够从零开始发明出其论文中的算法。此外，对于小众语言切尔克斯语的研究，Claude 3使用极少量的数据就能进行完美翻译并分析语法和形态结构。
Claude 3的这些表现不仅展现了其对复杂科学主题深入的理解能力，更令人震撼的是其成本效率极高，仅需5美分即可给出解决方案。在化学领域的实际案例中，Claude 3能够详细阐述界面聚合等技术的改进方案，甚至能够提出与专业论文相匹配甚至更优化的研究方法。量子物理学博士Kevin Fischer更是直言，Claude 3是全世界唯一能够理解其论文的存在。
除了科学研究，Claude 3在语言学方面的应用同样令人瞩目。它不仅能够破译罕见语言，还能处理复杂的语法结构，其翻译能力远超现有的语言模型。
Claude 3的表现预示着人工智能在科学研究领域的巨大潜力，同时也提出了对当前教育体系的挑战。
一方面，Claude 3的成功案例为科研工作提供了新的
工具和可能性，极大地降低了研究成本并加速了科学发现的过程；
另一方面，它也引发了对于人工智能将如何重塑教育和科研领域的深入思考。
3.Inflection-2.5模型以40%的训练成本达到媲美GPT-4的能力
Inflection最新发布的Inflection-2.5模型不仅在模型能力上媲美GPT-4,其训练所需计算量仅为后者的40%。
Inflection-2.5凭借出色的性能在多项基准测试中表现优异,尤其在STEM领域进步最为显著。在匈牙利数学和物理GRE考试中,其成绩达到了所有参考群体的95百分位水平,在BIG-Bench-Hard测试中也仅比GPT-4低0.9%。值得一提的是,该团队发现并修正了MT-
Bench基准测试中近25%的错误问题,为模型评估提供更合理的数据集。
目前,Inflection拥有百万日活跃用户,用户粘性极高。用户不仅可以与Pi探讨时事、获取本地信息,还能备考、编程、商务写作等。有用户称赞Pi具有出色的情感处理能力和创意思维。
4.大视频模型是世界模型？DeepMind/UC伯克利华人一作：预测下一帧就能改变世界
DeepMind、UC伯克利和MIT的研究人员提出，通过采用大语言模型的思路来构建大视频模型，可以解决语言模型不擅长的问题，进而更接近于真正理解我们所处的这个世界。这种大视频模型的概念，有望像世界模型一样，通过预测下一帧的方式来理解和模拟物理世界。
研究人员认为，视频作为一种统一的接口，能够吸收互联网上的知识并代表不同的任务。例如，经典的计算机视觉任务可以被重新定义为下一帧生成任务。通过生成操作视频来回答问题，例如“如何制作寿司”，可能提供比文本响应更直观的答案。此外，视频生成可以作为一个统一的视觉执行计划，为不同的机器人服务，也可以用作复杂游戏的真实模拟器，与基于模型的规划相结合，或用于创造游戏。
预测下一帧的能力不仅可以改变物理世界的决策制定方式，而且还具有挑战现有AI技术边界的潜力。视频生成的能力扩展到了优化科学和工程领域的控制输入，在这些领域可以收集大量视频数据，但底层物理动力学很难明确表达。
该研究表明，视频可以作为一个强大的媒介，不仅能够传达视觉和空间信息，还能描绘物理和动力学的细节以及行为和动作信息。与文本相比，视频提供了一种更加直观和详细的方式来表示这些信息，能够更全面地反映物理世界的复杂性。
5.Stable Diffusion 3技术报告出炉：揭露Sora同款架构细节
Stable Diffusion 3（SD3）的技术报告近日发布，报告详细介绍了SD3采用的多模态Diffusion Transformer架构（MMDiT），这一架构能够分别对图像和文本使用两组独立的权重，从而实现在图像生成过程中对文本的高效理解和渲染。与先前版本相比，MMDiT架构显著提升了性能，使SD3在文本到图像的转换中，无论是视觉保真度还是文本对齐度都有所提高。
SD3的架构由两个独立的Transformer组成，一个处理图像，另一个处理文本，通过连接它们的序列来进行注意力操作，使得两种模式的信息能够在模型内自由流动，增强了模型对输入文本的理解和输出图像的质量。此外，报告还提到了SD3结合了Rectified Flow（RF）技术，这一技术通过优化生成路径，减少了生成过程所需的步骤数，同时保持了图像的高质量输出。
报告中还进行了规模化研究，通过不同大小和训练步数的模型来验证性能提升，结果显示，随着模型规模的增大和训练步数的增加，模型的验证损失逐渐减小，即模型的性能不断提升。
最后，技术报告还探讨了文本编码器的作用，尤其是T5编码器对生成带有文本图像的重要性，尽管移除T5编码器可以显著降低内存需求，但会导致性能的轻微下降，因此建议保留T5编码器以维持优秀的文字渲染能力。
6.单图0.5秒生成3D模型！Stability AI&华人团队出品
Stability AI与华人团队VAST合作推出的3D生成模型TripoSR，实现了通过单张图片在0.5秒内生成完整几何结构和清晰材质纹理的3D模型。
TripoSR的创新之处在于将图像到3D模型的生成过程视作一种跨维度的语言翻译任务，利用Transformer架构和三平面（triplane）技术，实现了二维图像到三维模型的高效转换。这一技术基于Adobe在2023年提出的LRM算法，通过在超过百万级别的公开三维数据集上训练，显示出对任意用户输入的广泛适应性和超高的运行效率。
尽管LRM未公开代码和模型且训练成本高昂，TripoSR却实现了高质量的开源实现，显著提升了从有限训练数据中泛化的能力并增强了3D重建的保真度。TripoSR不仅在学术界和工业界引起了热潮，也填补了开源界缺失的快速、强大泛化能力的3D生成模型和框架空白。此外，VAST AI Research作为Tripo AI背后的3D研究机构，已经开源了多个3D生成模型，显示了其在3D生成领域的实力和贡献。
7.DeepMind携Mamba华人作者推Transformer革命之作！
推理能效大幅碾压
Llama 2
谷歌DeepMind与Mamba的作者Albert Gu最近推出了两种新的架构，Hawk和Griffin，这两种架构在各项基准测试中超越了Transformer。这两种新架构结合了门控线性RNN与局部注意力，展示出了在高效训练和推理速度方面的显著优势，并成功扩展到14B规模。
Griffin模型，尤其值得关注，它在使用仅1/6的训练数据量情况下，就能与同等参数量的Llama 2相媲美，甚至在某些情况下超越。这表明线性RNN的外推能力可以远远超出它们训练的序列长度，同时保留了Transformer在合成任务上的许多功能，如从长上下文中复制和检索token。
DeepMind的这一突破不仅展示了RNN与局部注意力结合的巨大潜力，也可能对AI领域的未来发展方向产生深远影响。尽管Transformer目前仍然称霸AI领域，但DeepMind的这项创新展现了探索新架构的重要性，为未来AI技术的发展提供了新的可能性。
