每日AI快讯

亚马逊的AI无人商店项目“Just Walk Out”最近引发关注，尽管它号称采用先进的计算机视觉和深度学习技术实现自动化结算，但据透露，实际上这个系统很大程度上依赖于人力。据报道，亚马逊有一个由上千名员工组成的团队，他们在印度负责观看和标注视频，以确保交易的准确性。数据显示，在每1000次交易中，有高达700次需要人工审核。这导致顾客在离开商店后可能需要等待数小时才能收到收据。对此，亚马逊否认了完全依赖人工监控的说法，指出他们的机器学习模型会通过合成数据和实际视频注释不断优化。

小米近日为旗下的小米14和小米14Pro智能手机推送了一项重大系统升级，这次更新特别引入了小米14Ultra的高级影像技术，显著提升了拍照性能。其中，新加入的大师人像模式成为关注焦点，该模式提供大师人像和徕卡人像两种不同的画质风格，让用户在拍摄人像时拥有更多创意选择。此外，人像模式的图像清晰度和美颜效果也经过改进，使照片呈现更清晰、自然的质感。 更重要的是，本次更新还为小米14和小米14Pro配备了先进的AI大模型计算摄影平台——Xiaomi AISP。这个平台首次在小米14Ultra的发布活动中展示，它深度整合硬件资源，利...

本文介绍了《多模态大语言模型综述》的重大升级，该综述详尽梳理了多模态大语言模型（MLLM）的发展和趋势。随着以GPT-4V为代表的MLLM迅速进步，该领域展现出新特点，如模型规模扩大和新的训练范式。MLLM在处理多模态信息方面表现出强大的新能力，例如视觉信息的理解和推理。文章探讨了MLLM的基础构成、拓展应用和相关研究课题，包括模型架构、训练策略、数据处理和评测标准。此外，还分析了多模态幻觉、多模态上下文学习、多模态思维链和LLM辅助的视觉推理等技术方向。最后，指出了MLLM面临的挑战，如长上下文理解、复杂指令...

Arm CEO警示：AI数据中心电力消耗激增，ChatGPT成焦点 随着人工智能(AI)技术的迅速发展，Arm公司CEO雷内·哈斯揭示了一个严峻的问题：AI模型的智能提升与其能源消耗同步增长。以OpenAI的ChatGPT为例，这类大型语言模型对电力的需求日益庞大，预计到2030年，AI数据中心可能占据美国20%至25%的电力消耗，远超目前的4%。ChatGPT每日处理的海量请求使得其日耗电量超过50万千瓦时，是普通美国家庭日用电量的1.7万倍。面对这一挑战，Arm正在致力于减少AI技术的能耗。国际能源机构(IEA)报告显示，全球AI数据中心的电力需求将在未来...

在软件开发领域，代码大模型的实用性是开发者关注的关键，尤其是其在企业级项目中的适用性、效率和定制化能力。近期，各大公司如OpenAI、谷歌DeepMind和HuggingFace推出的代码大模型，如CodeX、AlphaCode和StarCoder，已经在提升程序员编码效率方面取得了显著成效。然而，北京大学软件工程研究所的aiXcoder团队在10年前就开始了深度学习在软件开发中的应用研究，并在全球范围内处于领先地位。他们最新发布的aiXcoder 7B代码大模型，不仅在代码生成和补全任务中超越同类，而且在个性化训练、私有化部署和定制化开发方面独具优...

在昨晚的Google Cloud Next 2024大会上，谷歌发布了多款创新产品和模型，展现出在AI领域的决心。首先，Gemini1.5Pro模型现在对公众开放，具备强大的音频处理能力，能无缝处理跨媒体信息。此外，谷歌宣布了首款自研Arm架构CPU——Axion，目标直指微软和亚马逊。AI图像生成工具Imagen2.0新增视频生成功能，而新代码模型CodeGemma，尤其适合代码补全和多语言处理，其华人团队占比高达60%。谷歌还升级了TPU v5p，并与英伟达合作，加速AI开发。在存储解决方案方面，谷歌推出了Hyperdisk ML和Cloud Storage FUSE等，提升AI训练和推理...

Mistral AI，一家初创公司，再次引起人工智能（AI）领域的轰动，通过发布一个281GB的磁力链，解禁了其最新的8x22B MoE（Mixture of Experts）模型。这款创新MoE模型拥有56层深度，48个注意力头，包含8个专家和2个活跃专家，上下文长度达到65k，彰显出强大的计算与处理能力。该模型的出现让社区用户兴奋不已，期待其与其他最先进的（SOTA）模型进行详细对比。 去年12月，Mistral AI首次发布的8x7B MoE模型就获得了广泛赞誉，其在基准测试中超越了参数量更大的Llama2模型。该模型能处理长达32k的上下文，并支持多种语言，如英...

谷歌近期在其AI应用平台Vertex AI上推出了Gemini 1.5 Pro的公共预览版，这是一个具备音频处理能力的中量级模型，能分析音频文件并进行内容总结。据称，Gemini 1.5 Pro在性能上已超过大型模型Gemini Ultra，且能理解复杂指令，无需额外微调。虽然Gemini Ultra提供更丰富功能，但处理速度不及Gemini 1.5 Pro。同时，谷歌的文生图模型Imagen 2也升级了，新增图片修复和扩充功能，并引入了数字水印“SynthID”以确保图像来源可追溯。值得注意的是，这些功能在其他文生图模型和一些先进设备中已有应用。谷歌还计划在公开预览阶段探...

三星电子与SK海力士正在引领移动DRAM技术的新潮流，致力于开发堆叠封装技术，以增强移动设备的内存带宽，应对日益增长的端侧AI需求。传统的HBM内存堆叠策略因移动DRAM芯片尺寸小及TSV连接方案不适用而遇到挑战。为解决这些问题，这两家公司采取了垂直布线扇出技术（VFO），这是一种创新的封装方法，能够提供更多的IO数据引脚，减少电信号传输路径，提高能效。 SK海力士的VFO技术结合FOWLP和DRAM堆叠，显著缩短信号传输距离，能效提升4.9%，且封装厚度减少27%，尽管稍有增加1.4%的散热。三星则研发了名为LLW DRAM的产品，具...

xAI，一家成立不足一年的AI初创公司，已估值达到180亿美元，计划进行一轮高达30亿美元的融资。该公司的投资者包括与马斯克有密切关系的Gigafund。xAI最近开源了参数量最大的大模型Grok-1，挑战AI行业的巨头。xAI由马斯克和其他来自知名科技公司和学术机构的专家共同创立，旨在利用AI解决复杂问题，如理解宇宙的本质。Grok是一款具有讽刺风格的聊天机器人，能够实时了解世界，并敢于回答敏感问题。xAI的产品与马斯克的其他企业如特斯拉有潜在的整合机会，Grok可能替代特斯拉的语音控制系统。此外，xAI起诉OpenAI，指责其违背...