大模型日报（7月31日资讯篇）

我们希望能够搭建一个AI学习社群，让大家能够学习到最前沿的知识，大家共建一个更好的社区生态。

「奇绩大模型日报」知识库现已登陆飞书官方社区：

https://www.feishu.cn/community/article/wiki?id=7355065047338450972

点击「订阅社区精选」，即可在飞书每日收到《大模型日报》每日最新推送

如果想和我们空间站日报读者和创作团队有更多交流，欢迎扫码。

欢迎大家一起交流！

资讯

OpenAI 推出 ChatGPT 高级语音模式

OpenAI 最近向其付费用户推出了 ChatGPT 的高度逼真语音功能。这一创新意味着 ChatGPT 能够以几乎不可区分于人类的声音与用户进行交流，极大提升了用户体验。该功能的实现依赖于深度学习技术和大量语音数据的训练。目前，这项功能仅对付费用户开放，但 OpenAI 计划逐步向更多用户提供。同时，OpenAI 致力于保护用户隐私和数据安全，确保在提供高级语音交互体验的同时，维护用户信任。

https://techcrunch.com/2024/07/30/openai-releases-chatgpts-super-realistic-voice-feature/

腾讯机器狗登上Nature子刊封面，将RL和生成预训练模型引入机器人研究

腾讯 Robotics X 实验室的研究成果被发表在《Nature Machine Intelligence》上，通过结合预训练 AI 模型和强化学习技术，赋予四足机器狗 Max 类似动物的灵活性和自主决策能力。研究分为三个阶段：首先通过动作捕捉系统收集真狗运动姿态数据，构建模仿学习任务，将数据抽象到深度神经网络中；其次，将机器狗的灵动姿态与外界感知相结合，让其适应复杂环境；最后，实现策略学习，使机器狗能够端到端解决复杂任务。实验室还设计了双狗障碍追逐比赛，验证了机器狗在推理和决策方面的能力。

https://tencent-roboticsx.github.io/lifelike-agility-and-play/

https://mp.weixin.qq.com/s/9HE90ZHtwaNgu8zOeFJ51w

斯坦福团队自主研发AI手术机器人，精细操作突破医疗难题

斯坦福大学和约翰霍普金斯大学的研究团队开发了 AI 达芬奇机器人，通过模仿学习使其能够自主完成外科手术的基本操作，如组织提取、针头拾取和缝合打结。该机器人在实验中展现了高精度的自主操作能力，并能在未知场景中进行泛化应用。研究者们通过使用图像作为输入，并采用 Transformer 架构的 ACT 模型来训练策略，克服了达芬奇系统正向运动学不精确的问题。此外，达芬奇机器人还表现出了在腕式摄像机监控下学习外科手术操作任务的能力，以及在面对环境扰动时的重试和重复性能力。

https://surgical-robot-transformer.github.io/

https://mp.weixin.qq.com/s/Gpj71vx37skw8JPTMH9ogQ

是谁在为xAI构建那个拥有10万GPU的集群呢？

Elon Musk 控制的公司，包括 SpaceX、Tesla 和 X（原称 Twitter），对于 AI 或 HPC 项目都有巨大的 GPU 需求。由于 GPU 供应紧张，Musk 不得不决定如何分配有限的 GPU 资源。2018 年，Musk 因为 AI 模型的巨额投资和治理问题而离开了他共同创立的 OpenAI，随后 Microsoft 投入资金。为了竞争，Musk 在 2023 年 3 月创立了 xAI，并在 5 月获得了 60 亿美元的 Series B 融资，总共筹集了 64 亿美元。此外，Musk 从 Tesla 获得了一个 450 亿美元的薪酬包裹，可以用来增加 GPU 资源。xAI 已经推出了 Grok-0、Grok-1 和 Grok-1.5 等 AI 模型，并计划在 8 月发布 Grok-2，以及在年底之前发布 Grok-3，后者需要 100,000 个 H100 GPU 进行训练。最初，xAI 与 Oracle 谈判 GPU 容量，但交易未成，导致 Musk 转而在田纳西州的梅姆菲斯建立自己的数据中心。预计这个超级计算机集群将在 2025 年完全部署。SuperMicro 可能提供了水冷系统的服务器，而 Nvidia 和 Juniper Networks 分别提供了后端（东西向）和前端（南北向）网络。至于存储，Vast Data 可能参与了这个项目。

https://www.nextplatform.com/2024/07/30/so-who-is-building-that-100000-gpu-cluster-for-xai/

国家队AI“大战”巴黎

巴黎奥运会大规模采用 AI 技术，从赛前训练、赛中直播到赛后传播，全面提升了体育竞技的质量与观众体验。AI 技术不仅帮助运动员进行个性化训练，还为观众提供了沉浸式观赛和互动体验的新途径。例如，阿里云的 “子弹时间” 技术和商汤科技的 AR 技术，使得比赛精彩瞬间得以更加生动地呈现。此外，智能助手如字节跳动的豆包等，也为观众提供了与名人畅聊奥运话题的平台。

https://mp.weixin.qq.com/s/BWwvzkeVnlQ5WlbuQ8fsyg

Midjourney v6.1上线

Midjourney 的最新版本 v6.1 近期发布并迅速获得了极大的关注和热度。这个版本在多个方面进行了升级，包括更强的一致性、更高的图像质量、更准确的细节理解、更快的生成速度、更高的文本准确性、个性化模型和代码版本控制，以及引入了新的 – q2 模式等。用户对于 v6.1 版本的人像生成能力给予了高度评价，认为其真实性和生成的物体合理性都有显著提升。尽管如此，v6.1 在处理群像时仍然面临挑战，尤其是在生成大量人物时，可能会出现错误和扭曲。

https://mp.weixin.qq.com/s/9LNAhiugcTy_CKwSFxtXWg

融合Rust和大模型，vivo打造AI操作系统

ivo 推出的蓝河操作系统（BlueOS）是一款针对大模型时代的 AI 操作系统，它通过融合 Rust 语言和大模型技术，提升了系统的安全性、智能性和流畅性。该系统支持多模态交互，能够进行复杂的意图识别，并为开发者提供了新的应用开发范式。蓝河操作系统的设计理念是为了实现智能化、安全化和流畅化的目标，它在架构上采用了 Rust 语言，以确保更高效、更安全的操作体验。在 AI 时代的背景下，操作系统需要进行技术迭代，以适应 AI 能力的提升和用户需求的变化。

https://mp.weixin.qq.com/s/MNq6Q5idzUdjKFd_tqBJ8A

推特

吴恩达从领导AI基金中学到的反直觉最佳实践：在构建AI应用程序时，我们更倾向于在一个具体的想法上工作

AI在各种应用中的实用性为创业创造了许多机会。在这里，我想分享一个我从领导AI基金（一家已经与卓越的企业家们合作创建了数十家初创公司的风险工作室）中学到的可能有些违反直觉的最佳实践。在构建AI应用程序时，我们更倾向于在一个具体的想法上工作，这意味着我们设想的特定产品有足够的细节，可以为特定的目标用户构建。

一些设计理念认为你不应该从一开始就设想一个具体的产品。相反，他们建议从需要解决的问题开始，然后仔细研究市场，才能制定出具体的解决方案。这样做的原因是：产品规范越具体或精确，越有可能偏离目标。然而，我发现有一个具体的目标可以让你走得更快，并在过程中更快地发现和解决问题。如果这个想法被证明是有缺陷的，快速执行会让你更早发现这些缺陷，而这些知识和经验将帮助你转向另一个具体的想法。

具体性的一个测试是你是否已经详细指定了这个想法，以至于一个产品/工程团队可以构建一个初始原型。例如，“AI用于畜牧业”是不具体的；它很模糊。如果你要求一个工程师构建这个，他们将很难知道要构建什么。同样，“AI用于畜牧业中的牲畜跟踪”仍然很模糊。有太多的方法来实现这一点，大多数合理的工程师不知道要构建什么。但“应用面部识别技术识别奶牛并监控它们在农场上的移动”足够具体，一个优秀的工程师可以迅速从现有的选项中选择（例如，首先尝试哪种算法，使用什么相机分辨率，等等），以便我们相对高效地评估：

技术可行性：例如，为人脸开发的面部识别算法是否适用于奶牛？（事实证明它们确实适用！）
商业可行性：这个想法是否增加了足够的价值，值得构建？（与农民交谈可能会迅速发现像RFID这样的解决方案更简单且更便宜。）

明确具体的想法——尽管比模糊的想法更容易出错——需要更多的勇气。想法越具体，越可能有点偏离，特别是在细节上。AI用于畜牧业的总体领域似乎很有前途，肯定会有好的方法将AI应用于畜牧业。相比之下，指定一个具体的想法，更容易被否定，这很可怕。

好处是具体产品愿景的清晰度让团队执行得更快。初创公司成功的一个强有力的预测指标是其完成任务的速度。这就是为什么具有清晰愿景的创始人往往备受青睐；清晰的愿景有助于推动团队朝着特定方向前进。当然，愿景必须是好的，总是有高效地构建没人想买的东西的风险！但如果一个初创公司长时间没有形成明确的具体愿景，它不太可能成功。

如果你能以一种不伤害他人的方式朝着具体的目标前进，这样做会让你更有效地获得关键反馈，并在必要时更早地改变方向。（《The Batch》之前的一封信也讨论了在何时采用“准备，开火，瞄准”的方法更好。）有利于这种方法的一个因素是实验和迭代的低成本。这对于许多AI应用程序来说越来越是这样，但对于深度技术AI项目可能不完全如此。

我意识到这个建议与设计思维中的常见做法相悖，后者警告不要过早地跳到解决方案，而是倡导花时间了解终端用户，深入了解他们的问题，并头脑风暴出一系列解决方案。如果你一开始没有任何想法，那么这样的扩展过程可能是产生好想法的好方法。此外，保持想法的开放性对于好奇心驱动的研究可能是好的，在只有模糊方向的情况下投资于深度技术的追求可能在长期内带来巨大回报。

如果你在考虑启动一个新的AI项目，考虑是否能提出一个具体的愿景来执行。即使最初的愿景不完全正确，快速迭代会让你更早地发现这一点，而这些学习将让你转向另一个具体的想法。

https://x.com/AndrewYNg/status/1818320842654371918

Dennis介绍Soverin：发现、比较和利用最强大的AI应用和代理的最佳和最快途径

介绍 Soverin——您未来工作的家园。我们正在构建AI应用和代理的市场。随着软件构建的障碍降低，软件的数量比以往任何时候都多。企业和消费者的数量是有限的，但试图向他们销售的公司数量却每天都在增加。市场上充斥着大量没有差异化数据、市场进入策略、UI/UX设计，或者只是现有产品克隆的低质量AI工具。虽然大多数应用程序都是这样的，但这并不意味着整个应用层应该被忽视。这就是 Soverin 的用武之地：我们是发现、比较和利用最强大的AI应用和代理的最佳和最快途径，适用于您的用例。我们筛选了市场上所有的20,000个AI工具，只推荐其中1,900个最有用的选项。在过去的30天里，已经有数十家AI公司注册开始在 Soverin 上销售。在网络上脱颖而出从未如此艰难，却也从未如此重要。无论您的工作、用例、技术能力或预算如何，Soverin 都能轻松帮助您做到这一点。今天就免费开始使用吧：http://soverin.ai

https://x.com/dkardonsky_/status/1818308612529270935

Unitree Go2升级：智能机器人的进化每天都充满了惊喜和激动的时刻

Unitree Go2 全新升级

智能机器人的进化每天都充满了惊喜和激动的时刻。让我们一起享受乐趣吧。🥳

#Unitree #AI #体感智能 #AGI #机器人狗 #四足机器人

https://x.com/UnitreeRobotics/status/1818241917135852023

Turan分享Cloudflare AI游乐场，以展示通过将多模态模型链式连接可以实现的效果

嘿！我们在 @cloudflare 构建了一个新的AI游乐场，以展示通过将多模态模型链式连接可以实现的效果。想象一下——音频 → 文本 → 图像 → 文本，或者组合多个LLM。这里有一个快速演示视频！

https://x.com/hturan/status/1818332375358554133

Cohere推出 Prompt Tuner 测试版：可以直接在我们的仪表板中优化提示的工具

我们很高兴今天推出 Prompt Tuner 测试版。这是一个可以直接在我们的仪表板中优化提示的工具。

它使用可定制的优化和评估循环来优化生成语言的用例提示。

了解更多：https://cohere.com/blog/intro-prompt-tuner

https://x.com/cohere/status/1818355539845562575

产品

GitStart AI Ticket Studio

GitStart 是一个提升工程团队效率的票据管理平台，通过其 AI Ticket Studio 功能，自动生成清晰、详细的工程票据，减少开发人员在需求澄清上的时间浪费。它与 Jira/Linear 集成，支持反馈功能，帮助团队更快速地完成开发任务。

https://gitstart.com/

Table

Table 是一款以 AI 为核心的个人 CRM 工具，希望可以简化社交关系管理。它通过自动连接各种平台、提供 AI 互动和创建提醒任务，帮助用户轻松维护和发展人际关系，避免传统 CRM 的繁琐。

https://www.usetable.ai/

投融资

Intelmatix完成2000万美元A轮融资，助力MENA企业利用AI决策

深度科技B2B初创公司Intelmatix近日完成了2000万美元的A轮融资，此轮融资由Shorooq Partners领投，包括Olayan Financing Company等多家私营和公共实体参与。Intelmatix总部设在利雅得、伦敦和波士顿，成立于2021年，其企业AI平台EDIX已于2024年3月推出。公司计划利用新资金扩展业务，瞄准中小企业以及公共部门，提供本地化的AI决策支持，帮助MENA地区企业提高运营效率和战略决策能力。

公司官网：https://intelmatix.ai/