大模型日报（8月22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

a16z又发榜了

报告显示，AI 技术在消费者产品中的应用迅速增长，新兴 AI 创意工具尤其受欢迎。报告揭示了 ChatGPT 在用户参与度方面的领先地位，同时 Perplexity 和 Anthropic 的 Claude 等竞争者也有显著表现。字节跳动推出多个 AI 产品，包括教育平台和通用助手，进一步扩大了其在 AI 领域的影响力。此外，AI 在美学和约会领域的应用也初现端倪，新兴产品如 LooksMax AI 和 RIZZ 吸引用户关注。Discord 平台的 AI 应用流量成为评估产品增长潜力的重要指标

https://a16z.com/100-gen-ai-apps-3/

Anthropic的Claude应用收入突破100万美元，但仍远落后于竞争对手

Anthropic的AI应用Claude在16周内实现了移动应用收入突破100万美元，其中近一半的收入来自美国用户。虽然Claude在这一领域取得了初步成功，但与主要竞争对手ChatGPT相比仍有较大差距，后者仅用了三周时间就达到了同样的收入水平。此外，Claude在全球的下载量和收入排名也远低于ChatGPT。尽管如此，Claude仍然在与其他AI应用的竞争中表现出色，超过了微软的Copilot和Perplexity等对手。

https://techcrunch.com/2024/08/21/anthropics-claude-surpasses-1m-in-mobile-app-revenue/

逛遍世界机器人大会：27款人形机器人爆场

2024 年世界机器人大会在北京亦庄拉开帷幕，吸引了众多参观者。大会的主要亮点是 27 款人形机器人的展示，它们展现了从念诗、跳舞到下棋的多样化技能。此外，机械臂的 “刀群舞” 增添了科技感，而商用服务机器人如优必选 Walker S 系列、擎朗智能的酒店、医院解决方案等，已经在实际场景中实现了应用。北京市副市长靳伟强调了北京在机器人产业发展中的领先地位，并表示将继续支持产业的发展，目标是打造全球的机器人产业高地。

https://mp.weixin.qq.com/s/Ca99fyWZYmOtEqyzZsILrQ

Seed-ASR如何突破语音识别瓶颈

豆包大模型团队在 2024 年火山引擎 AI 创新巡展上海站推出了 Seed-ASR 技术，该技术采用大语言模型，实现了高精度的语音识别，支持多种语言和方言，并具备上下文感知能力。Seed-ASR 通过基于人名和专业名词的上下文推理，以及对五种方言混合聊天的准确识别，展现了其卓越的性能。技术细节上，Seed-ASR 的开发包括编码器的自监督学习、监督微调、上下文微调和强化学习。其中，编码器 LUISE 利用 BERT 的自监督学习框架，通过掩码语言预测捕捉语音信号。监督微调阶段，模型将音频编码器与大语言模型连接，实现语音到文本的准确映射。上下文微调和强化学习进一步提升了模型在复杂语音环境下的理解和识别能力。实验结果显示，Seed-ASR 在中英文测试集上的单词错误率较之前代模型有显著下降，且在主观评价中也获得了与人类转录员相当的主观可理解性。

https://mp.weixin.qq.com/s/4eUPcojYxNWlBZCFDhop6A

分布式人工智能盛会 DAI 2024 征稿

AI 2024 将聚焦于分布式人工智能（Distributed Artificial Intelligence, DAI）的创新与应用，特别强调智能体（Agent）技术在自然语言交互、知识推理、任务规划等方面的巨大潜力。会议将在 2024 年 12 月 18 日至 12 月 22 日在新加坡举行，邀请到了国际知名学者和业界领袖，包括强化学习之父 Richard S. Sutton、UC 伯克利的 Sergey Levine、DeepMind 的 Georgios Piliouras 以及昆仑 2050 全球研究院的颜水成等人。此外，会议还特别设立了 “Agent Day”，旨在展示智能体技术在各行各业的实际应用和与人类互动的创新案例。会议征稿主题广泛，涵盖了 Agent 合作、人机交互、单 / 多智能体学习、计算博弈论、经济学与计算等多个领域。

https://www.zhihu.com/pin/1808937209040097280

https://mp.weixin.qq.com/s/8RPZuK4DJJx295MobPS-Rw

推特

Lex Fridman访谈Pieter Levels

我(Lex Fridman)与Pieter Levels的对话，他是一位自学成才的开发人员和企业家，他设计、编程、运输和运营了40多家初创公司，其中许多都取得了巨大的成功。在大多数情况下，他都是自己完成的，同时在 40 多个国家和 150 多个城市过着数字游牧生活。这是一次有趣而鼓舞人心的对话！

https://twitter.com/lexfridman/status/1825994852376420479

Gemini API支持1000页的PDF分析

我们刚刚在 Google AI Studio 和 Gemini API 中将最大 PDF 页面上传大小增加到 1,000 页或 2GB（高于 300 页）。

我们使用文本理解和 Gemini 的原生多模态功能来处理这些文档（每页 1 张图片）。

评论：想象一下，如果我们可以自由地访问优秀的教科书并将它们加载到 Gemini 中！对于谷歌来说，可能有一种类似于Spotify的商业模式。Oreilly 已经通过每月订阅和访问其目录来做到这一点。

https://twitter.com/OfficialLoganK/status/1825976844228694168

Phi-3.5-MoE 在基准测试中击败 Llama 3.1 8B

微软在刚刚发布的 phi 3.5 中取得了如此惊人的结果：mini+MoE+vision。

Phi-3.5-MoE 在基准测试中击败 Llama 3.1 8B

当然，Phi-3.5-MoE 是 42B 参数的 MoE，在生成过程中激活了 6.6B

而 Phi-3.5 MoE 在推理能力上优于其他几个更大的模型，仅次于 GPT-4o-mini。

https://twitter.com/rohanpaul_ai/status/1825984804451463210

观点：英伟达正在防止单级化AGI，也在减缓AGI的规模发展

NVIDIA 正在创造一场并驾齐驱的竞争（OpenAI、xAI、Meta、Microsoft 等）。对于英伟达来说，每一个新的竞争对手都是另外数十亿美元的收入。正因为如此，我们还没有看到下一代（>10^26 FLOP）模型。

黄仁勋的政策不仅仅是卖给出价最高的人，这是我们对抗赢家通吃的AGI螺旋式上升的最后一道防线，在这种螺旋式上升中，内部筹码在终结之前占据主导地位。

评论：因此，山姆·奥特曼（Sam Altman）希望自己生产芯片。

https://twitter.com/DanHendrycks/status/1825926885370728881

产品

Contacted.io

Contacted.io 是一个 AI 驱动的平台，希望可以通过提供全面的内容和 SEO 报告，帮助企业优化其在线表现。该平台为用户提供量身定制的建议，支持多种网站平台，且无需专业编码技能，致力于以实惠的价格提升网站的搜索引擎排名和客户吸引力。

https://contacted.io/

DiD video-translate

D-ID Video Translate 是一款可以快速将视频翻译成多种语言，支持语音克隆和精确的唇动同步的AI 工具。用户只需一次上传即可生成多语种视频，节省时间和成本，帮助内容创作者更好地触达全球受众。

https://www.d-id.com/video-translate

投融资

Story获8300万美元融资，估值达22.5亿美元，构建内容IP区块链平台

Story公司宣布完成8300万美元的B轮融资，估值达到22.5亿美元。领投方为a16z的加密部门和Polychain Capital，参与者包括Stability AI的SVP Scott Trowbridge和K11创始人郑志刚等。Story旨在通过区块链技术打造一个内容IP管理平台，使创作者能够更有效地追踪和管理其知识产权。该平台已在封闭测试中吸引了超过200个团队注册，计划在今年晚些时候商业化推出。

公司官网：https://www.story.foundation/