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。
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
学术分析报告：ResearchFlow — 奇绩F23校友的开发的深度研究产品，PC端进入RFlow的分析报告，可直接点击节点右侧的小数字展开节点，登录后可在节点上直接“询问AI”，进一步探索深度信息
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
Genie 2发布
Google DeepMind 最近发布了震撼人心的新一代世界模型——Genie 2。这个基础世界模型能够根据一张图像生成可供人类或AI智能体游玩的无限3D环境。该模型标志着AI在虚拟世界构建领域的重大突破，能够模拟复杂的物理效果、角色动画、物体互动等，并且为AI的训练和评估提供了更为丰富、动态的场景。与早期的Genie 1相比，Genie 2不再局限于2D环境，而是能够生成具有多种可能性和高度交互性的3D世界。
深度学习专家哈萨比斯在发布后，立即邀请马斯克参与AI游戏制作，这一举动也突显了DeepMind对该技术的自信。Genie 2的关键特点在于，它能够通过单张图像生成动态交互的3D环境，同时支持AI智能体在这些环境中进行训练和测试。其创新之处在于可以通过视频扩散技术逐帧生成世界，模拟多种动作反应，如物体交互、复杂角色动作等。
与李飞飞的World Labs相似，Genie 2也能基于图像生成交互式3D场景，但二者的技术路线不同。Genie 2更侧重于基于视频扩散的像素预测，通过用户输入来调整生成的场景，而World Labs则更多关注物理世界的建模，强调从图像估算深度与物体关系，创建更为“真实”的3D环境。
Genie 2不仅可以生成长达一分钟的一致视频世界，还能模拟各种物理效果，如水面、重力、光照等。它支持不同视角（第一人称、第三人称等），并能创建复杂的NPC交互和物理效果。此外，它对于AI智能体的训练提供了快速原型设计，允许研究人员高效测试智能体的能力。
通过Genie 2，DeepMind为AI智能体创建了丰富多样的训练任务，支持AI在未见过的环境中进行评估。未来，随着技术的进一步发展，Genie 2预计将为具身智能体的训练提供重要支持，并推动向更通用AI系统的迈进。
总的来说，Genie 2不仅是AI世界建模的一大进步，还可能在虚拟游戏、AI训练等多个领域引发新的革命。
智峪生科落成百吨级生物合成天然香料新工厂
12月5日，智峪生科在江苏常州正式启用其百吨级生物合成天然香料生产中心。该中心不仅涵盖天然香料、化妆品原料、功能食品添加剂等多个领域，还成功实现了AI计算与合成生物学的深度融合，从反应路线设计到生物元件的挖掘、设计和改造，再到自动化智能化的研发与生产，推动了产业化落地。
智峪生科的突破性成就之一是，经过仅一年半的研发，成功实现了低成本、稳定大规模生产的香兰素（天然阿魏酸香兰素）。该项目凸显了AI在产品开发中的核心作用，尤其是通过AI技术反向推导市场需求，确定技术目标，提高生产效率并降低成本。创始人王晟博士表示，公司不仅注重技术突破，更强调市场和产品的实际落地。
王晟的团队长期从事蛋白质结构预测，尤其在深度学习与蛋白质折叠方面的创新成果为AlphaFold的诞生提供了重要灵感。智峪生科基于AI技术，显著提升了蛋白质结构预测的速度和精度，使得他们能够在短时间内筛选和设计酶，推动生物制造的效率提升。
与传统研发方式不同，智峪生科通过AI与实验深度融合，优化设计-构建-验证-学习（DBTL）循环，加速了研发周期。以香兰素为例，AI帮助快速开发出酶并解决了热稳定性问题，使其生产工艺比传统方法更简便、环保且成本低。智峪生科的香兰素产品已获得FDA认证，满足全球市场需求。
此外，智峪生科还在化妆品原料和功能性食品添加剂领域积极拓展，开发了维生素E衍生物、花香味天然香料及低血糖添加剂等产品，展示了AI在多个领域的应用潜力。未来，智峪生科计划通过AI的进一步渗透，推动生物制造向无人化、智能化、环保化转型，推动产业革命，并为全球绿色生活新时代贡献力量。
GAN作者追忆往事
2024年，NeurIPS公布了时间检验奖，并且首次将该奖项同时授予两篇论文：Ilya Sutskever的Seq2Seq和Ian Goodfellow的生成对抗网络（GAN）。该奖项表彰那些经得起时间考验的开创性研究。
GAN的论文《Generative Adversarial Nets》，由Ian Goodfellow及其团队（包括Yoshua Bengio等）于2014年提出，至今已被引用超过85,000次。该论文不仅在学术界产生了广泛影响，也推动了生成模型在视觉、音频等领域的应用。
Sherjil Ozair，GAN的作者之一，回顾了这项技术的诞生过程。2012年，他在印度理工学院德里分校的本科期间，通过Geoffrey Hinton的深度学习课程接触到深度学习，激发了他进一步的探索。2014年，他进入Yoshua Bengio的实验室，开始与Ian Goodfellow和Aaron Courville等人共同工作。Yoshua提出了一种基于噪声生成器的网络，但如何训练这个网络仍是个未解之题。就在一次实验室晚宴上，Ian提出了让另一个神经网络充当判别器的创意，进而推动了生成对抗网络的诞生。
GAN的基本思路是通过生成器和判别器的博弈进行训练，生成器努力生成与真实数据无差别的样本，判别器则努力区分真假样本。Ian在短短一夜之间编写了第一个GAN模型，并成功在MNIST数据集上生成样本。经过一周的努力，团队提交了这篇论文到NeurIPS，尽管起初反响平淡，但随后的卷积GAN（DCGAN）发布引起了广泛关注，标志着GAN技术的爆发。
Ozair也提到，尽管GAN一度被认为是自己最伟大的成就，但他认识到，技术的进步永无止境。从CNN、LSTM到ResNet、AlphaGo等，人工智能领域的突破总是层出不穷。今天，Transformer和大型语言模型的兴起又证明了这一点。
总的来说，GAN的提出不仅是深度学习的里程碑，也改变了生成模型的研究方向，并在多个领域产生了深远影响。Ozair感谢团队成员，特别是Goodfellow和Bengio的支持，期待在未来继续推动人工智能的发展。
半导体产业链2025年投资展望
外部制裁虽然边际收紧，国内也加紧半导体产业攻关，大基金三期出台，将重点支持先进制程突破，拉动设备需求并加快卡脖子设备的攻关进度，预计设备国产化率将持续提升。国内下游扩产持续向上+国产化设备验证持续推进，国产设备公司订单增长维持较好趋势，板块整体基本面向好。
风险提示：①宏观经济和制造业景气度下滑风险：机器人产业链公司受宏观经济波动影响较大，行业与宏观经济波动的相关性明显，尤其是和工业制造的需求、基础设施投资等宏观经济重要影响因素强相关。若未来国内外宏观经济环境发生变化，下游行业投资放缓，将可能影响机器人产业链的发展环境和市场需求。②供应链波动风险：受全球宏观经济、贸易战、自然灾害等影响，若原材料紧缺，芯片等关键物料供应持续出现失衡，将引起机器人零部件制造业厂商生产成本增加甚至无法正常生产，经营业绩可能会受影响。③研发进展不及预期风险：目前，机器人领域，尤其是人形机器人领域，研发仍然面临较多的困难和不确定性。
起底 OpenAI 核心班底，600 多人和他们塑造的 AI 格局
在 ChatGPT 发布两周年之际，OpenAI 的成就令人瞩目，但背后隐藏的商业挑战与人才流失则揭示了其发展的复杂性。自 2022 年推出以来，ChatGPT 每周吸引 2.5 亿用户，为 OpenAI 带来了 37 亿美元收入，估值达 1570 亿美元，打破了历史纪录。然而，OpenAI 面临的最大难题是激进的支出模式，花费近 90 亿美元才能获得如此的收入，迫切需要更高的增长来解决盈利问题。
为了实现这一目标，OpenAI 已经从一个非营利研究机构转变为一家营利公司，这一转变也引发了内部人才流失。创始人之一的 Sam Altman 依靠野心和增长战略推动公司发展，但随之而来的却是与创始团队成员和研究人员之间的矛盾。2019 年至 2020 年间，多位创始成员离职，创办了竞争对手 Anthropic。随着 OpenAI 吸引大量资金和人才，内部的安全和伦理问题变得愈发突出，特别是在人工智能对齐与安全的长期问题上。
OpenAI 的增长模式依赖于高薪吸引顶级人才，许多人来自 Google 和 Meta 等大公司。然而，这种人才流动不仅让 OpenAI 快速扩张，也催生了大量竞争对手，部分前员工成立了新的 AI 公司，甚至挑战 OpenAI 的技术和市场地位。像 Anthropic、Cohere 和 Safe Superintelligence 等新兴公司正逐步占据市场份额，尤其是在大模型技术的研发上，与 OpenAI 形成了激烈的竞争。
Altman 的战略以追求商业化和扩展为核心，这一方向已明确塑造了 OpenAI 的未来，但也带来了公司的动荡和高管流失。尽管如此，OpenAI 依旧是全球最具竞争力的 AI 创业公司之一，其技术进展和市场反应仍让业界瞩目。随着 OpenAI 在未来几年内持续发展，其对人才的争夺以及与竞争对手的博弈将决定其是否能够巩固行业领导地位。
总的来说，OpenAI 走过了从创业初期的激进理想到如今的商业化转型的艰难历程，其未来能否维持增长，将取决于它如何平衡创新、增长与人才管理。
开源开发者指南：欧盟《人工智能法案》解读
欧盟《人工智能法案》（EU AI Act）是全球首部全面的人工智能立法，旨在促进负责任的AI发展，并根据AI系统的风险级别设定不同的监管要求。该法案于2024年正式生效，并对开源开发者的实践产生了影响，尤其是在开源AI系统和模型的开发、使用和部署方面。
《人工智能法案》适用于AI系统的不同层级，包括开发者、部署者和分发者。开源AI模型（例如大型语言模型LLM）可能会受到法案监管，特别是如果它们在欧盟内提供或影响欧盟用户。法案规定了根据模型的风险级别（从不可接受到最小风险）采取不同的合规措施。
-
-
不可接受风险：如侵犯人权的系统（例如利用面部识别监控）。这类系统被禁止。
-
高风险：如涉及关键基础设施或执法的系统，需遵循严格合规步骤。
-
有限风险：直接与用户互动的系统（如生成文本的聊天机器人），需满足透明性要求。
-
最小风险：不构成上述风险的系统，仅需遵守现有法律。
-
开源AI的义务：开源开发者需要采取一系列措施，以确保合规：
-
-
选择退出机制：确保尊重版权并允许数据提供者选择退出AI训练。
-
生成内容标记：AI生成的内容必须明确标记为生成或操控内容。
-
合规工具：Hugging Face等平台提供了多个工具来帮助开源开发者实现合规，包括支持退出流程、数据删除、文档和许可管理等工具。这些工具有助于开源项目满足透明性和隐私要求。
-
选择退出机制：开发者需确保其使用的训练数据符合欧盟版权法，尊重版权持有人的选择退出请求。Hugging Face提供的工具，如Spawning API，允许创作者表达他们的内容不希望用于AI训练。
-
文档和许可管理：确保为开源AI模型提供完整的训练内容和许可信息，符合《人工智能法案》对开源的定义。
-
合规工具使用：利用Hugging Face等平台的水印、文档生成和数据删除工具，帮助合规并确保透明性。
-
参与法案的制定过程：《人工智能法案》的一些实践准则仍在开发中，开源社区可以通过参与公开咨询，帮助塑造这些准则，确保法案在实践中便于中小企业和研究人员遵守。
推特
00Arxiver开源：包含 138,830 篇 arXiv 论文的多Markdown格式
Karpathy分享：Attention is All You Need 作者描述论文灵感来源
关于 “Attention” 算子的开发和灵感背后（即“Attention is All You Need”论文中引入 Transformer 的 Attention 算子）的真实故事，来自大约两年前我与作者 @DBahdanau 的私人邮件交流，现已获其许可公开发布。这是针对过去几天内在网上传播的一些关于其开发过程的虚假信息而进行的澄清。
Attention 是一种极其聪明的数据相关加权平均操作。这是一种全局池化的形式，也是一种降维与通信机制。它能够从多个节点（如 token、图像 patch 等）中聚合相关信息。Attention 具有很强的表现力、强大的能力，能够很好地并行化，并且易于优化。实际上，甚至多层感知机（MLP）都可以近似重写为一种基于数据无关权重的 Attention（第一层权重作为查询，第二层权重作为值，键则是输入，Softmax 转化为逐元素操作，同时去掉归一化）。简而言之，Attention 非常优秀，是神经网络架构设计中的一个重大突破。
一直让我感到有些意外的是，“Attention is All You Need”这篇论文获得的关注度（约高出 100 倍）远远超过了真正首次引入 Attention 的那篇论文，也就是 Dzmitry Bahdanau、Kyunghyun Cho 和 Yoshua Bengio 在大约三年前发表的《通过联合学习对齐和翻译实现神经机器翻译》。顾名思义，“Attention is All You Need”这篇论文的核心贡献是删除了除 Attention 以外的所有内容，并基本上将其堆叠成了一个带有 MLP 的 ResNet（根据前述内容，MLP 也可以被视为一种 Attention）。尽管如此，我确实认为 Transformer 这篇论文能够独立成章，因为它在一次性提出了许多惊人的新想法——位置编码（positional encoding）、缩放 Attention、多头 Attention、各向同性的简单设计等等。而且，Transformer 自 2017 年问世至今，基本上保持了其原始形式，经过的修改相对较少，除了在位置编码方案（如 RoPE 等）上的一些改进。
无论如何，我将在此粘贴完整邮件，其中还提到了为什么这种操作最初被称为“Attention”——这一名称来源于在翻译时，模型依次生成目标句子单词的过程中会对源句子中的单词进行“关注”（attending）。这个术语是在后期由 Yoshua Bengio 提出的，用以替代“RNNSearch”（感谢他！:D）。有趣的是，这一设计的灵感来自于一种人类认知过程/策略，即在一些数据上前后反复关注的顺序操作。此外，从进步的本质来看，这个故事也很有趣，因为当时类似的想法和公式可以说已经“弥漫在空气中”，尤其是 Alex Graves（NMT）和 Jason Weston（Memory Networks）在同一时期的工作值得特别提及。
https://x.com/karpathy/status/1864023344435380613
FishSpeech v1.5 来了！多语言、零样本即时语音克隆、低延迟、开源文本转语音模型
冲啊！FishSpeech v1.5 来了！多语言、零样本即时语音克隆、低延迟、开源文本转语音模型 🔥
最棒的是：在 TTS Arena 中排名第二（初步结果）
向 @FishAudio 致敬——真的是开源文本转语音研究的引领者！⚡
https://x.com/reach_vb/status/1864382548685492339
Chip Huyen著《人工智能工程：基于基础模型构建应用程序》即将发布
终于完成了！15 万字、200 多幅插图、250 个脚注，以及超过 1200 个参考链接。
• 平装版应该会在几周后上市（希望能在年底前）。预购链接：https://amzn.to/49j1cGS
• 完整手稿也可以在 O’Reilly 平台上访问：https://oreillymedia.pxf.io/c/5719111/2146021/15173
如果没有那么多人帮助我，这一切都不可能实现。感谢那些审阅早期草稿的人、耐心回答我成千上万问题的人、向我介绍精彩案例的人，以及帮助我发现被忽略技术之美的人。
https://x.com/chipro/status/1864384749911065035
Unsloth Dynamic 4-bit Quantization：通过动态选择不量化某些参数的方法，大幅提升精度
我们很高兴推出 Unsloth 动态 4-bit 量化！
传统的简单量化方法往往会严重影响模型精度，导致模型无法使用，而我们通过动态选择不量化某些参数的方法，大幅提升精度，同时 VRAM 使用量仅比 BitsandBytes 的 4-bit 方法多 <10%。
我们的测试显示，标准的 4-bit 量化模型性能远逊于原始 16-bit 模型，而 Unsloth 动态 4-bit 量化 提供了非常高的精度和可靠性。
阅读我们的博客：https://unsloth.ai/blog/dynamic-4bit
在 HuggingFace 上查看动态 4-bit 量化：https://huggingface.co/collections/unsloth/unsloth-4-bit-dynamic-quants-67503bb873f89e15276c44e7
Colab Notebook：https://colab.research.google.com/drive/1j0N4XTY1zXXy7mPAhOC1_gMYZ2F2EBlk?usp=sharing
https://x.com/unslothai/status/1864384960666456535
ElevenLabs 取消所有头衔：层级结构只会成为障碍
现在没有什么“X 部门副总裁”、“Y 部门主管”或“Z 部门总监”。取而代之的是，我们只是 “ElevenLabs 的增长团队”、“ElevenLabs 的工程团队”等。
为什么？因为我们团队规模还很小，增长速度非常快，而层级结构只会成为障碍。
在这里，最好的想法获胜，无论它来自哪里。而责任归属取决于你所取得的成果。
如果你热衷于追求影响力和快速行动，而不是头衔和地位，我们正在几乎所有岗位招人。
https://x.com/lukeharries_/status/1864245258646700351
产品
Plot致力于让社交视频更加智能的创新工具
Plot是一款致力于让社交视频更加智能的创新工具，通过人工智能技术为品牌提供视频分析、简化工作流程的全面支持。借助先进的 AI 算法，Plot 能快速从社交视频中提取深刻洞察，帮助品牌精准了解目标受众的兴趣、行为和偏好。这款工具不仅可以提供直观的分析结果，还支持从内容创意到发布的一站式管理，让品牌能够在繁忙的社交媒体生态中游刃有余。
Plot 的功能涵盖从智能日历规划到 AI 驱动的社交聆听，无缝整合了内容管理的各个环节。通过对受众互动的实时监控和数据驱动的洞察，品牌可以快速优化策略并增强影响力。此外，Plot 极大地降低了复杂的操作门槛，将繁琐的数据分析和内容管理转化为可操作的清晰步骤，让用户专注于创意表达和策略执行。无论是营销团队、内容创作者，还是小型品牌，都可以借助 Plot 实现效率提升、精准触达和更高的 ROI。
Oopsie——革命性的基于 AI 的移动调试工具
Oopsie 是一款革命性的基于 AI 的移动调试工具，专为 Flutter 和 React Native 开发者设计，旨在让调试更加智能、高效。Oopsie 提供了一整套功能强大的工具，包括 ▶️ 会话重播，让您能够回顾用户的操作并轻松重现问题；🤖 错误监控，帮助您实时追踪并识别应用中的关键问题；💡 AI 摘要，自动生成问题的智能分析，让复杂的调试过程变得清晰易懂；以及 🔥 Firebase Crashlytics 集成，将崩溃报告无缝整合到您的调试流程中。开发者可以深入了解用户体验中的每一个细节，从而快速定位问题根源，并以更短的时间修复错误。这款工具通过减少反复测试和冗长分析所耗费的时间，让团队将更多精力集中在产品改进和用户体验优化上。无论是初创团队还是大型开发团队，Oopsie 都是提升调试效率和开发速度的必备利器，为打造高质量的移动应用提供了坚实保障。
投融资
拉美初创公司Vambe转型为对话式AI后，年经常性收入大幅增长
Vambe是一家总部位于智利的初创公司，最初专注于为催收行业提供CRM解决方案。然而，在看到客户对其开发的WhatsApp AI代理更感兴趣后，公司决定转型。在2024年3月，Vambe将业务重心转向帮助中小型企业通过AI自动化与客户的沟通，特别是在WhatsApp等平台上推动销售。自从转型以来，Vambe的年经常性收入（ARR）从原先的2万美元激增至100万美元，增长了五倍。
为了进一步扩大业务，Vambe最近完成了由巴西风险投资公司Monashees领投、墨西哥投资方Nazca和美国M13参与的385万美元种子轮融资。Vambe计划通过这笔资金进一步拓展墨西哥市场，并开发更多技术。值得一提的是，这也是M13首次投资拉美地区的初创公司，M13合伙人Brent Murri表示，Vambe的技术给他们留下了深刻的印象，尤其是在拉美地区，企业对AI产品的接受度远高于美国。
Vambe于2024年12月完成了385万美元的种子轮融资，由Monashees领投，Nazca和M13参与。Vambe的年经常性收入自2024年3月转型以来，已达100万美元。M13的Brent Murri指出，这轮融资是M13首次投资拉美地区，预计Vambe将在墨西哥及美国西班牙语市场继续扩展。
https://techcrunch.com/2024/12/04/latam-startup-vambe-sees-arr-skyrocket-after-pivot-to-conversational-ai/
Veeam：以 20 亿美元次级股权交易，估值达 150 亿美元
Veeam 是一家专注于数据弹性和恢复的公司，近期通过一项 20 亿美元的次级股权交易，达到了 150 亿美元的估值。该交易由 TPG 主导，其他参与者包括 Temasek、Neuberger Berman Capital Solutions 等。此交易预计将在 2025 年第一季度完成。自 2020 年由 Insight Partners 收购以来，Veeam 的估值已经从 50 亿美元增长到当前的 150 亿美元，显示出其强劲的增长势头。
根据 9 月底的财报，Veeam 的年化经常性收入（ARR）已达 17 亿美元，年增长率为 18%。Veeam 的首席执行官 Anand Eswaran 表示，这次次级股权交易不仅为早期投资者和员工提供了流动性，也为公司的 IPO 打下了基础，吸引了多个战略投资者的加入。这些投资者包括私募股权和风险资本公司，以确保在未来 IPO 时有一批稳定且多样化的投资人。
Veeam 最近成功完成了 20 亿美元的次级股权销售，此次交易将公司估值提升至 150 亿美元。TPG 领投，Temasek、Neuberger Berman Capital Solutions 等机构也参与了此轮融资。Veeam 计划将这些资金用于扩充研发团队，并在未来寻找合适的并购机会。至今，Veeam 已经完成了 5 亿美元的收购，并计划继续在 AI 和数据弹性领域进行战略性扩展。
公司官网：https://www.veeam.com/
https://techcrunch.com/2024/12/04/data-resilience-company-veeam-valued-at-15bn-after-2bn-secondary-sale/
Enterpret：自动提取客户反馈中的洞察力
Enterpret 是一款能够自动化分析客户反馈的工具平台，旨在帮助企业从大量的客户互动中提取有价值的见解，帮助产品和客户体验团队作出更好的决策。该平台由前 Scale AI 的领导 Varun Sharma 和其兄弟 Arnav Sharma 于 2020 年共同创建。Enterpret 能够连接多个反馈来源，如销售电话、支持票、调查回应、社交媒体等，并通过算法提取反馈中的关键信息，帮助企业识别客户流失的迹象、验证产品假设以及了解产品开发的需求。
Enterpret 的平台能够实时处理客户互动数据，提供量化的结构，并与公司内部的产品使用和收入数据相结合，从而优化决策过程。平台支持用户定义规则来清理客户数据，确保符合 GDPR 法规，保护用户隐私。
目前，Enterpret 的客户包括 Canva 和 Monday.com 等知名公司，平台已经分析了数百万条客户反馈数据。尽管市场上有竞争对手，如 ScopeAI 和 Zendesk 所拥有的 Klaus，但 Enterpret 在过去一年中实现了其年化经常性收入（ARR）翻倍的增长。
Enterpret 最近完成了由 Canaan Partners 主导的 2080 万美元的 A 轮融资，Kleiner Perkins、Peak XV Partners、Wing Ventures 和 Recall Capital 也参与了此次融资。融资将主要用于加速团队招聘和产品研发。至今，Enterpret 总共已融资 2500 万美元。Varun Sharma 表示，公司的年度合同金额在过去一年中翻倍，增长势头强劲。
公司官网：https://www.enterpret.com/
https://techcrunch.com/2024/12/04/enterpret-automatically-extracts-insights-from-customer-feedback/
— END —
快速获得3Blue1Brown教学动画？Archie分享：使用 Manim 引擎和 GPT-4o 将自然语言转换为数学动画
原创文章，作者：LLM Space，如若转载，请注明出处：https://www.agent-universe.cn/2024/12/24298.html
