第2024章2-AI大模型：Sola横空出世，百模大战“日日新”（AI月报）
《kimi人工智能月度报告丨ai大模型》
关键词：sora&34;vs&34;日日新
1．openai推出人工智能视频生成模型“sora”
2024年2月15日，美国人工智能研究公司openai推出了一款视频生成模型“sora”，并发布48个文生视频案例及技术报告。openai的官网介绍称，使用这款模型可以用文本生成长达一分钟的视频，视频可具有多个角色、特定类型的运动、精确主题和背景细节等复杂场景。该公司称，开发这一模型旨在教会人工智能理解和模拟运动中的物理世界，并训练其帮助人们解决需要现实世界互动的问题。该模型可以深度模拟真实物理世界，标志着ai在理解真实世界场景并与之互动的能力方面实现了重大飞跃。对于任何需要制作视频的艺术家、电影制片人或学生来说，这都带来了无限可能。
在针对“sora”的介绍中，openai还指出，当前的模式存在弱点，可能难以准确地模拟复杂场景的物理表现，也可能无法理解因果关系的具体实例。同时，该模型还可能混淆诸如左和右这类的空间细节。
2．谷歌推出轻量级开放人工智能模型gemma
2月21日，谷歌发布一个名为gemma的开放人工智能模型，该模型是使用与构建gemini人工智能模型相同的研究和技术创建的。该公司提供了两种不同尺寸的gemma——gemma2b和gemma7b。二者都带有预先训练和指令调整的变体，并且都足够轻量，可以直接在开发人员的笔记本电脑或台式电脑上运行。谷歌表示，在关键基准测试方面，gemma超越了更大的模型，并且两种模型尺寸都优于其他开放模型。该公司表示，目前正在公开关键的技术数据，例如“模型权重”。
3．谷歌发11b基础世界模型，生成交互虚拟世界
谷歌发布根据互联网视频训练的基础世界模型genie，该模型参数规模为11b，可以从合成图像、照片甚至草图生成无数种动作可控的交互式环境。genie可以用它以前从未见过的图像提示，例如现实世界的照片或草图，使人们能够与他们想象的虚拟世界进行交互。
4．美国groq公司开发出新型大模型推理芯片
2月19日，美国人工智能初创公司groq发布新型大模型推理芯片lpu（语言处理单元）。lpu是一种新型的端到端处理单元系统，可以为具备序列组件的计算密集型应用（比如llm）提供极快的推理速度。lpu的推理速度已经接近每秒500词元（tokens），最快可达到每秒750 tokens。lpu芯片主要基于tsp架构，结合dragonfly网络拓扑设计，提高了系统的并行处理能力和效率。
groq公司由谷歌tpu芯片团队原成员创立，该公司的lpu芯片采用14nm制程，其核心优势是克服了两个大语言模型推理的瓶颈——计算密度和内存带宽，搭载了230mb的静态随机访问存储器（sram）来保证内存带宽，片上内存带宽达到80tb/s，整型（8位）运算速度为750tops，浮点（16位）运算速度为188tflops。由于其内存容量仅为230mb，运行llama270b模型需上百块芯片，整体成本极高，仍无法替代英伟达。
5．谷歌内部编码ai大语言模型 goose曝光
谷歌内部研发了一款名为「goose」的ai大语言模型，用于提高员工编写代码效率，加速产品研发，目前仅限谷歌员工使用。goose 能回答技术问题，编写代码，提供自然语言的代码编辑提示，是谷歌将ai融入产品开发的重要一环。业界认为，goose 的推出将提升谷歌产品开发效率，增强其在ai领域的竞争优势，并可能启发其他企业开发类似工具。
6．英伟达：推出自己版本的chatgpt
英伟达推出了自家版本的chat with rtx。它并非是在网页或app中运行，而是需要下载安装到个人电脑中。这让它不仅是在运行效果上更快，也意味着chat with rtx在聊天内容上或许并没有那么多限制。除此之外，chat with rtx另一个亮点功能，就是可以根据在线视频做回答。它背后所依靠的仍是两款开源llm，即mistral和llama 2，用户在运行的时候可以根据喜好自行选择。
7．商汤科技：日日新sensenova 40发布
2月2日，商汤科技发布“日日新sensenova 40”，多维度全面升级大模型体系。“日日新sensenova 40”拥有更全的知识覆盖、更可靠的推理能，更优越的长本理解力及更稳定的数字推理能和更强的代码成能，并持跨模态交互。日日新·商量大语言模型-通用版本（sensechat v4），支持128k语境窗口长度，综合整体评测成绩水平比肩gpt 4，相较gpt 35已经实现全超越。
8．华为发布首个通信大模型
华为在2024年世界移动通信大会mwc上发布通信行业首个大模型，华为通信大模型将提供基于角色的copilots和基于场景的agents的两类应用能力，最终将全面提升网络生产力。
9．华为联合香港大学发布图像生成ai模型
华为公司与香港大学的联合研究团队发布图像生成ai模型pagent。pagent的核心思想是采用分而治之的方法，将复杂的文本提示分解为单个对象、属性和关系，然后独立地处理这些元素，最后将它们组合成最终的图像。pagent能够确保生成的图像准确反映文本描述中的对象类型、属性和关系。
10．字节发布文生图开放模型sdxl-lightning
从ai开源社区hugging face的最新榜单上，sdxl-lightning 跻身模型趋势榜，同时也成为hugging face spaces上的热门模型。据知情人士透露，字节跳动的sdxl-lightning通过渐进式对抗蒸馏的技术，实现前所未有的生成速度。该模型能够在2步或4步内生成极高质量和分辨率的图像，将生成速度加快十倍，是1024分辨率下速度最快的文生图模型，计算成本则降低为十分之一。
11．字节版gpts「扣子」上线了
根据coze国内版官网，其新一代一站式ai bot开发平台coze于2月1日正式面向国内用户上线。无论用户是否有编程基础，都可以在coze平台上快速搭建基于ai模型的各类问答bot。并且，用户可以将搭建的bot发布到各类社交平台和通讯软件上，与这些平台/软件上的用户互动。
——总结·点评——
2024年2月份，人工智能领域展现出大模型技术的多样化应用场景和显著进步，从视频生成、轻量化模型到硬件创新、开发工具等，各大公司都在不断推动ai技术的边界，加速人工智能技术的商业化和社会化进程。