是因為「勞動節」嗎？全世界所有的公司，都選擇在 5 月第三周，将最新的 AI 産品和技術，集中釋放。
喪心病狂的一周！
鋪墊了許久的「周一見」，OpenAI 用 GPT-4o 奪走了注意力。24 小時後的釋出會上，谷歌也沒有「掉鍊子」，Veo 視訊模型、Project Astra、新版 AI 搜尋都留下了驚豔的記憶點。
地表最強但風格迥異的兩場釋出會，隻在一點上達成共識——電影《Her》一般的超強語音助手（GPT-4o 和 Project Astra），這也變相公布了 2024 年大模型賽道的競賽點——GPT-4o 和 Astra 背後的多模态融合技術。
大洋彼岸的另一端，姗姗來遲的位元組跳動釋出了豆包大模型家族，騰訊終于交出了「GPTs」和大模型助手 App 的答卷。
今天看來，無論是「拖家帶口」的大廠，還是「沒有包袱」的創業公司，産品形态都一再擴充：從聊天機器人，到 AI 搜尋、「GPTs」、多模态語音助手.... 玩得越來越花。
不知道你麻沒麻，反正我們是幸福地麻了。
5 月 13 日（周一）
AI 化身/人形智能體正在快速演進：宇樹釋出 Unitree G1 人形機器人
¥9.9 萬元起，遠低于行業售價
大語言模型出圈，讓可以實作具身智能的人形機器人火了。
2023 年 8 月，宇樹科技釋出了人形機器人 H1，預售價為 9 萬美元（約合 65 萬元人民币）。本周，宇樹推出的新版人形機器人 Unitree G1 将價格降到 9.9 萬元人民币起，便宜了超 80%。
與第一代産品相比，Unitree G1 能力顯著提升：開瓶蓋、砸核桃、颠鍋、跑步、舞棍、自我蜷縮……在宇樹科技釋出的産品示範視訊裡，身體和雙腿能旋轉近 360°，Unitree G1 像人類一樣用機械雙臂靈活地完成一系列工作。
圖檔來源：宇樹科技
開源閉源并進：零一萬物釋出千億參數 Yi-Large 模型
開源建構生态，閉源探索 AI 上限
零一萬物成立一周年之際，其千億參數 Yi-Large 閉源模型正式亮相，在斯坦福最新的 AlpacaEval 2.0 達到全球大模型 Win Rate 第一。
同時，零一萬物将早先釋出的 Yi-34B、Yi-9B/6B 中小尺寸開源模型版本更新為 Yi-1.5 系列，每個版本達到同尺寸中 SOTA 性能最佳。
Yi 大模型 API 開放平台 | 圖檔來源：零一萬物
5 月 14 日（周二）
「Her」真的來了：「GPT-4o」将語音助手帶到了新高度
多模态融合模型，隻是工程的進步嗎？
OpenAI 釋出了新一代旗艦模型 GPT-4o，它可以讓人們在手機上與 ChatGPT 對話，就像他們與 Siri 和其他語音助手對話一樣。不同的是，ChatGPT 語音助手的了解能力有了質的飛躍，還可以分析和讨論它所看到的圖像或視訊，并能識别使用者說話時的不同情緒。
有了 GPT-4o 的加持，ChatGPT 可以根據你的想法引導你做數學題目、按照你的實時要求講一個睡前故事。OpenAI 稱 GPT-4o 是為了建立一個對音頻、圖像和文本有更深入、更自然了解的模型，這依舊是為了向 AGI 目标行進。
OpenAI 的釋出，也在 AI 圈引起了廣泛讨論。業界普遍認為，GPT-4o 的驚豔之處在于兩點：1）将語音互動延遲縮短到 300ms；2）端到端多模态原生大模型
P.S.: 留一個觀察作業：GPT-4o 會顯著提升 ChatGPT 的日活和使用者粘性嗎？有了更高 AI 能力的智能助手，2016 年的百箱大戰會席卷重來？Siri 一樣的語音助手會成為入口級的必争之地？
圖檔來源：OpenAI
5 月 15 日（周三）
沒有一款産品沒有被 AI 改造：谷歌全面進入 Gemini 時代
Sora 尚且是科技巨頭的選做題，但多模态融合就是大模型公司的必做題。
提了 121 次 AI，谷歌 I/O 2024 開發者大會釋出了一籮筐，從搜尋到 Gmail、TPU，再到語音助手 Astra 和多模态視訊模型 Veo 等。
三個産品值得關注：
- Project Astra 的多模态 AI 助手。如果說 2023 年的競賽點是 Copilot，2024 年，賽點則進化為多模态融合的 Agent，背後是從 LLM（大語言模型）到 One-network-multimodality（一個架構下的多模态大模型）的技術路徑遷移，最終邁向跟通用的人工智能。
多模态語音助手正在與使用者實時對話｜圖檔來源：Google
- Veo：Veo 可以根據文本、圖像和視訊提示建立 AI 生成的視訊，并且即将登陸 YouTube，幫助創作者快速制作更專業品質的視訊。
- AI 搜尋：谷歌展示了如何進一步将人工智能內建到搜尋中，進而實作更複雜形式的研究和規劃（例如，根據查詢生成三天的素食計劃）。
圖檔來源：谷歌黑闆報
大模型之位元組打法：沒準備好就不發，否則一次釋出 9 個模型
模型發得晚，應用沒少做，怎麼想的？
位元組跳動自研大模型豆包大模型（原雲雀大模型）家族帶着 9 個模型，首次對外亮相。位元組跳動方面稱，之是以是這 9 個模型，是根據背景模型調用量和需求而來，做了最強通用模型、成本效益之選、和場景優化模型。
豆包大模型的推理價格成為一大亮點，其主力模型在企業市場的定價隻有 0.0008 元/千 Tokens，0.8 厘就能處理 1500 多個漢字。
值得注意的是，位元組釋出會沒有介紹模型參數、資料和語料，甚至沒有給出豆包模型的評測資料，而是直接把模型能力在場景裡做了垂直細分。位元組可能是在建立使用者回報、資料回報，進而做更精準地場景和服務。根據不同的資料鍊回報，決定産品或者模型的下一步動作。
過去大半年，位元組跳動推出的 AI 應用幾乎涵蓋了所有熱門賽道，「豆包」、AI 應用開發平台「扣子」、互動娛樂應用「貓箱」，以及星繪、即夢等。
圖檔來源：位元組跳動
大模型隊伍的隐秘玩家：DeepSeek Chat 通過大模型備案
降成本！我帶頭！
國内擁有超過 1 萬枚 GPU 的企業不超過 5 家，幻方這家千億規模的量化基金就是其中之一。意外地提前壓中大模型的入場券——囤卡，但幻方做大模型是認真的。
今年 1 月以來，幻方旗下公司的 DeepSeek 模型被頻繁作為開源社群裡讨論的對标對象。本月，幻方開源了第二代 MoE 模型：DeepSeek-V2，主打參數更多、能力更強、成本更低。其在能力逼近第一梯隊閉源模型的前提下，推理成本降到了 1 塊錢 per million token，也就是說，成本是 Llama3 70B 的七分之一，GPT-4 Turbo 的七十分之一。而且，DeepSeek v2 還有利潤。
DeepSeek v2 釋出後，引來了大模型價格戰，智譜、面壁、位元組相繼宣布了模型推理價格降低。這背後是模型架構、系統、工程的一系列進步。你有沒有發現，OpenAI 的價格也降低了 10 倍不止。
Anyway，現在，DeepSeek-V2 已經通過備案，你可以聯網體驗，隐秘玩家的隐秘實力究竟如何？
圖檔來源：DeepSeek
5 月 16 日（周四）
文生圖、文生視訊：DiT 架構正在被廣泛擁抱
開源力量大
騰訊旗下的混元文生圖大模型宣布對外開源，目前已在 Hugging Face 平台及 Github 上釋出，包含模型權重、推理代碼、模型算法等完整模型，可供企業與個人開發者免費商用。
混元文生圖大模型是中文原生的 DiT（Diffusion Models with transformer）架構文生圖開源模型，這也是 Sora 和 Stable Diffusion 3 的同款架構和關鍵技術，是一種基于 Transformer 架構的擴散模型。過去，視覺生成擴散模型主要基于 U-Net 架構，但随着參數量的提升，基于 Transformer 架構的擴散模型展現出了更好的擴充性，有助于進一步提升模型的生成品質及效率。
5 月 17 日（周五）
「GPTs」和大模型助手 App：大廠必備，騰訊版來了
已接入 600 多個騰訊内部業務和場景
本周，騰訊公布了大模型研發、應用産品的系列進展。
騰訊混元大模型更新，推出在品質和成本上有不同特點的三個模型版本，其内部已經有 600 多個業務接入大模型。
在工具層，釋出了騰訊雲大模型知識引擎、圖像創作引擎、視訊創作引擎三大 PaaS 工具鍊，簡化資料接入、模型精調、應用開發流程。
值得注意的是，騰訊終于推出了自家「GPTs」——元器，使用者可以使用騰訊官方的插件和知識庫直接建立智能體。開發完成後，将智能體一鍵分發到 QQ、微信客服、騰訊雲等管道上。騰訊還将于月底推出基于混元大模型的全新助手 App「騰訊元寶」。
騰訊元器官網開放申請試用
寫在最後：
本周，與上述 AI 産品、技術釋出一同進展的，還有各大 AI 公司的「水下操作」。
什麼都無法阻擋 Scaling Law 的腳步：
- 主導超級對齊的 OpenAI 聯合創始人兼首席科學家 Ilya Sutskever 在社交平台 X 上宣布，他将離開公司。随後，超級對齊團隊負責人之一 Jan Leike 也宣布離職，并發推稱，超級對齊團隊在公司内部被邊緣化，無法擷取計算資源做研究。
- AWS CEO Adam Selipsky 離職，或由于 AWS 錯失 AI 投資和研發的最佳時機。
- 微軟宣布将在法國投資 40 億歐元，大部分将集中在 AI 領域
- 馬斯克的 xAI 斥資近 100 億美元租用 Oracle 人工智能伺服器
AI 應用正在拓展既有想象力：
- 企業級可用大模型的 Anthropic 從 Instagram 挖來了 CTO 做産品，或進軍 ToC APP。
- Meta Platforms 正在開發的帶有攝像頭的人工智能耳機項目，攝像頭将使耳機能夠識别佩戴者周圍實體世界中的物體。Sam Altman 最近也被曝和前蘋果設計大師 Jony Ive 正在探索開發帶有攝像頭的 AI 耳機，「很快你的耳朵裡也會長出眼睛」。
微軟 Build 大會官網｜圖檔來源：微軟
下周，中原標準時間 5 月 22 日淩晨，AI 的另一大玩家微軟，即将在西雅圖舉辦 Hybrid：Microsoft Build 大會。官方網頁上大大的「How will AI shape your future?」，強調了本次大會的主題。
金錢永不眠，AI 也是。