TodayAI

​在2024年谷歌I/O大会上，谷歌宣布推出Veo，这是一款能够根据文本、图像或视频提示生成高清视频的AI视频合成模型。Veo具有生成1080p分辨率、时长超过一分钟的视频的能力，并能根据书面指令编辑视频，但目前尚未向公众广泛发布。g

​2024年谷歌I/O大会圆满落幕，谷歌在会上发布了一系列更新，涵盖从最新的人工智能技术到Android系统的多项改进。此次大会特别关注于谷歌的Gemini人工智能模型，并详细介绍了这些模型如何被融入到Workspace、Chrome等多个应用程序中，展示了谷歌在智能技术领域的最新进展。​

​Google 即将在5月14日于其年度开发者大会Google I/O上展示其最新的人工智能技术。会议将以一场于东部时间下午1点开始的主题演讲揭幕，此次大会被视为对公司未来发展方向的重要指示。

托尔·迈伦，苹果的市场营销副总裁，在一份提供给《广告时代》的声明中表示，创造力是苹果的核心价值之一，公司始终致力于通过其产品赋能全球创意人士。尽管苹果公司通常以其创新的市场营销而受到赞扬，但这次的广告显然未能达到预期效果，反而激发了关于广告内容和创意表达的更广泛讨论。英国演员休·格兰特描述该广告为“对人类体验的破坏”，《使女的故事》导演里德·莫拉诺也在社交媒体X上向苹果首席执行官蒂姆·库克发声，告诫其“读懂现场”。广告，引起了广泛争议，该公司随后发表道歉声明，承认这则广告“未达标”。

OpenAI宣布即将推出一款新的AI图像检测工具，此举意在帮助用户辨认图像是否由其开发的DALL-E图像生成器制作，并监控由该技术生成的内容。同时，该公司还计划为这些AI生成的图像加入新的水印，以便用户更容易识别这些作品是否出自DALL-E。

新一代iPad Pro不仅采用了更加轻薄的外形设计，而且引入了业界领先的超精视网膜XDR显示屏和全新的M4芯片，为用户提供前所未有的视觉体验和处理能力。随着这些技术的更新和升级，苹果公司继续巩固其在高端平板市场的领导地位，全新 iPad Pro 和 Apple Pencil Pro 的推出无疑将为用户提供更加强大和高效的工作及创作工具。Apple的这次更新无疑为iPad Pro系列带来了一次重大的飞跃，通过先进的硬件和软件的完美结合，将进一步巩固其在高端平板电脑市场的领导地位。

OpenAI​的首席运营官 Brad Lightcap 表示，一年后，你会觉得现在的ChatGPT像笑话一样糟糕。未来的 ChatGPT 版本将会有重大升级。他还讨论了 AI 取代人类工作和对电网的压力的可能性。虽然我们不知道 OpenAI 何时会推出GPT-5，但公司高管已经在为未来的 ChatGPT 迭代版大肆宣传，称其为一次重大升级，会让旧版的聊天机器人相形见绌。

美国的科技巨头微软公司，正在积极扩展其人工智能（AI）技术的领域。最新消息显示，微软将推出一款名为MAI-1的全新AI模型，其规模巨大，预计将拥有5000亿个可调参数。这一开发工作由Inflection AI的CEO穆斯塔法·苏莱曼（Mustafa Suleyman）领导，标志着微软在AI技术上的又一重大进展。这一模型的推出，预计将进一步巩固微软在全球AI市场的领先地位，同时与谷歌、OpenAI等公司形成更直接的竞争。

我认为，作为一个对此一无所知的人，它具有巨大的好处潜力和巨大的危害潜力——我只是不知道这将如何发展。在讨论人工智能如何改变社会未来的过程中，巴菲特表达了对无法预知后果的忧虑：“我不知道有什么办法可以把精灵重新装回瓶子里，人工智能有些类似……如果我对投资诈骗感兴趣，这将是有史以来最快的增长行业，而且某种程度上，这是由人工智能启动的。”他指出，人工智能的能力在于复制逼真且具有误导性的内容，这可能导致资金流向不良行为者。巴菲特的担忧与伯克希尔一贯的价值投资观念相符，他和芒格一直对经济中的新兴趋势持谨慎态度。

OpenAI正式宣布其最新突破——一个全新的基于ChatGPT技术的搜索引擎，旨在直接挑战谷歌在搜索领域的统治地位。这一创新将可能彻底改变用户上网搜索的方式。在这场AI革命中，OpenAI的新举措被视为对现有搜索巨头谷歌的直接挑战。通过整合ChatGPT的对话AI技术，OpenAI的搜索引擎不仅仅是关于提供搜索结果，更是关于提供一种更为交互式、个性化的网络信息获取方式。

彭博社的马克·古尔曼在他的“Power On通讯”中提到，新的iPad Pro将搭载一款前所未见、业界领先的Apple M4芯片，此芯片的强大性能足以处理多项AI功能，且主要在设备上进行，而非依赖云计算。据CNBC报道，库克透露，苹果将在下周的iPad发布活动及6月的年度开发者大会上，就AI技术公布“重大计划”。虽然预计最大的AI创新将在6月的全球开发者大会上揭晓，库克的这番话明确指出，从下周二（5月7日）起，将有重大的新闻即将发布，这无疑为全球科技界及消费者带来了极大的期待。

​在今天的重磅公告中，金融时报（FT）与OpenAI宣布建立了一项战略合作伙伴关系和许可协议。这一举措标志着金融时报将其卓越新闻内容引入ChatGPT平台，同时也为FT读者带来前所未有的AI新体验。

OpenAI作为生成式AI技术的领先者，其技术的引入很可能会为iOS 18带来突破性的功能，比如改进的语音到文本转换、更智能的虚拟助手和更高效的数据处理能力。此外，苹果还计划在即将发布的新iPad Pro中首次引入AI功能，该设备将装备全新的M4芯片，标志着苹果设备向全面AI化的转变。同时，随着AI功能的增强，用户对隐私和数据安全的担忧也可能加剧，这需要苹果在推出新功能的同时，加强对用户数据保护的措施。重启了对话，双方目前正在讨论一项可能的合作，以将OpenAI的生成式人工智能技术整合到苹果即将推出的。

近日，一项新的深度学习模型预测吸引了广泛关注，该模型基于370个不同的链上指标进行训练，预测比特币（BTC）价格在未来30天内有望达到历史新高--77,000美元。

尽管Alphabet和微软都发布了强劲的季度财报，显示两家科技巨头均超越了销售和利润的预期，但在生成式人工智能（AI）领域的投资回报方面，它们展现了不同的情况。Alphabet的CEO桑达尔·皮查伊表示，他对Google通过出售生成式AI工具来赚钱感到非常自信。与此同时，微软的CEO萨提亚·纳德拉已经在公开场合表示，他的公司已经开始从这些技术中获利。两家公司股价在季度财报发布后均有上升，特别是Alphabet，其股价因宣布新的股票回购计划和首次发放股息而进一步增长。

​微软公司最近宣布推出了其最新开发的最新AI语言模型，名为Phi-3。这款小型语言模型（SLMs）在市场上以其卓越的性能和成本效率获得关注，尤其在语言处理、推理、编程及数学基准测试方面表现出色，超越了同等规模甚至更大规模的模型。

谷歌、Meta、OpenAI 等全球科技巨头已联合行动，与其他行业领导者共同宣布，将加强措施，防止人工智能技术被用来制造或传播儿童性虐待图像。

​据传言，OpenAI​即将发布下一代模型GPT-5。当前，社交媒体上的热议源自于对这一即将宣布的消息的猜测，这种猜测被Meta旗下的Llama 3模型的到来（预计于7月推出一个更大的版本）以及AI实验室发布的一系列包含数字22的神秘图片所激发。

​微软推出最新大模型VASA-1，这个人工智能模型的核心功能是将静态照片和音频样本转换成动态的“会说话的面孔”，这不仅是技术的突破，也可能是社会互动方式的一大变革。VASA-1利用了最前沿的机器学习算法，能够接收一张单人肖像照和一段音频文件，然后生成一个动画化的视频。在这个视频中，人物的面部表情、唇形与输入的音频高度同步，甚至连头部的自然移动也能精准模拟。这种技术的实现，依靠的是对大量面部表情数据和语音模式的学习，使得生成的视频不仅逼真，而且流畅自然。

​超微计算机公司（Supermicro）未能按期发布初步财务报告，导致该公司及其竞争对手股价大幅下跌，引发了整个行业的股市血洗。其中包括市值达2万亿美元的Nvidia。对于一只如此高市值的股票来说，通常其价格波动需要明确的新闻或事件驱动，然而，在没有直接负面新闻的情况下，Nvidia的股价还是出现了10.01%的大幅下跌。这一现象在市场中极为罕见，显示出投资者对AI技术股的敏感性和对行业动态的高度反应。

​Meta今日宣布推出其最新一代尖端开源大型语言模型Llama 3。该模型预计很快将在多个领先的云服务平台上线，Llama 3技术使Meta AI成为全球领先的AI助手之一，旨在通过学习、完成任务、创造内容及更多方式增强用户智能和减轻负担。用户现已能够体验Meta AI的服务。

​Stability AI在其开发者平台API上全新推出了Stable Diffusion 3和Stable Diffusion 3 Turbo。这两款产品在技术上的突破不仅提升了AI技术的可用性，还进一步推动了开放式创新的愿景。Stable Diffusion 3和其加速版本Stable Diffusion 3 Turbo，在Stability AI新发布的研究论文中被证明，在排版和指令执行方面已达到或超过了当前最先进的文本到图像生成系统，如DALL-E 3和Midjourney v6。

​最新研究表明，人工智能（AI）在肺部超声图像中识别新冠病毒（COVID-19） 的能力，堪比面部识别软件在人群中找到一张脸。这一发现大大推进了 AI 驱动的医疗诊断技术，使医疗专业人员更接近于能够利用算法迅速诊断 COVID-19 和其他肺部疾病的目标，这些算法能够在超声图像中搜索疾病的迹象。

以及生成式AI功能于一体，Arc跳过了搜索引擎的界面，只要用户输入想查看的内容，就会直接展示结果，提供了一种与谷歌搜索不同的体验，吸引了许多用户的关注。但QQ浏览器能够提供多少不同的AI体验目前尚未可知，可能只是模仿了UI界面，其余的使用体验可能仍将回归到普通浏览器。根据QQ浏览器的介绍，其12.3.0版本提供了“升级版垂直工作台”、“快速文件管理”、“个人中心独立划分”等功能。浏览器也想借Arc的热潮之势，同样采用了类似Arc的垂直工作栏，声称能够带来更加舒适的使用体验。之前在硅谷大受欢迎的。

​iOS 18推出后，苹果公司的隐私保护策略可能要进入一个全新的领域了。最近围绕iOS 18的人工智能（AI）功能，大家都在关注隐私问题。不过据彭博社的马克·古尔曼（通过AppleInsider报道）透露，iOS 18的一些初步AI功能将“完全在设备上运行”——这与三星在其S24系列上采用的隐私策略相同。简单来说，这意味着首批AI功能不需要互联网连接或任何类型的云处理。稍后引入的更高级的AI功能可能需要互联网连接，以便在你的设备和苹果的服务器之间传输数据，但基本的文本和回复生成功能则不需要。

Adobe最近发布了一段令人瞩目的视频，详细展示了其最新推出的Adobe Firefly视频模型。这一模型集成了尖端的生成式人工智能技术，带来了一系列颠覆性的视频编辑功能，引发了业界的广泛关注和讨论。

​OpenAI今日宣布，在日本东京设立新办公室，标志着该公司在亚洲市场的正式扩展。OpenAI已在日本市场投放了专门针对日本语言优化的GPT-4定制模型，该模型提供了改进的日语文本性能，并且比GPT-4 Turbo运行速度快高达3倍，显著提高了翻译和总结日文的性能。这一技术的应用已经使得日本顶尖英语学习应用程序“Speak”的用户体验大幅提升，解释速度提高了2.8倍，Token成本降低了47%。

​在过去的一年里，ChatGPT等应用程序引发的生成式人工智能热潮不断推高，催生了新一轮技术经济浪潮。福布斯联合红杉资本和梅里特克资本，发布了第六届年度AI 50榜单，旨在表彰那些在人工智能领域表现出色的私有公司。

在福布斯的最新采访中，Perplexity的联合创始人兼首席执行官Aravind Srinivas与福布斯AI 50名单编辑Kenrick Cai深入交谈。Srinivas详述了他从OpenAI和Google转型至自主创业的过程，并分享了公司的创立背景及其在人工智能领域的未来愿景。

由于出口管制，特供版的综合运算性能（TPP）被限制在4800以下，意味着其16bit性能不得超过150 TFLOPS，相比原版Gaudi 3在FP16/BF16性能可达1835 TFLOPS，特供版需降低约92%的AI性能。鉴于这些问题，如果英特尔能够为Gaudi 3设定一个理想的价格（虽然英特尔尚未提供价格，但据报道H100的成本约为30,000至40,000美元）并保持充足的生产，Gaudi 3可能成为H100的一个具有吸引力的替代品。这一选择似乎强调了英特尔不仅在性能上竞争，还在价格上竞争的战略。

对此，奥特曼和OpenAI的首席运营官Brad Lightcap解释说，支付企业服务费用可以使客户直接与OpenAI团队合作，从而获得最新模型和更多定制化的AI产品机会。虽然OpenAI在最近的一轮融资中估值高达860亿美元，其作为一家致力于通用人工智能研究的机构，组织结构上的利润上限使得巨大的模型训练成本对公司收入构成了压力。因此，OpenAI的业务动向在一定程度上与微软形成了竞争关系。在旧金山、纽约和伦敦的会议上，奥特曼及其团队向企业界领袖展示了OpenAI的企业级产品，并进行了与微软产品的对比。

公司特别自豪的是，Grok-1.5V在其新创建的RealWorldQA基准测试中超越了竞争对手，这是一个评估真实世界空间理解能力的新指标。公司特别展示了Grok-1.5V的七个应用示例，包括将白板上的流程图草图转换为Python代码、仅根据儿童画作生成睡前故事、解释网络迷因、将表格转换为CSV文件格式以及判断你的木板是否腐烂需要更换等。公司在一篇博客文章中表示：“Grok-1.5V在多个领域与现有的前沿多模态模型具有竞争力，这些领域包括多学科推理、理解文档、科学图表、图表、截图和照片。

有了代码定制，我们预计整体代码接受率将大幅提高。谷歌云平台和技术基础设施的副总裁Brad Calder在周二公告前的新闻发布会上详细说明了这一升级的重要性：“这次升级带来了行业内最大的100万token上下文窗口，使客户能够在整个代码库中进行大规模更改，实现之前无法完成的AI辅助代码转换。Code Assist的另一个特点是它支持本地代码库，以及托管在GitLab、GitHub和Atlassian的BitBucket等平台上的代码库，甚至支持跨不同服务分布的代码库，这是其主要竞争对手目前未提供的功能。

他进一步解释说，”我们要开源还得自己去维护一套开源的版本，这是不划算的。关于闭源模型在成本上的优势，李彦宏也有明确的观点：“大家以为开源是免费的，在成本上有优势。只要是同等能力，闭源模型的推理成本一定是更低的，响应速度一定是更快的。其实也很简单，大家比较一下，比如硅谷有一个优秀的人才，他有OpenAI的offer，有Meta的offer，有Llama的offer，他会去哪儿？在谈到AI创业公司的模式时，李彦宏提出了自己的看法：“外界一些做模型的创业公司，讲的所谓的‘双轮驱动’，不是一个好的模式。

威格森是普林斯顿高等研究院数学学院Herbert H. Maass教授，他在计算复杂性理论、算法和优化、随机性和密码学、并行和分布式计算、组合学、图论以及理论计算机科学与数学、科学之间的交叉等领域均有开创性的贡献。威格森的成就，不仅在于他在随机性和去随机化等领域的具体工作，也在于他对整个理论计算机科学领域产生的间接但实质性的影响，为这门令人兴奋的学科吸引了众多最有潜力的年轻研究人员来解决最棘手的挑战。他的研究不仅推动了密码学和计算复杂性理论等众多领域的发展，也增进了我们对计算中随机性深层作用的理解。

由于这些GPU需要服务器和冷却系统才能运行，可以肯定的是，拥有10万个Nvidia H100处理器的数据中心将消耗约100兆瓦的电力。事实上，马斯克认为，在未来一两年内，将出现一种比最聪明的人还要聪明的人工智能。“如果你将AGI定义为比最聪明的人还要聪明，我认为可能是明年，最多两年内，”马斯克在X Spaces的一次采访中说。马斯克表示，AI技术的发展目前受到两个主要因素的阻碍：先进处理器（如Nvidia的H100）的供应短缺——因为不容易快速获得10万个这样的芯片——以及电力的可用性。

最糟糕的是，AI依赖实时的X-前Twitter数据，使其成为一种“数字近亲繁殖”，将不断在一个信息极其不可靠且充斥垃圾信息的网站上训练其模型，正如媒体评论员Ed Zitron在12月的博文中所描述的。简而言之，鉴于所涉及的复杂性和解释及量化人类智力的无数方式，我们应对任何关于我们何时达到AGI的点的预测持怀疑态度——尤其是当这些预测来自于一个认为父亲笑话生成器将引领我们走向启蒙的人。据马斯克称，芯片短缺阻碍了他的初创公司推出Grok的继任者，Grok是一个能产生父亲笑话的无礼AI聊天机器人。

Vids还以类似故事板的设置为你的创作提供框架，便于编辑 —— 只需移动生成视频的各个部分，直到获得你想要的最终外观。不要与失败的谷歌视频平台或仍在使用的谷歌视频搜索工具混淆，Vids是一个独立的基于AI的应用，旨在帮助用户创作视频内容，与谷歌文档和幻灯片等其他生产力工具并列。的应用套件迅速成为了一个集成了Gemini AI的产品中心，这些产品可以在工作场所到你的家中的任何地方使用。例如，如果在工作中做演示一直是你的痛点，谷歌现在就为此开发了一个基于AI的工具 —— 但它被定位为一个易于使用的视频创作器。

这一功能的加入意味着GPT-4 Turbo现在支持JSON格式的视觉请求和函数调用方式，极大地扩展了其应用范围。尽管如此，与先前的预览版本一样，GPT-4 Turbo的上下文窗口仍然保持在128,000 tokens，保证了信息处理的深度和广度。Turbo with Vision，这一次的更新加入了革命性的视觉处理功能，使得模型不仅能处理文本输入，还能理解和分析图像信息。这一次的更新显著提升了ChatGPT在图文结合的AI应用领域的竞争力，为未来的多模态交互开辟了新的可能。

​在合成数据行业中处于领先地位的Gretel公司，近日宣布了一项重大突破，推出了世界上最大的开源Text-to-SQL数据集，这一举措将加速AI模型的培训过程，并为全球各行各业的企业解锁新的可能性。