“很多人没意识到，今天是 AI 历史性的一天…”

十字路口Crossing·2024年7月24日·0·1

多年后，回头看。

🌟 Meta 推出开源大模型 Llama 3.1

🎨 Adobe Illustrator 和 Photoshop 引入新 AI

🤖 微软 VALL-E 2 语音克隆达到人类水平

🚀 Alphabet Q2 财报亮眼

🌐 PixVerse V2：开启全民 AI 视频创作时代

🫰 Me.bot：构建人与 AI 共生宇宙

🛡️ Wiz 拒绝谷歌 230 亿美元收购提议

🌟 前特斯拉人形机器人负责人创业：打造仓库机器人

💻 Meta AI 研究员：Llama 3 全用合成数据

Meta 推出开源大模型 Llama 3.1

Meta 正式发布开源大模型 Llama 3.1，包括 8B、70B 和 405B 三个版本。其中 405B 版本在多项重要基准评估中表现卓越，甚至超越了 Claude 3.5 Sonnet 和 GPT-4o 等顶级模型。

Llama 3.1 405B 在超过 15 万亿个 token 上，使用 16,000 张 H100 GPU 显卡训练数月。新版本支持 128K 标记的上下文窗口，具备多语言能力，并在数学推理、逻辑思维、长文本理解等方面表现出色。在 IFEval、GSM8K、ARC Challenge 等多项基准测试中，Llama 3.1 405B 均取得了优异成绩。

Mark Zuckerberg 表示，开源 AI 将确保更多人能够享受 AI 带来的好处和机会。这一开源模型的发布将深刻影响全球 AI 创新生态，为开发高级 AI 应用提供新的可能性。

目前用户可通过 WhatsApp 和 meta.ai[1]（美区）体验 Llama 3.1 405B。

今天是历史性的一天，开源与前沿闭源大模型站在同一水平线上，这对于抱有技术民主化理念的人们更是无比振奋的时刻。这篇去年**《Meta 为什么要开源强大的 Llama》[2]**也值得重温。——即刻网友 @Szhans[3]

Adobe Illustrator 和 Photoshop 引入新 AI 功能

Adobe 宣布其两款旗舰软件 Illustrator 和 Photoshop 将迎来基于 AI 的新功能，旨在加速创作流程，并为设计师提供更多控制权。

Illustrator 的更新亮点包括「生成式形状填充」，用户输入简单文字提示即可生成精美矢量图形。系统还能根据文档内容自动生成填充，并保持图形可编辑。另一新功能「模型」可将插图快速应用到真实物体上，自动调整尺寸和透视角度。此外，还有字体识别与编辑、以及「文字转图案」功能。

Photoshop 新增「选区画笔工具」和「调整画笔工具」以简化重复性任务，并改进了文字工具和上下文任务栏。最新版本的 Adobe Firefly 也将集成到 Photoshop 中，增强 AI 生成内容的能力。Adobe 强调，用户作品不会用于 AI 训练，除非用户同意共享至 Adobe Stock。

微软 VALL-E 2 语音克隆达到人类水平

微软近日发布了 VALL-E 2[4]，这款零样本文本到语音 (TTS) 模型在语音稳健性、相似度和自然程度上达到了人类水平。 这标志着 TTS 领域的重大进展，使得模型能够在仅参照简短语音样本的情况下，生成逼真且自然的语音，就像一个出色的模仿者。

VALL-E 2 在解决 VALL-E 的稳定性和效率问题方面取得了关键进展。通过采用重复感知采样和分组代码建模，VALL-E 2 显著提升了解码稳定性和推理速度，同时大幅简化了数据收集和处理流程。这些改进使得 VALL-E 2 不仅在零样本 TTS 领域取得了里程碑式的突破，也为未来的语音合成技术提供了更多可能性。

然而，尽管 VALL-E 2 展示了强大的能力，微软目前仅将其作为研究项目，尚无将其产品化的计划。研究人员在项目页面和论文中声明，为了确保安全应用，必须开发强大的合成语音检测模型，并设计授权机制，确保在合成语音前获得所有者的批准。

Alphabet Q2 财报亮眼

Alphabet 发布 2023 年第二季度财报，营收和利润双双超出市场预期。公司营收同比增长 14% 至 847.4 亿美元，净利润增长 28.6% 至 236 亿美元。

数字广告和云计算业务表现强劲。广告销售增长 11% 至 646 亿美元，YouTube 广告收入增长 13% 至 86.7 亿美元。云计算服务营收增长 28.8% 至 103.5 亿美元，反映出生成式 AI 技术的广泛采用推动了云业务发展。

尽管 AI 投资导致资本支出高企，CEO 皮查伊仍对 AI 产品创收持乐观态度。他表示 AI 技术将扩展到更多国家和用例，有望在不久的将来为公司带来收益。然而，具体时间表尚未公布。

PixVerse V2 发布

PixVerse V2[5] 是爱诗科技最新推出的 AI 视频工具，其特点是更低门槛、更高质量、更有逻辑、更长时长。该产品的发布迅速引发热议，因其采用了 DiT (Diffusion+Transformer) 架构，显著提升了视频生成效果。PixVerse V2 支持一键生成最多 5 段连续视频，且保持一致的主体形象、画面风格和场景元素。

爱诗科技在 PixVerse V2 中引入了时空注意力机制，支持文生视频和图生视频两种模式，用户只需简单描述画面需求即可实现视频生成。每个视频片段都可以单独输入提示词或图片，生成后的片段自动拼接成完整视频。生成过程便捷，满足不同用户的创作需求，使得 AI 视频创作更加简单和高效。

此外，PixVerse V2 的发布不仅针对专业人士，也面向普通用户，让更多人能够轻松参与 AI 视频创作。爱诗科技通过不断提升 AI 技术能力和降低创作门槛，实现了从专业用户到普通用户的全面覆盖，推动 AI 视频创作进入全民参与的时代。

Me.bot：构建人与 AI 共生宇宙

陶芳波博士是心识宇宙的创始人兼 CEO，曾在微软研究院和 Facebook 研究院工作。他于 2022 年初创立 AI 初创公司，获得了红杉、线性和 Square Peg 等近亿元融资。他的最新产品 Me.bot[6]，在 Product Hunt 日榜中获得第一名，目前在美区 iOS 上开放。

Me.bot 旨在帮助每个人训练自己的个人模型，释放 AI 的多样性和个性化。它不仅是一个工具，更是与用户共生的 AI，记录并学习用户的生活和思维方式，成为用户的忠诚伙伴。这种模型将帮助用户个性化所有服务，成为人和世界连接的关键。

Me.bot 和 MindOS 都是为了构建 Agent。不同的是，MindOS 面向企业，提供搭建智能体的工具；而 Me.bot 面向个人，通过分享记忆来训练个人模型，提供主动、个性化的服务。未来，陶芳波希望个人 AI 模型与硬件深度融合，实现更大数据感知、交互和边缘计算的能力。

Wiz 拒绝谷歌 230 亿美元收购提议

Wiz[7] 公司 CEO Assaf Rappaport 宣布拒绝谷歌 230 亿美元的收购提议，并表示公司下一目标是实现 10 亿美元 ARR 和 IPO。这家成立仅 4 年的云安全初创公司已成为增长最快的软件公司之一，与多家云服务提供商合作，客户包括众多世界 500 强企业。

Wiz 的成功源于其专注云安全领域和对 AI 技术的应用。公司提供一站式云安全平台，涵盖云工作负载保护、安全姿态管理等功能，并帮助企业管理 AI/ML 模型的安全风险。 Wiz 的快速增长和创新能力吸引了谷歌的注意，谷歌希望通过收购来增强其云业务的竞争力。

尽管收购未能成功，但这一事件凸显了云安全市场的重要性和激烈竞争。谷歌、微软等科技巨头都在积极布局云安全领域，通过收购或自主开发来提升自身实力。Wiz 的独立发展决定可能会让市场竞争更加激烈，也为云安全创新带来更多可能性。

前特斯拉人形机器人负责人创业：打造仓库机器人

Mytra[8] 是一家机器人初创公司，自 2022 年成立以来，一直专注于仓库自动化。公司由特斯拉和 Rivian 的资深人士创立，技术实力雄厚。最近，Mytra 完成了 5 000 万美元的 B 轮融资，总融资额达 7 800 万美元，投资者包括 Greenoaks 和 Eclipse。

大流行病冲击了全球供应链，仓库自动化需求激增。尽管疫情后经济恢复，劳动力短缺仍是大问题。目前，全球只有 5% 到 10% 的仓库实现了自动化。Mytra 的 CEO 克里斯·瓦尔蒂（Chris Walti）曾在特斯拉工作，领导了 Optimus 项目。他开发的自主移动机器人 (AMR) 能处理重达 3 000 磅的货物，具备独特的运动自由度。

Mytra 已经吸引了一些大公司的兴趣，与杂货巨头 Albertsons 进行了试点合作，还有多家财富 50 强客户正处于不同合作阶段。

Meta AI 研究员：Llama 3 全用合成数据

Meta AI 研究员 Thomas Scialom 表示，**Llama 3 的训练完全依赖于 Llama 2 生成的合成数据，而未使用任何人类书写的答案。**他认为网络文本质量低，用于训练只会浪费计算资源。合成数据被应用于代码生成、数学推理、多语言处理、长文本处理等多个领域，提升了模型的能力和效率。

Llama 3 在生成合成数据时，采取了多种方法，如代码执行反馈、编程语言翻译和文档反向翻译等。模型的多语言处理通过 90% 的多语言 tokens 预训练，收集高质量的人类注释。此外，Meta 强调了人类反馈在模型训练中的重要性，通过选择偏好而非创作，优化模型表现。

Meta 已在 6 月开始训练 Llama 4，未来版本将增加更多参数，探索智能体的应用。Llama 3 使用的合成数据策略，为新一代 AI 模型的开发提供了宝贵经验。