AIGC行業(yè)周報 | 2024，有分析稱英偉達(dá)要花68億美元買芯片；ShareGPT4Video系列發(fā)布；馬斯克：我沒投資任何永生技術(shù)，活太久會對社會產(chǎn)生負(fù)面影響

圖片來源：每經(jīng)制圖

一、企業(yè)動態(tài)

（一）前OpenAI聯(lián)合創(chuàng)始人Ilya Sutskever成立新公司

OpenAI聯(lián)合創(chuàng)始人Ilya Sutskever宣布成立Safe Superintelligence Inc.（SSI），專注于開發(fā)安全超級智能。

SSI致力于實(shí)現(xiàn)“核能級別”的安全超級智能，不受短期商業(yè)壓力影響，專注于安全性和AI能力的提升。

擁有強(qiáng)大的資金、算力和人才支持，包括與Eric Schmidt的合作和Daniel Gross的天使投資經(jīng)驗(yàn)，以及在硅谷和以色列特拉維夫的人才網(wǎng)絡(luò)。

（二）2024，有分析稱英偉達(dá)要花68億美元買芯片

預(yù)計(jì)2024年全球HBM芯片總產(chǎn)能約為5600萬顆，英偉達(dá)的需求量預(yù)計(jì)為2700萬顆，基于單顆250美元的成本測算，意味著英偉達(dá)全年采購HBM芯片的費(fèi)用可以預(yù)測到68億美元，遠(yuǎn)超此前媒體披露的13億美元預(yù)算。

CoWoS封裝技術(shù)是GPU-HBM芯片的關(guān)鍵，臺積電和Amkor為主要供應(yīng)商。

二、產(chǎn)品技術(shù)動態(tài)

（一）ShareGPT4Video系列發(fā)布

由中國科學(xué)技術(shù)大學(xué)、北京大學(xué)等研究人員推出的ShareGPT4Video系列，包含4萬條高質(zhì)量視頻-字幕數(shù)據(jù)，旨在提升視頻理解和生成能力。

通過差分滑窗視頻描述策略，創(chuàng)建了能夠?yàn)槿我庖曨l生成詳細(xì)描述的模型，有助于提高視頻語言模型的性能。

數(shù)據(jù)集在多個長視頻理解基準(zhǔn)上帶來性能增益，同時在視頻生成任務(wù)中，使用該數(shù)據(jù)集訓(xùn)練的模型展現(xiàn)出更好的鏡頭和語義控制能力。

（二）AI視頻巨頭Runway深夜發(fā)布Gen-3

AI視頻制作公司Runway推出了新一代視頻生成模型Gen-3 Alpha，其在細(xì)節(jié)、一致性和動作表現(xiàn)上進(jìn)行了顯著改進(jìn)，達(dá)到電影級畫質(zhì)。

Gen-3 Alpha支持文本到視頻、圖像到視頻等多種功能，被認(rèn)為將挑戰(zhàn)現(xiàn)有的AI視頻生成技術(shù)，包括Sora。

Runway計(jì)劃提供定制版本，并宣布了新的安全功能，Gen-3 Alpha即將向付費(fèi)訂閱者開放。

（三）開源版Sora：單鏡頭16秒720p高清視頻一鍵生成

潞晨團(tuán)隊(duì)Open-Sora項(xiàng)目在720p高清視頻質(zhì)量和生成時長上取得顯著進(jìn)展，支持一鍵生成16秒的任意風(fēng)格高質(zhì)量視頻，并且宣布全部開源。

引入視頻壓縮網(wǎng)絡(luò)和優(yōu)化的擴(kuò)散模型算法，發(fā)布了1.1B的擴(kuò)散生成模型，實(shí)現(xiàn)了成本與生成質(zhì)量的平衡，提供了訓(xùn)練和推理的高效解決方案。

Open-Sora的開源為視頻內(nèi)容創(chuàng)作者提供了豐富的創(chuàng)作工具，使用戶從消費(fèi)者轉(zhuǎn)變?yōu)閯?chuàng)造者。

（四）Google DeepMind 最新研究：為AI視頻生成創(chuàng)建逼真的背景聲音

DeepMind開發(fā)了V2A技術(shù)，將視頻像素與自然語言文本相結(jié)合，生成與視頻動作同步的逼真音效。

V2A技術(shù)能夠?yàn)闊o聲視頻添加相應(yīng)的背景聲音或?qū)υ挘嵘曨l的真實(shí)感和用戶體驗(yàn)，同時支持對生成音效的創(chuàng)意控制。

V2A基于擴(kuò)散模型，通過編碼視頻輸入、迭代改進(jìn)音頻并解碼生成波形實(shí)現(xiàn)同步生成，但仍在改進(jìn)中，如提高音頻質(zhì)量和唇語同步的準(zhǔn)確性。

（五）ChatGPT最新定價體系

OpenAI的ChatGPT提供多種訂閱計(jì)劃，滿足從個人到企業(yè)的各類需求，包括免費(fèi)版、ChatGPT Plus、團(tuán)隊(duì)版、企業(yè)版、教育版本和非營利組織版本。

免費(fèi)版用戶可訪問GPT-4o模型和GPT Store，但有日容量限制；ChatGPT Plus提供更高容量和高級數(shù)據(jù)分析功能；團(tuán)隊(duì)版和企業(yè)版提供協(xié)作工具、定制應(yīng)用程序和增強(qiáng)的管理控制。

ChatGPT Edu專為教育機(jī)構(gòu)設(shè)計(jì)，提供額外的SCIM支持；非營利組織可獲得ChatGPT團(tuán)隊(duì)和企業(yè)版的折扣價格。

（六）DreamTech 推出全球首個原生 3D-DiT 大模型 Direct3D

通過3D Diffusion Transformer技術(shù)，實(shí)現(xiàn)高質(zhì)量3D內(nèi)容生成。

解決了傳統(tǒng)2D-to-3D升維技術(shù)中的多個問題，如多頭多面、空腔、遮擋等，滿足商業(yè)應(yīng)用需求。

推出面向C端用戶產(chǎn)品，可將圖片/文字轉(zhuǎn)換為二次元3D人物形象，以及面向創(chuàng)作者的3D內(nèi)容創(chuàng)作平臺，大幅簡化3D模型獲取流程。

（七）英偉達(dá)開源Nemotron-4 340B模型

英偉達(dá)發(fā)布了一個包含3400億參數(shù)的開源模型家族，包括基礎(chǔ)模型、指令模型和獎勵模型，采用NVIDIA Open Model License Agreement，允許分布、修改和使用模型及其輸出。

模型訓(xùn)練使用了超過98%的合成數(shù)據(jù)，展示了在生成合成數(shù)據(jù)方面的能力，有助于訓(xùn)練更小的語言模型，同時開源了合成數(shù)據(jù)生成流程。

Nemotron-4 340B性能在多個基準(zhǔn)測試中與GPT-4o等專有模型競爭，支持多種語言和編程語言，對商用友好的許可協(xié)議，可能對醫(yī)療、金融、制造業(yè)和零售業(yè)等行業(yè)產(chǎn)生重大影響。

三、前沿觀點(diǎn)

（一）馬斯克最新專訪：我沒投資任何永生技術(shù)，活太久會對社會產(chǎn)生負(fù)面影響

人工智能很快會改變一切，最早明年就能帶來顯著改變，五年內(nèi)將帶來激進(jìn)變化。

馬斯克認(rèn)為，人工智能將在搜索領(lǐng)域超越谷歌，提供更為精準(zhǔn)、個性化的搜索結(jié)果。

馬斯克透露，SpaceX的最終使命是將生命拓展至多個行星，以擴(kuò)展人類的意識邊界。

馬斯克的腦機(jī)接口公司Neuralink正研究大腦芯片，致力于創(chuàng)造人類與人工智能的共生關(guān)系。

馬斯克預(yù)測，將來每個人至少會擁有一個機(jī)器人。全球?qū)⒂?00億臺類似擎天柱的人形機(jī)器人。

（二）奧特曼談AI的機(jī)遇、挑戰(zhàn)與人類自我反思：中國將擁有獨(dú)特的大語言模型

認(rèn)為AI在提升生產(chǎn)力方面已顯現(xiàn)積極作用，但網(wǎng)絡(luò)安全等問題也隨之而來。

GPT-4o能覆蓋97%人群的母語，奧特曼承諾將持續(xù)改進(jìn)，解決語言公平性問題。

面對AI治理的挑戰(zhàn)，OpenAI成立安全委員會，奧特曼強(qiáng)調(diào)安全與效率并重。

奧特曼預(yù)測在眾多大語言模型，少數(shù)將會勝出；中國將會擁有自己獨(dú)特的大語言模型。

奧特曼認(rèn)為AI可能使人類更謙卑，促使我們重新認(rèn)識自身在宇宙中的位置。

來源：每經(jīng)科技提供