【新智元导读】有的生成式AI应用，已经吸金15亿美元了。风头无限的背后，构建应用的关键，竟然在于这家企业的技术。生成式AI应用，现在已经风头无两，动辄狂吸数亿美元的投资!可以说，全世界的大科技公司和独角兽们，已经为生成式AI打造了丰富的生态系统，版图还在不断扩张。在10月
......
本文由站长之家合作伙伴自媒体作者“新智元公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
业内人士指出，以人工智能技术为代表的生成式AI解决方案备受关注，几乎所有的IT厂商都在押注重要资源，期待在全新的市场机遇期把握机会，获得新的增长曲线。据IDC预计，到2027年，全球AI解决方案支出将增长超过5，000亿美元。”值得一提的是，在近期发布的《ForresterWave™:AI基础架构解决方案，2024年第1季度》报告中，戴尔荣获"领导者象限"地位。
闫德利腾讯研究院资深专家炼大模型，大炼模型近年是全球风险投资的低潮，生成式AI却逆市起，去年的融资笔数和融资额分别增长66%和400%，融资额高居所有细分领域第一位。去年美国前5大风险投资中，OpenAI、Anthropic和InflectionAI三家GenAI公司占据了4个，融资额分别高达100亿美元、40亿美元、20亿美元和13亿美元，主要投资者是微软、亚马逊、谷歌和英伟达等巨头。本文写作中，�
4月11日，谷歌在官网宣布从5月15日起，将向所有谷歌相册用户免费提供MagicEditor、PhotoUnblur和MagicEraser三款生成式AI编辑工具。通过这三款强大的AI图像编辑工具，用户可以轻松将模糊的图片变高清，实现一键PS/调色/光影，删除图片多余内容等。现在通过MagicEraser可以一键完美去除它们了。
根据最新数据显示，近四分之一的专业人士通过使用生成式人工智能工具，每周能够节省5-10小时的工作时间。这项研究揭示了GenerativeAI工具在提升工作效率方面的潜力。随着这种工具的不断发展和完善，可以预见，更多专业人士将会受益于GenerativeAI技术的帮助，实现工作时间的节省和工作效率的提升。
印度的技术人员通过额外的AI、生成AI和相关技能驱动工资增长，相比没有这些技能的人员，他们的工资增长了30-50%。据Careernet称，GenAI专业人员可分为三大类别:GenAI技术开发人员、GenAI产品开发人员和GenAI用户。通过不断学习和提升技能，技术人员可以在这一潮流中实现个人职业发展的飞跃。
随着人们对生成式AI的热情不断高涨，越来越多的公司试图涉足这一领域。Fireworks.ai就是其中之一。该公司在2022年获得了2500万美元的融资，由Benchmark领投，SequoiaCapital和未透露姓名的天使投资者参与。
据科技商业刊物TheInformation报道，微软和OpenAI计划在一个名为Stargate的新超级计算机上投资1000亿至1150亿美元，加速生成人工智能应用的基础设施建设。尽管微软和OpenAI尚未发布详细信息，但两家公司据称正处于一个五阶段项目的第三阶段，其中Stargate将是第五阶段。考虑到微软基于Stargate的需求，Arm的盈利可能会更强劲，因此想要购买人工智能股票的投资者最好在其股价飙升前�
Cohere发布了一个开发者工具包，旨在加快企业生成式AI应用的构建过程。这个工具包包含了一个开源存储库，可以立即在任何云提供商上部署应用。Cohere的工具包可在该公司的GitHub存储库上获取。
根据国际数据公司最新数据显示，亚太地区即将进行一场变革性的旅程，生成式人工智能的采用量呈现激增的趋势。IDC的预测表明，到2027年，该领域的支出将飙升至260亿美元，年复合增长率从2022年到2027年将达到95.4%。零售商也在利用GenAI个性化体验、自动化任务和提升客户参与度。
他们可能会将生成式人工智能技术应用于其语音助手Bixby，这是该公司一名高管告诉CNBC的。Bixby于2017年随三星GalaxyS8智能手机推出。苹果宣布将于6月举办其年度开发者大会WWDC，届时公司有望在产品各方面介绍一些AI功能。
RAGFlow是一个开源的RAG（Retrieval-Augmented Generation）引擎，基于深度文档理解，提供流线型的RAG工作流程，适用于各种规模的企业。它结合了大型语言模型（LLM）提供真实的问答能力，支持从各种复杂格式数据中引用确凿的引文。
EmojiTell是一个创新的在线服务，可以将文本翻译成表情组合，增加沟通的趣味性和表现力。它由一支对表情符号充满热情的开发者和设计师团队开发，旨在通过表情符号的力量，让信息传递更加生动和个性化。
Perplexica是一个开源的AI驱动搜索引擎，它不仅搜索网络，还理解您的问题。它使用先进的机器学习算法，如相似性搜索和嵌入，来优化结果，并提供引用来源的清晰答案。使用SearxNG保持最新和完全开源，确保您始终获得最新信息，同时不损害您的隐私。
FaceChain是一个深度学习工具链，由ModelScope提供支持，能够通过至少1张肖像照片生成你的数字孪生体，并在不同设置中生成个人肖像（支持多种风格）。用户可以通过FaceChain的Python脚本、熟悉的Gradio界面或sd webui来训练数字孪生模型并生成照片。FaceChain的主要优点包括其生成个性化肖像的能力，支持多种风格，以及易于使用的界面。
HuggingFace镜像站是一个非盈利性项目，旨在为国内的AI开发者提供一个快速且稳定的模型和数据集下载平台。通过优化下载过程，减少因网络问题导致的中断，它极大地提高了开发者的工作效率。该镜像站支持多种下载方式，包括网页直接下载、使用官方命令行工具huggingface-cli、本站开发的hfd下载工具以及通过设置环境变量来实现非侵入式下载。
WebLlama是一个基于Meta Llama 3构建的代理，专门为网页导航和对话进行了微调。它旨在构建有效的以人为中心的代理，帮助用户浏览网页，而不是取代用户。该模型在WebLINX基准测试中超越了GPT-4V（零样本）18%，展示了其在网页导航任务中的卓越性能。
GitHub Copilot for Infrastructure as Code（简称Infra Copilot）是一个利用机器学习技术帮助基础设施专业人员自动生成精确基础设施代码的工具。它通过理解基础设施任务的上下文，允许专业人员使用自然语言表达需求，并接收相应的代码建议。Infra Copilot不仅简化了基础设施即代码（IaC）的开发过程，还确保了跨环境和项目的一致性，加速了新团队成员的上手和学习过程，显著提高了工作效率并节约了时间。
LLaVA++是一个开源项目，旨在通过集成Phi-3和LLaMA-3模型来扩展LLaVA模型的视觉能力。该项目由Mohamed bin Zayed University of AI (MBZUAI)的研究人员开发，通过结合最新的大型语言模型，增强了模型在遵循指令和学术任务导向数据集上的表现。
PhysDreamer是一个基于物理的方法，它通过利用视频生成模型学习到的对象动力学先验，为静态3D对象赋予交互式动力学。这种方法允许在缺乏真实物体物理属性数据的情况下，模拟出对新颖交互（如外力或代理操作）的真实反应。PhysDreamer通过用户研究评估合成交互的真实性，推动了更吸引人和真实的虚拟体验的发展。
AI快站是一个为AI开发者设计的服务平台，提供HuggingFace模型的免费加速下载，解决大模型下载缓慢和断开的问题，支持高达4M/s的下载速度，大幅减少等待时间，提高开发效率。
Llama-3 8B Instruct 262k是一款由Gradient AI团队开发的文本生成模型，它扩展了LLama-3 8B的上下文长度至超过160K，展示了SOTA（State of the Art）大型语言模型在学习长文本操作时的潜力。该模型通过适当的调整RoPE theta参数，并结合NTK-aware插值和数据驱动的优化技术，实现了在长文本上的高效学习。此外，它还基于EasyContext Blockwise RingAttention库构建，以支持在高性能硬件上的可扩展和高效训练。
CoreNet 是一个深度神经网络工具包，使研究人员和工程师能够训练标准和新颖的小型和大型规模模型，用于各种任务，包括基础模型（例如 CLIP 和 LLM）、对象分类、对象检测和语义分割。
Llama中文社区是一个专注于Llama模型在中文方面的优化和上层建设的技术社区。社区提供基于大规模中文数据的预训练模型，并对Llama2和Llama3模型进行持续的中文能力迭代升级。社区拥有高级工程师团队支持，丰富的社区活动，以及开放共享的合作环境，旨在推动中文自然语言处理技术的发展。
Interactive3D是一个先进的3D生成模型，它通过交互式设计为用户提供了精确的控制能力。该模型采用两阶段级联结构，利用不同的3D表示方法，允许用户在生成过程的任何中间步骤进行修改和引导。它的重要性在于能够实现用户对3D模型生成过程的精细控制，从而创造出满足特定需求的高质量3D模型。
GraphRAG (Graphs + Retrieval Augmented Generation) 是一种通过结合文本提取、网络分析以及大型语言模型（LLM）的提示和总结，来丰富理解文本数据集的技术。该技术即将在GitHub上开源，是微软研究项目的一部分，旨在通过先进的算法提升文本数据的处理和分析能力。
Qwen1.5-110B是Qwen1.5系列中规模最大的模型，拥有1100亿参数，支持多语言，采用高效的Transformer解码器架构，并包含分组查询注意力（GQA），在模型推理时更加高效。它在基础能力评估中与Meta-Llama3-70B相媲美，在Chat评估中表现出色，包括MT-Bench和AlpacaEval 2.0。该模型的发布展示了在模型规模扩展方面的巨大潜力，并且预示着未来通过扩展数据和模型规模，可以获得更大的性能提升。
ID-Aligner 是一种用于增强身份保留文本到图像生成的反馈学习框架，它通过奖励反馈学习来解决身份特征保持、生成图像的审美吸引力以及与LoRA和Adapter方法的兼容性问题。该方法利用面部检测和识别模型的反馈来提高生成的身份保留，并通过人类标注偏好数据和自动构建的反馈来提供审美调整信号。ID-Aligner 适用于LoRA和Adapter模型，通过广泛的实验验证了其有效性。
Bundle of Joy是一个为准父母设计的应用程序，可以在几秒钟内为他们的新生儿浏览和筛选名字。该应用根据父母的偏好推荐名字，并根据父母的喜好进行学习，为他们提供适合他们口味的新的推荐。父母可以指示宝宝的性别，然后选择以下两个选项之一：名字的首选来源、宗教、主题、首字母和含义。他们开始根据自己的独特偏好获得漂亮的宝宝名字推荐。他们可以随时修改这些偏好，并继续根据自己的口味获得新鲜的推荐。
StudyBoosterAI通过AI技术提供个性化支持，包括定制化学习材料、生动的学习内容、个性化学习计划等，帮助学生更有效地学习和记忆知识。
SNAPVID是一款智能视频编辑工具，利用AI技术提供多个热门视频剪辑建议，用户只需点击一次即可创建多个病毒式视频剪辑。同时，用户可以根据需要自定义剪辑长度和风格，并添加自定义的字幕和动画表情。SNAPVID还支持批量导出和品牌定制，使用户能够轻松导出自己喜欢的视频剪辑并保存项目设置，方便在多个项目中复用。通过AI B Roll技术，SNAPVID还可以自动添加相关的库存视频，提升视频的沉浸感。
