国产AI大模型

7 月 4 日，商汤科技在世界人工智能大会（WAIC）上发布了首个「可控」人物视频生成大模型 Vimi，通过一张任意风格的照片就能生成和目标动作一致的人物类视频，并支持多种驱动方式，可通过已有人物视频、动画、声音、文字等多种元素进行驱动。 与图片表情控制类技术只能控制头部表情动作不同，商汤称 Vimi 不但可以实现精准的人物表情控制，还可实现在半身区域内控制照片中人物的自然肢体变化，并自动生成与人物相符的头发、服饰及背景变化。 同时 Vimi 可稳定生成 1 分钟的单镜头人物类视频，画面效果不会随着时间的变化而劣化或失真，满足娱乐互动等需要长时间稳定视频生成需求。据了解，Vimi 将完全面向 C 端用户开放使用，用户只需上传不同角度的高清人物图片，即可自动生成数字分身和不同风格的写真视频。（IT之家）

7 月 2 日外媒消息，根据美国专利商标局的文件，TikTok 5 月在美国为人工智能聊天机器人软件申请了「Genie」商标，该软件的功能包括模拟对话、促进人类与人工智能之间的互动和沟通，并产生类似人类的语音和文本。 2023 年，它似乎正在测试一款名为 Tako 的人工智能推荐聊天机器人，这可能会表明根据用户请求制作视频。近期，TikTok 为其广告服务推出了新的人工智能功能，例如数字化身和人工智能配音。但最近的商标申请似乎更进一步，表明它正在开发一个成熟的聊天机器人。（SEMAFOR Technology）

7月1日，腾讯宣布旗下大模型应用“腾讯元宝”AI搜索能力升级，上线深度搜索模式。据介绍，更新到最新版本后，腾讯元宝将在AI搜索深度模式下对问题进行扩展，从深度和广度两方面，提供更结构化、更丰富的回答，并可同步生成内容大纲、思维导图及相关人物事件梳理，帮助用户全景式了解搜索内容。数据显示，当前在大模型相关产品的使用中，超过65%的用户需求集中于提升工作与学习效率，其中“搜索问答”需求占比高达45%。

6 月 27 日，科大讯飞在北京正式发布讯飞星火大模型 V4.0，以及在医疗、教育、商业等多个领域的人工智能应用。讯飞星火 V4.0 七大核心能力全面升级，不仅在 8 个国际主流测试集中排名第一，领先国内大模型，并在文本生成、语言理解、知识问答、逻辑推理、数学能力等方面实现对 GPT-4 Turbo 的整体超越。

华为开发者大会（HDC 2024）上，华为盘古大模型5.0发布，提供三个方面升级：提供全场景全系列大模型；升级多模态能力，比如增加10K分辨率图像理解能力；强思维能力。

快手视频生成大模型“可灵”再度进化，正式推出图生视频功能，支持将任意静态图像转化为生动的5s精彩视频，搭配创作者输入的不同文本，可生成多种多样的运动效果。可灵还同步发布了业内领先的视频续写功能，支持对已生成的视频一键续写和连续多次续写，单次可让视频延续约5秒，最长可生成约3分钟视频。

在2024创投十年高峰论坛上，金沙江创投合伙人朱啸虎发表主题演讲。他表示，对中国创业者来说，最核心的不要在大模型研发上，尤其是不要在底层技术上投入研发，因为大模型已经很强大了。做AI不需要砸钱的，不需要很大算力的，任何一个人告诉你做AI需要投入很多的钱他都是在忽悠你。找到合适的垂直场景切入，也是很大的机会。（新浪科技）

6 月 20 日，腾讯旗下 AI 大模型应用「腾讯元宝」进一步升级 AI 搜索及解析能力。 最新版本的腾讯元宝可支持单文档最长 1000 万字的超长文处理，能够一次性解析最多 50 个文件（单个文件大小不超过 100MB），支持上传和解析包括 pdf、doc、txt、xlsx、pptx 在内的多种文件格式，并可基于解析内容，一键生成多种数据图表。 不仅如此，它还能解析 URL 网址和各类链接，并对多个链接内容进行总结与对比分析。同时，腾讯元宝增加了对 png、jpg、jpeg、webp、bmp 和 heic 等多种图片格式的识别解析。 此外，腾讯元宝通过 AI 搜索增强，接入了微信搜索、搜狗搜索等搜索引擎。

图灵奖得主、Meta首席AI科学家杨立昆联合Abacus.AI、纽约大学等机构推出全新的大模型测评基准LiveBench AI，并公布首个测评榜单。阿里云通义千问Qwen系列共有7款模型进入榜单，分别是Qwen2-72B、Qwen1.5-72B、Qwen1.5-110B、Qwen1.5-7B、Qwen1.5-4B、Qwen1.5-1.8B、Qwen1.5-0.5B。其中，大模型Qwen2-72B成为排名最高的开源大模型，是前十榜单中唯一的开源大模型、唯一的中国大模型。

国际数据公司IDC发布《中国大模型市场主流产品评估，2024》，从基础能力到应用能力7大维度对11家大模型厂商的16款市场主流产品进行实测。结果显示，百度位于第一梯队，是唯一一家在7大维度上均为优势厂商的企业。百度旗下生成式AI产品文心一言和文心一格在问答理解类、推理类、创作表达类、数学类、代码类的基础能力，toC通用场景类、toB特定行业类的应用能力等7大维度均具备优势。