中國(guó)版GPT-4o炸場(chǎng)：國(guó)內(nèi)首個(gè)流式多模態(tài)交互模型，現(xiàn)場(chǎng)實(shí)時(shí)且絲滑

十三 2024-07-05 19:04:13 來(lái)源：量子位

金磊 發(fā)自 WAIC

量子位 | 公眾號(hào) QbitAI

沒(méi)等到GPT-4o，商湯先把《Her》給發(fā)布出來(lái)了！

就在剛剛，商湯直接在現(xiàn)場(chǎng)來(lái)了個(gè)炸裂的Live Show，話不多說(shuō)，直接看效果：

（視頻地址：https://mp.weixin.qq.com/s/ytbGOtzGcqMeAIq_625_6A）

不僅聲音非常擬人（觀眾直呼好磁性），而且還是實(shí)時(shí)、隨時(shí)可以打斷的那種！

它宛如被安上了一對(duì)兒眼睛，可以做到精準(zhǔn)無(wú)誤的所見(jiàn)即所得。

就連手繪的粗糙的簡(jiǎn)筆畫(huà)，AI也能俏皮地跟人類(lèi)做互動(dòng)：

（視頻地址：https://mp.weixin.qq.com/s/ytbGOtzGcqMeAIq_625_6A）

一波Live Show秀下來(lái)，引得觀眾掌聲連連、“哇”聲一片。

這就是商湯發(fā)布的國(guó)內(nèi)首個(gè)流式原生多模態(tài)交互模型——6000億參數(shù)日日新5.5系列中的5o所達(dá)到的效果。

據(jù)了解，這是一種全新的AI交互模式，把文本、聲音、圖像還有視頻等模態(tài)全都囊括到了一起，可以讓AI跟人們交流的時(shí)候變得更加生動(dòng)豐富。

（視頻地址：https://mp.weixin.qq.com/s/ytbGOtzGcqMeAIq_625_6A）

可以說(shuō)是真·電影走進(jìn)現(xiàn)實(shí)了。

而且商湯CEO徐立現(xiàn)場(chǎng)表示，很快就可以用上了！

但新的AI交互模型，也還僅僅是商湯在這次發(fā)布中的一隅。

縱觀整場(chǎng)活動(dòng)，商湯可以說(shuō)是圍繞著日日新5.5，把多模態(tài)這事給玩兒得66的。

各位看官，咱們繼續(xù)往下瞧。

計(jì)算機(jī)巨佬們“活”了起來(lái)

你沒(méi)看錯(cuò)，商湯用新AI搞的另一個(gè)花活兒，就是“復(fù)活”了圖靈、馮諾依曼等計(jì)算機(jī)巨佬們。

并且還致敬了已故的人工智能科學(xué)家，商湯科技創(chuàng)始人湯曉鷗老師，徐立表示：

致敬我們的創(chuàng)始人湯曉鷗教授對(duì)人工智能的執(zhí)著，以及對(duì)于人才的培養(yǎng)，奠定了我們今天可以站在這里跟大家分享我們關(guān)于人工智能的一些想法。

請(qǐng)看VCR：

（視頻地址：https://mp.weixin.qq.com/s/ytbGOtzGcqMeAIq_625_6A）

這個(gè)新AI，名叫Vimi，是基于日日新5.5能力打造的首個(gè)可控人物視頻生成大模型。

而且是只需要一張任意風(fēng)格照片就能搞定、普通用戶(hù)都可以用、長(zhǎng)達(dá)1分鐘的那種哦~

要知道，“人物可控”這事一直是用大模型搞生成的一道難題，就連Sora在內(nèi)大模型也面臨無(wú)法精準(zhǔn)控制動(dòng)作、連續(xù)性不穩(wěn)定（突然變臉）等問(wèn)題。

但Vimi就不一樣了，它不僅能夠精確地控制人物的面部表情，還能在半身像的范圍內(nèi)調(diào)節(jié)人物的自然姿態(tài)。

并且也能夠自動(dòng)生成與人物相匹配的頭發(fā)、服裝以及背景的變化；時(shí)長(zhǎng)方面更是達(dá)到了分鐘級(jí)別。

由此，以后要是想打造一個(gè)自己的大片兒，例如冰雪女王，那就是一張照片的事兒了：

（視頻地址：https://mp.weixin.qq.com/s/ytbGOtzGcqMeAIq_625_6A）

以為這就完了？No，No，No。

你的表情包又要變豐富了。

總而言之，Vimi的出現(xiàn)可以說(shuō)是利好視頻創(chuàng)作者，讓他們有了另一個(gè)高質(zhì)量AI工具的選擇。

值得一提的是，Vimi還被這次世界人工智能大會(huì)（WAIC）官方授予了最高榮譽(yù)——鎮(zhèn)館之寶。

怎么做到的？

對(duì)于能取得上述效果背后的殺手锏技術(shù)，商湯在現(xiàn)場(chǎng)也做出了大揭秘。

一方面是架構(gòu)。

日日新5.5采用的是混合端邊云協(xié)同專(zhuān)家架構(gòu)，可以最大限度發(fā)揮云邊端協(xié)同，降低推理成本。

另一方面是數(shù)據(jù)。

日日新5.5在模型訓(xùn)練上基于超過(guò)10TB tokens高質(zhì)量訓(xùn)練數(shù)據(jù)，包括大量合成的思維鏈數(shù)據(jù)，其語(yǔ)言理解和交互能力全面升級(jí)。

因此，日日新5.5在數(shù)學(xué)、推理、編程等多個(gè)維度較上個(gè)版本具有較大的提升，尤其是在數(shù)學(xué)推理（↑31.5%）英文理解（↑53.8%）、指令跟隨（↑26.8%）等核心指標(biāo)方面。

那么這一點(diǎn)又該如何體現(xiàn)呢？權(quán)威評(píng)測(cè)榜單，便是一個(gè)很好的印證。

例如根據(jù)OpenCompass的評(píng)測(cè)，日日新5.5的平均分?jǐn)?shù)已經(jīng)與GPT-4o持平，并且多想細(xì)分維度的分?jǐn)?shù)是超越了GPT-4o的。

不要999，不要99，只要9.9元全年

除了多模態(tài)之外，端側(cè)，也是此次商湯著重的發(fā)力點(diǎn)之一。

現(xiàn)在的日日新端側(cè)模型5.5 Lite同樣也在性能指標(biāo)的各維度上做到了全面升級(jí)。

基于手機(jī)旗艦平臺(tái)，5.5 Lite首次安裝包的耗時(shí)僅為0.19秒，相較于之前的版本減少了40%。

它的推理速度提高了15%，達(dá)到每秒90.2個(gè)漢字的處理速度。

此外，商湯還推出了端側(cè)模型矩陣，其中包括商量Mini寫(xiě)作助手、總結(jié)助手和百科助手等專(zhuān)門(mén)定制的模型。

這些專(zhuān)項(xiàng)模型在相應(yīng)的場(chǎng)景下具有更優(yōu)異的性能，能夠滿(mǎn)足客戶(hù)復(fù)雜業(yè)務(wù)場(chǎng)景的需求，同時(shí)也能夠提供不同的專(zhuān)項(xiàng)模型供客戶(hù)選擇或定制。

而且基于日日新5.5的端側(cè)大模型還做到了“多快好”，還做到了“省”——每臺(tái)使用成本最低可達(dá)每年9.9元。

在企業(yè)方面，與商湯達(dá)成合作的企業(yè)用戶(hù)已經(jīng)超過(guò)3000家，覆蓋領(lǐng)域包括互聯(lián)網(wǎng)、醫(yī)療、金融和編程等等。

而說(shuō)到價(jià)格，說(shuō)到普惠，就不得不提商湯此次提出的“0元Go”計(jì)劃了：

即日起，成為商湯“日日新SenseNova”用戶(hù)，可獲得涉及調(diào)用、遷徙、訓(xùn)練等多項(xiàng)免費(fèi)服務(wù)大禮包。

同時(shí)贈(zèng)送5000萬(wàn)Tokens包，并且派出專(zhuān)屬搬家顧問(wèn)，讓新用戶(hù)入駐新家舒適順利。

那么看完商湯此次的整場(chǎng)發(fā)布，我們還需要回答一個(gè)問(wèn)題：

重塑交互為什么重要？

對(duì)于這個(gè)問(wèn)題，商湯CEO徐立給出了他的解讀：

我曾經(jīng)的想法是我們所處的行業(yè)雖然很熱，但它還沒(méi)有到超級(jí)時(shí)刻，是因?yàn)樗鼪](méi)有真正的走進(jìn)到一個(gè)行業(yè)的垂直應(yīng)用當(dāng)中引起廣泛的變化。

但現(xiàn)在我的想法有點(diǎn)改變，超級(jí)時(shí)刻和應(yīng)用應(yīng)該是互相成就的，只有超級(jí)時(shí)刻帶來(lái)的認(rèn)知的變化，最后才能推動(dòng)這樣一個(gè)應(yīng)用。

因此，應(yīng)用，或許就成為了決定這個(gè)時(shí)代是不是人工智能超級(jí)時(shí)刻的一個(gè)關(guān)鍵。

這也就是為什么商湯要推出流式原生多模態(tài)交互模型的原因了，只有做到了更豐富更精準(zhǔn)的多模態(tài)，以及更低延時(shí)更可控，方可讓?xiě)?yīng)用這件事更上一層樓。

總而言之，思路已然清晰，技術(shù)不斷進(jìn)步，屬于AI2.0的超級(jí)時(shí)刻或許正在加速向我們逼近。