搜索
刚刚，阶跃星辰联合吉利汽车集团，开源了两款多模态大模型！新模型共2款：全球范围内参数量最大的开源视频生成模型Step-Video-T2V行业内首款产品级开源语音交互大模型Step-Audio多模态卷王开始开源多模态模型，其中Step-Video-T2V采用的还是最为开放宽松的MIT开源协议，可任意编辑和商业应用。
MattoBoard，一家旨在简化室内设计师和建筑师创作过程的云端软件，正在进入人工智能领域。周二，这家初创公司宣布完成 200 万美元的种子融资，将支持推出一项名为 Design Stream 的新功能，这是一款基于人工智能的视觉搜索和发现工具。
DreamTech，由牛津大学、南京大学等顶尖高校研究者组成的AI创业团队，在春节期间公布了他们在3D生成方向上的新工作成果——Neural4D 2.0（初版名为Direct3D），提出了创新性的3D Assembly Generation算法思路及更高效的模型架构
机器人界「球星」竟被CMU英伟达搞出来了！科比后仰跳投、C罗、詹皇霸气庆祝动作皆被完美复刻。2030年，我们将会看到一场人形机器人奥运会盛宴。
WebRTC（Web Real-Time Communication）是一个Google开源项目，允许浏览器/移动端直接进行实时音视频流传输，典型应用场景：视频会议、屏幕共享、文件传输、远程控制。
花名欧冶子，同济本科、北大硕士，08年毕业后进入建行总行从事应用架构和安全架构管理工作；16年加入百度，任主任架构师（T9），兼百度云技术部TC主席，是百度飞桨AI Studio第一任产品经理；18年加入贝壳找房，任高级总监，从零搭建贝壳找房的信息安全和业务风险治理体系；23年初创立欧冶科技，23年8月获得苹果资本天使轮融资，目前PreA轮融资进行中，由非凡资本服务。
在过去的两年里，城市场景生成技术迎来了飞速发展，一个全新的概念 ——世界模型（World Model）也随之崛起。当前的世界模型大多依赖 Video Diffusion Models（视频扩散模型）强大的生成能力，在城市场景合成方面取得了令人瞩目的突破。然而，这些方法始终面临一个关键挑战：如何在视频生成过程中保持多视角一致性？
据 TechCrunch 报道，Read.cv，一个与 LinkedIn 竞争的专业社交媒体平台，已被人工智能驱动的搜索引擎Perplexity收购。
对于 LLM，推理时 scaling 是有效的！这一点已经被近期的许多推理大模型证明：o1、o3、DeepSeek R1、QwQ、Step Reasoner mini……
近日，微软又有了新的重磅动作。微软 CEO 萨蒂亚・纳德拉（Satya Nadella）在官方博客上宣布，微软将组建一个全新的 AI 团队 ——CoreAI 。这一消息瞬间引发了科技圈的广泛关注，毕竟在 AI 领域，微软的每一次举动都可能预示着行业的发展方向。