【AI多模态进展简评】国金计算机

【AI多模态进展简评】国金计算机 9月底，META和OpenAI相继发布各自在多模态领域的进展（AnyMAL和GPT-4V），推动了AI在多模态领域的持续进步。要点如下：AnyMAL在LLAMA-2的基础上做了提升，除了视觉信号之外，也允许输入音频、IMU传感器数据等其他模态的信号，利好具身智能/人机交互的发展。此外，70B的AnyMAL模型在单个80GB VRAM的GPU上面就可以跑，资源节约了一半，预计训练效率会大幅提升。GPT-4V从多项任务上探索了多模态大模型的潜能，认为多模态能力的进步可能会催生新的人机交互方法，未来在比如制造业缺陷检测、自动收银、医学图像、保险定损、图像生成/编辑、物理世界/网页浏览导航（自动驾驶/进阶的RPA）等等这些方向上可能会有较强的应用潜力。多模态算法的进步预计会催生相应应用的飞速发展，建议关注： 1）模型应用：科大讯飞、商汤科技；2）数据加工：海天瑞声、易华录、浙数文化、零点有数；3）算力支撑：中科曙光、易华录、神州数码、寒武纪、海光信息、拓维信息、浪潮信息；4）应用场景：金山办公、同花顺、恒生电子、宇信科技、汉得信息、泛微网络、致远互联、虹软科技、万兴科技、福昕软件、海康威视、大华股份、千方科技、彩讯股份、汉仪股份、拓尔思、萤石网络，鼎捷软件；5）AI安全治理：永信至诚、安恒信息、奇安信、美亚柏科、三未信安； 点此跳转：【AI多模态进展简评】国金计算机9月底，META和OpenAI