商汤日日新大模型90天大升级!CEO现场整活,主打突破想象力
延参法师都被“请”来了
金磊 发自 WAIC
量子位 | 公众号 QbitAI
商汤“日日新”AI大模型,如其名,真的做到了日日新。
这不,从发布到现在,时隔仅仅3个月,商汤便正式宣布:
商汤日日新(SenseNova)大模型体系全面升级。
那么这个升级版本又有哪些优化?
话不多说,直接上结果。
例如基于日日新的千亿参数语言大模型商量2.0(SenseChat),在三个全球权威测评基准中的表现,均超越了ChatGPT:
除此之外,基于日日新的其它各大AIGC平台,这次也一口气也都来了个大升级:
- 秒画3.0(SenseMirage):参数量提升至70亿量级,实现专业摄影级图片细节刻画。
- 如影2.0(SenseAvatar):语音和口型流畅度提升30%以上,实现4K高清视频效果。
- 琼宇2.0(SenseSpace):空间重建效率提升20%,渲染性能提升50%。
- 格物2.0(SenseThings):渲染精度大幅提升,对物品纹理及材质的还原达到毫米级精细度。
在现场,商汤CEO徐立也拿着秒画3.0搞起了花活:
人没去CVPR 2023现场领奖(商汤斩获今年最佳论文),那就直接让秒画来生成。
不会弹吉他、不会画画,没关系,继续生成:
咱就是说,城会玩儿了。
那么全新升级的日日新,更多产品的具体表现如何?我们继续往下看。
不只是超越了ChatGPT这么简单
1、让老子和孔子对话
整体来看,商量的模型基础能力在2.0版本有了大幅的提高,这点我们从上文提到的性能超越ChatGPT便可有直观感受。
在模型的体系方面,商汤除了推出商量2.0(SenseChat XL)之外,还推出了一个商量S版(SenseChat S),也就是小模型版本。
徐立便在现场展示了用这两个模型展示了一波“孔子对话老子”的情景:
在语言方面,它新增了一些地区语言,例如阿拉伯语和粤语等;以及支持简体中文、繁体中文、英语等多种语言交互。
同样是这场“孔子对话老子”,粤语版本是这样的:
同时,商量2.0还突破了大语言模型输入长度的限制。
例如给它一个指令:将超长的英文文本总结为中文概要,商量2.0便可立即执行这样复杂的任务。
不仅如此,用户还可以基于此进一步进行多轮对话:
最后,商量2.0还发布了一个“外挂”——知识库挂载:
无需训练模型,就可以快速融合知识生成;搭配企业知识库可以快速解决相关领域问题。
2、生成摄影级图像,提示词可以自动补充了
在文生图方面,商汤的秒画升级到了3.0版本,从功能升级的内容上来看,主打的就是一个“突破想象力”。
例如在轻量级方面,现在每个人都能通过拖拽的动作,在10分钟内微调模型,并且定制化个人专属的生成AI。
我们在上面提到的徐立“搞花活”便是个很好的例子。
在“智能化”方面,根据提示词(prompt)来生成AI绘画作品不会再变得很繁琐,因为现在就连提示词都可以自动补充了。
以往我们想让AI生成一条龙,可能就会输入“中国龙”、“蓝色摆件”、“珠宝风格”,但往往由于提示词过于简单,并不能达到特别精细的效果。
而现在,同样是只输入这三个短语,秒画3.0会自动对提示词做补充,然后生成更为惊艳的作品:
再来感受一下提示词“阳光下的塑料袋”,在被自动扩充后的效果:
最后在效果方面,秒画3.0现在生成的图像,无论是成片水准还是细节与元素,都能够达到影视级的效果。
除了单打独斗的能力之外,当商量2.0和秒画3.0结合之后的多模态大模型,也衍生出了一种新玩法——热点事件理解。
在对话过程中“喂”它一张图片或视频,便可以看图说话,更加深入且精准的描述素材中的内容。
3、延参法师也“来现场”了
数字人方面的如影2.0也是本次商汤产品大升级的重点。
这不,在现场商汤便展示了延参法师等知名人物的数字人效果,无论是声音(口音)亦或是神情,真的可以说是栩栩如生。
还有包括主持人张泉灵、经济学家任泽平、上交大教授季卫东等等,堪称上演了一出“百变大咖秀”。
在语言方面,如影2.0打造的数字人在英语、日语、西班牙、阿拉伯语等多语种的精准度提升30%以上,而且口型和语音匹配得更加自然。
在生成效果方面,如影2.0支持实现影级4K高清视频的输出,可以让成片更加精良。
如影的升级也同样带来了一种新玩法——
现在,用户可以通过输入提示词自动生成与描述匹配的专属数字人形象了!
而且还是可以实现数字人歌唱功能的那种。
这便极大地降低了虚拟网红、数字人短片等内容生成的门槛。
4、无论1万平米还是1毫米都能hold住的3D重建
最后在3D重建、数字孪生领域,商汤同样带来了大升级——琼宇2.0和格物2.0。
先来看下这样一个恢弘的场景:
如果不说这是琼宇2.0 3D重建的结果,或许很多小伙伴都会以为是航拍的视频了。
据了解,琼宇2.0目前已经实现了厘米级三维重建精度,室外每1万平米精度达5厘米,室内每1000平米精度达1厘米。
同时,重建效率提升20%,渲染性能提升50%,100平方公里场景的建图时间仅需38小时即可完成(1200 TFLOPS/秒算力支持)。
除了这种宏观场景的3D重建之外,在微观层面上的3D重建能力,随着格物迭代到2.0版本也有了大幅提升——
对物品纹理及材质的还原达到毫米级精细度,能够带来更清晰、更真实的产品细节体验。
更重要的是,格物2.0还突破了高反光和镜面物体采集这种老大难的问题,是无需贴纸或标签,即可精确还原商品的外观和特征的那种。
不难看出,日日新大模型在步入2.0时代之后,各项AIGC平台的能力都有了显著的提升。
那么接下来的一个问题便是:
如何在3个月内做到的大升级?
早在三个月前,商汤站在AGC新时代下,围绕数据、算法和算力三要素给出了一个新公式:
计算量(GPU数量 x 运行时间 x 并行效率 )= 模型参数量 x 处理数据量。
我们先来看下等式右边的两个因素:
模型参数量要足够多,才能实现AI智慧的涌现,而这也带来了对算力的剧增,需要更高的并行效率,才能有效支持大参数模型训练。
数据方面,高质量自然语言数据逐渐稀缺,而视觉数据相较自然语言在数量、质量、容纳信息等方面有多种优势,能够使得AI更好地理解世界。
二者的深度结合,便有了等式左边的计算量;而之于这两者,商汤有自己的一套“打法”——
大模型+大装置。
首先便是大模型方面,日日新虽然是商汤于数月前发布,但它并非是这一波AIGC热潮中一蹴而就的产物。
因为早于5年前,商汤便已经着手于此,而且在2019年便使用上千张GPU进行单任务训练,推出了10亿参数规模的视觉模型,算法效果达到了当时业界最佳。
在后来的2021年至2022年期间,商汤还训练并开源了30亿参数的多模态大模型“书生”。
因此,商汤能够迅速推出千亿参数大模型并实现版本迭代,可以视为是长期以来各种“小作业”的汇总而成的“大作业”。
其次是在大装置方面,也就是商汤在大算力中的“打法”,它与自身大模型的发展也有异曲同工之妙——同样也是早有布局。
在2022年1月,商汤交付使用了首付高达56亿元的人工智能计算中心(AIDC),而且是“出道”即成为亚洲最大的AI超算中心之一。
一年前它的算力就已经高达了3740 Petaflops,可以轻松应对万亿参数的大模型;而时隔仅1年,这个数值便翻了一小番,达到了5000 Petaflops。
这又是什么概念呢?
举个例子,在如此大装置的加持之下,它可以以最大4000卡规模集群进行单任务训练,并可做到七天以上不间断的稳定训练。
……
总而言之,有大数据、有大算力、有大模型,所以商汤能让日日新在3个月内完成版本迭代也就不难理解了。
但有一说一,这还是“商汤速度”的一隅而已。
大模型的落地也在提速
“商汤速度”的另一面,正是体现在了落地应用上。
如果你认为日日新的全面升级只是一个“提出”和“宣布”的动作,那就大错特错了,因为它已经是“上岗”了的那种。
例如结合商量2.0和秒画3.0的能力,商汤在移动端给客户带来了多种交互方面的“解法”。
针对信息获取的问答交互、生活场景的知识交互、语言和图像生成的内容交互等等,正因为商汤的大模型拥有轻量化版本,所以可以轻松在移动端上部署。
再如琼宇2.0为济南马山镇区域开发、合肥中国视界园区、上海瑞金医院等真实线下场景,打造了相对应的数字孪生,使得运营效率得到了大幅提升。
商汤还通过大模型能力为电网巡检带来长尾故障识别、复杂缺陷判断等智能解决方案。
而且商汤产品的升级,并非是单打独斗的那种,而是强强联手出奇迹。
例如我们刚才提到的“热点事件理解”便是其中之一,除此之外,商汤在智能汽车领域的绝影,更是融合了多个“看家本领”。
例如多模态大模型(多模态感知)、语言大模型(车舱大脑)、知识融合(专属记忆模块)和AIGC大模型(定制数字人)等等。
也正如徐立在现场所述:
大模型的突破掀起了人工智能的新一轮技术革命,随之而来的是产业需求呈现爆炸式增长,全新的应用场景和应用模式正迅速涌现。
商汤希望通过‘大模型+大装置’持续推动AI基础设施能力的跃进提升,不仅打造通用能力更加强大的基础模型,也进一步高效融合不同垂直领域的专业知识,构建更懂行业、更具专长的专业大模型,从根本上降低大模型的下游应用成本和门槛,让大模型的产业价值在千行百业中绽放。
总而言之,现在的大模型之战,不仅是拼技术迭代的速度,更是拼应用和落地的速度。
- 陶哲轩推荐:2高中生发现勾股定理新证明,论文已发《美国数学月刊》2024-10-30
- 本科经典算法Dijkstra,被证明是普遍最优了:最坏情况性能也最优!2024-10-27
- 今天起,国产AI可以像人一样用手机了!一手实测在此2024-10-26
- 人在知乎,被AI总结了2024-10-29