图灵诺奖得主等大佬齐聚海淀！清华版Sora震撼首发，硬核AI盛会破算力黑洞

【蜂耘网   人工智能】中关村论坛举办以来的首个主题日活动：「人工智能主题日」

 

到场嘉宾，也是星光熠熠，大佬云集，还有着浓浓的国际范儿，与世界顶尖水平接轨。

 

一共161位嘉宾，近一半是外籍AI大佬和从业者。

 

而嘉宾阵容也是非常豪华，汇集了国内外30多名院士，还有诺奖、图灵奖得主，清北港科大等知名高校的校长副校长。

 

百度、蚂蚁、微软、亚马逊等世界领军科技企业，也都前来参会。

 

可以说，「人工智能主题日」堪称如今AI界的顶级盛会，亮点满满，精彩纷呈。

 

重磅技术成果发布

 

国产Sora，又上新了！

 

在今天的中关村论坛「人工智能主题日」上，生数科技联合清华大学，共同发布了最新的视频大模型「Vidu」。

 

Vidu生成的画面一亮相，就让全场惊呼——这个效果也太像Sora了！

 

 

在人物和场景时间一致性的保持上，Vidu的表现令人印象深刻。

 

 

而且，它生成的视频最长可达16秒左右，在时长上破了纪录。

 

甫一亮相，Vidu就得到了业内公认——

 

综合考虑时长、一致性、真实度、美观性等因素，它是「国产Sora」模型中当之无愧的佼佼者，是国内最能和Sora全面对标的视频模型。

 

清华大学人工智能研究院副院长、生数科技首席科学家朱军为我们放出了Vidu的以下演示。

 

一只小狗在游泳池里游泳，毛发纤毫毕现，狗脚划水的动作十分自然，和水的相互作用十分符合物理学原理。

 

 

人物眼睛的特写、做陶罐的女人手中正在转动的陶罐、一对坐着的男女同时抬头的动作，都刻画地细致入微，逼真到仿佛现实。

 

 

总的来说，Vidu具有以下几大特点——

 

模拟真实物理世界

 

森林里的湖边风光，无论是树、水面、云朵，还是整体的光影效果，很逼真写实。

 

 

汽车行驶在崎岖山路上的场景，也是非常经典的Sora演示。

 

Vidu模拟了非常真实的光影效果，连扬起的灰尘，都十分符合物理规律。

 

 

富有想象力

 

在这艘AI视频模型必考题中，Vidu生成的视频效果实在太惊艳！

 

画室里的一艘船驶向镜头的场景。

 

 

这道题，考验了模型虚构场景的能力，为了生成超现实主义的画面，它们需要具有超强的想象力。

 

理解多镜头语言

 

可以看出，Vidu能够理解多镜头的语言，不再是简单的镜头推拉。这样，就能模拟我们的摄影过程。

 

生成的这个视频中，要求它包含海边小屋、镜头过渡到阳台、俯瞰大海、帆船、云朵等元素。

 

Vidu生成的视频，具有复杂的动态镜头，远、近、中景、特写，以及长镜头、追焦等效果，都十分惊艳。

 

 

一镜到底，16s时长

 

而在这个视频中，Vidu展现出了16s的超长「一镜到底」。

 

而且，视频完全是由单一大模型生成的，不需要任何插帧、剪切，直接就实现了端到端的生成。

 

 

超强时空一致性

 

要求它以《戴珍珠耳环的少女》为灵感，生成一只蓝眼睛的橙色猫，可以看出，Vidu生成了连贯的视频。

 

从旋转的各个视角看，都非常逼真，甚至让人产生了「这是一个3D模型」的错觉。

 

 

它生成的视频中，人物和场景在时空中始终保持一致。

 

理解中国元素

 

相比国外的AI视频模型，Vidu也更理解中国元素。

 

熊猫、龙这样的中国元素，它都能理解和生成。

 

 

和Pika、Gen-2比起来，Vidu的表现也丝毫不弱。

 

一艘木头玩具船在地毯上航行。

 

两位对手的视频一个只有4s，一个更是画面简单的循环播放，而Vidu的视频以16s的自然画面秒杀了它们，在一致性的保持和语义理解上，也都非常突出。

 

用和Sora同样的prompt，Vidu的表现甚至更好。

 

Sora并未理解旋转的镜头是什么意思，而Vidu不仅表现出了旋转，还保持了一致性的效果。

 

 

几分钟的视频结束，全场响起经久不息的掌声。

 

之所以能在短时间做出如此惊艳的视频AI模型，离不开团队的长期积累和多项原创成果。

 

团队的技术路线，竟也和Sora的高度一致。

 

 

全球首个低碳、高性能多语言LLM

 

此外，全球首个低碳、高性能、低幻觉多语言大模型Tele-FLM，由北京智源人工智能研究院与中国电信人工智能研究院（TeleAI）在今天正式联合发布——所有核心技术、权重、训练过程中的各种细节全面开源。

 

520亿参数的Tele-FLM在2T token的数据上，用时2个月完成训练。

 

 

值得一提的是，据Meta3官网信息，Llama 3-70B模型的训练，可能使用了近5万块H100。而Tele-FLM仅用了896×A800的算力，完成了训练。

 

 

此外，模型训练过程还对数据质量进行严格把控。

 

通过使用高质量的中文数据，虽然只占30%，但Tele-FLM的中文能力明显超越了对标的模型，取得了领先的成果。

 

 

未来，还将推出千亿、六千亿、甚至万亿参数版本，而且都将全部开源，供所有人使用。

 

 

顺便提一句，会上最精彩的部分，莫过于机器人上台表演了。

 

看看来自宇树科技的这只机器狗，倒立行走，简直太飒了。

 

BBB除了颇有前沿范儿的技术成果发布，人工智能主题日上，国内大佬的演讲也是干货满满。

 

大佬演讲精彩亮点

 

北大教授、中科院院士鄂维南的演讲，让我们重新审视，大模型+大数据库相结合的价值所在。

 

如今，我们能够畅想人工智能的未来，那都是因为有一个最基本的工具——深度学习。

 

其实，深度学习很早就诞生了。

 

但真正将其带向世界，释放出重大威力的标志性事件便是——2012年，Hinton和两位学生训练的大型深度神经网络一举赢得ImageNet大赛。

 

 

每个人都知道，若想开展机器学习研究，需要有三个最基本的工具：

 

一是模型工具，借助诸如Pytorch、TensorFlow、MindSpore等工具，AI开发者才能写出深度神经网络。

 

二是算力工具，当然非GPU莫属，再结合CUDA这样的架构，实现高效的算力利用率。

 

三是数据工具。

 

 

现在，全世界包括OpenAI、谷歌等在内的公司，都希望获取高质量的数据。同时，数据稀缺已然成为LLM训练的一大难题。

 

也正是在数据这个领域，现在的发展还不是很成熟，缺少可以利用的工具。

 

对于数据的处理，大家还是主要凭经验，没有一个完整的系统，去解决这一问题。

 

其中，「非结构化数据」处理，是机器学习方法的主要困难之一。

 

如果我们可以将文本、视频之类的数据，能够将其放在一个表格当中，那将会大大降低ML门槛。

 

就在这个月初，国际上第一个AI「非结构化数据库」MyScale正式宣布开源。

 

通过自研高性能和高数据密度的向量索引算法，成为目前综合性能最好，功能最强的AI数据库。

 

 

LLM+大数据双轮驱动

 

那么，现在有了如上这些能力，接下来可以做什么？

 

或者说，下一个技术路线是什么？

 

 

当我们将所有数据放在「数据库」中，基于此，就可以构建各种各样的小模型，由此产生了「模型库」。

 

最后，就可以通过操作系统对模型进行调度。

 

这样的优势在于，不仅可以将所有结构化数据，以及非结构化数据，放在同一个数据库中，还能通过常见的SQL语言实现搜索查询。

 

此外，还可以很高效地训练出小样本的数据模型。与训大模型不同，训练小模型，如何选取数据是非常困难的。

 

比如针对自动驾驶场景，无用样本只会影响模型的效率和精度问题。

 

有了AI数据库，就可以快速获取相应的样本数据，比如红灯、左转弯等。

 

由此一来，训练后的自动驾驶模型，准确率可以提升50%-90%。

 

 

除此以外，模型管理平台，可以提供对模型全周期的管理。

 

 

一个很典型的场景是——政府智慧城市管理，以前遇到的是数据孤岛的难题，到现在的模型孤岛。

 

每个企业基于不同的模型做一个应用，由此带来的问题是，正度很难实现全面、方便快捷的管理。

 

而云平台的出现，可以让企业基于此做低门槛的开发，根据需求即可调用成千上万的模型。

 

 

而现在，大模型诞生可以大大提升基础AI能力，还有可以实现具体任务的Agent。

 

接下来，就可以在原来框架下稍作改动：

 

- 小模型改成Agent

 

- 模型生产平台以预训练模型作为基座

 

 

另一方面，模型操作系统可以将模型和任务完成对接。

 

比如，把政府的需求梳理后，针对每个需求去做一个模型，结果就会产生很多模型。甚至一个需求，需要做不同的模型。

 

然而，针对复杂场景，模型操作系统却很难将模型和任务完成对接。

 

鄂维南院士表示，「这恰恰是未来大模型能够提供的真正的核心能力——一个能完全将模型和任务匹配的操作系统」。

 

另外，大模型还可以和大数据库进行结合。

 

 

比如，鄂维南院士预告的团队成果——Science Navigator平台。

 

它是将所有理工科的文献塞到一个数据库里，由此训出的文献大模型，具备了查询文献、提供论文写作灵感等能力。

 

未来，还可设想将国家图书馆所有资料塞进数据库中，让模型释放出更大的潜力。

 

总而言之，想要训出优质大模型，构建一个高效的数据处理的系统，是关键所在。

 

 

光电智能计算登上Nature

 

接下来，是中国工程院院士、中国人工智能学会理事长戴琼海对于光电智能计算方面的介绍。

 

要说大模型再发展下去，面临的最大危机是什么？

 

大家都知道，答案无疑就是算力和电力的巨大缺口了。

 

如今，GPT系列的研究，已经累计投入了超过30亿美元。

 

 

AI模型的耗电，实在是太猛了！

 

ChatGPT每天的能耗高达70万美元，而在十年内，大模型计算将消耗我国每年发电量的5%到10%！

 

 

黄仁勋、Sam Altman、马斯克等大佬，也都纷纷预言：下一波AI消耗的电力将远远超过预期，能源系统难以应对。超级AI，将成电力需求的无底洞！

 

 

如今的主流通用芯片就是GPU，此外还有延长线，即专用芯片，这些都是基于电子电路的发展。

 

 

而第三条路，就是新型的计算架构，比如量子计算、存算一体、光电计算。

 

能否从电子电路，改变成光的载体？1966年，「光纤之父」高锟打开了光通信的大门。

 

 

不过有一个问题是：功耗下来了，算力却一直提不上去。

 

为此，我国在国际上第一个提出了一个，大规模可重构衍射计算处理器（DPU）。

 

 

在架构突破上，我国团队首次提出了光-电-光融合可重构计算方法；在非线性突破上，首次提出了光电探测非线性激活函数。

 

 

光电之间的ADDA转换，要花费巨大的功耗，这就是一个最重要的瓶颈。

 

 

在此基础上，团队提出了光电混合全模拟的智能计算架构，研制了ACCEL芯片，突破了光电模数的转换瓶颈，直接让系统级能效提升了百万倍！

 

这项研究去年已在Nature上发表，同样属于中关村创新成果。

 

 

如今，ACCEL芯片已经在很多任务级开展了工作，让能耗大大下降。

 

 

相比英伟达A100，ACCEL芯片让系统级算力提升了3个数量级，能效提升了6个数量级。

 

在国际上的整个光芯片领域，都处在最前沿。

 

 

不过，真正的大模型训练和推理，还是存在一个关键的问题：深度网络做不了深，层数就非常有限。

 

于是，团队又提出了一个新的架构——大规模智能光计算芯片「太极」。

 

电子的深度网络架构可以做一百层、两百层，但光却做不了深，怎么办？

 

团队的办法是，化「深」为「广」，其中有干涉也有衍射，用干涉来做广，用衍射来做深，这就把以前的深度架构改成了拉伸的架构。

 

横纵结合，是为太极。

 

 

两种光性质结合在了一起，就建立了任务编码宏观拆分机制。具有「广度」的光神经网络，就能支撑复杂的智能任务。

 

 

甚至能做100多层的深度网络。

 

而下图中的蓝色线条，即为衍射。干涉和衍射，就像乐高拼玩具一样，拼在一起，就可以做大模型的光计算应用。

 

大规模的太极光计算芯片，完全可以支持现在的图像分类、多种音乐风格的生成。

 

 

在未来5G和智慧城市结合，会带来庞大的瞬时数据通道，让端侧处理面临着严峻挑战。

 

比如下面这个超大的视频，如果由A100来跑，还需要8台到10台以上才可以。而光芯片只需要一台，就可以进行这方面的应用了。

 

因此，光电智能计算，可以支撑智慧城市、智能安防等产业链。

 

 

未来， 团队还计划构建一个光算力实验室，总之，太极芯片非常有望实现工业场景的应用。

 

海淀区优势聚集

 

以上重磅成果，恰好都诞生在海淀。为什么？

 

仔细分析可以知道，这种现象是一种必然。

 

人才+生态

 

在海淀，汇集了高密度的人才和生态土壤。

 

 

要说海淀区的AI人才浓度，说一声全国TOP 1应该不算过分。

 

在这里，汇聚起了1.23万人工智能学者，和89位AI2000全球顶尖学者。

 

全国AI人才看北京，北京AI人才看海淀。

 

已经「出厂」的人才，密密麻麻地分布在海淀的近千家企业。海淀的AI企业，直接占全北京的2/3，全国的1/5。

 

还在校的人才，也正紧锣密鼓地培养中。

 

全海淀的37所高校中，设立AI专业的高校，就高达21所。

 

人才、企业、算力基础设施布置，海淀是妥妥的一条龙布局。

 

说一声AI建设创新策源地和产业高地，海淀区是当之无愧。

 

从小学就开始了

 

AI人才从什么时候开始培养？在海淀区，答案是小学生。

 

海淀区教育委员会，在海淀区的中小学内，正在建设「大模型+教育」场景。

 

为此智源研究院构建了一套基础教育专属知识库，为小学的3个学科、中学的6个学科，提供了2000套试题。

 

在学校，孩子们不仅有人工老师，还有AI老师。

 

海淀区的小学生和中学生们，在课余时间可以随时向AI老师提问。各种学段、各种学科，AI老师都能为孩子们提供一对一精讲答疑。

 

纵观全区，已经有36所学校的近3万名学生，用上了AI产品。

 

作为全区AI教育的先锋，中关村三小已经基于多种大模型平台，构建出本校的模型对接平台了！

 

在这个平台上，设定好了学校专用的「知识库」，可以对接不同的模型引擎，分析知识库内容，做相应的输出。

 

目前，中关村三小的小学生们，已经拥有了自己的「小学信息科技课标助手」「小学语文学科课标助手」「六年级下册」专用模型了！

 

 

海淀名校北京一零一中学，也和北京大学前沿计算中心、腾讯公司合作建立了人工智能AI实验室。

 

在实践的探索中，几方联合构建出了三级人工智能实验室课程体系，包括人工智能校本课程、大中贯通课程、校企联合课程。

 

另一名校十一学校，则直接组建了一支AGI应用研究项目团队。

 

在这里，老师们会使用智谱清言和Kimi Chat等国产大模型，来加持自己的教学设计国产，文章、报告、教案的生成，都比以往快了不少倍。

 

 

高校云集，精英汇聚

 

连中小学都已经用AI工具全面「武装」，那就更不用说，位于海淀的清华、北大、北航、人大、北大、北理工等响当当的全国顶级高校了。

 

强强联合，会碰撞出怎样的火花？

 

在高校层面，海淀区政府已经率先打通了多项深度合作。

 

和清华，海淀区签订了「共建人工智能产业高地」战略合作协议。

 

这项深入合作，将围绕AI创新平台建设、核心技术攻关、科技成果转化等多方面，共同整合双方资源。

 

 

其次，海淀区与北航签署了合作备忘录，共建AI产业高地。

 

未来，双方还会在促进科教融合发展、推动产业规模集聚、深化人才培养与交流、优化人文环境建设等方面，开展深入合作。

 

 

同时，海淀区还与人大签署了共建人工智能产业高地合作备忘录，在人工智能理论研究、技术协同攻关、高端智库建设、人才培养等方面紧密对接，加速科研成果转化落地，推动人工智能健康发展，全力建设好中关村人工智能产业集聚区。

 

 

最后，海淀区会继续与北邮、北大、北理工等高校，在核心技术攻关、人才交流培养、产业集聚发展、科技成果转化等领域展开深入合作，加快形成新质生产力。

 

AI产业高地，已然在逐渐建成。

 

全国重点实验室落地

 

与此同时，海淀区服务落地了多个人工智能领域全国重点实验室。

 

海淀区积极对接全国重点实验室，重点落地建设清华大学互联网体系结构室、北京大学微纳电子器件与集成技术等人工智能领域相关全国重点实验室，加强区域共建，推动优势学科向纵深突破。

 

 

深度对接区内人工智能领域全国重点实验室，服务支持全重发展建设，推动优质科技成果落地海淀。

 

科技成果转化平台

 

如何让高校成果走向实验室？如何让AI技术更好地服务企业和社会？

 

为了打通科技成果转化「最初一公里」，概念验证中心如雨后春笋般破土而出。

 

而当前，已有的清华、中科院等5家概念验证中心，已经踏出了成果转化的「第一步」。

 

此外，海淀区还正在筹建AI领域概念验证中心。

 

未来，还会有更多的科研成果在海淀区完成应用转化，随着产业聚集，这里将出现一片别样的创新生态。

 

 

（蜂耘人工智能网   责任编辑：行云）