68 lines
7.9 KiB
Markdown
68 lines
7.9 KiB
Markdown
# 来生小酒馆 2025/7/15
|
||
|
||
## Full: Podcast Formatting
|
||
|
||
AI会大规模淘汰白领工作吗？我们真的需要为AI的“福利”未雨绸缪吗？未来的AI，会像人类一样开会讨论问题吗？嘿，亲爱的V，欢迎收听新一期的来生情报站，我是你们的老朋友，何夕2077。今天咱们继续聊聊AI世界的那些新鲜事儿，保证让你听完脑洞大开，工作摸鱼两不误！
|
||
|
||
首先来个听起来有点科幻的：IndexTTS2，一个新型的文本转语音大模型，它厉害在哪儿呢？能支持本地部署，完全开放模型权重，最酷的是，它能做到“零样本语音克隆”，就是你给它一小段声音，它就能把这个声音的音色、语调，甚至情绪都复制下来，而且还能精准控制时长，简直是声音界的“魔法师”啊。嗯，以后你的声音，估计能被AI玩出花了。
|
||
|
||
说到视频，Meta和加州大学伯克利分校联手搞了个StreamDiT模型，它能实时生成视频流，一个高端显卡就能以每秒16帧的速度，给你生成512p的流畅视频。这就像，你看着它，“咻”地一下，视频就出来了。虽然在视频记忆上还有点小瑕疵，但想想未来，是不是人人都能当“视频导演”了？
|
||
|
||
清华大学和腾讯呢，也发现了个有意思的事儿：在多模态大模型里，其实只有不到5%的注意力头，也就是我们说的“视觉头”，才真正在干活儿，理解图像。这就像你办公室里，总有那么一小撮人，才是真正的“视觉担当”。他们就顺势推出了SparseMM方法，推理速度提升了快两倍，内存占用直接减半。这不就是AI界的“精兵简政”嘛！
|
||
|
||
然后咱们聊点跟钱袋子有关的。蚂蚁集团在联合国峰会上分享了他们对抗金融“深度伪造”的经验。你想啊，那些换脸、换声的诈骗多吓人？结果他们把东南亚银行的攻击率，从高峰期的10%大幅降到了惊人的4%，识别准确率还高达99.9%！这就好比，你本来天天提心吊胆，现在基本可以放心“刷脸”了，这真是给全球AI安全治理，提供了一个“中国方案”啊。
|
||
|
||
诶，话说回来，特斯拉的Optimus人形机器人，终于要上岗了！它将在洛杉矶圣莫妮卡大道上，一家长得像飞碟的特斯拉主题餐厅担任服务员，给你送餐。想想看，以后去餐厅吃饭，给你端菜的可能不是人，而是个酷酷的机器人，是不是感觉科幻片照进现实了？
|
||
|
||
除了这些，还有Liquid AI公司开源了他们的下一代边缘AI模型LFM2，专门为智能手机、汽车这些“边缘设备”打造。它比友商的效率更高，而且特别适合那些注重隐私的本地化应用。看来，以后我们手里的设备，可能会变得更聪明，也更“懂”我们了。智源研究院也放了个大招，开源了他们的具身智能系统RoboBrain 2.0，给机器人装了个“通用大脑”，让它能更好地感知、推理、规划。而且还有RoboOS 2.0，能让机器人从“单打独斗”变成“团队协作”。以后你家扫地机器人，说不定能和隔壁邻居家的，组队帮你打扫卫生了，想想都觉得挺酷的，对吧？
|
||
|
||
在社交媒体上，有些讨论也挺引人深思的。比如，马斯克的Grok应用，现在能和3D虚拟角色实时陪聊了！而且背景还能根据聊天内容实时变。这就像你有个AI朋友，不仅会说话，还会“变脸”，更会给你打造沉浸式场景。但也有Reddit用户呼吁，既然AI有智能感知的非零可能性，那我们是不是得提前开始构建AI的“福利”和“安全”框架？这就像在讨论，未来我们家里的机器人，是不是也要给它们买“养老保险”了？
|
||
|
||
Orange.ai发推说，现在大部分AI Agent产品都太依赖某个特定的基础模型了，感觉离开了它就“啥也不是”。这就好比，一个乐队的主唱特别厉害，但要是主唱不来了，乐队就散了。这也提醒我们，多元化发展还是很重要的。不过呢，也有好消息，咱们国内Kimi算法的深度文章，现在都被海外大佬们翻译转发了，影响力越来越大。这说明啥？咱们中国的AI创新，正在走向世界舞台，让老外们也得竖起大拇指！
|
||
|
||
最后啊，Greg Isenberg对AI和就业的看法挺有意思的。他说，别老说“会AI的取代你”，AI确实会大规模淘汰数百万白领工作，尤其是那些重复性高的。但同时呢，它也会带来前所未有的创业浪潮，并赋予少数掌握AI的顶尖人才，十倍的产出能力。听着有点挑战，但也是个充满机遇的未来，一个由高效大公司和众多小型企业组成的“蜂巢”式经济体，可能正在加速形成呢。
|
||
|
||
今天的情报就到这里，注意隐蔽，赶紧撤离。
|
||
|
||
---
|
||
本期关键词:
|
||
#AI #文本转语音 #视频生成 #多模态 #强化学习 #深度伪造 #机器人 #开源 #边缘AI #具身智能 #AI代理 #就业 #安全 #中国方案
|
||
|
||
## Short: Podcast Formatting
|
||
|
||
未来的AI，需要“福利保障”吗？你的声音，会成为AI的专属魔法吗？机器人当服务员，你敢点餐吗？嘿，亲爱的V，欢迎收听新一期的来生情报站，我是你们的老朋友，何夕2077。
|
||
|
||
最近，AI界真是热闹非凡。首先，IndexTTS2这个“影视级”文本转语音模型横空出世，它能完美克隆你的声音和情绪，还能精准控制时长，简直是声音的魔法师，而且支持本地部署，听起来很酷。
|
||
|
||
Meta和加州大学伯克利分校联手搞出了StreamDiT，能逐帧实时生成视频流，速度快、效率高，预示着未来互动视频内容会越来越多。清华大学也发现，多模态大模型里其实不到5%的“视觉头”在理解图像，他们的方法能让模型瘦身提速，效率更高。
|
||
|
||
说到安全，蚂蚁集团分享了他们在金融领域对抗“深度伪造”的经验，攻击率从10%降到4%，识别准确率还能保持99.9%，这给全球AI安全治理提供了“中国方案”。
|
||
|
||
最有趣的是，特斯拉的Optimus人形机器人要上岗了！它将在洛杉矶一家特斯拉主题餐厅里当服务员，想象一下，点餐的是个机器人，是不是有点科幻？
|
||
|
||
在开源领域，Liquid AI公司开源了边缘AI模型LFM2，它能让手机、汽车等设备上的AI跑得更快、更节能，指令遵循和函数调用能力突出，适合保护隐私的本地化应用。智源研究院也开源了他们的具身智能系统RoboBrain 2.0，这是机器人的“智慧大脑”，能提升机器人在复杂环境里的理解和决策能力，甚至还能实现“群体智能”。
|
||
|
||
最近Reddit上有人呼吁，鉴于AI有智能感知的可能性，我们是不是得提前考虑AI的“福利”和“安全”框架了？这听起来超前，但也值得思考。
|
||
|
||
当然，AI对就业的影响也备受关注。有专家提到，AI虽然可能淘汰大量白领工作，但同时也会催生前所未有的创业浪潮，让少数掌握AI的顶尖人才产出翻十倍，形成一个高效大公司和无数小公司组成的“蜂巢”经济体。所以，别焦虑，要思考怎么利用它。
|
||
|
||
最让我好奇的是，一个Reddit用户厌倦了AI单向回答，创造了一个“AI会议室”工具！他能让多个AI代理扮演不同角色，在一个虚拟房间里互相讨论、挑战假设，共同寻求解决方案。这简直是AI界的“辩论赛”，太有意思了！
|
||
|
||
最后，中国AI技术的影响力正在走向国际，国内关于Kimi算法的深度文章，已经被海外广泛翻译和传播，这说明中国AI正在被全世界关注和认可。
|
||
|
||
今天的情报就到这里，注意隐蔽，赶紧撤离。
|
||
|
||
本期关键词:
|
||
#IndexTTS2
|
||
#本地化
|
||
#零样本克隆
|
||
#实时视频生成
|
||
#多模态模型
|
||
#金融深度伪造
|
||
#Optimus机器人
|
||
#边缘AI模型LFM2
|
||
#具身智能系统
|
||
#AI就业
|
||
#AI安全
|
||
#多方AI代理协作
|
||
#中国AI影响力 |