日前,国际权威研究机构Gartner发布2022年《云AI开发者服务魔力象限》。
凭借达摩院领先的AI算法和阿里云丰富的产品体系,继2021年入围远见者象限之后,阿里云进一步跃升至挑战者象限,且成为报告中执行能力最强的中国企业。
Gartner报告显示:
到2025年,AI软件市场规模将达到1348亿美元,届时,企业研发的70%的新应用将集成AI模型。
报告进一步指出,“尽管 ModelOps 实践日趋成熟,但大多数软件工程团队需要更便捷的AI服务来开发应用。因此,云AI开发者服务是软件工程团队必不可少的工具”。
当前,AI已逐步成为各类应用的基础能力,云上AI服务可大幅降低AI开发的门槛,中小企业既可以借助阿里云的算力进行AI算法的训练推理,也可以通过阿里云的机器学习平台、语音语义和视觉算法模型开发属于自己的AI应用。
2022年《云AI开发者服务魔力象限》报告从执行能力、愿景完整性两大维度对全球厂商的云AI开发者服务能力进行全面考察分析,考核范围语音语义、视觉、机器学习三大领域的AI模型。
过去几年,阿里云与达摩院的AI算法能力逐步深度融合,构建了一套完整的AI云服务产品体系:
Gartner报告显示,阿里云在该领域为开发者提供了1600多种模型服务,涵盖语言、视觉和机器学习服务,尤其在大规模预训练语言模型的实力强劲,并在数字人、手语翻译等领域取得了一系列进展。
● 2021年云栖大会,阿里云发布大数据+AI一体化产品体系“阿里灵杰”,包含机器学习平台PAI、云原生大数据计算服务MaxCompute等产品,其中PAI自研的Whale分布式深度学习训练框架,可以帮助千亿多模态预训练模型快速迭代训练。
● 基于阿里灵杰的分布式优化技术,达摩院成功研发多模态大模型、多语言大模型,其中,多模态大模型M6是全球首个实现10万亿参数的AI预训练模型,规模超越谷歌、微软万亿级模型。
目前,阿里AI每天被调用超1万亿次,服务全球10亿人;阿里还积极拥抱开源,已开源深度语言模型体系AliceMind、通用多模态预训练框架M6-OFA等AI能力。
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。