【国信传媒】AIGC周度更新第二十五期(20240205-20240218)

（以下内容从国信证券《【国信传媒】AIGC周度更新第二十五期(20240205-20240218)》研报附件原文摘录）
　　本周大模型及算法进展 海外模型方面，1）视频生成模型方面，OpenAI发布首个文生视频模型Sora，可根据用户输入文本描述生成长达1分钟高清视频，并致力于深度模拟真实物理世界；Meta推出V-JEPA视觉模型，可以通过观看视频来学习理解物理世界。2）语言模型方面，谷歌推出Gemini 1.5，大模型能力全面升级，能处理1小时视频、11 小时音频、3 万行代码、70 万文字。3）音频模型方面，亚马逊开发出有史以来最大的文本转语音模型，新模型拥有 9.8 亿个参数，并使用 10 万小时的录音（来自公共网站）进行训练。4）3D内容生成方面，3D模型生成工具Meshy发布了Meshy-2，这一3D模型生成工具在模型质量和用户体验方面经过显著增强，同时引入了更多的艺术风格、增强的几何和纹理细节，以及方便的网格设置。 B端工具及垂类应用，1）数据方面，根据彭博社报道，社交平台 Reddit 与大型 AI 公司达成数据授权协议，每年 6000 万美元；2）Business Insider报道，谷歌已开发内部专供AI模型“Goose”，专供员工使用，协助开发新产品。 C端应用及服务方面，1）Chatbot方面，英伟达推出 RTX 聊天机器人，适用于 Windows PC，用户无需上网便可使用；2）搜索方面，根据The Information报道，OpenAI正开发搜索类产品，微软Bing提供部分支持。 重要上市公司变化方面，1）昆仑万维发布新版MoE大语言模型“天工2.0” 体验大升级；2）值得买：什么值得买“AI问答机器人”拟定于2024年2月底上线。 01 大模型&算法 【OpenAI首个视频生成模型发布，可生成长达1分钟高清视频（量子位）】 OpenAI近日发布了Sora模型，可根据用户输入的文本描述，生成一段视频内容。该模型可以深度模拟真实物理世界，标志着人工智能在理解真实世界场景并与之互动的能力方面实现了重大飞跃。 Sora会严格根据用户输入的提示词，可以制作长达一分钟的视频，保持较高的视觉质量。对于任何需要制作视频的艺术家、电影制片人或学生来说，都带来了无限可能。 【谷歌推出Gemini 1.5，能处理1小时视频、11 小时音频、3 万行代码、70 万文字（IT之家）】 2 月 16 日消息，谷歌近日发布新闻稿，宣布推出全新的 Gemini 1.5 AI 模型，标志着该公司的人工智能技术取得了重大飞跃。谷歌表示相比较前代产品 Gemini 1.0 Ultra，1.5 新模型在多个方面都取得了长足进步，能够更高效、更长时间地处理信息。 【Meta推出V-JEPA视觉模型，可以通过观看视频来学习理解物理世界（Maginative）】 Meta推出了一个新的视觉模型V-JEPA（视频联合嵌入预测架构），可以通过观看视频来学习理解物理世界。JEPA计划旨在通过形成周围环境的内部模型，使人工智能具备计划、推理和执行复杂任务的能力。 【亚马逊开发出有史以来最大的文本转语音模型，展现“涌现能力”（IT之家）】 2 月 18 日消息，亚马逊人工智能研究团队宣布开发了一个据称是史上最大的文本转语音模型，该模型拥有最多的参数，并使用了最大的训练数据集。研究人员已经在 arXiv 预印本服务器上发表了一篇论文，详细描述了模型的开发和训练过程。这个名为“可扩展流式文本转语音模型”（BASE TTS）的新模型拥有 9.8 亿个参数，并使用 10 万小时的录音（来自公共网站）进行训练，其中大部分为英语语音。 【3D模型生成工具Meshy-2发布 模型质量显著增强（IT之家）】 3D模型生成工具Meshy发布了Meshy-2，这一3D模型生成工具在模型质量和用户体验方面经过显著增强，同时引入了更多的艺术风格、增强的几何和纹理细节，以及方便的网格设置。Meshy提供了三种简单易上手的使用方式:文本转3D、图像转3D以及从文本到纹理。这三种模式都能在60秒内生成结果。经过实际测试，文本转3D的过程表现出色，输入简单提示后，Meshy即刻生成了引人注目的3D蛋糕。这一功能适用于在游戏中生成环境资产或道具。 Meshy的另一个特点是与流行的创意工具（如Unity、Blender）实现了无缝集成，用户可以在生成模型后添加动画效果，并进行照明/渲染。同时，Meshy支持通过图像生成3D模型，包括由Midjourney、Stable Diffusion生成的图像。Meshy的第三个亮点是其提供的专用AI纹理功能，用户只需通过文本即可为3D模型生成高质量的纹理。目前，Meshy支持七种风格，如写实、2.5D卡通、日漫等。 【Stability AI 推出新一代文生图模型 Stable Cascade，号称比 SDXL 更高效更强悍（IT之家）】 2 月 15 日消息，据 Stability AI 官方新闻稿，Stability AI 日前推出了一款名为“Stable Cascade”的新一代文生图模型，该模型建立在 Würstchen 架构上，号称可以在消费级硬件上进行简单的训练和微调。 官方声称，相对于业界熟悉的 SDXL，全新的 Stable Cascade 模型在性能及声称内容质量上均有所提升，目前 Stable Cascade 模型的相关数据已经在 GitHub 页面上公开，但仅允许非商业用途使用。 02 工具&垂类应用（2B） 【消息称社交平台 Reddit 与大型 AI 公司达成数据授权协议，每年 6000 万美元（IT之家）】 2 月 18 日消息，据彭博社昨日报道，社交平台 Reddit 将与一家未透露名称的“大型 AI 公司”达成一项数据授权协议，允许后者访问其用户生成内容平台。该协议的年价值约为 6000 万美元，但由于 Reddit 上市计划仍在制定中，具体细节可能会有变动。 【泄露文件显示谷歌已开发内部专供AI模型“Goose”（IT之家）】 谷歌当前正在加速推进将 AI 融入到旗下各大产品中。据 Business Insider 周四（15 日）报道，谷歌面向内部团队开发了一款名为“鹅”（goose）的大语言模型，专供员工使用。内部文件显示，“鹅”的用途是协助开发新产品。 “鹅”被这份文件描述为“Gemini 的后裔”，是一个新型的大语言模型，它的训练基于谷歌“25 年的工程专业知识”。 其内部摘要还提到，“鹅”可以回答与谷歌特定技术相关的问题，代码由内部技术栈编写而成，并支持基于自然语言提示编辑代码等新功能。文件指出，“鹅”是“将 AI 引入产品开发流程的每个阶段”计划的一部分，是由 Google Brain、DeepMind 和 Google 内部基础设施团队的合作成果。当前，“鹅”至少可供部分员工使用，拥有一个 28k 的上下文 Token 窗口（指的是语言模型在处理查询时可以考虑的文本、数字和其他信息的数量），对于开发任务来说“特别有价值”。 03 应用及服务（2C） 【英伟达推出 RTX 聊天机器人，可在 RTX 30 和 40 GPU 上免费使用（IT之家）】 2 月 13 日消息，英伟达发布“Chat with RTX”（与 RTX 聊天）应用程序，这是一款适用于 Windows PC 的聊天机器人，由 TensorRT-LLM 提供支持。“Chat with RTX”聊天机器人被设计为一个本地化系统，用户无需上网便可使用，所有具有至少 8 GB 显存的 GeForce RTX 30 和 40 GPU 都支持该应用程序。 英伟达表示，TensorRT-LLM v0.6.0 将性能提升 5 倍，将于本月晚些时候推出。此外，它还将支持其他 LLM，如 Mistral 7B 和 Nemotron 3 8B。 【消息称OpenAI正开发搜索类产品，微软Bing提供部分支持（IT之家）】 据外媒The Information引述“了解OpenAI计划的人士”消息，OpenAI一直在悄悄开发自家的网络搜索服务。在旗下聊天机器人ChatGPT掀起AI热潮之后，OpenAI的下一步目标很有可能是制作一个搜索引擎。 【OpenAI称DALL-E 3将在所生成图像中加入水印 帮助用户识别AI生成内容（科创板日报）】 7日讯，OpenAI宣布，其AIGC图像生成器DALL-E 3将开始在其生成的图像中添加水印，以帮助用户识别AI生成的内容。但目前仅静态图像支持水印，视频和文本内容尚不支持。 【Meta将在其社交平台上标注AI生成图像（科创板日报）】 Meta Platforms的最高政策主管周二表示，该公司将在未来几个月开始使用一套内置在文件中的隐形标记，检测和标记其他公司的人工智能服务生成的图像。Meta全球事务总裁Nick Clegg在一篇博客文章中写道，公司将对发布在Facebook、Instagram和Threads服务上的任何带有标记的内容应用这些标签，以向用户表明，这些图像在很多情况下类似于真实照片，实际上是数字创作。 【OpenAI推出Vision Pro版ChatGPT（科创板日报）】 5日讯，OpenAI近日在X平台发文宣布，ChatGPT已正式登陆苹果Vision Pro，用户可以在visionOS App Store下载应用。据悉，这款应用在visionOS的显示效果与iPad版本差别不大，并没有为visionOS提供额外的风格效果。 【Roblox推出聊天翻译AI，加强用户互动（IT之家）】 Roblox发布了基于人工智能的实时聊天翻译功能，成为全球首个在游戏领域实现这一技术突破的平台。该聊天翻译功能将支持16种语言，使用户能够在其首选语言中无缝交流。这一突破性技术建立在Roblox专有的人工智能基础之上，可以在用户之间实现文本聊天消息的即时翻译。从现在开始，全球用户可以使用他们的母语与社区成员进行即时对话。 【通义千问上线春节新应用，AI帮你免费拍全家福（量子位）】 2月5日，春节将至年味渐浓，阿里云通义千问APP上线多项免费新应用，涵盖全家福、拜新年、万物成龙等图像生成的新玩法，共提供超300套照片模板，用户上传照片即可生成全家福、团圆照、拜年照、千里江山主题照；此外，一个月前火爆全网的全民舞王应用也迎来上新，用户可通过一张照片生成拜年视频，用更轻松、接近真人出镜的方式向亲朋好友传递新年的美好祝福。 04 重要上市公司变化 【值得买：什么值得买“AI问答机器人”拟定于2024年2月底上线（36氪）】 2月5日讯，值得买在互动平台表示，公司消费内容社区“什么值得买”的“AI问答机器人”新功能，目前已经正式通过了国家《生成式人工智能服务管理暂行办法》备案。什么值得买“AI问答机器人”是一款消费领域垂类产品，将通过对话形式与用户进行交互，旨在为用户提供智能的消费辅助决策服务，根据用户需求指令，帮助用户快速甄选全网优质好物链接。目前，该产品拟定于2024年2月底上线。 【昆仑万维发布新版MoE大语言模型“天工2.0” 体验大升级（CNMO）】 2月6日，昆仑万维正式发布了其全新升级的大语言模型——“天工2.0”以及与之配套的新版“天工AI智能助手”APP。作为国内首个搭载MoE架构并免费向全体C端用户开放的千亿级参数大语言模型AI应用，这一创新举措无疑将加速AI技术在日常生活中的应用普及。 05 近期AIGC热度趋势 抖音 百度搜索 微博 法律声明 本公众号（名称：观媒万象）为国信证券股份有限公司（下称“国信证券”）研究所传媒组依法设立、独立运营的唯一官方公众号。 本公众号所载内容仅面向符合《证券期货投资者适当性管理办法》规定的机构类专业投资者。国信证券不因任何订阅或接收本公众号内容的行为而将订阅人视为国信证券的客户。 本公众号不是国信证券研究报告的发布平台，本公众号只是转发国信证券发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解而对其中关键假设、评级、目标价等内容产生误解和歧义。提请订阅者参阅国信证券已发布的完整证券研究报告，仔细阅读其所附各项声明、信息披露事项及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注投资评级和证券目标价格的预测时间周期，并准确理解投资评级的含义。 国信证券对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本公众号中资料、意见等仅代表来源证券研究报告发布当日的判断，相关研究观点可依据国信证券后续发布的证券研究报告在不发布通知的情形下作出更改。国信证券的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本公众号中资料意见不一致的市场评论和/或观点。 本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。订阅者根据本 公众号内容做出的任何决策与国信证券或相关作者无关。 本公众号发布的内容仅为国信证券所有。未经国信证券事先书面许可，任何机构和/或个人不得以任何形式转发、翻版、复制、发布或引用本公众号发布的全部或部分内容，亦不得从未经国信证券书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本公众号发布的全部或部分内容。国信证券将保留追究一切法律责任的权利。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）