AI Weekly News: Microsoft launches AI transformation with Windows 11; NVIDIA reduces office software costs by 23%; Video training becomes a crucial learning path for robots | Insight Research

見智視角

本週 AI 的重要風向在 win 操作系統、辦公軟件應用和大模型私有化部署所展現出巨大的市場潛力。微軟的操作系統變革將為用户帶來更智能、高效的體驗，辦公軟件應用的 AI 技術將提高圖像處理能力，而大模型私有化部署的發展將使 AI 在 to B 應用上更加安全可控，這些趨勢將對相關行業和公司的發展產生重要影響，為 AI 的廣泛應用提供更多機遇。

本週要點

AI 應用：

1. Copilot"落户"Windows11，操作系統的 AI 變革時刻已來
2. 金山辦公引入英偉達推理服務器和 GPU，圖像任務能降本 23%
3. Midjourney 5.2 又更新，這次 AI 生圖開始卷向表情包
4. 十秒剪視頻，Whisper 模型讓每個人都能成為 “剪輯師”
5. 機器人看 YouTube 學會做家務，大規模視頻訓練機器人成為重要路徑
6. Unity 推出 AI Hub 平台，股價飆漲 15%，AI 革命遊戲的進程在加速

大模型：

1. 谷歌 DeepMind 花數千萬美元打造 ChatGPT 的競品，多模態視頻訓練將成為特色
2. PrivateGPT 開源模型可實現不連網提問；本地部署未來空間大
3. 恒生電子發佈金融行業大模型 LightGPT，金融大模型場景多樣化，需求確定性強
4. 智譜 AI 為大模型應用更近一步！成為法律專用大模型底座

融資風向：AI 安全成為資本的下一個風口，CalypsoAI 融資 2300 萬美元

AI 應用

1、Copilot"落户"Windows11，操作系統的 AI 變革時刻已來

微軟官宣向開發者頻道中的 Windows Insiders 提供 Windows Copilot 的早期預覽。

第一個預覽版重點關注集成 UI 體驗，Windows Copilot 將顯示為停靠在右側的側欄，不會與桌面內容重疊，並且將在打開的應用程序窗口旁邊無障礙運行，可以隨時與 Windows Copilot 進行交互。

在 window11 Copilot 的預覽版本中，用户可以提出以下種類問題：

內容涉及：個性化系統設置、截圖、文生文和文生圖的功能；

此外，Win11 更新還包括本機支持讀取其他存檔文件格式 ；如常見.rar\ .7z 等壓縮文件；

見智點評：

微軟兑現了在 5 月份的 Build 大會上的承諾，本次 Copilot 的預覽版本落地 win11，成為操作系統邁入 AI 時代的重要一步，之後 win11 會成為第一代 AI 系統的大規模商用版本；此外，微軟也表示在 25 年會停止 win10 的服務，包括專業版和家庭版，意味着那時起操作系統將會全面進入 AI 時代。這將為用户提供更智能、高效的操作體驗，併為微軟帶來新的商業機會。

2、 金山辦公引入英偉達推理服務器和 GPU，圖像任務能降本 23%

金山辦公官宣與 NVIDIA 團隊合作，為解決圖像識別和理解任務耗時過長和成本的問題，

引入 NVIDIA T4 Tensor Core GPU 進行推理、NVIDIA TensorRT 8.2.4 進行模型加速、NVIDIA Triton 推理服務器 22.04 在 K8S 上進行模型部署與編排。

通過 GPU 推理和 TensorRT 加速，成功將耗時從 15 秒降低到了 2.4 秒左右；部署成本節省了 23% 。

見智點評：

英偉達推理服務器的部署，成功優化了 GPU 的利用率，提高了辦公軟件對圖像文檔識別和推理的效率，能夠實現辦公軟件業務降本增效的預期。這一合作為 WPS AI 的落地應用提供了更高效的解決方案，這部分 AI 新能力集中在閲讀理解、問答、人機交互等方面。

WPS AI 已經開始內測階段，啓動大規模商用後，對國內辦公軟件使用體驗將帶來全面升級。這一合作將提升金山辦公的圖像處理能力，併為其在辦公軟件市場中的競爭力帶來優勢。

3、Midjourney 5.2 又更新，這次 AI 生圖開始卷向表情包

Midjourney 5.2 更新「weird」新功能，可自定義詭異等級。根據官網顯示通過調節 weird 參數的大小即能夠控制生成照片的詭異風格，參數越大照片越奇怪；但是該功能還只限於付費用户使用；

此外，還更新了「turbo」模式：該功能是能夠以四倍速加速圖片生成；不過相較於傳統快速作業模式仍舊是需要消耗 2 倍的 GPU；

見智點評：

圖片生成在 AI 的影響下正在從傳統模式進入一種新範式，weird 模式增加了圖片超越常規認知的可能性創作，這種模式具備更多娛樂屬性，如果免費開放應用，那麼大概率會在社交圈引爆。這一更新將進一步推動表情包製作的自動化和智能化，為用户提供更多創意和娛樂選擇。

4、十秒剪視頻，Whisper 模型讓每個人都能成為 “剪輯師”

荷蘭開發者 Matthijs Hollemans 在 HuggingFace 上基於 Whisper 開發了視頻剪輯新功能，現在剪視頻能夠精準到每個字。

在平台上可以對上傳的視頻內容進行同步文字轉化，只需要選擇留下的文字，然後就可以直接生成所需的片段。使用過程非常簡單，可累比相機界的 “傻瓜相機”。

見智點評：

AI 應用層出不窮，此前主要是 AI 生成圖片內卷非常嚴重，幾乎是每週都有重要更新，現在這個迭代速度已經開始向視頻領域蔓延，這個小白剪視頻的功能讓剪視頻門檻大大降低，同時節省了很多製作時間，效率優化超過 90%，對於視頻創作行業來説具有重大影響。這將進一步推動用户在社交媒體上的創作和分享活動，對於 Whisper 模型的開發商來説，商業機會也將隨之增加。

5、機器人看 YouTube 學會做家務，大規模視頻訓練機器人成為重要路徑

CMU 機器人研究所助理教授 Deepak Pathak 展示了一種視覺機器人橋方法（VRB）；通過讓機器觀看人類行為方式的視頻完成行為模擬，並驗證了該方法的有效性。機器人觀看了幾個人類開抽屜的視頻後，可以效仿人類行為做出打開抽屜的動作。

見智點評：

這種方法的關鍵在於利用大規模的視頻數據來訓練機器人，並從中學習人類行為和操作。這為機器人的應用提供了更廣泛的可能性，可以通過觀察互聯網和 YouTube 等視頻來獲取更多的訓練數據。這種方法可以改進機器人的操作能力，併為機器人在日常生活中的應用提供更多的機會。

視頻訓練將成為機器人學習的重要路徑，進一步推動機器人技術在家庭和服務領域的應用和發展。

6、Unity 推出 AI Hub 平台，股價飆漲 15%，AI 革命遊戲的進程在加速

全球領先的 3D 內容平台 Unity 宣佈推出 AI Hub 平台，允許 AI 軟件開發者通過 AI Hub 向遊戲研發商直接供應開發軟件，並通過 Unity 的 Asset Store 收費；

同時推出了 10 個經驗證的解決方案，還在 Unity Asset Store 中推出兩款新的 AI 產品 “Unity Sentis“及 “Unity Muse” 並正式啓動內測，預計將賦能 AI 驅動的遊戲開發效率提升以及玩法升級。

見智點評：

AI 將以非常迅速的節奏改變遊戲製作方式以及降低成本，這已經成為遊戲行業不可逆轉的路徑。遊戲行業的格局或許也會因為生成式 AI 帶來鉅變，AI 革命遊戲行業的進程在加速。

新 AI 平台的推出印證了目前開發人員對於 AI 工具的巨大需求存在，而 Unity 似乎已經找到了新的盈利模式，AI Hub 平台很快將成為開發者和遊戲公司最受歡迎的資源聚合平台，看起來 Unity 將會在這場全新變革中賺的盆滿缽滿

大模型

1、谷歌 DeepMind 花數千萬美元打造 ChatGPT 的競品，多模態視頻訓練將成為特色

谷歌 DeepMind CEO Hassabis 近日對外媒 Wired 表示，Gemini 還在開發中，還需要幾個月，而谷歌 DeepMind 已經準備砸進數千萬美元，甚至數億。

The Information 最近的一篇報道表述：谷歌的研究人員一直在使用 YouTube 來開發 Gemini。

人工智能從業者表示：這可能是谷歌 DeepMind 的一個優勢，因為它可以 “比抓取視頻的競爭對手更完整地訪問視頻數據”。

見智點評：

Google 或是受到上一代聊天機器人 Bard 發佈會重大失誤的刺激，目前對 Gemini 給予了厚望，希望不僅僅是對標 ChatGPT，更想要超越，所以在訓練下一代聊天機器人時候，更側重多模態訓練，特別是視頻數據投餵，這點目前是 ChatGPT 所做不到的，也是 Google 想要的差異化市場競爭，大廠對大模型的爭奪仍在繼續。

2、PrivateGPT 開源模型可實現不連網提問；本地部署未來空間大

開發者 Iván Martínez Toro 發佈了 PrivateGPT 開源模型，該模型允許用户在無需互聯網連接的情況下，通過提供自己的文檔來向模型提問。

PrivateGPT 可以在家用設備上進行本地運行，使用前需要下載名為"gpt4all"的開源大語言模型（LLM）。用户需要將所有相關文件放入一個目錄中，以供模型引入所有數據。完成 LLM 的訓練後，用户可以向模型提出任何問題，它將使用提供的文檔作為上下文來回答。PrivateGPT 能夠處理超過 58000 個單詞，目前需要大量本地計算資源（推薦使用高端 CPU）進行設置。

Toro 表示，當前 PrivateGPT 處於概念驗證（PoC）階段，它至少證明了可以在本地創建類似於 ChatGPT 的大模型。可以預見，一旦這種 PoC 轉變為實際產品，PrivateGPT 將具備讓公司獲得個性化、安全和私密的 ChatGPT 來提高生產力的潛力。

見智點評：

PrivateGPT 開啓行業對本地化部署的重視程度，這對於那些關注數據隱私和安全的行業和個人非常重要。通過本地化部署，用户可以更好地控制和保護他們的數據，減少了數據泄露和侵犯隱私的風險；開源模型和本地化部署將在未來產生積極的影響。

3、恒生電子發佈金融行業大模型 LightGPT，金融大模型場景多樣化，需求確定性強

LightGPT 可以為投顧、客服、投研、運營、風控、合規、研發等金融業務場景提供底層 AI 能服務，支持超過 80+ 金融專屬任務指令微調。具備金融專業問答、邏輯推理、超長文本處理能力、多模態交互能力、代碼處理等能力；

模型使用了超 4000 億 tokens 的金融領域數據（包括資訊、公告、研報、結構化數據等）和超過 400 億 tokens 的語種強化數據（包括金融教材、金融百科、政府報告、法規條例等），並以之作為大模型的二次預訓練語料。

LightGPT 擁有更為豐富、輕量化的部署方式，支持私有化/雲部署以及靈活 API 調用，推理端僅需一機 2 卡部署。

見智點評：

一方面基於數據安全，一方面基於應用場景多樣化，金融大模型的需求確定性很強。

此前彭博已推出金融行業大語言模型 BloombergGPT；騰訊雲也正在攜手神州信息開展金融大模型合作；此前我們也作過多次金融大模型發展的動態點評，很多券商、銀行和基金公司都在進行 AI 研發投入，以及 AI 產品的推出；恒生電子基於此前金融行業多年的 IT 服務經驗，本次推出 LightGPT 大模型具有重要意義，之後我們也會繼續跟進 LightGPT 開放測試之後的體驗反饋。

4、智譜 AI 為大模型應用更近一步！成為法律專用大模型底座

冪律聯合智譜 AI 發佈基於中文千億大模型的法律垂直大模型——PowerLawGLM，聚焦於法律細分領域，針對中文法律場景的應用效果具有獨特優勢，具備豐富的法律知識和法律語言理解能力。

基於 PowerLawGLM 大模型的能力，冪律還打造了法律對話產品 ChatMe，現已正式上線，首批開放 50 個內測名額

PowerLawGLM 是基於智譜的 ChatGLM 130B 通用千億對話大模型進行聯合研發，經過多輪多次高質量法律文本數據（裁判文書、法律法規、法律知識問答等）清洗及模型增量訓練，得到法律版基座大模型 LawGLM 130B。在 100 個問題的評測結果上來看：PowerLawGLM 可實現 70% 左右的最優答案。

見智點評：

大模型如果直接應用在法律領域，會存在輸出結果與需求很嚴重不匹配程度很高的問題。因為大模型的數據結果是基於數據訓練來生成的，但是不同國家的法律規則是完全不同的，具有很強的專業性和區域限制，所以採用全球通用大模型很難得到滿意的內容。

中文千億大模型的法律垂直大模型 PowerLawGLM 就能夠很好的適配我國的案例情況。中文法律大模型僅僅是一個開始，未來很多行業都會陸續推出專業領域的大模型，同時會基於垂直大模型打造人工智能對話產品。智譜 AI 做為最底層模型，對於開發專業領域大模型具有重要意義；之前還開源過一個更小容量的 ChatGLM-6B 模型，特別適合學習和輕量開發；另外最值得關注的是大模型訓練中如何平衡訓練穩定性和效率。

AI 融資

AI 安全成為資本的下一個風口，CalypsoAI 融資 2300 萬美元

CalypsoAI 的產品可對標 360 安全管家，主要發佈一些 ChatGPT 等大語言模型提供安全護欄的產品，包括惡意代碼檢測、越獄預防等特色防護功能。要解決數據隱私、安全防護、輸出非法信息等難點，以加快金融、醫療、法律等行業對 ChatGPT 等生成式 AI 產品的場景化落地。

CalypsoAI 在官網宣佈，獲得 2300 萬美元（約 1.6 億元）A-1 輪融資。本次由 Paladin Capital Group 領投，洛克希德·馬丁風險投資、Hakluyt Capital 等跟投。

見智點評：

資本的關注焦點已經不侷限於大模型、AI 應用、現在已經開始下注 AI 安全產品。畢竟大模型做為底層工具，一旦被污染或遭受攻擊，輸出的內容則會完全偏離預期，無疑是對算力資源的浪費，同時還會產生公司數據泄露等安全問題。所以 AI 安全產品也必然會成為未來市場需求的一個重要領域。

下週關注：人工智能大會