腾讯研究院AI速递 20240318
生成式AI
一、 2nm时代来临：ASML发布第三代EUV光刻机TwinscanNXE:3800E
1. ASML发布第三代EUV光刻机Twinscan NXE:3800E，显著提高性能，专为未来几年的3nm、2nm及小节点芯片制造设计;
2. 新光刻机每小时处理超过195个晶圆，提供小于1.1nm的匹配机器覆盖，性能和精度显著提升;
3. 高成本约1.8亿美元反映了其复杂性和功能，对加强尖端芯片生产能力至关重要，ASML计划进一步创新，预计于2026年发布Twinscan NXE:4000F。
https://mp.weixin.qq.com/s/oQRHTNTrW5mnf58Sm0AWKQ
二、 微软AI程序员登场，10倍AI工程师真来了？性能超GPT-4 30%
1. AutoDev在HumanEval测试中代码生成和测试生成任务的成功率分别达到91.5%和87.8%，性能超越GPT-4约30%;
2. AutoDev采用复杂的软件工程任务自主规划，包括代码编辑、测试、git操作等，填补了AI辅助编码的空白。
https://mp.weixin.qq.com/s/0GxWJP_p4CmS035wSu_45Q
三、 腾讯混元最新图生视频模型！想动哪里点哪里，诸葛青睁眼长这样
1. 腾讯混元联合清华大学和香港科技大学推出图生视频模型Follow-Your-Click，通过点击和简单提示词让图片动起来;
2. 模型利用图像语义分割和首帧掩模策略提升视频质量，构建WebVid-Motion数据集增强对动作的响应;
3. 引入光流的运动幅度控制实现对运动速度的精准学习，提升了图生视频的效率和可控性。
https://mp.weixin.qq.com/s/HN5gQ6_g4FJjmBL6GB1JGQ
四、 AI大模型控制红绿灯，港科大（广州）智慧交通新成果已开源
1. 香港科技大学（广州）研发的LightGPT模型通过分析车辆排队情况来优化交通信号灯配置，提升了交通管理效率;
2. LLMLight框架结合实时交通状况和先验知识，利用大模型的泛化能力进行推理和决策，实现有效交通控制并已开源;
3. LightGPT展现出超越GPT-4的决策能力，在复杂路网下保持出色性能，同时提供决策逻辑的可解释性，增强了信号灯控制的透明化。
https://mp.weixin.qq.com/s/mF9hZkkQ4aJ1cAJ1vAFV9g
五、 流浪地球里的数字生命计划启动了？DeepMind在电脑里造果蝇
1. DeepMind与Janelia研究园区合作，创建了一个能模仿真实果蝇行为的虚拟果蝇模型;
2. 该虚拟果蝇集成了高度精确的解剖模型、物理模拟器和神经网络，展现出行走和飞行等行为;
3. 研究旨在通过创建逼真的虚拟模型深入理解神经系统如何控制行为，开源框架鼓励全球研究者参与和创新。
https://mp.weixin.qq.com/s/Qn10lSrwe-mvQVwNnsIm-Q
六、 让AI赋予教师“超能力”，华裔CEO获OpenAI、Index首轮投资
1. Class Companion利用生成式AI为K12教育阶段的教师和学生提供支持，能即时提供个性化反馈，识别学生进步;
2. 平台由华裔CEO Avery Pan创立，强调赋能教师、陪伴学生，已获OpenAI、Index Ventures等知名机构和天使投资人400万美元投资;
3. Class Companion致力于提升教育体验，已在美国10000+学校使用，通过AI技术减轻教师负担，促进学生学习效率。
https://mp.weixin.qq.com/s/00-eeA19Z2Zizoc_szP9oQ
前沿科技
七、 一句指令就能冲咖啡、倒红酒、锤钉子，清华具身智能CoPa「动」手了
1. 清华大学提出具身智能新框架「CoPa」，实现多场景、长程任务、复杂3D行为的泛化能力;
2. CoPa通过视觉语言大模型创新使用，理解场景中物体物理属性，精确规划与操作完成复杂指令;
3. 实验结果表明CoPa在现实世界任务上展现出极强泛化能力与物体操作精确度，显著超过基线方法。
https://mp.weixin.qq.com/s/VcCG3_1Fh7w5UhpIngrdcA
八、 AI干6周=生物学家134年！斯坦福生物学基础模型开启生物学AI时代
1. 斯坦福大学开发的生物学基础模型，利用真实细胞数据训练，在短短6周内发现了人类134年才发现的Norn细胞；
2. Norn细胞具有在缺氧状态下通过消耗铁合成促红细胞生成素(Epo)的能力，对研究氧稳态和红细胞生成过程至关重要；
3. 生物学基础模型展现出强大的学习和分类能力，能自学理解细胞的生化特征和功能，开启生物学领域AI时代的新篇章。
https://mp.weixin.qq.com/s/Cdn_Vfx2FeEYOkqy1Ne9Pg
报告观点
九、 大模型增速远超摩尔定律！MIT最新研究：人类快要喂不饱AI了
1. MIT研究表示，大型语言模型（LLM）的能力大约每8个月翻一倍，增长速度远超摩尔定律；
2. 摩尔定律表示集成电路中晶体管数量大约每两年翻一番，预示着AI算力需求的快速增长可能导致人类难以满足AI的算力需求；
3. 数据是怎么来的？该研究基于数百篇论文分析了231个语言模型，通过缩放定律和有效计算定义，估计有效计算的中位倍增时间为8.4个月。
https://mp.weixin.qq.com/s/HLHrhOkHxRPRQ3ttJLsfWA
十、 1天消耗超过50万度电力？多个生成式AI大模型的能耗对比
1. ChatGPT每天需要处理约2亿个请求，消耗超过50万度电，电量相当于1.7万个美国家庭日用电量；
2. AI行业的年电力消耗预计将达到85至134太瓦时，训练大模型同时耗费巨大水资源，每与用户交流25-50个问题可能消耗500毫升水；
3. AI大模型的训练成本高昂，参数量已达百万亿级别，对能源的巨大需求可能引发能源危机，需要从多方面优化以降低AI功耗。
https://mp.weixin.qq.com/s/_le7DFwrqQjg29cwb-56rQ
点击下方#腾讯研究院AI速递合集 查看往期内容
