​热门话题

这两天几乎整个AI领域的关注都被OpenAI发布Sora模型的新闻所吸引。Sora的强处非常突出，各大平台无数文章在标榜称道。尽管马斯克说特斯拉团队早就掌握了Sora的技术，但OpenAI实际产品的推出依然足以令马斯克黯然失色。然而，另一个同样引人瞩目的消息也不该被忽视，那就是Google继上周宣布Gemini 1.0 Ultra后，立即又推出了下一代人工智能模型Gemini 1.5。公司首席执行官Sundar Pichai和首席科学家Jeff Dean等高管在推特上同时宣布了这一重大更新。这次更新中最引人注目的进展之一是Gemini 1.5在跨模态超长文本理解方面的巨大突破。

Gemini 1.5能够稳定处理高达100万个tokens的信息量，这是前所未有的。这相当于1小时的视频、11小时的音频、超过3万行代码或70万个单词。以前世界上公开可用的最大上下文窗口来自Claude 2.1，为20万tokens。而GPT-4仅为12.8万tokens，Gemini 1.0 Pro为3.2万tokens。Gemini 1.5已经在窗口长度上成功超越了所有其他大型模型。Google还表示，他们已经成功测试了高达1000万tokens的情况。Sundar Pichai认为更大的查询窗口对企业使用会非常有帮助，他说：“电影制作人可能会上传他们的整部电影，询问Gemini评论家的意见，公司还能使用Gemini审查大量的财务记录。这是我们实现的重大突破之一。”

从构架方面分析， Gemini 1.5采用了流行的MoE混合专家架构以提高效率,其响应速度更快，质量更高。与传统的Transformer不同，MoE模型被划分为较小的专家模块，根据信息类型选择性地激活最相关的专家路径，从而大大提高了模型的效率和准确性。不仅如此，Gemini 1.5还具有更强的可扩展性和灵活性。它还具有“上下文学习”技能，这意味着它可以从一个长提示中学习新技能，而无需额外微调。Google在测试中使用了对一本书进行机器翻译 (MTOB)的技术，比如测试了Gemini 1.5在Kalamang语方面的翻译能力。

这次发布代表着生成式AI底层技术的快速发展。Google DeepMind负责人Demis Hassabis表示，未来几个月可以期待更多进步。Gemini 1.5 Pro不仅可以无缝分析、分类和总结给定的长篇复杂文档，还在超长视频理解方面表现出超凡的能力。它能够深入分析整个代码库，并从一个长提示中学习新技能，为用户提供更智能的服务。Gemini 1.5 Pro的发布将为开发者和企业客户提供更广泛的应用场景。尽管在OpenAI发布Sora模型后，Gemini 1.5的发布时间不是很巧，正好被奥特曼压制，但这并不影响其在人工智能领域的重要性。Gemini 1.5 Pro的强大分析推理能力是其他大型模型所不及的，这使得它在实际应用中具有巨大的潜力。虽然Gemini-1.5 Pro在发布时被抢去了风头，但其能力的巨大跃升仍然受到了业内专家的高度评价，相信在不久的将来，性能优越性将令其不断展现在大众视野中。

总的来说，无论时Sora模型强大视频的生成还是Gemini 1.5的强大处理能力，都体现了AI巨头们急速扩张的趋势和生成式AI底层技术的快速发展。这一系列的发展都将推动人工智能技术的进步，为我们的生活带来更多便利和可能性。从2022年11月OpenAI横空出世以来，美国高科技巨头们带动的AI热潮俨然掀起了全球人工智能热潮，这是前所未有的全人类革命，不仅长时间带飞了相关上市公司的股价，更令人工智能的发展在竞争中快速升级，相信不出几年，我们的生活方式将被AI彻底改变，当然也希望AI的发展能够在严格监管的条件下进行，以保障人类生存安全的可持续发展。

免责声明：GO Market分析师或外部发言人提供的信息基于其独立分析或个人经验。所表达的观点或交易风格仅代表其个人；并不代表 GO Markets 的观点或立场。

联系方式：

墨尔本 03 8658 0603

悉尼    02 9188 0418

中国地区(中文）  400 120 8537

中国地区(英文） +248 4 671 903

作者：

Xavier Zhang | GO Markets 高级分析师