%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
前OpenAI研究员Liam Fedus与前Google Brain同事Ekin Dogus Cubuk联合创立Periodic Labs，专注生成AI技术应用于科学领域。公司上月完成3亿美元融资，由Felicis领投，多家顶级投资机构参与。
芯片设计公司 Ambiq Micro 于周四在其美国首次公开募股（IPO）申请中披露，2024年的净销售额增长了16.1%，这一增长得益于生成 AI 对半导体技术需求的不断提升。随着投资者重新关注高增长科技初创企业，AI 相关技术股票的强劲需求正在推动 IPO 市场的复苏。位于德克萨斯州奥斯汀的 Ambiq Micro 报告称，尽管2024年净亏损为3970万美元，但较2023年同期的5030万美元有所缩窄。该公司的净销售额在2024年达到了7610万美元，同比增长16.1%。虽然 Ambiq 在过去几年与谷歌和华为等大客户的合作带来了强劲的
根据 Gartner 的最新预测，到2028年，80% 的生成 AI 商业应用将会在现有的数据管理平台上开发。这一转变有望降低开发复杂性，并将交付时间缩短50%。目前，生成 AI 商业应用的开发主要依赖于将大型语言模型（LLMs）与企业内部数据相结合，以及不断发展的技术，如向量搜索、元数据管理、提示设计和嵌入技术。然而，若没有统一的管理方法，企业可能会采用 “分散技术”，导致交付时间延长和成本增加。图源备注:图片由AI生成，图片授权服务商MidjourneyGartner 在最近举行的印度孟买数据与分
松下控股公司（Panasonic HD）联合美国松下研发公司(PRDCA)及加州大学洛杉矶分校(UCLA)的研究人员，成功开发出名为 “OmniFlow” 的多模态生成 AI。这项技术的亮点在于其具备 “任意对任意” 的生成能力，可以实现文本、图像和音频之间的自由转换，极大地提升了多模态生成 AI 的应用潜力。近年来，多模态生成 AI 的研究越来越受到关注，尤其是结合音频的生成技术。然而，传统方法在数据获取上存在局限，尤其是在同时处理文本、图像和音频数据时，所需的训练数据量和成本大幅增加。针对
慕尼黑的初创公司 Spaitial 正在开发一种全新的生成 AI 技术，旨在创建和理解三维环境。这种技术被称为空间基础模型（SFM），它能够从文本或图像中生成真实和想象的3D 场景。Spaitial 的目标是让 AI 具备对空间的物理理解，这一能力在现有的 AI 模型中存在显著不足。Spaitial 的 SFMs 专注于3D 结构的生成与理解，不同于传统的生成 AI 系统，它们不再仅仅处理二维像素或文本。SFM 直接操作几何形状、材料及物理属性，赋予 AI 对时间和空间的深刻理解。这种物理理解将为未来的世界模型奠定基础