2024 年 9 月 AI 新闻：Advanced Voice、Llama 3.2 和 Orion

OpenAI 最初展示 Advanced Voice Mode 后，经过漫长等待，这项功能正在向 ChatGPT 付费用户推出。我已经测试了大约一天。在演示中，我打断它、要求它用悲伤的声音说话并尝试口音；它能够停下并使用一些口音，但拒绝了所要求的说话风格。

我的初步印象是，它令人印象深刻，但使用起来不如之前的演示流畅。停顿可能让它困惑，它也可能重复回答；我还很难让它唱歌。当时我提到该功能在欧盟不可用，而且似乎有每日配额；这些可用范围和限制针对的是当时的推出情况。

Meta 发布了 Llama 3.2。11B 和 90B 版本增加了视觉能力，1B 和 3B 版本则面向手机和电脑等设备运行。我把较大的模型描述为增加了视觉功能的 Llama 3.1 替代品，并计划进一步测试。

Meta 还发布了具有 AI 功能的 AR 眼镜原型 Orion。厚实的镜框外观比头戴设备更接近普通眼镜；演示展示了把虚拟内容放置在现实环境中。我猜测它的追踪表现可能不如更大的 Apple Vision Pro，但这只是我看视频后的印象，并非比较测试。

Meta 介绍说，微型 LED 投影仪和光学级碳化硅带来了约 70 度的视场角，设备还有定制芯片、镁合金镜框以及微型摄像头和传感器。肌电腕带提供了额外的输入方式，即使双手不在视野中也能使用。独立的无线计算单元可以放进口袋。

在这次报道时，Orion 只是原型，还不是我能购买的产品。Meta 表示，员工和部分外部人士将获得使用机会，公司同时朝消费级眼镜、更加清晰的显示效果、更小的外形和可负担的价格努力。我猜未来产品可能售价超过 1,000 美元；这是我的估计，并非公布的价格。

设计师 Jony Ive 已确认正在与 Sam Altman 和 OpenAI 合作开发 AI 硬件。离开 Apple 后，Ive 创办了 LoveFrom；我还评论了一件与这家设计公司有关的昂贵 Moncler 夹克。这次讨论并未说明最终的 AI 设备是什么样。

The Information 报道称，Anthropic 曾进行融资洽谈，交易可能使公司估值达到 300 亿至 400 亿美元。报道还提到此前的预测：到年底，年化收入约为 8 亿美元，现金消耗为 27 亿美元。这些是报道中的洽谈和预测，并非已经完成的融资或确认的财务结果。

The Information 的另一篇报道描述了 Mustafa Suleyman 领导下 Microsoft AI 的人员调整。Phi 首席研究员之一 Sébastien Bubeck 在从事蒸馏模型工作后，正调回 Microsoft Research。认为这可能意味着对合成数据的重视程度发生变化，是对人员调动的解读，并非已确认的战略变化。

电影导演 James Cameron 将加入 Stability AI 董事会。公司表示，他的视角将有助于其视觉媒体工具工作。结合 Lionsgate 与 Runway 的合作，我认为这表明一些电影人正在探索如何把 AI 融入创作过程。

Boston Dynamics 展示了 Spot 和 Orbit 的更新，包括超声波检测、自主激光扫描和改进的导航。Spot 可以使用同一环境中的多个充电站，演示还展示了它绕开障碍物和爬楼梯。我也期待人形机器人的进一步迭代。

Google 发布了更新后的 Gemini 1.5 Pro-002 和 Flash-002 模型。公告称，对于少于 128K 的提示词，Pro 的输入和输出价格降低了 50% 以上，同时速率限制提高、输出加快、延迟降低。我欢迎这些改进，虽然觉得它们不如当周其他一些公告那么引人注目。

据报道，OpenAI 与白宫讨论了能源和数据中心建设，包括一个可能达到 5 吉瓦的设施。我设想未来会有大型数据中心和独立发电设施，可能包括小型核电站。这项提议和我对未来的看法不应被误认为已有设施投入运营。

The Information 还报道，OpenAI 正在训练新的 Sora 版本，希望它能快速生成质量更高、时长更长的片段。录制视频时，Sora 尚未公开推出。我很想试用，尽管其他视频产品自其首次演示以来已经取得进展。

Notion 推出了更深入的 AI 功能，包括访问外部系统、写作辅助以及 PDF 和图像分析。我每天使用 Notion，但还没有时间测试新功能。其中许多功能在别处已经很常见，不过我欢迎它们直接集成到产品中。

AI2 推出了开放的多模态模型系列 Molmo。展示的图表比较了 11 项学术基准的平均分和人类偏好评分：Molmo 72B 在所展示的学术平均分中领先，而 GPT-4o 在展示的偏好评分中略微领先。这些是展示出来的比较，我想亲自测试模型。

一段演示将 Molmo 用于 Apple Vision Pro 工作流程：用户询问一台咖啡机，系统用语音描述它。第二个问题要求概览饮品，演示在讲解时高亮对应选项。这是视觉辅助的一个例子，并非对可靠性的全面评估。

就在我快完成新闻回顾时，Mira Murati 宣布在 OpenAI 工作六年半后离职。她说自己希望腾出时间和空间进行探索，目前专注于平稳交接。我回忆起她在 2023 年 OpenAI 风波期间的临时领导角色，并推测她在其中的作用；这项推测并未得到她离职公告的证实。

我提到 Ilya Sutskever 已经离开，Greg Brockman 正在长期休假，而 OpenAI 仍在快速推出产品。高管离职是该公司忙碌一周中的又一重大进展。