[编者按]:《元宇宙十万个为什么》是至顶网策划的一档特别栏目,我们希望做元宇宙时代的观察者、记录者、推动者。本篇为该系列第八问,并同步更新在「QA相对论」微信公众号中,敬请关注。
是美丽的花火,也是迷人的泡沫。
元宇宙概念自2021年以来,如同开挂一般一路飙红。从元宇宙第一股Roblox上市首日股价即上涨54%,再到国内字节跳动90亿收购VR创业公司Pico布局元宇宙,元宇宙概念直接引爆了科技圈、投资圈,各大巨头纷纷入局,谁也不想错过这块可口蛋糕。
天眼查的数据显示,国内已有400多家公司注册了与元宇宙相关的商标;网络游戏公司中青宝公布了一款模拟经营类元宇宙游戏《酿酒大师》,公司股价一路高涨。
△元宇宙游戏《酿酒大师》游戏截图
除了中青宝,还有锋尚文化、中文在线等被称为A股上的元宇宙概念股,又经历了一波超过10%的大涨。
普华永道数据称,中国VR硬件头显市场从2021年将开始出现大幅增长,一季度中国VR头显出货量达到21万台,同比增长32%,未来五年市场复合增长率达到71.1%,VR设备的市场规模至少在千亿美金。
但随着资本的“野性”参与,造成元宇宙概念中存在大量泡沫,对于支撑元宇宙的数字基础设施技术的发展和走向造成不确定情况。
一方面,技术路线不确定。5G、芯片、云计算、AI等技术的到底哪一个是元宇宙的最重要的数字基础设施目前无从而知。万物互联互通仍未实现,距离“元宇宙”虚拟世界的真正实现还有一段长跑。
另一方面,技术创新方向不确定。如何面向未来的技术创新目前没有可参考对象,只是在现有的技术基础上进行简单的迭代。
元宇宙本身的确是一个宏大的概念,不是一个公司、也不是一个平台,而是另一个格局与次元。而实现元宇宙也需要技术、应用、软硬件等多方的共同支持,除了满足用户之间交互的需求,还具备高度自由的创作性。
目前来看,元宇宙的噱头要大于实际市场需求。互联网分析师认为,仅仅是与元宇宙概念密切相关的《失控玩家》中的游戏《自由城》,以目前技术的发展速度,想要真正实现仍需要40-50年;拥有“千亿规模”的VR技术早在1980年代末便在游戏领域进行试水,至今仅解决了头盔重量的问题,其所呈现的效果远远无法支撑起元宇宙游戏所需的社交生态构建。
由于技术路线和技术创新方向的不确定,必然造成大量数字基础设施的过剩和重复建设,未来有可能对整个元宇宙生态带来不可估量的影响。
元宇宙对于目前的市场来说,究竟是一块香甜的蛋糕,还是入口化为空气和泡沫的“分子料理”,餐桌前的人终将尝到。
关注公众号「QA相对论」,获取「元宇宙十万个为什么」。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。