-关注公众号「QA相对论」,获取「元宇宙」更多情报-
Neal Stephenson在他1992年发表的小说《雪崩》中首次创造了“元宇宙”一词。此后,众多科技巨头陆续跟进,在这项未来科技中投入数十亿美元。
这种身临其境式的虚拟世界概念有着难以想象的社会与经济潜力。在这样一个由虚拟现实支撑而来的人工网络空间内,人们可以动用更广泛的社会经济活动交换虚拟物品、获取实际价值。
01
/科技巨头的元宇宙格局/
1.谷歌
谷歌可能会迟到,但绝对不会缺席这场元宇宙竞逐。尽管谷歌眼镜“扑街”,但公司前CEO Eric Schmidt就曾在采访中表示,“我期待着元宇宙涌现更多杰出创新。我为此已经等了快30年……但元宇宙到底会出自谁手,特别是Facebook,我也说不准。”很明显,谷歌迫切希望能在元宇宙领域率先探索、有所建树。
2.微软
微软的元宇宙发展道路更多以企业为中心,所以决定从办公空间、VR头显、虚拟形象等技术起步。软件巨头当然希望延续自己的行业领导者身份,并凭这份优势在元宇宙中大展身手。目前,微软的Mesh就是一项高端技术,允许用户通过化身进入虚拟现实、开展虚拟交互。Mesh能够通过配套应用与HoloLens 2、VR头显、移动设备及台式机相兼容。
3.Meta
Meta其实就是之前的Facebook,此次更名就是为了反映公司对于元宇宙的高度关注。Meta已经在元宇宙研究方面投入巨额资金,并坚信自己很快就将把使用Facebook平台的每个人引入一个全新的虚拟世界。根据《纽约时报》的报道,Meta公司的季度利润下降了8%,而且在2021年内共为元宇宙砸下100亿美元。同样值得关注的是,Meta之前还收购了VR硬件厂商Oculus,同时推出VR远程办公协作项目Horizon Workrooms应用。
4.AWS
一方面,Meta、微软等各位巨头正努力推动VR、AR和AI创新,希望在元宇宙中维持领导地位;但另一方面,现有基础设施和网络端在支持元宇宙构想方面仍有不少空白,而AWS等现代云服务巨头的切入点正在于此。最近有消息透露,Meta(Facebook)将AWS选定为“长期战略云服务商,计划通过双边合作让AWS客户体验到Facebook的PyTorch机器学习框架及其他未来研发成果。”
5.英伟达
英伟达是数字图形行业的先锋,向来以傲视计算与移动领域的高端视频硬件研发能力而著称。其最新产品之一“Omniverse”是一种实时模拟技术,专为希望在虚拟空间中彼此协作、开展互动的人们而打造。如今,英伟达已经能够提供难以想象的强大视频图形处理能力,这些能力将为各类AI支持型应用程序提供源源不断的动力。
6.Unity
Unity的高端3D内容开发平台向来在业内享有盛誉。这款智能、高效的工具也有望在元宇宙时代帮助创作者和艺术家们继续开发各类独特内容。Unity营收高级副总裁Julie Shumaker在采访中表示,“我们距离元宇宙体验已经很近了。”
02
/全球元宇宙领域关键人物/
纵观全球元宇宙领域,以下几位关键人物不得不提。
1.Neal Stephenson
如果没有Neal Stephenson,元宇宙的概念是不完整的。正是他发明了“元宇宙”这一新词汇,后人在此基础上不断探索,最终将其转化为一个巨大的产业。
2.David Baszucki
Roblox创始人兼CEO,该公司作为“元宇宙第一股”成功让游戏行业率先进军元宇宙。该公司正积极与其他知名企业和品牌建立合作伙伴关系,希望让元宇宙与游戏世界融为一体。
3.Matthew Ball
业内知名人士,Matthew Ball是Epyllion公司管理合伙人、著名投资者、顾问兼策略师。引人注目的他最近刚刚与Genvid Technologies合作推出了Roundhill Ball Metaverse ETF,为人们开辟了投资元宇宙的新渠道。
4.Tim Sweeney
Epic Games公司CEO,其打造的游戏平台“虚拟引擎”举世闻名,他本人也凭借对行业的诸多贡献而获得多个奖项与广泛认可。
5.黄仁勋
英伟达公司CEO,英伟达是计算机图形行业的领先厂商。该公司的高端Omniverse模拟技术正持续吸引到全球游戏玩家、创作者及开发者社区的高度关注,技术本身也有望在元宇宙背景之下帮助游戏行业建立起初步优势。
6.Beeple
艺术家Beeple,其一幅NFT数字艺术品《每一天:前5000天》最终以约4.5亿人民币成交,这一成交价是在世艺术家作品拍卖第三高价,并且刷新了数码艺术品拍卖纪录,以及网上专场拍品最高成交价等纪录。
整个科技行业已踏上通往元宇宙的新征程,
前进吧,技术掌舵人们!
-关注公众号「QA相对论」,获取宇宙翻译局更多情报-
好文章,需要你的鼓励
Captions公司研究团队开发的Mirage模型实现了从音频直接生成说话视频的突破。该技术能准确生成与声音匹配的面部表情、唇型同步、手势动作和环境背景,甚至可仅从音频推测说话者外貌特征。基于统一的Diffusion Transformer架构,Mirage避免了传统方法的复杂专用模块设计,展现出卓越的情感表达和细节还原能力,为内容创作、教育培训和无障碍技术等领域开辟了新的应用可能。
牛津大学研究发现,尽管大语言模型在医学考试中表现出色,但在实际应用中效果大打折扣。研究显示,LLM直接测试时能94.9%准确识别病症,但人类使用LLM诊断时准确率仅34.5%,甚至低于不使用AI的对照组。问题源于用户提供信息不完整、LLM理解偏差等人机交互问题。专家指出,仅凭非交互式基准测试评估LLM存在误导性,需要真实的人机交互测试才能准确评估AI系统的实际性能。
NAVER和KAIST研究团队发现,先进AI模型在数学题自我修正方面存在严重缺陷。他们创建的MMRefine基准测试揭示,即使是GPT-4O等顶级模型也只能成功修正约23%的错误答案,而且经常将正确答案改错。研究发现不同模型在处理六种错误类型时表现差异巨大,特别是小型模型在空间推理修正上竟然超越了大型模型,颠覆了"越大越好"的认知。