制图｜况泽宇
拍摄｜周鑫雨 邓咏仪
编辑｜苏建勋
2024年9月19日开幕的阿里如斯栖大会上，近300家涵盖算力、模型、运用的AI企业，和近1000种AI产品，构成了一幅全行业的活舆图。
多模态和具身智能，两个今年最热的AI风口，在云栖霸占绝对的C位——
云栖大会“人工智能+”馆。
走进汇聚了近60家模型企业的“人工智能+”馆，能明显感想熏染到，如果不加点音视频干系的多模态能力，光拼参数的大模型已经不足看了。
而具身智能，是“前沿运用馆”最“City”的存在。一进场馆，就能看到20多家机器人企业，携着或仿真人、或仿狗子的产品，给你来上一段取货、翻跟头、猛踹不倒的炫技演出。
不过，无论是多模态，还是具身智能，再高大上和先锋的科技，能在云栖引起围不雅观的，只有“接地气”。
这届云栖，参不雅观者中第一次涌现了“义乌老板团”。面对同声传译、数字人主播和可一键天生商品图的运用，他们替用户提出了最为现实的问题：能帮我赚多少钱？
当红大模型独角兽月之暗面的展台，大概是“班味”最浓的一个。不少白领、IT都聚了过来，舌战字节的“豆包”和月暗的“Kimi”，哪个办公更好使。
在最具未来感的具身智能展台，被暴力踹踢而不倒的“小强”——逐际动力的双足机器人，引得不少路人围不雅观。这款用于展示机器“小脑”研究成果的机器人，目前还待在实验室里，供力学研究。
逐际动力双足机器人。
这也挡不住不雅观众对此发出灵魂一问：
“推不倒，到底有啥用？”
多模态，模型的标配通义千问：没有不想落地短视频的多模态运用
一进模型扎堆的“人工智能+”体验馆，很难不被“通义大模型”展区的AI太极写真天生体验区吸引。
通义AI太极写真。
体验者只要比划对应的姿势，在镜头中与简笔画合上——几十秒后，一张太极写真就出炉了。
当然，图生图的AI写真功能，只是阿里云模态版图中的一小块。作为东道主，阿里不仅发布了最新的视频天生模型，还搬来了文生图、图生视频、图+音频生视频的多模态百口桶。
全民舞王。
比如，在通义千问App内，阿里上线了10秒旁边的短视频天生运用“全民舞王”。
用户只需上传人或宠物的照片，以及一段说话音频，就能在1-2分钟内天生舞蹈视频、对嘴唱歌视频，或者动态表情包。目前，这还是个免费的功能。
人像动态视频天生技能EMO（Emote Portrait Alive）。
“全民舞王”的背后，是阿里巴巴智能打算研究所在2024年2月发布的人像动态视频天生技能EMO（Emote Portrait Alive）。仅需一张肖像照和一段音频，EMO就能让人物按照音频内容张嘴唱歌、说话。
据现场事情职员先容，自2024年4月25日上线以来，“全民舞王”的利用人数已经打破了10w+。多数用户的利用办法是
“这太适宜I人做短视频了吧！
”有参不雅观者感叹。
“没有不想落地短视频的多模态运用！
”
智谱：视频拍到哪，作业讲到哪
让家长纷纭容身的展台中，一定有智谱。
2024年8月29日，智谱将“类GPT-4o”的视频通话功能，搬上了自己的C端运用“智谱清言”。
这款领悟了视频理解、语音对话能力的功能，就好比AI溘然有了五感。用户可以用智谱清言学穿搭、识别物品，也可以把它当成赛博闺蜜。
当然，更适宜中国人“活到老学到老”体质的玩法，便是AI西席。
对着作业打开摄像头，手机镜头拍到哪，智谱清言就能解答到哪。并且，智谱清言的讲解，质量乃至和真人西席有的一拼，不仅谆谆教导，还有问答互动。
比如讲解“鸡兔同笼”，智谱清言不会直接给出答案，而是先勾引孩子列出二元一次方程组。
智谱清言视频通话功能。
孩子再也不怕难题，家长也解放了双手。
生数Vidu：给我一张剧照，我还你一段新海诚
同样是“清华系”出身的生数科技，展出了自研的视频天生模型Vidu。2024年4月发布时，Vidu由于性能精良，还一度出圈，被称作“中国版Sora”。
但即便是OpenAI的Sora本尊，也很难办理视频的前后同等性问题。不难创造，大多AI视频中，每一帧的脸都不一样。
为理解决同等性难题，生数的办理办法是，给Vidu找个“模特”。
2024年9月11日生数科技发布的“主体参照”（Subject Consistency）功能，让Vidu根据给出的参考图，确定视频主体的形象和风格。
“主体参照”（Subject Consistency）功能。
现场，作者上传了一张新海诚电影《铃芽户缔》的女主角“铃芽”的剧照，Vidu就根据铃芽的形象，天生了一段秋日公园视频。
VAST Tripo：3D天生也有Scaling Law
“我们有环球最大的3D数据库。”
这是我们在展区唯一听到过的带有“最”字的判断。这句话，来自3D天生领域的明星企业VAST。
海内不少人可能会以为VAST面生，缘故原由在于，这家由前MiniMax和商汤成员创立的公司，第一天就做了出海的买卖。
据事情职员先容，VAST在外洋主打面向游戏、XR开拓者的C端运用，在海内则主打B端运用，“并且我们在外洋商业化不错”。
不少圈内人对VAST的3D天生模型Tripo的评价是：高性能，操作友好。根据输入的笔墨或者图片，Tripo仅8秒就能天生3D原型图，并且支持市情上所有的3D原型编辑软件，还能直接3D打印。
Tripo现场3D打印。
Tripo笔墨天生3D素材。
当下，3D天生模型的演习，也沿用堆参数的暴力美学Scaling Law。2024年初，VAST发布的Tripo 1.0，参数就达到了数十亿，在演习数据稀缺的3D模型中是相称弘大的存在。
提高参数，相应的也要增加模型的演习数据。
事情职员透露，在获取稀缺的高质量3D数据过程中，团队花了不少韶光在“犄角旮旯”中获取数据。而在演习过程中，模型也用了不少AI合成3D数据。
就在2024年9月19日，VAST还发布了天生质量更好的Tripo 2.0，实现10秒⽣成形状⼏何、10秒⽣成纹理及PBR（一种仿照光与材质相互浸染的渲染技能）。
音疯：AI玩音乐还是疯
2024年7月，网红秦新宇因整容失落败发布的名为《还我妈生鼻》的魔性歌曲，溘然冲上了微博热搜。
而这首歌的谱曲者，不是秦新宇，也不是专业音乐团队，而是一个上线不到两月的AI音乐天生平台“音疯”。
音疯AI音乐体验区。
音疯展台。
这款由昆仑万维推出的音乐制作平台，特点在：长。事情职员表示，音乐天生的难点在于保持前后同等性，一旦歌曲超过1分钟，前后的曲风很难保持同等。
因此，音疯的卖点在于，将AI音乐天生的时长拉到了4分钟，并且能够相对保持前后风格的同等性。用户只须要输入歌词，并且在曲库和人声库中选择喜好的风格，就能天生一段歌曲。
当然，事情职员见告作者，目前音疯利用最高频的场景，也是短视频：）。
HiDream.ai：为电商量身定制的AI生图
HiDream.ai（智象未来）的展台，容身了一批批的责任商家。
这家由前京东探索研究院副院长梅涛成立的AIGC公司，基因里就带着“电商”两个字。虽然同样是图片天生，HiDream.ai的AIGC创作平台“秩象”，就像集布景、拍摄、后期于一身的商品图事情室。
HiDream.ai的AIGC创作平台“秩象”。
比如，商家只要输入商品图，就能灵巧切换背景、模特。在为服装天生模特图的过程中，商家乃至能够选择模特姿势、性别、肤色、人种。
月之暗面：视频功能，Kimi怀胎中
人工智能+馆人气最旺的展馆，有Kimi的一席之地。
在一众把图片、音频、视频、3D等模态玩出花的模型中，仍旧主打文本、表格和代码任务的Kimi就稍显朴素。
当然，这并不影响Kimi展台的人气——或者准确来说，是“班味”。
现场不乏有上班族，直接向事情职员讯问笔墨转excel、文件天生报表、文书撰写的方法。乃至还有企业IT，直接来咨询Kimi API如何接入钉钉、企微和飞书。
Kimi展台。
不过，这款打工神器，也免不了朝着更多模态迭代。事情职员对作者透露，Kimi的视频功能，已经在路上！
机器人炸场，虚拟人扎堆银河通用：松弛感拉满的机器人售货员
善于“抓”的银河通用机器人Galbot G1，这次走进了未来的无人商超。
消费者在平板高下单后，Galbot G1机器人就会前往货架，准确拿取下单的商品。
Galbot G1。
不过，这位机器人售货员的取货速率，有些太慢了——从下单到接到冰红茶，差不多用了1分钟。想要进商超，机器人还是得先戒掉这绝佳松弛感。
当然，无人售货只是银河通用展示的个中一个场景。目前，Galbot G1已经能够精准抓取矿泉水、雨伞等随机放置的物品，还能够闇练开柜门、抽屉和晾衣服。
事情职员表示，2024年Q4，就有希望看到机器人进入真实的商业场景。
清宝：仿真机器人，上流水线搬砖
和披着人皮的机器厂友做同事，立时就要成为现实了。
在清宝机器人的展台，几名不断变换pose的仿真机器人构成了门面——然而，由于眼珠迁徙改变过于灵巧，但表情麻木，这几名机器人还是产生了一些胆怯谷效应。
清宝机器人。
而这几名仿真机器人的浸染，既不是陪伴，也不是做智能导游、机器人主播之类的“文职”，而是直接进工厂！
目前，由于流水线SOP（标准操作流程）比较固定单一，且整机机器人本钱较高，投入真实流水线利用的机器人，大多是单一的机器臂。
据事情职员先容，目前签单的整机人形机器人，在流水线上紧张做的是质检和零件分配，客户给出的情由也很新奇：“想让产线有点温度”。
当然，对付客户而言，机器人带来的温暖，还得在降本增效上。事情职员对作者表示，机器人一年可以节省20%旁边的人工本钱。
酷开：云电视，捉住AI稻草
“这几年电视行业太难了！
”云电视厂商酷开的员工，上来就倒了满满的苦水。随着电视机大盘被移动智能产品挤压，云电视厂商的日子也不好过。
不过，2024年以来，酷开算是守得云开见月明——AI是他们捉住的稻草。
酷开在云电视上线的AI OS，支持语音搜索电视剧、电影，以及网络咨询，还能向Chatbot等智能助手一样，给用户推举片单。
比如用语音输入“陈道明演天子的电视剧是什么？”酷开急速显示了搜索结果：《庆余年1、2》《楚汉传奇》《康熙王朝》。
酷如斯电视 AIOS。
值得一提的是，搜索结果显示的演员照片、电视剧剧照，全都是由AI在后台天生的。酷开事情职员见告作者，这是为了能够精准贴合用户的搜索需求，“比如你的偶像是鹿晗，你想看他的剧，肯定也想看到搜索结果全都是他的照片。”
不仅如此，酷开也能根据用户的个人喜好，用AI天生片单推举视频。
上线AI OS一个月，酷开就吃到了AI带来的甜头。事情职员表示，内嵌大模型能力后，利用语音交互功能的用户数量和时长有了明显的提升；与此同时，技能本钱的增加还能掌握在10%以内。
阿里云视频团队：一键给《甄嬛传》配英笔墨幕
一部成熟的电视剧，就该当学会自己给自己配多措辞字幕。
这个美好的愿景，已经被阿里云视频团队实现了。
阿里云视频团队的视频字幕翻译功能。
以往给电视剧配外语字幕，是个大工程。你须要先把台词转录成中笔墨幕，再翻译成外语。与此同时，配字幕还免不了用剪辑工具。
如今，基于通义实验室自研的算法，用户已经可以实现“端到端”翻译甄嬛传：不须要给字幕，直接扔视频文件，就能自动配英笔墨幕。
猎聘“多面·doris”：未来，AI给你发offer
第一批数字人口试官，已经上岗了。
猎聘旗下的AI产品“多面·doris”，便是一位在24小时内，口试400多人的AI口试官。
目前，猎聘AI口试有设定问题、智能问答等多种模式。比如在智能问答环节，AI首先会基于简历，剖析出应聘者的潜在风险点，比如“频繁跳槽”“任职韶光不长”，后续的口试，也大概率会环绕这些问题展开。
猎聘AI口试产品“多面·doris”。
不过，不少口试者反馈，由于缺少即时交互，以及难以从AI口试官的扑克脸中得到反馈，和AI口试反而更紧张了。
末了，事情职员知心提醒，数字人口试官比较适宜一壁、二面等人才的初筛环节。如果企业想要聘请高端人才，还是由人出马更显诚意！
Motiff 妙多：设计师救星，一句话也能天生UI了
目前海内最懂UI设计的大模型，源自一个叫做Motiff 妙多的团队。
至少须要一周的UI设计，现在被简化成了输入一段话。
用户只需笔墨输入所需的界面类型、组成部分，以及定制化的描述，20秒旁边，就能天生两版UI设计稿。
Motiff AI天生UI。
与此同时，基于自研的UI大模型对布局的理解能力，原有Cmd+V、Cmd+C的重复动作，被Motiff简化成了一步到位的下拉动作。
狼人杀不尽，AI吹又生
除了机器人和数字人，前沿运用馆最随意马虎找到的，该当便是AI狼人杀。
游戏公司巨人网络，就将AI狼人杀，作为投放在抖音、B站上的时令性用户活动。
这些AI NPC的“攻击性”还挺高，玩家发言一旦有逻辑漏洞，就会被“群起而攻之”。
巨人网络AI狼人杀。
这些24小时无休、永久在线的AI NPC，将巨人时令性活动的用户时长，增加了10倍多。
在2018年上线的剧本杀App“百变大侦查”，近一个月也基于通义千问上线了AI剧本杀。
更进一步，玩家可以直接用语音和AI NPC进行对话。不过，对话的轮次有限定，想要增加对话次数，玩家只能氪金——这也是目前不少AI剧本杀的紧张商业模式。
“百变大侦查”AI剧本杀。
当然，在游戏前加了“AI”两字，并非全是好事。
事情职员见告作者，接入大模型后，技能本钱就提升了不少。与此同时，团队选择剧本也更为谨慎：太繁芜的本，AI不理解；太大略的本，用户不愿玩。
只能说，AI在进步，人也得随着进步。
欢迎互换！