2023年8月22日,上海——在2023钉钉生态大会上,英特尔携手随幻智能科技及钉钉联合发布面向教育培训、中小学课程制作、高校微课、企业直播等场景的轻量级XR智能软硬一体产品——随幻酷播L1,以助力更多用户轻松打造更真实、更自由、更有趣的直播体验。
三方新品发布:钉钉副总裁、硬件生态总经理林锋(左一)、随幻科技创始人&CEO洪煦(中间)、英特尔网络与边缘事业部HEC中国区总经理陆英洁(右一)
如今,AR/VR、XR、云计算、虚拟现实等前沿技术的碰撞正在加速全民直播这一新趋势的发展。尤其当下AIGC 技术正在以雷霆万钧之势席卷直播行业,推动了虚拟演播技术的大踏步创新。面对从新闻演播厅到大型发布会舞台、从网红风场景到元宇宙直播间等多种不同风格、涵盖各行各业的海量虚拟场景,如何通过简单布置就能轻松开启高品质虚拟直播,成为业界炙手可热的话题。
作为技术基石的构建者和创新者,英特尔一直致力于拓展新的应用和场景,通过软硬件赋能,与包括虚拟直播领域合作伙伴在内的整个生态共同打造场景化的解决方案。此次推出的随幻酷播L1搭载了英特尔专业直播终端,能够让普通人更轻松、更快捷地使用虚拟直播。英特尔专业直播终端不仅能够提供澎湃算力,还可充分满足音视频场景所需的扩展性,极大程度上保证了高品质的虚拟演播内容。该产品具备以下特性:
英特尔中国区物联网及渠道数据中心事业部总经理郭威表示:“英特尔和随幻智能科技的联袂,促进了供给侧内容繁荣,激发了市场活力。从‘降本增效’的初心出发,双方依托英特尔强大的技术实力与随幻智能科技在数字内容应用领域的前沿技术,推动了直播行业向纵深发展,让虚拟演播普惠到每一个人。”
在英特尔专业直播终端的加持下,随幻酷播L1内置海量高品质XR场景,且具备虚拟互动屏配合讲解、自定义场景随心编辑、AI数字人内容快速生成及PPT智能解析等核心功能,可实现人物采集、内容讲解与虚拟场景的三位一体结合,进而通过随幻酷播输出的虚拟摄像头,将合成画面传输给各大平台的直播助手软件。这种方式可实现多机位、多角度的一站式多样化视频内容呈现,并助力内容创作者一键轻松搞定高品质虚拟演播内容。随幻科技创始人&CEO洪煦在主题演讲中更为详细地介绍了随幻酷播这一产品基于钉巢生态孵化的初衷、与英特尔硬件强大算力和AI性能结合的功能亮点以及已经落地应用的案例。
截至目前,通过借力钉钉的广泛学校生态,随幻酷播L1已在包括上海交大高级金融学院、上海师范大学、北京大学光华管理学院、山东省青岛国开第二中学及山东省莱西市实验小学在内的几十所大学及中小学进行部署,助力打造了生动形象的XR混合教学场景。此外,通过联合钉钉中小企业生态,随幻智能科技还正在基于英特尔创新技术赋能企业线上营销场景,以期让企业数字化营销进阶升级。这些合作无疑是钉钉在推进全面智能化战略过程中的关键举措,也为数字化和智能化转型升级做出了重要贡献。
在本次钉钉生态大会的软硬一体智能生态分论坛,钉钉副总裁、硬件生态总经理林锋在主题演讲中特别提及到随幻酷播这一新产品,他表示:未来十年是软硬一体产品的黄金十年,与随幻和英特尔在钉巢联合孵化推出的这款XR酷播一体机,一个小小的盒子就能上钉钉轻松开启一场虚拟直播,让校园课程更有趣,非常适合赋能教育和企业培训场景。
虚拟直播的时代已经到来,英特尔将继续凭借包括无所不在的计算、无处不在的连接、从云到边缘的基础设施、人工智能以及传感和感知在内的五大“超级技术力量”,与包括随幻智能科技及钉钉在内的更多生态伙伴携手,充分发挥产业链集成的竞争优势和生态链聚合的巨大潜力,为虚拟直播行业带来下一阶段跨越式的发展和更加广阔的想象空间。
好文章,需要你的鼓励
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。
Nvidia公布2026财年一季度业绩,营收441亿美元,同比增长69%;新AI超算与显卡产品陆续亮相,尽管出口管控对H20业务造成影响,但整体AI市场前景依然乐观。
Cerebras WSE 芯片拥有 40 亿晶体管,推理速度达到 NVIDIA 集群的约 2.5 倍,刷新了全球 AI 推理速度记录,为复杂 AI 代理应用提供高性能计算支持。
这项研究提出了"B-score",一种新指标用于检测大语言模型中的偏见。研究人员发现,当模型能看到自己之前对同一问题的回答时(多轮对话),它能够减少偏见并给出更平衡的答案。B-score计算单轮与多轮对话中答案概率的差异,无需外部标注即可识别有偏见的回答。实验证明,将B-score用于回答验证可显著提高准确率,在标准基准测试上平均提升2.9个百分点。这一发现不仅提供了实用工具,还表明大语言模型具有自我纠正能力。