智能晚报｜Stability AI开源图像生成平台StableStudio；WPS AI全面到来，但国内用户要用还得等一等...

「每天重要的新闻不会超过五条」

整理：张司钰

编辑：王杰夫

Key Points

Stability AI再开源，AI图像生成平台StableStudio发布。

WPS AI全面到来，但国内用户还得等一等。

Google推出蛋白质结构分析工具。

逐际动力的四足原型机实现关键突破：可正向下楼梯。

玻色量子发布100个计算比特量子计算机。

Stability AI再开源，AI图像生成平台StableStudio发布

5月18日，Stability AI推出开源AI图像生成平台StableStudio，支持在线生成、编辑、修复AI图像。未来StableStudio还将加入AI聊天机器人、插件系统、桌面应用、WebGPU本地推理、ControlNet等工具。

Stability AI是家什么公司？

Stability AI成立于2019年，是生成式AI行业的重要参与者。但与OpenAI、Midjourney等公司不同，这家公司一直主打开源，旗下的图像生成模型Stable Diffusion是行业内使用最广泛的开源模型。开源这意味着任何人都可以查看或下载代码，加上一张显卡，就能在本地训练和部署AI模型。

Stability AI旗下的各种产品都是什么？

• Stable Diffusion：这是公司开发的开源图像生成模型，已经迭代了多个版本，最新版本XL暂时还没有开源。

• DreamStudio：这是基于自研Stable Diffusion模型开发的盈利性产品，它不需要用户在本地部署，网页上就能直接使用，对标的是Midjourney。

• StableStudio：此次推出的StableStudio是DreamStudio的开源版本，可以把它理解为Stable Diffusion与DreamStudio的中间态，比Stable Diffusion更产品化，但又比DreamStudio更灵活，可定制程度更高。

• StableLM：这是公司自研开发的大语言模型，你可以把它理解为一个开源版本的GPT，目前只有30 亿和 70 亿个参数两个版本。

• StableVicuna：这是公司基于开源大语言模型Vicuna微调后的模型，它与StableLM并列，是这家公司在大语言模型上探索的另一条路。

StableStudio开源意义何在？

• 更快迭代模型：开源后，社区开发者可以不断改进和试验新的界面，这些改进都将反哺商业版的DreamStudio；

• 扩大产品影响力：因商业版用户规模有限，相较于闭源产品的私有迭代，Stability AI希望通过开放、社区驱动的发展扩大影响力。

一直以来，Stability AI都是一家崇尚开源的公司，但公司至今没有找到稳定的盈利方向，有消息报道公司上一轮的融资已经见底，正在寻求新的投资。而此次开源的StableStudio可能会与公司唯一的商业化项目产生竞争，让公司的盈利前景更加不明朗。

参考链接

https://github.com/Stability-AI/StableStudio

https://www.semafor.com/article/04/07/2023/stability-ai-is-on-shaky-ground-as-it-burns-through-cash

WPS AI全面到来，但国内用户要用还得等一等

5月16日，金山办公宣布，之前只能通过旗下在线内容写作工具“轻文档”（airPage）体验的生成式AI助手，现在已经全部接入到WPS表格、文字、演示和PDF，同时支持桌面电脑和移动设备。不过由于监管限制，这些新功能暂时只有海外版可以体验。

AI会为WPS带来什么改变？

• WPS表格：用户可以直接向WPS表格提问并得到结果，包括调用公式、函数，以及生成相关数据图表；

• WPS文字：用户可以下达语音指令，使其自动生成文字内容；可以通过划重点功能快速找到文章重点信息；

• WPS演示：用户可以下达指令自动生成并修改演示文稿，以及生成演讲备注；

• WPS PDF：手机拍摄相关文档后，用户可以通过提问获得论文、合同、课件等文档的关键信息，并使用文档溯源功能确定信息来源。

WPS AI技术由谁支持？

WPS AI由百度文心千帆大模型平台提供技术支持，金山团队会在应用层优化。文心千帆是百度3月27日推出的面向企业级客户的大语言模型服务平台，提供大模型开发、应用的整套工具，目前有公有云服务、私有化部署两类交付模式。

作为国内唯一可以对标微软Office全线产品的WPS终于有了自己的生成式AI产品。金山办公CEO章庆元曾表示，未来公司在生成式AI产品研发上会“两条腿走路”，首先选择和技术服务商合作，通过它们的技术推动生成式AI产品研发，其次通过投资创业公司的形式提升自己的研发能力。

参考链接

https://mp.weixin.qq.com/s/PQfgZZKMVtw7HyPeg8PNwg

Google推出蛋白质结构分析工具

5月17日，Google Cloud宣布了两个新的AI生命科学解决方案，以帮助生物技术和制药公司加速药物研发。

这两个方案是什么？

• 靶点及先导化合物识别套件（Target and Lead Identification Suite）：帮助研究人员识别氨基酸的功能并预测蛋白质的结构。这套方案允许研究者使用Google Cloud的数据交换平台Analytics Hub来共享和管理从蛋白质上摄取的分子数据，并通过DeepMind开发的机器学习模型AlphaFold2预测蛋白质的结构。

• 多组学套件（Multiomics Suite）：帮助研究者采集、储存、共享大量遗传数据，并做基因组数据分析。

两个方案推出的意义

• 靶点及先导化合物识别套件：AlphaFold2可以比传统技术更准确地预测蛋白质的三维结构，并满足研究的大规模需求。这简化了药物开发的第一个关键步骤：确定生物靶标即识别蛋白质。如果蛋白质的结构及其在疾病中所扮演的角色得到确认，就可以围绕该目标开发药物。

• 多组学套件：随着相关设备成本下降，越来越多的生物数据大量产出，包括基因组、转录组、蛋白组、代谢组。据估计到2025年，研究人员将需要40EB的存储空间来储存全球的基因组数据。如何管理这些数据是一个新需求，Google此次推出的多组学套件可以帮助处理这些海量的数据信息，简化数据管理工作。

2021年，曾被寄予厚望的Google Health被拆分后，Google在健康医疗领域的策略也随之改变，它似乎不再想扮演一个直接参与者。从此次推出解决方案的主体是Google Cloud也能看出，在掘金医疗健康上，Google要做那个卖铲子和水的人。

参考链接

https://cloud.google.com/life-sciences-solutions

逐际动力的四足原型机实现关键突破：可正向下楼梯

5月17日，逐际动力的四足原型机X1在38度长楼梯、不规则阶梯、狭窄转身半径的复杂地形环境下，完成了广西柳州钢铁厂热风炉的巡检工作。

正向下楼梯为什么是关键突破？

机器人的核心是代替人运动，能否与环境交互是评判运动控制难度的重要指标。其中，可以保证闭环的楼梯是足式机器人落地应用最为关键的场景。从简单到复杂分为三个难度：上楼梯、下楼梯、正向下楼梯。

逐际动力告诉「新皮层New New Thing」，“跳舞、空翻在机器人的运动控制中是最容易的，因为没有与环境交互。上下楼梯则不同。正向下楼梯时，机器人腿部可以运动的空间会少很多，因此对运动控制的要求更高。目前国内的四足机器人基本都做到了上楼梯，下楼梯完成度一般，正向下楼梯基本没有。”

足式机器人可以解决哪些需求？

逐际动力创始人张巍曾表示，足式机器人根据人的运动方式来行走，地形适应能力更强，在原理上能到任何人类可以到达的地方。

• 解决移动需求：让机器人能够从A到B做一件事，比如无人车、送餐机器人等；

• 解决操作需求：让机器人在从A到 B 的每个场景上操作，比如在移动的基础上加一个机械臂来完成更多的任务。

同行研究进展

• 波士顿动力四足机器人Spot Mini：2018年发布，是第一款在工业场景落地的四足机器人产品，采用全视觉方案构建全局地图，可以全自主在楼梯和复杂地形上攀爬，多功能载荷，搭载机械臂并实现机头稳定控制。2022年，Spot平台改进，环境感知能力增强；

• 特斯拉人形机器人Optimus：2022年亮相，全身能够完成超200个不同角度的动作，可以负重10公斤，并精准抓握小型零件。但该机器人尚未研发成功，距离投产应用仍有一段时间。

参考链接

https://mp.weixin.qq.com/s/la8eoext-8U0z9jk4FmJYg

玻色量子发布100个计算比特量子计算机

5月16日，北京玻色量子科技有限公司发布了相干光量子计算机“天工量子大脑”，该量子计算机拥有100个计算量子比特，可以解决最高超过100个变量的数学问题，且相比经典优化算法，平均求解速度加速超100倍，平均求解结果提高120%。

目前有哪几种量子计算架构？

• 通用量子计算架构：用于解决普遍问题，需要上百万甚至更多物理比特，目前以Google、IBM为代表；

• 专用量子计算架构：用于解决特定问题，只需相对少量的物理比特和特定量子算法，目前以D-Wave Systems公司为代表；

• 经典计算+量子计算混合架构：经典计算机负责传统的通用计算部分，基于AI深度学习、组合优化的量子计算负责承担算力，并加速解决经典计算机难以求解的问题，天工量子大脑便是基于这样的架构。

玻色量子认为，类似于AI大模型的“涌现”能力，当计算规模不断提升，量子计算的优势会逐步“涌现”。而相较于通用量子计算架构，混合架构将减少计算成本，进一步推动光量子计算领域实用化进程。

参考链接

https://www.jiqizhixin.com/articles/2023-05-17

-END-

新皮层New New Thing 

Hello！

我们是一个诞生于GPT浪潮、由《第一财经》YiMagazine孵化的全新内容IP。

和每一位关心技术、关照人的命运的读者一样，我们希望在这个有史以来不确定性最高的时代，更好地理解快速变化的科技世界，也更好地理解生而为“高级智能”的我们自己。在这个目标下，我们计划从学术、商业、伦理、监管等多个角度报道和讨论与“智能”相关的议题。请注意，我们说的是智能，不只是AI。

若想了解更多资讯，请点击阅读往期智能晚报：

若想了解更多大佬发言，请点击阅读往期大佬说：

喜欢就关注我们吧，记得“设为星标”哦~

与记者交流，可添加微信（请备注公司名称和姓名）：

王杰夫 微信号: wjfsty

张司钰 微信号: helianthus351

吴洋洋 微信号: qitianjiuye

再次，喜欢就关注我们吧，记得“设为星标”