阿里云【AI24小时】2025年4月29日

阿里云Startup平台推出AI24小时系列文章，网罗国内外最新的AI人工智能前沿资讯，帮助AI创业者掌握最新行业资讯。

1.思必驰重启IPO计划：从折戟科创板到再战资本市场>>

思必驰在科创板IPO折戟两年后，于2025年4月重新启动IPO进程。此前，思必驰因信息披露未能充分说明未来四年营业收入复合增长率的预测合理性，以及未能充分揭示上市前净资产为负的风险，导致2022年7月的IPO申请终止。此次重启IPO，思必驰已与中信证券签署辅导协议，再次冲击资本市场。思必驰成立于2007年，专注于智能语音语言技术的底层研发与应用，曾完成多轮融资，估值达100亿元。其营收主要来源于智能人机交互软件、软硬一体化产品及对话式AI技术服务，客户集中在智能家电、智能汽车等领域。公司研发投入占比较高，且在大模型时代发布了自研的行业语言大模型DFM-2，正加速其在智能终端领域的落地应用。

2. DeepSeek推动政务大模型落地，AI办公迎来新机遇>>

DeepSeek的开源和本地化部署推动了政务大模型的广泛应用，尤其在AI办公领域取得了显著成效。自2025年2月起，全国已有超过150个政务机构完成本地化部署，覆盖多种政务服务场景。AI办公在公文写作、校对纠错、智能问答等方面表现出色，大幅提升了办公效率，释放了公务员30%至40%的工作精力。然而，通用大模型在政务领域的应用仍面临数据幻觉、安全隐私等问题，需要结合行业大模型和专业小模型来解决。金山办公等企业通过整合政务数据资源，优化大模型能力，为政务办公提供了更精准的解决方案。

1. 英伟达推出3B参数多模态模型DAM，精准描述图像与视频细节>>

英伟达联合UC伯克利、UCSF团队推出了名为Describe Anything Model（DAM）的多模态模型，仅用3B参数即可精准描述图像和视频中的任何细节。DAM通过“焦点提示”和“局部视觉骨干网络”两大创新技术，实现了对目标区域的高分辨率编码和全局上下文的无缝整合，能够生成详细且精确的文字描述。该模型不仅适用于静态图像，还能处理动态视频内容。DAM在多个基准测试中表现优异，超越现有模型，树立了新的行业标杆。其强大的灵活性和交互性使其在数据标注、医疗影像、内容创作等领域具有广阔的应用前景。

2.Meta等机构推出TokenShuffle技术，实现超高分辨率图像生成>>

Meta、西北大学和新加坡国立大学等机构的研究人员提出了一种名为TokenShuffle的创新技术，用于多模态大语言模型（MLLMs）的图像生成。该技术通过减少视觉token数量，显著提高了自回归模型的效率，首次实现了2048×2048分辨率的图像生成。基于27亿参数的Llama模型，TokenShuffle在GenEval基准测试中获得0.62的综合得分，在GenAI-Bench上取得0.77的VQAScore，超越了同类自回归模型和强扩散模型。此外，大规模人类评估也验证了该方法的有效性。TokenShuffle无需对Transformer架构进行修改，且通过无分类器引导（CFG）调度器进一步提升了生成效果。

3.AI翻译“狗语”产品Traini引发关注>>

一款名为Traini的AI软件能够将狗的叫声和行为翻译成人类语言，并将人类语言翻译成狗的叫声，还能识别狗的情绪，准确率高达81.5%。该应用自推出以来，下载量增长400%，拥有超过20万iOS注册用户。Traini背后的大模型PEBI储备了10万个狗狗样本，能够分析狗狗的12种情绪。尽管在实际测试中表现并不完美，但Traini的商业模式主要依靠用户订阅训犬课程来变现，每月12.99美元即可解锁超过200个训犬技巧。此外，AI宠物市场正在成为新的蓝海，包括宠物硬件、宠物医疗和宠物图像生成等领域。