全网都在猜，这些视频是不是字节AI生成的：该跟动捕说再见了？
全网都在猜，这些视频是不是字节AI生成的：该跟动捕说再见了？动作捕捉，刚刚发生了革命。
来自主题: AI技术研报
10911 点击 2025-04-07 09:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
动作捕捉，刚刚发生了革命。
当前搜索AI市场面临着一个显著的断层：Perplexity的Sonar Reasoning Pro和OpenAI的GPT-4o Search Preview等专有解决方案与开源替代品之间存在巨大差距。这些封闭式系统虽然表现优异，但却限制了透明度、创新和创业自由。作为一名正在开发Agent产品的工程师，你是否曾经渴望拥有一个功能强大且完全开放的搜索框架？
想象一下，一座生机勃勃的 3D 城市在你眼前瞬间成型 —— 没有漫长的计算，没有庞大的存储需求，只有极速的生成和惊人的细节。
语言是离散的，所以适合用自回归模型来生成；而图像是连续的，所以适合用扩散模型来生成。在生成模型发展早期，这种刻板印象广泛存在于很多研究者的脑海中。
最近，像 OpenAI o1/o3、DeepSeek-R1 这样的大型推理模型（Large Reasoning Models，LRMs）通过加长「思考链」（Chain-of-Thought，CoT）在推理任务上表现惊艳。
近来风头正盛的GPT-4.5，不仅在日常问答中展现出惊人的上下文连贯性，在设计、咨询等需要高度创造力的任务中也大放异彩。
谷歌DeepMind研发的DreamerV3实现重大突破：无需任何人类数据，通过强化学习与「世界模型」，自主完成《我的世界》中极具挑战的钻石收集任务。该成果被视为通往AGI的一大步，并已登上Nature。
从Google Glasses到HoloLens，再到近几年雷鸟创新、Even Realities、影目、星纪魅族、Rokid等陆续发布量产产品，AR眼镜在不断刷新其轻薄程度。
由于 DeepSeek R1 和 OpenAI o1 等推理模型（LRM，Large Reasoning Model）带来了新的 post-training scaling law，强化学习（RL，Reinforcement Learning）成为了大语言模型能力提升的新引擎。然而，针对大语言模型的大规模强化学习训练门槛一直很高：
随着 AI Agent 元年的到来，一个新的趋势正在兴起：初创公司提供工具，帮助雇主打造一支机器人队伍。