⁣
📰 张一鸣的「慢」，和整个行业的「快」-钛媒体官方网站

本文批评当前AI行业的“参数繁荣”和榜单崇拜，指出虽然模型参数、公开基准和短期热度在持续攀升，但与实际生产场景的落差在扩大。作者以字节跳动对蒸馏的谨慎态度为起点，强调蒸馏若被当作捷径，会削弱团队创新能力，导致难以解决真实行业问题。通过对比历史中的团购战争和手机参数大战，指出真正推动繁荣的不是单纯的数字，而是将技术与真实需求深度结合，在具体场景中创造稳定、可解释、可审计的价值。文中举例苹果、月之暗面、OpenRouter、Humane AI 等案例，揭示榜单与参数的短期性和不确定性，以及在工业、金融、医疗等高风险领域对可靠性和数据壁垒的更高要求。作者呼吁行业回归对真实场景的深耕，强调在生产流程中的嵌入式应用和长期、可验证的商业模式才是AI真正持续繁荣的基石。未来的AI竞争将从“谁更大/更快”转向“谁能真正落地、解决痛点、持续改进”。

🏷️ #AI #蒸馏 #生产落地 #参数崇拜 #场景化应用

🔗 原文链接

⁣
📰 复旦团队发布Hallo-Live：实时音视频数字人延迟低至0.94秒，推理速度提升16倍

本文介绍 Hallo-Live 的实时文本驱动音视频数字人生成方法。研究团队将视频和语音的生成问题转化为流式双流扩散模型，并通过异步双流 DiT 与人类偏好蒸馏实现端到端的实时交互。为解决实时性与质量的矛盾，提出未来扩展注意力，使视频流在当前块的基础上可访问少量未来音频信息，从而提升嘴型同步与发音协同。另一个创新是将“偏好”直接蒸馏进学生模型：通过 VideoAlign、SyncNet、AudioBox 三类奖励，对蒸馏目标进行加权，形成奖励导向的蒸馏，与传统模仿教师分布不同。实验在两张 NVIDIA H200 上实现约 20.38 FPS、0.94 秒端到端延迟，质量接近离线重型模型，但具备显著速度优势。 Hallo-Live 的核心在于在保持流式因果生成的前提下，完成视频和音频的联合生成，并为数字人直播、虚拟主持等场景提供可部署的阶段性解决方案。未来仍需在低成本硬件上的优化与进一步提升同步性与语音自然度。



🏷️ #实时音视频 #数字人 #唇形同步 #蒸馏学习 #未来扩展注意力

🔗 原文链接