去年股價跌去四分之三的meta，元宇宙的故事才剛剛開始_風聞

本文原創於微信公眾號：差評  作者：差評君

在各種 AI 新聞滿天飛的 2023 年，大家還記得大明湖畔的元宇宙嗎？

至少從大夥們討論度上來看。。。是有點涼透了的意思。

最近一次上熱搜，也只剩林俊杰元宇宙血虧 90% 這類的被套牢新聞。

而其中，曾扯着嗓子高調梭哈，甚至不惜押上了姓名的 **Meta ，**更成了大夥們的笑料。

先是去年 10 月份股價一度較最高點跌去 75% 。

而後今年在其他科技大廠大模型滿天飛， AI 發佈會都快開了一輪的情況下。

這個 Meta ，好像除了裁員**，還是****裁員。**

 “ 呦 ~ 扎哥你是不是因為搞元宇宙又裁員了。 ” 

 “ 隨後什麼降本增效啊，為社會輸送人才啊，一句句冒了出來，到處充滿了歡聲笑語。 ” 

就連隔壁部門的同事，都玩着類似的梗。。。並問着差評君，Meta 在AI時代咋掉隊了？他們還元得下去不？

不過，笑歸笑，鬧歸鬧，咱還真別拿 Meta 的人工智能開玩笑。

差評君在這兒，直接給大家先省個流，那就是 Meta 在 AI 領域，還真不是大家眼中的軟蛋。

並且給個暴論啊（ 不構成投資建議），他們離自己的元宇宙目標可能還更近了。

這麼説吧，雖然 Meta 官方在大模型的聲量和宣傳上，確實沒別家高，但 Meta 的人工智能技術，在世界範圍內，還真沒有誰能説它不行。

深度學習框架這個東西大家曉得伐？

這個東西是用來方便開發訓練深度學習模型的，相當於 AI 界的操作系統。

在 17 、 18 年這會兒，市場上佔據最多使用率的，還是人谷歌大名鼎鼎的 TensorFlow 。

這個時候的 TensorFlow 可以説是眼中毫無對手，畢竟 15 年發家，大量人力維護更新，自開源後就把市場上的其它深度學習框架擠得沒有生存空間了。

可沒想到，谷歌這好日子過了還沒多久，半路突然殺出來一個程咬金， Pytorch 發佈了，這個由當時還叫 Facebook 的公司主導開發的深度學習框架，從易用性着手，自發布之後，用户一路走高。

並在 19 年逆襲谷歌，成為目前最受歡迎的深度學習框架。

但好漢總不能只提當年勇，如今大火大語言模型，Meta其實也不拉**，只是人家沒有專門開發佈會發佈而已。**

它們家的大語言模型 LLaMA ，也就是羊駝（ 或者翻譯成：草泥馬 ），在圈兒內的名聲，完全不輸 GPT 。

本來呢，這個模型是隻釋放給一些科研機構用作研究用的，結果，不知道哪個小崽子，腦子一熱，就給公開到網上去了。

好傢伙，不公開不要緊，這一公開，各種各樣復刻 ChatGPT 的項目就來了。

什麼斯坦福的羊駝只要 100 美元就能比肩 GPT3.5 啊。。。

又是什麼 UC 伯克利的 “ 小羊駝 ”130 億參數平替 ChatGPT 啊。

感覺是個人就能出大語言模型的樣子。。。

而且，據他們測試，這個 LLaMA 在很多項的能力比拼下，是優於 GPT-3 的。。。

到現在，這個模型已經在各大機構大佬的努力勞作下，開枝散葉，誕生了一批 “ 羊駝家族 ” 了。。。

甚至可以説現在的學術圈和開源社區，已經是一隻只草泥馬的形狀了。

在另一個人工智能領域， CV （ 計算機視覺 ）圈， Meta 的動靜可就更大了。

4 月 5 號， Meta 就發佈了一個用於圖像分割的 AI 大模型：Segment Anything Model 。

就和它的名字一樣，這個模型可以識別圖像和視頻中的物體，並且一鍵剪切任何圖像中的任何對象。

在官網的演示中，比如這張男子打籃球的圖片，只需要給圖片中的物體標一個點，就能自動切割出咱們想要的主體。

甚至，如果有一些圖片過於複雜，你自己都懶得去點標記的話，你還可以把分割的任務全權交給 SAM ，直接點擊 Everthing ，它就自動幫你把圖片中的可分割物體切割出來。

整個過程方便簡單快捷。

所以，這個模型一經推出，眾多 CV 界師生紛紛大喊：CV 不存在了。

原因就是他把現在 CV 比較熱門的方向，比如目標檢測，圖像分類，物體分割等等，差不多都解決得很好了。

英偉達的人工智能科學家 Jim Fan ，甚至還把 SAM 的出現比喻成 CV 界的 “GPT-3 時刻 ” ，可見各位業內人士對 SAM 的認可了。

但，這還不是結束，僅僅就在幾天前。

咱們的扎哥又親自通過臉書，宣佈開源了另一個重磅模型， DINO V2 。

同樣的也是 CV 方向，但這個 DINO V2 可不僅僅只能對圖像進行識別、分類、分割了。

它還能通過一張二維的圖片，去估計場景的三維深度，比如下圖右邊的灰度圖，就是通過左邊的場景估算生成的。

深度圖記錄了整個場景的深度信息，有了這個深度信息，你甚至能從一張平面的圖像中，建模出一個 3 維的場景。

另外， DINO V2 的圖像特徵提取功能 + 語義分割，更是把以圖搜圖的能力抬到了另外一個台階。

以往的以圖搜圖，只能搜索相似的畫面。

但是加上了特徵提取和語義分割之後，你不僅能搜索到相似的圖片，還能以單個圖像特徵為條件，搜索不同風格的圖片。

只要是 CV 類的任務，這個 DINO V2 基本都能作為任務的主幹去完成。

而且，從官方提供的四個預訓練模型來看，這四個面模型，參數最高的一個， ImageNet Linear 精度最大達到了 86.5% 。

在之前，同領域表現最好的 OpenClip ，其所預訓練出來的模型，表現最好的精度也只有 80.1% 

不管是 Pytorch 、 LLaMA 、 SAM ，還是 DINO V2 ，上面的這些成果，其實大都來自 Meta 的兩個專攻 AI 的實驗室。

其中一個是 Facebook ’ s Artificial Intelligence Research ，簡稱 FAIR ，主攻研發，另一個則是 Applied Machine Learning ，主攻應用落地。

而且他們的研究基本全部開源， 在測試可用後，你都能在開源網站上找到項目的源碼。

所以説，Meta 不但沒有在 AI 時代掉隊，反而已經屬於靠前的梯隊。

那麼説了這麼多，**它們和小扎一直掛在嘴邊的元宇宙，**有啥毛線關係呢？

其實早在 16 年的開發者大會上，小扎就給出了在公司未來的發展方向上，給出了三步走的計劃。

第一步，先要連接世界，這個就是扎哥的老本行了，社交網絡。

第二步，以人工智能為核心，打造連接世界的技術核心，這也是它們從好幾年前一直做的事情。

而第三步的 VR 和 AR 嘛。。。要放到現在，翻譯翻譯，這還是元宇宙。。。

所以説發展 AI，早在小扎的小本本上。

咱們也回頭看看一下之前 Meta 那些無論是大模型、還是計算機視覺的開源項目，在某種程度上，其實都是在降低 AI 使用的門檻。

而 AI 的發展，又能推動元宇宙的建設。

可以細品一下幾天前，小紮在發佈 DINO V2 時臉書上寫的這麼一句話：

 “ 在未來，這可能有助於改善醫療成像、糧食作物生長，並有助於使元宇宙更加沉浸。 ” 

説白了小紮在 “ 元宇宙 ” 的路上不僅沒自認折戟，反而可能更加自信了。

而隨着 AI 技術的持續發展，特別是 AIGC 的普及，各種AI建模，AI繪圖，AI音樂等工具的出現。。。

説不定真能讓元宇宙裏的內容越來越多，越來越逼真。

反正在使用過了不少大語言模型，被無數以假亂真的AI圖震撼過之後。。。。

元宇宙這個不久前還那麼縹緲的概念，在 AI 的助力下，好像也沒那麼的玄了。

圖片、資料來源：

DINOv2 by Meta AI 演示地址。

FaceBook最新的圖像分割模型SegmentAnything到底有多厲害？

知乎 - 有問題，就會有答案

https://baijiahao.baidu.com/s?id=1763489271537430409&wfr=spider&for=pc

OpenCLIP

Nikolaj Buhl : Segment Anything 模型 (SAM) 解釋_踏實鑽研的博客-CSDN博客

www.cnbeta.com.tw Meta開放 那個元宇宙

Yahoometa 裁員

www.myzaker.com

夢想家扎克伯格為Facebook插上人工智能之翼 - 點滴網