open ai公司,opensea估值,open ai lab 这家公司好不好,openai公司上市了吗

AI绘画舆论热度持续爆炸的背后，资本开始进场。目前，已有多家公司借着以AI绘画为首的AIGC（自动化内容生成）技术官宣过亿美元新融资。

10月17日，一家名为Stability AI公司就宣布获得1.01亿美元融资，投后估值达10亿美元（折合人民币约76亿），而它的产品正是近来爆火的AI绘画模型――Stable Diffusion。

这一模型于1年前在GitHub上开源，正式版则由Stability AI在今年8月份发布，目前其各渠道累计日活用户超千万，已经吸引超过20万开发者。毫不夸张地说，正是Stable Diffusion和基于它开发的无数AI绘画新工具一齐将AI绘画推向了舆论热潮的高峰。有业内人士表示，当前AI绘画爆火的最直接原因，就是Stable Diffusion的开源。

图示：GitHub上星数超过3万，名副其实的明星项目

Stable Diffusion模型的重要性由此可见一斑，而作为其背后的公司，Stability AI自然得到了多方投资机构的关注，公司从其AI绘画模型爆火之前的估值1亿美元，获得一轮融资1000万美元一路攀升，最终达到现在的估值10亿美元，足足提升了10倍。

其创始人表示，这笔投资将用于公司人员的扩张，目前也与政*签订了多个订单，明年还打算资助100个AI方向的博士。

而这距离Stable Diffusion对外发布才不过两个月，Stability AI甚至尚未形成成熟的商业体系――其核心产品Stable Diffusion仍是一个完全免费的开源项目，可以随时下载使用或学习开发。

而在这股AI绘画的热潮中诞生的独角兽企业，远不止Stability AI一家。

10月18日，AI内容创作平台Jasper宣布获得1.25亿美元首轮融资，估值达15亿美元 。

这一公司的核心产品是与公司同名的平台Jasper AI，据官网介绍能够以“10倍速度”生成社交媒体内容、博客文章、邮件以及艺术绘画作品，目前通过出售三种不同价位的版本进行盈利，同时也可以作为Chrome插件进行二次开发。

其创始人称，公司从建立到首轮融资成为独角兽企业只用了18个月。

此外，作为近两年最先掀起AI创作热潮的顶级AI创企OpenAI，亦被爆料正与微软谈判，想再拿一笔新融资。

这是一家2015年底成立的AI实验室，大名鼎鼎的马斯克就是其创始人之一，目前，OpenAI实验室已经成为了公认的全球顶级AI实验室，其研究开发的多个模型都是足以改变人工智能业界的存在。

比如在2021年1月5日，OpenAI公布的DALL・E模型和CLIP技术框架，前者可以直接从文字说明生成图像，让AI在理解人类语言上有了惊人的提升，后者则是一款能将文本与图像联系起来的特殊的”图像识别“。可以说，正是以这两款技术的诞生为标志性事件，语言理解和图像生成任务多年来的技术积累才能以”AI绘画“为载体，进而集中爆发。

事实上，微软在2019年时就已向这家实验室投入了10亿美元，而在这股AI绘画的热潮刮入大众之前，OpenAI估值也已接近200亿美元。据《华尔街日报》报道，来自微软的新一轮资金可能会帮助OpenAI将其机器学习研究的范围扩大到更多领域――正如微软在10月初宣布的那样：要将OpenAI的DALL・E AI模型整合到自家的云平台、Bing搜索引擎等应用程序中。

超高的热度引来了大量资本，恐怖的吸金能力又使得其声浪愈响，热度愈高，以至于不仅有多个明星创企迅速蹿红，还诞生了不少AI绘画“新生意”。

今年6月新成立的公司PromptBase，其主营业务为兜售1.99美元（约合人民币14.5元）一个的AI绘画工具“提示词”，再将其复制到DAll・E、【【淘密令】】、Stable Diffusion等AI绘画平台，就能更“快速、精确”地生成所需图像。

同时，官网也将这一业务描述为具有潜力的“早期市场”，并提供了一个供普通用户售卖自己的提示词的平台，号称“成为一个卖家只需2分钟，就能快速靠你的技能赚钱”。

不仅有从细分赛道另辟蹊径的，还有直接“套皮出道”的。就在8月底，一家名叫WriteSonic的初创公司拿着开源的Stable Diffusion做了个盗版图片生成软件，Photosonic AI，然后直接发布到了产品社区 Product Hunt上，竟快速蹿升到了社区第二名。

而Stable Diffusion虽然完全免费开源，任何人都可以拷贝使用其在GitHub上公开的代码，但也必须遵循原项目采用的开源许可证，即在二次发布或修改时标注技术来源。因此，已有原项目贡献者朝WriteSonic喊话：“希望你们在VC面前没有假装这个东西是你们自己做的。”

金钱与热度并存，机遇和乱象齐飞，当前的AI生成图像领域便是这样一副景象。不过如果以2020年7月OpenAI公布Image GPT模型，将在NLP（自然语言处理）上取得突破性成就的Transformer模型引入图像补全及生成任务算起，AI生成图像满打满算也才起步两年，仍是一条绝对新生的赛道。而其未来究竟将如何发展，拭目以待。

编译：南都见习记者杨博雯

OpenAI估值（AI绘画捧红多个独角兽企业）由ChatGPT中文网发布，转载请联系本站书面授权。 特别声明：本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者在两周内速来电或来函联系。

OPENAI的算法 openai 大模型

openai官网,openai api key获取,openai和chatGPT什么关系,openai是马斯克的吗

变栗 问耕 发自 凹非寺

量子位 出品 | QbitAI

昨天上市即破发的小米，今天上午股价大涨近10%。这下雷军要笑了。

而且可以笑得更灿烂。更灿烂是什么样？来，我们用OpenAI刚刚发布的人工智能技术，给大家展示一下。

当然这个最新的技术，不止这点本事。它的“想象力”很强大的说~

比如，留胡子的硬汉版雷布斯什么样？

以及，娘化的雷布斯又是什么样？

还有。

OpenAI这个称作Glow的生成模型，不仅能像上面这样自动处理高清图片，而且还能把两个人的照片MIX一下。

说到MIX，还是以小米举例吧。

想象一下，碧昂丝和雷布斯如果有后代的话，会是什么样？把他俩照片放在一起，MIX一下……结果如下图所示。而且还可以调整父母的影像力，比方如1/4碧昂丝+3/4雷军……

好像……毫无违和感。

而且，这个新技术还放出了可用的Demo，如果你也想试试变脸或者合成照片，可以前往OpenAI官网，传送门在此：

【【网址】】/glow/

Glow：另辟蹊径

上面讲的就是OpenAI发布的新技术Glow，一个AI通过观察原始图片，学会如何根据不同的属性，生成全新的高清图片。

更厉害的是，这个生成模型，既不是基于大火的对抗生成网络GAN，也不是变分自编码器VAE。

Glow是一种可逆的生成模型，也称为基于流的生成模型，它源于对NICE和RealNVP技术的扩展。与GAN和VAE两大流派相比，基于流的生成模型迄今为止在研究界很少受到关注。

NICE的论文最早发布于2014年，作者是来自蒙特利尔大学的Laurent Dinh、Da【【微信】】、Yoshua Bengio。

传送门：【【网址】】/abs/1410.8516

RealNVP的论文最早发布于2016年，作者是蒙特利尔大学的Laurent Dinh以及谷歌大脑的Jascha Sohl-Dickstein、Samy Bengio。

传送门：【【网址】】/pdf/1605.08803.pdf

基于流的生成模型，有几个优点，例如：精确的潜变量推断和对数似然评估、可同时处理高效的推理和有效的合成、下游任务可用的潜在空间、显著节省内存空间等。

而且这种生成模型，并不限于图像处理，在语音合成、文本分析与合成、半监督学习和基于模型的控制等领域皆可应用。

开头演示的那些可调整属性，都不是预先标记好喂给神经网络的。朝怎样的方向变化，会产生发色啊，胡须量啊，诸如此类的改变，都是AI自己在潜在空间里面学到的。

OpenAI披露的信息显示，Glow模型在一块N【【微信】】上生成256×256的样本，需要130ms。

这次的变脸，更流畅

为了让图像发生更流畅的变化，团队以Dinh等人2016年的研究为基础，提出了一种新的生成流 (Generative Flow) ，叫做Glow：

每一步 (绿框) ，都要从一个actnorm步骤开始，把激活神经元归一化 (Acti【【微信】】) 。

紧跟着，是一个可逆的1x1卷积，输入和输出通道数量一样多。

再往后，是一层仿射变换 (Affine Transformation) 。Dinh团队提出的可逆转换，很强大，在这里被沿用了。

这三步组成一个绿框，无数的绿框连在一起，就有了周而复始的生成流。

然后，把这个流，跟右边的多尺度 (Multi-Scale) 架构结合在一起。

潺潺流淌，人脸就可以在神经网络里，发生安静又自然的变化了。

是AI自己找到的方向

在模型的训练数据上，研究人员没有手动添加任何标记。

AI会在潜在空间里，掌握各种各样的变化规律。

不论是把光滑的下颌变得胡子拉碴，还是为起气色红润的面孔完成卸妆。

没有地图，所有的方向，AI都要自己找到。

幸好，它没有迷路。

变成不一样的自己

不管是发色，面色，还是表情，这些语义特征AI或许并不懂，但这并不妨碍它实现这些属性的变化。

用编码器给图像编码，为有胡子和没胡子的样子，分别算出一个潜在向量。

两个向量之间，相差的那个向量，就是调整胡子浓密程度的滑块了。

变成别人

用编码器，给两张不同人类的照片编码。可以产生二者之间的变换过程，很完整。

从换脸途中任取一张图，就能看到两个人的基因，和解之后的样子了。

除了肉眼可辨的效果之外，团队还对比了Glow和前辈RealNVP (来自2016年的Dinh实验室) ，处理数据集时的成绩――

结果是，在5个数据集里，这只闪闪发光的模型，表现都要优于RealNVP。完成相同的任务，Glow需要的数据量更少。

青出于蓝。

选择跟随Dinh的脚步，是因为OpenAI团队看到了可逆生成模型的优点。

它跟VAE不同，跟GAN也不同，潜变量 (Latent 【【微信】】) 有了确切的推断，不只是一个近似值了。

另外，可以给数据，生成确切的对数似然值 (Log-Likelyhood) ，不只是一个下限了。

总而言之，这样的模型比起前辈们，拥有更多确定的答案。

论文+代码

Glow的作者是来自OpenAI的两位：Diederik P. Kingma、Prafulla Dhariwal。而且OpenAI这次一口气放出了Glow的论文以及代码。

论文传送门：

https://d4mucfpksywv.【【微信】】/research-covers/glow/paper/glow.pdf

代码传送门：

【【网址】】/openai/glow

― 完 ―

实习生招聘

量子位正在招募活动运营实习生，策划执行AI明星公司CEO、高管等参与的线上/线下活动，有机会与AI行业大牛直接交流。工作地点在北京中关村。简历欢迎投递到【【邮箱】】

具体细节，请在量子位(QbitAI)对话界面，回复“实习生”三个字。

量子位 QbitAI ・ 头条号签约作者

OpenAI中文官网（GAN被超越了OpenAI开源最新生成模型）由ChatGPT中文网发布，转载请联系本站书面授权。 特别声明：本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者在两周内速来电或来函联系。