大模型时代，通用视觉模型将何去何从？
大模型时代，通用视觉模型将何去何从？过去几年，通用视觉模型（Vision Generalist Model，简称 VGM）曾是计算机视觉领域的研究热点。
来自主题: AI技术研报
10916 点击 2025-07-02 10:52
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
过去几年，通用视觉模型（Vision Generalist Model，简称 VGM）曾是计算机视觉领域的研究热点。
最近，硅谷的一家新成立的名叫「Genesis AI」的公司吸引了我们的注意，他们在最近的种子轮融资中拿到了 1.05 亿美元。据外媒 TechCrunch 报道，这轮融资由美国顶级风投机构 Khosla Ventures、Eclipse 联合领投。前者是 OpenAI 的最早的机构投资者，后者是特斯拉产业背景团队机器人赛道的专业机构。
用户究竟是如何使用AI的？ Menlo Ventures是一家硅谷老牌的风险投资公司，专注于消费者、企业和生命科学领域，曾投资了Uber、Siri、Tumblr等知名公司。
AI Siri 多次跳票之后，苹果似乎要破釜沉舟，放弃自研，直接引入第三方的 AI 模型了。
根据Xsignal AI Holo（AI全息）数据库数据，上图呈现出2025年5月海外Web端AI应用类型的发展全景。为方便您最快速掌握关键要点，X博士为您梳理出5个关键洞察（5 Key Insights）：
扩散模型（Diffusion Models, DMs）近年来展现出巨大的潜力，在计算机视觉和自然语言处理等诸多任务中取得了显著进展，而异常检测（Anomaly Detection, AD）作为人工智能领域的关键研究任务，在工业制造、金融风控、医疗诊断等众多实际场景中发挥着重要作用。
如果你是程序员，又对股票感兴趣，那八成动过写个脚本的念头。这个想法的初版通常很简单：找个免费的股票数据 API，用 Python 拉取 K 线，算一下 MACD 或者 RSI 指标，然后写几个 if/else 来触发买入卖出信号。测试几次，发现收益还不错，特容易兴奋上头。
如今的视觉语言模型 (VLM, Vision Language Models) 已经在视觉问答、图像描述等多模态任务上取得了卓越的表现。然而，它们在长视频理解和检索等长上下文任务中仍表现不佳。
在高质量视频生成任务中，扩散模型（Diffusion Models）已经成为主流。然而，随着视频长度和分辨率的提升，Diffusion Transformer（DiT）模型中的注意力机制计算量急剧增加，成为推理效率的最大瓶颈。
杜塞尔多夫讯，AI初创企业Synthflow近日完成2000万美元（约合人民币1.45亿元）融资。此次A轮融资由美国投资机构安克创投（Accel）领投，该机构曾投资支付平台Klarna、流媒体Spotify及流程优化软件Celonis。现有投资方Atlantic Labs和Singular也参与本轮注资。《商报》独家获悉此消息。