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，也隻剩林俊傑元宇宙血虧 90% 這類的被套牢新聞。
而其中，曾扯著嗓子高調梭哈，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 發布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 ~ 紮哥你是不是因為搞元宇宙又裁員了。 ”
“ 隨後什麽降本增效啊，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，都玩著類似的梗。。。並問著差評君，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。
這麽說吧，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，還真沒有誰能說它不行。
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 界的操作係統。
在 17 、 18 年這會兒，市場上占據最多使用率的，還是人穀歌大名鼎鼎的 TensorFlow 。
這個時候的 TensorFlow 可以說是眼中毫無對手，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，穀歌這好日子過了還沒多久，半路突然殺出來一個程咬金， Pytorch 發布了，這個由當時還叫 Facebook
的公司主導開發的深度學習框架，從易用性著手，自發布之後，用戶一路走高。
並在 19 年逆襲穀歌，成為目前最受歡迎的深度學習框架。
但好漢總不能隻提當年勇，如今大火大語言模型，Meta 其實也不拉，隻是人家沒有專門開發布會發布而已。
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。
好家夥，不公開不要緊，這一公開，各種各樣複刻 ChatGPT 的項目就來了。
什麽斯坦福的羊駝隻要 100 美元就能比肩 GPT3.5 啊。。。
又是什麽 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 在很多項的能力比拚下，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。。。
甚至可以說現在的學術圈和開源社區，已經是一隻隻草泥馬的形狀了。
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 就發布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，隻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。
咱們的紮哥又親自通過臉書，宣布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 可不僅僅隻能對圖像進行識別、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，你甚至能從一張平麵的圖像中，建模出一個 3 維的場景。
另外， DINO V2 的圖像特征提取功能 + 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，隻能搜索相似的畫麵。
但是加上了特征提取和語義分割之後，你不僅能搜索到相似的圖片，還能以單個圖像特征為條件，搜索不同風格的圖片。
隻要是 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，這四個麵模型，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，表現最好的精度也隻有 80.1%
不管是 Pytorch 、 LLaMA 、 SAM ，還是 DINO V2 ，上麵的這些成果，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。
所以說，Meta 不但沒有在 AI 時代掉隊，反而已經屬於靠前的梯隊。
那麽說了這麽多，它們和小紮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，小紮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，這個就是紮哥的老本行了，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。。。
所以說發展 AI，早在小紮的小本本上。
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，小紮在發布 DINO V2 時臉書上寫的這麽一句話：
“ 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。 ”
說白了小紮在 “ 元宇宙 ” 的路上不僅沒自認折戟，反而可能更加自信了。
而隨著 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。。。
說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麽縹緲的概念，在 AI 的助力下，好像也沒那麽的玄了。