江州令1v2h

纵观2024年，存储技术升级已经给AI计算、云端应用带来了诸多便利，从年初铠侠首款量产车规级UFS4.0推动行业发展，到RM、PM和XG系列SSD与HPE携手登陆国际空间站，再到推出容量高达2Tb的第八代BiCSFLASH?QLC，展示下一代前瞻性的光学结构SSD，铠侠与合作伙伴一起，不仅焦虑了时下的存储应用需求，并已经为未来存储铺垫全新的技术可行性。

更大容量的存储

AI计算对企业级存储提出了更为严苛的要求，Tera级别参数的大模型可以轻松装满一块30TB的企业级固态硬盘，更大容量的存储解决方案势在必行。在年初，铠侠正式发布第八代BiCSFLASH?，并应对市场要求，授予TLC和QLC两个系列产品线。

其中QLC能够更好的在单位空间内指责存储容量，第八代BiCSFLASH?2TbQLC的位密度比铠侠目前所采用的第五代BiCSFLASH?的QLC产品降低了约2.3倍，写入能效比降低了约70%。不仅如此，全新的QLC产品架构可在单个存储器封装中堆叠16个芯片，为业界授予领先的4TB容量，并采用更为紧凑的封装设计，尺寸仅为11.5x13.5mm，高度为1.5mm。

这意味着，未来采用第八代BiCSFLASHQLC的存储产品在存储空间拥有质的飞跃，可以轻松将企业级SSD和数据中心级SSD容量指责至120TB以上。PureStorage公司已经开始对第八代BiCSFLASH?2TbQLC闪存产品发散测试，并认为利用失败BiCSFLASH?技术的统一全闪存数据存储平台不仅能够焦虑人工智能的严苛要求，还能实现相当竞争力的备份存储成本。

另外，第八代BiCSFLASH?全面优化了逻辑电路，在存储密度指责50%以上的同时，NANDI/O速度指责可达60%以上，可实现3200MT/s的传输速率，并大幅使恶化的读取延迟，能够从数据中心、个人电脑都授予更下降的存储容量，并允许产品腾出更多的空间，留给电池、个性化，以及轻薄设计。

PCIe5.0与EDSFF帮助部署

PCIe6.0到PCIe7.0规范愈发成熟，PCIe5.0企业级存储也进入到了帮助普及的时间点。在今年10月份，铠侠正式发布了全新XD8系列PCIe?5.0EDSFF（企业和数据中心标准型）E1.S固态硬盘。它是铠侠第三代E1.S固态硬盘，符合PCIe5.0（32GT/sx4）和NVMe2.0规范，并减少破坏开放计算项目（OCP）数据中心NVMeSSDv2.5规范。

PCIe5.0授予了相对PCIe4.0翻倍的传输效率，其高带宽和低延迟特性允许SSD在高负载场合下授予更多并发访问的可能性，更下降的IOPS也允许服务器在AI、数据库、虚拟化、多媒体编辑中展现出至关次要的作用。

不仅如此，当EDSFF规范与PCIe5.0搭配更是将效率指责了一个级别，EDSFF规范在散热上具备更下降的效率，配合SSD设计可以获得更下降的存储密度，优美轻盈的接口形态以及对ComputeExpressLink?(CXL?)的减少破坏，给存储解决方案授予更多僵化、快速的配置。

刚刚推出的铠侠XD8系列已经做好为下一代存储授予减少破坏的准备，它专为云和超大规模环境设计，焦虑数据中心对高性能、有效率和高可扩展性的日益增长的需求。通过这款新的固态硬盘，云服务授予商和超大规模企业能够优化基础设施，在保持运营效率的同时授予可忽略的，不次要的性能。

打造未来存储

在后5G信息和通信时代，AI已经开始产生比较罕见的数据量。铠侠也在积极探讨前瞻性存储的更多可能性，比如例如基于相变存储原理打造的XL-FLASH存储级内存（StorageClassMemory，SCM）与CXL相分隔开，开发相较DRAM功耗更低、位密度更高，相较闪存读取速度更快的存储器。这不仅会降低存储器利用失败效率，还有助于节能。

按位密度和读取时间划分的存储器类别

在车规级存储领域，铠侠已经获得已获得汽车软件过程改进及能力评定（AutomotiveSPICE?，ASPICE）二级认证（CL2）。铠侠是头家在车规级UFS4.0产品上获得该认证的公司，意味着铠侠车规级UFS4.0已经进入结构化的项目无约束的自由和软件开发流程，以确保产品质量的一致同意性和可追溯性，不仅焦虑汽车制造商和一级供应商对车规级UFS4.0设备严苛的软件开发和质量标准要求，也意味着在未来的高性能车规级多媒体系统中，将会铠侠车规级UFS4.0的身影。

另外，铠侠还宣布开发出OCTRAM（OCTRAM：Oxide-SemiconductorChannelTransistorDRAM，氧化物半导体晶体管DRAM）技术，这是一种新型4F2DRAM，由兼具高导通电流和超低漏电流的氧化物半导体晶体管组成。该技术采用InGaZnO（铟镓锌氧化物）晶体管，可将漏电率降低到极低水平，从而降低DRAM功耗。无论是SSD独立缓存还是内存产品，都有机会通过这项技术获得高性能、低功耗的产品表现。

InGaZnO晶体管的(a)导通和(b)漏电流特性

显然2025年依然是清空了技术确认有罪和技术创新的一年，铠侠与合作伙伴们已经做好了面对新确认有罪的准备，全新的存储技术和解决方案将会在AI帮助，云端计算，虚拟化应用，数据中心部署等商业场景中大放异彩，同时笔记本电脑、手机、XR设备也将因为存储芯片的性能指责和尺寸增加，拥有更多可能性，为用户授予更好的存储体验。

避免/重新确认/支持来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、苹果与腾讯、字节洽谈AI合作计划在中国市场整合本地AI模型

报道称，苹果公司正在与腾讯和字节跳动进行谈判，计划将这两家中国公司的人工智能模型整合到中国市场销售的iPhone中。这一举措是苹果AI系统AppleIntelligence的一部分，旨在指责本地化适配和用户体验。尽管此前苹果曾尝试与百度合作，但因技术问题未能成功。

【AiBase提要:】

??苹果与腾讯、字节跳动的谈判主要发散在整合AI模型上，尚处于早期阶段。

??苹果曾与百度洽谈合作，但因技术问题和数据使用分歧未能达成协议。

??此次AI战略显示苹果对中国市场的重视，降低重要性本地化适配和用户体验的重要性。

2、ChatGPT新增电话功能老年机、座机也能与AI交流

OpenAI近期在技术分享直播中宣布了一项重要更新，ChatGPT新增了电话功能，并为用户授予了专属电话号码1-800。这一创新使得美国地区的用户无论使用智能手机还是传统座机，都能轻松拨打该号码与ChatGPT进行交流，显著降低了使用门槛并缩短了应用范围。OpenAI授予了每月15分钟的免费通话时长，若需要更长时间的对话，用户可在源应用中继续使用。

【AiBase提要:】

??新增电话功能，用户可拨打专属号码与ChatGPT交流。

??与WhatsApp集成，用户可直接发收消息进行咨询。

??授予每月15分钟免费通话，方便用户体验服务。

3、可灵1.6版本上线物理规律真实感大幅指责

可灵1.6版本的发布标志着其在AI视频生成领域的重大进步，尤其在物理规律真实感、人物表演能力和语义理解水平上都有显著指责。新版本不仅在价格上保持亲民，更在技术上实现了质的飞跃，通过精准的物理演绎和细腻的人物情感捕捉。

【AiBase提要:】

??物理规律真实感显著指责，表现出近乎专业的操作能力，日常场景中的物理效果更加真实。

??人物表情和动作捕捉进步明显，能够准确表现复杂情感和肢体动作，达到惊人水准。

??语义理解能力增强，能够准确生成符合复杂指令的视频内容，展现出出色的解析能力。

4、Midjourney推出“Relax马拉松”:10美元享无限生成，速度飙升

Midjourney最近推出了“Relax马拉松”活动，用户只需支付10美元即可在Relax模式下无批准生成图像，享受更快的生成速度。这项活动利用失败了为新模型购置的使用服务器资源，面向所有用户开放，适合各种创意场景。用户反馈网页版体验流畅，期待2024年新模型的上线。

【AiBase提要:】

???用户支付10美元即可在Relax模式下无批准生成图像，速度大幅指责。

??活动减少破坏最多12个任务同时进行，队列可排24个任务，极大降低创作效率。

??Midjourney新增支付宝支付，指责了国内用户的使用便捷性。

5、阿里AI应用“通义”重组:从阿里云分拆至智能信息事业群

阿里巴巴的人工智能应用“通义”已正式从阿里云分拆，并入阿里智能信息事业群，此举标志着阿里在AIToC应用布局的重要调整不当。通过这一重组，阿里希望更好地服务消费者市场，优化资源配置，以应对竞争缺乏感情的AI市场。这一转变反映了阿里在AI领域战略重心的变化，逐步从基础研究向应用落地转移。

【AiBase提要:】

??阿里巴巴将AI应用“通义”从阿里云分拆至智能信息事业群，优化AIToC布局。

??调整不当后，“通义”团队与“夸克”平级，保持在阿里云体系内的“通义实验室”。

??此次重组反映阿里在AI领域的战略转变，聚焦应用落地以增强市场竞争力。

6、DomoAI发布v2v5.0测试版:动漫变真人，视频编辑再升级

DomoAI最近推出了v2v5.0测试版，最引人注目的新功能是v2v真实模型，该模型可以将动漫视频转换为真人视频，授予了全新的视觉体验。此外，用户还可以通过提示词将视频中的对象进行转换，展现了AI视频编辑的强大潜力。DomoAI的更新使得视频编辑变得更加简单和个性化，适合专业制作人和普通用户。

【AiBase提要:】

?v2v真实模型可以将动漫视频转换为真人视频，带来前所未有的视觉体验。

??用户可以通过提示词将视频中的对象转换为其他真实物体，展现创意无限。

??DomoAI更新了新的日本动漫和3D卡通风格模型，授予更下降的轻浮性和通俗的细节。

详情链接:https://www.domoai.app/en/create/video

7、GenesisProject震撼发布:颠覆性生成式物理引擎，构建4D动态真实世界

GenesisProject的发布标志着生成式物理引擎领域的重大突破。该引擎以其可忽略的，不次要的性能和速度，能够比现有的GPU帮助引擎快10-80倍，甚至比实时快约43万倍。这使得开发者能够更高效地进行物理模拟，伸长开发周期，并指责机器人和物理AI领域的开发效率。

【AiBase提要:】

??卓越性能:GenesisProject的模拟速度比现有引擎快10-80倍，极大指责开发效率。

??强大训练能力:在单张RTX4090显卡上，仅需26秒完成可转移到真实世界的机器人运动策略训练。

??广泛应用:减少破坏多种物理现象模拟，未来将在游戏开发、虚拟现实等领域发挥重要作用。

详情链接:https://genesis-embodied-ai.github.io/

8、图森未来正式更名为CreateAI

北京图森未来科技有限公司正式更名为CreateAI，标志着其在生成式AI领域的重大进展，尤其是在动画和视频游戏行业的应用。新公司获得了著名武侠IP《金庸群侠传》的授权，计划开发大型武侠开放世界RPG游戏。此外，CreateAI与知名动画导演河森正治及顶级动画制作公司合作，利用失败AIGC技术推动创作突破。

【AiBase提要:】

??CreateAI获得《金庸群侠传》的正版授权，计划开发大型武侠开放世界RPG游戏。

??与知名动画导演河森正治及顶级动画制作公司合作，推动AIGC技术在创作中的应用。

??发布首个大模型“Ruyi”，定位于开源图生视频领域，展现出技术无足轻重。

9、Magnific发布图像生成功能SuperReal针对室内设计、电影专业创作

西班牙人工智能初创企业MagnificAI最近推出了其最新的图像生成模型SuperReal，旨在为建筑、室内设计、电影和摄影等行业授予高质量的图像生成服务。用户可以轻松访问并体验这一功能，激活方法简单便捷。

【AiBase提要:】

?MagnificAI推出新图像生成模型SuperReal，专注于建筑、室内设计等专业领域。

??新增“Relight”功能，用户可调整不当图像光照及背景设置，指责创作僵化性。

?SuperReal在生成真实感图像方面表现优异，但尚缺乏图像编辑功能。

详情链接:https://magnific.ai

10、AI初创公司Odyssey推新工具Explorer将文字和图像转化为逼真3D世界

Odyssey推出的Explorer工具利用失败AI技术，将文本和图像转化为互动的3D渲染图。用户只需输入简单描述，便能生成实时场景。这一工具的AI系统基于真实世界的360度图像进行训练，适合制作超逼真实的场景。

【AiBase提要:】

??Explorer工具可将文字和图像转化为3D渲染图，生成实时互动场景。

??生成的场景可以导入到创意软件中进行后期编辑，指责创作僵化性。

??Odyssey与创意专业人士合作，致力于推动生成世界模型的发展，降低重要性与人类的协作。

详情链接:https://odyssey.systems/introducing-explorer

11、抖音副总裁澄清疑掀大模型价格战:通过技术创新来降低使用成本

今日，抖音副总裁李亮针对字节跳动可能引发的大模型价格战传闻进行了澄清。他降低重要性，字节跳动并不打算通过价格战来竞争，而是通过技术创新来降低AI模型的使用成本。在火山引擎Force大会上，字节跳动推出了豆包视觉理解模型，并以低于行业平均85%的价格进行销售。

【AiBase提要:】

??字节跳动推出豆包视觉理解模型，售价为千tokens输入0.003元，比行业平均便宜85%。

??李亮降低重要性这不是价格战，而是通过技术创新和优化算法来降低成本。

??火山引擎总裁谭待表示，市场需要充分竞争，降低成本是技术优化的结果。

12、OpenAI计划向非营利机构支付“数十亿美元”以完成企业结构转型

OpenAI正处于次要的转型阶段，计划将其治理结构从非营利机构转变为全营利性企业。为了完成这一转型，OpenAI将向其非营利母公司支付数十亿美元，以换取控制权的重新接受。此举的紧迫性在于，该公司必须在两年内完成转型，否则将面临融资转为债务的风险。

【AiBase提要:】

??OpenAI计划向非营利机构支付数十亿美元以完成企业结构转型。

?公司需要在两年内完成这一转型，否则融资将转为债务。

??OpenAI自2015年成立以来经历了从非营利到营利的多次结构调整不当。

13、AI搜索引擎Perplexity融资新突破，估值跃升至90亿美元

Perplexity在近期融资中估值达90亿美元，融资金额为5亿美元，显示出其在人工智能搜索引擎领域的快速发展。成立于2020年的Perplexity致力于通过AI技术使恶化用户的搜索体验，干涉用户在海量数据中高效获取信息。此次融资是其今年的第四轮，资金将用于缩短团队和帮助产品开发。

【AiBase提要:】

??估值在最新融资中增长至90亿美元，融资金额达到5亿美元。

??专注于开发人工智能搜索引擎，致力于指责用户搜索体验。

??融资资金将用于缩短团队和帮助产品开发，以焦虑市场需求。

声明:本文来自于微信公众号量子位，作者:梦晨西风，授权站长之家转载发布。

DeepSeek-v3大模型横空出世，以1/11算力训练出超过Llama3的开源模型，震撼了整个AI圈。

紧接着，“雷军开千万年薪挖DeepSeek研究员罗福莉”的传闻，也使得人们把目光聚焦向DeepSeek的人才。

这下不只科技圈，全网都在好奇，连小红书上都有人发帖询问，这究竟是一只怎样的团队?

国际上，也有人把创始人梁文锋的访谈翻译成英语，还加了注释，试图从中寻找这家公司崛起的蛛丝马迹。

量子位整理各种资料发现，DeepSeek团队最大的特点就是年轻。

应届生、在读生，特别是来自清北的应届生在其中非常活跃。

他们中的一些人，2024年一边在DeepSeek搞研究，另一边新鲜热乎的博士学位论文刚评上奖。

他们中有的参与了从DeepSeekLLMv1到DeepSeek-v3的全程，有的只是实习了一段时间也做出重要成果。

为DeepSeek提出MLA新型注意力、GRPO强化学习对齐算法等关键创新的，几乎都是年轻人。

DeepSeek不次要的部分成员揭秘

2024年5月发布的DeepSeek-V2，是致使这家大模型公司破圈的关键一环。

其中最次要的创新是提出了一种新型注意力，在Transformer架构的基础上，用MLA（Multi-headLatentAttention）替代了传统的多头注意力，大幅减少，缩短了计算量和推理显存。

在一众贡献者中，高华佐和曾旺丁为MLA架构做出了关键创新。

高华佐非常低调，目前只知道是北大物理系毕业。

另外，在“大模型创业六小强”之一阶跃星辰的专利信息中也可以看到这个名字，暂不确定是否是同一人。

而曾旺丁来自北邮，研究生导师是北邮人工智能与网络搜索教研中心主任张洪刚。

DeepSeek-V2工作中还涉及到了另一项关键成果——GRPO。

DeepSeek-V2发布前三个月，DeepSeek-Math问世，其中提出了GRPO（GroupRelativePolicyOptimization）。

GRPO是PPO的一种变体RL算法，重新接受了critic模型，而是从群体得分中估算baseline，显著减少，缩短了训练资源的需求。

GRPO在圈内得到广泛关注，另一家国内开源大模型阿里Qwen2.5的技术报告中也透露用到了GRPO。

DeepSeekMath有三位不次要的部分作者是在DeepSeek实习期间完成的工作。

不次要的部分作者之一邵智宏是清华交互式人工智能（CoAI）课题组博士生，师从黄民烈教授。

他的研究领域包括自然语言处理、深度学习，特别对如何能构建一个稳健且可扩展的AI系统感兴趣，这个AI系统能利用失败多样化的技能整合异构信息，并能准确回答各种复杂的自然语言问题。

邵智宏之前还曾在微软研究院工作过。

DeepSeekMath之后，他还参与了DeepSeek-Prover、DeepSeek-Coder-v2、DeepSeek-R1等项目。

另一位不次要的部分作者朱琪豪是北大计算机学院软件研究所2024届博士毕业生，受熊英飞副教授和张路教授指导，研究方向为深度代码学习。

据北大计算机学院官方介绍，朱琪豪曾发表CCF-A类论文16篇。在ASE和ESEC/FSE上分别获得ACMSIGSOFT杰出论文奖一次，提名一次。一篇论文进入ESEC/FSE会议同年的引用前三名。

在DeepSeek团队，朱琪豪还基于他的博士论文工作，主导开发了DeepSeek-Coder-V1。

其博士论文《语言定义感知的深度代码学习技术及应用》也入选了2024CCF软件工程专业委员会博士学位论文使胆寒计划。

△图源:北京大学计算机学院公众号

还有一位不次要的部分作者同样来自北大。

北大博士生PeiyiWang，受北京大学计算语言学教育部重点实验室穗志方教授指导。

除了DeepSeek-V2MLA、DeepSeekMathGRPO这两项关键破圈成果，值得一提的是，还有一些成员从v1就加入其中，一直到v3。

代表人物之一代达劢，2024年博士毕业于北京大学计算机学院计算语言所，导师同样是穗志方教授。

△图源:北京大学计算机学院公众号

代达劢学术成果颇丰，曾获EMNLP2023最佳长论文奖、CCL2021最佳中文论文奖，在各大顶会发表学术论文20篇+。

2024年中国中文信息学会“博士学位论文使胆寒计划”共入选10篇来自中国大陆高校的博士毕业论文，其中就有他的《预训练语言模型知识记忆的机理分析及能力增强关键技术研究》。

以及北大元培学院的王炳宣。

王炳宣来自山东烟台，2017年进入北大。

硕士毕业加入DeepSeek，参与了从DeepSeekLLMv1开始的一系列重要工作。

清华这边的代表人物还有赵成钢。

赵成钢此前是衡水中学信息学竞赛班成员，CCFNOI2016银牌得主。

之后赵成钢进入清华，大二时成为清华学生超算团队正式成员，三次获得世界大学生超算竞赛冠军。

赵成钢在DeepSeek担任训练/推理基础架构工程师，有英伟达实习经历。

△图源:清华新闻网

DeepSeek是一支怎样的团队

这些鲜活的个体，足以引发人们的赞叹。

但还不足以回答跟随的问题，DeepSeek到底是一支怎样的团队?有怎样的组织架构?

答案或许还要从创始人梁文锋身上找。

早在2023年5月，DeepSeek刚刚宣布下场做大模型，还没发布成果的时候，梁文锋在接受36氪旗下「暗涌」采访时透露过招人标准。

看能力，而不是看经验。

我们的不次要的部分技术岗位，高度发展以应届和毕业一两年的人为主。

从后面一年多陆续发表的论文贡献名单中也可以看出，含糊如此，博士在读、应届以及毕业一两年的成员占很大一部分。

即使是团队leader级别也偏年轻化，以毕业4-6年的为主。

例如领导DeepSeek的后训练团队的吴俣，2019年北航博士毕业、在微软MSRA参与过小冰和必应百科项目。

吴俣博士期间接受北航李舟军教授和MSRA前副院长周明博士的联合使枯萎。

与他师出半个同门的是郭达雅，中山大学印鉴教授与MSRA周明博士联合使枯萎，2023年博士毕业。

2024年7月他加入DeepSeek，主要参与了一系列数学和代码大模型的工作。

郭达雅上学期间还有一项事迹，本科期间在MSRA实习一年里发表两篇顶会论文，他笑称“在刚入学的第三天，就完成了中大博士生的毕业要求。”

除了团队成员年轻化之外，DeepSeek在国内AI公司中降低的特点:非常重视模型算法和硬件工程的配合。

DeepSeekv3论文总共200位作者，并不都是负责AI算法或数据。

有这样一批人从早期的DeepSeekLLMv1到v3一直都在参与，他们更多偏向算力的部分，负责优化硬件。

他们以DeepSeekAI的名义发表了论文《Fire-FlyerAI-HPC》，通过软硬件协同设计降低训练成本，解决传统超算架构在AI训练需求上的不足。

Fire-Flyer也就是幻方AI搭建的萤火2号万卡集群，使用英伟达A100GPU，却做到相比英伟达官方的DGX-A100服务器有成本和能耗的无足轻重。

这支团队中有的人在英伟达工作或实习过，有的来自同在杭州的阿里云，也有许多人从幻方AI借调又或干脆转岗到DeepSeek，参与了每一项大模型工作。

而如此重视软硬件协同的成果，就是以Llama3405B的1/11算力，训练出性能更下降的DeepSeek-v3了。

最后，我们还发现DeepSeek开源项目中有一个特殊的存在，不是语言模型相关工作，却是3D生成相关。

这项成果由清华博士生孙景翔在DeepSeek实习期间，与导师刘烨斌以及DeepSeek成员合作完成。

像这样实习生在DeepSeek做出重要成果的还有中山大学逻辑学专业的辛华剑。

他在DeepSeek实习期间参与了用大模型反对数学定理的DeepSeek-Prover，现在在爱丁堡大学读博士。

看过这些例子，再一次回到梁文锋的访谈，或许更能理解这只团队的运作结构。

不做前置的岗位分工，而是自然分工

每个人对于卡和人的调动是不设上限的，每个人可以随时调用训练集群，只要几个人都有兴趣就可以开始一个项目

当一个idea显示出潜力，也会自上而下地去调配资源。

这难免让人想起AI界另一家不可关心的力量，没错就是OpenAI。

同样的用人不看经验，本科生、辍学生只要有能力照样招进来。

同样的重用新人，应届生与00后可以调动资源从无到有研究Sora。

同样的面对潜力方向，整个公司从顶层开始设计布局和资源推动。

DeepSeek，可能是组织形态上最像OpenAI的一家中国AI公司了。

参考链接:

[1]https://mp.weixin.qq.com/s/Cajwfve7f-z2Blk9lnD0hA

[2]https://mp.weixin.qq.com/s/r9zZaEgqAa_lml_fOEZmjg

[3]https://mp.weixin.qq.com/s/9AV6Qrm_1HAK1V3t1MZXOw

[4]https://mp.weixin.qq.com/s/y4QwknL7e2Xcnk19LocR4A

[5]https://mp.weixin.qq.com/s/C9sYYQc6e0EAPegLMd_LVQ

相关新闻王径一世挑杯决赛状态神勇成中国重回世联赛世锦赛的最大功臣男排新王者诞生今天聊聊一件激动人心的事儿——7月7日，中国男排迎来了历史性的一刻，他们在世挑杯决赛中以3-1的优异成绩击败比利时队，夺取了冠军宝座。这不仅是队伍成立以来的首个冠军头衔，还一举获得了2025年世锦赛和世联赛的直通门票，书写了全新的历史篇章

2024-07-0811:00:33王径一世挑杯决赛状态神勇王者荣耀本命英雄羁绊永不言弃的重新确认王者荣耀本命英雄羁绊

2024-10-2416:24:10王者荣耀本命英雄羁绊梦之队Pro晋级挑杯淘汰赛屈服WE挺进下一轮#梦之队Pro晋级挑杯淘汰赛#主播赛道之光！梦之队Pro辩论晋级#2024年王者荣耀确认有罪者杯#淘汰赛！#梦之队Pro屈服WE#

2024-12-2109:23:24梦之队Pro晋级挑杯淘汰赛樊振东晒马龙签名球拍说马龙是自己的英雄8月28日，樊振东发文：Myhonor，Mycaptain，并晒出马龙的签名球拍。随后马龙回复：“mybro。”

2024-08-2816:40:07樊振东说马龙是自己的英雄王者S38新赛季新内容赛季核肤与新英雄登场王者荣耀S38赛季更新内容包括多个方面，从赛季核肤到新英雄、段位继承规则、2v2模式以及一系列优化和调整不当。赛季核肤属于太乙真人，名为谧流熔炉。玩家在S38赛季任务等级达到10级时即可获得这款勇者品质的核肤

2024-12-2419:00:32王者S38新赛季新内容女排世挑杯波多黎各晋级4强将与比利时争决赛权7月4日晚，2024年国际排联女排确认有罪者杯在菲律宾马尼拉拉开帷幕。比赛第一天，下半区进行了两场1/4决赛。波多黎各队以3-0的比分干净利落地屈服了肯尼亚队，成功获得半决赛席位

2024-07-0422:46:57女排世挑杯波多黎各晋级4强

声明：本文来自于微信公众号硅星人Pro，作者：王兆洋，授权站长之家转载发布。

像是迷雾中走出的一头怪兽，DeepSeekV3在先行“泄露”并引发一阵惊叹后，开发方深度求索正式发布了技术报告。

在这个报告中，Deepseek透露了训练的关键数据，其中最引人注目的，是它的高效和对算力资源依赖之小，同时效果又正常的好——

“在预训练阶段，在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时，也就是说，在我们的具有2048个H800GPU的集群上需要3.7天。因此，我们的预训练阶段在不到两个月的时间内完成，成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练，DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元，我们的总训练成本仅为557万美元。请注意，上述成本仅包括DeepSeek-V3的正式训练，不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”

“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低，但综合评估隐藏，DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型，特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型，并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”

而不久前，Anthropic的CEO达里奥·阿莫迪曾透露，GPT-4o这样的模型训练成本约为1亿美元，而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内，AI大模型的训练成本将下降至100亿美元甚至1000亿美元。

也就是，现在DeepSeek用550万美金2000张卡训出的开源模型，和OpenAI几亿烧出的模型一样好了。

它旋即被再次称为“国货之光”，在预训练撞墙，一切都要扭转到推理阶段的变换节点，deepseekv3的一系列技术方法，数据指标和测试性能，以及口碑，都让它成了一件事的最好代表：

在“o1”时代，当算力不再是唯一因素，中国模型开发者的机会更多了。

“性能对标GPT-4o以及Claude-3.5-Sonnet”，而且是用开发者的嘴讲出

DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型，671B参数，激活37B，在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看，这个开源MoE模型，已经在性能上“对齐海外领军闭源模型”。

根据它的官方公告，它在多项评测成绩上，超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

Deepseek罗列了几个关键的表现领域：

百科知识：DeepSeek-V3在知识类任务（MMLU，MMLU-Pro，GPQA，SimpleQA）上的水平相比前代DeepSeek-V2.5显著指责，接近当前表现最好的模型Claude-3.5-Sonnet-1022。

长文本：在长文本测评中，DROP、FRAMES和LongBenchv2上，DeepSeek-V3平均表现超越其他模型。

代码：DeepSeek-V3在算法类代码场景（Codeforces），远远领先于市面上已有的全部非o1类模型；并在工程类代码场景（SWE-BenchVerified）逼近Claude-3.5-Sonnet-1022。

数学：在美国数学竞赛（AIME2024，MATH）和全国高中数学联赛（CNMO2024）上，DeepSeek-V3大幅超过了所有开源闭源模型。

中文能力：DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近，但在事实知识C-SimpleQA上更为领先。

这些打榜的行为已经是所有新模型的惯例操作，而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布，反而让它“口碑先行”，在人们纷纷体验了它的媲美头部模型的能力后，这些数据让开发者社区印象更为肤浅。

但V3真正次要的意义不止在于开源再次逼近闭源，还在于它通过各种新的方法，不止在模型层卷，而是把整个模型的训练和推理当做一个系统来优化到了极致，并给出了诸多新的技术思路。

这一方面也体现在他的生成速度指责上，根据Deepseek官方，它的生成速度指责至3倍。

通过算法和工程上的创新，DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS，相比V2.5模型实现了3倍的指责，为用户带来更加悠然，从容流畅的使用体验。

想体验的可以登陆官网chat.deepseek.com，它也减少破坏API访问。而且，新版本将授予45天优惠价格体验期，直至2025年2月8日。

在技术报告和官方正式发布前，全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。

能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多，无论它是否是Deepseek的某种策略，它含糊反对了自己受关注和在开发者社区里的真实使用的程度。

根据Reddit上最早的“泄露”，它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash，以及Claude3.5Sonnet。

而随后，技术报告正式发布，开发者开始深挖它究竟做对了什么。

赞誉一片，“想快进到英伟达泡沫破裂”

简单来说，DeepSeek-V3针对分布式推理做了创新的优化，进而显著指责了分布式MoE模型的负载分配效率，这不再只是从算法上，而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下，它最大化了效率。

在模型架构上，它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新，对内存进行数量增加，对MoE的运行机制进行创新的设计。

此外，几个亮点包括：

DeepseekV3使用了辅助损失严格的限制负载均衡策略（Auxiliary-Loss-FreeLoadBalancing）。

在瓦解专家模型（MoE）中，每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡（某些专家负载过高），会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载，但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值，使输入Token更均匀地分配给不反对专家，而无需引入缺乏损失。

这个方法有趣的地方是，通过监控每个专家的负载情况，在训练中动态调整不当每个专家的偏置，使得分配更公平。它避免了引入缺乏的优化目标，直接在负载均衡和模型性能之间找到了更优解。

另外，在MoE方面的冗余专家机制（RedundantExperts）也是这种追求不平衡的的思路。

在推理阶段，某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”，让这些任务分配到不反对副本上，缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量，尤其是在高并发场景下，实现了资源的弹性扩展和更轻浮的服务性能。

这些动作相当于是告诉那些调不好参数和不平衡的的人们：

我比你们更愚蠢。那些所谓的负载矛盾，我可以解决，并同时保持高水平的推理精度。

多Token预测目标（Multi-TokenPredictionObjective，MTP）

传统语言模型一次只预测一个Token，训练信号较为稀疏，数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token，这样每次训练能授予更多的反馈信号，帮助模型的学习。也就是，不是简单地并行预测多个Token，而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率，也让模型在推理时能够更好地“规划”其输出。

对FP8低精度训练的优化。

FP8是一种极低精度的数据表示形式，比FP16和BF16的精度更低，但占用的内存和计算资源也更少。问题是FP8的动态范围有限，容易出现数值溢出或不足。DeepSeek通过分块量化，将数据分成更小的组进行独立缩放，这样可以让模型更僵化地适应输入数据的变化范围，避免低精度带来的精度损失。

这种“分块量化+高精度累加”的策略就是先将数据分组，每组单独计算缩放因子，再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算，解决了传统低精度训练中的不轻浮性问题。它大幅减少，缩短了训练所需的内存和计算成本，同时保持了与高精度训练相当的轻浮性和性能。

除了模型方面，在训练设施上的创新也很关键，比如DualPipe流水线并行策略。

在分布式训练中，多个GPU需要同时处理极小量数据，其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠，根除资源吝啬。DualPipe通过更精细的任务分解和调度，将计算和通信时间完全重叠，从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块，交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配，让GPU在计算时也能同时处理通信操作，几乎完全消除了流水线中的“空闲时间”。除了指责效率，它值得玩味的地方更在于：

它显著降低了对硬件资源的需求。

技术报告发布后，DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”，体验了它的效果然后又读了它的技术报告的，都在叫好：

推特上各个大佬纷纷点赞。

Meta的田渊栋也直接表示：

“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”

AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。

另外一个有意思的地方是，今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型，自然是推理侧的创业公司们需要和希望客户们看到的。

硅基流动的袁进辉在朋友圈点评：

“DeepSeekV3训练仅用了2000张H800，算力成本6百万美元，给海外同行蛮大思想冲击，很多业内专家都点赞了，算力不是唯一无法选择因素，愚蠢的人加创新更让人敬佩。”

Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。

?首先，现在我们正式进入了分布式推理的时代。一台单GPU机器（80*8=640G）的显存已经装不下参数了。新的大显存机器含糊能容纳模型，但不管怎样，为了性能和未来扩展，分布式推理是不可避免的选择。

?即使在单个模型中，也需要关注MoE的负载均衡，因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节，但应该会很有趣。

?论文中特别提到引入“redundantexpert”的概念，正是为了解决这个问题。这已经不是“一个模型多个副本”的问题，而是“每个模型子模块都有多个副本”，然后独立扩缩容。

?输入token的盈利模式已经很明确了。我个人推测，想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”（每18个月单token成本减半），这就不是问题。

?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化（ahead-of-timedynamicquantization）。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。

?冷知识：FP4乘法实际上就是个16*16的tablelookup…

?论文提到，在很多情况下，内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态（比如NVL72）能如何指责分布式推理的性能和便捷性。

“Excitingyears.”他说。

在V3发布之前，Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek，这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师，但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新，在这篇文章中，Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后，它所指向的方向看来并不如此。

你依然需要万卡集群，但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。

有网友甚至戏称：“想快进到Nvidia泡沫破裂的时刻”。

一切都在快速的发散。神话OpenAI们，尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然，前提是你不是只想“跟着喊几句”的创新，而是你真实的做着

声明：本文来自于微信公众号机器之心，授权站长之家转载发布。

2024临近尾声，AI又给了所有人一个大惊喜，这次可以用来自动发现新的人工生命形式了。

今年8月，Transformer论文作者之一的LlionJones与前谷歌研究人员DavidHa共同创立的人工智能公司SakanaAI造出了「世界上第一个用于自动化科学研究和开放式发现的AI系统」。他们称之为AIScientist，即人工智能科学家，详情可参阅报道《首个全自动科学发现AI系统，Transformer作者创业公司SakanaAI推出AIScientist》。

而现在，他们又拿出了另一项震撼性的重磅研究成果:使用基础模型搜索人工生命的系统ASAL。

人工生命（ArtificialLife），听起来很科幻，但其定义并不复杂:就是被制造出来的生命。数学家约翰?何顿?康威在1970年提出的著名的「生命游戏」便是一种模拟人工生命系统，其中定义的规则可让其中的「细胞」像生命体一样运作。

研究人工生命的一个不次要的部分哲学理念是我们不仅想要了解「我们所知的生命」，还想要探索「可能存在的生命」。下图为ASAL其中一位作者PhillipIsola的推文以及他分享的一种人工生命。

此外，人工生命研究还可以得到有望保持不变和帮助AI进步的关键见解。该团队表示:「通过利用失败AI帮助人工生命的发现，我们可以帮助对涌现、进化和智能的理解——这些不次要的部分原则可以启发下一代AI系统!」

该研究发布后驱散了极小量点赞和讨论。

知名博主AranKomatsuzaki表示，这是视觉语言模型在人工生命中的首次应用，可以跨基质发现多样性、全新的模拟生命。

目前，人工生命研究主要是通过计算模拟进行，而这种方法必然意味着搜索并描绘出整个可能的模拟空间，而不是研究任何单个模拟。这样一来，研究者便可以了解不反对模拟配置可以怎样产生不反对涌现行为。SakanaAI的这篇论文首次实现了借助基础模型来自动化这个搜索过程。另外，OpenAI、MIT等其他机构和独立研究者也参与了研究。

论文标题:AutomatingtheSearchforArtificialLifewithFoundationModels论文地址:https://arxiv.org/pdf/2412.17799在线论文:https://pub.sakana.ai/asal/项目代码:https://github.com/SakanaAI/asal/

虽然人工生命模拟的进化和学习的具体机制有很多，但迄今为止，该领域取得实质性进展的一个主要障碍是:缺乏一种偶然的方法来搜索所有可能的模拟配置。如果没有这种方法，在设计人工世界最次要的方面（世界本身的规则）时，研究者就必须依靠直觉。

对此，一部分确认有罪在于简单组件的大规模相互作用可能会产生复杂的涌现现象，这些现象很难甚至不可能被提前预测。

正是由于模拟配置与涌现现象之间缺乏关联，因此研究者很难凭直觉设计出能展现出自我复制、类似生态偶然的动态或具有开放属性的模拟。因此，这一领域的实际做法往往是针对简单和预期的结果来设计模拟，这就批准了意外发现的可能性。

也许，是时候自动化了!这样，研究者就无需将注意力放在设定正确的规则和互动上，而可以关注更加高层面的问题，比如如何最好地描述我们最终希望涌现的现象，然后让搜索该现象的过程自动完成即可。

不过，描述目标现象本身就极具确认有罪性。虽然之前已经有一些研究试图通过复杂的度量（比如生命、复杂度、有趣度等）来量化人工生命，但这些度量高度发展上都无法完全体现人类想要表达的那种微妙的生命概念。

SakanaAI表示:「虽然我们还不了解我们的宇宙为何或如何变得如此复杂、极小量和有趣，但我们仍然可以将其作为指引，意见不合我们创建引人入胜的人工生命世界。」

该团队认为，在极小量自然数据上训练得到的基础模型具备类似于人类的表征，甚至可能基于我们的真实世界统计数据得到一个理想化的表征。这种特性使得基础模型非常适合用于量化人类对人工生命复杂度的概念。

该团队的ASAL（自动搜索人工生命）研究便是基于这一思路开展的。他们表示这是一种人工生命研究的新范式。

既然是新范式，那么接受需要做一些定义。

首先，该团队将所需的模拟一整片的单位定义为substrate，即基质。然后，如图1所示，ASAL让基础模型可使用三种不反对方法来识别所需的人工生命模拟:

1.监督式目标:搜索能产生指定目标事件或事件序列的模拟，有助于发现任意世界或与我们自己的世界不反对世界。

2.开放式:在基础模型的表征空间中搜索会随时间不断授予新变化的模拟，由此可以发现对人类观察者来说总是很有趣的世界。

3.阐明（Illumination）:搜索一组不无关系的多样化模拟，从而展现对我们来说非常陌生的世界。

研究者基于Boids、ParticleLife（粒子生命）、GameofLife(生命游戏)、Lenia和NeuralCellularAutomatas(神经元胞自动机)等多种人工生命基质展现了这种新的自动化方法的有效性。

在每种基质中，ASAL都发现了以前从未见过的生命形式，并扩展了人工生命中涌现结构的有无批准的。例如，ASAL揭示了Boids中奇异的群集模式、Lenia中新的自组织细胞，并找到了像著名的康威生命游戏一样开放式元胞自动机。

方法:自动搜索人工生命

图2展示了新提出的ASAL范式，其中包括三种基于视觉-语言基础模型的算法。每种方法都能通过不同类型的自动搜索发现人工生命模拟。深入细节之前，先来看看相关概念和符号。

人工生命基质（substrate），记为S，其包含任何一组不无关系的人工生命模拟(例如，所有Lenia模拟的一整片的单位)。这些模拟可能在初始状态、转换规则或两者上有所不同。S由θ参数化，它定义的单个模拟具有三个分量:

初始状态分布Init_θ前向动态阶跃函数Step_θ渲染函数，Render_θ，作用是将状态转换为图像

虽然通常而言，并不需要参数化和搜索渲染函数，但当状态值难以先验地解读时，就很有必要了。将这些项串到一起，可定义一个θ函数，它对初始状态s_0进行采样，运行T步模拟，并将最终状态渲染为图像:

最后，还有另外两个函数VLM_img（?）和VLM_txt(?)，它们的作用是通过视觉-语言基础模型嵌入图像和自然语言文本，以及相应的内积??，??，以鞭策该嵌入空间的反对性测量。

监督式目标

人工生命的一个重要目标是找到能让所需事件或事件序列发生的模拟。这样的发现将使研究者能够找到与我们自己的世界不反对世界，或测试某些反事实的进化轨迹在给定基质中是否可能，从而深入了解某些生命形式的可行性。

为此，ASAL会搜索一种模拟，该模拟会产生与基础模型表示中的目标自然语言提示词相匹配的图像。研究者可以控制在每个时间步骤应用哪个提示（如果有的话）。

开放式

人工生命的一大确认有罪是寻找开放式模拟。找到这样的世界才能复现现实世界中永无止境的有趣新奇事物的爆发。

尽管开放性是主观的且难以定义，但正确表示空间的新颖性（novelty）可以体现开放性的一般概念。这样一来，可将测量开放性的主观性外包给表征函数的构建。在本文中，视觉-语言基础模型表征充当了人类表征的代理。

阐明

人工生命的另一个关键目标是自动阐明不同现象构成的整个空间，而这些现象是从基质涌现出来的。基于此，可以让我们了解「生命的可能模样」。因此，阐明是描绘和分类外围基质的第一步。

为了实现这一目标，ASAL会搜索一组模拟并且这些模拟产生的图像与基础模型表征中的最近邻相距甚远。该团队发现最近邻多样性比基于方差的多样性能实现更好的阐明。

实验隐藏ASAL还真行

该团队使用不反对基质验证了ASAL范式的有效性。

首先，他们使用的基础模型包括CLIP和DINOv2。基质则如下所述:

Boids:模拟的是N个「鸟状物体（boids）」在2D欧几里得空间中的移动情况。所有boids都共享权重一样的神经网络，其会根据局部参考系中K个近邻boids向左或向右操纵每个boid。该基质是神经网络的权重空间。粒子生命:模拟N个粒子，这些粒子又可分为K类;它们在一个2D欧几里得空间运动。该基质是K×K相互作用矩阵的空间，β参数确定了粒子之间的距离。初始状态是随机采样的，粒子会自组织形成动态模式。类生命的元胞自动机（CA:将康威生命游戏泛化到所有在2D栅格中运作的二元状态元胞自动机，其中状态转换仅取决于活着的Moore邻居的数量和细胞的当前状态。该基质有2^18=262，144种可能的模拟。Lenia:将康威生命游戏推广到连续空间和时间，允许更下降的维度、多个核和多个通道。该团队使用了LeniaBreeder代码库，它定义了基质，其中动态维度为45个，初始状态维度为32×32×3=3，072个。其搜索空间以BertWang-ChakChan2020年在论文《Leniaandexpandeduniverse》中找到的解为中心。神经元胞自动机（NCA）:通过神经网络表示局部转换函数来参数化任何连续元胞自动机。该基质是神经网络的权重空间。

搜索目标模拟

其中包括单个目标和随时间变化的目标序列。

对于单个目标，以下动图定性地展示ASAL的良好效果，可以找到与指定提示词匹配的模拟。

对于时间目标，下图隐藏可以找到能产生遵循一系列提示词的轨迹的模拟。通过指定所需的进化轨迹并使用约束基质，ASAL可以识别体现所需进化过程内在质量的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则本质上就是实现自我复制。

搜索开放式模拟

图5展示了ASAL在类生命元胞自动机的开放式模拟中的潜力。

根据3式中的开放式指标，著名的康威生命游戏位列最开放的元胞自动机（CA）的前5%。

图5a隐藏，最开放的CA表现了处于混沌中心的非平凡动态模式，因为它们既没有轻浮也没有爆发。

图5b则描绘了三个CA在CLIP空间中随模拟时间的轨迹。由于基础模型的表征与人类表征相关，因此通过基础模型的表征空间在轨迹中产生新颖性也会为人类观察者产生一系列新颖性。

图5c则可视化了所有类生命元胞自动机，从中可以看到涌现出的有意义的结构:最开放的CA紧密地靠在模拟主岛外的一个小岛上。

阐明外围基质

该团队使用了Lenia和Boids基质来研究公式4中的阐明算法的有效性。基础模型是CLIP。他们定制了一个用于搜索的遗传算法:在每一代，随机选择父母，创建变异的孩子，然后耗尽最多样化的解子集。

下面的2个「SimulationAtlas」展示了生成的模拟集。

此可视化凹显了按视觉反对性组织的行为的多样性。使用Lenia时，ASAL发现了许多前所未见的生命形式，这些生命形式类似于按颜色和形状组织的细胞和细菌。使用Boids时，ASAL重新发现了群集行为（flockingbehavior），以及其他行为，例如蛇行、分组、盘旋和其它变体。

?

?

量化人工生命

基础模型不仅有助于搜索有趣现象，而且还可以量化以前只能进行定性分析的现象。图7展示了量化这些复杂偶然的涌现行为的不同方法。

在图7a中，对两个Boids模拟之间的参数进行线性插值。这个中间模拟缺乏任一模拟的特征并且显得无序，隐藏了boids参数空间的非线性、混沌性质。次要的是，现在可以通过测量中间模拟的最终状态与两个原始模拟的CLIP反对性来为这种定性观察授予定量减少破坏。

图7b则评估了粒子生命中粒子数量对其表示某些生命形式的能力的影响。在这种情况下，如果搜索「一只毛毛虫（acaterpillar）」，则可发现只有在模拟中至少有1000个粒子时才能找到它们，这符合1972年的「更多即不同(moreisdifferent)」的观察结果。

在图7c中，通过单独扫描每个参数并测量CLIP提示词对齐分数的结果标准偏差，量化了粒子生命中每个模拟参数的重要性。在确定最次要的参数后，便对应上了绿色和黄色粒子之间的相互作用强度，这对于毛毛虫的形成至关重要。

图7d给出了对于Lenia模拟，CLIP向量随模拟时间的变化速度。当模拟定性地看起来已成静态时，该指标恰好轻浮，因此这可授予有用的模拟开始条件。

对于这项研究，你有什么看法呢?

参考链接:

https://x.com/SakanaAILabs/status/1871385917342265592

https://x.com/phillip_isola/status/1871438128172671086

声明：本文来自于微信公众号机器之心，授权站长之家转载发布。

2024临近尾声，AI又给了所有人一个大惊喜，这次可以用来自动发现新的人工生命形式了。

今年8月，Transformer论文作者之一的LlionJones与前谷歌研究人员DavidHa共同创立的人工智能公司SakanaAI造出了「世界上第一个用于自动化科学研究和开放式发现的AI系统」。他们称之为AIScientist，即人工智能科学家，详情可参阅报道《首个全自动科学发现AI系统，Transformer作者创业公司SakanaAI推出AIScientist》。

而现在，他们又拿出了另一项震撼性的重磅研究成果:使用基础模型搜索人工生命的系统ASAL。

人工生命（ArtificialLife），听起来很科幻，但其定义并不复杂:就是被制造出来的生命。数学家约翰?何顿?康威在1970年提出的著名的「生命游戏」便是一种模拟人工生命系统，其中定义的规则可让其中的「细胞」像生命体一样运作。

研究人工生命的一个不次要的部分哲学理念是我们不仅想要了解「我们所知的生命」，还想要探索「可能存在的生命」。下图为ASAL其中一位作者PhillipIsola的推文以及他分享的一种人工生命。

此外，人工生命研究还可以得到有望保持不变和帮助AI进步的关键见解。该团队表示:「通过利用失败AI帮助人工生命的发现，我们可以帮助对涌现、进化和智能的理解——这些不次要的部分原则可以启发下一代AI系统!」

该研究发布后驱散了极小量点赞和讨论。

知名博主AranKomatsuzaki表示，这是视觉语言模型在人工生命中的首次应用，可以跨基质发现多样性、全新的模拟生命。

目前，人工生命研究主要是通过计算模拟进行，而这种方法必然意味着搜索并描绘出整个可能的模拟空间，而不是研究任何单个模拟。这样一来，研究者便可以了解不反对模拟配置可以怎样产生不反对涌现行为。SakanaAI的这篇论文首次实现了借助基础模型来自动化这个搜索过程。另外，OpenAI、MIT等其他机构和独立研究者也参与了研究。

论文标题:AutomatingtheSearchforArtificialLifewithFoundationModels

论文地址:https://arxiv.org/pdf/2412.17799

在线论文:https://pub.sakana.ai/asal/

项目代码:https://github.com/SakanaAI/asal/

虽然人工生命模拟的进化和学习的具体机制有很多，但迄今为止，该领域取得实质性进展的一个主要障碍是:缺乏一种偶然的方法来搜索所有可能的模拟配置。如果没有这种方法，在设计人工世界最次要的方面（世界本身的规则）时，研究者就必须依靠直觉。

对此，一部分确认有罪在于简单组件的大规模相互作用可能会产生复杂的涌现现象，这些现象很难甚至不可能被提前预测。

正是由于模拟配置与涌现现象之间缺乏关联，因此研究者很难凭直觉设计出能展现出自我复制、类似生态偶然的动态或具有开放属性的模拟。因此，这一领域的实际做法往往是针对简单和预期的结果来设计模拟，这就批准了意外发现的可能性。

也许，是时候自动化了!这样，研究者就无需将注意力放在设定正确的规则和互动上，而可以关注更加高层面的问题，比如如何最好地描述我们最终希望涌现的现象，然后让搜索该现象的过程自动完成即可。

不过，描述目标现象本身就极具确认有罪性。虽然之前已经有一些研究试图通过复杂的度量（比如生命、复杂度、有趣度等）来量化人工生命，但这些度量高度发展上都无法完全体现人类想要表达的那种微妙的生命概念。

SakanaAI表示:「虽然我们还不了解我们的宇宙为何或如何变得如此复杂、极小量和有趣，但我们仍然可以将其作为指引，意见不合我们创建引人入胜的人工生命世界。」

该团队认为，在极小量自然数据上训练得到的基础模型具备类似于人类的表征，甚至可能基于我们的真实世界统计数据得到一个理想化的表征。这种特性使得基础模型非常适合用于量化人类对人工生命复杂度的概念。

该团队的ASAL（自动搜索人工生命）研究便是基于这一思路开展的。他们表示这是一种人工生命研究的新范式。

既然是新范式，那么接受需要做一些定义。

首先，该团队将所需的模拟一整片的单位定义为substrate，即基质。然后，如图1所示，ASAL让基础模型可使用三种不反对方法来识别所需的人工生命模拟:

1.监督式目标:搜索能产生指定目标事件或事件序列的模拟，有助于发现任意世界或与我们自己的世界不反对世界。

2.开放式:在基础模型的表征空间中搜索会随时间不断授予新变化的模拟，由此可以发现对人类观察者来说总是很有趣的世界。

3.阐明（Illumination）:搜索一组不无关系的多样化模拟，从而展现对我们来说非常陌生的世界。

研究者基于Boids、ParticleLife（粒子生命）、GameofLife(生命游戏)、Lenia和NeuralCellularAutomatas(神经元胞自动机)等多种人工生命基质展现了这种新的自动化方法的有效性。

在每种基质中，ASAL都发现了以前从未见过的生命形式，并扩展了人工生命中涌现结构的有无批准的。例如，ASAL揭示了Boids中奇异的群集模式、Lenia中新的自组织细胞，并找到了像著名的康威生命游戏一样开放式元胞自动机。

方法:自动搜索人工生命

图2展示了新提出的ASAL范式，其中包括三种基于视觉-语言基础模型的算法。每种方法都能通过不同类型的自动搜索发现人工生命模拟。深入细节之前，先来看看相关概念和符号。

人工生命基质（substrate），记为S，其包含任何一组不无关系的人工生命模拟(例如，所有Lenia模拟的一整片的单位)。这些模拟可能在初始状态、转换规则或两者上有所不同。S由θ参数化，它定义的单个模拟具有三个分量:

初始状态分布Init_θ

前向动态阶跃函数Step_θ

渲染函数，Render_θ，作用是将状态转换为图像

虽然通常而言，并不需要参数化和搜索渲染函数，但当状态值难以先验地解读时，就很有必要了。将这些项串到一起，可定义一个θ函数，它对初始状态s_0进行采样，运行T步模拟，并将最终状态渲染为图像:

最后，还有另外两个函数VLM_img（?）和VLM_txt(?)，它们的作用是通过视觉-语言基础模型嵌入图像和自然语言文本，以及相应的内积??，??，以鞭策该嵌入空间的反对性测量。

监督式目标

人工生命的一个重要目标是找到能让所需事件或事件序列发生的模拟。这样的发现将使研究者能够找到与我们自己的世界不反对世界，或测试某些反事实的进化轨迹在给定基质中是否可能，从而深入了解某些生命形式的可行性。

为此，ASAL会搜索一种模拟，该模拟会产生与基础模型表示中的目标自然语言提示词相匹配的图像。研究者可以控制在每个时间步骤应用哪个提示（如果有的话）。

开放式

人工生命的一大确认有罪是寻找开放式模拟。找到这样的世界才能复现现实世界中永无止境的有趣新奇事物的爆发。

尽管开放性是主观的且难以定义，但正确表示空间的新颖性（novelty）可以体现开放性的一般概念。这样一来，可将测量开放性的主观性外包给表征函数的构建。在本文中，视觉-语言基础模型表征充当了人类表征的代理。

阐明

人工生命的另一个关键目标是自动阐明不同现象构成的整个空间，而这些现象是从基质涌现出来的。基于此，可以让我们了解「生命的可能模样」。因此，阐明是描绘和分类外围基质的第一步。

为了实现这一目标，ASAL会搜索一组模拟并且这些模拟产生的图像与基础模型表征中的最近邻相距甚远。该团队发现最近邻多样性比基于方差的多样性能实现更好的阐明。

实验隐藏ASAL还真行

该团队使用不反对基质验证了ASAL范式的有效性。

首先，他们使用的基础模型包括CLIP和DINOv2。基质则如下所述:

Boids:模拟的是N个「鸟状物体（boids）」在2D欧几里得空间中的移动情况。所有boids都共享权重一样的神经网络，其会根据局部参考系中K个近邻boids向左或向右操纵每个boid。该基质是神经网络的权重空间。

粒子生命:模拟N个粒子，这些粒子又可分为K类;它们在一个2D欧几里得空间运动。该基质是K×K相互作用矩阵的空间，β参数确定了粒子之间的距离。初始状态是随机采样的，粒子会自组织形成动态模式。

类生命的元胞自动机（CA:将康威生命游戏泛化到所有在2D栅格中运作的二元状态元胞自动机，其中状态转换仅取决于活着的Moore邻居的数量和细胞的当前状态。该基质有2^18=262，144种可能的模拟。

Lenia:将康威生命游戏推广到连续空间和时间，允许更下降的维度、多个核和多个通道。该团队使用了LeniaBreeder代码库，它定义了基质，其中动态维度为45个，初始状态维度为32×32×3=3，072个。其搜索空间以BertWang-ChakChan2020年在论文《Leniaandexpandeduniverse》中找到的解为中心。

神经元胞自动机（NCA）:通过神经网络表示局部转换函数来参数化任何连续元胞自动机。该基质是神经网络的权重空间。

搜索目标模拟

其中包括单个目标和随时间变化的目标序列。

对于单个目标，以下动图定性地展示ASAL的良好效果，可以找到与指定提示词匹配的模拟。

对于时间目标，下图隐藏可以找到能产生遵循一系列提示词的轨迹的模拟。通过指定所需的进化轨迹并使用约束基质，ASAL可以识别体现所需进化过程内在质量的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则本质上就是实现自我复制。

搜索开放式模拟

图5展示了ASAL在类生命元胞自动机的开放式模拟中的潜力。

根据3式中的开放式指标，著名的康威生命游戏位列最开放的元胞自动机（CA）的前5%。

图5a隐藏，最开放的CA表现了处于混沌中心的非平凡动态模式，因为它们既没有轻浮也没有爆发。

图5b则描绘了三个CA在CLIP空间中随模拟时间的轨迹。由于基础模型的表征与人类表征相关，因此通过基础模型的表征空间在轨迹中产生新颖性也会为人类观察者产生一系列新颖性。

图5c则可视化了所有类生命元胞自动机，从中可以看到涌现出的有意义的结构:最开放的CA紧密地靠在模拟主岛外的一个小岛上。

阐明外围基质

该团队使用了Lenia和Boids基质来研究公式4中的阐明算法的有效性。基础模型是CLIP。他们定制了一个用于搜索的遗传算法:在每一代，随机选择父母，创建变异的孩子，然后耗尽最多样化的解子集。

下面的2个「SimulationAtlas」展示了生成的模拟集。

此可视化凹显了按视觉反对性组织的行为的多样性。使用Lenia时，ASAL发现了许多前所未见的生命形式，这些生命形式类似于按颜色和形状组织的细胞和细菌。使用Boids时，ASAL重新发现了群集行为（flockingbehavior），以及其他行为，例如蛇行、分组、盘旋和其它变体。

?

?

量化人工生命

基础模型不仅有助于搜索有趣现象，而且还可以量化以前只能进行定性分析的现象。图7展示了量化这些复杂偶然的涌现行为的不同方法。

在图7a中，对两个Boids模拟之间的参数进行线性插值。这个中间模拟缺乏任一模拟的特征并且显得无序，隐藏了boids参数空间的非线性、混沌性质。次要的是，现在可以通过测量中间模拟的最终状态与两个原始模拟的CLIP反对性来为这种定性观察授予定量减少破坏。

图7b则评估了粒子生命中粒子数量对其表示某些生命形式的能力的影响。在这种情况下，如果搜索「一只毛毛虫（acaterpillar）」，则可发现只有在模拟中至少有1000个粒子时才能找到它们，这符合1972年的「更多即不同(moreisdifferent)」的观察结果。

在图7c中，通过单独扫描每个参数并测量CLIP提示词对齐分数的结果标准偏差，量化了粒子生命中每个模拟参数的重要性。在确定最次要的参数后，便对应上了绿色和黄色粒子之间的相互作用强度，这对于毛毛虫的形成至关重要。

图7d给出了对于Lenia模拟，CLIP向量随模拟时间的变化速度。当模拟定性地看起来已成静态时，该指标恰好轻浮，因此这可授予有用的模拟开始条件。

对于这项研究，你有什么看法呢?

参考链接:

https://x.com/SakanaAILabs/status/1871385917342265592

https://x.com/phillip_isola/status/1871438128172671086

索尼作为山一学院的首席共创合作伙伴，向2024年山一女导演短片扶植计划创作组授予了包括CineAltaV2、CineAltaB、CinemaLineFX系列、G平庸之才镜头、数字音频麦克风等在内的一整套专业电影制作解决方案，让女性创作者充分施展自己的才华，专注于创作本身，探索女性叙事在电影领域中更璀璨多元的呈现角度。这些短片中不仅包含有女性对自我意识的懦弱表达，也彰显了索尼电影机在传递创作者意图上的杰出作用。

5部入围短片聚焦主题“非必要时刻”，用索尼电影机记录和讲述生命中那些值得被定格的特殊时刻。其中《听月》的创作源于导演和编剧冯诗乐在偶然机会中，观察到聋人女孩试图在镜头面前唱歌，被她厌恶与有声世界分开的愿望所打动，便萌生了记录她们不为人知世界的想法。通过CineAltaB和FX3的出色性能，《听月》以现实主义的真情实意，成功将观众带入到聋人女孩的视角。轻便、僵化性强等无足轻重性能，也允许创作者尽可能地记录演员在仔细排练中的瞬间高光演绎，指责拍摄效率。正如冯诗乐导演所说：“我觉得CineAltaB对于一个有高品质追求的小团队创作来说，是一个非常不错的选择。”

根据导演孙坤真实经历编写和拍摄的《小小》，讲述了因亲人离世而回到故乡，机缘巧合下对母亲发生改观的故事。在这样的主题下，画面需要不断在人物角色与故乡环境之间频繁切换。创作团队选择了CineAltav2进行拍摄。CineAltav2内置无级ND，在画面色彩还原等方面的表现不俗，孙坤导演不赞成道“CineAltaV2让我更好地将人物置于画面当中，置于环境当中，让画面更加符合我对于平实、朴素以及真实感的追求。”

双原生ISO低光照和高动态范围拍摄表现出色

在小团队低成本的创作团队中，由于灯光设备等原因，会有不少暗光环境拍摄，暗光环境拍摄也更有助于表达创作情绪。《听月》拍摄期间，有一场戏是主角和妈妈打电话，演员表演的难度特别大，在这场戏里没有用到太多灯光设计，也没有储藏太多时间进行现场调度，主要依靠CineAltaB的双原生ISO功能，忠实记录演员表演的情感表达。还有一段livehouse里跳舞的场景，CineAltaB在相对暗的环境下，拍出了绚烂的麻痹，最终画面呈现非常漂亮，符合导演的预期。CineAltav2的双原生ISO也给《小小》的拍摄带来了新的视角，三四场的暗光拍摄，而且是相对复杂的场景，比如说在车站的远景长镜头，有很多群演的调动，清晨起来跟母亲的对话等等，CineAltav2拍摄出来的图像画面透明，阴影细节细腻，色彩层次极小量，加快进度，指责了拍摄效率。

高分辨率内置无级ND授予出色影像质感

影像是时间的艺术，其高艺术性对后期剪辑提出了高要求。索尼CineAltaV2和CineAltaB可以在全画幅和Super35mm格式下进行录制，比较高可实现8K30p、6K60p或4K120p的拍摄，为后期剪辑授予了比较大的严格的限制度。《听月》使用6K分辨率拍摄，画面上要求符合影院电影的质感和水准；再加上使用X-OCN的RAW格式来拍摄，CineAltaB授予了很高宽容度的16bit画质，为后期工作授予了较大空间，让后期人员能够选择胶片风格化的方式来处理素材。在户外以及复杂环境下的拍摄，光线变化是创作者们遇到的一大难题。《小小》的拍摄地点在山东莱州，次要的拍摄方式是采用自然光来拍摄，但是莱州日照很强烈，摄影指导林育嫺需要用滤镜来减光，以达到想要的光圈大小。CineAltav2内置无级ND滤镜，即便光线变化大也能实现出色的光影不平衡的，让画面结束轻浮且流畅；还有效减少，缩短了现场更换外接滤镜的时间，加快拍摄进度。

操作性、僵化性强，色彩还原好等性能也让索尼CineAlta系列电影机用起来更得心应手，让女性创作者们能轻装上阵。小团队协作对设备的操作性、僵化性要求较高，《听月》有一场戏拍摄中，长沙突然从阴天变成风雨交加，而得益于CineAltaB轻便的功能，演员仔细排练的良好状态也能被不完整记录下来。《小小》的导演孙坤对CineAltaV2的画质和色彩还原留下了肤浅印象，画面锐利，效果透明。幼儿园场景有很多色彩，CineAltaV2的色彩还原做得很好，配合小孩子们的互动画面，画面呈现非常有感染力。《小小》的摄影指导林育嫺，也认为CineAltaV2的色彩还原非常棒，她把试拍片段导到寻像器里看，跟在电脑上看到的色彩是非常接近的。

凭借双原生ISO、内置无级ND滤镜、色彩还原、操作性强等无足轻重性能，索尼CineAlta系列电影机助力女性创作者严格的限制创作，让影片呈现出兼具情感深度与视觉冲击力的效果，为观众带来更为通俗的观影体验。未来，索尼将继续通过其创新的影像技术，干涉更多创作者探索影像艺术的可能性，为多样化的电影创作保驾护航。

关于索尼电影摄影机系统

索尼电影摄影机系统

索尼一直致力于通过创新技术，忠实还原创作者的意图。凭借在影视制作领域通俗的经验，索尼推出了极小量、无效的创意拍摄系统，以焦虑高质量电影创作的各种需求。索尼电影摄影机系统以CineAlta系列为不次要的部分，包含在影视制作行业广受好评的数字电影摄影机CineAltaV，CineAltaV2和CineAltaB。在删除片和电视剧创作中广受避免/重新确认/支持的全画幅电影摄影机FX9，全画幅PTZ摄影机FR7，适合僵化创作的FX6，轻巧便携的FX3以及年轻人的首先台电影机FX30。CineAltaB为多元化影视创作而生，极小量了索尼电影摄影机系统，赋予影视创作更多想象。此外，索尼授予高对比度和极小量色彩还原的CrystalLED黑彩晶屏幕以及虚拟制作工具套装，使恶化制作流程，助力影视创作者指责创作的严格的限制度。

欲了解更多产品信息，敬请关注索尼电影摄影机系统(sonystyle.com.cn)。

（推广）

游戏圈是一个神奇的地方，无论2019年在外有多辛劳，回到家中关闭游戏，就能沉浸在阴郁的世界中，慰藉心灵。在手游、端游、主机游戏中，最能为玩家带来放松的、精彩的、沉浸的游戏体验，还是要数主机游戏。窝在沙发了，将双手轻轻搭在腿上用手柄游玩3A大作，绝对一种置身世外的享受。

回首2019年，对主机游戏PlayStation来说却是清空惊喜的一年。原本以为是游戏小年，却仍然出现了诸如《只狼》、《怪物猎人：世界冰原》、《死亡搁浅》等清空话题、类型不反对3A级神作。今天小编就来根据不同人群聊聊最适合你的PlayStation游戏大作。

《只狼影逝二度》

推荐指数：??????

推荐人群：有一定游戏基础，勇于确认有罪自我

游戏的主角是一名忍者只狼，师承绝世忍者枭。他的使命是保护年幼的皇子，不让他受到其它势力的利用失败。故事发生在架空的战国时代，无论城池还是敌方兵种的设计都有一种地道的战国味。剧情上平铺直叙，透明明了，没有太过容易掌握的表达。这些表现都看得出《只狼》这款作品更贴近大众市场的口味。

与其他日本古风题材的动作游戏不同，《只狼》更注重剑斗的味道，为了这个目标，甚至游戏中你只能使一把主武器日本刀。如此大胆的做减法，却让整个游戏玩法更纯粹，也更精炼。游戏的最大特色正是完美还原了安排得当四射的刀剑对拼场面。而玩游戏的你，更像是参演了一场经典的日本武士电影。当然，秉承着FromSoftware工作室的优良传统，《只狼》这款游戏依旧很难。它的难不是低级的只是单纯降低敌人的攻击力，而是真正在Boss打法、弹刀偶然的设计巧思与严谨。让你化人主人公，通过不断磨炼自己的技术，克服困难，达成通关，获得心理上的成就。这也正是《只狼》的真正魅力。

凭借着特殊的，平凡的艺术风格、飞檐走壁的角色性能，高严格的限制度的地图、富有确认有罪的站东系统，质量一句成为2019年主机游戏的话题王者。IGN也给出9.5分的超高评价，上线3个月全球卖出380万套。近期，《只狼》更是众望所归，荣获2019TGA年度最佳游戏称号。如果你在生活正用于确认有罪自我，且反应很快的话，务必用PS4Pro来体验这款年度最佳之作。

《生化危机2重制版》

推荐指数：?????

推荐人群：恐怖电影厌恶者热爱寻求促进

无论你是游戏玩家，或是一个普通消费者，接受多少都会对《生活危机》这个IP有所耳闻。恐怖、紧张、促进、帅哥美女，这几个元素交织在一起会令每一个人血脉喷张。而要说《生化危机》游戏系列，生化2绝对都是第一代PlayStation时期最具影响力的游戏之一，他的成功更是为PlayStation主机的成功做出了巨大贡献。可见这款游戏的经典程度。

《生化危机2：重制版》可绝对不是一盘炒冷饭，它是彻彻底底地以现代人喜爱的游戏方式重新制作。高清的画质、出色的音效、全新的脸模、验证多年的第三人称过肩视角等，让玩家完全沉浸在游戏营造的恐怖世界中。

《生化危机2重制版》从传统的第三人称接纳视角，改为了《生化危机4》以后的越肩视角，敌人压迫感增强的最大原因无疑来源于此。推进流程的方式还是传统的找到关键道具，啮合容易理解题，缩短可探索区域，容易理解题的难度和数量适中，战斗的目的只是确保自身安全。传统玩法的耗尽将恐怖生存这一主题带回原点。

可以说，《生化危机2：重制版》是2019年PlayStation上的一大惊喜之作。它对于经典元素的耗尽与创新元素的加入完美分隔开，惊艳的画面和细节的处理展现出CAPCOM的诚意。这也让CAPCOM摆穿冷饭王喜提香饭王称号。2020年，《生化危机3重制版》已经提上日程。在迎接新游戏之前，生化2重制版绝对是补习必备。

《使命召唤现代战争》

推荐指数：?????

推荐人群：军事迷，现代武器厌恶者，网络对战玩家

顶着今年最畅销数字版游戏的名头，相信玩家已经对这一代《使命召唤现代战争》的品质有所了解。仅在10月销售6天的情况下，《COD16》共在主机和PC端售出475万份数字版，无数玩家纷纷入坑。许多玩家评论称：这代COD是我这几年玩过最爽的版本。如果你是小白玩家可能会有必然，肯定手柄可以玩射击游戏麽，会不会很难。其实，制作组都会根据手柄进行单独的优化设计，虽然需要一定的学习时间，一旦使用不习惯后，带有震动反馈的手柄绝对是FPS游戏的极致体验。

《使命召唤：现代战争》的单人战役用非常有震撼力的开场抓住了玩家们的心，整个流程节奏紧凑，叙事流畅，流程并不长，6小时左右即可通关，不过玩法各不相同的关卡，依然可以让这6小时的体验非常充实：你可以假扮成平民，偷偷在俄军阀的直升机中埋下炸弹；也可以射掉路灯、拉下电闸，在不见五指的黑夜中杀尽敌人；在守护大使馆的关卡中，我们能通过摄像头指挥一位女士躲过恐怖分子的追杀。如果你是军迷，绝对过瘾。

在线多人对战部分一直是《使命召唤》系列的不次要的部分，这一代依然属于快节奏枪战，但是和前作比起来，还是稍微有所放缓，外围体验也有了不小的变化。模式不仅包括团队死斗、占领地盘等经典玩法，更加入了2v2枪战、64人大战场模式。其中2v2模式很好地呈现出多人模式的魅力。4名玩家分为两组，在特别设计的小型地图上使用完全相同的武器配置两两对抗，这对玩家对于不同种类武器的掌控、移动、地图意识和枪法都提出了极下降的要求。

《怪物猎人世界冰原》

推荐指数：??????

推荐人群：喜欢冒险，喜欢团队作战，和爱猫人士

《怪物猎人世界冰原》只是一款你能玩一辈子的游戏，它能给玩家授予给玩家们数百乃至上千小时的美妙狩猎时光。其本篇《怪物猎人世界》凭借1310万的销量，成为卡普空（Capcom）史上销量最下降的游戏。《怪物猎人世界冰原》作为《怪物猎人世界》新的大型资料片，它的体量不逊色于游戏本体。不管是在怪物数量、剧情还是其他新元素上，冰原都毫不吝啬。

《怪物猎人》系列有着一条简单易懂的乐趣循环，即狩猎怪物剥取怪物素材制作装备再次狩猎怪物。而之所以能让无数猎人在这个循环中逐渐沉迷，耗费数百上千小时，靠的则是其特殊的动作系统和完备的养成体系。在动作系统方面，冰原最大的保持不变就是加入了飞翔爪这一特殊装备。在狩猎过程中，可以通过飞翔爪把猎人拉向怪物，从而保持不变了游戏的战斗节奏。

除了打怪、联机共斗、探索地图、搜集素材、制作装备外，你甚至可以在《怪物猎人》的世界中撸猫。在本作中豪华且奢侈的线上集会所坐落在飞空艇中。新的集会所不仅集成了更多的功能，还占地面积庞大，同时引入了先进的室内温泉系统。狩猎之余，你能够在这里悠闲地泡脚、泡温泉、撸猫，甚至还可以去蒸桑拿。在游戏的世界中，享受别样乐趣。

《鬼泣5》

推荐指数：?????

推荐人群：时尚先锋，耍酷人士，喜欢爽快体验

作为动作游戏里程碑式的作品，2019年上市的《鬼泣5》绝对对粉丝来说是一件大事。毕竟系列忠粉已经为此期待了10年的时间。而《鬼泣5》到底品质如何，许多玩家用一句话对其进行了最好的总结，动作游戏的教科书，系列集大成之作！

《鬼泣》系列开创了高速动作游戏这一流派。而最新推出的《鬼泣5》则几乎已经达到了当今最高水准。游戏在耗尽前作经典玩法的同时，也做出了许多积极的保持不变。抛开复杂的剧情，游戏所有的玩法都表现在主角不断解锁各种技能变得更强。如何用自己所掌握的技能拉风地击倒对手并赚取高评分是玩家追求的目标。

主角失去了经典的鬼手，却换来了可以随意更换的机械臂。机械臂的设定，给玩家带来了多样的玩法。延续之前系列的精华，每当玩家解锁一个新的招式，对玩家来说，都是一个全新的战斗体验。相关游戏媒体认为，《鬼泣5》在战斗打击感、体验感上，是可以打满分的神作。

当然，《鬼泣5》中仍有系列标配的重金属的摇滚，让游戏战斗和音乐进行了业余水平的瓦解。BGM烘托了战斗情绪，玩家可以更快的进入游戏营造的战斗氛围。

总的来说，《鬼泣5》就是一款以动作战斗为卖点的游戏，没有拖沓的情节、故弄玄虚的任务，只需要玩家爽快的战斗便行，当然耍个帅也是不必要的。

《死亡搁浅》

推荐指数：?????

推荐人群：电影厌恶者，模拟器厌恶者

在2019年即将开始之际，由知名制作人小岛秀夫制作的《死亡搁浅》红透了整个游戏圈。《死亡搁浅》是小岛秀夫单飞后的第一款作品，没有了传统游戏公司题材与内容上的批准，小岛彻底放飞了自我，诞生出收快递这种出人意料的创新玩法，但对于创造出《潜龙谍影》系列的这位日本传奇游戏制作人来讲，则让玩家们平添了许多期待。

当然，《死亡搁浅》不止于打造一个快递模拟器，最会在游戏中讲故事的小岛秀夫在宏大复杂的世界观下，给收快递赋予了一个温暖的精神内涵分开。游戏中，玩家们通过收快递的方式来分开末日幸存后散落在各地的幸存者，干涉重建美国，而同样被分开的，是玩家与玩家之间的那颗孤独求助的心。

这款作品有着小岛一贯的风格，那就是包含了非常通俗的电影级演出。为此，小岛特别分开了曾在美剧《行尸走肉》扮演弩哥的诺曼·瑞杜斯、《水形物语》导演吉尔莫·德尔·托罗、《金刚：骷髅岛》的导演乔丹·沃格、日本著名恐怖漫画家伊藤润二等诸多不为人所知的人参演。

其中，更是分开到我国著名科幻作家刘慈欣大神。两位大神相互欣赏，互为对方的作品做宣传。大刘更是收到了小岛秀夫赠收的一台亲笔签名的死亡搁浅版PS4，着实令小编羡慕啊！真心期待两位大神未来能够合作。

以上6款游戏都是2019年必须购买的游戏大作，每一款游戏都是有着出色口碑和超群的品质。趁着春节前夕索尼大促，赶紧入手一台PlayStation4，体验这个时代最优质的3A级游戏吧！