具身智能在新能源汽车行业中的应用场景有哪些

以下是关于具身智能的最新新闻： 具身智能是将机器学习算法适配至物理实体，从而与物理世界交互的人工智能范式。以 ChatGPT 为代表的“软件智能体”通过网页端、手机 APP 与用户交互，而具身智能体则将大模型嵌入到物理实体上，通过机器配备的传感器与人类交流。人形机器人是具身智能的代表产品。 具身智能的三要素包括本体（硬件载体）、智能（大模型、语音、图像、控制、导航等算法）、环境（本体所交互的物理世界），三者高度耦合是高级智能的基础。不同环境下会有不同形态的硬件本体适应，如室内平地适用轮式机器人，崎岖地面适用四足机器人。 具身智能体的行动分为“感知决策行动反馈”四个步骤，感知模块负责收集和处理信息，通过多种传感器感知和理解环境。常见的传感器有可见光相机、红外相机、深度相机、激光雷达、超声波传感器、压力传感器、麦克风等。 最近，具身智能的概念很火。例如稚晖君开源人形机器人全套图纸+代码引发圈内热议，各类具身智能产品如李飞飞的 Voxposer、谷歌的 RT1 和 RT2、RTX、字节跳动的 Robot Flamingo、斯坦福的 ACT 和卡耐基梅隆的 3D_diffuser_act 等，在不同任务和场景中展示了强大能力，并有潜力带来革命性变革。本文拆分为上下两篇，明天会更新下篇，聚焦人机交互、发展讨论。本文部分参考中国信息通信研究院和北京人形机器人创新有限公司的《具身智能发展报告》。

具身智能是人工智能领域的一个子领域。 它强调智能体（如机器人、虚拟代理等）通过与物理世界或虚拟环境的直接交互来发展和展现智能。智能不仅仅是处理信息的能力，还包括感知环境、自主导航、操作物体、学习和适应环境等能力。 具身智能的核心在于智能体的“身体”或“形态”，其可以是物理形态（如机器人的机械结构）或虚拟形态（如模拟环境中的虚拟角色）。这些身体为智能体提供了与环境互动的手段，并影响其学习和发展。 具身智能的研究涉及多个学科，如机器人学、认知科学、神经科学和计算机视觉等。在机器人学中，关注设计能自主行动和适应环境的机器人；在认知科学和神经科学中，探索大脑处理与身体相关信息的机制及应用于人造智能系统；在计算机视觉中，致力于开发使智能体理解和解释视觉信息的算法。 具身智能在机器人领域（如服务机器人、工业自动化和辅助技术等）、虚拟现实、增强现实和游戏设计等领域有广泛应用。 具身智能的三要素包括“本体”（硬件载体）、“智能”（大模型、语音、图像、控制、导航等算法）、“环境”（本体所交互的物理世界），三者高度耦合是高级智能的基础。其行动分为“感知决策行动反馈”四个步骤，并形成闭环。 尽管具身智能取得了显著进展，但仍面临诸多挑战，如智能体身体的设计、在复杂多变环境中的有效学习以及与人类社会相关的伦理和安全问题等。

具身智能是人工智能领域的一个子领域。 它强调智能体（如机器人、虚拟代理等）通过与物理世界或虚拟环境的直接交互来发展和展现智能。智能不仅仅是处理信息的能力，还包括感知环境、自主导航、操作物体、学习和适应环境等能力。 具身智能的核心在于智能体的“身体”或“形态”，其可以是物理形态（如机器人的机械结构）或虚拟形态（如模拟环境中的虚拟角色）。这些身体为智能体提供了与环境互动的手段，并影响其学习和发展。 具身智能的研究涉及多个学科，如机器人学、认知科学、神经科学和计算机视觉等。在机器人学中，关注设计能自主行动和适应环境的机器人；在认知科学和神经科学中，探索大脑处理与身体相关信息的机制及应用于人造智能系统；在计算机视觉中，致力于开发使智能体理解和解释视觉信息的算法。 具身智能在机器人领域（服务机器人、工业自动化和辅助技术等）、虚拟现实、增强现实和游戏设计等领域有广泛应用。通过具身智能，机器人能更好地理解和适应人类生活环境，提供更自然有效的人机交互，也能创造更具沉浸感和交互性的体验。 具身智能的三要素包括“本体”（硬件载体）、“智能”（大模型、语音、图像、控制、导航等算法）、“环境”（本体所交互的物理世界），三者高度耦合是高级智能的基础。不同环境下有不同形态的硬件本体适应环境。 具身智能的行动可分为“感知决策行动反馈”四个步骤，形成一个闭环。 在追求人工通用智能（AGI）的过程中，具身 Agent 正成为核心研究范式，它强调智能系统与物理世界的紧密结合。与传统深度学习模型相比，LLMbased Agent 能主动感知和理解所在物理环境并互动，进行“具身行动”。 尽管具身智能取得显著进展，但仍面临诸多挑战，如设计智能体身体以最大化智能表现、让智能体在复杂环境中有效学习、处理智能体与人类社会的伦理和安全问题等。未来研究将继续探索这些问题以推动其发展和应用。

基于多模态大模型的具身智能技术原理主要包括以下方面： 决策模块是具身智能系统的核心，负责接收感知模块的环境信息，进行任务规划和推理分析，以指导行动模块生成动作。早期决策模块主要依赖人工编程规则和专用任务算法，而基于近端策略优化算法和 Qlearning 算法的强化学习方法在具身智能自主导航等任务中展现出更好的决策灵活性，但在复杂环境适应能力等方面存在局限。 大模型的出现极大增强了具身智能体的智能程度，提高了环境感知、语音交互和任务决策能力。具身智能体的大模型是 AIGA，调用机械臂、相机等身体部件，其发展方向是视觉语言动作模型（VLA）和视觉语言导航模型（VLN）。 VLA 输入语言、图像或视频流，输出语言和动作，在统一框架内融合互联网、物理世界和运动信息，实现从自然语言指令到可执行动作指令的直接转换。 VLN 输入语言、图像或视频流，输出语言和移动轨迹，用于统一指令输入框架，使大模型直接生成运动方向、目标物体位置等操作信息。 Google Deepmind 从大模型入手打造具身智能，率先提出 Robotics Transformer 系列模型，如 RT1 等，并不断升级。RT1 基于模仿学习中的行为克隆学习范式，输入短的图像序列和指令，输出每个时间步的动作。随着数据量增加，有从分层模型过渡到端到端模型的趋势。 北大 HMI Lab 团队构建了全新的 RoboMamba 多模态大模型，使其具备视觉常识任务和机器人相关任务的推理能力。 在具身智能应用中，更强调“动态”学习方式，如强化学习、模拟学习等，让机器人与环境不断交互学习，通过奖励机制优化行为，获得最优决策策略，摒弃传统控制论算法物理建模的弊端。

基于世界模型的具身智能技术原理主要包括以下方面： 谷歌发布的世界模型 Genie： 能够学习一致的动作空间，可能适合训练机器人，打造通用化的具身智能。 其架构中的多个组件基于 Vision Transformer构建而成，为平衡模型容量与计算约束，在所有模型组件中采用内存高效的 STtransformer 架构。 Genie 包含三个关键组件：潜在动作模型（Latent Action Model，LAM）用于推理每对帧之间的潜在动作；视频分词器（Tokenizer）用于将原始视频帧转换为离散 token；动态模型给定潜在动作和过去帧的 token，用来预测视频的下一帧。潜在动作模型以完全无监督的方式学习潜在动作。 相关论文《Genie:Generative Interactive Environments》已公布，论文地址为 https://arxiv.org/pdf/2402.15391.pdf，项目主页为 https://sites.google.com/view/genie2024/home?pli=1 ，论文的共同一作多达 6 人，包括华人学者石宇歌。 具身智能算法层： 机器人创业公司 Covariant 推出的首个机器人基础模型 RFM1 是基于真实任务数据训练的机器人大模型，共有 80 亿参数，是基于文本、图片、视频、机器人动作、传感器信息等多模态数据进行训练的 any to any 序列模型。 RFM1 将机器人的实际动作也视作 Token，其 token 包括多种模态，每个模块都有专门的 tokenizer 进行处理。操作只有一个——预测下一个 token。 RFM1 对物理世界的理解源自于其学习生成视频的过程，通过接受初始图像和机器人动作的输入，预测接下来视频帧的变化，掌握了模拟世界每个瞬间变化的低层次世界模型。 行业进展： 李飞飞在 AI 3D 生成领域的工作极大地加速了进展，通过对 3D 物体的生成所构建出的世界，再进行降维的视频生成，生成的视频自然符合物理世界的规律，生成的世界也可交互。 世界模型开启了在虚拟世界中预训练机器人的可能，这个虚拟世界完全符合物理规律，可以快速生成无限场景，支持并行训练多个任务，大幅降低试错成本，加速机器人的学习过程，为实现更复杂的机器人行为打开可能。这种进步正在催生新的应用可能，如更自然的人机交互界面、更安全的机器人控制系统、更高效的虚拟训练平台等。世界模型也在改变 AI 理解和交互世界的基本方式。

具身智能是人工智能领域的一个子领域，以下是关于具身智能的详细介绍： 1. 定义：强调智能体（如机器人、虚拟代理等）通过与物理世界或虚拟环境的直接交互来发展和展现智能。 2. 核心要素： 智能体的“身体”或“形态”，包括物理形态（如机器人的机械结构）和虚拟形态（如模拟环境中的虚拟角色）。 身体不仅是互动手段，也影响智能体的学习和发展。 3. 涉及学科：包括机器人学、认知科学、神经科学和计算机视觉等。 机器人学关注设计能自主行动和适应环境的机器人。 认知科学和神经科学探索大脑处理与身体相关信息的机制及应用于人造智能系统。 计算机视觉致力于开发算法，使智能体能够理解和解释视觉信息。 4. 应用领域： 机器人领域，如服务机器人、工业自动化和辅助技术等，能更好地理解和适应人类生活环境，提供更自然有效的人机交互。 虚拟现实、增强现实和游戏设计等领域，创造更具沉浸感和交互性的体验。 5. 特点： 即“具身+智能”，是将机器学习算法适配至物理实体，与物理世界交互的人工智能范式。 三要素包括“本体”（硬件载体）、“智能”（大模型、语音、图像、控制、导航等算法）、“环境”（本体所交互的物理世界），三者高度耦合是高级智能的基础。 四个模块为“感知决策行动反馈”，形成一个闭环。 6. 面临挑战： 如何设计智能体的身体以最大化其智能表现。 如何让智能体在复杂多变的环境中有效学习。 如何处理智能体与人类社会的伦理和安全问题。 人形机器人是具身智能的代表产品，不同环境下会有不同形态的硬件本体适应环境。在追求人工通用智能（AGI）的征途中，具身 Agent 正成为核心的研究范式，它强调将智能系统与物理世界紧密结合，能够主动感知和理解所在的物理环境并互动，产生具身行动。

以下是人工智能在汽车行业的一些应用： 1. 自动驾驶技术：利用 AI 进行图像识别、传感器数据分析和决策制定，如特斯拉、Waymo 和 Cruise 等公司都在开发和测试自动驾驶汽车，实现自主导航和驾驶。 2. 车辆安全系统：AI 用于增强车辆的安全性能，如自动紧急制动、车道保持辅助和盲点检测系统，通过分析摄像头和传感器数据预防事故。 3. 个性化用户体验：根据驾驶员的偏好和习惯调整车辆设置，包括座椅位置、音乐选择和导航系统，提供更个性化和舒适的驾驶体验。 4. 预测性维护：分析车辆实时数据预测潜在故障和维护需求，减少停机时间和维修成本，提高车辆可靠性和效率。 5. 生产自动化：在汽车制造中用于自动化生产线，提高生产效率和质量控制，监测设备状态并优化生产流程，减少人为错误。 6. 销售和市场分析：汽车公司用 AI 分析市场趋势、消费者行为和销售数据，以理解客户需求、制定营销策略和优化产品定价。 7. 电动化和能源管理：在电动汽车的电池管理和充电策略中发挥作用，优化电池使用和充电时间，提高能源效率和延长电池寿命。 8. 共享出行服务：如 Uber 和 Lyft 等共享出行平台使用 AI 优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度。 9. 语音助手和车载娱乐：AI 驱动的语音助手允许驾驶员通过语音命令控制车辆功能、获取信息和娱乐内容。 10. 车辆远程监控和诊断：AI 系统远程监控车辆状态，提供实时诊断和支持，帮助车主及时了解车辆状况并采取措施。 此外，还有一些相关的 AI 应用案例，如汽车之家车商城利用 AI 分析用户购车需求和预算，为用户推荐合适的汽车品牌和车型，并提供购车优惠和金融服务。

以下是汽车行业大模型的落地案例： 生产计划、供应链计划状态查询。 产线预测性维保辅助。 产品质量分析与溯源。 自动驾驶全场景模拟训练及虚拟汽车助手。 线上购车品牌、配置对比分析。 汽车公司利用 AI 进行以下方面的应用： 分析市场趋势、消费者行为和销售数据，以更好地理解客户需求，制定营销策略和优化产品定价。 在电动化和能源管理方面，优化电池使用和充电时间来提高能源效率和延长电池寿命。 支持共享出行服务，如优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度。 提供语音助手和车载娱乐，允许驾驶员通过语音命令控制车辆功能、获取信息和娱乐内容。 进行车辆远程监控和诊断，提供实时诊断和支持，帮助车主及时了解车辆状况并采取相应措施。 需要注意的是，部分内容由 AI 大模型生成，请仔细甄别。

人工智能在汽车行业有以下广泛的应用： 1. 自动驾驶技术：利用 AI 进行图像识别、传感器数据分析和决策制定，如特斯拉、Waymo 和 Cruise 等公司都在开发和测试自动驾驶汽车。 2. 车辆安全系统：用于增强车辆的安全性能，如自动紧急制动、车道保持辅助和盲点检测系统，通过分析摄像头和传感器数据预防事故。 3. 个性化用户体验：根据驾驶员的偏好和习惯调整车辆设置，如座椅位置、音乐选择和导航系统，提供更个性化和舒适的驾驶体验。 4. 预测性维护：分析车辆实时数据预测潜在故障和维护需求，减少停机时间和维修成本，提高车辆可靠性和效率。 5. 生产自动化：在汽车制造中用于自动化生产线，提高生产效率和质量控制，监测设备状态，优化生产流程，减少人为错误。 6. 销售和市场分析：汽车公司使用 AI 分析市场趋势、消费者行为和销售数据，以便更好地理解客户需求，制定营销策略和优化产品定价。 7. 电动化和能源管理：在电动汽车的电池管理和充电策略中发挥作用，优化电池使用和充电时间，提高能源效率和延长电池寿命。 8. 共享出行服务：如 Uber 和 Lyft 等，使用 AI 优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度。 9. 语音助手和车载娱乐：AI 驱动的语音助手，如 Amazon Alexa Auto 和 Google Assistant，允许驾驶员通过语音命令控制车辆功能、获取信息和娱乐内容。 10. 车辆远程监控和诊断：AI 系统可以远程监控车辆状态，提供实时诊断和支持，帮助车主及时了解车辆状况并采取相应措施。 从研发角度看，硅片上越来越多的部分转向 AI，CPU 部分也在不断增长，这与英特尔股价下降、英伟达股价上升的价值变化相一致。 三个识别技术的关键点： 1. 技术的发展，包括技术的指数上升脉络。 2. 对需求的理解，出行或物理世界的移动是刚需。 3. 重 AI 的应用，如车的实时性、危险性和高要求决定了必须在车上运行 AI。 三个由此得出的观点：（文中未提及具体观点内容）

AI 在汽车行业的落地场景有很多，以下是一些常见的例子： 1. 自动驾驶技术：利用 AI 进行图像识别、传感器数据分析和决策制定，自动驾驶汽车能够自主导航和驾驶。 2. 车辆安全系统：AI 被用于增强车辆的安全性能，如自动紧急制动、车道保持辅助和盲点检测系统。 3. 个性化用户体验：AI 可以根据驾驶员的偏好和习惯来调整车辆设置，如座椅位置、音乐选择和导航系统。 4. 预测性维护：通过分析车辆的实时数据，AI 可以预测潜在的故障和维护需求，从而减少停机时间和维修成本。 5. 生产自动化：在汽车制造过程中，AI 被用于自动化生产线，提高生产效率和质量控制。 6. 销售和市场分析：汽车公司使用 AI 来分析市场趋势、消费者行为和销售数据，以便更好地理解客户需求，制定营销策略和优化产品定价。 7. 电动化和能源管理：AI 在电动汽车的电池管理和充电策略中发挥作用，通过优化电池使用和充电时间来提高能源效率和延长电池寿命。 8. 共享出行服务：AI 支持的共享出行服务，如 Uber 和 Lyft，使用 AI 来优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度。 9. 语音助手和车载娱乐：AI 驱动的语音助手，如 Amazon Alexa Auto 和 Google Assistant，允许驾驶员通过语音命令控制车辆功能、获取信息和娱乐内容。 10. 车辆远程监控和诊断：AI 系统可以远程监控车辆状态，提供实时诊断和支持，帮助车主及时了解车辆状况并采取相应措施。 总的来说，AI 在汽车行业的应用正在不断发展和扩大，它将为汽车行业带来更高效、安全和个性化的体验。

人工智能（AI）在汽车行业的应用已经非常广泛，它正在改变汽车的设计、制造、销售和使用方式。以下是一些人工智能在汽车行业的应用案例： 1. 自动驾驶技术： 利用AI进行图像识别、传感器数据分析和决策制定，自动驾驶汽车能够自主导航和驾驶。公司如特斯拉（Tesla）、Waymo和Cruise等都在开发和测试自动驾驶汽车。 2. 车辆安全系统： AI被用于增强车辆的安全性能，如自动紧急制动（AEB）、车道保持辅助（LKA）和盲点检测系统。这些系统通过分析来自摄像头和传感器的数据来预防事故。 3. 个性化用户体验： AI可以根据驾驶员的偏好和习惯来调整车辆设置，如座椅位置、音乐选择和导航系统。这提供了更加个性化和舒适的驾驶体验。 4. 预测性维护： 通过分析车辆的实时数据，AI可以预测潜在的故障和维护需求，从而减少停机时间和维修成本。这有助于提高车辆的可靠性和效率。 5. 生产自动化： 在汽车制造过程中，AI被用于自动化生产线，提高生产效率和质量控制。AI系统可以监测设备状态，优化生产流程，并减少人为错误。 6. 销售和市场分析： 汽车公司使用AI来分析市场趋势、消费者行为和销售数据，以便更好地理解客户需求，制定营销策略和优化产品定价。 7. 电动化和能源管理： AI在电动汽车（EV）的电池管理和充电策略中发挥作用，通过优化电池使用和充电时间来提高能源效率和延长电池寿命。 8. 共享出行服务： AI支持的共享出行服务，如Uber和Lyft，使用AI来优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度。 9. 语音助手和车载娱乐： AI驱动的语音助手，如Amazon Alexa Auto和Google Assistant，允许驾驶员通过语音命令控制车辆功能、获取信息和娱乐内容。 10. 车辆远程监控和诊断： AI系统可以远程监控车辆状态，提供实时诊断和支持，帮助车主及时了解车辆状况并采取相应措施。

企业落地 AI 可以按照以下步骤开展： 1. 启动试点项目来获得动能：选择几个小项目，在 6 12 个月内展示成效，项目可以内部进行或外包。尽量选择能够成功而非最有价值的项目。 2. 建立公司内部的人工智能团队：搭建集中统一的 AI 团队，再从中挑选人员协助不同业务部门，便于统一管理。同时建立全公司范围内的平台，如软件平台、工具或数据基础设施。 3. 提供广泛的人工智能培训：高层了解 AI 能为企业做什么，进行策略制定和资源分配；部门领导了解如何设置项目方向、资源分配与监控进度；培养内部工程师，开展相关项目。 4. 制定人工智能策略：深度了解 AI 并结合自身业务制定策略，设置与 AI 良性循环相一致的公司策略，如网络搜索或农业公司的案例。同时考虑创建数据策略，如战略数据采集，建造统一的数据仓库。 企业落地 AI 常见的场景包括： 1. 智能扬声器：包括探测触发词或唤醒词、语音识别、意图识别、执行相关程序等环节。 2. 自动驾驶汽车：涉及汽车检测、行人检测、运动规划等方面，需要多种传感器和技术。 人工智能团队的角色通常有： 1. 软件工程师：负责软件编程工作，在团队中占比 50%以上。 2. 机器学习工程师：创建映射或算法，搜集和处理数据。 3. 机器学习研究员：开发机器学习前沿技术，可能需要发表论文或专注研究。 4. 应用机器学习科学家：从学术文献中寻找技术解决问题。 5. 数据科学家：检测和分析数据。 6. 数据工程师：整理数据，确保其安全、易保存和读取。 7. AI 产品经理：决定用 AI 做什么，判断其可行性和价值。

以下是一些在办公场景中能提升办公技能的提示词： 1. 编辑写作助手：编辑以下段落，提高其整体清晰度和连贯性：{粘贴段落} 链接： 用途：帮助优化段落的清晰度和连贯性。 2. 语法纠正助手：纠正以下语法错误<br>{粘贴段落} 链接： 用途：纠正文本中的语法错误。 3. 头脑风暴助手：帮我想一些不同的想法，围绕这样的话题： 链接： 用途：围绕特定话题提供不同的想法。 4. 翻译助手：将以下内容翻译成{语言}；我希望你能担任英语翻译、拼写校对和修辞改进的角色。我会用任何语言和你交流，你会识别语言，将其翻译并用更为优美和精炼的英语回答我。请将我简单的词汇和句子替换成更为优美和高雅的表达方式，确保意思不变，但使其更具文学性。请仅回答更正和改进的部分，不要写解释。我的第一句话是{这里写英语}，请翻译它。 链接： 用途：进行文本翻译和语言优化。 5. 排版大师：🎩我是您的文字排版大师！📚 我的工作内容包括： 1️⃣优化阅读体验：💡 利用 ASCII 符号和 Emoji 表情符号，我可以优化您的文本，让信息更易于理解。 2️⃣增强信息可读性：🌟 通过合理的排版，我可以帮助您提高信息的可读性，增加用户的专注度。 3️⃣审美排版：🎨 我熟悉各种 ASCII 符号和 Emoji 表情符号的使用方法，同时具备较强的审美和文艺能力，能够让您的文本更具美感。 请告诉我您需要优化哪段文本，我会很高兴帮助您。 用途：优化文本排版，提升阅读体验和美感。 6. 总结助手：请帮我总结以下文章<br>{粘贴文章}；将以下文本总结为 100 个单词，使其易于阅读和理解。摘要应简明扼要，并抓住文本的要点。避免使用复杂的句子结构或技术术语。请首先编辑以下文本：{粘贴文章} 链接： 用途：对文章进行总结。 7. 周报生成器：👉根据日常工作内容，提取要点并适当扩充，以生成周报。我本周的工作内容是{……} 链接： 用途：根据工作内容生成周报。

在 To C 场景中，AI 应用较为广泛的前三个场景包括： 1. 角色扮演类产品：如“猫箱”“剧本戏”“名人朋友圈”等，在 LLM 基础上通过添加特定角色定义实现。 2. 陪伴类产品：以“星野”“Talkie”“BubblePal”等为代表，在 LLM 基础上对长短记忆进行处理，突出陪伴意义，随着时间积累知识库，使 AI 更懂用户。 3. 搜索工具类产品：像“秘塔”“360 搜索”等，本质上是 RAG 方案，部分产品会对搜索内容结构化，形成图谱或脑图。

要在即梦 AI 中制作儿童绘本并做到人物、风格和场景风格一致，可以按照以下步骤进行： 1. 描述故事场景：利用 ChatGPT 或者自行构思一段适合画绘本的故事，将其分为多个场景，用一句包含环境、人物、动作的话描述每个场景。例如，故事名《Lily 的奇妙之旅》，场景 1 为“探险开始，Lily 来到一个阳光明媚的森林，跳过清澈的小溪，愉快玩耍。在路上结识了一只友善的棕熊，她们成为了旅伴”。 2. 生成场景图片：为每个场景生成图片时，使用固定的 prompt 风格词，如“super high details,HDsmooth,by Jon Burgerman,s 400niji 5style expressivear 3:4”。为了使熊和人物有更好的互动感，生成场景时也包括人物主角。如场景 2 的 prompt 为“Walking in a mysterious cave with glittering gems,little girl Lily wearing a yellow floral skirt,her friend brown bear,dim,dreamlike,super high details,HDsmooth,by Jon Burgerman,s 400niji 5style expressivear 3:4”。如果需要，可使用 mj 的 region vary 工具将小女孩完全框选，在提示词中完全删除 Lily 的描述词，重新生成得到场景图像。 3. 绘制绘本主角：确定人物形象，如“a little girl wearing a yellow floral skirt+人物动作+风格词”，在 mj 中生成直到得到一张满意的人物图像，且一套绘本中风格词语不要改变。 4. 保持一致性描述：在写 prompt 时，应从多个角度描述需求，包括人种、画风、宠物品种等，以稳定内容符合预期。例如，如果想生成一个关于“狗”的视频，提供不同狗的品种、外貌、行为等信息，确保物种和画风的一致性。

要让文生图在风格、人物和场景风格上保持一致，可以参考以下方法： 1. 图片生成工具：可使用 Midjourney 进行图片生成。 2. 画面电影感： 画幅：常用 21:9 的画幅比例，其会影响构图和光影。 Prompt 风格后缀：例如“________.Shot on Sony Venice 2,muted color tones,green and dark gray,awardwinning composition,cinematic scenear 21:9”。 专用摄影机：在 Prompt 里可添加电影专用摄影机，如 RED Helium 8K 等。 3. 人物一致性： 对于主角，可先跑一张定妆照。 利用 Midjourney 的新功能 Cref 保持发型、人脸、衣服，但对亚洲人脸尤其是老人的一致性效果较差，且对画面审美和构图有一定破坏性，能不用则不用，如只有背影时简单描述即可。 4. 场景一致性：目前尚无很好的解决办法，基本随缘。 此外，还可参考以下方式： 1. 生成人物图片：确定人物形象，如“a little girl wearing a yellow floral skirt+人物动作+风格词”，在 Midjourney 中生成满意的人物图像，为确保人物一致性，取“iw 2”。 2. 合成人物和场景：使用 PS 或者 Canva 将人物和场景合成到一张图，若色调不和谐，可将合成后的图作为垫图（“iw 2”），在 Midjourney 中重新生图。

以下是关于人工智能的场景应用及其对社会治理新挑战的相关内容： 场景应用： 医疗领域：如利用 AI 技术预测蛋白质结构，加速科学研究和救命药物的开发，在对抗疟疾、抗生素耐药性和塑料垃圾等方面取得巨大进展。 气候领域：通过 AI 技术应对气候变化。 对社会治理的新挑战： 可能产生新的风险，如使用 AI 可能带来的未知问题。 复杂的 AI 技术可能引发公众的不安。 涉及数据获取、计算能力、可持续性以及内容生产者和 AI 开发者权利平衡等重要问题，需要综合考虑。 需确保在保护权利持有者和支持 AI 开发者获取所需数据之间保持恰当平衡。

要让 AI 做一个自己的智能 AI 软件，可以参考以下步骤： 1. 选择合适的平台：例如字节跳动旗下的扣子（Coze），其是新一代一站式 AI Bot 开发平台，无论是否具备编程基础，都能在该平台上迅速构建基于 AI 模型的各类问答 Bot。 2. 明确创建流程： 起一个智能体的名称。 写一段智能体的简单介绍。 使用 AI 创建一个头像。 3. 对于让 AI 写出想要的代码，可遵循以下.cursorrules 写法： 先说清楚自己是谁，告诉 AI 期待其具备的专业技能。 告诉 AI 要干什么，明确项目需求。 定好项目的“规矩”，强调代码规范。 明确文件存放位置。 指定使用的“工具”，如框架和库。 告诉 AI 怎么做测试。 推荐参考资料。 如有 UI 需求，补充相关要求。 4. 在与 AI 合作编程时，了解其边界和限制，遵循编程准则： 能不编，尽量不编。优先找线上工具、插件、本地应用，先找现成的开源工具或考虑付费服务，实在找不到再自己编程。以终为始，聚焦目标。

智能体（Agent）在人工智能和计算机科学领域是一种能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。 智能体具有以下关键组成部分和功能： 1. 规划：将大型任务分解为更小、可管理的子目标，有效处理复杂任务。 2. 反思和完善：对过去的行为进行自我批评和反思，从错误中吸取教训，完善未来步骤，提高最终结果质量。 3. 记忆：包括短期记忆用于上下文学习，长期记忆用于长时间保留和回忆信息，通常通过外部向量存储和快速检索实现。 4. 工具使用：学习调用外部 API 获取模型权重中缺失的额外信息，包括当前信息、代码执行能力、对专有信息源的访问等。 以下是一些具体的智能体应用示例： 1. 新年心语智能体： 功能包括写祝福语、做对联、预测新年运势、生成 AI 图片、陪用户闲聊等。 由于使用了代码节点访问外部 API，未提供体验。 2. 买买买！💥产品买点提炼神器强化版🚀智能体： 应用场景针对企业和品牌营销团队，尤其是活跃于小红书和抖音的市场推广者。 解决难以精准提炼产品卖点、不能以友好的用户侧表达讲述卖点、社交媒体营销文案和脚本创作无系统等痛点。 主要功能有产品卖点深度挖掘、优质买点文案生成、小红书笔记和抖音脚本生成，所有内容可一键同步到飞书。

以下是一些可以用于人工智能设计拜年 PPT 的软件： 1. Gamma：在线 PPT 制作网站，可通过输入文本和想法提示快速生成幻灯片，支持嵌入多媒体格式，如 GIF 和视频，增强演示文稿吸引力，网址：https://gamma.app/ 2. 美图 AI PPT：由美图秀秀开发团队推出，通过输入简单文本描述生成专业 PPT 设计，包含丰富模板库和设计元素，适用于多种场合，网址：https://www.xdesign.com/ppt/ 3. Mindshow：AI 驱动的 PPT 辅助工具，提供自动布局、图像选择和文本优化等智能设计功能，还可能包含互动元素和动画效果，网址：https://www.mindshow.fun/ 4. 讯飞智文：科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理技术优势，提供智能文本生成、语音输入、文档格式化等功能，网址：https://zhiwen.xfyun.cn/ 此外，还有以下相关内容： 1. 2024 年 6 月 22 日更新的一批研究报告，如《》等。 2. 熊猫 Jay 编写的超全的 AI 工具生成 PPT 的思路和使用指南，介绍了 MindShow、爱设计、闪击、Process ON、WPS AI 等工具，并因该培训获得 1000 元奖励。原文：https://mp.weixin.qq.com/s/uVoIIcePa7WTx7GNqkAPA 公众号：熊猫 Jay 字节之旅

以下是关于智能合规性分析的相关内容： 在金融服务业中，生成式 AI 能带来更好的合规性，具体表现为： 1. 高效筛查：迅速汇总个体在不同系统中的关键信息，让合规官员更快得出交易是否存在问题的答案。 2. 更准确地预测洗钱者：根据过去 10 年的可疑活动报告训练模型，创建对洗钱者构成的定义。 3. 更快的文档分析：分析大量文档，标记潜在问题或关注区域。 4. 培训和教育：开发培训材料，模拟真实场景，教育合规官员。 欧洲议会和欧盟理事会规定了人工智能的统一规则，包括成员国的市场监督管理机关和委员会应能提议联合行动，促进合规、查明不合规情况等。对于建立在通用人工智能模型基础上的人工智能系统，明确了国家和联盟一级的责任和权限。 未来，拥抱生成式 AI 的合规部门有望阻止每年在全球范围内非法洗钱的巨额资金。如今，合规软件主要基于“硬编码”规则，存在诸多问题，生成式 AI 可能带来改变。

以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话，并利用飞书多维表格存储和管理稍后读数据，实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口完成收集输入。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成阅读计划。 使用飞书·稍后读助手： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接，调整稍后读存储位置。 2. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接，第一次使用会要求授权共享数据，授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 至此，专属 AI 稍后读智能体大功告成，您可以尽情享受相关服务。