中国头部的大模型公司分别是哪几家？

在 AI 领域，做语音模型较好的有阿里，其 CosyVoice 语音合成模型有以下特点： 精细控制：能生成符合性别、年龄和个性特征的声音。 自然模拟：可模拟笑声、咳嗽和呼吸等人类语音自然特征。 情感和风格：能够为声音添加情感和风格，更具表现力。 GitHub 链接：https://github.com/FunAudioLLM/CosyVoice 相关链接：https://x.com/imxiaohu/status/1818942399705710700 。但关于音色复刻做的比较好的，上述信息中未明确提及。

以下几家的大模型支持通过手机视频多模态实时交流： 1. PandaGPT：能够理解不同模式的指令并根据指令采取行动，包括文本、图像/视频、音频、热、深度和惯性测量单位。 2. VideoLLaMA：引入了多分支跨模式 PT 框架，使语言模型能够在与人类对话的同时处理给定视频的视觉和音频内容。 3. 视频聊天 GPT：专门为视频对话设计，能够通过集成时空视觉表示来生成有关视频的讨论。 4. NExTGPT：端到端、通用的 anytoany 多模态语言模型，支持图像、视频、音频、文本的自由输入输出。

以下是一些可用于构建专属智能体以撰写公司新闻稿的平台及操作步骤： 1. Coze：这是新一代的一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot。它集成了丰富的插件工具，能极大地拓展 Bot 的能力边界。 2. Microsoft 的 Copilot Studio：其主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者根据自身需求打造大模型时代的产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 在实际构建和应用智能体时，您可以遵循以下准则： 1. 彻底让自己变成一个“懒人”。 2. 能动嘴的不要动手（用嘴说出您想做的事远比打字来的快）。 3. 能动手的尽量用 AI（用 AI 远比您苦哈哈的手敲要来的快）。 4. 把您手上的工作单元切割开，建设属于自己的智能体。 5. 根据结果反馈不断调整自己的智能体。 6. 定期审视自己的工作流程，看哪个部分可以更多的用上 AI。 您可以根据自己的需求选择适合的平台进行进一步探索和应用。

以下是一些头部的 AI 公众号： 超时空视角 赛博禅心 302.AI 产研负责人（产品官网：https://302.ai ） 01Founder（小红书：2205271258，公众号：01Founder，即刻：Max_means_best，微信：Max_Deze） 和 AI 一起进化（公众号：kaixindelele） 星际码仔（公众号：星际码仔） AI 大同学（微抖红手：AI 大同学，2 年老站能不更新就不更新：https://openai.mbmzone.com/mbmgpt/ ） PlayWithAI（小红书：PlayWithAI） 少女的 AI 大冒险（公众号：少女的 AI 大冒险）

国内头部的 AI 产品包括以下这些： 在 APP 端：夸克和豆包的历史总下载量已过亿。单月新增方面，夸克、豆包和 Kimi 智能助手月增长可达到千万级。DAU 方面，夸克 DAU 超过 2600 万，豆包、Kimi、天天跳绳和文小言 DAU 超百万。用户粘性方面，夸克和叨叨三日留存率超过 30%。 在 Web 端：月总访问量超千万的产品包括夸克、腾讯文档、百度文库、Kimi 智能助手、文心一言、豆包和通义。在用户活跃度上，夸克、Notion 和百度文库的 MAU 超过千万。 在生成 Logo 方面的 AI 产品有： Looka：在线 Logo 设计平台，使用 AI 理解用户品牌信息和设计偏好，生成多个设计方案供选择和定制。 Tailor Brands：AI 驱动的品牌创建工具，通过用户回答问题生成 Logo 选项。 Designhill：Logo 制作器使用 AI 技术创建个性化 Logo 设计。 LogoMakr：提供简单易用的 Logo 设计工具，可利用 AI 建议的元素和颜色方案。 Canva：广受欢迎的在线设计工具，提供 Logo 设计模板和元素，有 AI 辅助设计建议。 LogoAI by Tailor Brands：Tailor Brands 推出的 AI Logo 设计工具，根据用户输入生成设计方案。 标小智：中文 AI Logo 设计工具，利用人工智能技术创建个性化 Logo。 此外，还有一些其他的 AI 产品，如 GPTs 用对话引导获取用户信息，Jasper 拆解场景流程按步骤收集信息，Leonardo 用画布和实时反馈加速 Prompt 提升，Novel 用交互式、渐进式续写，c.ai 卷生态卷模型，筑梦岛探索更多场景的对话玩法，FlowGPT 以 Prompt 的分享为核心，小悟空数据驱动优化 Prompt 等。这些产品致力于以更低的门槛帮助用户获得更高质量的 Prompt，从而更好地驱动模型。但当前阶段的 AI 产品还普遍体现出初级产品化、强行产品化的特征。

以下是 4 月、6 月的 AI 教育头部产品相关数据： 4 月访问量排名： 1. QChat，分类为教育，访问量 14220 万，相对 3 月变化 0.068 2. CheggMate，教育，4906 万，0.042 3. Khanmigo，教育，4570 万，0.015 4. Brainly:AI Homework Helper，教育，3102 万，0.023 5. Turnitin，教育，1677 万，0.149 6. WolframAlpha，教育，983 万，0.054 7. gauthmath，教育，656 万，0.558 8. Socratic by Google，教育，467 万，0.037 9. Aistote，教育，321 万，0.207 10. PTE APEUni，教育，321 万，0.198 6 月访问量排名： 1. QChat，教育，8482 万，0.293 2. Duolingo，教育，7595 万，0.049 3. Khanmigo，教育，3994 万，0.135 4. 微软 Copliot，教育，3258 万，0.174 5. CheggMate，教育，2340 万，0.285 6. Preply，教育，2069 万，0.037 7. Brainly:AI Homework Helper，教育，1984 万，0.267 8. Course Hero，教育，1730 万，0.311 9. Mathway，教育，1564 万，0.319 10. Turnitin，教育，1156 万，0.293 6 月语言教育类 APP 下载量排名： 1. Duolingo，语言教育，14955 千，0.155 2. Buddy Al，语言教育，1343 千，0.049 3. Praktika，语言教育，1252 千，0.019 4. Quizlet，语言教育，1073 千，0.036 5. Mondly，语言教育，393 千，0.324 6. Speak，语言教育，298 千，0.045 7. Stimuler，语言教育，294 千，0.02 8. Preply，语言教育，293 千，0.206 9. TalkAI 练口语，语言教育，201 千，0.047 10. Pimsleur，语言教育，148 千，0.173 11. 流利说，语言教育，123 千，0.054 12. SuperChinese，语言教育，122 千，0.164 13. Animal Jam，语言教育，89 千，0.226 14. Mikan，语言教育，70 千，0.103 15. talkpal，语言教育，60 千，0.032 16. LOLA Speak，语言教育，53 千，0.485 17. Abceed，语言教育，52 千，0.088

目前存在众多行业，以下为您列举部分常见行业及其头部企业（排名不分先后）： 1. 互联网行业：阿里巴巴、腾讯、百度、字节跳动、京东。 2. 金融行业：中国工商银行、中国建设银行、中国农业银行、中国银行、交通银行。 3. 制造业：华为、海尔、格力、美的、三一重工。 4. 医疗行业：恒瑞医药、迈瑞医疗、药明康德、复星医药、云南白药。 5. 能源行业：中国石油、中国石化、国家电网、中国海油、中国神华。 需要注意的是，行业的划分和头部企业的认定会随着市场变化而有所不同。您可以根据自身的专业和兴趣，进一步利用 AI 工具深入了解特定行业和企业的招聘信息。

以下是中国头部的大模型公司： 北京： 百度（文心一言）：https://wenxin.baidu.com 抖音（云雀大模型）：https://www.doubao.com 智谱 AI（GLM 大模型）：https://chatglm.cn 中科院（紫东太初大模型）：https://xihe.mindspore.cn 百川智能（百川大模型）：https://www.baichuanai.com/ 上海： 商汤（日日新大模型）：https://www.sensetime.com/ MiniMax（ABAB 大模型）：https://api.minimax.chat 上海人工智能实验室（书生通用大模型）：https://internai.org.cn 此外，字节和腾讯都有团队在和外部大模型合作。创业公司中表现出色的有： 智谱：一年间推出了 4 代 GLM，一直是国内能力最好的模型之一。 MiniMax：推出了 MoE 架构的新模型，和“星野”这个目前国内最成功的 AI 陪聊 APP。 月之暗面：专注长 Token 能力，在记忆力和长 Token 能力上可圈可点。 通过 SuperCLUE 测评结果发现，国内大模型的第一梯队还有文心一言 4.0、通义千问 2.0 引领研发进度。从国内 TOP19 大模型的数量来看，创业公司和大厂的占比几乎持平。

以下是关于头部公司为了 AI 花费情况的一些信息： OpenAI 已投入 10 亿美元（主要来自 Musk），虽然拥有王牌团队和崇高使命，但对如何实现目标曾毫无头绪。 去年，大部分企业的生成式人工智能支出来自“创新”预算和其他一次性资金池。到 2024 年，许多头部企业将这些支出重新分配到更为永久的软件预算项上。一家公司提到基于 LLM 技术的客户服务每通电话节省了约 6 美元，总体节省了约 90%的成本，这是增加八倍投资于生成式人工智能的原因之一。 在生成式 AI 领域，大部分的钱花在了三大云上：AWS、谷歌云（GCP）和微软 Azure。三大云每年花费超千亿美元的资本支出以确保拥有全面、可靠、具成本优势的云平台。迄今为止，生成式 AI 领域最大的幕后赢家可能是运行了绝大多数 AI 工作负载的英伟达（NVIDIA）。此外，甲骨文等挑战者已通过巨额资本支出和销售激励进军市场，一些初创公司也在快速发展。

我所使用的大模型相关信息未明确告知。但为您介绍一下大模型的相关知识： 大模型指的是用于表达 token 之间关系的参数多，主要是指模型中的权重（weight）与偏置（bias），例如 GPT3 拥有 1750 亿参数，其中权重数量达到了这一量级，而词汇表 token 数只有 5 万左右。以 Transform 为代表的大模型采用自注意力（Selfattention）机制来学习不同 token 之间的依赖关系，生成高质量 embedding。 通俗来讲，大模型就是输入大量语料，来让计算机获得类似人类的“思考”能力，使之能够理解自然语言，能够进行“文本生成”“推理问答”“对话”“文档摘要”等工作。 大模型的训练和使用过程可以类比为“上学参加工作”： 1. 找学校：训练 LLM 需要大量的计算，因此 GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型顾名思义就是大，需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用什么样的算法讲述“书本”中的内容，让大模型能够更好理解 Token 之间的关系。 4. 就业指导：学完书本中的知识后，为了让大模型能够更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，下面就要正式干活了，比如进行一次翻译、问答等，在大模型里称之为推导（infer）。 在 LLM 中，Token 被视为模型处理和生成的文本单位。它们可以代表单个字符、单词、子单词，甚至更大的语言单位，具体取决于所使用的分词方法（Tokenization）。Token 是原始文本数据与 LLM 可以使用的数字表示之间的桥梁。在将输入进行分词时，会对其进行数字化，形成一个词汇表。比如：The cat sat on the mat，会被分割成“The”“cat”“sat”等的同时，会生成相应的词汇表。

要将 YOLOv 和 ResNet 做成大模型，需要考虑以下几个方面： 1. 数据准备：收集大量的相关数据，并进行清洗、预处理和标注，以满足模型训练的需求。 2. 模型架构调整：根据具体任务和数据特点，对 YOLOv 和 ResNet 的架构进行适当的修改和优化，例如增加层数、调整通道数等。 3. 训练策略：选择合适的优化算法、学习率调整策略等，以提高训练效果和收敛速度。 4. 计算资源：大模型的训练需要强大的计算资源，包括硬件设施和云计算平台等。 此外，从相关的研究和趋势来看，大模型架构呈现出日益明显的混合趋势，多种有代表性的技术路径在不同程度保留 Transformer 架构优势的基础上，结合 RNN、CNN 等思想做出创新发展。例如类循环神经网络模型（以 RWKV 为代表）、状态空间模型（以 Mamba 为代表）、层次化卷积模型（以 UniRepLKNet 为代表）、多尺度保持机制模型（以 RetNet 为代表）、液体神经网络模型（以 LFM 为代表）等。但需要注意的是，将 YOLOv 和 ResNet 做成大模型是一个复杂的过程，需要深入的研究和实践。

大模型调优的方法主要包括以下几个方面： 1. 更换大模型：例如从 ChatGLM26B 替换成 baichuan213b，针对特定场景，后者性能可能提升一倍左右。 2. 更换 embedding 模型：将默认的 embedding 模型如 LangChain Chatchat 的 m3ebase 替换为 bgelargezh，后者可能更优。 3. 测试不同 Top k 的值：比较 Top 5、Top 10、Top 15 的结果，发现 Top 10 时效果最优。 4. 对文档名称进行处理：人工对文件重命名，上传相同文件构建知识库，同时在构建时勾选【开启中文标题加强】选项，重命名文件对结果提升不明显，但勾选该选项后回答的无关信息减少，效果有所提升。 从产品视角考虑大模型调优，主要从以下两个维度分析问题： 1. Context optimization（上下文优化）：所创建的 LLM 应用若需要特定数据、系统和流程等预训练 LLM 中缺失的知识和信息，需进行上下文优化，如企业内部智能问答机器人，应将相关知识提供给大模型，RAG 是解决该问题的技术。 2. LLM optimization（大模型优化）：在进行足够的 prompt 工程后，若 LLM 应用在垂直领域表现仍不足或希望输出特定格式风格等稳定性不及预期，可考虑微调，且需与良好的 prompt 工程结合。 大模型的安全保障可通过对齐，也叫指令调优实现，包括监督微调、获取 reward model 与进行强化学习调整输出分布。但即使如 GPT4 和 Claude 等模型已几乎不回复危险问题，Alignment 仍不足以防护所有安全问题，存在越狱现象。LLAMA2 专门使用安全有监督微调确保语言模型安全。强化学习能让模型根据人类反馈调整分布，面对训练分布外数据也可能学会拒绝不当回答。

以下是关于写 PPT 可用的大模型及相关信息： 1. 在将 PPTX 格式文件转换为 MD 语言文本方面，Github 上有一个简单项目，可在此基础上接大模型做进一步开发。原项目地址：https://github.com/ssine/pptx2md 。 2. 对于自动 PPT 翻译脚本，推荐使用讯飞大模型。新账户免费送 200 万 tokens，有效期 3 个月。前期准备包括根据自己的 API 资源提前设置，如在 https://xinghuo.xfyun.cn/ 进行相关操作。 3. 关于 PPT 设计相关的 prompt： 主题聚焦：选择中心主题，围绕其设计每张幻灯片。 故事叙述：将内容想象成故事，每张幻灯片是一部分。 视觉元素：利用图片、图表和图标传达信息。 颜色与字体：选择匹配主题和内容的颜色和字体。 简洁表达：每张幻灯片少用文字，突出关键信息。 互动性：加入互动元素，如问答或观众参与活动。 案例分析：使用真实或假设案例说明观点。 对比与比较：通过对比强调观点。 未来视角：展示观点对未来的影响。 结论与行动：结尾清晰总结观点，提供行动指南。

以下是关于大模型效率和准确性的相关信息： 8 月正式上线的国内大模型： 北京企业机构：百度（文心一言）https://wenxin.baidu.com 、抖音（云雀大模型）https://www.doubao.com 、智谱 AI（GLM 大模型）https://chatglm.cn 、中科院（紫东太初大模型）https://xihe.mindspore.cn 、百川智能（百川大模型）https://www.baichuanai.com/ 上海企业机构：商汤（日日新大模型）https://www.sensetime.com/ 、MiniMax（ABAB 大模型）https://api.minimax.chat 、上海人工智能实验室（书生通用大模型）https://internai.org.cn 能生成 Markdown 格式的：智谱清言、商量 Sensechat、MiniMax 目前不能进行自然语言交流的：昇思（可以对文本进行是否由 AI 生成的检测，类似论文查重，准确度不错）、书生 受限制使用：MiniMax（无法对生成的文本进行复制输出，且只有 15 元的预充值额度进行体验，完成企业认证后可以进行充值） 特色功能：昇思——生图，MiniMax——语音合成 阿里通义千问、360 智脑、讯飞星火等均不在首批获批名单中，广东地区获批公司分别为华为、腾讯，科大讯飞系其他地区获批产品。 让大模型更好工作的关键点： 明确目标和需求，避免广泛需求导致模型产出不佳。 设定明确角色，使模型选择明确知识范围，输出更精确结果。 让大模型一步一步执行，类似于大脑的快系统和慢系统。 对大模型礼貌效果好，可能与使用礼貌用语的数据质量较高有关。 使用思维链的行为模式，让模型将任务拆解并按特定任务思考演进。 OpenAI 的新模型 o1preview/mini： 复杂问题思考过程长达 30s，简单问题 5 10s。 使用条数少，冷却时间长，长达 7 天。 模型发展趋势：生成式应用场景有限，推理模型准确率不断攀升，可渗透到更多行业和高精尖业务中。不要因新模型推理速度慢而忽视其最终结果的正确性，可通过增配硬件解决速度问题。

以下是一些财务人员可使用的大模型相关信息： 1. Coze 记账管家：通过大语言模型把用户输入的非结构化记账数据转变成结构化数据存入数据库。工作流程包括定义提示词，让大模型拆解识别记账事项、发生时间、变动金额等，并将其存入数据库。 2. 金融服务业中的应用： 客户服务代表：新的客户服务代表可使用经过过去 10 年银行部门客户服务通话训练的大语言模型，快速生成问题答案，减少培训时间。 贷款员：生成式 AI 模型可在相关系统数据上训练，贷款员提供客户名称即可生成贷款文件。 质量保证：生成式 AI 可加速银行和金融科技公司确保符合监管要求的过程。 3. 金融行业·大模型挑战赛：举办“2024 金融行业·大模型挑战赛”，整合公开金融数据打造多轮问答评测赛题，提供基础数据表，参赛选手需采用 GLM4 系列模型 API，可运用多种技术手段完成赛题，设有中文和英文测试集。主办单位为清华大学基础模型研究中心，有多个单位支持。

作为一名平面设计师，您可以通过以下方式利用人工智能来辅助您的工作： 一、使用 AI 海报生成工具 1. Canva（可画）：https://www.canva.cn/ 这是一个非常受欢迎的在线设计工具，提供大量模板和设计元素，用户可通过简单拖放操作创建海报，其 AI 功能能帮助选择合适颜色搭配和字体样式。 2. 稿定设计：https://www.gaoding.com/ 稿定智能设计工具采用先进人工智能技术，自动分析和生成设计方案，稍作调整即可完成完美设计。 3. VistaCreate：https://create.vista.com/ 简单易用的设计平台，提供大量设计模板和元素，用户可使用 AI 工具创建个性化海报，智能建议功能可帮助快速找到合适设计元素。 4. Microsoft Designer：https://designer.microsoft.com/ 通过简单拖放界面，能快速创建演示文稿、社交媒体帖子等视觉内容，还集成丰富模板库和自动图像编辑功能，如智能布局和文字优化，简化设计流程。 二、参考案例分享 以东阿阿胶海报设计为例，拆解步骤如下： 1. 得到需求——提取元素——绘制线稿——用 controlnet 转绘上色——ps 优化——定稿。 2. 需求元素：风格要潮流插画，还要有唐代元素和国潮（前期基本上是沟通成本，主要定线稿）。 3. 提取元素：获取的信息需要体现产品图，需要体现唐代元素，需要 logo 在中心位置，按照需求开始绘制线稿。 4. 线稿绘制：沟通的元素是牡丹花、驴子（最后换成了琵琶）、人参和产品图和 logo，所以进行线稿调整绘制（中间很多细节沟通）最终定下线稿（里面很多元素都是拼接的）。 5. 拆分元素线稿：这一步非常重要，因为会涉及到后续元素替换等问题，比如单个 logo、产品等，提取出单独元素，进行绘制，最后进行替换。 6. 单个元素绘制：这样会让单个元素更加精致，也方便后期替换。 7. 然后利用拼接好的线稿进行大量跑图抽卡，选出一张最合适的进行 ps 优化。 8. 整体拼接上色后的效果（将单独跑的元素在 ps 里替换优化，再过一遍 sd 进行溶图放大）得到以下效果。 9. 最终客户把驴子去掉了，换成了一把琵琶，也是同产品图一样的做法，最后把琵琶替换掉驴子，得到定稿图。 三、相关模型和关键词 上色运用的大模型：GhostMix 鬼混_V2.0 。 lora 模型：“盒子系列——平面国潮插画_v1.0:182ba9e2f576 。 controlnet 模型：“Module:lineart_coarse,Model:contr 。 关键词：yellow background,Fashion,international blockbusters,fashion posters,fantasy,yellow,black and red tones,yellow background,peonies,donkeys,product packaging expert master,<lora:盒子系列——平面国潮插画_v1.0:0.3> 。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

要分辨哪些是中国公司做的 AI 软件，可以通过以下几个方面： 1. 查看相关的月度榜单，例如“AI 智库｜月度榜单”，其中会明确列出公司所属的国家。 2. 关注公司的注册地和总部所在地信息。 3. 了解公司的创始人或 CEO 的国籍背景。 例如，在提供的榜单中，爱思软件、看见概念、尽微致广、同花顺、小冰公司、网易、恒图科技、生数科技、西湖心辰、网旭科技、秘塔网络、回响科技、稿定科技、ANSWER AI、奇点星宇等都是中国公司。

对于小公司想要部署一个能对运维、运营、客服、美术、策划、程序都有帮助的本地 AI 系统，以下是一些相关信息： 线上和线下本地部署的 AI 特点： 线上部署的优势在于出图速度快，不依赖本地显卡配置，无需下载大型模型，还能参考其他创作者的作品，但出图尺寸受限。线下部署的优势是可添加插件，出图质量高，但使用时电脑可能宕机，配置不高可能爆显存导致出图失败。建议线上用于找参考、测试模型，线下作为主要出图工具。 Ollama： 支持多种大型语言模型，包括通义千问、Llama 2、Mistral 和 Gemma 等，适用于不同场景。 易于使用，适用于 macOS、Windows 和 Linux 系统，支持 CPU 和 GPU。 提供模型库，用户可从中下载不同模型，满足不同需求和硬件条件。 支持自定义模型，可调整参数。 提供 REST API 用于运行和管理模型，以及与其他应用集成。 社区贡献丰富，有多种集成插件和界面。 Google Gemma： 是 Google 发布的家用版小模型，有 2b（20 亿参数）和 7b（70 亿参数）版本。小模型可能不适合复杂任务，但适合提升基础操作效率。部署环境友好，可通过 ollama 方便部署，支持热加载模型文件。2b 反应速度快但互动话题有限，7b 输出质量高但可能卡顿，对非英文语种反馈不稳定。 综合考虑，如果您的公司对出图质量要求较高，且有较好的硬件配置，可以选择线下部署结合线上测试的方式。在语言模型方面，Ollama 具有较多优势，可根据具体需求选择合适的模型进行部署。

对于小游戏公司部署本地 AI 系统以帮助运维、运营、客服、策划和程序等方面，以下是一些建议和相关信息： 目前市面上的 AI 模型各有特点。线上 AI 具有出图速度快、不依赖本地显卡配置、无需下载大型模型以及能参考其他创作者作品等优势，但出图尺寸受限。线下部署的 AI 可以添加插件、出图质量高，但可能导致电脑宕机且对配置要求高。 在游戏领域，AI 大模型带来了诸多变化，如游戏内容辅助生成（包括文、图、3D 和音乐），可应用于游戏策划人和美术设计师。文生图和图生图能提高创作效率，动画辅助渲染可改变角色风格，游戏智能运营涵盖智能 NPC 互动、客服、攻略问答和代码脚本生成等，适用于产品经理、运营经理和社区运营经理。 Google 刚刚发布的家用版小模型 Gemma 有 2b（20 亿参数）和 7b（70 亿参数）版本。相对千亿参数的大模型，这类小模型可能不太适合处理复杂任务，但代表了模型本地化提升基础操作效率的趋势。Ollama 是一个开源的大型语言模型服务，方便部署最新版本的 GPT 模型并通过接口使用，支持热加载模型文件，且像小型的 llama 也支持本地部署。部署时，需进入 ollama.com 下载程序并安装，通过命令提示符进行操作和切换模型。2b 反应速度快但互动话题有限，7b 输出质量高但可能卡顿，且对非英文语种反馈不太稳定。 综合考虑，小游戏公司可以根据自身需求和硬件配置选择合适的 AI 模型。如果对出图质量要求高且有较好的硬件配置，可尝试线下部署；若更注重效率和便捷性，线上模型可能更适合。同时，也可以考虑像 Gemma 这样的小模型进行本地化部署以提升基础操作效率。

对于小游戏公司部署本地 AI 系统以帮助运维、运营、客服、美术、策划、程序等方面，以下是一些建议和目前市面上合适的 AI 模型分析： 线上 AI 平台的优势在于出图速度快，对本地显卡配置要求低，无需下载大型模型，还能参考其他创作者的作品，但出图分辨率有限制。 线下部署的优势是可以添加插件，出图质量高，但使用时电脑可能宕机，配置不高还可能爆显存导致出图失败。 综合考虑，建议充分发挥线上和线下平台的优势。线上可用于找参考、测试模型，线下作为主要出图工具。 在图像生成方面，2022 年主流生成式图像应用如 DALLE 2.0、Stable Diffusion 和 Midjourney 使图像生成精细化程度提升，提示对图像生成结果的控制能力增强。 在 3D 模型生成中，AI 能完成 3D 模型生成流程的“一步到位”，大大提升效率。 在游戏开发中，AI 可用于游戏内容辅助生成（如文、图、3D、音乐）、动画辅助渲染、游戏智能运营（包括智能 NPC 互动、客服、攻略问答、代码和脚本生成）等。 对于小游戏公司，Stable Diffusion 可能是一个较为合适的选择，它在 2D 美术素材辅助生成方面能够提高创作效率、降低成本，并且有多种应用场景，如文生图、图生图等。同时，也可以考虑结合线上平台进行参考和测试。

在英语教育领域实现 AGI 方面，目前国内外走在前面的公司情况如下： 在国外，OpenAI 表现突出，ChatGPT 和 GPT4 的出现令人惊讶，其成功拉开了与国内的技术差距。 在国内，百度和阿里相对较为高调。百度的“文心 4.0”是当前国内能力较好的模型之一，即将发布的阿里的“通义千问”也备受关注。然而，国内大厂们虽然在人才、GPU、数据和资金储备方面具备冲击 AGI 的条件，但实际效果尚未有明确亮点。2023 年中美在 AGI 技术上的差距并未缩小，国内最领先的模型水平大概在准 ChatGPT3.5 的水平，与 GPT4 仍有不小差距，甚至不如临时拼凑的 Mistral 团队的水平。此外，大厂们受内部短期考核压力影响，多数力量放在卷新产品圈地盘和向上汇报工作上，且同时背负了较多其他业务和政治考量。