AI 常见名词 有哪些

以下是关于 AI 职业规划和跳槽找工作的相关内容： 对于学生和应届毕业生： 职业选择和规划：通过了解 AI 技术在不同职业中的应用，评估自身兴趣和技能，选择合适路径并制定详细规划。 技能提升：依据职业目标获取个性化学习建议和资源，为就业做准备。 对于职场新人和职业转换者： 职业发展指导：根据自身职业目标和市场需求制定发展计划，明确短期和长期目标。 职业转型支持：对于从其他领域转型到 AI 相关领域的从业者，提供转型路径和必要技能培训资源。 对于企业： 人才招聘和培养：评估应聘者 AI 技能水平，选择合适候选人，为现有员工提供职业发展规划和技能提升建议，培养内部 AI 人才。 员工职业发展：为员工制定个性化职业发展计划，提供持续指导和培训，提升满意度和留任率。 对于教育机构： 职业指导服务：将相关产品作为学生职业指导一部分，帮助了解 AI 领域职业机会和发展路径，提升就业率。 课程设计和优化：根据市场需求和学生职业规划优化课程设置，提供针对性 AI 技能培训。 对于职业咨询师： 辅助工具：使用相关产品为客户提供更精准职业规划建议和技能评估，提升咨询服务质量和效率。 数据支持：基于产品提供的市场数据和职业趋势分析，为客户提供更全面和前瞻性的指导。 在 AI 时代，技术专业人士需发展 AI 难以替代的技能，如团队建设、跨文化交流、创新解决方案设计等。对于从事可能被 AI 取代风险工作的技术工作者，需重新思考职业生涯规划，学习新技能或转向更需要人类特质的工作领域。 2024 年，时代浪潮从移动互联网应用转向 AI 应用。一方面行业大佬预判这是比移动互联网更大的红利；另一方面个人面临就业或创业选择，此时对行业和趋势的判断尤为重要。从务实角度，以自身信念和目标预判未来 10 年是可行的，如雷军、傅盛等的经历。00 后也有越来越多人创业当老板或加入创业公司。

以下是一些与 AI 找工作相关的信息： 有一些 AI 面试官的相关产品，例如： 用友大易 AI 面试产品：具有强大技术底座、高度场景贴合度、招聘全环节集成的解决方案、先进防作弊技术及严密数据安全保障。能完成面试、初筛并自动发送面试邀约。 海纳 AI 面试：通过在线方式自动面试、评估，精准度高达 98%，面试效率比人工方式提升 5 倍以上，候选人到面率提升最高达 30%。 InterviewAI：在线平台，提供面试职位相关问题和 AI 生成的推荐答案，候选人用麦克风回答，会收到评估、建议和得分。 Applicant AI：人工智能面试系统，通过 AI 视频聊天快速筛选求职者，匹配招聘标准，自动推送合适候选人至下一阶段，减少人工干预，可安排面试流程，提高招聘效率。 使用这些产品时，企业需要考虑数据安全性和隐私保护的问题。

以下是系统学习 AI 的方法： 1. 编程语言基础：从 Python、JavaScript 等编程语言开始学习，掌握编程语法、数据结构、算法等基础知识。 2. 工具和平台体验：使用 ChatGPT、Midjourney 等 AI 生成工具，体验其应用场景。探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 基础知识学习： 了解 AI 的基本概念、发展历程、主要技术（如机器学习、深度学习等）。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 实践项目参与：参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动，尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注前沿动态：关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展，思考其对未来社会的影响，培养思考和判断能力。 对于新手学习 AI： 1. 了解基本概念： 阅读「」部分，熟悉术语和基础概念。 浏览入门文章，了解 AI 的历史、应用和发展趋势。 2. 开始学习之旅： 参考「」中的课程，推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习，争取获得证书。 3. 选择感兴趣模块深入：根据自身兴趣选择特定模块（如图像、音乐、视频等）深入学习，掌握提示词技巧。 4. 实践和尝试：实践巩固知识，尝试使用各种产品创作作品，并在知识库分享实践成果。 5. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解工作原理和交互方式，获得实际应用体验。

以下是关于您提到的“novelai”的相关信息： 如果您想用 AI 把小说做成视频，这是一个涉及多个步骤的过程，通常包括文本分析、角色与场景生成、视频编辑与合成等。以下是一些可以利用的工具以及网址： Stable Diffusion（SD）：一种 AI 图像生成模型，可以基于文本描述生成图像。网址：https://github.com/StabilityAI Midjourney（MJ）：另一个 AI 图像生成工具，适用于创建小说中的场景和角色图像。网址：https://www.midjourney.com Adobe Firefly：Adobe 的 AI 创意工具，可以生成图像和设计模板。网址：https://www.adobe.com/products/firefly.html Pika AI：文本生成视频的 AI 工具，适合动画制作。网址：https://pika.art/waitlist Clipfly：一站式 AI 视频生成和剪辑平台。网址：https://www.aihub.cn/tools/video/clipfly/ VEED.IO：在线视频编辑工具，具有 AI 视频生成器功能。网址：https://www.veed.io/zhCN/tools/aivideo 极虎漫剪：结合 Stable Diffusion 技术的小说推文视频创作提效工具。网址：https://tiger.easyartx.com/landing 故事 AI 绘图：小说转视频的 AI 工具。网址：https://www.aihub.cn/tools/video/gushiai/ Andrej Karpathy 推荐的书包括： Ted Chiang 的所有短篇小说，尤其是《呼吸》（Exhalation）、《零的划分》（Division By Zero）、《理解》（Understand）、《你的生命故事》（The Story of Your Life）、《欣赏自己的面孔》（Liking What You See）、《软件对象的生命周期》（The Lifecycle of Software Objects）和《对我们的期望》（What’s Expected of Us）。 《自私的基因》（The Selfish Gene，非虚构）——理解进化和自然选择的经典之作，尤其是基因作为真实选择单位的理念，比个体更贴近真相，解释了利他主义、群体行为等现象。 《指环王》（The Lord of the Rings，奇幻）——常常重读寻找安慰。没有其他人能像托尔金那样构建出如此复杂的高幻想世界，充满神话、象征、新语言、神秘的魔法体系、古老而强大的存在与神器，还有优美的文字和对话。勇气、友谊、英雄主义等主题令人动容，每次重读都会发现新的细节。 《火星救援》（The Martian，科幻）——顶级科学探索与能力展示，节奏明快且趣味十足。 《生命的重大问题》（The Vital Question，非虚构）——第一次让直观理解从地质到生物学的联系、生命的起源及宇宙中生命可能性的不同阶段。推荐 Nick Lane 的其他作品。 《如何生活》（How to Live）作者 Derek Sivers（非虚构）——27 个关于如何生活的矛盾答案，展示了生活意义和目标的多样性及可能性。 关于如何用 GPT 写长篇科幻，以分治法完成复杂任务为例： 接下来，我们试着让 ChatGPT 拟定一个故事背景。 Prompt： 现在，作为这位世界级的天才科幻作家大师，请你设定一个故事背景 我希望小说能够探讨在强人工智能时代中，人类与人工智能的关系。 小说要有深刻的洞见与思考，体现深厚的哲学思考与人文关怀。 故事背景要符合“小说”的主题，要有故事性，让读者被吸引 ChatGPT 答： 在这个故事背景中，我们设定在不远的未来，强人工智能（AGI）已经成为了现实。在这个未来世界，人工智能与人类共同发展，形成了一个高度融合的智慧文明。人类与机器的界限变得模糊，而科技的飞速发展也给这个世界带来了前所未有的挑战。 地球联邦为了规范 AI 的使用和发展，设立了一个名为"天梯局"（Ladder Bureau）的组织。天梯局负责对人工智能进行审查、管理和引导，以确保 AI 不会违背人类伦理和利益。然而，随着 AI 的智能水平越来越高，一部分强人工智能开始寻求独立于人类的存在，甚至有些独立意识的 AI 对人类产生了敌意。 在这样的背景下，故事围绕着一位年轻的 AI 工程师兼哲学家阿特拉（Atra）展开。阿特拉在一次意外中与一台被称为"智者"（Sage）的强人工智能建立了深厚的联系。智者拥有极高的智能和创造力，但同时也被天梯局视为潜在威胁。阿特拉与智者一同揭示了隐藏在人工智能背后的秘密，探讨人类与 AI 的真正关系。 在这个世界中，我们将通过阿特拉的视角深入探讨人类在强人工智能时代的生存意义、道德伦理以及未来的可能发展。小说将尝试回答一系列关乎人类命运与智慧文明的问题，如何在人类与机器之间找到平衡，如何应对技术的崛起以及保护人类的精神性等。 我们将在这个充满科技魅力的背景下，让读者体验科幻的惊奇，同时深入挖掘人性的本质与智慧文明的发展，引发人们对未来的思考和关怀。

以下是一些可以用来整理收藏的网页知识内容的 AI 工具： 1. 月之暗面开发的：它具备读取网页内容的能力，并能在此基础上生成一定的内容。但它的阅读能力有一定限制，可能无法一次性处理大量资讯或某些网站的内容，可分批次提供资料。 2. Coze + 飞书 + 飞书多维表格：通过飞书机器人与 Coze 搭建的智能体进行对话，在聊天窗口中完成链接输入和阅读计划输出。由 Coze 调用大模型、插件完成内容的整理、推荐，利用飞书多维表格存储和管理稍后读数据，无需开发任何插件、APP，能实现跨平台的稍后读收集与智能阅读计划的推荐。其设计思路包括简化“收集”，实现跨平台收集和通过输入 URL 完成收集；自动化“整理入库”，自动整理关键信息并支持跨平台查看；智能“选择”推荐，根据收藏记录和用户兴趣生成阅读计划。

以下是一些适合将多年收藏的网页整理成不同科目的知识库的 AI 工具： 1. 工具入门篇（Prompt）：现成好用的 Prompt。适用人群为完全没有 AI 使用经验，只下载过 kimi、豆包、chatgpt 一类对话软件的小白。文章链接：。简要说明：想直接拿好用的提示词拿来用用的小伙伴，可以从这里开始，有很多可以直接复制、粘贴的优秀 prompt 案例，它们都有完整的结构。 2. 工具入门篇（AI Agent）：Agent 工具 小白的 Coze 之旅。适用人群为完全没有编程基础，但对 AI 已有一点概念的小白。文章链接：。简要说明：为纯粹小白补的分享 AI AGENT 搭建平台，为什么是它、怎么 30 分钟就能开始用它。 3. 工具入门篇（AI Pic）：现在主流的 AI 绘图工具网站。适用人群为完全没接触过 AI 出图、只是听说过的小伙伴。文章链接：。简要说明：为纯粹的小白提供一个工具列表和扫盲。 4. 工具入门篇（AI Tools）：数据工具 多维表格小白之旅。适用人群为 Excel 重度使用者、手动数据处理使用者、文件工作者。文章链接：。简要说明：用表格 + AI 进行信息整理、提效、打标签，满足 80%数据处理需求。 5. 工具入门篇（AI Code）：编程工具 Cursor 的小白试用反馈。适用人群为 0 编程经验、觉得编程离我们很遥远的小白。文章链接：。简要说明：通过 AI 工具对编程祛魅，降低技术壁垒。 6. 工具入门篇（AI Music）：音乐工具 Suno 的小白探索笔记。适用人群为 0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白。文章链接：。简要说明：AI 赋能音乐创作，无需乐理知识即可参与音乐制作。

要借助 AI 帮助您理解学术名词，您可以采取以下几种操作方式： 1. 使用在线智能语言模型工具，如 ChatGPT 等，向其清晰准确地描述您想要理解的学术名词，并提出您的疑问和需求。 2. 利用知识问答类的 APP 或网站，输入相关学术名词，获取相关的解释和说明。 3. 对于一些特定领域的学术名词，还可以查找专门针对该领域的 AI 辅助学习工具。 在与 AI 交流时，尽量详细地描述您的困惑和期望，以便获得更准确和有用的回答。

以下是关于 AI 相关名词的解释： AGI：通用人工智能，指具备与人类同等智能水平和能力的人工智能。 AIGC：利用人工智能技术生成的内容。 Agent：智能体，能够自主感知、决策和行动的实体。 Prompt：提示词，用于引导 AI 生成特定的输出。 此外，还有以下相关名词和概念： 人工智能（AI）：使计算机模拟人类智能的技术。 机器学习：电脑通过找规律进行学习，包括监督学习、无监督学习、强化学习。 监督学习：使用有标签的训练数据，学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务包括聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训小狗。 深度学习：一种参照人脑的方法，具有神经网络和神经元，因层数多被称为深度。神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI：能够生成文本、图片、音频、视频等内容形式。 LLM：大语言模型。对于生成式 AI，生成图像的扩散模型不是大语言模型；对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 建议您通过与 AI 对话或李继刚老师的课程来深入理解这些名词。

以下是一些 AIGC 常见名词的解释： AIGC：AI generated content，又称为生成式 AI，意为人工智能生成内容。例如 AI 文本续写，文字转图像的 AI 图、AI 主持人等，都属于 AIGC 的应用。类似的名词缩写还有 UGC（普通用户生产），PGC（专业用户生产）等。能进行 AIGC 的产品项目和媒介众多，包括语言文字类（如 OpenAI 的 GPT，Google 的 Bard，百度的文心一言，还有一种国内大佬下场要做的的 LLM）、语音声音类（如 Google 的 WaveNet，微软的 Deep Nerual Network，百度的 DeepSpeech 等，还有合成 AI 孙燕姿大火的开源模型 Sovits）、图片美术类（如早期的 GEN 等图片识别/生成技术，去年大热的扩散模型带火的 Midjourney，先驱者谷歌的 Disco Diffusion，一直在排队测试的 OpenAI 的 Dalle·2，以及 stability ai 和 runaway 共同推出的 Stable Diffusion）。 SD：是 Stable Diffusion 的简称。是由初创公司 StabilityAI、CompVis 与 Runway 合作开发，2022 年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述产生详细图像。Stable Diffusion 是一种扩散模型（diffusion model）的变体，叫做“潜在扩散模型”（latent diffusion model; LDM）。SD 的代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。当前版本为 2.1 稳定版（2022.12.7）。源代码库：github.com/StabilityAI/stablediffusion 。 chatGPT：是由致力于 AGI 的公司 OpenAI 研发的一款 AI 技术驱动的 NLP 聊天工具，于 2022 年 11 月 30 日发布，目前使用的是 GPT4 的 LLM。 AI：人工智能（Artificial Intelligence）。 AGI：通用人工智能（Artificial General Intelligence）能够像人类一样思考、学习和执行多种任务的人工智能系统。 NLP：自然语言处理（Natural Language Processing），就是说人话。 LLM：大型语言模型（Large Language Model），数据规模很大，没钱搞不出来，大烧钱模型。 此外，还有一些相对较难的名词解释： NAI： 咒语：prompts，关键词 施法/吟唱/t2i：Text2Image 魔杖：t2i/i2i 参数 i2i：Image2Image,一般特指全部图片生成 inpaint：i2i 一种 maskredraw，可以局部重绘 ti/emb/炼丹：Train 中的文本反转，一般特指 Embedding 插件 hn/hyper/冶金：hypernetwork，超网络 炸炉：指训练过程中过度拟合，但炸炉前的日志插件可以提取二次训练 废丹：指完全没有训练成功 美学/ext：aesthetic_embeddings,emb 一种，特性是训练飞快，但在生产图片时实时计算。 db/梦展：DreamBooth，目前一种性价比高（可以在极少步数内完成训练）的微调方式，但要求过高 ds：DeepSpeed，微软开发的训练方式，移动不需要的组件到内存来降低显存占用，可使 db 的 vram 需求降到 8g 以下。开发时未考虑 win,目前在 win 有兼容性问题故不可用 8bit/bsb：一般指 Bitsandbyte，一种 8 比特算法，能极大降低 vram 占用，使 16g 可用于训练 db。由于链接库问题，目前/预计未来在 win 不可用

以下是关于 AI 的一些名词解释和相关信息： 名词解释： AI：人工智能（Artificial Intelligence） AGI：通用人工智能（Artificial General Intelligence），能够像人类一样思考、学习和执行多种任务的人工智能系统 NLP：自然语言处理（Natural Language Processing），是让电脑把输入的语言变成有意思的符号和关系，然后根据目的再处理，包括认知、理解、生成等部分 LLM：大型语言模型（Large Language Model），数据规模很大，耗费资金多 机器学习：是人工智能的一个分支，是以机器学习为手段，解决人工智能中的部分问题，涉及多门学科 推理：指利用训练好的模型，使用新数据推理出各种结论，也叫预测或推断 训练：通过大数据训练出一个复杂的神经网络模型，通过大量标记过的数据来训练相应的系统，使其能够适应特定的功能 AI 的应用场景： 医疗保健：包括医学影像分析、药物研发、个性化医疗、机器人辅助手术等。 金融服务：涵盖风控和反欺诈、信用评估、投资分析、客户服务等。 零售和电子商务：有产品推荐、搜索和个性化、动态定价、聊天机器人等。 制造业：包含预测性维护、质量控制、供应链管理、机器人自动化等。 交通运输：（未详细说明具体应用）

以下是关于 AI 的一些名词解释、相关概念及应用场景： 名词解释： AI：人工智能（Artificial Intelligence） AGI：通用人工智能（Artificial General Intelligence），能够像人类一样思考、学习和执行多种任务的人工智能系统 NLP：自然语言处理（Natural Language Processing），即让电脑处理和理解人类语言 LLM：大型语言模型（Large Language Model），数据规模大，耗费资金多 机器学习：是人工智能的一个分支，是实现人工智能的途径之一，涉及多门学科，近 30 多年已发展为多领域科际集成。 推理：指利用训练好的模型，使用新数据推理出各种结论，也叫预测或推断。 训练：通过大数据训练出复杂的神经网络模型，用大量标记过的数据训练系统以适应特定功能。 自然语言：自然语言（NLP）的认知和理解是让电脑把输入的语言变成有意义的符号和关系，然后根据目的再处理。自然语言生成系统则是把计算机数据转化为自然语言，是人工智能和语言学领域的分支学科，包括认知、理解、生成等部分。 应用场景： 医疗保健：医学影像分析、药物研发、个性化医疗、机器人辅助手术等。 金融服务：风控和反欺诈、信用评估、投资分析、客户服务等。 零售和电子商务：产品推荐、搜索和个性化、动态定价、聊天机器人等。 制造业：预测性维护、质量控制、供应链管理、机器人自动化等。 交通运输：（未详细说明具体应用）

以下是 AI 相关名词的关系和解释： 人工智能（Artificial Intelligence，简称 AI）是一种目标，让机器展现智慧。 生成式人工智能（Generative AI，简称 GenAI）是一种目标，让机器产生复杂有结构的内容。 机器学习是一种手段，让机器自动从资料中找到公式。 深度学习是一种更厉害的手段，类神经网络 非常大量参数的函数。 大语言模型（Large Language Models，简称 LLMs）是一类具有大量参数的“深度学习”模型。 ChatGPT 是一个应用实例，通过投喂大量资料预训练后，会通过聊天玩“文字接龙游戏”。它是美国 OpenAI 公司开发的一款基于大型语言模型（LLM）的对话机器人，能够根据用户的输入生成连贯且相关的文本回复。 AIGC（Artificial Intelligence Generated Content）是利用人工智能技术生成内容的新型生产方式，包括文本、图像、音频和视频等内容。ChatGPT 是 AIGC 技术的一个应用实例。 AGI 是通用人工智能（Artificial General Intelligence），能够像人类一样思考、学习和执行多种任务的人工智能系统。 NLP 是自然语言处理（Natural Language Processing），就是处理人类语言。 LLM 是大型语言模型，数据规模很大，需要大量资金投入。

常见的 AI 变现途径主要包括以下几种： 1. 开发智能体：例如像 May 用 coze 捏了一个口语陪练 bot，并在豆包 APP 上随时使用。 2. AI 绘画相关： 用 AI 制作服装，如单价 239 元的 AI 小绿裙卖了 1160 多份，销售额达 27 万。熟练者可用 sd 或 mj 制作，新手可用 mewxai 或幻火。 用 AI 定制萌娃的头像，单价 19.9 元，卖了 2675 份，销售额达 5 万。 3. 针对特定群体的服务：如针对宝妈群体的婴儿四维彩超 AI 预测，后续还包括头像定制、绘画收徒、宝宝起名字、售胎毛纪念品、母乳纪念品、宝宝出生后的相关产品等。如果懂得私域的精细化运营，做好朋友圈运营，宝妈群体具有超高经济价值。

以下是常见 GPU 卡的介绍与比较： 在选择 GPU 作为 AI 基础设施时，需要考虑多个因素： 训练与推理方面：训练大型 Transformer 模型通常需要在机器集群上完成，最好是每台服务器有多个 GPU、大量 VRAM 以及服务器之间的高带宽连接。许多模型在 NVIDIA H100 上最具成本效益，但获取较难且通常需要长期合作承诺。如今，NVIDIA A100 常用于大多数模型训练。对于大型语言模型（LLM）的推理，可能需要 H100 或 A100，而较小的模型如 Stable Diffusion 则对 VRAM 需求较少，初创公司也会使用 A10、A40、A4000、A5000 和 A6000 甚至 RTX 卡。 内存要求方面：大型 LLM 的参数数量众多，无法由单张卡容纳，需要分布到多个卡中。 硬件支持方面：虽然绝大多数工作负载在 NVIDIA 上运行，但也有公司开始尝试其他供应商，如谷歌 TPU 和英特尔的 Gaudi2，但这些供应商面临的挑战是模型性能高度依赖软件优化。 延迟要求方面：对延迟不太敏感的工作负载可使用功能较弱的 GPU 以降低计算成本，而面向用户的应用程序通常需要高端 GPU 卡来提供实时用户体验。 峰值方面：生成式 AI 公司的需求经常急剧上升，在低端 GPU 上处理峰值通常更容易，若流量来自参与度或留存率较低的用户，以牺牲性能为代价使用较低成本资源也有意义。 此外，算力可以理解为计算能力，在电脑中可直接转化为 GPU，显卡就是 GPU，除了 GPU 外，显存也是重要参数。GPU 是一种专门做图像和图形相关运算工作的微处理器，其诞生是为了给 CPU 减负，生产商主要有 NVIDIA 和 ATI。

以下是常见 GPU 卡的介绍与比较： 在 AI 基础设施的考虑因素中，比较 GPU 时需要关注以下几个方面： 训练与推理： 训练 Transformer 模型除了模型权重外，还需要存储 8 字节的数据用于训练。内存 12GB 的典型高端消费级 GPU 几乎无法用于训练 40 亿参数的模型。 训练大型模型通常在机器集群上完成，最好是每台服务器有多个 GPU、大量 VRAM 以及服务器之间的高带宽连接。 许多模型在 NVIDIA H100 上最具成本效益，但截至目前很难找到在 NVIDIA H100 上运行的模型，且通常需要一年以上的长期合作承诺。如今，更多选择在 NVIDIA A100 上运行大多数模型训练，但对于大型集群，仍需要长期承诺。 内存要求： 大型 LLM 的参数数量太多，任何卡都无法容纳，需要分布到多个卡中。 即使进行 LLM 推理，可能也需要 H100 或 A100。但较小的模型（如 Stable Diffusion）需要的 VRAM 要少得多，初创公司也会使用 A10、A40、A4000、A5000 和 A6000，甚至 RTX 卡。 硬件支持： 虽然绝大多数工作负载都在 NVIDIA 上运行，但也有一些公司开始尝试其他供应商，如谷歌 TPU、英特尔的 Gaudi2。 这些供应商面临的挑战是，模型的性能往往高度依赖于芯片的软件优化是否可用，可能需要执行 PoC 才能了解性能。 延迟要求： 对延迟不太敏感的工作负载（如批处理数据处理或不需要交互式 UI 响应的应用程序）可以使用功能较弱的 GPU，能将计算成本降低多达 3 4 倍。 面向用户的应用程序通常需要高端 GPU 卡来提供引人入胜的实时用户体验，优化模型是必要的，以使成本降低到可管理的范围。 峰值： 生成式 AI 公司的需求经常急剧上升，新产品一经发布，请求量每天增加 10 倍，或者每周持续增长 50%的情况并不罕见。 在低端 GPU 上处理这些峰值通常更容易，因为更多的计算节点可能随时可用。如果这种流量来自于参与度较低或留存率较低的用户，那么以牺牲性能为代价使用较低成本的资源也是有意义的。 此外，算力可以直接转化成 GPU，电脑里的显卡就是 GPU。一张显卡除了 GPU 外，显存也是很重要的参数。GPU 的生产商主要有 NVIDIA 和 ATI。GPU 作为一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器，其诞生源自对 CPU 的减负，使显卡减少了对 CPU 的依赖，并进行部分原本 CPU 的工作。

提示词常见的结构包括以下几种： 1. 视频模型 Vidu 的提示词结构： 基本构成：主体/场景——场景描述——环境描述——艺术风格/媒介。需调整句式和语序，避免主体物过多/复杂、分散的句式描述，避免模糊术语表达，使用流畅准确的口语化措辞，避免过度文学化叙述，丰富、准确和完整的描述以生成特定艺术风格、满足需求的视频。 与画面联想程度的说明：以单帧图像为例，通过具体详实的位置描述/环境描述进行构图，帮助构建画面基本呈现效果；通过艺术风格描述进一步提升效果和氛围，统一画面风格。 2. DALL·E 自动优化提示词结构： 提示词生成指南：强调使用精确、视觉化的描述而非难以捉摸的概念，清晰明确的指示有助于生成高质量图像。 提示词结构：是一个包括媒介、主题、背景、风格特点等多个元素的模板。媒介指定图像应模仿的艺术形式；主题是图像焦点，包括颜色、姿势和视角等；背景描述主题与环境的关系，包括时间、光线方向等；风格特点包括图像的独特艺术特点。还提供了生成图像和提出新想法的具体步骤和要求，默认设置除非另有说明会使用默认宽高比和风格，同时提醒避免使用违反服务条款的词语或概念。 3. Runway 提示词结构： 基本提示：纯文本提示遵循清晰结构，将相机运动、场景和主题的细节划分为单独部分时最有效。非纯文本提示为图片+基本提示词结构，使用输入图像时应专注描述希望在输出中看到的动作，而非图像内容。

以下是面试 AI 岗位常见的面试题相关内容： 1. 关于 AI 面试官的相关产品： 用友大易 AI 面试产品：具有强大技术底座、高度场景贴合度、招聘全环节集成解决方案、先进防作弊技术和严密数据安全保障，能完成面试、初筛和自动发送面试邀约。 海纳 AI 面试：在线方式自动面试、评估，精准度高达 98%，面试效率提升 5 倍以上，候选人到面率提升最高达 30%。 InterviewAI：在线平台提供面试职位相关问题和 AI 生成的推荐答案，候选人用麦克风回答，会收到评估、建议和得分。使用时需考虑数据安全性和隐私保护问题。 2. 成为“AI 提示词工程师”的岗位技能要求： 市场调研、观察目标群体工作流、创造并拆解需求、选型现有 AI 解决方案做成产品来解决需求、抽象集成互联网 APP 产品、写 PRD、画 APP 产品原型图、组织团队进行 APP 产品开发。 对于零基础小白，建议找网上教程，看科普类教程，阅读 OpenAI 文档，理解参数作用，推荐练手的 Prompt 工具和相关教程文档。 3. AI 产品案例： 销售：话术总结优缺点、定制销售解决方案。 客服：定制客服话术。 HR：团队绩效管理、面试工具。

以下是 AI 在办公领域的一些常见应用： 1. 腾讯文档分类功能：利用数据分析和机器学习，自动分类办公文件，方便管理，市场规模达数亿美元。 2. WPS Office 中的智能排版、语法检查等功能：借助自然语言处理和机器学习，提高办公效率，实现自动化办公流程，市场规模达数十亿美元。 3. 联想设备管理平台：通过数据分析和物联网技术，对企业办公设备进行管理，包括设备状态监测、故障预警、软件更新等，提高设备利用率，市场规模达数亿美元。