Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI Infra 市场未来的想象空间

Answer

在生成式 AI 革命进入第二个年头时,研究从迅速生成预训练结果的“快速思考(System 1)”转向推理过程中深度思考的“慢速思考(System 2)”,为全新自主型应用程序开启大门。自《生成式 AI:一个创意新世界》发表的两年间,AI 生态系统变化巨大,也有了新预测。生成式 AI 市场基础层趋于稳定,由 Microsoft/OpenAI、AWS/Anthropic、Meta 和 Google/DeepMind 等重要玩家和联盟主导,形成平衡态,只有具备经济实力和巨额资本的玩家仍在竞争,市场结构逐渐明朗,未来生成下一个 token 的成本会降低,数量会增多。随着大规模语言模型(LLM)市场稳定,竞争前沿转向以“系统 2”思维主导的推理层开发和扩展,受 AlphaGo 等模型启发,旨在让 AI 系统进行深思熟虑的推理和问题解决,新的认知架构和用户界面也在改变推理能力与用户的互动方式。

综上所述,对于 AI Infra 市场未来的想象空间,其可能在推理层的开发和扩展方面有更多的发展和创新,市场结构会进一步优化,成本降低和数量增加的趋势也将持续。

Content generated by AI large model, please carefully verify (powered by aily)

References

生成式人工智能的行动 o1

[title]生成式人工智能的行动o1原文链接:https://www.sequoiacap.com/article/generative-ais-act-o1/在生成式AI革命进入第二个年头时,研究正从“快速思考(System 1)”转向“慢速思考(System 2)”,也就是从迅速生成预训练结果转向推理过程中进行深度思考。这一转变为一系列全新的自主型应用程序打开了大门。自我们发表《生成式AI:一个创意新世界》一文以来,两年过去了,AI生态系统已经发生了很大的变化,我们也对未来有了一些新的预测。生成式AI市场的基础层已经趋于稳定,形成了由一些重要玩家和联盟主导的平衡态,包括Microsoft/OpenAI、AWS/Anthropic、Meta和Google/DeepMind。现在,只有那些具备经济实力并能够获得巨额资本的玩家还在竞争中。虽然这场竞争还远未结束(而且仍然像博弈论中的游戏一样不断升级),但市场结构正在逐渐明朗化。可以预见,未来生成下一个token的成本会越来越低,数量会越来越多。随着大规模语言模型(LLM)市场趋于稳定,下一个竞争前沿已经开始显现。人们的注意力正逐渐转向推理层的开发和扩展,这一层以“系统2”思维为主导。受到AlphaGo等模型的启发,这个层面旨在让AI系统在推理过程中进行深思熟虑的推理和问题解决,而不仅仅是简单的模式匹配。同时,新的认知架构和用户界面也在改变这些推理能力如何与用户互动。

Others are asking
如何让企业微信可以接上 AI?让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服,可以参考以下内容: 1. 基于 COW 框架的 ChatBot 实现方案:这是一个基于大模型搭建的 Chat 机器人框架,可以将多模型塞进微信(包括企业微信)里。张梦飞同学写了更适合小白的使用教程,链接为: 。 可以实现打造属于自己的 ChatBot,包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能,以及常用开源插件的安装应用。 正式开始前需要知道:本实现思路需要接入大模型 API 的方式实现(API 单独付费)。 风险与注意事项:微信端因为是非常规使用,会有封号危险,不建议主力微信号接入;只探讨操作步骤,请依法合规使用,大模型生成的内容注意甄别,确保所有操作均符合相关法律法规的要求,禁止将此操作用于任何非法目的,处理敏感或个人隐私数据时注意脱敏,以防任何可能的滥用或泄露。 支持多平台接入,如微信、企业微信、公众号、飞书、钉钉等;多模型选择,如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等;多消息类型支持,能处理文本、语音和图片,以及基于自有知识库进行定制的企业智能客服功能;多部署方法,如本地运行、服务器运行、Docker 的方式。 2. DIN 配置:先配置 FastGpt、OneAPI,装上 AI 的大脑后,可体验知识库功能并与 AI 对话。新建应用,在知识库菜单新建知识库,上传文件或写入信息,最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中,AI 面临着巨大挑战,如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法,利用价值网络评估棋面优劣,策略网络选择最佳落子,且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练,达到蒙特卡洛树搜索水平,并将其与蒙特卡洛树搜索有机结合,取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步,也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外,神经网络在处理未知规则方面具有优势,虽然传统方法在处理象棋问题上可行,但对于围棋则困难重重,而神经网络专门应对此类未知规则情况。关于这部分内容,推荐阅读《这就是 ChatGPT》一书,其作者备受推崇,美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容: 1. Coze:支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容,可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时,输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序,标注要采集的内容,内容上传成功率高。 2. AI Share Card:能够一键解析各类网页内容,生成推荐文案,把分享链接转换为精美的二维码分享卡。通过用户浏览器,以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频(文生视频)的相关信息: 一些提供文生视频功能的产品: Pika:擅长动画制作,支持视频编辑。 SVD:Stable Diffusion 的插件,可在图片基础上生成视频。 Runway:老牌工具,提供实时涂抹修改视频功能,但收费。 Kaiber:视频转视频 AI,能将原视频转换成各种风格。 Sora:由 OpenAI 开发,可生成长达 1 分钟以上的视频。 更多相关网站可查看:https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤(以梦 AI 为例): 进入平台:打开梦 AI 网站并登录,新用户有积分可免费体验。 输入提示词:涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成:确认提示词无误后,选择模型、画面比例,点击「生成」按钮。 预览与下载:生成完毕后预览视频,满意则下载保存,不理想可调整提示词再试。 视频模型 Sora:OpenAI 发布的首款文生视频模型,能根据文字指令创造逼真且充满想象力的场景,可生成长达 1 分钟的一镜到底超长视频,视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
学AI上钉钉
以下是在钉钉上学 AI 的相关内容: 从 AI 助教到智慧学伴的应用探索: 登录钉钉客户端,在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后,填写 AI 助理信息,设置完成即可创建成功。 AI 领导力向阳乔木:未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤: 创建应用: 进入,登录后点击创建应用,填写应用相关信息。 点击添加应用能力,选择“机器人”能力并添加。 配置机器人信息后点击发布,发布后点击“点击调试”,会自动创建测试群聊,可在客户端查看。点击版本管理与发布,创建新版本发布。 项目配置: 点击凭证与基础信息,获取 Client ID 和 Client Secret 两个参数。 参考项目,将相关配置加入项目根目录的 config.json 文件,并设置 channel_type:"dingtalk",注意运行前需安装依赖。 点击事件订阅,点击已完成接入,验证连接通道,会显示连接接入成功。 使用:与机器人私聊或将机器人拉入企业群中均可开启对话。
2025-04-19
AI术语解释
以下是一些常见的 AI 术语解释: Agents(智能体):一个设置了一些目标或任务,可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同,Agent 拥有复杂的工作流程,模型本质上可以自我对话,无需人类驱动每一部分的交互。属于技术范畴。 ASI(人工超级智能):尽管存在争议,但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention(注意力):在神经网络的上下文中,有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias(偏差):AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot(聊天机器人):一种计算机程序,旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP(对比语言图像预训练):由 OpenAI 开发的 AI 模型,用于连接图像和文本,使其能够理解和生成图像的描述。属于技术范畴。 TPU(张量处理单元):谷歌开发的一种微处理器,专门用于加速机器学习工作负载。属于技术范畴。 Training Data(训练数据):用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning(迁移学习):机器学习中的一种方法,其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data(验证集):机器学习中使用的数据集的子集,独立于训练数据集和测试数据集。用于调整模型的超参数(即架构,而不是权重)。属于技术范畴。 Knowledge Distillation(数据蒸馏):数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集,使得在这一小数据集上训练出的模型,和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用,特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型,并能够促进模型的迁移学习和模型集成,提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG(检索增强生成):检索增强生成。属于技术范畴。 Forward Propagation(前向传播):在神经网络中,输入数据被馈送到网络并通过每一层(从输入层到隐藏层,最后到输出层)以产生输出的过程。网络对输入应用权重和偏差,并使用激活函数生成最终输出。属于技术范畴。 Foundation Model(基础模型):在广泛数据上训练的大型 AI 模型,旨在适应特定任务。属于技术范畴。 GAN(通用对抗网络):一种机器学习模型,用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗:一个“生成器”,创建新数据,另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI(生成式 AI):AI 的一个分支,专注于创建模型,这些模型可以根据现有数据的模式和示例生成新的原创内容,例如图像、音乐或文本。属于通识范畴。 GPU(图形处理单元):一种特殊类型的微处理器,主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。
2025-04-18
AI Infra 有哪些
AI Infra 主要包括以下方面: 1. 入围的相关工具和服务: Langfuse:大模型应用的开源追踪和分析工具,提供开源可观测性和分析功能,包括在可视化界面中探索和调试复杂的日志和追踪,以及使用直观的仪表板改善成本、降低成本、减少延迟,提高响应质量。 Eden AI:将顶尖 AI API 融合为一,通过为每项 AI 任务选择正确的 AI API 来提高准确性和降低成本,通过集中管理使用限制和成本监测让用户更加放心,并不断探索市场上新兴的 AI 能力。 Langdock:在几分钟内创建、部署、测试和监控 ChatGPT 插件,将 API 连接到 Langdock,并将其作为插件部署到所有大模型应用中,然后使用内置的测试功能来确保一切按预期工作,并在插件扩展时进行监控。 LLM Spark:用于构建生产就绪大模型应用的开发平台。 2. 基础设施成本的演变:目前模型参数和 GPU 计算能力呈指数级增长,但这种趋势是否持续尚不清楚。 3. 基础设施的考虑因素: 外部与内部基础设施的选择:许多创业公司,尤其是应用公司,在成立初期无需建立自己的 AI 基础设施,可采用托管模型服务,如 OpenAI、Hugging Face(针对语言)和 Replicate(针对图像生成)等,这些服务定价基于消费量,通常比运行单独的基础设施更便宜。而一些训练新的基础模型或构建垂直集成 AI 应用程序的公司,则可能需要直接在 GPU 上运行自己的模型,管理基础设施可成为竞争优势的来源。
2025-02-06
知识空间
以下是关于知识空间的相关介绍: LangGPT 提示词知识空间: 这里汇集了高质量的提示词工程技术、教程和工具相关内容。 内容来源于 LangGPT 提示词社群,社群内汇聚了大批提示词爱好者,群内讨论气氛热烈,交流质量高,在主要大城市建立了提示词交流小分队。 具有开源、开放、共享、共建的特点: 开源:知识空间内的文档阅读、复制无限制,但请勿搬运。 开放:欢迎加入“LangGPT 社群”分享交流 Prompt 工程技术。 共享:群里的优质资源和知识会吸收进知识空间开放共享。 共建:欢迎投稿优质内容,成为共建者(私信江树,微信:zephyr_ai)。 权益声明:开源不代表可以随意搬运,未经授权禁止搬运内容。 知识库文章索引包括: 《通往 AGI 之路》知识空间: 旨在提供全面系统、易于理解的 AI 学习路径,帮助了解 AI 从概念到应用等各方面知识,引发思考“我可以用 AI 做什么,帮助自己更强大”。 相关链接: 直播回放:https://www.bilibili.com/video/BV1QN411j719/ 欢迎订阅 X(Twitter):https://twitter.com/WaytoAGI 最新知识库精选同步:(小红书)
2025-04-10
WaytoAGI coze 共享空间
WaytoAGI 是一个致力于人工智能(AI)学习的中文知识库和社区平台。 社区介绍: 汇集上千个人工智能网站和工具,提供最新的 AI 工具、应用、智能体和行业资讯。 提供丰富学习资源,包括文章、教程、工具推荐及行业资讯等。 定期组织实践活动,如视频挑战赛、模型创作大赛等。 引领并推广开放共享的知识体系,倡导共学共创,孵化了 AI 春晚、离谱村等大型共创项目。 在没有任何推广的情况下,一年时间已有超过 100 万用户和超千万次的访问量。 目标是让每个人的学习过程少走弯路,让更多的人因 AI 而强大。 目前合作过的公司/产品包括阿里云、通义千问、淘宝、智谱、支付宝、豆包、火山引擎、marscode、coze 等。 从基础案例入门: 三分钟捏 Bot: 登录控制台:登录扣子控制台(coze.cn),使用手机号或抖音注册/登录。 在我的空间创建 Agent:在扣子主页左上角点击“创建 Bot”,选择空间名称为“个人空间”、Bot 名称为“第一个 Bot”并确认。如需使用其他空间,先创建后选择;Bot 名称可自定义。 编写 Prompt:填写 Prompt,即想要创建的 Bot 功能说明,第一次可用简短词语作为提示词。 优化 Prompt:点击“优化”进行优化。 设置开场白及其他环节。 发布到多平台&使用。 进阶之路: 15 分钟:查看其他 Bot 获取灵感。 1 小时:找到和自己兴趣、工作方向等结合的 Bot 深入沟通,阅读相关文章。 一周:了解基础组件,寻找不错的扣子借鉴复制,加入 Agent 共学小组,尝试在群里问第一个问题。 一个月:合理安排时间,参与 WaytoAGI Agent 共学计划,自己创建 Agent 并分享经历心得。 在 WaytoAGI 的支持:包括文档资源、交流群、活动。 此外,大圣提供了胎教级教程:万字长文带你使用 Coze 打造企业级知识库,相关活动及链接如下: coze 官方活动正在进行中奖金丰厚: 参赛作品提交页:https://bytedance.larkoffice.com/share/base/form/shrcnH7yDl3oqOiQeQ2LTFnByXe 渠道选择 WaytoAGI,提交后记录到。 扣子专业版注册链接:https://zjsms.com/iAfQNK4U/ 参考模板:https://www.coze.cn/template 线下路演报名:https://bytedance.larkoffice.com/share/base/form/shrcnhJdt1EZXicuO23kVzeOved 大圣的个人宝藏:
2025-03-25
WaytoAGI共享空间
WaytoAGI(通往 AGI 之路)是一个致力于人工智能学习的中文知识库和社区平台,其创建者为产品经理 AJ。项目起源于创建者希望通过收录整理信息、促进交流来补齐信息差,更好地学习。 社区特点包括: 1. 拥有丰富的资源:汇集了上千个人工智能网站和工具,提供最新的 AI 工具、应用、智能体和行业资讯,还有超千万次的访问量和 150 万以上的社区成员。 2. 提供多样学习资源:涵盖文章、教程、工具推荐及最新行业资讯等。 3. 组织实践活动:如视频挑战赛、模型创作大赛等,鼓励成员在实践中学习和交流合作。 4. 倡导开放共享:引领并推广开放共享的知识体系,孵化了 AI 春晚、离谱村等大型共创项目。 5. 拥有庞大用户基础:在未推广情况下,一年时间已有超 100 万用户和超千万次访问量。 6. 明确目标愿景:让每个人的学习过程少走弯路,让更多的人因 AI 而强大。 目前合作过的公司/产品包括阿里云、通义千问、淘宝、智谱、支付宝、豆包、火山引擎、marscode、coze、堆友、即梦、可灵、MiniMax 海螺 AI、阶跃星辰、百度、Kimi、吐司、liblib、华硕、美团、美的、360、伊利、魔搭、央视频、Civitai、Openart、Tripo3D、青椒云等。 近期活动有: 1. 【WaytoAGI 实验室】。雅典学院由中科院大学天蛛团队、WaytoAGI、天津美院、中央美院科技艺术研究院,牛津大学,CAMELAI 社区等共同组织发起,是一个融合科学与艺术的虚拟数字雅集。 2. ,初赛阶段为 2024/12/3 2025/2/10。 此外,JK 分享了使用 Suno 的经验,已生成 1000+音乐,并介绍了 Suno 基础功能使用教程,包括创建歌曲时的注意事项等,还分享了自己创作的歌曲链接。
2025-03-25
生成设计图:包括图书馆静音舱+小组讨论舱 :用隔音板材划分独立空间,舱体外壳由学生绘制抽象艺术图案。 可变形桌椅 :定制模块化桌椅,支持拼合为“创作大桌”或独立卡座,适配小组作业与个人学习。 艺术疗愈角 :设置减压涂鸦墙、小型绿植温室,配备舒缓音乐耳机。
以下是为您提供的关于生成您所需设计图的相关信息: 星流一站式 AI 设计工具具有入门模式和高级模式。 入门模式: 可以使用图像控制功能精准控制生成图像的内容和风格,如空间关系、线稿、人物长相、姿势等。 只能使用以下四种参考功能: 全部图片参考功能,包括原图、景深、线稿轮廓、姿势、Lineart 线稿、Scribble 线稿、光影、Segmant 构图分割等。 原图、SoftEdge 线稿、配色参考、配色打乱、法线贴图、MLSD 线稿等。 高级模式: 点击生成器下方的切换按钮进行切换。 与入门模式相比增加了高级模式框架。 基础模型方面,允许使用更多的微调大模型,如基础模型 F.1、基础模型 XL、基础模型 1.5。 图片参考方面,允许使用更多的图像控制功能,在星流基础大模型下,增加了 tile 分块与 softedge 线稿。 高清分辨率修复:利用算法对初步生成的图像进行简单的图生图高清放大(目前仅支持基础模型 xl 和 1.5 模型)。 放大算法会影响图像放大后的图像质量,建议默认即可。 重绘幅度与初步生成的图像的相似度有关。 其他参数默认即可,参数方面允许调整更多的高级参数。 采样器方面,采样方法决定了模型在生成图像过程中的出图质量,有些采样器在细节处理上表现更佳比如 DPM++2M,而有些则在生成速度上更快,比如 Euler。 采样步数一般来说,步数越多,模型对图像的生成和优化越充分,但同时也会增加生成时间。 随机种子是文生图的随机数种子,通过设置相同的随机数种子,可以确保在相同的参数配置下生成相同的图像。 CFG Scale 控制生成图像与提示词一致性的重要参数。 具有脸部/手部修复功能,利用算法对人像的脸部或者手部进行修复。 此外,学生使用项目化的方式分析现状,做问卷调查,数据分析,在 ChatGPT 的帮助下设计出优化过的设计图,然后使用 3D 的空间设计软件设计出来 3D 的设计图。比如有孩子为优化老师家访路线提出做一个软件产品的案例。
2025-03-23
Stable Diffusion 是 Diffusion Model 的优化版本,引入了潜在空间(Latent Space)技术,这个潜在空间(Latent Space)是什么意思,它的实现原理是什么?
在 Stable Diffusion 模型中,潜在空间(Latent Space)指的是图像的潜在分布,它包含了与图像相关的所有信息。 图像被映射到潜在空间后,扩散过程在这个空间中进行。ComfyUI 中的许多操作都在潜在空间中进行,如 KSampler 节点就是在这个空间中执行采样过程。在潜在空间中,通过节点调整对潜在空间的操作,如噪声添加、去噪步数等,这部分通常由潜在空间操作模块来实现。 在 Stable Diffusion 模型中,图像的潜在分布是通过一个编码器解码器结构来学习的。编码器将图像映射到潜在空间,而解码器则将潜在空间中的向量映射回图像空间。通过这种方式,模型可以学习到图像的潜在分布,从而实现图像生成、编辑和操作。 在采样过程中,Stable Diffusion 模型通过逐步降低噪声水平来生成图像。在这个过程中,模型根据当前的噪声水平预测图像的潜在分布,然后根据这个分布生成一个新的图像。这个过程重复进行,直到生成一个高质量的图像。 与之对应的是像素空间(Pixel Space),像素空间指的是图像中每个像素的原始颜色或强度值所组成的空间。图像可以看作是一个二维或三维的矩阵,其中每个元素代表一个像素。在像素空间中,图像的表示是密集的,且包含了大量的细节信息。
2025-03-21
coze如何复制别人的工作流到自己个人空间
要在 Coze 上复制别人的工作流到自己个人空间,您可以按照以下步骤进行操作: 1. 在 Coze 上新建一个工作流,逐步导入别人项目的核心流程。整个工作流分为若干个节点,每个节点完成一个特定的任务。 2. 工作流被分为了初始翻译、反思优化、结果输出等几个主要部分,每一部分都对应了若干个节点。 3. 首先是开始节点,在这里需要选择翻译的源语言和目标语言,还可以设置一些其他参数,如翻译的语言特色等,此参数会影响翻译效果和效率,建议根据实际情况调整。 4. 接下来是初步的翻译大模型节点,选择一个大模型对源语言文本进行初始翻译。 5. 进入 Coze,点击「个人空间 工作流 创建工作流」,打开创建工作流的弹窗。 6. 根据弹窗要求,自定义工作流信息,点击确认后完成工作流的新建。 7. 左侧「选择节点」模块中,根据子任务需要,实际用上的有插件(提供一系列能力工具,拓展 Agent 的能力边界)、大模型(调用 LLM,实现各项文本内容的生成)、代码(支持编写简单的 Python、JS 脚本,对数据进行处理)。 8. 编辑面板中的开始节点、结束节点,分别对应分解子任务流程图中的原文输入和结果输出环节。接下来,按照流程图,在编辑面板中拖入对应的 LLM 大模型、插件、代码节点,即可完成工作流框架的搭建。
2025-03-04