Ai技术现在的发展状况

在国内进行 AI 方面的创业，以下是一些建议： 1. 数据处理方面： 认识到高质量数据处理服务的稀缺性，数据质量对于模型效果至关重要。 避免单纯依赖开源数据，谨慎考虑购买优质数据的投入风险。 2. 模型选择方面： 训练底层世界大模型需要巨大投入，除大厂外对其他公司较困难。 大多数国内公司往往先推出产品，而非集中精力专攻大模型。 3. 创业方向方面： 可以选择“唯快不破”的策略，尽量低成本、高速度地在小赛道中尝试。 例如辅助创作与学习（如 AI 智能写作助手、语言学习助手等）、推荐与规划（如商品推荐、行程规划等）、监控与预警（如健康监测、安全监控等）、优化与管理（如办公自动化、物流优化等）、销售与交易（如艺术作品生成与销售平台等）等细分领域。 需要注意的是，在这轮 AI 大潮中，新技术加速迭代是常态，不能期望在“技术稳定”时再出手。

目前在微信中，Coze 平台是一个 AI 智能体创作平台，可以根据需求构建 AI 机器人并发布到多种社交平台。微信的不同功能在与 AI 对接上有所差异： 1. 个人微信/微信群：Coze AI 平台之前不支持直接对接，但国内版正式发布 API 接口功能后，直接对接已成为可能。 2. 微信公众号：Coze AI 平台支持对接，能让 AI 机器人自动回复用户消息。 3. 微信服务号：同样支持对接，可帮助企业提升服务效率。 4. 微信客服：Coze AI 平台支持对接，使 AI 机器人能够自动回答用户咨询，提高客服响应速度。 在把 AI 大模型能力接入微信后，对于类似客服的应用场景，存在模型幻觉导致胡乱回答的问题。对于非技术从业者，落地场景存在困难。一个问答机器人的界面配置包括 AI 模型、提示词、知识库。

要实现一个微信 AI 客服，您可以参考以下两种方法： 方法一： 1. 搭建，用于汇聚整合多种大模型接口，方便后续更换使用各种大模型，同时会告诉您如何白嫖大模型接口。 2. 搭建，这是一个知识库问答系统，将知识文件放入其中，并接入上面的大模型作为分析知识库的大脑，最后回答您的问题。如果不想接到微信，自己使用，搭建完此系统即可，它也有问答界面。 3. 搭建，其中的 cow 插件能进行文件总结、MJ 绘画等。 方法二： 1. 确定功能范围： 支持用户发送“关键字”，自助获取您分享的“AI 相关资料链接”。 能够回答 AI 相关知识，优先以“您的知识库”中的内容进行回答，若知识库内容不足，则调用 AI 大模型回复，并在答案末尾加上“更多 AI 相关信息，请链接作者：jinxia1859”。 “AI 前线”能发布在您的微信公众号上，作为微信客服助手。 2. 准备以下内容： 根据 Bot 的目的、核心能力，编写 prompt 提示词。 整理“关键字”与“AI 相关资料链接”的对应关系，可用 word、txt、excel 整理。 创建一个自己的【知识库】，用于回答 AI 相关知识。 由于“AI 前线”要按照一定规则处理知识，创建一个【工作流】，控制 AI 按要求处理信息。 准备好自己的微信公众号，以便将机器人发布在微信公众号上。 以上就是实现微信 AI 客服的两种方式及具体步骤。

自己制作 AI 可以参考以下步骤： 1. 对于写作相关的 AI 应用，我们可以从人类驱动开始，使用 AI 来修改完善，比如先手动撰写博客文章，再利用自动填充和语法反馈工具改进。有时也可以先让 AI 生成写作内容，然后根据自己的需求和风格进行修改。 2. 若要打造微信 AI 机器人，比如“AI 前线”Bot： 确定功能范围，如支持用户发送“关键字”获取“AI 相关资料链接”，能回答 AI 相关知识（优先以自己的知识库回答，不足时调用 AI 大模型并在答案末尾添加相关信息），能发布在微信公众号上作为客服助手。 准备实现所需的内容，包括根据目的和核心能力编写 prompt 提示词，整理“关键字”与“AI 相关资料链接”的对应关系（可用 word、txt、excel 等），创建自己的知识库，创建工作流来控制 AI 按要求处理信息，准备好微信公众号。 设计详细步骤，先展示最终效果界面。

以下是关于 AI 编剧软件及相关内容的介绍： 故事来源与剧本写作： 故事来源有两种路径。路径一是原创，包括自身或周围人的经历、做过的梦、想象的故事等；路径二是改编，如经典 IP、名著、新闻、二创等。 编剧看似门槛低实则有一定难度，剧作理论和模板可能导致故事死板。写剧本的第一步永远是写，然后实践、看书、完善实践、总结经验，循环往复。短片创作可从自身或朋友经历改编入手，或对触动自己的短篇故事进行改编。多与他人讨论故事，有助于修改和进步，不必担心创意被窃取（商业合作除外）。 将小说做成视频的制作流程： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要调整，如重新编辑某些场景或调整音频。 9. 输出与分享：完成编辑后，输出最终视频，并在所需平台分享。 AI 制作短片和电影的综合应用： 包括使用 ChatGPT 撰写脚本、分镜、人物设定、旁白，使用 Midjourney 生成静态分镜图片，使用 Runway 生成动态分镜片段，使用 AI 配音软件制作旁白。 请注意，具体操作步骤和所需工具可能因项目需求和个人偏好不同而有所差异，AI 工具的可用性和功能也可能随时间变化，建议直接访问工具网址获取最新信息和使用指南。且内容由 AI 大模型生成，请仔细甄别。

以下是在国内可以免费用的图生视频的 AI 工具： 1. Hidreamai（国内，有免费额度）：https://hidreamai.com//AiVideo 。支持文生视频、图生视频，提示词使用中文、英文都可以，文生视频支持正向提示词、反向提示词、运镜控制、运动强度控制，支持多尺寸，可以生成 5s 和 15s 的视频。 2. ETNA（国内）：https://etna.7volcanoes.com/ 。Etna 是一款由七火山科技开发的文生视频 AI 模型，它可以根据用户简短的文本描述生成相应的视频内容。生成的视频长度在 8 15 秒，画质可达到 4K，最高 38402160，画面细腻逼真，帧率 60fps，文生视频，支持中文，时空理解。 3. Dreamina（国内内测，有免费额度）：https://jimeng.jianying.com/aitool/video/generate 。支持文生视频、图生视频，视频生视频，支持图生视频首尾帧功能，提示词使用中文、英文都可以，文生视频支持正向提示词、运镜控制、运动强度控制、帧数选择，支持 16:9、9:16、1:1、3:4、4:3 尺寸，图生视频、视频生视频除了尺寸不可选以外，其他跟文生视频基本相同，默认生成 3s 的视频。 4. 可灵（免费）：https://klingai.kuaishou.com/ 。支持文生视频、图生视频，支持图生视频首尾帧功能，提示词可使用中文，文生视频支持正向提示词、反向提示词、运镜控制、时长选择（5s、10s），支持 16:9、9:16、1:1 尺寸，图生视频除了不可运镜控制以外，其他跟文生视频基本相同，默认生成 5s 的视频。 此外，还有一些国内外提供文生视频功能的产品推荐： 1. Pika：非常出色的文本生成视频 AI 工具，擅长动画制作，并支持视频编辑。 2. SVD：如果熟悉 Stable Diffusion，可以直接安装这款最新的插件，在图片基础上直接生成视频。这是由 Stability AI 开源的 video model。 3. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频的功能，但需要收费。 4. Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 5. Sora：由 OpenAI 开发，可以生成长达 1 分钟以上的视频。 更多的文生视频的网站可以查看这里：https://www.waytoagi.com/category/38 。请注意，以上内容由 AI 大模型生成，请仔细甄别。

目前 AI 的发展状况呈现出以下特点和趋势： 2024 年内： 图片超短视频的精细操控方面，在表情、细致动作、视频文字匹配上有进展。 有一定操控能力的生成式短视频中，风格化、动漫风最先成熟，真人稍晚。 AI 音频能力长足进展，带感情的 AI 配音基本成熟。 “全真 AI 颜值网红”出现，可稳定输出视频并直播带货。 游戏 AI NPC 有里程碑式进展，出现新的游戏生产方式。 AI 男/女朋友聊天基本成熟，记忆上有明显突破，模拟人的感情能力提升，产品加入视频音频，粘性增强并开始出圈。 实时生成的内容开始在社交媒体内容、广告中出现。 AI Agent 有明确进展，办公场景“AI 助手”开始有良好使用体验。 AI 的商业模式开始有明确用例，如数据合成、工程平台、模型安全等。 可穿戴全天候 AI 硬件层出不穷，但大多数不会成功。 中国 AI 有望达到或超过 GPT4 水平；美国可能出现 GPT5；世界上开始出现“主权 AI”。 华为昇腾生态开始形成，国内推理芯片开始国产替代（训练替代稍晚）。 AI 造成的 DeepFake、诈骗、网络攻击等开始进入公众视野，并引发担忧。 AI 立法、伦理讨论仍大规模落后于技术进展。 2025 2027 年： AI 3D 技术、物理规则成熟，正常人难以区别 AI 生成还是实景拍摄。 全真 AI 虚拟人成熟，包含感情的 AI NPC 成熟，开放世界游戏成熟，游戏中几乎无法区别真人和 NPC。 AR/VR 技术大规模商用。 接近 AGI 的技术出现。 人与 AI 配合的工作方式成为常态，很多日常决策由 AI 执行。 AI 生产的数据量超过全人类生产数据量，“真实”成为稀缺资源。 具身智能、核聚变、芯片、超导、机器人等技术有明显进展突破。 “人的模型”出现，出现“集中化 AGI”与“个人 AGI”的历史分叉。 AI 引发的社会问题开始加重，结构性失业开始出现。 AGI 对于地缘政治的影响开始显露。 AI 产品发展的未来展望包括： 更深度的行业整合：AI 技术将更紧密地与各行各业的专业知识和工作流程结合。 用户体验的持续优化：随着技术的成熟，AI 产品的易用性和稳定性将进一步提升。 新兴应用场景的出现：随着 5G、IoT 等技术的普及，AI 可能在智能家居、自动驾驶等领域找到新的突破口。 当前 AI 产品发展的新特点包括： 从通用能力到专业化细分：早期的通用型产品难以满足多样化需求，越来越多的 AI 产品专注于特定领域或功能，如图像生成、视频制作、音频处理等，每个细分领域的产品都在不断提升核心能力。 商业模式的探索与创新：如 ToB 市场的深耕，针对内容创作者的工具；新型广告模式，如天宫搜索的“宝典彩页”等，从单纯的技术展示向解决用户痛点和创造商业价值转变。

以下是关于国内 AI 行业最新发展状况的介绍： OpenAI 的 o1 模型主导：OpenAI 最新推出的 o1 模型正在重新定义 AI 在数学、科学和推理方面的极限，使竞争对手困惑甚至“破产”。 中国的 AI 崛起：无视制裁，中国的模型凭借坚韧和战略智慧正在“屠榜”，证明他们仍在牌桌之上。 生成式 AI 的数十亿繁荣：AI 初创公司正赚得盆满钵满，但可持续性难以捉摸。 AI 产业链中的机会分析： 1. 基础设施层：布局投入确定性强，但资金投入量大，入行资源门槛高，未来更多由“国家队”负责，普通人可考虑“合作生态”切入机会。 2. 技术层：技术迭代迅速，小规模团队或个人须慎重考虑技术迭代风险，基础通用大模型非巨无霸公司不建议考虑，竞争激烈，最终赢家通吃。 3. 应用层：是广阔蓝海，当前成熟应用产品不多，“杀手级”应用凤毛麟角，普通个体和小团队推荐重点布局，发展空间巨大。 AI 产品发展的未来展望： 1. 更深度的行业整合：AI 技术将与各行各业更紧密结合。 2. 用户体验的持续优化：易用性和稳定性将进一步提升。 3. 新兴应用场景的出现：可能在智能家居、自动驾驶等领域找到新突破口。 相关报告及解读链接： （报告 212 页）

智能图书馆的技术价值主要体现在以下方面： RAG（检索增强生成）技术： 工作原理： 检索（Retrieval）：如同图书馆员根据描述从庞大知识库中找出相关书籍和文章，系统从知识库或文档集合中找到与用户问题相关的内容。 增强（Augmented）：类似图书馆员挑选出最相关段落和信息并汇总，大模型对检索到的信息进行筛选和优化，确保选中最相关和有用的信息。 生成（Generation）：如同图书馆员把汇总信息组织成连贯、易懂的回答，大模型将整合的信息生成自然流畅的回答。 综合解释：RAG 就像超级智能的图书馆员，先检索相关信息，再筛选优化，最后生成连贯回答。 优点： 成本效益：实现成本低于训练和维护大型专有模型。 灵活性：可利用多种数据源，包括结构化和非结构化数据，迅速适应不同领域和变化的数据。 可扩展性：随时增加或更新知识库内容，无需重新训练模型。 缺点：回答准确性不如专有模型的方案。 其他相关技术： DALLE 3：与 ChatGPT 结合，用户输入会话命令可获得匹配图像，改善了之前图像生成器的操作方式。 开放式有声读物集合：微软和麻省理工学院联手，使用文本转语音技术将 5000 本书转换为免费有声读物并在 Spotify 上提供。 AudioShake 的 AI 程序：可隔离预先录制音频的元素，分解成组成部分，解决老音乐音轨分离问题。 Ai Pin：磁性连接衣服成为 AI 助手，使用专有软件和 OpenAI 的 GPT，仅用声音就能完成多种操作。

AI 技术包括以下方面： 技术发展历程： 早期阶段（1950s 1960s）：专家系统、博弈论、机器学习初步理论。 知识驱动时期（1970s 1980s）：专家系统、知识表示、自动推理。 统计学习时期（1990s 2000s）：机器学习算法（决策树、支持向量机、贝叶斯方法等）。 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等。 当前前沿技术点： 大模型（Large Language Models）：GPT、PaLM 等。 多模态 AI：视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 自监督学习：自监督预训练、对比学习、掩码语言模型等。 小样本学习：元学习、一次学习、提示学习等。 可解释 AI：模型可解释性、因果推理、符号推理等。 机器人学：强化学习、运动规划、人机交互等。 量子 AI：量子机器学习、量子神经网络等。 AI 芯片和硬件加速。 如果您想在 AI 领域深入学习，学习路径如下： 偏向技术研究方向： 数学基础：线性代数、概率论、优化理论等。 机器学习基础：监督学习、无监督学习、强化学习等。 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 自然语言处理：语言模型、文本分类、机器翻译等。 计算机视觉：图像分类、目标检测、语义分割等。 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 科研实践：论文阅读、模型实现、实验设计等。 偏向应用方向： 编程基础：Python、C++等。 机器学习基础：监督学习、无监督学习等。 深度学习框架：TensorFlow、PyTorch 等。 应用领域：自然语言处理、计算机视觉、推荐系统等。 数据处理：数据采集、清洗、特征工程等。 模型部署：模型优化、模型服务等。 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 此外，在健身领域，以下是一些 AI 产品： Keep：中国最大的健身平台，为用户提供全面的健身解决方案，以帮助用户实现其健身目标。https://keep.com/ Fiture：沸彻魔镜由核心 AI 技术打造，集硬件、丰富课程内容、明星教练和社区于一体。https://www.fiture.com/ Fitness AI：利用人工智能进行锻炼，增强力量和速度。https://www.fitnessai.com/ Planfit：健身房家庭训练与 AI 健身计划，AI 教练是专门针对健身的生成式人工智能，使用 800 多万条文本数据和 ChatGPT 实时提供指导。https://planfit.ai/

以下是为您整理的关于 AI 领域最前沿技术核心论文的相关内容： 1. 《Attention is All You Need》：这篇由 Google Brain 团队撰写的论文介绍了 Transformer 架构，彻底改变了 AI 领域的格局。它能够处理未标记的、混乱的数据，并且比以前的方法更加高效。 2. 杰弗里·辛顿（Geoffrey E. Hinton）的相关论文： 描述极化子的“The Contribution of Excitons to the Complex Dielectric Constant of Crystals”（1958 年）。 描述长程电子转移量子力学的“Electron transfer between biological molecules by thermally activated tunneling”（1974 年）。 “Kinetic Proofreading：1974 年）。 “神经网络和具有突发性集体计算能力的物理系统”（1982 年）（被称为 Hopfield 网络）。 与 D.W.Tank 合著的“优化问题中决策的神经计算”（1985 年）。 在这篇文章中，作者分享了一份用于更深入了解现代 AI 的精选资源列表，称其为“AI 典藏”。这些论文、博客文章、课程和指南在过去几年中对该领域产生了巨大影响。同时，还介绍了 AI 技术的发展历程，如 2015 年 AI 系统的局限性，以及 Transformer 架构出现后为 OpenAI 发展带来的影响。

以下是关于 AI 技术学习的相关内容： 一、AI 的技术历史和发展方向以及目前最前沿的技术点 如果您偏向技术研究方向，需要学习以下内容： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您偏向应用方向，需要掌握以下知识： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 二、新手学习 AI 的方法 1. 了解 AI 基本概念 建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅 在「」中，您将找到一系列为初学者设计的课程。特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习 AI 领域广泛（比如图像、音乐、视频等），您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 三、中学生学习 AI 的建议 1. 从编程语言入手学习 可以从 Python、JavaScript 等编程语言开始学习，这些是 AI 和机器学习的基础。 学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识 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. 参与 AI 相关的实践项目 可以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 AI 发展的前沿动态 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 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

目前中国市场上成熟的 AI 产品、技术、服务和培训内容丰富多样。要设计针对中小企业的 AI 落地赋能服务中心，以下是一些建议： 产品方面： 引入适合中小企业业务流程的自动化软件，如智能客服系统、智能办公软件等。 提供基于 AI 的数据分析工具，帮助企业进行市场预测和客户洞察。 技术方面： 配备专业的技术团队，能够为企业提供 AI 技术的集成和定制化开发服务。 关注前沿的 AI 技术，如机器学习、深度学习、自然语言处理等，并将其转化为可应用的解决方案。 服务方面： 提供一站式的服务，包括需求评估、方案设计、实施部署和后续维护。 建立快速响应机制，及时解决企业在使用 AI 过程中遇到的问题。 培训方面： 设计针对不同层次员工的培训课程，涵盖基础知识普及、操作技能提升和高级应用开发等。 采用线上线下相结合的培训方式，满足企业员工的多样化学习需求。 同时，服务中心还需要建立良好的沟通渠道，与中小企业保持密切联系，了解他们的实际需求和反馈，不断优化和完善服务内容和方式。

以下是为您提供的关于技术服务大模型研究报告的相关内容： 1. 《质朴发言：视觉语言理解模型的当前技术边界与未来应用想象｜Z 研究第 2 期》 原文链接：https://mp.weixin.qq.com/s/dYLqW8dNOcQw59UtQwXNgA 来源：质朴发言 发文时间：2024.01.22 内容：近期生成式 AI 领域的浪潮催化了多模态模型的探索，研究人员不断尝试使用更多模态数据的编码，以训练出能够理解和处理多种类型数据的模型。本份研究报告集中讨论了基于 Transformer 架构的视觉语言模型，优化了从视觉输入到语言输出的转换过程。报告范围专注于视觉和语言之间的交互，不考虑单纯的视觉到视觉的计算机视觉任务。报告包括视觉分析技术、图像语言模型、视频语言模型、LLM 多模态 Agent、应用场景、未来发展方向、References 和附录等内容。应用场景包括多模态内容理解与处理、智能交互与自动化、具身智能、未来发展趋势（2024?）、视频生成模型 mapping 等。未来发展方向包括技术路径利用预训练 LLM 进行指令调整，应用场景赋予机器理解多模态的能力。 2. 《小 A技术开发/大模型 知识库文章索引》 作者： 文章： 《Perplexity 指标究竟是什么?》：作者从自己实际入坑的经验出发，尝试总结梳理出新手友好的 transformer 入坑指南。计划从算法 1：NLP 中的 transformer 网络结构、算法 2：CV 中的 transformer 网络结构、算法 3：多模态下的 transformer 网络结构、训练：transformer 的分布式训练、部署：transformer 的 tvm 量化与推理五个方面对 transformer 进行介绍。 《初探 LLM 基座模型》：主要介绍 LLM 基座模型里常见的 3 种 transformer 架构，encoderonly，encoderdecoder 和 decoderonly。 《ChatBot 是怎么炼成的?》：介绍了 LLM 基座大模型下游应用 ChatBot 的研发过程，在介绍 ChatBot 之前，先介绍了 LLM 在辅助编程方面的应用，包括 Codex 和 AlphaCode 两个奠基性工作。 3. 2024 年 9 月 26 日的相关报告 中国信通院和阿里云计算：《》，探讨了大模型技术的发展、面临的安全挑战以及在安全领域的应用潜力。 其它报告： 科大讯飞：《》 智能小巨人科技：《》 电子发烧友：《》 您可以根据具体需求，进一步查阅相关报告获取更详细的信息。

很抱歉，暂时没有关于您所描述问题的相关内容。出现 404 错误通常是由于页面未找到导致的。您可以先检查一下以下几个方面： 1. 确认您在 GitHub 上的代码上传是否完整且正确，包括相关的配置文件和依赖项。 2. 检查 Vercel 的部署设置，确保配置正确，例如域名绑定、环境变量等。 3. 查看服务器的日志，以获取更详细的错误信息，从而确定问题的具体原因。 希望这些建议能对您有所帮助，如果问题仍未解决，建议您进一步查阅相关的技术文档或向技术社区寻求帮助。

以下是一些具有 AI 功能的国内 APP： 1. QQ 音乐：拥有 AI 音乐分类器，使用机器学习和音频处理技术，市场规模达数亿美元。能自动分类音乐，方便用户查找和管理，例如按照风格、歌手、年代等分类，用户想听流行音乐时，点击流行音乐分类即可找到相关歌曲。 2. 科沃斯扫地机器人：具备 AI 家居清洁机器人调度系统，运用机器学习和物联网技术，市场规模达数十亿美元。可优化家居清洁机器人的工作安排，提高清洁效率，比如在电量不足时自动返回充电，然后继续未完成的清洁任务。 3. 东方财富 APP：包含 AI 金融风险评估工具，采用数据分析和机器学习技术，市场规模达数十亿美元。能够帮助金融机构评估风险，做出更明智的决策，例如根据股票的历史数据和市场趋势评估股票的风险程度。 4. 马蜂窝 APP：设有 AI 旅游景点解说系统，借助语音识别和自然语言处理技术，市场规模达数亿美元。可为游客提供景点解说服务，丰富旅游体验，比如用户在参观故宫时，APP 可以自动播放故宫的历史介绍和景点讲解。 5. WPS 文档翻译功能：是 AI 办公文档翻译工具，运用自然语言处理技术，市场规模达数亿美元。能够快速翻译办公文档，提高工作效率，例如用户需要将一份中文报告翻译成英文，只需点击翻译按钮，即可快速得到翻译结果。 6. 美丽修行 APP：构建了 AI 美容护肤产品推荐平台，使用数据分析和自然语言处理技术，市场规模达数亿美元。能根据用户肤质推荐适合的美容护肤产品，例如根据用户的油性皮肤，推荐控油、保湿的护肤品。 7. 360 儿童手表：配备 AI 儿童安全监控系统，通过图像识别和机器学习技术，市场规模达数亿美元。可以保障儿童安全，让家长放心，比如当孩子走出安全区域时，手表会自动向家长发送警报。 8. 汽车之家 APP：拥有 AI 汽车保养提醒系统，利用数据分析和机器学习技术，市场规模达数亿美元。能够提醒车主及时进行汽车保养，例如当汽车行驶到一定里程时，APP 会推送保养提醒信息。 9. 智联招聘 APP：设有 AI 招聘筛选工具，运用自然语言处理和机器学习技术，市场规模达数亿美元。可以帮助企业快速筛选简历，提高招聘效率，例如企业招聘程序员，APP 会筛选出有相关技术经验和技能的简历。 10. 贝壳找房 APP：包含 AI 房地产评估系统，采用数据分析和机器学习技术，市场规模达数亿美元。能够准确评估房地产价值，为买卖双方提供参考，比如用户想出售房屋，APP 可以给出一个合理的价格区间。 11. 腾讯游戏助手：具备 AI 游戏角色生成器，借助图像生成和机器学习技术，市场规模达数亿美元。可为游戏开发者生成独特的游戏角色，例如在一款角色扮演游戏中，生成不同外貌、性格和技能的角色，增加游戏的趣味性。 12. 墨迹天气 APP：设有 AI 天气预报助手，运用数据分析和机器学习技术，市场规模达数亿美元。能够提供精准的天气预报和气象预警，例如为用户提供准确的温度、湿度、风力等信息，同时还能提供暴雨、台风等气象预警，帮助用户合理安排出行和生活。

以下是一些可以帮助非设计师快速构建界面的 AI 工具： 1. Lucidchart：流行的在线绘图工具，支持多种视图创建，用户可通过拖放轻松创建架构图。 2. Visual Paradigm：全面的 UML 工具，提供多种架构视图创建功能。 3. ArchiMate：开源建模语言，与 Archi 工具配合可创建逻辑视图。 4. Enterprise Architect：强大的建模、设计和生成代码工具，支持多种视图创建。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，有丰富模板用于创建视图。 6. draw.io（现称 diagrams.net）：免费在线图表软件，支持创建逻辑和部署视图等。 7. PlantUML：文本到 UML 转换工具，可自动生成序列图等帮助创建逻辑视图。 8. Gliffy：基于云的绘图工具，提供创建各种架构图的功能。 9. Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图创建。 10. Rational Rose：IBM 的 UML 工具，支持创建多种视图。 目前用于产品原型设计的 AIGC 工具包括： 1. UIzard：利用 AI 技术生成用户界面。 2. Figma：基于云的设计工具，提供自动布局和组件库，社区有 AI 插件。 3. Sketch：流行的矢量图形设计工具，插件系统中有利用 AI 技术辅助设计的插件。 在游戏中，从文本提示生成 2D 图像的工具如 Midjourney、Stable Diffusion 和 DallE 2 已广泛应用。生成性 AI 工具在概念艺术方面能帮助非艺术家快速探索概念和想法，一些工作室也尝试用其制作游戏内的生产艺术品。例如，可参考 Albert Bozesan 提供的使用 Stable Diffusion 创建游戏内 2D 资源的教程。

目前有一些与装修设计相关的大模型，以下为您介绍： 常用的模型网站有： Comfyui Kolors 快手文生图大模型： ComfyUIKolorsMZ：https://github.com/MinusZoneAI/ComfyUIKolorsMZ unet 模型放置在 models/unet/文件夹下，下载地址： chatglm3 放置在 models/LLM/文件夹下，下载地址： 使用 ipadapter 时，IPAdapter 节点：https://github.com/cubiq/ComfyUI_IPAdapter_plus 在 Stable Diffusion 中，“ControlNet”有进行室内设计的功能。比如想对房间重新装修，先点开“ControlNet”的状态栏，上传需要设计的房间照片，点击“启用”，预处理器和模型都选“msld”用于计算房屋线条，接着切换一个现实照片的大模型，输入照片质量关键词和照片主体（如一个客厅），最后点击生成，这样出来的照片既保留原来房子的构造，又能看到新的房屋风格。 下载模型后需要将之放置在指定的目录下，不同类型的模型放置位置不同： 大模型（Ckpt）：放入 models\\Stablediffusion VAE 模型：一些大模型需要配合 vae 使用，对应的 vae 同样放置在 models\\Stablediffusion 或 models\\VAE 目录，然后在 webui 的设置栏目选择。 Lora/LoHA/LoCon 模型：放入 extensions\\sdwebuiadditionalnetworks\\models\\lora，也可以在 models/Lora 目录 Embedding 模型：放入 embeddings 目录 模型的类型可以通过检测。

AI 的应用场景非常广泛，以下为您列举一些常见的领域和具体应用： 医疗保健领域： 医学影像分析：用于辅助诊断疾病，如分析 X 射线、CT 扫描和 MRI 等医学图像。 药物研发：加速药物研发过程，包括识别潜在的药物候选物和设计新的治疗方法。 个性化医疗：分析患者数据，为每个患者提供个性化的治疗方案。 机器人辅助手术：控制手术机器人，提高手术的精度和安全性。 金融服务领域： 风控和反欺诈：识别和阻止欺诈行为，降低金融机构的风险。 信用评估：评估借款人的信用风险，帮助金融机构做出更好的贷款决策。 投资分析：分析市场数据，帮助投资者做出更明智的投资决策。 客户服务：提供 24/7 的客户服务，并回答客户的常见问题。 零售和电子商务领域： 产品推荐：分析客户数据，向每个客户推荐他们可能感兴趣的产品。 搜索和个性化：改善搜索结果并为每个客户提供个性化的购物体验。 动态定价：根据市场需求动态调整产品价格。 聊天机器人：回答客户的问题并解决他们的问题。 制造业领域： 预测性维护：预测机器故障，帮助工厂避免停机。 质量控制：检测产品缺陷，提高产品质量。 供应链管理：优化供应链，提高效率和降低成本。 机器人自动化：控制工业机器人，提高生产效率。 交通运输领域： 自动驾驶技术：利用图像识别、传感器数据分析和决策制定，实现汽车自主导航和驾驶。 车辆安全系统：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。 个性化用户体验：根据驾驶员的偏好和习惯来调整车辆设置。 预测性维护：通过分析车辆实时数据，预测潜在故障和维护需求。 生产自动化：在汽车制造过程中，自动化生产线，提高生产效率和质量控制。 销售和市场分析：分析市场趋势、消费者行为和销售数据，制定营销策略和优化产品定价。 电动化和能源管理：优化电动汽车电池使用和充电时间，提高能源效率和延长电池寿命。 共享出行服务：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。 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。 车辆远程监控和诊断：远程监控车辆状态，提供实时诊断和支持。