目前国外主流的图像类AICG应用有哪些

目前关于国外主流的十大图像类 AICG 应用，暂时没有确切和权威的统一排名。不同的评估标准和应用场景可能会导致结果有所差异。一些常见且受到广泛关注的图像类 AICG 应用包括 DALL·E2、StableDiffusion、Midjourney 等，但要确切指出十大应用会因各种因素而难以确定。

目前国外主流的图像类 AICG 应用包括 DALL·E2、StableDiffusion 等。DALL·E2 能够根据输入的文本描述生成逼真的图像；StableDiffusion 则具有强大的图像生成能力和丰富的自定义选项。

学习 AICG（AI 与计算机图形学）通常可以遵循以下步骤： 1. 基础知识储备：了解计算机图形学的基本概念，如几何建模、渲染、动画等，同时掌握一定的数学基础，包括线性代数、微积分等。 2. 学习编程语言：例如 Python，它在 AICG 领域应用广泛。 3. 熟悉相关框架和库：如 TensorFlow、PyTorch 等深度学习框架，以及 OpenCV 等计算机视觉库。 4. 掌握机器学习和深度学习知识：包括神经网络、监督学习、无监督学习等。 5. 研究 AICG 应用案例：通过实际案例了解 AICG 在图像生成、风格迁移、虚拟角色创建等方面的应用。 6. 实践项目：自己动手实现一些 AICG 项目，加深对知识的理解和应用能力。 7. 持续学习和跟进最新技术：关注领域内的最新研究成果和技术发展趋势。

AI 图像识别的发展历程如下： 早期处理印刷体图片的方法是将图片变成黑白、调整为固定尺寸，与数据库对比得出结论，但这种方法存在多种字体、拍摄角度等例外情况，且本质上是通过不断添加规则来解决问题，不可行。 神经网络专门处理未知规则的情况，如手写体识别。其发展得益于生物学研究的支持，并在数学上提供了方向。 CNN（卷积神经网络）的结构基于大脑中两类细胞的级联模型，在计算上更高效、快速，在自然语言处理和图像识别等应用中表现出色。 ImageNet 数据集变得越来越有名，为年度 DL 竞赛提供了基准，在短短七年内使获胜算法对图像中物体分类的准确率从 72%提高到 98%，超过人类平均能力，引领了 DL 革命，并开创了新数据集的先例。 2012 年以来，在 Deep Learning 理论和数据集的支持下，深度神经网络算法大爆发，如卷积神经网络（CNN）、递归神经网络（RNN）和长短期记忆网络（LSTM）等，每种都有不同特性。例如，递归神经网络是较高层神经元直接连接到较低层神经元；福岛邦彦创建的人工神经网络模型基于人脑中视觉的运作方式，架构基于初级视觉皮层中的简单细胞和复杂细胞，简单细胞检测局部特征，复杂细胞汇总信息。

以下为您介绍一些可用于对 PPT 进行图像设计等美观化处理的工具及相关信息： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，可根据需求选择不同风格和主题的模板，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供一系列智能设计功能，如自动布局、图像选择和文本优化等，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/ 4. 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用科大讯飞在语音识别和自然语言处理领域的技术优势，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/ 在对 PPT 进行排版时，工具的选择可根据个人顺手程度决定，对于打工人来说，PPT 是较为熟练的选择。关于尺寸问题，如果想要打印，4:3 的比例比较适合童书绘本的比例，出图时可按此比例，文字可直接排版到画面上；若出图为 16:9 横板，排版时 4:3 可把文字放在图片下面。若要发小红书或者小绿书，竖版更合适，比例选 3:4，出图也选竖版。制作 H5 时，出图选竖版，比例选 9:16。所有排版尺寸在 PPT 里都可以选。另外，PPT 里的删除背景功能对于基础抠图很有用。用 PPT 另存为图片时，直接选 jpg 或 png 格式会降低图片清晰度，可先另存为“增强型 Windows 源文件”格式，再用画图软件打开另存为 JPG 以得到高清图。

要让 AI 准确理解您想要生成具有特定建筑（如夫子庙）的图像设计，而非一般的古风建筑，您可以这样表述：“生成一幅清晰、逼真的夫子庙图像设计，展现其独特的建筑风格和细节，包括庙宇的屋顶结构、墙壁装饰、门窗样式等，要突出夫子庙的特色元素，如特定的牌匾、雕刻、飞檐等，背景可以是适当的自然景观或周边的街道场景。”

以下是使用 Coze 创建自己的图像生成 AI 机器人的步骤： 1. 注册 Coze 账号： 访问 Coze 官网，可选择中文版（https://www.coze.cn/，支持大模型：kimi、云雀）或英文版（https://coze.com/，支持大模型：chatgpt4）进行快速注册。 产品定位为新一代 AI 原生应用开发服务平台。 2. 创建机器人： 登录 Coze，可使用抖音或手机号登陆，登陆后选择“创建 Bot”，起一个响亮的名字。 工作空间选“个人空间”。 小技巧：“图标”AI 可以自动生成，先在“Bot 名称”用文字描述想要的图标，满意后再把“Bot 名称”改为简洁版名称。 3. 具体创建 AI Bot： 首先打开扣子的首页（https://www.coze.cn/home），直接点击左上角的创建 AI Bot 按钮。 直接在弹窗输入 Bot 的相关信息，完成创建后细化其功能。 设计人设与回复逻辑，根据功能需求设计提示词。 调整模型设置，比如基于聊天为主的需求，将对话轮数记录改为 20 轮。 选择插件，如英文名言警句（get_one_eng_word & get_many_eng_words）随机获取英语名言，Simple OCR（ocr）识别图片中的文字。 设置开场白和预置问题，预置问题有参考价值。 最后设置语音，若为英语陪练 AI Bot，选择亲切的英语音色。

目前主流大厂在 AGI 方面的进展情况如下： 2023 年之前，国内 AI 行业自认为与美国差距不大，但 ChatGPT 和 GPT4 的出现打破了这种认知，OpenAI 直接拉开了 2 年的技术差距。 2023 年上半年，国内大厂纷纷囤卡招人，研究类 GPT 架构，或成立创业公司，试图创造国产 AGI。但下半年发现不容易后，纷纷转向“垂直应用”“商业化”，不再提 AGI。 国内最领先的模型水平大概在准 ChatGPT3.5 的水平，和 GPT4 还有不小差距。 百度和阿里在大厂中比较高调，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。 大厂们在人才、GPU、数据和资金储备方面具备冲击 AGI 的条件，但实际效果尚无明确亮点，且受内部短期考核压力影响，多数力量用于卷新产品和向上汇报工作，同时还背负其他业务和政治考量。

目前业内比较主流的 RAG 方案包括开源和商业的，以下为您介绍： 1. Dify：这是一个开源的大模型应用开发平台。它结合后端即服务和 LLMOps 的理念，为用户提供直观界面来快速构建和部署生产级别的生成式 AI 应用。具备强大工作流构建工具、广泛的模型集成、功能丰富的提示词 IDE 以及全面的 RAG Pipeline 用于文档处理和检索。还允许定义 Agent 智能体，并通过 LLMOps 功能对应用程序性能进行持续监控和优化。提供云服务和本地部署选项，满足不同用户需求。其设计理念注重简单性、克制和快速迭代，适合个人研究和企业级落地项目。 官方手册：https://docs.dify.ai/v/zhhans 一般来说，如果是个人研究，推荐单独使用；如果是企业级落地项目，推荐多种框架结合使用。 2. LangChain：这是一个为简化大模型应用开发而设计的开源框架。通过提供模块化的工具和库，允许开发者轻松集成和操作多种大模型，将更多精力投入到创造应用的核心价值上。设计注重简化开发流程，支持广泛模型，具备良好可扩展性，适应不断变化的业务需求。作为社区广泛支持的开源项目，拥有活跃贡献者和持续更新，提供全面文档和示例代码，充分考虑应用安全性和用户数据隐私保护，是多语言支持的灵活框架，适用于各种规模项目和不同背景开发者。 官方手册：https://python.langchain.com/docs/get_started/introduction/

以下是一些主流的辅助代码编写的 AI 工具： 1. GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能为程序员快速提供代码建议，帮助更快、更少地编写代码。 2. 通义灵码：阿里巴巴团队推出，基于通义大模型，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力。 3. CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，可为开发人员实时提供代码建议。 4. CodeGeeX：智谱 AI 推出的开源免费 AI 编程助手，基于 130 亿参数的预训练大模型，可快速生成代码，提升开发效率。 5. Cody：代码搜索平台 Sourcegraph 推出，借助 Sourcegraph 强大的代码语义索引和分析能力，了解开发者的整个代码库，不止是代码片段。 6. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供智能研发服务的免费 AI 代码助手，基于蚂蚁集团自研的基础大模型进行微调的代码大模型。 7. Codeium：一个由 AI 驱动的编程助手工具，通过提供代码建议、重构提示和代码解释来帮助软件开发人员，提高编程效率和准确性。 更多辅助编程 AI 产品，还可以查看这里：https://www.waytoagi.com/category/65 。 每个工具的功能和适用场景可能会有所不同，您可以根据自己的需求来选择最适合您的工具。

当下主流好用的 AI 大模型主要包括： 1. OpenAI 系统：包括 3.5 和 4.0 版本。3.5 模型于 11 月启动了当前的 AI 热潮，4.0 模型在春季首次发布，功能更强大。此外，还有新的变种使用插件连接到互联网和其他应用程序，如 Code Interpreter 是一个非常强大的 ChatGPT 版本，可以运行 Python 程序。如果未为 OpenAI 付费，只能使用 3.5 版本。 2. 微软的 Bing：使用 4 和 3.5 的混合，通常是 GPT4 家族中首个推出新功能的模型。例如，它既可以创建也可以查看图像，而且可以在网页浏览器中阅读文档，并连接到互联网。

以下是一些关于能够调用国外多个 LLM 的相关信息： 开源项目作者 ailm 提出一种仅使用提示词工程和精巧的代码设计，让 LLM 获得稳定的 tool calling 能力，使用多个不具备该功能的 LLM 进行实验，成功率达 100%，工作基于 comfyui 开发，适合无代码基础的人员复现和修改。 在高级提示词工程领域，工具、连接器和技能的整合能显著增强 LLM 的能力。工具是指 LLM 可利用的外部功能或服务，扩展任务范围；连接器是 LLM 与外部工具或服务的接口，管理数据交换和通信；技能是 LLM 可执行的专门功能。 目前开源模型与专有产品存在差距但在缩小，如 Meta 的 LLaMa 模型引发一系列变体。当开源 LLM 达到一定准确度水平时，预计会有大量实验等。开发人员对 LLM 操作工具的研究尚不深入，一些工具如缓存（基于 Redis）、Weights & Biases、MLflow、PromptLayer、Helicone 等得到较广泛使用，还有新工具用于验证 LLM 输出或检测攻击。多数操作工具鼓励使用自身的 Python 客户端进行 LLM 调用。

目前国产 AI 对比国外 AI 存在以下不足和差距： 1. 在通用语言模型方面，如 ChatGPT 和 GPT4 出现后，国内与国外拉开了约 2 年的技术差距。国内最领先的模型水平大概在准 ChatGPT3.5 的水平，和 GPT4 还有不小差距，甚至还不如临时拼凑的 Mistral 团队的水平。 2. 国内部分企业可能存在骄傲自大的情况，也可能被之前 Google 主推的 T5 技术路线带偏，同时 AGI 影响巨大，可能存在国外相关机构与 OpenAI 有特殊沟通而国内未有的情况。 3. 2023 年上半年国内笃信靠资金和卡能实现突破，但下半年纷纷转向“垂直应用”“商业化”，不提 AGI，这种转向可能是短视和致命的。 4. 大厂虽具备冲击 AGI 的资源，但受内部短期考核压力影响，多数力量用于卷新产品圈地盘和向上汇报工作，实际效果未达预期，且背负较多其他业务和政治考量。 不过，在图像类 AI 产品方面，国内产品发展迅速，部分产品如通义万相在中文理解和处理方面表现出色，具有独特优势。在 AI 生成视频工具领域，国内涌现出一系列工具，其生成结果在某些方面甚至远超国外。

国产 AI 与国外 AI 存在一定的差距，但情况较为复杂，且在不同方面表现有所不同。 在 2023 年之前，国内 AI 行业曾自认为与美国差距不大，但 ChatGPT 和 GPT4 的出现打破了这种认知，OpenAI 直接拉开了 2 年的技术差距。当时国内出现了从追求创造国产 AGI 到转向做“垂直应用”“商业化”的转变。国内最领先的模型水平大概在准 ChatGPT3.5 的水平，和 GPT4 仍有差距。大厂在人才、GPU、数据和资金储备上有冲击 AGI 的能力，但实际效果尚不明确，且受内部短期考核压力等因素影响。 然而到了 2024 年，竞争达到白热化阶段。在文本到视频扩散模型方面，Google DeepMind 和 OpenAI 展示了强大的成果，但中国的相关情况在报告中未详细说明，不过国内也涌现出了一系列表现出色的 AI 生成视频工具，生成结果甚至远超国外。Llama 3.1 在某些任务中能与 GPT4 相抗衡，而中国的一些模型如由 DeepSeek、零一万物、知谱 AI 和阿里巴巴开发的模型在 LMSYS 排行榜上取得优异成绩，尤其在数学和编程方面表现出色，且在某些子任务上挑战了前沿水平。中国模型在计算效率、数据集建设等方面各有优势，能弥补 GPU 访问的限制等不足。

目前中国与国外的 AI 模型存在一定差距，但也有自身的优势和进步。 在一些方面，国外模型如 Llama 3.1 在推理、数学、多语言和长上下文任务中能够与 GPT4 相抗衡，首次缩小了开放模型与专有前沿的差距。谷歌 DeepMind 与纽约大学团队的 AlphaGeometry 在奥林匹克级几何问题基准测试中表现出色。GPT 4 Turbo 在 SuperCLUE 测评中的总分遥遥领先，国外模型的平均成绩也相对较高。 然而，中国的 AI 模型也在不断发展。由 DeepSeek、零一万物、知谱 AI 和阿里巴巴开发的模型在 LMSYS 排行榜上取得优异成绩，尤其在数学和编程方面表现突出。国内的最强模型能与美国生产的第二强前沿模型竞争，在某些子任务上挑战了 SOTA。国内模型更注重计算效率，以弥补 GPU 访问的限制，并学会更有效地利用资源。例如 DeepSeek 在推理过程中通过多头隐式注意力减少内存需求，并且改进了 MoE 架构。零一万物更加关注数据集的建设。 在专项基准如语言与知识方面，GPT4 Turbo 依然领先，但国内大模型也表现相对较好，有 14 个模型的得分高于 GPT3.5，有 9 个模型的得分高于 GeminiPro。在中文语言与知识能力上，国内大模型已基本追赶上国外头部大模型，未来有可能率先形成超越。 总体而言，国内外差距依然存在，但国内大模型在过去一年有了长足的进步，平均水平差距在缩小。