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

2024年生成式人工智能-海外合规白皮书

Answer

以下是为您找到的与 2024 年生成式人工智能相关的内容：

  • 《2024 年生成式人工智能-海外合规白皮书（东南亚篇）》由垦丁律师事务所联合 WEEE Consulting 和 Boosterhub 撰写，深入分析了东南亚地区生成式人工智能（AI）的产业现状、监管框架及合规要求。报告涵盖了新加坡、越南、泰国、马来西亚、印度尼西亚和菲律宾六国，探讨了 AI 产品合规性、数据本地化、跨境数据传输、内容安全和知识产权等关键问题。报告指出，尽管东南亚国家在 AI 发展上展现出潜力，但各国法规和伦理标准存在差异，对 AI 的法律监管和合规要求也各不相同。
  • 2024 年 8 月 26 日的《AIGC Weekly #86》，其中提到上周，Ideogram 推出功能强大的 2.0 图像生成模型，同时 Jamba 1.5 系列在非 Transformer 架构上取得突破。AI 工具如 ComfyUI 和 Cluade 更新，Cursor 获巨资融资。Google 的 Gemini AI 项目新增技术领导，亚马逊通过 AI 工具极大提升代码开发效率。

此外，还有其他一些相关研究报告，如：

  • 《爱分析：2024 智能办公厂商全景报告》强调智能办公系统在企业数字化转型中的关键作用。
  • 《平安证券：AI 系列深度报告（五）-AI 手机》指出 AI 手机的发展重心正逐步向端侧转移，全球出货量将呈现指数级增长。

关于 2024 年人工智能的报告还包括：

  • 2024 人工智能报告中提到，欧盟人工智能法案获得批准并正式生效，欧洲成为世界上第一个全面采用人工智能监管框架的地区。美国大型实验室努力应对欧洲监管，中国人工智能监管进入执行时代，美国对中国实施更严格的出口管制和投资限制。
  • 《生成式 AI 季度数据报告 2024 月 1-3 月》，作者为郎瀚威 Will、张蔚 WeitoAGI、江志桐 Clara ，报告包含总体流量概览、分类榜单等内容。

您可在知识星球下载其它一些研究报告：https://t.zsxq.com/18DnZxlrl 。公众号回复“2024 一季度”，可以获得《生成式 AI 季度数据报告 2024 月 1-3 月》的 PDF 。

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

References

4.4 历史更新

《[AIGC Weekly #86](https://waytoagi.feishu.cn/wiki/SuTlwwikjiFOlakUUltcVxuEnBx)》歸藏的新一期AIGC周刊，上周，Ideogram推出功能强大的2.0图像生成模型，同时Jamba 1.5系列在非Transformer架构上取得突破。AI工具如ComfyUI和Cluade更新，Cursor获巨资融资。Google的Gemini AI项目新增技术领导，亚马逊通过AI工具极大提升代码开发效率。《[2024年生成式人工智能-海外合规白皮书（东南亚篇）](https://waytoagi.feishu.cn/record/UsuQrwMRxelRhMc0A5GceQ3tnUb)》由垦丁律师事务所联合WEEE Consulting和Boosterhub撰写，深入分析了东南亚地区生成式人工智能（AI）的产业现状、监管框架及合规要求。报告涵盖了新加坡、越南、泰国、马来西亚、印度尼西亚和菲律宾六国，探讨了AI产品合规性、数据本地化、跨境数据传输、内容安全和知识产权等关键问题。报告指出，尽管东南亚国家在AI发展上展现出潜力，但各国法规和伦理标准存在差异，对AI的法律监管和合规要求也各不相同其它一些研究报告，也[可在知识星球下载](https://t.zsxq.com/18DnZxlrl)：《[爱分析：2024智能办公厂商全景报告](https://waytoagi.feishu.cn/record/MaQfrsR87eVIwacV7tacnTdCnpe)》强调智能办公系统在企业数字化转型中的关键作用。《[平安证券：AI系列深度报告（五）-AI手机](https://waytoagi.feishu.cn/record/LerwrVHTme30Dgc3mIPc4quAnAb)》AI手机的发展重心正逐步向端侧转移，全球出货量将呈现指数级增长。

2024人工智能报告｜一文迅速了解今年的AI界都发生了什么？

《欧盟人工智能法案》获得批准，正式生效随着该法案的通过，**欧洲成为世界上第一个全面采用人工智能监管框架的地区。**执行将分阶段进行，对“不可接受的风险”（例如欺骗、社会评分）的禁令将于2025年2月生效。美国大型实验室努力应对欧洲监管欧盟人工智能法案和长期以来的《通用数据保护条例》（GDPR）对隐私和数据传输的要求相结合，使美国实验室难以适应其服务。Anthropic的Claude在2024年5月之前才向欧洲用户开放使用，而Meta不会为欧洲客户提供多模态模型。与此同时，苹果公司正在反对欧盟的数字市场法案，声称其互操作性要求与它在隐私和安全方面的立场不兼容。因此，苹果公司推迟了在欧洲推出Apple Intelligence。中国人工智能监管进入执行时代我国是第一个开始制定生成式人工智能监管框架的国家，从2022年开始陆续出台全面指南，如今审查机构现在正在介入。我国持续生产SOTA模型，由国家互联网信息办公室监督。政府希望模型同时避免给政治问题提供“错误”的答案，在发布模型之前，必须提交其模型进行测试，以校准拒绝率。虽然禁止Hugging Face等国外网站访问，但官方批准的“主流价值观语料库”可以作为训练数据源。美国对中国实施更严格的出口管制和投资限制美国商务部发出了信函，要求美国制造商停止向我国半导体制造商进行最先进设施的销售。不仅如此，美国正在采取措施阻止或限制（包括半导体、国防、监控和音频、图像和视频识别）的中国初创企业的投资。美国不仅禁止了某些物品的出口，还在限制期限前向国际合作伙伴施压。这影响到了NVIDIA、Intel和ASML。

生成式AI季度数据报告_2024Q1.pdf

作者：郎瀚威Will，张蔚WeitoAGI，江志桐Clara 2024.5.3本产品保密并受到版权法保护Confidential and Protected by Copyright Lawsaiwatch.ai报告目录@FinanceYF5作者介绍及报告说明2总体流量概览10分类榜单18文字–个人生产力21文字–营销48文字–教育61文字–社交77创意–图像86创意–视频103音频大类119代码大类133Agent152B2B垂类158附件：重要榜单201作者介绍aiwatch.ai郎瀚威WillAI数据分析&出海社媒增长GPTDAO首席分析师数据准备，分类标准图谱准备张蔚WeitoAGI WaytoAGI创作者，某头部FAAI科技组。VX：WeitoAGI赛道辅助榜单评价分析、细分赛道变化分析江志桐Clara天际资本VC，AI软硬件应用公众号：天际科技投资赛道分析，竞争分析Top1分析公众号：郎瀚威Will公众号回复：2024一季度，可以获得本PDFaiwatch.ai报告写作目标和说明（1）的榜单，等等

Others are asking
能帮我做一个介绍生成式AI的ppt吗？5页左右即可，介绍一些通用的，用户规模较大的即可，不超过5种。
以下是为您生成的关于生成式 AI 的 5 页 PPT 内容： 幻灯片 1：封面 标题：生成式 AI 简介 幻灯片 2：生成式 AI 的基础模型 大型预训练模型可适应或微调用于多种下游任务，如情感分析、图像字幕和对象识别。 有可能革新医疗、金融和客户服务等行业，检测欺诈并提供个性化支持。 幻灯片 3：在软件开发中的应用 提及 Bard 和生成式人工智能工作室等工具，可用于调试、代码转换和应用构建。 幻灯片 4：PALM API 的会话式人工智能引擎 用户可用自然语言交互。 可创建数字助手、自定义搜索引擎、知识库和培训应用。 能与 Maker Suite 集成，通过图形用户界面访问 API，套件包含模型训练、部署和监控工具。 幻灯片 5：参考资料 All Readings:Introduction to Generative AI Here are the assembled readings on generative AI: 此外，以下是一些常用的 PPT 生成工具（网站）： https://zhiwen.xfyun.cn/ 讯飞智文 http://Mindshow.fun Markdown 导入 http://kimi.ai 选 PPT 助手暂时免费效果好 http://Tome.app AI 配图效果好 http://Chatppt.com 自动化程度高 https://wenku.baidu.com 付费效果好 希望以上内容对您有所帮助！
2025-03-11
生成式AI有哪些类型和工具
生成式 AI 主要有以下类型和相关工具： 类型：生成的内容可以是多模式的，包括文本、图像、音频和视频。能够帮助完成各种任务，例如文档摘要、信息提取、代码生成、营销活动创建、虚拟协助和呼叫中心机器人等。 工具： Google Cloud 提供了多种易于使用的工具，如 Vertex AI，它是端到端机器学习开发平台，可帮助构建、部署和管理机器学习模型。 图中描绘的趋势显示，相关工具和基础设施逐渐模块化和专业化，公司被分组到以下四个主要类别： Orchestration（编排）：涉及 DUST、FIAVIE、LangChain 等公司提供的工具，帮助管理和协调各个部分和任务。 Deployment,Scalability,&PreTraining（部署，可扩展性和预训练）：如 UWA mosaicm、NMAREL、anyscale 等公司提供工具，用于部署模型、保证可扩展性和进行预训练。 Context&Embeddings（上下文和嵌入）：如 TRUDO，Llamalndex，BerriAI 等公司提供工具，处理和理解语言上下文以及进行嵌入。 QA&Observability（质量保证和可观察性）：如 Pinecone，drant，Vald 等公司提供工具，确保模型表现和监控性能状态。 目前典型的生成式 AI 包括 OpenAI 推出的语言模型 ChatGPT、GPT4、图像模型 DALLE 以及百度推出的文心一言、阿里云推出的通义千问等。国内主要在《网络安全法》《数据安全法》《个人信息保护法》的框架下，由《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》《科技伦理审查办法（试行）》共同监管 AIGC 行业。
2025-03-10
生成式 AI 搜索
生成式 AI 搜索具有以下特点和应用： 有可能彻底改变互联网的核心功能之一——搜索。传统搜索中，用户在 Google 输入问题后常被大量链接及不准确信息淹没，而由大型语言模型驱动的搜索引擎可提供自然语言写成的简洁答案，并能在用户感兴趣时提供更多链接阅读。 一些公司为一般搜索查询提供服务，如 You 和 Neeva。还有公司采取更垂直化的方法，如 Consensus 跨越研究论文进行搜索，Perplexity 的 Bird SQL 产品针对 Twitter 进行搜索。 对于产品推荐尤为有价值，能根据特定需求提供策划过的选项列表。 在企业内部搜索应用中具有巨大潜力，如 Glean 允许团队跨应用搜索，Vowel 允许用户查询视频会议记录。 以下是一些推荐的 AI 搜索引擎： 秘塔 AI 搜索：由秘塔科技开发，提供多模式搜索、无广告干扰、结构化展示和信息聚合等功能，旨在提升用户的搜索效率和体验。 Perplexity：聊天机器人式的搜索引擎，允许用户用自然语言提问，使用生成式 AI 技术从各种来源收集信息并给出答案。 360AI 搜索：360 公司推出，通过 AI 分析问题，生成清晰、有理的答案，并支持增强模式和智能排序。 天工 AI 搜索：昆仑万维推出，采用生成式搜索技术，支持自然语言交互和深度追问，未来还将支持图像、语音等多模态搜索。 Flowith：创新的 AI 交互式搜索和对话工具，基于节点式交互方式，支持多种 AI 模型和图像生成技术，提供插件系统和社区功能。 Devv：面向程序员的 AI 搜索引擎，专注于提供编程、软件开发和人工智能等领域的专业建议和指导。 Phind：专为开发者设计的 AI 搜索引擎，利用大型语言模型提供相关的搜索结果和动态答案，特别擅长处理编程和技术问题。 在生成式人工智能方面，近年来大型语言模型的飞速进步为信息检索领域带来新机遇和挑战。2022 年 OpenAI 发布 ChatGPT 引发轰动，其在对话中展现出理解复杂问题和生成连贯文本的能力，被视为对传统搜索引擎的颠覆性竞争。ChatGPT 的成功引发搜索引擎巨头的紧迫感，谷歌推出 Bard 并逐步向 180 多个国家开放服务，百度推出文心一言等生成式 AI 搜索功能，微软将 GPT4 集成到必应搜索中推出新版本的 Bing Chat。早期观察指出，聊天机器人式的搜索在提供直接答案的同时，存在回答不准确甚至“幻觉”信息的问题，现阶段许多用户对 AI 答案的准确性和可靠性仍存疑虑。
2025-02-28
生成式AI相关知识
生成式 AI 相关知识如下： GenAI 是生成式 AI 的一种，全称 Generative AI，是基于深度学习技术和机器学习算法，从已有数据中学习并生成新数据或内容的 AI 应用。其通过大规模数据集训练深度神经网络模型，能为游戏、娱乐和产品设计等提供解决方案，典型的 GenAI 包括 OpenAI 推出的 ChatGPT、GPT4、DALLE 以及百度的文心一言、阿里云的通义千问等。但在数据处理中存在未经授权收集信息、提供虚假信息、侵害个人隐私等潜在合规风险。 AIGC 指利用 GenAI 创建的内容，包括图像、视频、音频、文本和三维模型等。其工具使用机器学习算法，通常基于自然语言处理，分析大型文本数据集并学习生成新内容。国内主要在《网络安全法》《数据安全法》《个人信息保护法》框架下，由《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》《科技伦理审查办法（试行）》共同监管。 AIGC 主要分为语言文本生成、图像生成和音视频生成，分别利用不同的模型和技术，应用于多个领域，但也可能引发内生风险、数据隐私问题和知识产权风险，相关法律和规定对其有一定要求，但部分问题仍需更多法律明确，且需加强监管和伦理约束。 此外，台湾大学李宏毅教授的生成式 AI 课程介绍了其基本概念、发展历程、技术架构和应用场景等内容，共 12 讲，每讲约 2 小时。通过学习该课程，可掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解其发展现状和未来趋势。课程包括生成式 AI 的定义和分类、生成式模型、生成式对话、预训练语言模型、生成式 AI 的挑战与展望等内容，并提供了教材、参考书籍、在线课程、开源项目等学习资源和学习方法。
2025-02-24
大模型和小模型区别是什么？是否大模型都属于生成式AI，小模型属于判别式AI，为什么大模型有幻觉小模型没有？
大模型和小模型的区别主要体现在以下几个方面： 1. 规模和参数数量：大模型通常具有更多的参数和更复杂的架构，能够处理更大量和更复杂的数据。 2. 能力和性能：大模型在语言理解、生成等任务上往往表现更出色，能够生成更准确、丰富和连贯的内容。 3. 应用场景：大模型适用于广泛的通用任务，而小模型可能更专注于特定的、较狭窄的领域。 并非大模型都属于生成式 AI，小模型都属于判别式 AI。生成式 AI 能够生成新的内容，如文本、图片等；判别式 AI 则主要用于对输入进行分类或判断。模型的分类与其大小并无直接的必然联系。 大模型出现幻觉的原因主要是其通过训练数据猜测下一个输出结果，可能会因错误或不准确的数据导致给出错误的答案。而小模型相对来说数据量和复杂度较低，出现幻觉的情况相对较少，但这并非绝对，还取决于模型的训练质量、数据的准确性等多种因素。优质的数据集对于大模型减少幻觉现象非常重要。
2025-02-21
人工智能（AI）、机器学习（ML）、深度学习（DL）、生成式AI（AIGC）的区别与联系
AI（人工智能）是一个广泛的概念，旨在让机器模拟人类智能。 机器学习（ML）是AI的一个分支，指计算机通过数据找规律进行学习，包括监督学习（使用有标签的训练数据，学习输入和输出之间的映射关系，如分类和回归）、无监督学习（处理无标签数据，让算法自主发现规律，如聚类）和强化学习（从反馈中学习，以最大化奖励或最小化损失，类似训练小狗）。 深度学习（DL）是一种机器学习方法，参照人脑构建神经网络和神经元，由于网络层数较多被称为“深度”。神经网络可用于监督学习、无监督学习和强化学习。 生成式 AI（AIGC）能够生成文本、图片、音频、视频等内容形式。 它们之间的联系在于：深度学习是机器学习的一种重要方法，机器学习又是实现人工智能的重要途径，而生成式 AI 是人工智能的一个应用领域。例如，生成式 AI 中的一些技术可能基于深度学习和机器学习的算法。2017 年 6 月，谷歌团队发表的论文《Attention is All You Need》首次提出了 Transformer 模型，它基于自注意力机制处理序列数据，不依赖于循环神经网络或卷积神经网络，对相关技术的发展具有重要意义。大语言模型（LLM）如谷歌的 BERT 模型，可用于语义理解（如上下文理解、情感分析、文本分类），但不擅长文本生成，对于生成式 AI，生成图像的扩散模型不属于大语言模型。
2025-02-19
2024 年值得关注的中文大模型全景图
2024 年，AI 大模型在生产和生活中落地速度迅猛，被称为国内大模型落地元年。以下是一些值得关注的情况： 国内大模型行业形成了以百度、阿里、字节等科技大厂和创业“AI 六小虎”为主要玩家的竞争格局。 2024 年 1 至 11 月，国内大模型中标项目数量和金额大幅增长，中标项目共 728 个，是 2023 年全年的 3.6 倍；中标金额 17.1 亿元，是 2023 年全年的 2.6 倍。中标项目数前五的行业分别是运营商、能源、教育、政务、金融。 厂商方面，百度以 40 个中标项目数、2.74 亿元的中标金额排名所有厂商之首，科大讯飞居第二。 在金融行业，百度以 14 个中标数量、3734.4 万元中标金额排名第一；科大讯飞居第二。 在智能终端行业，超半数手机厂商都在使用文心大模型，包括三星、荣耀、vivo、OPPO、小米等主流手机品牌；上汽大众、吉利汽车、蔚来汽车、长安汽车等十余家车企已接入百度文心大模型。 百度表现突出，截至 11 月，其文心大模型日均调用量超过 15 亿次，千帆平台帮助客户精调了 3.3 万个模型、开发了 77 万个企业应用。今年三季度财报披露，百度智能云营收达 49 亿元，同比增长 11%。 2024 年 9 月 AI 行业大事记： 9 月 12 日：李继刚再现神级 Prompt，玩法持续翻新；Mistral 发布首个多模态模型 Pixtral 12B。 9 月 13 日：商汤 Vimi 相机开放微博小程序；元象开源中国最大 MoE 大模型 XVERSEMoEA36B；OpenAI 发布 o1 模型。 9 月 14 日：人工智能生成合成内容标识办法；Jina AI 发布 ReaderLM、Jina Embeddings V3。 9 月 18 日：DeepSeek 发文庆祝登上 LMSYS 榜单国产第一，几小时后 Qwen 新模型表示不服。 9 月 19 日：云栖大会；通义万相 AI 生视频上线；快手可灵 1.5 模型新增运动笔刷能力。 9 月 20 日：腾讯元器智能体对外发布；秘塔科技产品经理 JD 走红 AI 圈；阶跃跃问接入 Step2 万亿参数 MoE 语言大模型。 9 月 21 日：大模型测试基准研究组正式成立。 9 月 23 日：钉钉 365 会员上线。 9 月 24 日：讯飞星火 API 全新升级；豆包大模型全系列发布&更新。 9 月 25 日：Vidu API 正式开放，加速企业级视频创作；OpenAI 发布高级语音功能；西湖心辰开源 WestlakeOmni。 大模型进入产业落地后，除了大模型本身能力质量要过硬外，落地应用所需要的全栈技术能力、工程化配套工具等对落地效果有直接影响。企业想要真正将大模型在自身场景落地，需要具备构建算力、数据治理、模型训练、场景落实、应用搭建、持续运营、安全合规等整套能力，大模型的竞争正在加速成为体系化之战。
2025-02-21
2024 年中国人工智能+产业规模
目前关于 2024 年中国人工智能+产业规模的相关信息如下： 国家统计局数据显示，2022 年全国研究与试验发展（R&D）经费投入总量首次超过 3 万亿元，达到 30782.9 亿元，比上年增加 2826.6 亿元，增长 10.1%，表明国家对科技创新和算力设施的重视和持续投入。我国算力设施产业链规模巨大，已达到万亿元级别。2022 年我国算力核心产业规模达到 1.8 万亿元，预计到 2023 年，中国算力产业规模将超过 3 万亿元。 在企业数量方面，截至 2024 年 3 月，全国算力存量企业共有 75,343 家。其中，广东省、北京市和江苏省的企业数量位居前三，分别有 10,315 家、7,167 家和 6,728 家。此外，人工智能企业数量也超过 4400 家。 德勤的报告指出，中国 AI 产业快速发展，得益于政策支持、经济增长和技术创新。成长型 AI 企业作为产业创新的重要力量，数量占比高达九成，活跃于各行业领域。预计到 2025 年，中国人工智能核心产业规模将突破 5000 亿元。 在影视行业，若假设 2027 年 AI 影视市场可以获得国内总市场份额的 10%，则国内 AI 影视总市场规模预计将达约 380 亿元以上；若假设 2030 年可以获得 25%以上市场份额，则国内 AI 影视总市场规模将达千亿级别。 营销行业或成生成式 AI 最早实现商业化落地的行业之一，未来，AI 技术还将持续推动营销行业的深刻变革。
2025-02-20
明略科技：2024年中国AI Agent行业研究
以下是关于 2024 年中国 AI Agent 行业的相关研究报告： 2024 年 9 月： 《》 《》 2024 年 8 月： 《》深入分析了 AI Agent 的市场定义、发展阶段、核心组件及其在企业用户场景中的应用。 《》指出企业实施 AI Agent 的主要目标是降低运营成本，尤其是在知识库管理、数据分析、营销与客户服务等领域。 2024 年 5 月： 《》提到 AI Agent 市场处于早期阶段，其商业价值在于提升工作均值、实现行业知识库构建、改变工作流程及生产关系。未来，AI Agent 将作为数字生产力，通过与工作流的结合，成为企业知识资产积累与复用的关键角色，推动技术革命。
2025-02-10
告诉我最新的国际ai资讯（比如从2024年有什么ai被发明了，国际上一共有什么大的ai公司，中国的ai发展的怎么样了（deepseek怎么样））
以下是为您整理的最新国际 AI 资讯： 2024 年 2 月 5 日：百度智能云成功点亮昆仑芯三代万卡集群，这是国内首个正式点亮的自研万卡集群。 在 Lex Fridman 的播客中，Dylan Patel 和 Nathan Lambert 深入探讨了中国的 DeepSeek AI 模型，特别是 DeepSeekV3 和 DeepSeekR1。Nathan 强调 DeepSeek 是最开放的模型之一，采用 MIT 许可，鼓励商业用途，推动行业走向开源。 2025 年 AI 语音助手研究显示，语音技术是 AI 应用的关键，企业和用户都将受益。2024 年将是语音助手快速发展的时期，技术不断升级，市场竞争加剧，涌现出多种创业公司。未来，AI 语音将成为服务的“万能钥匙”，应用场景广泛，从医疗到教育，推动行业变革与创新。 2024 年 1 月 17 日：随着预训练技术遭遇瓶颈，GPT5 迟迟未能问世，从业者开始从不同角度寻找突破。以 o1 为标志，大模型正式迈入“PostTraining”时代；开源发展迅猛，Llama 3.1 首次击败闭源模型；中国本土大模型 DeepSeek V3，在 GPT4o 发布仅 7 个月后，用 1/10 算力实现了几乎同等水平。同时，大模型的日渐成熟也让产业重心从基础模型转向应用落地。AI 在编程领域爆发，“数字员工”崛起。 李飞飞在访谈中探讨了 AI Agent 的发展及其未来。她强调 AI Agent 应作为工具和赋能者，而非主导者，确保人们的自主性。李飞飞回顾了 ImageNet 的创立背景，并提到正在推动的“空间智能”概念，旨在理解和融合物理与数字三维世界。她认为，未来这两者的界限将逐渐模糊，从而带来更大变革。
2025-02-08
2024 AI工具排行榜
以下是 2024 年部分 AI 工具的相关信息： 开发者工具： 23 年 12 月至 24 年 3 月的访问量排行榜中，非大厂的 Top1 公司是 Langchain，其 3 月 PV 为 356 万，单 PV 价值为 56.18 美元。 赛道方面，天花板潜力 TAM 为 120 亿美元，总体趋势平稳增长，月平均增速为 82 万 PV/月，原生产品占比高。 竞争方面，Top1 占 19%，Top3 占 54%，马太效应弱，网络效应强，大厂已入局，技术门槛中。 教育工具： 23 年 12 月至 24 年 3 月的访问量排行榜中，非大厂的 Top1 公司是 Quizlet，其 3 月 PV 为 1.3 亿。 赛道方面，天花板潜力 TAM 约为 30 亿，总体趋势快速增长，月平均增速为 1793 万 PV/月，原生产品占比低。 竞争方面，Top1 占 45%，Top3 占 76%，马太效应弱，网络效应弱，大厂未入局，技术门槛中。 此外，在展望 2025 时，AI 行业的创新机会方面，2024 年 9 月 OpenAI 发布了新一代语言模型 o1，业界推测其采用了全新的训练与推理方案，结合强化学习技术，显著增强了推理能力，可能借鉴了下围棋的 AlphaGo Zero 的技术思路。
2025-01-26
2024年视频换脸技术
2024 年视频换脸技术面临一些挑战和发展趋势： 挑战方面： 可控性和一致性存在挑战，如人脸转动中保持观感不变形、多个生成片段保持人物一致性、遵循生成指令等，目前视频生成的体感仍需改进，需要底层模型的进步。 成本较高，生成一段 5 秒视频的成本最低约为 1 元人民币，限制了 C 端玩法和大规模应用。 发展趋势： 原生多模态成为 AI 架构的主流选择，从 OpenAI 的 GPT4V 到 Anthropic 的 Claude3V 和 xAI 的 Grok1.5V 等，行业正从简单的模态叠加向真正的多模态融合迈进。原生多模态模型采用统一的编码器解码器架构，在预训练阶段完成多模态信息的深度融合，提升了模型的理解能力，实现了模态间的无缝转换和互补增强，能够处理更复杂的任务。 自 2023 年末开始，Runway、Pika、Meta、Google 等不断推出视频生成/编辑工具，2024 年是 AI 视频技术逐渐成熟并开始商用的一年，下半年或 2025 年可能会看到 AI3D 技术的突破。抖音的成功证明音频、视频加入泛社交/娱乐产品会带来质的飞跃，AI 陪聊赛道中视频、音频技术的加入也将带来内容生产和社交方式的质变。
2025-01-24
企业级应用集成AI大模型架构白皮书
以下是关于企业级应用集成 AI 大模型架构的相关内容： 从整体分层的角度来看，目前大模型整体架构可以分为以下几层： 1. 基础层：为大模型提供硬件支撑，数据支持等，例如 A100、数据服务器等等。 2. 数据层：这里的数据层指的不是用于基层模型训练的数据基集，而是企业根据自己的特性，维护的垂域数据。分为静态的知识库，和动态的三方数据集。 3. 模型层：包括 LLm 或多模态模型。LLm 即 largelanguagemodel 大语言模型，例如 GPT，一般使用 transformer 算法来实现。多模态模型即市面上的文生图、图生图等的模型，训练所用的数据与 llm 不同，用的是图文或声音等多模态的数据集。 4. 平台层：模型与应用间的平台部分，比如大模型的评测体系，或者 langchain 平台等，提供模型与应用间的组成部分。 5. 表现层：也就是应用层，用户实际看到的地方。 此外，以下报告也涉及相关内容： 1. 量子位智库发布的《》概述了大模型技术在多个行业中的应用和发展趋势。强调大模型在编程、教育、医疗等领域的重要性，并预测其将推动生产力和创新服务的增长。大模型业务模式涵盖应用开发、模型 API 和模型服务，其中模型服务和 API 是核心。报告还讨论了大模型在不同地域和行业的落地情况，以及企业在大模型技术投资方面的需求。 2. 亿欧智库发布的《》聚焦于企业中人工智能大模型的应用和落地情况。报告涵盖了 AI 大模型在企业中的应用现状、发展趋势以及面临的挑战。它详细分析了 AI 技术如何推动企业创新、提高效率和降低成本，并探讨了不同行业如何利用 AI 大模型实现数字化转型。此外，白皮书还提供了关于如何克服实施过程中的障碍和最大化 AI 大模型价值的见解。 对于大模型 API，与大模型对话产品的提示词不同。对于大模型 API，需要利用插件预先获取的网页内容变量、提示词和 API 请求参数，拼搭出完整的 API 提示请求，精确引导 API 返回想要的生成结果。根据 BigModel 官网给出的请求示例，可以看到需要在请求中传递 Model 类型、系统提示词、用户提示词、top_p、temperature 等关键参数。可以构建相应的 API 请求内容，包括设定系统提示词定义基础任务、设定用户提示词提供具体任务数据并要求大模型按 JSON 格式返回生成结果等。如果缺少参数设定的经验，也可以先询问 AI 文本总结类的模型 API 请求，temperature 设定多少合适，再逐步调试效果即可。
2025-02-06
哪些工具擅长中文白皮书写作？
以下是一些在中文白皮书写作方面表现出色的工具： 1. 文献管理和搜索： Zotero：结合 AI 技术，能自动提取文献信息，便于管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，可提供相关文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术进行文本校对、语法修正和写作风格建议，提升语言质量。 Quillbot：基于 AI 的重写和摘要工具，能精简和优化内容。 3. 研究和数据分析： Google Colab：提供云环境的 Jupyter 笔记本，支持 AI 和机器学习研究，利于数据分析和可视化。 Knitro：用于数学建模和优化的软件，可进行复杂数据分析和模型构建。 4. 论文结构和格式： LaTeX：虽非纯粹 AI 工具，但结合自动化和模板，能高效处理格式和数学公式。 Overleaf：在线 LaTeX 编辑器，有丰富模板库和协作功能，简化编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 需要注意的是，使用这些工具时，应结合自身写作风格和需求，选择最合适的辅助工具。同时，内容由 AI 大模型生成，请仔细甄别。
2024-10-31
生成式AI商业落地白皮书
以下是关于生成式 AI 商业落地的相关信息： 2024 年 7 月 29 日，《》由火山引擎、RollingAI 和 InfoQ 研究中心联合发布，为 CXO 提供 AI 转型战术指南。该白皮书分析了生成式 AI 在各行业的应用现状和挑战，并提供了企业 AI 转型的趋势展望和最佳实践。书中通过 240 个应用场景地图，展示了 AI 在消费零售、金融、汽车等行业的落地案例，探讨了 AI 基础设施构建、项目落地准备和快速补齐能力差距等关键问题，并提出了八步实施大模型接入的方法论。 其它相关报告： 《》 《》 《》 《》 《》 2024 年 8 月 17 日，最近上传的一些报告： 爱分析发布的《》聚焦于 AI Agent 开发管理平台市场，特别评估了火山引擎的 HiAgent 平台。报告指出，AI Agent 作为大模型应用的主流形态，正重塑科技和商业领域。 《》白皮书由 Denodo Technologies 发布，强调了生成式人工智能（Gen AI）在商业和财务价值实现中的潜力。书中指出，Gen AI 应用的可靠性依赖于数据质量，而数据管理是实施 AI 的关键挑战。 《》 《》 此外，关于游戏中的生成式 AI 革命：生成式 AI 是一种机器学习类别，计算机可以根据用户的提示生成原始的新内容。目前，文本和图像是这项技术的最成熟应用，但几乎在每一个创意领域都有工作在进行，从动画、音效、音乐，甚至到创造具有完整性格的虚拟角色。AI 在游戏中并不是新鲜事，早期游戏中的虚拟敌人只是简单脚本程序，不能学习，能力取决于程序员。现在由于更快的微处理器和云技术，有了更多计算能力，可以构建大型神经网络，在高度复杂领域识别模式和表示。这篇博文分为两部分，第一部分包括对游戏领域生成式 AI 的观察和预测，第二部分是对该领域的市场地图，概述各个细分市场并确定每个市场的关键公司。
2024-10-23
我想跟大概40岁左右的科研从业者科普人工智能和大模型的相关知识，挑选合适的内容作为提纲。
以下是为您挑选的向 40 岁左右科研从业者科普人工智能和大模型的提纲内容： 一、AI 大模型的基本概念 1. 生成式 AI 生成的内容称为 AIGC 2. 相关技术名词 AI：人工智能 机器学习：电脑找规律学习，包括监督学习、无监督学习、强化学习 监督学习：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，经典任务如聚类 强化学习：从反馈里学习，最大化奖励或最小化损失，类似训小狗 深度学习：参照人脑有神经网络和神经元，因层数多称为深度，神经网络可用于多种学习方式 生成式 AI：可以生成文本、图片、音频、视频等内容形式 LLM：大语言模型，生成图像的扩散模型不是大语言模型，大语言模型的生成只是处理任务之一，如谷歌的 BERT 模型可用于语义理解 二、AI 大模型的技术里程碑 1. 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，完全基于自注意力机制处理序列数据，不依赖循环神经网络或卷积神经网络 三、AI 模型及相关进展 1. 包括视频生成模型、相关论文，以及 AI 在诺奖和蛋白质研究领域的应用等 2. 人工智能发展历程：从图灵测试、早期的图灵机器人和 ELISA，到 IBM 的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统，再到 OpenAI 发布 ChatGPT 模型，经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段 3. 大模型的基石：由数据、算法、算力构成，算法有技术架构的迭代，如英伟达的显卡辅助模型训练，数据质量对生成理想的大模型至关重要 4. 针对弱智 8 的问题对大模型进行测试，开展让大模型回复问题并找出真人回复的活动，且国内大模型的回答能力有很大改进 5. 大语言模型的特点：早期回复缺乏情感，如今有所改进，后续将体验几个大模型的回复场景
2025-03-13
什么是人工智能
人工智能（Artificial Intelligence，简称 AI）是一门令人兴奋的科学，旨在使计算机表现出智能行为，例如做一些人类所擅长的事情。 最初，查尔斯·巴贝奇发明了计算机，用于按照明确的程序（即算法）进行数字运算。现代计算机虽更先进，但仍遵循相同的受控计算理念。若知道实现目标的每一步骤及顺序，就能编写程序让计算机执行。 然而，有些任务无法明确编程，如根据照片判断人的年龄。我们能做是因为见过很多不同年龄的人，但无法明确大脑完成此任务的具体步骤，所以这类任务是 AI 感兴趣的。 对于三年级的孩子，可以用能理解的语言解释：AI 就是让计算机或机器能像人类一样思考和学习的技术。 AI 分为 ANI（artificial narrow intelligence 弱人工智能）和 AGI（artificial general intelligence）。ANI 得到巨大发展，只能做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等；AGI 则能做任何人类可以做的事。
2025-03-13
如何利用人工智能破解无人机通信协议
目前没有关于如何利用人工智能破解无人机通信协议的相关内容。破解无人机通信协议是不合法且不符合道德规范的行为，可能会导致严重的法律后果。在合法和合规的前提下，人工智能可以用于优化无人机的通信效率、增强通信安全性等方面。
2025-03-13
人工智能发展历史
人工智能的发展历史如下： 起源于二十世纪中叶，最初符号推理流行，带来了专家系统等重要进展，但因方法局限性和成本问题，20 世纪 70 年代出现“人工智能寒冬”。 随着计算资源变便宜和数据增多，神经网络方法在计算机视觉、语音理解等领域展现出色性能，过去十年中“人工智能”常被视为“神经网络”的同义词。 1943 年，心理学家麦卡洛克和数学家皮特斯提出机器的神经元模型，为神经网络奠定基础。 1950 年，图灵最早提出图灵测试作为判别机器是否具备智能的标准。 1956 年，在美国达特茅斯学院召开的会议上，“人工智能”一词被正式提出并确立为一门学科。此后近 70 年，AI 的发展起起落落。 AI 技术发展历程包括早期阶段（1950s 1960s）的专家系统、博弈论、机器学习初步理论；知识驱动时期（1970s 1980s）的专家系统、知识表示、自动推理；统计学习时期（1990s 2000s）的机器学习算法（决策树、支持向量机、贝叶斯方法等）；深度学习时期（2010s 至今）的深度神经网络、卷积神经网络、循环神经网络等。 当前 AI 前沿技术点包括大模型（如 GPT、PaLM 等）、多模态 AI（视觉 语言模型、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。
2025-03-10
人工智能简史
人工智能作为一个领域始于二十世纪中叶。最初，符号推理流行，带来了如专家系统等重要进展，但因从专家提取知识并以计算机可读形式表现及保持知识库准确的复杂性和高成本，20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移，计算资源更便宜，数据更多，神经网络方法在计算机视觉、语音理解等领域展现出卓越性能，过去十年中“人工智能”常被视为“神经网络”的同义词。 在国际象棋对弈程序方面，早期以搜索为基础，发展出阿尔法贝塔剪枝搜索算法，后来采用基于案例的推理，而现代能战胜人类棋手的程序基于神经网络和强化学习。 在创建“会说话的程序”方面，早期如 Eliza 基于简单语法规则，现代助手如 Cortana、Siri 或谷歌助手是混合系统，未来有望出现完整基于神经网络的模型处理对话，如 GPT 和 TuringNLG 系列神经网络已取得巨大成功。 最初查尔斯·巴贝奇发明计算机用于按明确程序运算，现代计算机仍遵循相同理念。但有些任务如根据照片判断人的年龄无法明确编程，这正是人工智能感兴趣的。 译者：Miranda，原文见 https://microsoft.github.io/AIForBeginners/lessons/1Intro/README.md 。
2025-03-10
可以帮我输出一张图，解释人工智能的工作原理？
以下是关于人工智能工作原理的解释： 在音频生成方面，以谷歌的 V2A 系统为例： 首先，将视频输入编码为压缩表示。 然后，基于扩散模型从随机噪声中迭代改进音频，这一过程由视觉输入和自然语言提示引导，以生成与提示紧密配合的同步逼真音频。 最后，对音频输出进行解码，转化为音频波形，并与视频数据相结合。 在生成式人工智能的整体领域中： 监督学习用于标记事物，一直占据较大比例。 生成式 AI 由监督学习技术搭建，2010 2020 年是大规模监督学习的十年，为现代人工智能奠定了基础。 以生成文本为例，大语言模型通过使用监督学习不断预测下一个词语来生成新的文本内容，这需要千亿甚至万亿级别的单词数据库。 此外，大语言模型在写作、修改文本、翻译等方面有应用，但也存在编造故事产生错误信息的问题，需要鉴别信息准确性。人工智能作为一种通用技术，有大量的运用空间，如基于网络界面应用和基于软件程序应用等。
2025-03-10