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

AI现阶段的成因

Answer

AI 现阶段的成因主要包括以下几个方面：

  1. 在软件领域，AI 软件公司有三种起源和结果：运行在现有软件之上的 AI 工具，如为 Zoom 会议自动记录会议笔记；运行在现有软件之上且有机会取代现有软件的 AI 工具，如为 Zoom 会议记录笔记后构建视频会议并推销；成为劳动力的 AI 工具，这是一个全新的类别。平台转变促成了前两种情况。同时，软件市场与白领劳动力市场相比规模较小，许多增长最快的公司将现有的昂贵服务转化为大众的低价产品。
  2. 在医疗保健和生物技术领域，AI 正在工业化生物制药和医疗保健，应用于从药物设计、诊断到医疗保健交付和后勤功能等各个方面。
  3. 在教育领域，学习通常具有功利导向，“突破性新技术+垂直行业知识”的组合能为学习者带来更高投入产出比。在 AI 领域，让 AI 工程师懂行业、让行业专家懂 AI 投入产出比高，但前提是找到高价值应用场景。现阶段“AI 口嗨者众，AI 实干家寡”的主要原因是缺乏带来足够正反馈的高价值应用场景。
Content generated by AI large model, please carefully verify (powered by aily)

References

输入咖啡，输出代码：AI 如何将资本转化为劳动力

这并不意味着AI的成功仅仅局限于“全新”的类别。但在[分销与创新的较量](https://a16z.com/distribution-vs-innovation/)中，分销通常是默认的赢家——现有的软件公司拥有分销渠道。尤其是在2024年的今天，人工智能几乎是所有软件公司和终端客户的首要任务。2007年，大多数首席执行官都认为iPhone很愚蠢（没有键盘！），而黑莓则更好。1996年，大多数零售业首席执行官都认为互联网只是一个玩具、一种时尚，人们肯定不会通过网络浏览器买东西。这让新公司填补了这一空白。2024年，几乎不可能找到一个认为人工智能是个坏主意的首席执行官。AI软件公司将有效地有三种起源和结果：运行在现有软件之上的AI工具（想想：为Zoom会议自动记录会议笔记）；运行在现有软件之上的AI工具，有机会取代现有的软件（想想：为Zoom会议记录会议笔记……然后该公司构建视频会议并向你推销，让你放弃Zoom）；成为劳动力的AI工具——一个全新的类别，在此之前完全不受软件影响（想想：软件为你主持会议！）平台转变总是促成前两种情况（X的互联网版本、X的移动版本、X的云版本）。但AI革命最令人兴奋的是，看似庞大的企业软件市场——每年支出3000亿美元——与白领劳动力市场相比，简直是微不足道，后者每年有数万亿美元。这就是为什么我们看到的许多增长最快的公司都是“[已知的未知数](https://a16z.com/financial-opportunity-of-ai/)”，它们将现有的昂贵服务转化为大众的低价产品（由AI创造）。我们正处于软件吞噬和增强劳动力的最初阶段。

新工业革命：生物技术×人工智能

我们今天正站在这个转折点上。直到现在，医疗保健和生物技术仍然大量依赖服务——由受过专业培训的科学家和[医生](https://a16z.com/2019/06/13/ai-doctor-deep-medicine-topol/)提供——这些服务是算法无法替代的，更不用说为公司增加足够的价值来采纳它们了。但现在，我们正处于一个革命的起点，[AI正在](https://a16z.com/2019/11/19/ai-industrializing-discovery-biology-healthcare/)工业化生物制药和医疗保健，它被应用于从[药物设计](https://a16z.com/2020/05/26/investing-insitro/)和[诊断](https://a16z.com/2017/03/01/going-deeper-into-freenome/)到[医疗保健交付](https://a16z.com/2021/07/12/investing-in-bayesian-health/)和[后勤功能](https://a16z.com/2021/02/09/administration-healthcare-back-office-innovation/)的各个方面。（关于在生物学中应用AI的讨论经常出现的问题或挑战，我在[此处](https://a16z.com/2018/02/28/black-box-problem-ai-healthcare/)解决了医疗保健中AI的“黑箱”问题；并在[此处](https://a16z.com/2021/06/15/ai-is-too-dumb-for-now-2/)解决了我们获取智能[与“愚蠢”]AI的需求问题。）[heading4]但现在，我们正处于一个革命的起点，AI正在使生物制药和医疗保健产业化，并且它被应用到从药物设计和诊

笔记：与AI+教育前辈聊天

昨天跟一位“AI+教育”行业的前辈，聊了下“学习AI”相关的问题，下面是一些小的结论：1、学习是反人性的，所以通常只有功利导向的“学习”，才会带来强烈的付费意愿。比如，在真实的K12买课场景中，很多家长根本不在乎孩子「能力」是否提升，他们更在乎老师能不能押对考试的题目，直接让孩子多拿「分数」。2、“突破性新技术+垂直行业知识”的组合，一般能为学习者带来更高的投入产出比。拿程序员举例，如果单纯看996的新闻，还以为中国程序员早已供大于求了。但在很多很大的行业里，懂该行业知识的程序员缺口大的不得了，很多时候只能找高潜应届生从头开始培养。典型的有，银行嗷嗷缺金融科技人才，车企嗷嗷缺智能网联人才，智能制造行业嗷嗷缺数字化转型技术人才。3、放在AI领域，则意味着「让AI工程师懂行业，让行业专家懂AI」，这个学习的投入产出比可以做到很高。但前提是，一定要找到AI在该行业的高价值应用场景。找到之后，AI工程师会发现，如果说自己的技术在那个领域创造的价值是西瓜，那么在手头的这个领域创造的价值可能就只是芝麻，孰轻孰重，他会知道怎么选；行业专家也会发现，在他的专业领域，很多事情的效率可以提升10倍以上，他不仅有机会真正做到“一个人就是一支队伍”，还可以为组织为行业复制出无数个「能达到80%水平的自己」。4、现阶段，之所以「AI口嗨者众，AI实干家寡」，最主要的原因是没有能带来足够正反馈的高价值应用场景。

Others are asking
aigc降重
AIGC 降重相关知识如下： AIGC（AIGenerated Content）是指具有文本、图片、音频、视频等内容生成能力的模型及相关技术。生成式 AI 能够赋能诸多领域，如语言文本生成利用马尔科夫链、RNN、LSTMs 和 Transformer 等模型生成文本，图像生成依赖于 GANs、VAEs 和 Stable Diffusion 等技术，音视频生成利用扩散模型、GANs 和 Video Diffusion 等。 AIGC 应用可能引发多种风险，包括内生风险（算法的不可解释性和不可问责性，代码开源可能带来的安全和伦理担忧）、数据隐私问题（数据泄露、匿名化不足、未经授权的数据共享等）和知识产权风险（作品侵权、不当竞争等）。 相关法律和规定对 AIGC 的透明性、数据收集和处理、知识产权归属等提出了要求。在应用中，需重伦理道德，不得生成煽动颠覆国家政权、推翻社会主义制度，危害国家安全和利益、损害国家形象，煽动分裂国家、破坏国家统一和社会稳定，宣扬恐怖主义、极端主义，不得宣扬民族仇恨、民族歧视，暴力、淫秽色情，以及虚假有害信息等法律、行政法规禁止的内容。GenAI 工具和 AIGC 提供者应注意在算法设计、训练数据选择、模型生成和优化、提供服务等过程中，采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视。 目前，我国对 AIGC 的监管框架由《网络安全法》《数据安全法》及《个人信息保护法》构成，并与《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）》等形成了共同监管的形势。
2025-04-08
普通人想学习AI自动化，make和coze哪个更推荐一点
对于普通人学习 AI 自动化，Make 和 Coze 哪个更适合的问题，以下是一些相关信息供您参考： Make 对于编程小白比较友好，其思考过程较长，有助于学习，但不太适合专业选手，因为思考过程较慢，可能会让人有点不耐烦。Make 具有国内版优势，包括深度理解中国开发场景和技术生态、完全免费、无需翻墙、流畅稳定，还具备完整的 IDE 功能（代码编写、项目管理、插件管理、源代码管理等）。您可以通过进行尝试。 Coze 是一款 AI Agent 的衍生产品，其价值在于可以跟进当前 AI Agent 工具的发展情况，发现商业化机会，还能用于做产品 Demo。在学习新知识如 RAG 时，可以先通过 Claude 了解细节概念，再通过 Coze 搭建 Demo 进行实践。在学习 RAG 过程中，还可以利用 Coze 的知识库能力创建如产品资料问答机器人等 Bot。 总的来说，如果您是编程小白，Make 可能更适合；如果您希望跟进 AI 工具发展并进行实践操作，Coze 可能更符合您的需求。但最终的选择还需根据您的具体学习目标和个人偏好来决定。
2025-04-08
ai论文程序员是什么岗位
在现行法律体系框架下，AI 论文中关于程序员在著作权归属方面存在以下情况： 程序员不是编写 AI 代码所生成内容的著作权归属主体。虽然构建 AI 模型耗费了程序员大量脑力劳动，但他们只是代码的创作主体，其权利可通过计算机软件著作权进行保护。 以 Stable Diffusion 生成的图片为例，程序员对最终产出的图像没有创作的主观意愿，不能成为图片的创作主体。
2025-04-08
AI写商品标题及详情
以下是关于用 AI 写商品标题及详情的相关内容： 使用 AI 完成商品标题及详情的撰写，可以采取以下多种方式和步骤： 1. 市场分析：利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，快速识别受欢迎的产品、价格区间、销量等关键信息。 2. 关键词优化：AI 能够分析和推荐高流量、高转化的关键词，用于优化产品标题和描述，提升搜索排名和可见度。 3. 产品页面设计：借助 AI 设计工具，根据市场趋势和用户偏好自动生成吸引人的产品页面布局。 4. 内容生成：利用 AI 文案工具撰写有说服力的产品描述和营销文案，提高转化率。 5. 图像识别和优化：通过 AI 图像识别技术选择或生成高质量的产品图片，更好地展示产品特点。 6. 价格策略：AI 可以分析不同价格点对销量的影响，协助制定有竞争力的价格策略。 7. 客户反馈分析：分析客户评价和反馈，了解客户需求，优化产品和服务。 8. 个性化推荐：根据用户的购买历史和偏好提供个性化的产品推荐，增加销售额。 9. 聊天机器人：AI 驱动的聊天机器人提供 24/7 的客户服务，解答疑问，提高客户满意度。 10. 营销活动分析：分析不同营销活动的效果，了解哪些活动更能吸引顾客并产生销售。 11. 库存管理：帮助预测需求，优化库存管理，减少积压和缺货情况。 12. 支付和交易优化：分析不同的支付方式对交易成功率的影响，优化支付流程。 13. 社交媒体营销：在社交媒体上找到目标客户群体，通过精准营销提高品牌知名度。 14. 直播和视频营销：分析观众行为，优化直播和视频内容，提高观众参与度和转化率。 此外，在智能导购方面，有以下 100 个创意方向中的部分相关内容： 1. AI 生成商品描述：基于产品图自动生成吸引人的文案。 2. 智能包装推荐：根据商品类型推荐环保包装方案。 在工作流方面，狭义工作流解决单一环节或任务的自动化，步骤数量较少（3 5 步），逻辑结构线性无分支，自动化程度低，管理难度容易，适用于基本通知、简单任务的自动化等场景。广义工作流涵盖整个业务流程的自动化，步骤数量较多（10 步以上），逻辑结构多分支且复杂，自动化程度高，管理难度大，适用于企业级流程自动化、复杂任务协调等场景。例如在电商领域，狭义的工作流可以是自动改写商品标题或详情，广义的则是从商品发布、上架到客服、发货全流程的自动化管理。
2025-04-08
可灵AI近期有哪些重大更新
快手 AI 产品“可灵”近期的重大更新如下： 1. 今年 6 月，凭借“让老照片动起来”、“让照片中的人拥抱”等热点在互联网爆火，以高质量视频效果、低价格和良心免费额度获好评。 2. 9 月更新了 1.5 模型能力，使视频的画面表现力、提示词理解能力、画面清晰度大幅提升，位列视频生成产品第一梯队。 1.0 模型生成一次视频消耗 10 灵感值，1.5 模型消耗 35 灵感值。 免费用户每日免费享 66 灵感值，付费用户享有 1.5 模型、去水印、高清晰度视频生成、视频延长能力、大师运镜、AI 生图画质增强能力。 增加了运动笔刷控制。 1.5 模型在画面表现力、提示词理解能力上有大幅提升，改善了此前将相机运动描述当作实物生成的问题，但视频中文本内容生成仍有待改进。 3. 移动端 APP 为快影，网页版访问地址为：https://klingai.kuaishou.com/ ，使用指南：https://docs.qingque.cn/d/home/eZQDKi7uTmtUr3iXnALzw6vxpsection=h.j6c40npi1fan 。 4. 传统 txt2vid、img2vid 以外，还支持首尾帧控制、延长视频、对口型能力。txt2vid 模式下支持运镜控制，普通用户可使用水平/垂直运镜、推进/拉远、垂直/水平摇镜；另有四种大师运镜仅付费用户可用。
2025-04-08
在ai context中，token和word的区别是？
在 AI 领域中，Token 和 Word 有以下区别： 定义和范围：Token 通常是大语言模型处理文本数据时的一个单元，在不同语境下，可能代表一个字、一个词、一个句子、标点、词根、前缀等，更加灵活。而 Word 一般指能够表达一定意义的独立单位，如单词。 语言处理：在英文中，一个 Word 通常是一个词或标点符号。在一些汉语处理系统中，一个 Word 可能是一个字或一个词。而 Token 在不同的语言模型和处理系统中，对应的范围和形式有所不同。 作用和意义：Token 不仅是文本数据的单位，还可能携带丰富的语义、句法等信息，在模型中有着对应的向量表示。Word 主要用于传达相对明确和完整的意义。 计算和收费：大模型的收费计算方法以及对输入输出长度的限制，通常是以 Token 为单位计量的。 例如，在处理“ I’m happy ”这句话时，“I”、“’m”、“happy”可能被视为 Token，而“I’m happy”整体可看作一个 Word 。
2025-04-08
现阶段AI应用软件有哪些好用的
以下是一些好用的现阶段 AI 应用软件： AI 摄影参数调整助手：使用图像识别、数据分析技术，常见于摄影 APP 中，能根据场景自动调整摄影参数，市场规模达数亿美元。 AI 音乐情感分析平台：运用机器学习、音频处理技术，有音乐情感分析软件，可分析音乐的情感表达，市场规模达数亿美元。 AI 家居智能照明系统：基于物联网技术、机器学习，如小米智能照明系统，实现家居照明的智能化控制，市场规模达数十亿美元。 AI 金融风险预警平台：采用数据分析、机器学习技术，有金融风险预警软件，能提前预警金融风险，市场规模达数十亿美元。 AI 旅游路线优化平台：借助数据分析、自然语言处理技术，如马蜂窝路线优化功能，可根据用户需求优化旅游路线，市场规模达数亿美元。 AI 儿童安全座椅推荐系统：通过数据分析、机器学习，如宝宝树安全座椅推荐，为家长推荐合适的儿童安全座椅，市场规模达数亿美元。 AI 汽车保养套餐推荐系统：利用数据分析、机器学习，如途虎养车保养推荐，根据车辆情况推荐保养套餐，市场规模达数十亿美元。 AI 物流快递柜管理系统：基于数据分析、物联网技术，如丰巢快递柜管理系统，优化快递柜使用效率，市场规模达数十亿美元。 AI 招聘面试模拟平台：运用自然语言处理、机器学习，如智联招聘面试模拟功能，帮助求职者进行面试模拟，市场规模达数亿美元。 AI 房地产装修设计平台：借助图像生成、机器学习，如酷家乐装修设计软件，为用户提供装修设计方案，市场规模达数十亿美元。 AI 游戏道具推荐系统：通过数据分析、机器学习，如游戏内商城推荐功能，根据玩家需求推荐游戏道具，市场规模达数亿美元。 AI 天气预报分时服务：采用数据分析、机器学习技术，如彩云天气分时预报，提供精准的分时天气预报，市场规模达数亿美元。 AI 医疗病历分析平台：利用数据分析、自然语言处理，如医渡云病历分析系统，分析医疗病历，辅助诊断，市场规模达数十亿美元。 AI 会议发言总结工具：借助自然语言处理、机器学习，如讯飞听见会议总结功能，自动总结会议发言内容，市场规模达数亿美元。 AI 书法作品临摹辅助工具：通过图像识别、数据分析，如书法临摹软件，帮助书法爱好者进行临摹，市场规模达数亿美元。
2025-03-03
现阶段AI应用有哪些
现阶段 AI 应用主要包括以下方面： 1. AI 视频生成： 专业创作者（艺术家、影视人等）：能够为作品赋予独特风格和想象力，提供灵感，降低后期制作门槛和成本，目前主要集中在音乐 MV、短篇电影、动漫等方向。 自媒体、非专业创作者：解决视频剪辑痛点，如快速生成脚本分镜、视频，将文章高效转 PPT 再转视频，解决同一素材在不同平台分发的成本问题。 企业客户：为小企业、非盈利机构大幅缩减视频制作成本。 2. 交通领域： 自动驾驶：提高交通安全性和效率。 交通管理：优化交通信号灯和交通流量，缓解交通拥堵。 物流和配送：优化物流路线和配送计划，降低运输成本。 无人机送货：将货物快速送达偏远地区。 3. 其他领域： 教育：提供个性化学习体验。 农业：分析农田数据，提高农作物产量和质量。 娱乐：开发虚拟现实和增强现实体验。 能源：优化能源使用，提高能源效率。 此外，从使用场景来看，还包括改善大模型产品的使用体验、助力用户工作流、细分场景独立实用工具、AI 社区、Chatbot 等方向；从产品形态上来看，分为插件、辅助现有产品能力、深度结合 LLM 能力的独立网站&应用、AI 社区等。目前产品大多分布在 PC 端。
2025-03-03
现阶段最智能的AI工具是哪一款？
现阶段很难确切地指出哪一款 AI 工具是最智能的，因为这取决于不同的应用场景和需求。以下为您介绍一些表现出色的 AI 工具： Unity 推出的两款 AI 工具： Copliot 工具：可通过与 Muse Chat 聊天快速启动创建游戏项目，如生成塔防类游戏基础框架、创建人物角色动作，还能协助编码和熟悉工程环境。 Unity Sentis：能在 Unity 运行时为游戏或应用程序嵌入 AI 模型，增强玩法和功能，是首个将 AI 模型嵌入实时 3D 引擎的跨平台解决方案。 基于 2022 年 9 月至 2023 年 8 月访问量的 10 个最佳人工智能工具： ChatGPT：访问量达 146 亿次，在美国使用率最高，男性用户占比较大，多用于写作和内容创作、教育和常识等方面。 Character AI QuillBot Midjourney Hugging Face Google Bard NovelAI CapCut JanitorAI Civitai 不同类型的 AI 工具在不同领域各有优势，例如聊天机器人在流量份额上占比较大，而图像生成器、视频生成器、语音和音乐工具等也在各自领域表现出色。您可以根据具体需求选择适合的工具。
2025-02-21
在现阶段的GPT发展下，与AI交流提示词还重要吗
在现阶段的 GPT 发展下，与 AI 交流的提示词仍然非常重要。以下是一些原因： 1. 目标明确：对于 GPT 及其他 AI 来说，明确每一步的目标至关重要。只有给予清晰的指导，AI 才能产生相关且有价值的输出。 2. 逻辑性：在各种提示策略中，逻辑性都是关键。清晰、结构化的提示有助于 AI 更有效地生成输出。 3. 分步骤：无论是进行深度分析还是遵循特定结构，确保提示按照清晰的步骤进行极为重要。 4. 考虑变量：这在某些提示策略中尤其重要，需要考虑可能影响结果的所有因素。 例如，在运用 CoD 将文章做摘要的实验中，个人观点认为以英文提示词最后加上中文输出的方式效果较好，并且密度等级 4 的结果较让人满意。同时，LangGPT 框架的出现也表明随着新一代模型的发布，提示词的重要性日益凸显，其编写过程逐渐成为一种编程语言。但也有人认为框架在协助的同时也有限制，提示词带来的收益并非如宣传所说，其重要性会朝两极分化。
2025-01-07
现阶段应对ai诈骗研究进展
现阶段应对 AI 诈骗的研究进展主要包括以下方面： 拜登签署的 AI 行政命令要求开发最强大 AI 系统的开发者与美国政府分享安全测试结果等关键信息。对于可能对国家安全、经济安全、公共卫生和安全构成严重风险的基础模型，开发公司在训练模型时必须通知联邦政府，并分享所有红队安全测试的结果。商务部将为内容认证和水印制定指导方针，以清晰标记 AI 生成的内容，联邦机构将使用这些工具让美国人容易知晓从政府收到的通信是真实的，并为私营部门和世界各国政府树立榜样。 OpenAI 提出通过“指令层次结构”修复“忽略所有先前指令”攻击的方法，并已在 GPT40 Mini 中部署。Anthropic 在多重越狱方面的工作表明了“警告防御”的潜力，在前面和后面添加警告文本以警示模型。Gray Swan AI 的安全专家试用“断路器”，专注于重新映射有害表示。LLM 测试初创公司 Haize Labs 与 Hugging Face 合作创建了首个红队抵抗组织基准，Scale 根据私人评估推出了自己的稳健性排行榜。 除了常见的越狱攻击，还存在更隐蔽的攻击，如伯克利和麻省理工学院的研究人员创建的看似无害的数据集，会训练模型响应编码请求产生有害输出。
2024-12-02
ai诈骗现阶段研究进展及其成果
目前关于 AI 诈骗的研究进展及成果的相关内容较少。但在 AI 领域，以下方面的研究成果可能对理解 AI 诈骗有所帮助： 神经网络研究：自 2010 年左右，大型公共数据集的出现推动了神经网络的发展。2012 年卷积神经网络用于图像分类，错误率大幅下降。2015 年微软研究院的 ResNet 架构达到人类水平准确率。此后，神经网络在图像分类、对话语音识别、自动化机器翻译、图像描述等任务中表现成功。 AI 幻觉应对：研究人员开发多种技术手段应对，如进行数据“体检”，包括数据清洗去除错误信息、补充缺失数据等，以及数据增强为模型提供更多丰富训练数据。 政策方面：拜登签署的 AI 行政命令中，要求最强大的 AI 系统开发者与美国政府分享安全测试结果等关键信息，制定确保 AI 系统安全可靠的标准、工具和测试，建立相关安全委员会，应对 AI 对关键基础设施的威胁，制定防范利用 AI 制造危险生物材料的新标准，建立检测 AI 生成内容和认证官方内容的标准及最佳实践以防范 AI 导致的欺诈和欺骗。
2024-12-02