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

前沿AI硬件

Answer

以下是关于前沿 AI 硬件的相关信息：

由郎瀚威 Will 发起的 GenAI 硬件榜单：

  • 定义：利用 GenAI 技术（主要是 LLM），与音频生成、翻译、视觉采集并解读相结合，以可穿戴为主逐步渗透的新品类硬件，以 Meta 雷朋眼镜为代表。
  • 本期情况：未收录较大的 GenAI 硬件如 AI PC、AI 手机，以可穿戴、AI 助理相关硬件为起点。
  • 榜单受众：GenAI 硬件创始人、投资人、从业者等。
  • 榜单标的：以北美市场的视角，销量、影响力为主。
  • 榜单初心：随着 Meta 眼镜的成功，GenAI 硬件爆发在即，每月从多角度围观这一现象，旨在给创业者提供参考。
  • 本次更新（9.19）：
    • 更新亚马逊销量、独立站流量、新品发布、融资信息，排序标准从媒体综合指数改为 Tiktok 热度。
    • 完善挂件、戒指、眼镜等分类榜数据。
  • 榜单目录：包括 GenAI 硬件北美公开销量榜、GenAI 硬件亚马逊销量榜等共 15 个重要榜单。更多榜单可文末点击“阅读原文”免费访问或直接访问飞书：https://zw73xyquvv.feishu.cn/wiki/IqcqwTDiYiKttNktBg3cg8HgnLh 。数据来源：google、tiktok、twitter、亚马逊。对于榜单内容有疑问想交流的 GenAI 硬件创始人，或者想合作转载内容的公众号博主，请加微信，或者在本文末留言。

今年很火的几款 AI native 硬件：

  • Rewind Pendant：可穿戴设备，能捕捉现实中所说和听到的内容，进行录音转录、数据加密和本地存储，保障安全性和隐私保护。https://www.rewind.ai/pendant
  • Rabbit R1：新型人工智能驱动的移动设备，通过高级语音命令简化应用程序使用，售价 199 美元，配备 360 度摄像头、触摸屏和 4G 连接。Rabbit OS 基于 Large Action Model（LAM 大动作模型），能处理自然语言并转化为可执行任务，与常见应用交互，支持语音命令执行复杂任务，未来用户可教会其执行特定任务。https://www.rabbit.tech/
Content generated by AI large model, please carefully verify (powered by aily)

References

Will's GenAI硬件榜 2024年8月

欢迎阅览由郎瀚威Will发起的GenAI硬件榜单。GenAI硬件的定义：利用了GenAI技术，主要是LLM，包括在音频生成，翻译，视觉采集并解读，和硬件结合，以可穿戴为主，逐步渗透的新品类硬件，以Meta雷朋眼镜为代表。比较大的GenAI硬件，如AI PC，AI手机本期暂未收录。本期以可穿戴，AI助理相关硬件为起点。榜单受众：GenAI硬件创始人，投资人，从业者等。榜单标的：以北美市场的视角，销量，影响力为主。榜单初心：随着Meta眼镜的成功，GenAI硬件爆发在即，本榜单每月从多角度围观这一现象。旨在给创业者提供参考。本次更新（9.19）：1）更新亚马逊销量，独立站流量，新品发布，融资信息，排序标准以媒体综合指数改为Tiktok热度2）完善挂件，戒指，眼镜等分类榜数据[heading1]GenAI硬件榜（2024年8月）[content]总共15个重要榜单，更多榜单文末点击“阅读原文”免费访问或直接访问飞书https://zw73xyquvv.feishu.cn/wiki/IqcqwTDiYiKttNktBg3cg8HgnLhhttps://zw73xyquvv.feishu.cn/wiki/IqcqwTDiYiKttNktBg3cg8HgnLh数据来源：google，tiktok，twitter，亚马逊对于榜单内容有疑问想交流的GenAI硬件创始人，或者想合作转载内容的公众号博主，请加微信，或者在本文末留言。目录：1、GenAI硬件北美公开销量榜2、GenAI硬件亚马逊销量榜

Will's GenAI硬件榜 2024年8月

欢迎阅览由郎瀚威Will发起的GenAI硬件榜单。GenAI硬件的定义：利用了GenAI技术，主要是LLM，包括在音频生成，翻译，视觉采集并解读，和硬件结合，以可穿戴为主，逐步渗透的新品类硬件，以Meta雷朋眼镜为代表。比较大的GenAI硬件，如AI PC，AI手机本期暂未收录。本期以可穿戴，AI助理相关硬件为起点。榜单受众：GenAI硬件创始人，投资人，从业者等。榜单标的：以北美市场的视角，销量，影响力为主。榜单初心：随着Meta眼镜的成功，GenAI硬件爆发在即，本榜单每月从多角度围观这一现象。旨在给创业者提供参考。本次更新（9.19）：1）更新亚马逊销量，独立站流量，新品发布，融资信息，排序标准以媒体综合指数改为Tiktok热度2）完善挂件，戒指，眼镜等分类榜数据[heading1]GenAI硬件榜（2024年8月）[content]总共15个重要榜单，更多榜单文末点击“阅读原文”免费访问或直接访问飞书https://zw73xyquvv.feishu.cn/wiki/IqcqwTDiYiKttNktBg3cg8HgnLhhttps://zw73xyquvv.feishu.cn/wiki/IqcqwTDiYiKttNktBg3cg8HgnLh数据来源：google，tiktok，twitter，亚马逊对于榜单内容有疑问想交流的GenAI硬件创始人，或者想合作转载内容的公众号博主，请加微信，或者在本文末留言。目录：1、GenAI硬件北美公开销量榜2、GenAI硬件亚马逊销量榜

质朴发言：AI Native 硬件：端侧 AI 革新将至｜Z 沙龙第 7 期

在开始之前，我们先来看看今年很火的几款AI native硬件：1、Rewind Pendant：Rewind Pendant是一款可穿戴设备，可以捕捉您在现实世界中所说和听到的内容，然后将其转录、加密并完全存储在您的手机本地。通过Pendant，Rewind成为一种个性化人工智能，真正由您所看到、所说或听到的一切提供支持。Rewind Pendant可以为你进行：录音转录、数据加密和本地存储。所有这些功能都在你的手机上完成，保障了绝对的安全性和隐私保护。我们高度重视隐私问题，为此提供了一系列功能，确保不会未经他人同意记录他们的声音。https://www.rewind.ai/pendant2、Rabbit R1：Rabbit R1是一款新型人工智能驱动的移动设备，通过高级语音命令简化了应用程序的使用。售价199美元，配备360度摄像头、触摸屏和4G连接。据其公司介绍，Rabbit OS是首个建立在Large Action Model（LAM大动作模型）上的操作系统。在AI功能层面，LAM与LLM的区别在于，可以处理自然语言并转化为可执行任务。LAM能与常见应用（如Apple Music、Uber、eBay和Amazon等）交互；支持语音命令，代表用户执行复杂任务，如制定旅行行程、订票、购物、发送信息、控制音乐、回答查询等。这个基础模型据称可以通过学习用户在使用特定应用程序时的意图和行为，来推断和建模人类在计算机界面上的操作，然后模仿和执行它们。在不久的将来，用户可以教会自己的「rabbit」执行特定任务，比如使用图片编辑软件从照片中去除水印。https://www.rabbit.tech/

Others are asking
什么是AI Agent
AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 它包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 同时，AI Agent 还需要三个 Agent： 1. Responser Agent：主 agent，用于回复用户（伪多模态）。 2. Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 3. Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 此外，心灵社会理论认为，智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。心灵社会将智能划分为多个层次，从低层次的感知和反应到高层次的规划和决策，每个层次由多个 Agent 负责。每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务，如视觉处理、语言理解、运动控制等。智能不是集中在单一的核心处理单元，而是通过多个相互关联的 Agent 共同实现。这种分布式智能能够提高系统的灵活性和鲁棒性，应对复杂和多变的环境。同时，在《心灵社会》中，明斯基还详细描述了不同类型的 Agent 及其功能，如专家 Agent、管理 Agent、学习 Agent 等。 AI Agent 是一个融合了语言学、心理学、神经学、逻辑学、社会科学、计算机科学等多个学科精髓的综合实体。它不仅拥有实体形态，更蕴含着丰富的概念形态，同时它还具备了许多人类特有的属性。因为这些学科大多以人为研究对象，致力于探索人类内在的本质。
2025-03-13
在开会时实现AI识别语音成文档
目前在开会时实现 AI 识别语音成文档的技术已经较为成熟。常见的实现方式有使用专门的语音识别软件或服务，例如科大讯飞、百度语音等。这些工具通常可以实时将会议中的语音转换为文字，并生成相应的文档。在使用时，需要确保有良好的录音设备以获取清晰的语音输入，同时要注意对识别结果进行适当的校对和修正，以提高文档的准确性。
2025-03-13
我正在找工作，需要写简历和准备面试，什么AI软件可以对我现在的情况起到辅助作用呢？
以下是一些可以在您找工作写简历和准备面试时提供辅助的 AI 软件： 1. 写简历方面： Kickresume 的 AI 简历写作器：使用 OpenAI 的 GPT4 语言模型自动生成简历，能为简历摘要、工作经验和教育等专业部分编写内容，并保持一致语调。 Rezi：受到超过 200 万用户信任的领先 AI 简历构建平台，使用先进的 AI 技术自动化创建可雇佣简历的每个方面，包括写作、编辑、格式化和优化。 Huntr 的 AI 简历构建器：提供免费的简历模板，以及 AI 生成的总结/技能/成就生成器和 AI 驱动的简历工作匹配。 更多 AI 简历产品，还可以查看这里：https://www.waytoagi.com/category/79 2. 面试准备方面： Applicant AI：人工智能面试系统，通过 AI 视频聊天快速筛选求职者，匹配招聘标准，自动推送合适候选人至下一阶段，减少人工干预，可安排面试流程，提高招聘效率。 用友大易 AI 面试产品：具有强大的技术底座、高度的场景贴合度、招聘全环节集成的解决方案、先进的防作弊技术以及严密的数据安全保障，能帮助企业完成面试，借助人岗匹配模型，自主完成初筛，并对符合企业要求的候选人自动发送面试邀约。 海纳 AI 面试：通过在线方式、无需人为干预完成自动面试、自动评估，精准度高达 98%，面试效率比人工方式提升 5 倍以上。同时候选人体验也得到改善、到面率比之前提升最高达 30%。 InterviewAI：在线平台，提供与面试职位相关的问题和由 AI 生成的推荐答案。候选人可以使用设备上的麦克风回答每个问题，每个问题最多回答三次。对于每个答案，候选人将收到评估、建议和得分。 需要注意的是，使用这些产品时，要考虑到数据安全性和隐私保护的问题。
2025-03-13
你帮我找找能够生成提示词的提示词，不要是那个ai会话的，是文本生成的
以下是一些关于生成文本生成提示词的相关信息： OpenAI API 可应用于多种自然语言、代码或图像生成任务，提供不同能力级别的模型，可微调自定义模型，模型通过将文本分解为标记（Token）来理解和处理文本。 设计提示词本质上是对模型进行“编程”，可通过提供指令或示例完成，适用于内容或代码生成、摘要、扩展、对话、创意写作、风格转换等任务。 在 OpenAI Playground 中，有可选的模型、提示词结构、温度等参数。提示词结构区分了 SYSTEM 和 USER 对话框，SYSTEM 可用于控制角色设定。温度控制生成文本的随机性，取值 0 到 2 之间，0 时结果确定无聊，过高则可能输出乱码。 关于生成提示词的工具，推荐顺序为 chatGPT 4.0、kimichat、智谱清言 4 等。对于文本纠错，可使用飞书文档自带纠错功能或通过 prompt 让大模型检查并改正。对于国产大模型，智谱和文心等可以文生图。
2025-03-13
AI、AIGC、大模型这三者之间有什么关系
AI（人工智能）是一种让机器展现智慧的目标。AIGC（人工智能生成内容）是利用人工智能技术生成包括文本、图像、音频和视频等内容的新型生产方式。大模型如大语言模型（LLM）是具有大量参数的“深度学习”模型。 生成式 AI 是一种让机器产生复杂有结构内容的目标。机器学习是让机器自动从资料中找公式的手段，深度学习是更厉害的类神经网络且有大量参数的手段。 AIGC 技术可用于多种应用，如自动撰写新闻文章、生成艺术画作等。ChatGPT 是 AIGC 技术在文本生成领域的一个应用实例，它是基于大型语言模型（LLM）的对话机器人，能根据用户输入生成连贯且相关的文本回复。 2017 年 6 月，谷歌团队发表论文《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，不依赖循环神经网络（RNN）或卷积神经网络（CNN）。
2025-03-13
帮我编程一个AI实时翻唱的软件
目前要编程一个 AI 实时翻唱的软件是一项非常复杂的任务，涉及到多个领域的知识和技术，包括语音合成、音频处理、机器学习、深度学习等。 首先，需要收集大量的原唱音频数据用于训练模型。然后，利用深度学习算法，如循环神经网络（RNN）、长短时记忆网络（LSTM）或 Transformer 架构，来学习原唱的特征和模式。 在语音合成方面，可能会用到诸如 WaveNet、Tacotron 等技术，以生成逼真的歌声。 音频处理则用于对生成的歌声进行优化和调整，例如去除噪音、增强音质等。 然而，要实现这样一个复杂的软件，需要具备深厚的编程和算法知识，以及大量的计算资源和时间来进行模型的训练和优化。
2025-03-13
现在ai最前沿的发展趋势是什么
AI 技术的发展历程和前沿趋势如下： 发展历程： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：有专家系统、知识表示、自动推理。 3. 统计学习时期（1990s 2000s）：出现机器学习算法如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等得到广泛应用。 当前前沿技术点： 1. 大模型（Large Language Models）：如 GPT、PaLM 等。 2. 多模态 AI：包括视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习：如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习：例如元学习、一次学习、提示学习等。 5. 可解释 AI：涉及模型可解释性、因果推理、符号推理等。 6. 机器人学：涵盖强化学习、运动规划、人机交互等。 7. 量子 AI：包含量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 在学习路径方面： 偏向技术研究方向： 1. 具备数学基础，如线性代数、概率论、优化理论等。 2. 掌握机器学习基础，包括监督学习、无监督学习、强化学习等。 3. 深入学习深度学习，如神经网络、卷积网络、递归网络、注意力机制等。 4. 熟悉自然语言处理，如语言模型、文本分类、机器翻译等。 5. 了解计算机视觉，如图像分类、目标检测、语义分割等。 6. 跟进前沿领域，如大模型、多模态 AI、自监督学习、小样本学习等。 7. 进行科研实践，包括论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 掌握编程基础，如 Python、C++等。 2. 熟悉机器学习基础，如监督学习、无监督学习等。 3. 熟练使用深度学习框架，如 TensorFlow、PyTorch 等。 4. 应用于自然语言处理、计算机视觉、推荐系统等领域。 5. 做好数据处理，包括数据采集、清洗、特征工程等。 6. 进行模型部署，如模型优化、模型服务等。 7. 参与行业实践，如项目实战、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，去年生成式 AI 从不引人注意走到了 AI 50 强榜单的前列。今年，随着企业用户和消费者的 AI 生产力大幅提高，其成为前沿和中心。尽管 2023 年美国的大部分 AI 风投流向了基础设施领域，应用公司仍在 AI 50 强榜单中占据主导地位。如今，许多公司正将 AI 融入其工作流程，以此来快速达成 KPI。不远的将来，我们有望看到 UX 和 UI 围绕 AI 的功能进行重新设计。
2025-03-08
前沿ai学习网站
以下是一些前沿的 AI 学习网站： 1. WaytoAGI：这是一个致力于人工智能（AI）学习的中文知识库和社区平台。为学习者提供系统全面的 AI 学习路径，覆盖从基础概念到实际应用的各个方面。它汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯。平台提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。此外，社区还定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 2. 在没有任何推广的情况下，WaytoAGI 一年时间已有超过 100 万用户和超千万次的访问量。其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，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。 3. 「通往 AGI 之路」的品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性，共同构建了一个充满活力和前瞻性的品牌形象。
2025-01-23
目前最前沿的ai服装模特app
目前较为前沿的 AI 服装模特相关的应用有： Stitch Fix 是一家服装公司，已使用 AI 向客户推荐特定服装，并正在尝试使用 DALLE 2 根据客户对颜色、面料和款式的偏好创建服装可视化。 InterAlia 可以帮助搭配服装。 在小红书上，有通过 AI 制作服装如 AI 小绿裙实现变现的案例，新手可用 mewxai 或幻火来制作，熟练者可用 sd 或 mj 制作。 此外，还有用 AI 定制萌娃头像等相关应用。
2025-01-06
AL最新前沿
以下是 AI 领域的一些最新前沿信息： 2024 年 2 月第一周： Maimo：能从任何内容中提取要点。 Jellypod：可将订阅内容变成播客。 ARTU：能汇总和总结内容。 Lepton Search：用 500 行代码构建的 AI 搜索工具。 VectorShift：AI 自动化应用构建平台。 Findr：AI 搜索您所有软件中的内容。 Recraft：AI 帮助创建平面内容和矢量标志。相关链接：，日期：2024/02/01。 2024 年 1 月第四周： 扎克伯格宣布 Meta 致力于实现 AGI，将两大 AI 研究团队 FAIR 和 GenAI 合并，并投入超 90 亿美元向英伟达采购超 34000 张 H100 显卡，预计 24 年底 Meta 的 GPU 算力达 60 万个 H100。 今年英伟达总的 H100 出货量将有 15 万张，Meta 采购量占 1/5。 Meta 正在开发名为 Llama 3 的大语言模型，以提升代码生成和逻辑推理能力。 扎克伯格推动开源的通用人工智能开发方式，这也是大家关注其进展和 Llama3 的原因。相关链接：，日期：2024/01/23。
2025-01-01
AI图生视频前沿
以下是关于 AI 图生视频前沿的相关信息： 在近半年闭源产品趋势方面： 1. 服务头部创作者方面，产品将逐渐增强编辑器能力，强化视频细节可控性，并智能化后期制作任务。 2. 影视后期方向，可将动捕演员表演转化为虚拟角色，提高特效制作效率。 3. 专业领域，创作者能通过草图分镜快速验证效果，但目前效果不够成熟。 4. 随着实时生成能力提升和成本下降，AI 实验性艺术在博物馆、展览等互动应用将增多。 5. 在 C 端大众消费侧，AI 视频在小说、网文阅读、短情景剧等内容消费方向有潜力，人物识别和替换可衍生电商平台虚拟试衣间能力。 6. 模板套用能力若以低成本开放在短视频产品中，可能带来新的爆发周期。 其他动态包括： 1. Krea 用开放的 API 做了自己的 AI 视频功能，支持对任何视频输入提示词进行延长。 2. Runway 发布 ActOne 功能，支持将现实视频的人物表情和动作迁移到生成的视频上，且已全量开放。 3. Ideogram 发布 Ideogram Canvas，可在无限画布上对生成的图片进行编辑。 4. Meta 的图像分割模型 SAM 更新了 2.1，大幅加强了相似物体和小物体的分割和识别效果。 在 2024 年国内外 AI 企业竞争方面： 1. 中国开源项目赢得全球粉丝，成为积极开源贡献者。DeepSeek 在编码任务中表现出色，阿里巴巴的 Qwen2 系列视觉能力令人印象深刻，清华大学的 OpenBMB 项目催生了 MiniCPM 项目。 2. 国外 Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，并在定制化方面进步显著。今年 3 月推出的 Stable Video 3D 可预测三维轨道。 3. OpenAI 的 Sora 能生成长达一分钟的视频，保持三维一致性等，还使用原始大小和纵横比的视觉数据训练。 4. Google DeepMind 的 Veo 将文本和可选图像提示与嘈杂压缩视频输入结合，创建并解码独特的压缩视频表示。
2024-12-26
ai视频前沿
以下是关于 AI 视频前沿的相关信息： AI 视频学社： 简介：为方便大家测试学习 AI 视频相关知识和内容而建立，可通过参与每周比赛、观看高手直播分享来快速学习，涵盖 AI 视频和影视创作领域最前沿的知识。 目标： 不定期直播，AI 视频方向高手直播分享。 每周固定 1 次 video battle 视频挑战赛，周一发布主题，周日 18 点前交稿，有奖品。 不定期组织线上或者线下活动。 一起学习 AI 视频最新软件和最新知识，学习图生视频、视频生视频等技巧。 软件教程： 每周一赛： 2024 人工智能报告： 2024 年是 AI 图像视频迅速发展的一年，赛道竞争激烈。 国内：中国开源项目赢得全球粉丝，成为积极开源贡献者。几个模型在个别子领域表现出色，如 DeepSeek 在编码任务中受青睐，阿里巴巴的 Qwen2 系列视觉能力印象深刻，清华大学的 OpenBMB 项目催生了 MiniCPM 项目。 国外：Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，还推出了 Stable Video 3D。OpenAI 的 Sora 能生成长达一分钟的视频，保持三维一致性等。Google DeepMind 的 Veo 将文本和图像提示与视频输入结合生成高分辨率视频。 AI 视频生成产品推荐及实践教学： Runway：年初在互联网爆火，由总部位于旧金山的 AI 创业公司制作，2023 年初推出的 Gen2 代表当前 AI 视频领域前沿模型，能通过文字、图片等生成 4s 左右视频，致力于专业视频剪辑领域的 AI 体验，同时扩展图片 AI 领域能力。目前支持网页、iOS 访问，网页端有 125 积分免费试用额度（可生成约 105s 视频），iOS 有 200 多，两端额度不同步。官方网站：https://runwayml.com/ Gen1 和 Gen2 的区别和使用方法：Gen1 的主要能力有视频生视频、视频风格化、故事版、遮罩等，仅支持视频生视频是与 Gen2 的最大差异。Gen1 使用流程： Gen1 能力介绍：https://research.runwayml.com/gen1 Gen1 参数设置:https://help.runwayml.com/hc/enus/articles/15161225169171 学习视频：https://youtu.be/I4OeYcYf0Sc
2024-12-26
市面上有哪些ai硬件
以下是市面上一些常见的 AI 硬件： 1. RayBan Meta 智能眼镜：由 meta 与雷朋合作推出，Tiktok 作品数约 180000 个，价格为 299 美元。 2. Vision Pro 眼镜：来自苹果公司，Tiktok 作品数约 38600 个，价格为 3999 美元。 3. cozmo 玩具机器人：由 Digital Dream Labs 制造，Tiktok 作品数约 10500 个，价格为 399 美元。 4. Lovot 玩具机器人：由 GROOVE X 生产，Tiktok 作品数约 5931 个，价格为 9000 美元。 5. Optimus 等身机器人：由特斯拉推出。 6. AI pin 挂件：由 Humane 制造，Tiktok 作品数约 1200 个，价格为 699 美元。 7. PLAUD 录音机：由机智连接生产，Tiktok 作品数约 1072 个，价格为 159 美元。 8. RabbitR1 挂件：由 Rabbit Inc 推出，Tiktok 作品数约 1048 个，价格为 199 美元。 9. Loona 玩具机器人：由可以科技制造，Tiktok 作品数约 753 个，价格为 449 美元。 10. Timekettle WT2 耳机：由 Timekettle 生产，Tiktok 作品数约 751 个，价格为 299 美元。 11. OrCam MYEYE 眼镜：由 OrCam 推出，Tiktok 作品数约 532 个，价格为 4250 美元。 这些数据来源于 google、tiktok、twitter、亚马逊等。更多榜单信息您可以访问：https://zw73xyquvv.feishu.cn/wiki/IqcqwTDiYiKttNktBg3cg8HgnLh 。对于榜单内容有疑问想交流的 GenAI 硬件创始人，或者想合作转载内容的公众号博主，请加微信，或者在本文末留言。
2025-03-12
我要做一个桌面宠物机器人，帮我设计软硬件和后台方案
以下是为您设计的桌面宠物机器人软硬件和后台方案： 硬件方面： 选择合适的主控芯片，如 esp32、stm32、AVR 等。 配置各类传感器，如触摸传感器、声音传感器、光线传感器等，以实现与用户的交互。 设计电机驱动模块，用于控制机器人的动作。 配备显示屏，用于显示表情和信息。 软件方面： 基于 FreeRTOS 开发系统，负责产品 MCU 各外设驱动撰写、架构维护。 开发与手机软件的通信、OTA 等通讯功能。 后台方面： 建立数据存储和处理系统，用于存储用户与机器人的交互数据，并进行分析和处理。 开发远程控制和更新功能，方便用户通过网络对机器人进行管理和升级。 人员配置： 嵌入式工程师： 职责： 1. 基于 FreeRTOS，负责产品 MCU 各外设驱动撰写、架构维护，配合手机软件工程师进行通信、OTA 等通讯功能开发、维护。 2. 负责硬件模块的调试。 3. 参与量产中产线测试程序、校准程序等代码开发。 要求： 1. 有主流嵌入式芯片（例如 esp32、stm32、AVR 等）开发经验。 2. 具有嵌入式软件架构经验。熟悉 FreeRTOS 等嵌入式系统。 3. 会使用示波器、烙铁、风枪等硬件调试工具，有基础的模拟电路知识。 4. 有一年以上嵌入式开发经验，其中有复杂嵌入式项目开发经验者优先。 5. 对嵌入式和硬件有浓厚兴趣，出于兴趣开发过硬件项目者优先。 产品经理： 职责： 1. 在深刻理解产品的基础上，定义和设计情感化桌面机器人的软硬件交互方式。 2. 规划项目周期，与工程师和设计师紧密配合，推进产品的功能迭代和上线。 3. 测试、优化产品的软硬件交互体验。 要求： 1. 情感细腻，热爱生活。 2. 本科及以上学历，人机交互、计算机、设计相关专业优先。 3. 对软/硬件产品的用户体验有深刻的洞察，追求极致体验，对糟糕的产品容忍度低。 4. 对设计学科与前沿科技有深刻的认知，可以与设计师和工程师无缝沟通。 5. 有项目实操经历，执行力强，擅长按计划推动项目落地。
2025-03-11
具身智能软硬件解决方案。
具身智能的软硬件解决方案包括以下方面： 算法层： 技术层级： 任务层级：可细分为任务级、技能级、动作级、基元级、伺服级，通常关注前四个级别。 解决方案层级：通常可拆分为大脑+小脑两个层级。大脑负责人机交互与规划决策，小脑负责运动控制及将语义信息理解转化为动作。 大脑侧：负责人机交互，能通过视觉在语义层面理解场景、任务等并进行决策。大模型的发展对大脑有促进作用，大脑的长期发展高度依赖多模态大模型。如 2024 年 3 月，有鹿机器人发布了基于 LPLM10B 的软硬件结合产品 Master 2000。 整机硬件方案：基于下游场景需求设计运动、感知、计算和通信硬件方案。具身智能厂商倾向于软硬件全流程自主控制，自己制作机体，原因包括机体和数据模式未统一，训练数据与机体构造紧密联系，以及考虑二级供应商是否成熟和整机利润。部分强大厂商如 Tesla 具备制作更底层电机、传感器的能力，软硬件一体化制造能带来更高利润。 智能类型：包括认知智能和物理智能。认知智能涉及思考、规划和决策能力，完全由大脑驱动；物理智能指机器人的感知和与环境的运动互动能力，感知环节由大脑侧算法实现，行动环节由小脑侧算法和硬件配合完成。 发展趋势： 人形化：外形向人类细部特征靠拢，功能具备真实人类运动、灵活和环境判断能力。 成本下降显著：核心零部件成本降低，人形机器人成本及售价呈下降趋势。 构成元素：包括大脑（意图理解、环境感知、规划决策）、小脑（运动控制、语义信息理解转化为动作）、整机硬件方案。
2025-03-07
如何在电脑硬件配置普通的情况下，用AI搭建知识库
在电脑硬件配置普通的情况下，用 AI 搭建知识库可以参考以下几种方法： 使用阿里云百炼： 1. 上传文件：在百炼控制台的中的非结构化数据页签中点击导入数据，根据引导上传相关文档。 2. 建立索引：进入，根据引导创建一个新的知识库，并选择刚才上传的文件，其他参数保持默认即可。 3. 选择向量存储类型时，如果您希望集中存储、灵活管理多个应用的向量数据，可选择 ADBPG。 4. 引用知识：完成知识库的创建后，可以返回进入到刚才创建的应用设置界面，打开知识检索增强开关、选择目标知识库，测试验证符合预期后点击发布。 使用 GPT： 要搭建基于 GPT API 的定制化知识库，涉及到给 GPT 输入（投喂）定制化的知识。但 GPT3.5，也就是当前免费版的 ChatGPT 一次交互（输入和输出）只支持最高 4096 个 Token，约等于 3000 个单词或 2300 个汉字。为了使用 GPT 的语言能力来处理大量的领域知识，OpenAI 提供了 embedding API 解决方案。参考 OpenAI embedding documents。embeddings 是一个浮点数字的向量（列表）。两个向量之间的距离衡量它们的关联性。小距离表示高关联度，大距离表示低关联度。 使用 Dify： 1. 准备数据：收集需要纳入知识库的文本数据，包括文档、表格等格式，并对数据进行清洗、分段等预处理，确保数据质量。 2. 创建数据集：在 Dify 中创建一个新的数据集，并将准备好的文档上传至该数据集，为数据集编写良好的描述。 3. 配置索引方式：Dify 提供了三种索引方式供选择，包括高质量模式、经济模式和 Q&A 分段模式，根据实际需求选择合适的索引方式。 4. 集成至应用：将创建好的数据集集成到 Dify 的对话型应用中，作为应用的上下文知识库使用，在应用设置中，可以配置数据集的使用方式。 5. 持续优化：收集用户反馈，对知识库内容和索引方式进行持续优化和迭代，定期更新知识库，增加新的内容以保持知识库的时效性。
2025-03-05
如何基于你的模型对一台工业设备（钢板划线印字装备）进行故障诊断和预测性维护，从以下几个方面进行分析 1.技术栈：数据采集与通讯，数据库，算法，前端，微服务、应用等，并进行软件选型 2.硬件选型：工业设备、边缘计算设备，软件部署硬件，分别列出性能最优和国产化替代方案 3.算法创新性：要求可发表高水平论文和申请发明专利 4.算法通用性：考虑如何通过一个通用模型经过简单配置适应不同船舶建造工业设备的故障诊断和预测性维护 5.考虑前后合理性，若以此进行招标，如何描述招标内容
以下是为您整合的相关内容： Transformer 模型和 BERT 模型： 模型训练与评估：定义模型后，传递训练数据集和验证数据集及训练时期数，训练完成后评估性能，如达到 85%准确率。 模型性能可视化：绘制准确性和随时间的损失图。 保存与加载模型：使用 model.save 方法导出并保存模型到本地路径，保存后可加载进行预测。 预测示例：对不同情感的评论句子进行预测。 部署模型到 Vertex AI：检查模型签名，上传本地保存的模型到 Google Cloud 存储桶，在 Vertex 上部署模型并获得在线预测。 提示工程： 策略：将复杂任务分解为更简单的子任务。 技巧：使用意图分类识别用户查询中最相关的指令。例如在故障排除场景中，根据客户查询分类提供具体指令，如检查路由器连接线、询问路由器型号、根据型号提供重启建议等。模型会在对话状态变化时输出特定字符串，使系统成为状态机，更好控制用户体验。 OpenAI 官方指南： 战术：将复杂任务拆分为更简单的子任务。 策略：使用意图分类来识别与用户查询最相关的指令。例如在故障排除场景中，基于客户查询分类向 GPT 模型提供具体指令。已指示模型在对话状态变化时输出特殊字符串，将系统变成状态机，通过跟踪状态等为用户体验设置护栏。
2025-02-12
大模型相关的硬件知识请介绍一下
以下是关于大模型相关硬件的知识介绍： 运行大模型需要较高的机器配置，不同类型的大模型有不同的硬件要求。 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（如果要跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 需要注意的是，最低配置可能运行速度非常慢。 大模型的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，是用户实际看到的地方。 通俗来讲，大模型就是输入大量语料，来让计算机获得类似人类的“思考”能力，使之能够理解自然语言，能够进行『文本生成』、『推理问答』、『对话』、『文档摘要』等工作。其训练和使用过程可以类比为“上学参加工作”： 1. 找学校：训练 LLM 需要大量的计算，因此 GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用什么样的算法讲述“书本”中的内容，让大模型能够更好理解 Token 之间的关系。 4. 就业指导：学完书本中的知识后，为了让大模型能够更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，下面就要正式干活了，比如进行一次翻译、问答等，在大模型里称之为推导（infer）。 在 LLM 中，Token 被视为模型处理和生成的文本单位。它们可以代表单个字符、单词、子单词，甚至更大的语言单位，具体取决于所使用的分词方法（Tokenization）。Token 是原始文本数据与 LLM 可以使用的数字表示之间的桥梁。在将输入进行分词时，会对其进行数字化，形成一个词汇表。
2025-02-11