AI产业链

AI 本地部署和网页版主要有以下区别： 1. 出图速度：网页版出图速度快，本地部署可能相对较慢。 2. 硬件配置要求：网页版不吃本地显卡配置，本地部署对电脑配置要求较高，配置不高可能出现生成半天后爆显存导致出图失败的情况。 3. 出图质量：本地部署出图质量通常高于网页版。 4. 功能扩展性：本地部署可以自己添加插件，网页版功能相对固定。 5. 算力限制：网页版为节约算力成本，通常只支持出最高 1024×1024 左右的图，制作横板、高清等图片受限；本地部署算力限制较小。 6. 电脑使用状态：本地部署使用期间电脑基本处于宕机状态，网页版则无此问题。 例如，在图像生成方面，线上的优势在于找参考、测试模型，线下则是主要的出图工具。一些在线体验平台如哩布哩布 AI 每天有一百次生成次数，集成了最新模型；Clipdrop 每天免费 400 张图片，需排队，出图约需二三十秒。

以下是一些 AI 应用的类别： 1. AI 摄影参数调整助手：使用图像识别、数据分析技术，在摄影 APP 中实现根据场景自动调整摄影参数，市场规模达数亿美元。 2. AI 音乐情感分析平台：运用机器学习、音频处理技术，通过音乐情感分析软件分析音乐的情感表达，市场规模达数亿美元。 3. AI 家居智能照明系统：借助物联网技术、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。 4. AI 金融风险预警平台：利用数据分析、机器学习，通过金融风险预警软件提前预警金融风险，市场规模达数十亿美元。 5. AI 旅游路线优化平台：采用数据分析、自然语言处理，如马蜂窝路线优化功能根据用户需求优化旅游路线，市场规模达数亿美元。 6. AI 游戏道具推荐系统：使用数据分析、机器学习，在游戏内商城推荐功能中根据玩家需求推荐游戏道具，市场规模达数亿美元。 7. AI 天气预报分时服务：运用数据分析、机器学习，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。 8. AI 医疗病历分析平台：借助数据分析、自然语言处理，通过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。 9. AI 会议发言总结工具：利用自然语言处理、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。 10. AI 书法作品临摹辅助工具：采用图像识别、数据分析，在书法临摹软件中帮助书法爱好者进行临摹，市场规模达数亿美元。 11. AI 菜谱口味调整工具：运用自然语言处理、数据分析，如下厨房口味调整功能根据用户反馈调整菜谱口味，市场规模达数亿美元。 12. AI 语言学习纠错平台：借助自然语言处理、机器学习，如英语流利说纠错功能帮助语言学习者纠正错误，市场规模达数十亿美元。 13. AI 电影剧情分析系统：利用数据分析、自然语言处理，如豆瓣电影剧情分析工具分析电影剧情，提供深度解读，市场规模达数亿美元。 14. AI 办公文件分类系统：采用数据分析、机器学习，如腾讯文档分类功能自动分类办公文件，方便管理，市场规模达数亿美元。 15. AI 美容护肤方案定制平台：借助图像识别、数据分析，如美丽修行定制方案功能根据用户肤质定制护肤方案，市场规模达数亿美元。

以下是一些可以生成五分钟以上视频的 AI 工具： 1. GoogleAI 视频 Veo2： 功能点： 能够生成具有高度真实感和物理规律的视频。 对拍摄风格、角度、运动等的语义理解极佳。 能够对运动物体进行超级稳定的多轮材质变化。 能够直接输出 4K 视频。 优势： 高真实质感，让人难以区分真实拍摄和 AI 生成。 遵循视频中的物理规律和现实世界一致。 在特效变换中表现出极高的稳定性。 在 Google 的评测中，多数情况下取得了最优结果。 体验无需长时间排队等待。 2. Sora（由 OpenAI 开发）：能够生成长达 1 分钟以上的视频，能根据文字指令创造出逼真且充满想象力的场景，视频中的人物和背景具有较高的一致性和稳定性。 3. 其他工具： 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。 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。 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。 Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 更多的文生视频的网站可以查看：https://www.waytoagi.com/category/38 。请注意，内容由 AI 大模型生成，请仔细甄别。

以下是一些可以生成五分钟以上视频的 AI 工具： 1. GoogleAI 视频 Veo2： 能够生成具有高度真实感和物理规律的视频，对拍摄风格、角度、运动等的语义理解极佳。 可以对运动物体进行超级稳定的多轮材质变化，能够直接输出 4K 视频。 具有高真实质感，遵循物理规律，稳定性强，在评测中多数情况下取得最优结果，且体验无需长时间排队等待。 2. Pika：是一款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。 3. SVD：如果熟悉 Stable Diffusion，可以安装这款最新的插件，在图片基础上直接生成视频，由 Stability AI 开源。 4. 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。 5. Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 6. Sora（OpenAI）：能够根据文字指令创造出逼真且充满想象力的场景，生成长达 1 分钟的超长视频，一镜到底，视频中的人物和场景具有较高的一致性和稳定性。 更多的文生视频的网站可以查看： 需注意，内容由 AI 大模型生成，请仔细甄别。

以下为一些免费的视频生成 AI 工具： 1. Runway： 网页：https://runwayml.com/ 注册零门槛：在右上角 Sign Up 注册，输入邮箱与基础信息，完成邮箱验证即可。 选择 Try For Free 模式，新注册用户有 125 个积分进行免费创作（约为 100s 的基础 AI）。 生成第一个视频步骤： 选择左侧工具栏“生成视频”。 选择“文字/图片生成视频”。 将图片拖入框内。 选择一个动画系数。 点击生成 4 秒视频。 下载视频。 2. 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。 3. ETNA（国内）：https://etna.7volcanoes.com/ ，是一款由七火山科技开发的文生视频 AI 模型，可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。支持中文，时空理解。 4. 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、视频生视频除尺寸不可选外，其他跟文生视频基本相同，默认生成 3s 的视频。 5. 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，图生视频除不可运镜控制外，其他跟文生视频基本相同，默认生成 5s 的视频。

目前没有绝对意义上“最好”的视频生成 AI，以下为您推荐一些出色的视频生成 AI 工具，它们适用于不同的使用场景和需求，您可以根据自身情况选择： 1. Pika：被网友评价为目前全球最好用的文本生成视频 AI，擅长动画制作，并支持视频编辑。功能包括直接发送指令或上传图片生成 3 秒动态视频，目前内测免费。生成服务托管在 discord 中，加入 Pika Labs 的 Discord 频道，在“generate”子区输入指令或上传图片即可生成视频。 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 。 内容由 AI 大模型生成，请仔细甄别。

以下是 2024 年美国融资金额超过 1 亿美元的部分 AI 产业链上市公司（截止 2024.10.15）： |项目名称|融资时间|融资金额（亿美元）|轮次|估值（亿美元）|主营|产业链标签|话题标签|投资方|其他信息| ||||||||||| |Augment|20240424|2.27|B|10|AI 编码辅助|应用|编程|Lightspeed Venture Partners, Index Ventures, Sutter Hill Ventures| |Cognition|20240424|1.75||20|端到端软件 Agents|应用|编程|Founders Fund, Ramp 联合创始人 Eric Glyman, Stripe 联合创始人 Patrick 和 John Collison, DoorDash 联合创始人 Tony Xu| |Xaira Therapeutics|20240423|10|A||AI 药物研发|应用|医学|Foresite Capital, ARCH Venture Partners| |Cyera|20240409|3|C|14|AI 数据安全平台|应用|数据|Coatue, Sequoia, Redpoint, Accel| |Celestial AI|20240327|1.75|C||用于 AI 存储和计算的光互连技术平台|基础设施|芯片、硬件和云平台|Thomas Tull 美国创新技术基金, M Ventures, 淡马锡, Tyche Partners| |FundGuard|20240325|1|C|4|AI 投资会计系统|应用|金融|Key1Capital, Hamilton Lane, Blumberg Capital, Team8| |Codeium|20240829|1.5|C|12|AI 编码平台|应用|编程|General Catalyst, Kleiner Perkins, Greenoaks| |Groq|20240805|6.4|D|30|AI 芯片|基础设施|芯片|贝莱德, Type One Ventures, Verdure Capital Management, Neuberger Berman| |DevRev|202408|1|A|11|AI 支持代理|应用|企业服务|Khosla Ventures, Mayfield, Param Hansa Values| |Abnormal Security|202408|2.5||50|电子邮件安全|应用|数据|Wellington Management, Menlo Ventures, Greylock, Insight Partners| |Harvey|20240723|1|C|15|法律科技|应用|法律|Google Ventures, OpenAI, Kleiner Perkins, Sequoia| |Skild AI|20240709|3|A|15|机器人技术|应用|机器人|Lightspeed Venture Partners, Coatue, Bezos Expeditions, Sequoia, Menlo Ventures, General Catalyst| |Hebbia|20240708|1.3||7|生成式 AI 搜索|应用|企业服务|Andreessen Horowitz, Peter Thiel, Index Ventures, Google Ventures| |Zephyr AI|20240313|1.11|A||AI 药物发现和精准医疗|应用|医学|Revolution Growth, 礼来公司基金会, EPIQ Capital Group, Jeff Skoll| |Together AI|20240313|1.06|A|12|AI 基础设施和开源生成|模型|硬件和云平台|Salesforce Ventures, NEA, Kleiner Perkins, Lux Capital| |Glean|20240227|2.03|D|22|AI 驱动企业搜索|应用|企业服务|Lightspeed Venture Partners, Kleiner Perkins, Sequoia, Databricks Ventures| |Figure|20240224|6.75|B|27|AI 机器人|应用|机器人|Nvidia, OpenAI, 微软| |Abridge|20240223|1.5|C|8.5|AI 医疗对话转录|应用|医学|Redpoint, Lightspeed Venture Partners, USV, IVP, Spark Capital| |Recogni|20240220|1.02|C||AI 接口解决方案|基础设施|芯片|GreatPoint Ventures, Celesta Capital, Pledge Ventures, Mayfield, DNS Capital| 信息来源：Techcrunch

AI 产业链大致可分为上游的基础设施层（数据与算力）、中游的技术层（模型与算法）、下游的应用层（应用与分发）。 在基础设施层，布局投入的确定性最强，但入行资源门槛较高，涉及海量资金投入，未来更多由“国家队”承担重任，普通人可考虑“合作生态”的切入机会。 技术层当前处于技术爆炸时刻，迭代速度极快。对于规模不大的团队或个人，需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。 应用层是一片广阔蓝海，当前针对行业/细分领域的成熟应用产品不多，“杀手级”应用更是稀少，对于普通个体和小团队，强烈推荐重点布局，拥有巨大发展空间。 据 SensorTower 统计，2024 全年全球 AI 移动应用内付费收入预计为 30 亿美元，图像和视频类 AI 应用占据主导，对话机器人类别排名第二。北美和欧洲是主要消费市场，这是中国 AI 公司积极出海的重要原因。 美国红杉资本指出，AI 供应链分为六层，各层盈利能力不同。芯片代工厂和芯片设计商是主要赢家，云厂商是供应链核心承载方，处于重金投入阶段，是整个供应链的“链主”，AI 模型开发商目前面临亏损，应用服务商市场规模有限。行业格局方面，头部阵营基本稳定。

人工智能产业链包括以下四个部分： 1. 基础层：主要涵盖算力、算法和数据。算力为人工智能的运行提供计算能力支持；算法是实现人工智能功能的核心逻辑；数据则是训练和优化模型的基础。 2. 框架层：指用于模型开发的深度学习框架和工具，有助于提高模型开发的效率和质量。 3. 模型层：主要是大模型等技术和产品，是实现各种人工智能应用的关键。 4. 应用层：将人工智能技术应用于行业场景，如医疗保健、工业生产、金融服务等领域。 近年来，我国人工智能产业发展迅速，在技术创新、产品创造和行业应用方面都取得了显著成果，形成了庞大的市场规模。同时，以大模型为代表的新技术不断迭代，产业呈现出创新技术群体突破、行业应用融合发展、国际合作深度协同等新特点，但也亟需完善人工智能产业标准体系。 以下是一些关于 AI 训练模型的相关信息： |排名|产品名|分类|6 月访问量（万 Visit）|相对 5 月变化| |||||| |1|prolific.com|AI 训练模型|1818|0.075| |2|Appen|AI 训练模型|357|0.223| |3|ai.google|AI 训练模型|248|0.139| |4|Llama 2|AI 训练模型|222|0.475| |5|火山方舟|AI 训练模型|190|0.526| |6|Roboflow|AI 训练模型|129|0.189| |7|魔搭社区阿里达摩院|AI 训练模型|107|0.103| |8|Lightning AI|AI 训练模型|92|0.308| |9|scale AI|AI 训练模型|47.6|0.025| |10|modular|AI 训练模型|33|0.276| 此外，AI 正在使生物制药和医疗保健产业化，被应用于从药物设计、诊断到医疗保健交付和后勤功能的各个方面。

人工智能产业链通常包括以下四个部分： 1. 基础层：主要涵盖算力、算法和数据。算力为人工智能的运行提供计算能力支持；算法是实现人工智能功能的核心方法；数据则是训练和优化模型的基础。 2. 框架层：指用于模型开发的深度学习框架和工具，有助于提高模型开发的效率和质量。 3. 模型层：主要包括大模型等技术和产品，是人工智能实现各种应用的关键。 4. 应用层：指人工智能技术在行业场景的应用，应用场景横向划分主要分为 ToC（面向消费者）和 ToB（面向企业）。ToC 端能带来的数据飞轮效应，可能是在 AI 早期决胜的关键。同时，下游提供者指集成了人工智能模型的人工智能系统，包括通用人工智能系统的提供者。 近年来，我国人工智能产业在技术创新、产品创造和行业应用等方面发展迅速，形成了庞大的市场规模。伴随以大模型为代表的新技术加速迭代，人工智能产业呈现出创新技术群体突破、行业应用融合发展、国际合作深度协同等新特点，不过也亟需完善人工智能产业标准体系。前 Google 创始人 Eric Schmidt 认为未来会是多个垂直模型或者多个垂直助理，包括各种高价值、专业化的 AI 系统，因为很多高价值、特定领域的工作流程特别且必须依赖于丰富的专有数据集。

很抱歉，目前知识库中没有您所需的关于特定产业（如手机、汽车、石油化工等）中行业传感器的完整调研分析报告和 PPT 内容。但以下为您提供一个大致的框架和思路，您可以据此进行进一步的资料收集和研究： 一、背景概况 介绍所选产业的发展现状和重要性，阐述传感器在该产业中的关键作用。 二、传感器分类 列举该产业中常见的传感器类型，如压力传感器、温度传感器、位置传感器等，并说明其特点和适用场景。 三、发展历程 回顾传感器在该产业中的发展阶段，从早期的简单传感器到如今的高精度、智能化传感器的演变过程。 四、智能传感器 着重介绍智能传感器的特点和优势，如具备自诊断、自校准、自适应等功能。 五、产业链结构 分析传感器产业链的各个环节，包括原材料供应商、传感器制造商、系统集成商、终端用户等。 六、应用领域 详细阐述传感器在该产业的具体应用领域，如生产过程监控、质量检测、设备故障诊断等。 七、发展趋势和展望 探讨未来传感器在该产业的发展趋势，如微型化、集成化、智能化、无线化等，并对其前景进行展望。 希望以上框架对您有所帮助，祝您顺利完成调研分析报告和 PPT。

以下是为您整合的关于网商银行产业链金融模型的相关信息： 在金融服务业中，生成式 AI 的应用方面：新进入者可能会先使用公开的金融数据优化模型，最终使用自身收集的数据；现有参与者如银行等可利用专有数据，但往往过于保守，这给新进入者带来竞争优势。同时，新的 AI 模型输出需尽可能准确，人类常作为最终验证环节。 企业大模型方面：会免费提供从通用大模型蒸馏出来的基础大模型，结合数据工场、知识工场和模型工场三套开发平台，以及 Agent 应用开发框架，可训练出多个场景化大模型。例如天津某银行为满足金融需求，用通用大模型训练了几个专用大模型。