微软认证AI工程师

以下是一些自动生成宣传海报的 AI 工具及相关方法： 1. 某些活动中开发的 AI 可以在提供配方的同时自动生成海报，例如鸡尾酒配方搭配生成的私人订制海报。 2. 国内的 AIGC 绘图平台，如无界 AI 可以用于快速制作海报底图并完成主题海报排版。大致流程如下： 确定海报主题后，借助 ChatGPT 等文本类 AI 工具协助完成文案。 选择想要完成的风格意向，根据文案和风格灵活调整画面布局。 使用无界 AI 输入关键词，生成并挑选一张满意的海报底图。 将上述素材进行合理排版，得到成品。排版同样可以参考 AIGC 海报成果。 3. 在无界 AI 中，还可以通过图生图的方式生成海报。首先准备一张真实照片作为样图，然后找到图生图功能，添加关键词，如果要改变画面内容，可调整相关参数和增加修饰词。

以下是一些好用的 AI 生成海报工具： 1. Canva（可画）：https://www.canva.cn/ 这是一个非常受欢迎的在线设计工具，提供大量模板和设计元素，用户通过简单拖放操作即可创建海报，其 AI 功能可帮助选择合适的颜色搭配和字体样式。 2. 稿定设计：https://www.gaoding.com/ 稿定智能设计工具采用先进的人工智能技术，自动分析和生成设计方案，稍作调整即可完成完美设计。 3. VistaCreate：https://create.vista.com/ 这是一个简单易用的设计平台，提供大量设计模板和元素，用户可使用 AI 工具创建个性化海报，其智能建议功能可帮助快速找到合适的设计元素。 4. Microsoft Designer：https://designer.microsoft.com/ 通过简单拖放界面，用户可快速创建演示文稿、社交媒体帖子等视觉内容，还集成丰富模板库和自动图像编辑功能，如智能布局和文字优化，大大简化设计流程。 另外，使用无界 AI 也可以快速生成海报。网址：https://www.wujieai.cc/ 其做图逻辑类似于 SD，优势在于国内网络即可稳定使用，有免费出图点数，支持中文关键词输入，无需额外下载风格模型，可直接取用。 用 AI 快速做一张满意的海报，大致流程如下： 1. 需求场景：例如想在社交平台发布内容时，为避免网上图片质量差、易撞图等问题，可自己制作。 2. 大致流程： 主题与文案：确定海报主题后，可借助 ChatGPT 等文本类 AI 工具协助完成文案。 风格与布局：选择想要完成的风格意向，背景不一定是空白的，可根据文案和风格灵活调整画面布局。 生成与筛选：使用无界 AI，输入关键词，生成并挑选一张满意的海报底图。 配文与排版：将上述素材进行合理排版，得到成品。排版同样可以参考 AIGC 海报成果。 在使用无界 AI 生成海报时，例如制作朋友圈 po 图，画幅比例可选择 1:1，使用皮克斯卡通模型，关键词类别可包括场景、氛围、人物、造型、情绪、道具、构图、画面等方面。

以下是关于 AI 大模型常用参数的相关内容： 1. 架构方面： Encoderonly：适用于自然语言理解任务，如分类和情感分析，代表模型是 BERT。 Encoderdecoder：结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，用例包括翻译和摘要，代表是谷歌的 T5。 Decoderonly：更擅长自然语言生成任务，众多 AI 助手采用此结构，如 ChatGPT。 2. 规模方面： 预训练数据量大，往往来自互联网上的论文、代码、公开网页等，一般用 TB 级别数据进行预训练。 参数众多，如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。参数指的是神经网络的输入权重和输出阈值的总和。假定一个神经元有 9 个输入权重和 1 个输出阈值，就有 10 个参数。当有 100 亿个这样的神经元时，就形成千亿级参数的大模型。 3. 模型部署方面： 在 LLM 中，Token 是输入的基本单元。由于大模型参数多，如 GPT2 有 1.5B 参数，每个参数用 float32 表示需 6GB 内存，更先进的模型如 LLAMA 有 65B 参数则需 260G 内存（还不考虑词汇表）。因此实际部署时会进行模型压缩。 在训练 LLM 中，CPU 与内存之间的传输速度往往是系统瓶颈，核心数反而不是大问题，减小内存使用是首要优化点。使用内存占用更小的数据类型是直接方式，如 16 位浮点数可将内存使用减倍。目前有几种相互竞争的 16 位标准，英伟达在其最新一代硬件中引入了对 bfloat16 的支持。

以下是一些常见的 AI 排版应用： 1. Grammarly：不仅是语法和拼写检查工具，还提供排版功能，可改进文档整体风格和流畅性。 2. QuillBot：AI 驱动的写作和排版工具，能改进文本清晰度和流畅性，保持原意。 3. Latex：常用于学术论文排版的软件，使用标记语言描述文档格式，有许多 AI 辅助的编辑器和插件简化排版过程。 4. PandaDoc：文档自动化平台，使用 AI 帮助创建、格式化和自动化文档生成，适合商业和技术文档。 5. Wordtune：AI 写作助手，重新表述和改进文本，使其更清晰专业，保持原始意图。 6. Overleaf：在线 Latex 编辑器，提供丰富模板和协作工具，适合学术写作和排版。 选择合适的 AI 排版工具取决于您的具体需求，如文档类型、出版标准和个人偏好。对于学术论文，Latex 和 Overleaf 是受欢迎的选择，对于一般文章和商业文档，Grammarly 和 PandaDoc 等工具可能更适用。 此外，在配图方面，AI 能够给出配图的建议。您可以让 AI 分析文章内容，给出配图建议和关键词，然后利用这些信息在免费图库中快速找到合适的无版权图片，这样不仅提高了配图效率，还能避免版权风险。

OpenAI 的 Deep Research 存在以下一些缺陷： 1. 具有滞后性，在某些信息上无法做到及时更新。 2. 存在信息混乱的问题，无法完全替代人类的深度思考。

对于新手学习 AI，以下是一份详细的学习路径指南： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 在知识库中有很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，还可以通过以下方式辅助学习： 了解 AI 相关名词解释，如 AGI、AIGC、agent、prompt 等，建议通过与 AI 对话或李继刚老师的课程来理解。 参考经典必读文章，如介绍 GPT 运作原理、Transformer 模型、扩散模型等的文章，以及软件 2.0 时代相关内容。 初学者入门推荐看 open AI 的官方 Cookbook，小琪姐做了中文精读翻译，也可查看 cloud 的相关内容。 查看历史脉络类资料，如整理的 open AI 的发展时间线和万字长文回顾等。

微软在 AI 方面进行了大量投资。 首先，微软巨额投资了 OpenAI，但 GPT4 并非微软完全自有。微软未将大部分投资的算力直接给 OpenAI 使用，且不久前完成了对 Inflection AI 的收购，准备利用其专业团队和数据集，加上自身合成数据，从头训练一个约五千亿参数规模的 MOE 模型 MAI1。 其次，微软最初向 OpenAI 出资 10 亿美元，以服务器上的计算时间作为回报，随着双方信心增强，交易规模不断扩大，目前微软已向 OpenAI 投入 130 亿美元。 此外，在 2019 年，微软投资 10 亿美元给 OpenAI 成为其最大的机构股东。

以下是微软的相关动态： 1 月 3 日： 微软研究团队利用合成数据训练 AI，减少成本和偏见，生成 100 种语言的文本数据提高训练效率，论文链接：https://arxiv.org/abs/2401.00368 ，https://x.com/xiaohuggg/status/1742473942252855795?s=20 。 微软推出 Microsoft 365 Copilot Chat 基础版支持 GPT4o，功能包括联网查询、文档处理、内容制作等；高级版支持创建 AI 代理，提升 CRM 和实时服务效率。无缝连接 Office 系列工具显著提高生产力。 。 1 月 17 日： 微软推出 Microsoft 365 Copilot Chat 基础版支持 GPT4o，功能包括联网查询、文档处理、内容制作等；高级版支持创建 AI 代理，提升 CRM 和实时服务效率。无缝连接 Office 系列工具显著提高生产力。 。 Microsoft Build 2024： 发布包括大杀器 Copilot Studio 在内的 50+项更新。 硬件层面：与英伟达、AMD 合作，推出新芯片 Cobalt 。 生态层面：与众多模型生态合作，推出 Phi3vision 多模态小模型，更新 Azure AI Studio 。 数据层面：Fabric 支持实时智能。 工具链层面：GitHub Copilot 迎来 Extension 。 应用层面：推出 Copilot Team 和 Copilot Studio 。

微软自研的大模型包括 MAI1 大模型。MAI1 大模型由 Inflection CEO Mustafa Suleyman 负责，模型规模超过 5000 亿参数，远超微软之前的开源模型，使用 Inflection 技术和数据，但独立于原有项目 Pi。来源：https://t.co/aba77GFcnD 此外，微软还在 Microsoft Build 2024 大会上发布了包括 Phi3vision 多模态小模型等相关内容。

以下是关于微软 Sora 论文的相关信息： 论文标题：Sora:A Review on Background,Technology,Limitations,and Opportunities of Large Vision Models 作者：Yixin Liu,Kai Zhang,Yuan Li,Zhiling Yan,Chujie Gao,Ruoxi Chen,Zhengqing Yuan,Yue Huang,Hanchi Sun,Jianfeng Gao,Lifang He,Lichao Sun 期刊：arXiv 发表时间：2024/02/27 数字识别码：arXiv:2402.17177 摘要：Sora 是一个文本到视频生成的人工智能模型，由 OpenAI 于 2024 年 2 月发布。该模型经过训练，可以根据文本指令生成逼真或富有想象力的场景的视频，并显示出模拟物理世界的潜力。基于公开的技术报告和逆向工程，本文全面回顾了文本到视频人工智能模型的背景、相关技术、应用、剩余挑战和未来方向。我们首先追踪索拉的发展，并研究用于构建这个“世界模拟器”的底层技术。然后，我们详细描述了索拉在从电影制作、教育到营销等多个行业的应用和潜在影响。我们讨论了广泛部署索拉需要解决的主要挑战和局限性，例如确保安全、公正的视频生成。最后，我们讨论了索拉和视频生成模型的未来发展，以及该领域的进步如何能够实现人类人工智能交互的新方式，提高视频生成的生产力和创造力。 背景：Sora 是一项重大突破，类似于 ChatGPT 在 NLP 领域的影响。Sora 是第一个能够根据人类指令生成长达一分钟视频的模型，同时保持较高的视觉质量和引人注目的视觉连贯性，从第一帧到最后一帧都具有渐进感和视觉连贯性。这是一个里程碑，对生成式 AI 的研究和发展产生了深远影响。如图 2 所示，Sora 在准确解读和执行复杂的人类指令方面表现出非凡的能力。该模型可以生成包含多个角色的详细场景，这些角色在错综复杂的背景下执行特定的动作。研究人员认为，Sora 不仅能熟练处理用户生成的文本提示，还能辨别场景中各种元素之间复杂的相互作用。此外，Sora 的进步还体现在它能够生成具有细微运动和交互描绘的扩展视频序列，克服了早期视频生成模型所特有的短片段和简单视觉渲染的限制。这种能力代表了人工智能驱动的创意工具的飞跃，使用户能够将文字叙述转换成丰富的视觉故事。总之，这些进步显示了 Sora 作为世界模拟器的潜力，它可以提供对所描绘场景的物理和背景动态的细微洞察。为了方便读者查阅视觉生成模型的最新进展，研究者在论文附录汇编了近期的代表性工作成果。 您可以通过以下链接阅读论文原文：https://arxiv.org/abs/2402.17177

考取微软AI证书的流程通常包括以下几个步骤： 1. 选择证书：确定你想要考取的微软AI证书类型，例如"Azure AI Engineer Associate"（AI102）或"Azure AI Fundamentals"（AI900）。 2. 了解考试内容：访问微软官方网站，了解所选证书的考试大纲、测试的技能点以及考试要求。 3. 学习准备：根据考试大纲，通过官方或第三方提供的教材、在线课程、实验室练习和模拟考试进行学习。 4. 获取学习资源：利用微软提供的资源或参加微软官方认证的培训课程来准备考试。 5. 注册考试：在准备好之后，在微软认证的考试平台上注册并安排考试时间。 6. 参加考试：在预定的时间和地点参加考试，考试可能包括多种题型，如单选题、多选题、判断题等。 7. 考试通过：考试合格后，你将获得微软颁发的AI证书。 8. 认证续订：某些微软认证可能需要定期续订，以保持认证的有效性。 具体步骤可能会有所变化，建议访问微软官方认证页面或相关资源获取最新信息。以下是一些微软AI证书的官方链接，你可以访问了解更多详情： 此外，根据搜索结果，还有一些博客和论坛提供了关于微软AI证书考取的经验和指南，你可以作为参考：

微软最新推出的 AIPC 可以使用GPT4o。

以下是为您整理的关于 AI 认证的相关信息： 亚马逊 AI 从业者认证：在线学习获取国际认证，现报名享 5 折优惠。通过后可获得报名费奖学金，限量 50 人。 了解&报名： 免费课程： 阿里云大模型 ACA 认证：系统体验的改进优化永远没有终点，您可以考虑学习并通过该认证，其配套的免费课程能帮助您进一步了解大模型的能力和应用场景，以及如何优化通过大模型的应用效果。

AI 应用于教育行业在评估和认证机制的改革方面存在以下问题： 1. 教育体系具有惯性，课程设置、教师资格认证、学术评价体制等均有深厚传统根基，更新和调整需要时间，资源重新配置无法一蹴而就，大规模改革提案的决策流程涉及多方利益博弈，是长期议程。 2. 现有的教育体系追求稳定性和标准化，而非灵活性和快速响应，抵制变动，本质上较为保守，与 AI 引领的教育创新所需的快速试错和持续迭代能力脱节。 3. 教育政策更新滞后，政策制定者对新兴技术理解不足，无法充分预见技术对教育的长远影响，政策调整受预算限制、法规约束和政治周期影响，过程缓慢。 4. 技术与政策的脱节体现在教师的培训和招聘上，多数教师未接受相关培训，不仅要掌握工具操作，还需了解如何与教学目标结合，当前教师培训和专业发展项目在数量和质量上与需求存在差距。 5. 现有评估和认证机制侧重于传统学习方法和结果，学校和教师受其约束，创新的教育实践难以得到认可，甚至可能因偏离既定评价标准而遭质疑。

学习 AI 相关的认证途径如下： 国家工信部、微软、讯飞等机构提供初级人工智能工程师证书。 可以通过在线教育平台（如 Coursera、edX、Udacity）上的课程按自己的节奏学习，并有机会获得证书。 同时，为了更好地学习 AI，您可以： 了解 AI 基本概念：建议阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 开始 AI 学习之旅：在「」中，您将找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 选择感兴趣的模块深入学习：AI 领域广泛（比如图像、音乐、视频等），您可以根据自己的兴趣选择特定的模块进行深入学习。掌握提示词的技巧，它上手容易且很有用。 实践和尝试：理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 体验 AI 产品：与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。

以下是一些与人工智能相关的认证信息： 1. 根据附件七，通知机构签发的认证应使用通知机构所在成员国的有关机关易于理解的语言。认证有效期方面，附件一所列人工智能系统不超过五年，附件三所列人工智能系统不超过四年。根据提供者申请，认证有效期可重新评定延长，附件二所列系统不超过一年，附件三所列系统不超过四年。若通知机构发现特定人工智能系统不再符合要求，应在考虑比例原则下，中止、撤回认证或施加限制，除非提供者在规定期限内采取纠正行动。同时应具备针对通知机构决定的申诉程序。 2. 在 H.R.6216 法案中，提到了关于人工智能的一些内容，包括咨询委员会的成员构成及职责等。 3. 在 AI 智能体方面，工具使用或函数调用通常被视为从 RAG 到主动行为的第一个半步，为现代人工智能栈增加了新的层。出现了如网页浏览、代码解释和授权+认证等流行的原语，使 LLMs 能够与外部进行交互和执行操作。Omni 的计算 AI 功能体现了这种方法。但工具使用自身不能被视为“主动性”。

软件工程师可以从以下几个方面在 AI 上获得帮助： 1. 辅助编程的 AI 工具： GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能快速提供代码建议。 通义灵码：阿里巴巴团队推出，提供多种编程相关能力。 CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，提供实时代码建议。 CodeGeeX：智谱 AI 推出的开源免费工具，基于大模型可快速生成代码。 Cody：Sourcegraph 推出，借助强大的代码语义索引和分析能力为开发者服务。 CodeFuse：蚂蚁集团支付宝团队提供的免费 AI 代码助手。 Codeium：由 AI 驱动，提供代码建议、重构提示和代码解释等帮助。 更多工具可查看：https://www.waytoagi.com/category/65 。每个工具功能和适用场景不同，可根据需求选择。 2. 生成性 AI 作为助手：模型在大量代码库上训练，在编码时给出建议，但要注意生成代码的正确性，在提高生产力的同时限制生成量以检查正确性。例如 GitHub Copilot 帮助提高了开发人员的生产力，估计增长在 2 倍或更少的范围内。 Sam Altman 的三点观察表明： 1. AI 模型的智能大致等于用于训练和运行它的资源的对数，预测这一规律的缩放定律在多个数量级上都准确。 2. 使用给定水平的人工智能的成本每 12 个月下降约 10 倍，较低价格导致使用量大幅增加。 3. 社会经济上线性提升智力的价值具有超指数性质，这一结果导致看不到指数式投资在不久将来会停止的理由。 未来可能会推出人工智能代理，如软件工程师代理人，虽然存在一些不足，但仍可能产生重大影响。生成性 AI 作为程序员助手是最早应用之一，成果出色，但相对于图像生成，生产力提升相对较小，且要注意代码正确性。

要从 0 到 1 成为 AI 工程师，您可以参考以下步骤： 1. 基础学习： 掌握计算机科学的基本概念，通过 CS50 课程和专门的 Python 资源学习 Python 编程技巧。 2. 机器学习基础： 学习基础的机器学习方法，建立扎实基础并培养处理数据的直觉。 巩固数学基础，包括微积分、线性代数和概率论。若能学习数值计算和优化则更好。 3. 深度学习技术： 选择优秀的深度学习课程，如 Yann Le Cun 的纽约大学讲座、fast.ai 或 deeplearning.ai 的深度学习专精课程深入学习。 4. MLOps 技能： 从 fullstackdeeplearning 学习 MLOps 技能。如有需要，可先通过 fullstackopen 学习软件工程的基本知识，包括 web 开发、分布式系统、DevOps 和关系数据库。 5. 专业发展： 寻找感兴趣的领域，通过构建和完善作品集来发展专业技能。可以从 Hugginface 的课程开始，深入挖掘兴趣方向，完成有趣的项目和论文并展示在 GitHub 上。 此外，您还可以关注以下资源和活动： 1. Reddit 上的 Claude Sonnet 3.5 代码编写提示词模板 V2 版本，其有详细解释和引导式思维链，包含代码审查、规划、输出、安全审查 4 个步骤。 2. 参加第二期「AI 实训营」，如“大咖带你快速上手通义灵码 AI 程序员”的共学直播，通过零基础互动练习、GitHub 部署实战等方式学习。 3. 学习 Code AI 应用开发，以证件照应用为例，了解其背景、现状和学习创建应用的过程，包括操作界面、业务逻辑和用户界面等。

软件行业质量体系工程师可以利用 AI 实现以下转变和拓展工作： 1. 需求分析师可转变为 AI 洞察翻译官，未来能利用 AI 分析海量数据以揭示隐藏的用户需求，技能需向数据分析、用户心理学和商业洞察力转型。 2. 系统架构师可转变为创新架构策略师，未来设计能适应快速变化和 AI 集成的灵活架构，技能要向前沿技术跟踪、跨学科知识整合和创新思维转型。 3. 开发工程师可转变为 AI 协作编程专家，未来与 AI 结对编程，专注于创新性和复杂逻辑的实现，技能要向 AI 工具应用、算法优化和创造性问题解决转型。 4. 测试工程师可转变为质量战略专家，未来设计高级测试策略，处理 AI 无法覆盖的边缘情况，技能要向测试策略设计、用户体验评估和风险管理转型。 5. 运维工程师可转变为系统优化专家，未来专注于系统整体优化和异常情况处理，技能要向性能调优、安全加固和智能监控系统设计转型。 6. 项目经理可转变为价值流优化专家，未来专注于价值交付和团队协作效率的提升，技能要向精益管理、跨职能团队协调和持续改进转型。 此外，AI 在生成测试用例方面具有显著优势，能自动化和智能化生成高覆盖率的测试用例，减少人工编写测试用例的时间和成本。AI 在医疗保健、金融服务、零售和电子商务、制造业、交通运输等行业也有广泛应用，例如医学影像分析、药物研发、风控和反欺诈、产品推荐、预测性维护等方面。

软件质量工程师可以利用 AI 实现以下几个方面的工作： 1. 生成测试用例：AI 能够自动化和智能化地生成高覆盖率的测试用例，从而减少人工编写测试用例的时间和成本，提高测试效率、增强测试覆盖率并发现潜在问题，提升软件质量和用户体验。 2. 转型为质量战略专家：设计高级测试策略，处理 AI 无法覆盖的边缘情况。技能转型方面，需要掌握测试策略设计、用户体验评估和风险管理。 需要注意的是，以上内容由 AI 大模型生成，请仔细甄别。

以下是为您整理的 AIGC 相关招聘信息： 猿印教育 AIGC 图像生成算法工程师/专家（北京五道口附近） 简历请发送至：stephen.wang@yyinedu.com 岗位职责： 面向 AIGC 领域，结合应用场景，开发针对性图像生成解决方案。 负责模型的部署和推理性能优化，确保模型在实际应用中的高效性和稳定性。 持续关注最新的技术发展和业界趋势，积极推动团队技术水平的提升，并将新技术应用到实际项目中。 任职要求： 计算机相关专业本科及以上学历，具备扎实的计算机基础知识。 熟练掌握 Python 语言，熟悉至少一种主流深度学习框架（TensorFlow/Pytorch 等）。 对深度学习和计算机视觉领域的基础理论和方法有深入理解，熟悉 DDPM，DDIM，Stable Diffusion 原理，了解 Dreambooth，ControlNet 等可控生成技术。 具有强烈的技术兴趣和钻研精神，具备良好的学习能力、沟通能力和团队合作精神。 数字银行 AIGC 产品经理（深圳） 请直接飞书联系@Eason 任职要求： 相信 AIGC：有过第一次用 chatgpt 时的兴奋，记得去年那个 AI 疯狂的 3 月份，熬夜看过 gpt4、copilot 的发布会，想过各种办法搞定 plus 账号，现在在翘首以盼 gpt5。 喜欢用：用过各种 AIGC 应用，如 GPT4,newbing，Kimi，Perplexity，Suno 等等。看到新的爆款产品，就会第一时间玩一玩。 能上手：可以简单的上手，不限于调用 api 做个小 demo，会写复杂的提示词，做一个简单的 RAG 应用，文生图、视频，微调模型等。 岗位职责： 构建赋能海量用户的大模型工程化产品，帮助某数字银行塑造技术领先性。 探索和设计工程化产品，来支持更快的 AI 原生应用构建（类似 Langchain，Llamaindex 等等，或者由您亲自来颠覆它们，做一个 Langxx，Llamaxx）。 在重点业务场景中深入探索大模型的应用落地，用最新的理念，做出真正能在海量金融业务场景中跑起来的应用（把类似 MetaGPT，AutoGen，Advanced RAG 真正落地，或者创造自己的 multi agent 应用）。 此外，3 月 2 日接龙中涉及 AIGC 相关人员的工作内容包括： 雯琋（Vinci）AIGC 不会编程但会鼓励编程。 AI 译文打杂文案。 AI 译然，AI 视频相关的都会一点，就是完全不会做网站。 Stanico，产品、运营、prompt。

以下是搭建能够自行识别电商直播平台中客户提出的问题并给出自然回答，且直播主播为虚拟数字人的具体步骤： 1. 选择数字人工具软件： 考虑实时驱动和非实时驱动两类。实时驱动能在直播时更改音频话术，真人可接管，标准零售价一年 4 6 万往上；非实时驱动一个月 600 元，但效果差，类似放视频的伪直播，市场价格混乱。 2. 确定数字人运营服务模式： 按直播间成交额抽佣。 3. 明确适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；适用于虚拟商品，如门票、优惠券等；店播效果较好，数据能保持跟真人一样；不适用于促销场景和服装品类。 4. 了解 AI 直播的壁垒和未来市场格局： 目前有技术门槛，如更真实的对口型、更低的响应延迟等，但长期看技术上无壁垒。 市场不会一家独大，可能 4 5 家一线效果公司，大多为二三线效果公司。 能把客户服务好、规模化扩张的公司更有价值，疯狂扩代理割韭菜的公司售后问题多。 有资源、有业务的大平台下场可能带来降维打击，如剪映若不仅提供数字人，还提供货品供应链、数据复盘分析等全环节服务，会对其他公司形成竞争压力。