ToB行业有什么关于AI Agent的应用场景

以下是关于 AI 变现的一些方式： 电商：婴儿的四维彩超 AI 预测 这是适合普通人作为副业的项目，操作简单。在孕妇妈妈孕期 22 26 周进行四维彩超检查期间，准爸爸妈妈通常很期待宝宝的模样，从而产生市场需求。在小红书、抖音等公域平台发布相关笔记会吸引咨询。操作流程为客户提供四维彩超原图，在 Midjourney 里进行垫图和特定描述词，10 分钟内出图。变现方式是在抖音、快手、视频号、小红书上发布相关内容，将客户引到私域接单，需注意平台引流要隐蔽，以免被限流或封号。 Character.ai 由 Noam Shazeer 和 Daniel De Freitas 于 2022 年 9 月创建，是一款基于 LLM 的聊天机器人网站。已预先创建许多聊天角色，用户可交流或自己创作角色，更注重人格属性，满足社交、情感等需求，还支持创建房间多人聊天。目前没有商业变现途径，公司计划“在不久的将来”推出付费订阅模式，也不排除采用广告支持模式。 写作：AI 写作变现指南 1. 项目启动：确定目标客户群体，如大学生、职场人士、自媒体从业者等，选择合适的 AI 写作工具。 2. 准备阶段：学习并实践 AI 写作技术，构建团队。 3. 商业模式构建：确定服务内容，如论文、报告、文案等写作服务，制定质量控制标准。 4. 运营与推广：在淘宝等电商平台开设店铺，建立写作培训社群，通过社交媒体和线下活动进行品牌和社群建设，与其他团队合作。 5. 项目优化与发展：持续关注 AI 技术进展，根据市场需求拓展服务和产品，收集客户反馈优化服务。

在毕业论文写作中，若要降低 AI 率，以下是一些建议和相关的 AI 工具介绍： AI 工具方面： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，助您管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，能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 技术提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于数据分析和可视化。 Knitro：用于数学建模和优化的软件，可进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，有丰富模板库和协作功能，简化论文编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 使用这些工具时，要结合自己的写作风格和需求，选择最合适的辅助工具。同时，需注意不能过度依赖 AI 生成的内容，应保持自己的思考和创作，以降低论文的 AI 率。 需提醒的是，上述内容由 AI 大模型生成，请仔细甄别。

AI 工作流是将 AI 工具引入到工作流程的各个环节中，以提高工作效率。 在说 AI 工作流之前，要先了解工作流的概念。工作流即工作流程，比如写公众号文章，可拆分为选题、列大纲写初稿、改稿、写标题、排版、发布等步骤，每个步骤都有明确的输入和产出，环环相扣。 搭建 AI 工作流有一套工作流： 1. 找到一个熟悉的工作场景，如写文章、做 PPT 等。 2. 拆解工作流程，例如写文章可拆分为选题、写稿、改稿、写标题等步骤。 3. 针对每个步骤嵌入工具，可参考他人经验，灵活选择最优解，目的是提高工作效率，而非增加工作的含 AI 量。 搭建 AI 工作流需要三层能力： 1. 了解各种 AI 工具，知晓其特点和用途。 2. 学会写提示词，以便向 AI 清晰表述任务。 3. 搭建 AI 智能体，使多个 AI 工具协同工作，自动完成任务。

以下是上一周 AI 的一些新进展： 应用形态的重构方面，AI Agent 取得突破，为机器人赋予自主行动能力，AI 编程工具的进展或预示人机协作模式的变革。 2 月，OpenAI 发布视频生成模型 Sora，实现高质量文本生成视频，开创 AI 视频生成新纪元。 3 月，Suno 发布 V3 版本，AI 音乐生成进入生产力可用状态。 4 月，Meta 发布高性能开源大模型 Llama3，降低了 AI 技术的准入门槛。 5 月，GPT4 发布，RayBan 与 Meta 合作的智能眼镜销量突破百万，字节上线即梦 AI。 6 月，快手发布可灵，Apple Intelligence 发布。 9 月，OpenAI 发布 o1 预览版。 10 月，Rosetta 和 AlphaFold 算法的研发者因在蛋白质结构设计和预测中的突破性贡献获得诺贝尔化学奖，约翰·霍普菲尔德和杰弗里·辛顿因人工神经网络和深度学习的开创性贡献获诺贝尔物理学奖，Anthropic 大模型 Claude 3.5 Sonnet 获得“computer use”功能。 12 月，OpenAI 发布 o3 系列模型。 此外，还有一些关于 AI 的讨论和话题，如把 350 万条 Midjourney 提示词放进一张可视化图里，2 套权威的 AI 术语表，天工新功能的定位靠近元宇宙，NotebookLM 与 AI 播客的关系，Bob 类似于更轻巧的能选多种大模型的桌面端应用“豆包”，Monica.im 的发展，物圆 TreLoop 的情况，对 AGI 距离的讨论，Arc 浏览器的状态，李开复关于 AI 应用爆发和 AGI 的观点，李继刚的 Prompt 玩法，OpenAI 研究副总裁离职，15 岁开发者的开源项目被收购，关于 AI 编程效率的讨论等。

以下是搭建 AI 自动剪辑视频插件的详细步骤： 一、开通服务 1. 先获取搭建完成后需要用到的各种模型的 key。 首先注册火山引擎：https://volcengine.com/L/4lZ8oszvY20/ ，邀请码：KL9ZC1IF 。这个项目会使用到不少 Token，刚好火山现在还有赠送 Token 的活动，若未注册，使用此邀请码和链接注册可获得 375 万的 Token。 开通各项服务和拿到各个服务的 Key： 获取 LLM_ENDPOINT_ID、VLM_ENDPOINT_ID、CGT_ENDPOINT_ID、ARK_API_KEY 。注册后点击：控制台，进入火山方舟控制台（https://console.volcengine.com/ark/region:ark+cnbeijing/model?vendor=Bytedance&view=LIST_VIEW）。创建一个接入点，点击在线推理创建推理接入点。命名并选择 Doubaopro32k 模型。重复此步骤创建 Doubaovisionpro32k、Doubao视频生成模型这两个推理点。创建完成后，复制推理点的 ID 并对应填入相应位置。然后继续点击“API key 管理”创建一个并复制下来，这就是 ARK_API_KEY 。 获取 TOS_BUCKET 。 二、服务部署 1. 购买服务器：直接点击去购买：https://buy.cloud.tencent.com/lighthouse?blueprintType=APP_OS&blueprintOfficialId=lhbpr8j2ftq0&regionId=8&zone=apbeijing3&bundleId=bundle_rs_mc_med1_02&loginSet=AUTO&from=lhconsole 。 2. 根据以下配置购买即可。 3. 购买并付款完成后，回到服务器“控制台”。 4. 点击服务器卡片的空白处，去添加防火墙。按照如下方式添加：8887、8080 端口，点击确定即可。 5. 点击右上角的“登录”按钮，扫码验证后，看到一个命令行窗口。下边出现代码，复制的时候，注意复制全。代码已分好步骤，每次只需要复制粘贴一行，然后点击一次回车。回车后，只有最左边显示中括号对话前缀时，不要操作。若 ctrl+v 粘贴不进去，试试 shift+ctrl+v 粘贴。 6. 在命令行中，一条一条输入： echo\"8887\">/www/server/panel/data/port.pl sudo kill9$ sudo/etc/init.d/bt default 7. 保存并打开你的外网面板地址，输入账号和密码。 8. 选择已有账号登录，然后会有一个账号绑定页，这个是宝塔的账号，如有就直接登录，没有就去注册一个。注意，注册完成之后，要返回原页面登录！不要停留在宝塔的注册功能页。 9. 直接关掉推荐，来到文件。点击根目录，打开 home 文件。 10. 点击：文件目录上方的“终端”，出现下方窗口。 11. 粘贴输入：git clone https://github.com/volcengine/aiapplab.git 。 12. 然后关闭终端窗口，刷新一下会看到有一个 aiapplab 文件夹，打开文件夹找到 demohouse/chat2cartoon 文件夹，看到有一个“.env”。 13. 然后把提前准备的那些 key 和 token，对应的粘贴进去。 14. 粘贴完成之后，继续进入 backend 文件夹，然后打开“终端”输入以下命令： python3 m venv.venv source.venv/bin/activate pip install poetry==1.6.1 poetry install poetry run python index.py 15. 依次完成后，会如下图所示，看到下图到后端就启动成功了，把这个页面保持如下，不要关掉页面。保持这个终端是打开的。 16. 重新复制打开一个新的浏览器标签页面。返回上级文件夹，进入/home/aiapplab/demohouse/chat2cartoon/frontend/src/routes 。

以下是一些可以帮助您为队伍生成海报的 AI 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。 此外，如果您想制作视频海报，以下是一些工具和相关活动信息供您参考： 1. 活动：6 月 10 号端午节视频海报 玩法介绍：参赛者需根据端午节主题自由发挥，用 AI 转化成不长于 6 秒视频。 视频工具建议： 。不局限于 Dreamina、PixVerse、Runway、Pika、LiblibAI、SVD、Deforum、AnimateDiff 。 参与规则： 格式限制：投稿文件宽高比为 9:16，竖屏视频海报，不长于 8 秒。文生视频、图生视频均可。 提交的作品必须是原创，不得抄袭他人作品。 请确保内容健康、积极，符合博物馆日的主题。 不建议出现鲜血、武器、鬼怪骷髅、知名人物、18X 等不符合国家政策的内容，违规内容可能导致无法计入评选名单。 不在时间内提交的自动失去评选资格。 提交时间：6 月 10 日 18:00 前提交。 如果您想了解如何用 AI 快速做一张满意的海报，可参考以下方法： 1. 需求场景：当您想在社交平台发布内容但干巴巴的文字点赞少、网上图片质量差易撞图、相册照片不合适等情况，可考虑自己制作。 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。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

AI Agent 的具体应用场景如下： 1. 在职场办公场景中，主要应用场景包括研究总结和客户服务。 2. 个性化方面，随着用户的使用越来越了解用户习惯和想法，从而作出喜好预测。例如 Dot App 在对话中了解用户喜好，随后为用户推荐新的咖啡店。 3. 自主完成任务方面，如 Auto GPT，用户输入一个目标后，可自主执行任务、递归地开发和调试代码。 4. 多 Agent 协作方面，如斯坦福大学的 SmallVille（小镇）项目，25 个人工智能体居住在一个沙盒虚拟城镇中通过复杂的社交互动来执行他们的日常生活；Fixie AI 在收到用户请求后启动多个负责不同模块的 Agent 进行数据查询和传递，最终生成邮件内容给客户回复；博主林亦 LYi 的《AI 炒股？我开了一家员工全是 AI 的公司，自动帮我炒股》就在某种程度上实现了多 Agent 协作的能力。 5. 在企业服务方面，Brix 面向北美和欧洲企业，提供全球雇佣的 AI 驱动解决方案。通过 Hiring Agent，Brix 触达全球约 2000 万以上的人才，自动完成候选人筛选、简历分析和面试流程，帮助企业快速组建高效团队。通过 Working Agent 支持远程团队的智能化管理，为企业构建 100 至 500 人规模的全球化组织提供一站式解决方案。 6. 时来智能通过自研的 AI Agent 以及强化学习等技术，为线下餐饮服务门店提供全自动管理私域流量营销运营的解决方案。基于垂直场景数据训练的 AI 营销模型可以针对不同消费者实时生成并推送个性化的营销折扣方案，从而在优化营销成本的同时显著提升营销转化效果。 目前，AI Agent 应用大多集中在 2B 场景，面向个人消费者的产品少之又少。一方面是高度智能化的 Agent 能力需要打磨，概念落地还有较长一段距离；一方面是 AI 和娱乐消费诉求的结合还几乎没有，其主要带来的是生产方式变革和效率变革。个人消费者方向，目前只看到“私人助理”场景。

智能体（Agent）在人工智能和计算机科学领域是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，既可以是软件程序，也可以是硬件设备。 在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并辅以几个关键组成部分： 1. 规划：包括子目标和分解，将大型任务分解为更小的、可管理的子目标，以有效处理复杂任务。 2. 反思和完善：可以对过去的行为进行自我批评和自我反思，从错误中吸取教训，并针对未来的步骤进行完善，提高最终结果的质量。 3. 记忆：包含短期记忆，所有的上下文学习都是利用模型的短期记忆来学习；长期记忆，为 Agents 提供长时间保留和回忆（无限）信息的能力，通常通过利用外部向量存储和快速检索来实现。 4. 工具使用：Agents 学习调用外部 API 来获取模型权重中缺失的额外信息，包括当前信息、代码执行能力、对专有信息源的访问等。 以下是一些关于智能体 Agent 的相关目录： 1. 2. 3. 4. 5. 6. 从产品角度思考 Agent 设计： 1. Who：Agent 是谁？性格是什么？我们的 Agent 可以是一个历史新闻探索向导，其身份为历史新闻探索向导，性格知识渊博、温暖亲切、富有同情心，角色是主导新闻解析和历史背景分析。为使角色更加生动，可为 Agent 设计简短的背景故事，比如曾是一位历史学家，对世界上的重大历史事件了如指掌，充满热情，愿意分享知识。 2. 怎么写好角色个性： 角色背景和身份：编写背景故事，明确起源、经历和动机。 性格和语气：定义性格特点，如友好、幽默、严肃或神秘；确定说话方式和风格。 角色互动方式：设计对话风格，从基本问答到深入讨论。 角色技能：明确核心功能，如提供新闻解析、历史背景分析或心理分析；增加附加功能以提高吸引力和实用性。 正如《》所写：个性化定制的“虚拟伴侣”能得到用户的认可，这是因为精准地击中了许多年轻人无处可藏的孤独和焦虑，背后是年轻人渴望被理解、沟通和交流。美国心理学家 Robert Jeffrey Sternberg 提出了“爱情三角理论”，认为爱情包含“激情”“亲密”和“承诺”三个要素。激情是生理上或情绪上的唤醒，例如对某人有强烈的性或浪漫的感觉；亲密是一种相互依恋的感觉，通过相互联结带来的喜爱和相互沟通分享自己的所见所闻、喜怒哀乐来体现；承诺是决定建立长期稳定关系，融入对方生活，形成互助互惠的关系，代表着一种长相厮守的责任。

多智能体（MultiAgent）是由多个自主、独立的智能体（Agent）组成的系统。每个智能体都能感知环境、决策并执行任务，且它们之间能信息共享、任务协调与协同行动以实现整体目标。 随着大型语言模型（LLM）的出现，以 LLM 为核心构建的 Agent 系统受广泛关注。目前常见框架集中在单 Agent 场景，其核心是 LLM 与工具协同配合，可能需与用户多轮交互。而多 Agent 场景为不同 Agent 分配角色，通过协作完成复杂任务，与用户交互可能减少。 构建多 Agent 框架主要组成部分包括： 1. 环境：所有 Agent 处于同一环境，包含全局状态信息，Agent 与环境有信息交互与更新。 2. 阶段：采用 SOP 思想将复杂任务分解为多个子任务。 3. 控制器：可以是 LLM 或预先定义好的规则，负责环境在不同 Agent 和阶段间切换。 4. 记忆：因 Agent 数量增多，消息数量及每条消息的记录字段增加。 此外，吴恩达最新演讲提到四种 Agent 设计范式，Reflection 和 Tool Use 相对经典且广泛使用，Planning 和 Multiagent 较新颖有前景。Reflection 类似于 AI 自我纠错和迭代，如让 AI 写代码并自我检查修改。Tool Use 指大语言模型调用插件拓展能力。在一些场景中，Reflection 可用两个 Agent，一个写代码，一个 Debug。

以下是一些可以制作图表的 agent： Cursor：能够全自动写程序、装依赖、debug 等，为用户生成所需的图表，例如生成谷歌和亚马逊最近五年的股价对比图，以及对图片进行特定形状的处理。 E2b 团队：制作了。 共建者缱绻怡然：制作了中的 AI Agent 图谱。

以下是一些可以找到开源 AI Agent 的途径和相关信息： AutoGPT 和 BabyAGI 是最早实现让 LLM 自己做自动化多步骤推理的开源智能代理，在去年 GPT4 刚发布时风靡全球科技圈。 智谱·AI 开源了一些包含 Agent 能力的模型，如 AgentLM7B、AgentLM13B、AgentLM70B 等，相关信息和代码链接可在相应的平台获取。 Andrej 的 LLM OS 中包含了相关模块。 OpenAI 的研究主管 Lilian Weng 曾写过一篇博客《LLM Powered Autonomous Agents》介绍了 Agent 的设计框架。

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。

TOB 行业智能体的场景包括以下方面： 1. 解决大模型的局限性： 无法回答私有领域问题，如公司制度、人员信息等。 无法及时获取最新信息，如实时天气、比赛结果等。 无法准确回答专业问题，如复杂数学计算、图像生成等。 2. 提升用户体验和增强业务竞争力： 适用于有企业官网、钉钉、微信等渠道，期望为客户提供产品咨询服务的场景。 适用于缺少技术人员开发大模型问答应用的情况。 3. 典型场景： 私有领域知识问答：准备好相关知识库文件，创建私有领域知识问答应用，如公司制度、人员信息等。 个性化聊天机器人：提供长期记忆功能，集成夸克搜索和图像生成等插件，提供个性化聊天体验。 智能助手：引入 RAG 能力、长期记忆和自定义插件等功能，帮助提升工作效率，如处理邮件、撰写周报等。 4. 行业解决方案： 服务和业务助手：行业包括互联网、制造、游戏等，场景包括对客服务、对内助手、产品搜索和推荐，业务关注点包括回答准确率、数据覆盖范围，关键功能需求包括丰富的文档/多媒体/数据库支持、多数据源打通、文档 Meta 信息增强、搜索过滤、大模型召回判定。 个人助理：行业包括互联网、教育、游戏、社交等，场景包括闲聊助手、情感陪伴、学习助手，业务关注点包括回答准确率、业务数据关联性、人设契合度、多模态，关键功能需求包括 Prompt 优化、多模态数据上传、互联网搜索、音频/视频交互。 多模态文件交互和数据处理：行业包括互联网、教育、安防等，场景包括视频理解和信息抽取、作业批改，业务关注点包括成本、延迟、多场景适配度，关键功能需求包括自定义文件解析设置、视觉解析增强、企业级数据管理。 5. 具体案例： 内部业务助手：使用企业内部规章制度、部门结构、产品介绍等文档构建知识库，通过 RAG 智能体进行内部知识问答，数据多源、异构，复杂文档解析视觉增强，提供更好的文档理解。 医疗助手/法律助手/智能导购：构建领域内知识库，为普通用户提供基础的医疗/法律知识，给出准确的就医建议/法律援助建议，在相似度阈值判定的基础上，引入大模型的智能分析能力。 6. 商业化场景： 医疗健康行业：为医疗机构、医生和研究人员提供最新的医学资讯和研究成果，并通过多模态形式推送到他们常用的平台，帮助他们更好地了解行业趋势，提升医疗水平。 教育培训行业：为教育工作者和培训机构提供最新的教育资讯和课程动态，并自动生成教学报告和资料，推送到相关平台，帮助他们更好地规划教学内容和课程设计。 科技创业与孵化器：帮助科技创业公司和孵化器获取最新的科技新闻、创业报告和行业分析，并通过多模态形式推送到他们常用的平台，帮助他们更好地了解市场需求，调整创业方向。

在 ToB 营销领域，目前常见的 AI 应用主要有以下几类： 1. 智能办公：在办公垂域场景中发挥作用，比如快速总结群聊内容或会议信息，为写公文提供结构模板参考等。 2. 智能客服：通常借助 agent 实现，接入企业的 QA 知识库，回应用户信息并下达诸如取消订单、催快递之类的 action 指令。 3. AI 导购：在用户和商家之间发挥作用，依据用户问题，结合产品介绍和评论信息等，为用户推荐更准确、精准的产品。 4. 智能营销：应用于营销环节，通过 AIGC 生成话术、物料、口播等内容，有些还会融入用户的个性化元素以指导物料生成。 5. 智能人力资源：主要利用模型进行简历初筛、JD 自动生成、数据分析等工作。 此外，在 AI 产品的发展中，还呈现出从通用能力到专业化细分的趋势，如图像生成的 Midjourney、Stable Diffusion 等，视频制作的 Pika、Runway 等，音频处理的各种 AI 配音、音乐生成工具等。商业模式上也有创新尝试，如 ToB 市场的深耕，如针对内容创作者的 ReadPo 等。

以下是一些关于 AI 应用的信息： 在其他 2B 应用方面，基本是雷声大、雨点小。虽然很多公司想与 AI 沾边，但真正用起来的不多，比如“浏览器里加个 ChatGPT 快捷方式”是多数在问卷中回答“工作中使用 AI”的公司的主要做法。 目前 AI 的 2B 能力还存在不足，如最擅长的代码（如 Github Copilot）也只是“实习生水平”，且 AI 写代码的速度比人跟在后面 Debug 要快得多。 “AI 客服”这一应用在实际体验上也未达到大量取代人工客服的预期。 大语言模型（LLMs）已成为主流，生成 AI 应用目前主要集中在信息的分歧，即根据一组指令创建新内容。未来的第二波应用将更多是汇聚信息，例如通过综合可用信息向用户展示更少的内容，如 AI 驱动的知识库，能为人们节省大量时间。 未来 SynthAI 的真正价值在于帮助人们更快地做出更好的决策。例如，AI 能识别目标账户的意愿水平并给出相关建议，为销售代表节省研究潜在客户的时间。 确保合成高质量的根本性转变将是从大规模、通用模型转向利用多个模型的架构，包括更多针对特定领域和用例数据集进行微调的模型。

在ToB（企业对企业）的AI场景和实践方面，目前有许多公司正在探索和应用AI技术。以下是一些主要的应用场景和实践案例： 1. AI在CRM系统中的应用：例如Zoho中国，它将大模型技术应用于CRM系统，实现从客户记录中提取和总结关键信息、对交易提供预测分析、创建个性化电子邮件模板等功能。 2. 财务数智化服务：合思公司利用AI技术提供财务数智化服务，如智能客服、智能审批、智能分析等，例如AI审批可以全天候24小时实时响应，帮助审批人提前发现单据中的问题。 3. 数字员工的应用：实在智能公司提供数字员工解决方案，使用户能够通过简单的操作构建数字员工，大幅降低开发工具的应用门槛。 4. AI Agent的应用：AI Agent在办公场景中得到广泛应用，例如钉钉、腾讯会议、百度等公司都推出了相关的AI产品，提供智能化的支持和服务。 5. AI技术在多个领域的融合：AI技术正在与各个领域的服务模式全面融合，为ToB软件带来新的机遇和挑战。 6. 大模型的应用：大模型技术在ToB领域得到广泛应用，能够快速生成内容、智能分析数据，提高企业运营效率。 这些实践表明，AI技术在ToB领域的应用正变得越来越广泛，为企业带来了创新的工作模式和高效优势。

以下是一些日常工作中的 AI 应用场景推荐： 教师工作： 定制内容场景：可根据学生认知和水平筛选和定制课程材料。 制作课件场景：用 Markdown 语法列出大纲，生成基础课件。 教学执行：协助小组活动、设计分层教学、个性化教学、提供实时反馈、提供策略和知识支持。 学生评估：设计评估，可模仿各类考试题型，生成各种主观反馈和报告，比如写作口语批改反馈、期末学生评价。 深度学习场景：学习学生心理支持，可提供具体场景做案例分析。 专业成长：论文写作辅助、撰写材料，如工作总结、活动简报、领导发言稿、工作邮件，策划活动，如调查问卷、艺术节策划、教师活动策划，行政工作，公众号排版、排校历、排课表。 计划相关： 共学相关。 网页连接制作。 创意构思。 开发网页、小程序、App、桌面应用、浏览器插件等。 本地跑的 PC 应用，如计算器等。 算法学习： 分类问题：例如文本分类、图像识别、手写数字识别、医学诊断等。 回归问题：例如房价预测、股票价格预测等。 异常检测：识别异常值或离群点。 推荐系统：找到与用户兴趣最相似的其他用户或物品，并基于相似性进行推荐。 图像分割：识别图像中的区域，并进行图像分割。 聚类分析：用于聚类任务，尤其是当数据集中的簇不是明显的球形或高斯分布时。

在制造业中，AI 有以下一些典型应用场景： 1. 产品设计和开发：可利用 AI 生成工具（如 Adobe Firefly、Midjourney 等）根据文字描述快速生成产品的 3D 模型、渲染图、插图等设计元素，大幅提高设计效率。 2. 工艺规划和优化：结合大语言模型的自然语言处理能力，能自动生成制造工艺流程、设备选型、质量控制等方案，优化生产过程。 3. 设备维护和故障诊断：通过 AI 模型分析设备运行数据，预测设备故障，并自动生成维修建议，提高设备可靠性。 4. 供应链管理：AI 可依据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提升管理效率。 5. 客户服务：基于对话模型的 AI 客服机器人，能够自动生成个性化的客户回复，改善客户体验。 此外，制造业中的 AI 应用还包括： 1. 预测性维护：预测机器故障，避免工厂停机。 2. 质量控制：检测产品缺陷，提升产品质量。 3. 机器人自动化：控制工业机器人，提高生产效率。 4. 生产计划和供应链计划状态查询。 5. 产线预测性维保辅助。 6. 产品质量分析与溯源。

以下是关于 AI 应用赛道的相关介绍： 应用场景：涵盖医疗、制造业、金融风控、消费端个性化服务、办公、农业、能源优化、娱乐等领域。 关键技术： 1. 包括大语言模型作为中枢神经系统，记忆模块实现长期和短期记忆，以及规划能力中的目标设定、任务拆解、生成策略、执行与反馈、资源管理和多智能体协同。 2. 强化学习用于环境感知和决策调整，多模态融合涉及多种数据类型，低成本训练是考虑成本的重要因素。 智能体特征：包括自主性、交互性和适应性，如通过自我对弈和博弈不断进化，在金融风控领域利用大量数据提升准确率。 AI 技术路线：从有语言能力的 AI 到有推理能力，再到能使用工具、发明创新以及形成组织，共五级。 智能体框架类型：分为任务驱动型、多智能体协作、强化学习型、具身智能体、应用型智能体，每种类型都有代表性框架。 智能体与大模型的关系：大模型是中枢和基石，智能体是行动引擎，两者协同演进，智能体产生的数据可反哺大模型。 未来趋势：智能体可能在中小企业中更具效益，人机协作中人类成为监督角色，但存在算力成本、伦理风险、技术瓶颈等挑战。 B 端变现与创业方向： 1. B 端变现细分包括高频率和大规模的内容生产细分，如文字、视频、3D 模型、AI 智能体等，底层是需求和数据收集及训练模型，算力和能源是关键。 2. 自媒体创业：视频号等平台尚有蓝海空间，需具备内容创新和差异化，内容成本低且更新迭代快。 3. 游戏创业：个人或团队可做轻量化游戏，结合 AI 技术，满足放松和社交需求，专注垂类赛道，避免与大厂竞争。 4. 影视创业：25 年将是拐点，更多内容会采用 AI 技术，如哪吒 2 因前期规划未用 AI 技术。 5. 广告营销创业：重点是 AI 虚拟人，数字插画可走治愈类型，要明确平台用户画像和产品定位，做好次留存和引入私域。 AI 虚拟人的发展与创业机遇： 1. 创业难点：创业对创业者综合能力要求极高，找到志同道合且能力互补的战友是创业前期最难的事。 2. AI 虚拟人发展：从早期以首位为核心的宅文化虚拟偶像，到以 CG 技术和动捕语音合成技术为核心的角色，再到如今以动捕和人工智能技术为核心的服务型虚拟人，其发展历程不断演进。 3. 虚拟人产业链：包括基础层的硬件和软件研发，平台层如商汤、百度等提供工具和系统，应用层涉及影视、传媒、游戏、金融、文旅等内容变现。 4. 未来创业机遇：AI 虚拟人是未来 310 年 Web 3.0 的风口，提前布局未来有潜力的赛道，准备好迎接机遇。 相关案例和产品信息： 1. 10 月 26 日，AI 翻译和口型匹配技术在视频制作中的应用逐渐流行，公司如 Captions、HeyGen 和 Verbalate 通过 AI 生成字幕、配音和口型匹配等功能，帮助用户轻松实现视频翻译本地化。 2. 10 月 25 日，Perplexity 最新估值约为 5 亿美元，较 3 月宣布的 1.5 亿美元估值上涨 300%以上，当前的付费用户数量达到了 1.5 万人，截止本月，Perplexity 的 ARR 达到 300 万美元，最新估值约为 ARR 的 150 倍。 3. 《100 个有意思的 AI 应用》由国盛证券出品，分为基于 LLM 自然语言能力的对话、写作、阅读、分析等应用；多模态技术持续发展，图像、视频、音频、3D 等 AIGC 应用；企业级应用等。

以下是关于打造企业 AI 应用场景的相关内容： 阿里云百炼： 阿里云的大模型服务平台百炼是一站式的大模型开发及应用构建平台。开发者和业务人员都能参与大模型应用的设计和构建。通过简单的界面操作，能在 5 分钟内开发出大模型应用，或在几小时内训练出专属模型，从而将更多精力专注于应用创新。 使用场景示例： 法律合规改写：招聘平台可通过百炼工作流封装多个法律合规 Agent 判断企业端要求是否符合劳动法等，并自动改写，减少人力审核需求。 关键信息抽取&打标签：法催机构可通过百炼工作流构建并串联相关 Agent，减少律师数据整理、分析和归类工作。 智能助理&客服：教育机构可通过百炼工作流搭建首页智能助手，通过意图分类能力分发用户 Query 并回答。 AI 决策相关： 在制定企业 AI 战略时，要在提高效率、促进创新的同时规避潜在风险。企业不需要短期内进行全面伦理审查，但可优化实际操作流程，满足市场需求并保持长远发展。 明确 AI 的适用范围：企业要针对自身业务需求明确使用边界。不是所有决策都需由 AI 完成，在复杂决策场景中，AI 适合辅助角色。常见适用场景包括数据密集型工作（如市场分析、客户画像、生产优化等）、重复性任务（自动化流程、预测维护等）、有限范围内的创新（在已有数据基础上提供初步建议）。企业管理层可引入内部评估机制，每季度评估 AI 在不同业务线中的表现，并设定不同使用权限。AI 可部署在低风险、可标准化任务上，涉及品牌形象、用户隐私、产品战略等决策应由人类主导。