5月份AI产品流量趋势

对于 Python 基础一般的人，想要用 AI 写出厉害的程序，可以按照以下步骤进行： 1. 配置环境：不建议新手自己配置环境，可使用现成的在线平台，如 Google Colab。访问其网站（https://colab.research.google.com）并新建一个笔记本即可。如果无法访问 Google Colab，也可以尝试国产替代，如阿里云的天池 Notebook（https://tianchi.aliyun.com/notebookai）、腾讯的 Cloud Studio（https://ide.cloud.tencent.com/）等，通过搜索“在线 IDE”或者“在线 Jupyter”还能获取更多类似产品。 2. 完成一个 Python 程序： 任务：输出“大聪明最帅”。 Python 的重要语法：print，然后点运行（快捷键：Ctrl/⌘+Enter）。 3. 当用 AI 编写类型转换的代码时，注意以下提问范式： 向 AI 提供代码节点中的范例，新进入代码节点的 IDE 中所看到的那些代码（从 async def 到 return 的内容）。 说清楚输入变量与输出变量的类型。 说明与工作流中匹配或想要的变量名称，以减少二次修改。 列出输入变量的具体书写形式，若复杂不会写，可在前一个节点后接一个“文本处理”节点，选择字符串拼接，输入选择前一个节点输出中所需的那个变量，拼接内容写{{String1}}就行，然后试运行，展开该节点的运行结果，复制最终输出中“output:”后面的内容即可，如果内容太长，提问时可省略不重要的具体内容，保留书写形式。 说清楚代码要实现的功能，若功能复杂，尽量将运行逻辑说清楚，描述中尽量用变量名称来指代所涉及到的各个变量。给出的提问范式为：。关键步骤请附上注释。

AI 智能体在多个领域有着广泛的应用和发展： 1. 在品牌卖点提炼中，AI 智能体可以成为引导型的助手，帮助我们在寻找卖点的过程中提供更多思考维度。但在搭建智能体之前，需要明确其能力边界，例如 AI 对公司的主要产品、产品解决的用户需求、产品独特之处、获得的认可、依赖的核心渠道、核心购买人群、使用过的营销手段、在新渠道的期望结果等方面了解程度接近于 0。AI 真正的能力在于通过分析数据和信息进行逻辑推理、快速处理和分析数据并提取有价值的信息和模式、拥有大量训练数据并能输出更全面的相关信息、理解用户提供的内容并按正确结构梳理有效输出内容。 2. 宝玉日报 3 月 13 日的相关内容中提到了关于 AI 智能体的推荐阅读，如《真正的 AI 智能体即将到来：告别死板提示词，迎接自主规划时代！》，介绍了 LLM 智能体不再靠提示词，而是具备自主规划与行动能力，DeepResearch 与 Claude Sonnet 3.7 正在用强化学习推动智能体时代。 3. 在企业自动化方面，生成式 AI 应用有搜索、合成和生成等核心用例。Menlo Ventures 投资的公司在这些类别中有早期突破性的代表，其中心是 LLMs 的少样本推理能力。借助多步逻辑、外部内存以及访问第三方工具和 API 等新型构建块，下一波智能体正在拓展 AI 能力的边界，实现端到端流程自动化。在深入探讨人工智能体领域时，将概述 Menlo 对新兴市场的论点，包括定义智能体以及追溯现代人工智能技术栈的架构演化过程，并探讨这一范式转变对应用和基础设施层面的影响。

如果您想开发硬件接入 Coze 智能体，以下是一些相关信息： 在服务器设置方面，对于 chatgptonwechat（简称 CoW）项目，可点击“Docker”中的“编排模板”中的“添加”按钮。备注说明版可借用“程序员安仔”封装的代码。将编译好的内容复制进来，在“容器编排”中“添加容器编排”，选择在“编排模板”里创建的“coze2openai”，若无法正常启动，可查看文档后面的“常见问题”。 关于计划，包括弄共学、做网页连接 Coze 等，涉及网页、小程序、App、桌面应用、浏览器插件等方面，还提到了硬件相关的工作安排。 在入门 Coze 工作流方面，首先要明确任务目标与执行形式，包括详细描述期望获得的输出内容（如文本、图像、音频等形式的数据，以及具体格式和结构、质量标准），预估任务的可行性，确定任务的执行形式。例如对于一篇文章，可参照特定框架进行微调，评估任务可行性，结合使用习惯确定预期的执行形式。

以下是新手学习 AI 的路径： 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。 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，包括图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 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。 在知识库提供了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。 通过与这些 AI 产品的对话，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。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是新手学习 AI 的入门建议： 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。 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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 知识库提供了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，了解其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，还有以下入门相关内容： 入门指南：强化学习 原文地址：https://mp.weixin.qq.com/s/pOO0llKRKL1HKG8uz_Nm0A 作者在未学过机器学习、对 AI 一窍不通的情况下开启学习之旅，学习前先明确目的，如本文以搞懂 DQN 算法作为入门强化学习的目标，并给出学习计划。 写给不会代码的你：20 分钟上手 Python+AI 在深入学习 AI 时，编程可能会带来困难，此教程旨在让大家更快掌握 Python 和 AI 的相互调用，并在 20 分钟内完成简单程序、爬虫应用抓取公众号文章、为公众号文章生成概述等任务。 介绍了 Python 像哆拉 A 梦，拥有标准库，还可通过 pip 工具和 GitHub 平台获取更多资源。 OpenAI 通过 ChatGPT 提供开箱即用的服务，通过 OpenAI API 提供更加灵活的服务，可通过代码调用完成更多自动化任务。

AI 在人力资源工作中可以发挥以下作用： 1. 招聘与选拔：利用 AI 进行简历筛选、人才匹配和面试评估，提高招聘效率和准确性。 2. 员工培训与发展：通过个性化的学习路径推荐、在线培训课程和培训效果评估，优化员工的培训体验和效果。 3. 绩效管理：借助数据分析来评估员工绩效，提供更客观的绩效评估结果。 4. 员工关系管理：预测员工离职风险，及时采取措施改善员工满意度和忠诚度。 以下是一些好用的 AI 智能体： 1. （用于客户服务和支持）。 2. （用于软件开发）。 3. （用于财务后勤）。 需要注意的是，智能体和工作流有所不同。智能体是特定任务的“助手”，用于局部执行任务，擅长做具体、重复性的任务，如客服聊天、推荐商品、处理订单等，但只能按照预先设定的规则和任务做事，遇到超出范围的情况可能无法应对。工作流则是一个“计划”或“路线图”，指导整个任务的流程，更灵活，能够适应变化，可处理一个完整的过程，涵盖所有步骤和环节。在业务中，通常需要的是工作流而非单个智能体，因为整个业务流程设计至关重要。

以下是 2025 年 Q1 部分 AI 产品的流量趋势情况： |排名|产品|市场|分类|网址|访问量（万）|环比变化| |||||||| |1|deepseek|国内|聊天机器人|chat.deepseek.com|22541|20.4093| |A4+1|Vidu.cn|国内|视频生成|vidu.cn|13|14.776| |A5+1|deepseek 开放平台|国内|开发工具|platform.deepseek.com|1093|10.0697| |A6+1|Height Copilot|海外||height.app|118|8.0517| |A7+1|Choppity|海外||choppity.com|12|2.4443| |A8+1|DreamFace|出海||dreamfaceapp.com|93|2.402| |A9+1|SHORT AI|出海|视频生成|short.ai|11|2.3054| |A10+1|Pikzels|海外|图片生成|pikzels.com|33|2.1555| |A11+1|turbolearn ai|海外||turbolearn.ai|182|2.155| |A12+1|Gumloop|海外|智能体|gumloop.com|38|1.9783| |A13+1|Trickle|海外||trickle.so|13|1.9764| |A89+1|TARS|海外||hellotars.com|17|0.3887| |A90+1|Resume Worded|海外|简历生成|resumeworded.com|236|0.3871| |A91+1|DiffusionBee|海外||diffusionbee.com|11|0.385| |A92+1|Clay 2.0|海外|营销工具|clay.com|92|0.3827| |A93+1|Transkriptor|海外|会议助手|transkriptor.com|503|0.3762| |A94+1|Instantly|海外|销售|instantly.ai|238|0.3721| |A95+1|Sana Labs|海外||sanalabs.com|18|0.3628| |A96+1|即梦 AI|国内|图片生成|jimeng.jianying.com|283|0.3566| |A97+1|Cody|海外|代码助手|meetcody.ai|17|0.3559| |A98+1|ContentBot AI|海外||contentbot.ai|10|0.3559| |A99+1|Gling AI|海外||gling.ai|22|0.3476| |A78+1|KLING AI|出海|视频生成|klingai.com|1704|0.4457| |A79+1|HIVE|海外|研究工具|thehive.ai|10|0.4403| |A80+1|N8n|海外|开发工具|n8n.io|263|0.4309| |A81+1|YouLearn|海外||youlearn.ai|245|0.4304| |A82+1|Cockatoo|海外|会议助手|cockatoo.com|29|0.4111| |A83+1|Leo AI|海外||iamleo.ai|11|0.4071| |A84+1|PhotoAI|海外|形象生成|photoai.me|13|0.4045| |A85+1|MidReal|出海|小说生成|midreal.ai|75|0.4023| |A86+1|liteLLM|海外||litellm.ai|25|0.3927| |A87+1|11x.ai|海外|销售|11x.ai|33|0.392| |A88+1|MediSearch|海外||medisearch.io|23|0.3905|

以下是一些关于开始做出海 AI 工具站及通过 SEO 获取流量的参考信息： 从相关的月度榜单来看，出海的 AI 工具站有 DocsBot AI、bolt、AISEO、Aime、makeugc、HireQuotient、Chai、MaxAI.me 等，它们涵盖了客户支持、代码助手、SEO 工具、情感陪伴、个人助理等不同分类。这些工具站在海外市场有一定的访问量和流量增速。 在摊位信息中，也有一些与出海 AI 工具站及 SEO 相关的内容，比如“Google seo 与 AI 结合”“AI 训练 to b，出应用，智能体 agent，文生图生视频都涉及”等。 您在开始做出海 AI 工具站时，可以参考成功的案例，明确工具站的定位和目标用户群体，注重产品的特色和创新。在 SEO 方面，需要关注关键词优化、内容质量、网站结构等方面，以提高在搜索引擎中的排名，获取更多流量。

以下是对您需求的调研分析： 一、市场分析 目前，AI 领域发展迅速，AI 导航网站作为获取相关信息和资源的入口，具有较大的市场潜力。随着人们对 AI 技术的关注度不断提高，对于便捷、高效的 AI 资源导航需求也在增加。 二、竞品分析 暂未获取到直接关于 AI 导航网站的竞品详细信息。 三、用户分析 用户可能包括对 AI 技术感兴趣的个人、开发者、研究人员、企业等。他们希望通过导航网站快速找到所需的 AI 工具、资源、案例等。 四、产品规划 1. 提供全面、准确的 AI 网站分类和链接，涵盖工具、研究成果、应用案例等。 2. 设立用户评价和推荐系统，帮助用户筛选优质资源。 3. 提供个性化推荐功能，根据用户的浏览历史和偏好推送相关内容。 五、团队人员需求 1. 技术人员：负责网站的开发和维护，如前端开发、后端开发等。 2. 内容编辑：收集、整理和更新 AI 网站信息。 3. 运营人员：负责推广、用户互动和数据分析。 六、资源需求 1. 服务器和带宽资源，以保证网站的稳定运行和快速响应。 2. 数据采集和更新的工具和技术。 七、风险点 1. 市场竞争激烈，可能面临已有成熟竞品的压力。 2. AI 技术发展迅速，需要及时更新网站内容，以保持竞争力。 3. 可能存在版权和法律合规方面的风险。 4. 用户获取和留存的挑战，需要提供优质的服务和用户体验。

以下是 AI 对您从事私域培训及创业解决获客问题可能提供的帮助： 1. 生成爆款内容：借助 AI 分析能力挖掘同品类爆款，利用 AI 工具生成电商商品图、小红书图文内容、种草短视频等，吸引潜在客户。 2. 公域阵地场景：依托视频号、抖音、小红书、公众号等平台，通过矩阵号和 IP 号的搭建，以及短视频、直播等方式获取 leads，背后涉及矩阵号工具、内容抓取分析、脚本创作、AI 剪辑、自动回复评论、无人直播工具等。 3. 私域阵地场景：在朋友圈、小红书、社群、个人 IP 方面，利用销售企微 SCRM 工具、企业智能体进行 AI 内容抓取和自动回复，实现获客转化。 此外，为您提供一些相关的近期安排和团队信息： 1. 近期安排： 商会公开课：时间暂定 2.22 日，线上直播（小鹅通/腾讯会议），主题为《AI 获客》。 重庆区域公开课：时间暂定 2.9 日，线上直播（小鹅通/腾讯会议），主题为《Deepseek 引发的商业思考》。 民营经济大讲堂：时间与讲师团商量调整，线下付费方式。 省商会公开课：时间待定，线上直播（小鹅通/腾讯会议），主题为《AI 获客》。 SaaS 平台企业公开课：时间待定，线上直播（小鹅通/腾讯会议），主题待定。 杭州市城投线下培训：时间 2 月底，针对城投内部线下培训。 2. 北京分队介绍： wb：运营一个私域资源（包括 AI）的讨论群，关注 AI 前沿动态。 祖海：在杭州，有 400 位编导和操盘手资源，做个人 IP 咨询和陪跑，以及 Ai 数字人获客。 宇竹：在多个赛道有丰富的 IP 操盘经验。 U：业余配音演员、业余歌手，擅长音频剪辑，也可简单视频剪辑。 萝卜：生图生视频剪辑均可，剪辑方面有从业经验。 李先森：星动 AI 联合创始人，致力于 AI 教育培训和 AI 商业应用。

以下是关于您作为视频博主测试视频流量以及利用 AI 辅助完成高质量视频脚本的相关内容： 测试视频流量： 目前没有直接针对测试视频流量是否会好的特定方法，但您可以通过以下方式进行预估和分析： 1. 参考同类热门视频的数据和特点，了解大致的流量表现范围。 2. 观察视频发布初期的点击量、播放时长、点赞、评论、分享等数据的增长趋势。 利用 AI 辅助完成高质量视频脚本： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。您可以把想写的选题告诉 ChatGPT，数十秒时间它就能生成一条完整的视频脚本，包括具体场景和转场画面。虽然在创意上可能不够出色，但对于非专业人士入手视频创作有一定帮助。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。您还可以让 ChatGPT 为您在海量背景音乐中筛选适合视频情绪的 BGM。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。

目前在态势感知和流量分析方面，较为知名的 AI 开源项目相对较少。但您可以通过以下途径去寻找和发现相关的开源项目： 1. 在开源代码托管平台如 GitHub 上，使用相关的关键词进行搜索。 2. 关注相关的技术论坛和社区，了解其他开发者的分享和推荐。 由于这方面的特定开源项目有限，建议您持续关注行业动态，以便及时获取新的信息。

以下是关于 AI 硬件与软件市场趋势的相关信息： 定见咨询发布的《人工智能行业 AI 硬件全景洞察报告：下一波 AI 创新机遇在物理空间》指出，AI 硬件将经历传统硬件+AI、AI 驱动型硬件到 AI 作为基础设施的三个阶段，深圳凭借产业集群优势成为全球 AI 硬件创新的热点地区。AI 推动软硬件协同创新，硬件产品的高价值区向软件偏移，软件端价值交付从订阅模式转向服务付费。报告还分析了 AI 硬件的分类、智能化简史、市场趋势、竞争格局、细分品类市场情况，以及典型团队的创新路径与策略。 机器之心的进化/理解 AI 驱动的软件 2.0 智能革命方面，在虚拟世界中做模拟，Meta 和 Nvidia 自然不能缺席。佐治亚理工学院的计算机科学家 Dhruv Batra 及 Meta AI 团队创造了名叫 AI 栖息地（AI Habitat）虚拟世界，目标是提高模拟速度。Nvidia 的 Omniverse 平台提供支持的 NVIDIA Isaac Sim 是一款可扩展的机器人模拟器与合成数据生成工具，能提供逼真的虚拟环境和物理引擎，用于开发、测试和管理智能代理。随着参与到这个领域的公司越来越多，数据和训练的需求也会越来越大，势必会有新的适合 EAI 的基础模型诞生。ARK Invest 在他们的 Big Ideas 2022 报告中提到，到 2030 年，硬件和软件的融合可以让人工智能训练的成本以每年 60%的速度下降，AI 硬件和软件公司的市值可以以大约 50%的年化速度扩大，从 2021 年的 2.5 万亿美元剧增到 2030 年的 87 万亿美元。 在 2024 年，人工智能几乎是所有软件公司和终端客户的首要任务。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；运行在现有软件之上的 AI 工具，有机会取代现有的软件；成为劳动力的 AI 工具。我们正处于软件吞噬和增强劳动力的最初阶段。

AI 技术的发展历程和前沿技术点如下： 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：包括量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 此外，《2024 年度 AI 十大趋势报告》指出： 1. 大模型创新：架构优化加速涌现，融合迭代大势所趋。 2. Scaling Law 泛化：推理能力成皇冠明珠，倒逼计算和数据变革。 3. AGI 探索：视频生成点燃世界模型，空间智能统⼀虚拟和现实。 4. AI 应用格局：第⼀轮洗牌结束，聚焦 20 赛道 5 大场景。 5. AI 应用竞争：多领域竞速运营大于技术，AI 助手兵家必争。 6. AI 应用增长：AI+X 赋能类产品大干快上，原生 AI 爆款难求。 7. AI 产品趋势：多模态上马，Agent 席卷⼀切，高度个性化呼之欲出。 8. AI 智变千行百业：左手变革生产力，右手重塑行业生态。 9. AI 行业渗透率：数据基础决定初速度，用户需求成为加速度。 10. AI 创投：投融资马太效应明显，国家队出手频率提升。 学习路径方面： 偏向技术研究方向： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：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。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是关于最新的大模型发展趋势的相关内容： 决策模块方面：决策模块是具身智能系统的核心，早期依赖人工编程和专用算法，如今基于近端策略优化算法和 Qlearning 算法的强化学习方法在具身智能自主导航等任务中展现出更好的决策灵活性，但在复杂环境适应能力等方面仍有局限。大模型的出现极大增强了具身智能体的智能程度，提高了环境感知等能力。具身智能体的大模型发展方向是视觉语言动作模型（VLA）和视觉语言导航模型（VLN）。VLA 输入语言、图像或视频流，输出语言和动作；VLN 输入语言、图像或视频流，输出语言和移动轨迹。 应用场景方面：大模型因其强大能力在多个领域有出色表现，成为热点。包括文本生成和内容创作、聊天机器人和虚拟助手、编程和代码辅助、翻译和跨语言通信、情感分析和意见挖掘、教育和学习辅助、图像和视频生成、游戏开发和互动体验、医疗和健康咨询、法律和合规咨询等。随着技术进步和模型优化，未来可能拓展到更多领域，同时需注意隐私、安全和伦理挑战。 OpenAI 方面：OpenAI 推出新模型为行业注入强心剂，带来新活力和希望。结合其提出的通往 AGI 的分级，正在从第一级向第二级迈进，未来可能见证 AI 从生成工具向智能体转变。

以下是为您找到的关于大模型发展趋势的最新材料： 基础通识课中提到了 AI 模型及相关进展，包括视频生成模型、相关论文，以及 AI 在诺奖和蛋白质研究领域的应用等。还介绍了人工智能的发展历程，从早期到如今大模型和多模态模型百花齐放的阶段。同时提到大模型由数据、算法、算力构成，算法有技术架构的迭代，数据质量对生成理想的大模型至关重要，以及针对弱智 8 的问题对大模型进行测试等相关内容。 2023 年度中文大模型基准测评报告.pdf 中包含 2023 年国内大模型发展趋势、测评体系、方法说明、综合测评结果、SuperCLUE2.0 升级、四大维度测评分析及示例介绍、优秀模型案例介绍等内容。 2024 年历史更新（归档）中，有《探讨大模型未来：从 Scaling Law 到数据红利再到终极 Token 工厂》，探讨了大模型的未来，包括规模化法则、数据红利和 Token 工厂概念。还有《【AI 学习笔记】小白如何理解技术原理与建立框架（通俗易懂内容推荐）》《智变时代/全面理解机器智能与生成式 AI 加速的新工业革命》《文生图大模型基准测评首期榜单公布，DALLE 3 取得最高 76.94 分》等相关文章。

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。

以下是今年 3 月份 AI 领域的一些大事件： 1. Google 的 Bard 在 3 月下旬推出，虽有地域限制，但未来可期。 2. 3 月 23 日，Tome 推出了第一个基于文档的 AI 演示工具，该工具基于 GPT4，能够将文档转换成演示文稿、叙述和故事。结合 Tome 自研的渲染系统，具有流畅的生成过程和竞争力。 3. 上周五，Gamma 推出了自己的文生演示文稿工具，工作流顺畅。

以下是 9 月份 AI 技术的一些进展： 1. 9 月 AI 圈内发生了多起趣事和事件，包括 Cursor 编程软件的爆红、Runway 删除开源的 Stable Diffusion v1.5、国产 AI Bot 类产品留存率不足 1%等。 2. 众多新模型和功能接连发布，如 DeepSeek、OpenAI 和 Meta 有新的进展，以及 AI 编程工具不断竞争。 3. 行业关注度持续上升，尤其是 Cursor 的成功引发广泛讨论，显示 AI 编程工具仍在快速发展。 4. 吴恩达深入探讨了 AI 技术的最新发展和未来方向，重点关注 Agentic Workflow、模型架构、推理速度和基础设施。他介绍了 Agentic Workflow 的优势，强调 AI 能够自主回顾和修复错误，提高系统稳定性。以斯坦福大学的演示为例，AI Agent 在网络搜索失败时自动切换到维基百科，展示了其适应性。 5. 关于模型架构，吴恩达认为现有的 Transformer 模型已经表现良好，虽然新架构值得研究，但不是必需的。他强调提高快速推理和生成控制能力更为关键。 6. 推理速度被视为当前 AI 应用的主要瓶颈。吴恩达指出，显著提高推理速度（如从 25 分钟缩短到 2 分钟）将极大改善用户体验，推动 AI 应用发展。 7. 在讨论 AI 基础设施时，吴恩达认同增加训练投资可能提高模型效率的观点。他提到一些公司正在开发高效的 token 生成技术，并提出了训练和推理基础设施是否应分离的问题，暗示这可能需要新的架构支持。