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

总结一下最新AI动态和新闻，各种新技术和新的应用方向

Answer

以下是最新的 AI 动态和新闻，以及新技术和新的应用方向：

技术研究方向：

  • 数学基础：包括线性代数、概率论、优化理论等。
  • 机器学习基础：涵盖监督学习、无监督学习、强化学习等。
  • 深度学习：涉及神经网络、卷积网络、递归网络、注意力机制等。
  • 自然语言处理：包含语言模型、文本分类、机器翻译等。
  • 计算机视觉：有图像分类、目标检测、语义分割等。
  • 前沿领域：如大模型、多模态 AI、自监督学习、小样本学习等。
  • 科研实践：包括论文阅读、模型实现、实验设计等。

应用方向：

  • 编程基础：如 Python、C++等。
  • 机器学习基础：如监督学习、无监督学习等。
  • 深度学习框架：如 TensorFlow、PyTorch 等。
  • 应用领域：包括自然语言处理、计算机视觉、推荐系统等。
  • 数据处理：涵盖数据采集、清洗、特征工程等。
  • 模型部署：涉及模型优化、模型服务等。
  • 行业实践：包含项目实战、案例分析等。

AIGC 周刊动态：

  • 2024 年 7 月第二周：快手发布可灵网页版及大量模型更新；阶跃星辰发布多款模型；商汤打造类似 GPT-4o 的实时语音演示；GraphRAG：微软开源新型 RAG 架构。
  • 2024 年 7 月第三周：Anthropic 新增分享和后台功能；LLM 分布式训练框架 OpenDiLoCo；Odysseyml 重构 AI 视频生成技术。
  • 2024 年 7 月第四周：Open AI 发布 GPT4o-mini、Mistral 发布三个小模型，还有其他一堆小模型等。
  • 2024 年 7 月第五周：Meta 发布的 Llama3.1 405B 模型，具备 128K token 上下文窗口及对 8 种语言的改进，能与领先闭源模型竞争。评估显示其在指令遵循、代码和数学能力上表现优异。同时，还提到 AI 音乐工具 Udio 的大规模更新，以及 OpenAI 推出的 SearchGPT 搜索功能。

新手学习 AI 的方法：

  • 了解 AI 基本概念：阅读「从这里启程」部分，熟悉术语和基础概念，了解主要分支及联系，浏览入门文章。
  • 开始学习之旅：在「入门：AI 学习路径」中找到为初学者设计的课程，推荐李宏毅老师的课程，通过在线教育平台按自己节奏学习。
  • 选择感兴趣的模块深入学习：如图像、音乐、视频等，掌握提示词技巧。
  • 实践和尝试：实践巩固知识，使用各种产品创作，分享实践成果。
  • 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解工作原理和交互方式。
Content generated by AI large model, please carefully verify (powered by aily)

References

问：AI的技术历史和发展方向，目前最前沿的技术点有哪些

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[heading3]偏向应用方向[content]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。内容由AI大模型生成，请仔细甄别。

AIGC 周刊 by 歸藏

|标题|概要|图片|链接|日期|<br>|-|-|-|-|-|<br>|2024年7月第二周|1.快手发布可灵网页版及大量模型更新；<br>2.阶跃星辰发布多款模型<br>3.商汤打造类似GPT-4o的实时语音演示<br>4.GraphRAG：微软开源新型RAG架构||[AIGC Weekly #79](https://waytoagi.feishu.cn/wiki/A6TWwVPTrioyjhknjtdcjugQnHd)|2024/07/08|<br>|2024年7月第三周|1.Anthropic新增分享和后台功能<br>2.LLM分布式训练框架OpenDiLoCo<br>3.Odysseyml重构AI视频生成技术||[AIGC Weekly #80](https://waytoagi.feishu.cn/wiki/BY0DwUK3ri3W60kumZxcrC07n2c)|2024/07/15|<br>|2024年7月第四周|最近一周AIGC领域的重要动态和研究进展，主要包括：Open AI发布GPT4o-mini、Mistral发布三个小模型，还有其他一堆小模型等。||[AIGC Weekly #81](https://waytoagi.feishu.cn/wiki/RcgXws8Ghidu0zk0Zrwc3ajsnvb)|2024/07/22|<br>|2024年7月第五周|重点介绍了Meta发布的Llama3.1 405B模型，具备128K token上下文窗口及对8种语言的改进，能与领先闭源模型竞争。评估显示其在指令遵循、代码和数学能力上表现优异。同时，还提到AI音乐工具Udio的大规模更新，以及OpenAI推出的SearchGPT搜索功能。文章探讨了人工智能领域的最新动态和研究进展，强调开源AI的重要性。||[AIGC Weekly #82](https://waytoagi.feishu.cn/wiki/F6P7wiF3wiljbektL6ScgRhQnOd)|2024/07/29|

问：新手如何学习 AI？

[title]问：新手如何学习AI？了解AI基本概念：首先，建议阅读「[从这里启程](https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=blkjooAlLFNtvKJ2)」部分，熟悉AI的术语和基础概念。了解什么是人工智能，它的主要分支（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，这些文章通常会介绍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「[入门：AI学习路径](https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w)」中，你将找到一系列为初学者设计的课程。这些课程将引导你了解生成式AI等基础知识，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，你可以按照自己的节奏学习，并有机会获得证书。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），你可以根据自己的兴趣选择特定的模块进行深入学习。我建议你一定要掌握提示词的技巧，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你的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎你实践后的分享。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。通过与这些AI产品的对话，你可以获得对AI在实际应用中表现的第一手体验，并激发你对AI潜力的认识。

Others are asking
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
Ai在设备风控场景的落地
AI 在设备风控场景的落地可以从以下几个方面考虑： 法律法规方面：《促进创新的人工智能监管方法》指出，AI 的发展带来了一系列新的安全风险，如对个人、组织和关键基础设施的风险。在设备风控中，需要关注法律框架是否能充分应对 AI 带来的风险，如数据隐私、公平性等问题。 趋势研究方面：在制造业中，AI Agent 可用于生产决策、设备维护、供应链协调等。例如，在工业设备监控与预防性维护中，Agent 能通过监测传感器数据识别异常模式，提前通知检修，减少停机损失和维修成本。在生产计划、供应链管理、质量控制、协作机器人、仓储物流、产品设计、建筑工程和能源管理等方面，AI Agent 也能发挥重要作用，实现生产的无人化、决策的数据化和响应的实时化。
2025-04-20
ai视频
以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总： 4 月 11 日： Pika 上线 Pika Twists 能力，可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中，结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术，可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术，实现从单张图片快速生成超逼真的 3D 头像，在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage，通过图片生成可自由拼装 3D 场景，再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型，无缝支持各种视频生成任务（文本/图像/视频到视频）。 4 月 9 日： ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下，可生成完整的 1 分钟视频。 4 月 14 日： 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。
2025-04-20
毕业论文的ai指令总结
以下是关于毕业论文的 AI 指令的总结： 1. 可以指定 AI 模仿某位资深人士的风格，如律师的逻辑严谨和言简意赅。 2. 要求 AI 为您提供多个例子，例如针对案件给出至少三种不同的诉讼策略，并分析每种策略的优劣势。 3. 采用 PEMSSC 方法，包括个性化的风格（Personality）、给参考或一定的逻辑结构（Example Inquiry）、从多个角度思考（Multiple Angles）、总结概括（Summarize）、使用区分符号（Separator）、明确能力或者角色（Capacity and Role）。 4. 对于大多数实际应用，建议专注于经过调整的指令语言模型，使用时要给清晰的指令，如指定文本的语气、要求集中讨论的内容，甚至可以提前指定阅读的文本。 5. 可以直接要求 LLM 帮写论文，如提供个人背景信息和指令让其写大学申请论文，但要注意这种使用方式的道德问题。
2025-04-14
音频总结的AI有哪些
以下是一些关于音频总结的 AI 相关内容： 在智能纪要方面，AI 音乐创作通过输入更高级词汇与 AI 音乐对话能产生更好效果，有相关版块、挑战、分享会和教程，可加入 AI 音乐社区。数字人语音合成介绍了声音克隆技术，常用的是 JPT service。 总结类 AI 工具方面，如 BibiGPT·AI 音视频内容一键总结（https://b.jimmylv.cn/）、15 个值得一试的 YouTube 视频摘要 AI 工具（https://nealschaffer.com/youtubevideosummarizerai/）、summarize.tech:AIpowered video summaries（https://www.summarize.tech/）。 在生成式 AI 季度数据报告中，会议总结赛道可能因远程工作和在线会议普及而需求增加，Otter AI 作为领先产品保持稳定增长。其中 2023 年 4 月到 2024 年 3 月，赛道月访问总量有变化，如 2023 年 4 月约 1314.6 万，2024 年 3 月增至 2146.3 万。同时还有相关的榜单数据，如 23 年 4 月访问量 Top10 等。
2025-04-11
RAG对话 摘要总结 功能实现
LangChain 和 RAG 的结合具有以下优势： 1. 灵活性：可根据需求和数据源选择不同组件和参数定制 RAG 应用，也能使用自定义组件（需遵循接口规范）。 2. 可扩展性：能利用 LangChain 的云服务部署和运行，无需担忧资源和性能限制，还可借助分布式计算功能加速应用，发挥多个节点并行处理能力。 3. 可视化：通过 LangSmith 可视化工作流程，查看各步骤输入输出及组件性能状态，用于调试和优化，发现并解决潜在问题和瓶颈。 其应用场景多样，包括： 1. 专业问答：构建医疗、法律、金融等专业领域的问答应用，从专业数据源检索信息辅助大模型回答问题，如从医学文献中检索疾病诊治方案回答医疗问题。 2. 文本摘要：构建新闻或论文摘要应用，从多个数据源检索相关文本帮助大模型生成综合摘要，如从多个新闻网站检索同一事件报道生成全面摘要。 3. 文本生成：构建诗歌、故事生成等应用，从不同数据源检索灵感协助大模型生成更有趣和创意的文本，如从诗歌、歌词或小说中检索相关文本生成作品。 此外，还介绍了本地部署资讯问答机器人的实现方式，即基于用户问题从向量数据库检索相关段落并按阈值过滤，让模型参考上下文信息回答，还创建了网页 UI 并进行评测，对不同模型的测试表现进行了对比，得出 GPT4 表现最佳等结论，并总结了使用 Langchain 和 Ollama 技术栈在本地部署资讯问答机器人及相关要点，即上下文数据质量和大模型性能决定 RAG 系统性能上限。
2025-04-11
我现在想做一个总结我每日复盘的智能体
以下是关于创建总结每日复盘智能体的相关信息： 智普工作流功能及创建流程： 新用户资源包：新用户有 1 元及 5 元的资源包可供购买，能满足使用需求。 工作流功能：具备文章、文件、网页总结，生成图片、视频和文字版日报等功能，通过意图识别跳转节点，使用多个 agent。 工作流创建：在控制台的自动体中心，右键创建智能体，可选择对话型或文本型，对话型多用于多 agent 协作等场景，创建后在空旷画布的左下角添加节点，节点包括 agent、LM、工具、代码、数据提取、分支判断和问答等，agent 通过跳入跳出条件与其他节点交互，LM 通过工作流连线执行功能。 文档获取：文档可在 vtoagi.com 首页的 banner 获取，飞书群也可获取。 版本选择：接入微信时，有云服务器和本地电脑两种版本，可按需选择。 关于姿谱清流工作流及模型配置的讨论： 工作流节点与 agent：工作流中节点和 agent 的连接方式，agent 具有意图识别和跳出条件，可实现任务跳转，所有 agent 平级可互相跳转。 文本存储问题：姿谱清流本身无存储功能，需依靠其他笔记工具存储执行完的文本。 模型配置与调试：介绍了姿谱清流中角色扮演模型的配置方法，包括角色名称、背景、人格等设置，以及单节点调试功能和用户配置。 意图识别与冲突：意图配置冲突可能导致识别错误和乱跳，识别准确率相对较准。 多智能体的记忆：多智能体之间存在记忆，后续会讲到相关参数的使用。 在 cos 主页有新手教程文档，可据此构建智能体。工作流偏向节点调用，可通过 prompt 构建提示词并优化。还能调用多种插件，可添加图像流、触发器和知识库，知识库可上传多种格式内容及在线链接以沉淀知识。
2025-04-10
我想寻找一个AI模型，能快速读懂视频，并总结成为知识架构的应用或网站
以下为您推荐能快速读懂视频并总结成为知识架构的应用或网站： 百炼大模型平台：其影视传媒视频理解能力可对视频进行语音转写、视觉语言分析等处理并总结成文，有清晰使用步骤，可生成爆款文案，还能根据偏好调试提示词。2025 年 1 月 9 号更新的模型可通过 API 调用纹身 AI 等，Windows 用户可在左下角开始运行输入命令提示符进行本地调用，但生成过程较缓慢。 应用场景：包括商品信息图片生成淘宝上架规格参数、智能手表文案生成、社交媒体内容生成、合同提取、拍照搜题、图片转换、模特换装等。 提供 AI 硬件底层能力，AI 拍立得相机拍照可快速成诗并打印，其对接多模态能力可通过智能体应用或工作流形式的 API 调用。 开源使用：有开源地址，可下载到本地，配置阿里云百炼平台的 API key 及 appid 实现场景，运行项目需特定 Python 包和依赖，可新建应用获取 appid，拍照时需设置 API key。 此外，关于 AI 技术原理与框架的相关知识： 生成式 AI 生成的内容称为 AIGC。 相关技术名词： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习，电脑通过找规律进行学习。 监督学习使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习参照人脑有神经网络和神经元，因层数多称为深度，神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型，生成图像的扩散模型不属于大语言模型，对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 技术里程碑：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，它完全基于自注意力机制处理序列数据，无需依赖循环神经网络或卷积神经网络。
2025-04-09
罗列具体的AI模型产品和具体的AI技术创新点，并总结AI技术的发展趋势，并说明这些发展趋势为用户的交互体验带来了什么样的改变？按照时间线将以上内容梳理出来
以下是按照您的需求梳理的内容： 时间线 早期： 从图灵测试、早期的图灵机器人和 ELISA 开始，到 IBM 的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统。 近年来： OpenAI 发布 ChatGPT 模型，引发用户习惯从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 大模型创新方面，架构优化加速涌现，融合迭代成为趋势。Scaling Law 泛化，推理能力成为关键，倒逼计算和数据变革。AGI 探索中，视频生成点燃世界模型，空间智能统一虚拟和现实。 在应用方面，AI 在文科白领的个人助理、呼叫中心、文本处理和教育等领域表现出色，能完成 80%到 90%的工作；对于工科白领，特别是程序员，能简化代码检索和调整；在蓝领领域，自动驾驶取得显著进展。但在复杂任务方面仍有改进空间。 第一轮洗牌结束，聚焦 20 赛道 5 大场景，多领域竞速中运营大于技术，AI 助手成为竞争重点。AI+X 赋能类产品发展迅速，原生 AI 爆款难求。多模态上马，Agent 席卷一切，高度个性化呼之欲出。 人工智能发展经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段。大模型由数据、算法、算力构成，算法有技术架构的迭代，如英伟达的显卡辅助模型训练，数据质量对生成理想的大模型至关重要。 未来： 李沐预测技术发展可能催生出革命性的应用形态，但 AI 离真正变革世界还有一段距离。 预计 AI 在蓝领工作的初步应用至少需要 5 年时间。 AI 技术创新点： 大模型创新：架构优化加速涌现，融合迭代大势所趋。 Scaling Law 泛化：推理能力成皇冠明珠，倒逼计算和数据变革。 AGI 探索：视频生成点燃世界模型，空间智能统⼀虚拟和现实。 AI 技术的发展趋势： 模型架构不断优化和融合。 更加注重推理能力的提升。 探索 AGI 领域，实现虚拟和现实的统一。 应用格局不断洗牌，聚焦特定赛道和场景。 多模态和 Agent 技术的广泛应用。 对用户交互体验的改变： 用户习惯从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 AI 应用为用户提供辅助，在多个领域帮助完成任务。
2025-03-31
多模态Agent最新动态
以下是关于多模态 Agent 的最新动态： 《质朴发言：视觉语言理解模型的当前技术边界与未来应用想象｜Z 研究第 2 期》 近期，生成式 AI 领域的浪潮催化了多模态模型的探索，研究人员不断尝试使用更多模态数据的编码，以训练出能够理解和处理多种类型数据的模型。本份研究报告集中讨论了基于 Transformer 架构的视觉语言模型，报告范围专注于视觉和语言之间的交互，不考虑单纯的视觉到视觉的计算机视觉任务。 从 2022 年 11 月 18 日到 2023 年 7 月 26 日，多模态 Agents 迅速增长。 LLM 多模态 agent 是将现有技术融合的新尝试，是一种集成了多种模态数据处理能力的 AI 技术。 优点：高度的灵活性和扩展性，可根据不同任务需求调用最合适的模型处理任务，适应多样化任务和数据类型，优化资源使用，提升效率；无需训练，系统开发周期快，成本低。 局限性：调试和工程化难度较高，维护和升级成本高；多个组件紧密耦合，单点故障可能导致整个系统风险增加；没有涌现出新的能力。 适用场景：需要综合处理视频、语音和文本等多种信息的复杂环境，如自动驾驶汽车；高度交互和灵活的用户界面，如客户服务机器人或交互式娱乐应用。 《2024 年度 AI 十大趋势报告》 随着大模型对图像和视频信息的处理能力快速提升，预计 2025 年将开始出现更为综合性的多模态交互，AI 能够通过物联网、特定信息等多种感知通道进行协同。 多模态输入和输出使 AI 交互性更强、交互频次更高，适用场景也更加丰富，AI 产品整体水平显著提升。 Agent 作为融合感知、分析、决策和执行能力的智能体，能够根据用户历史行为和偏好，主动提供建议、提醒并个性化执行能力，为用户提供高度个性化的任务。从 2025 年开始，AI Agent 即将广泛投入使用。 从个性化推荐到直接生成个性化内容，AIGC 能够使用户体验的个性化程度有明显提升，这将帮助产品进一步完善用户体验，并通过提高用户忠诚度和迁移成本，实现差异化定价和进一步的服务增值，对产品的差异化竞争有重大意义。目前，基于 AIGC 的高度个性化已经在 AI 教育、AI 陪伴、AI 营销领域有明显进展。在硬件端搭载的多款 AI 智能助手也已开始以高度个性的个人助理作为宣传重点。
2025-03-31
现在是2025年3月18日，我现在要整理一份AI行业的最新动态，在每天早上十点发布，请你整理今天的最新动态，10条左右
以下是 2025 年 3 月 18 日 AI 行业的最新动态： 1. 3 月 AI 发展持续升温。 2. 3 月潞晨科技发布 OpenSora。 3. 3 月 Suno 发布 V3 版本爆火。 4. OpenAI CPO Kevin Weil 访谈亮点：GPT5 近在眼前，将融合多个模型能力，快速推进，AI 代码自动化将在今年内达到 99%，强化推理能力和大规模预训练是关键方向，AI 不仅会写代码，还将让人人都能成为软件创造者。 5. 2025 年职场思考与建议：高管们面临“经验贬值”与“转型焦虑”，非 AI 公司的估值与融资变难，软件开发方式正被重构，“等风来”的代价越来越高，加入 AI 公司也并非万能，市场冷却下招聘更挑剔。 6. 你的孩子可能已经在用 AI“作弊”。 7. 过去一年，头部 AI 应用的品类变化不显著，创意工具仍占据最大比重。 8. 2024 年 9 月，OpenAI 发布新一代语言模型 o1，采用全新训练与推理方案，结合强化学习技术，显著增强推理能力，可能通过生成内部“思维链”模拟人类系统 2 思维方式。 9. 5 月伊莉雅离开 OpenAI，AI 竞争白热化。 10. 5 月伊利亚成立新公司，估值超五亿美金。
2025-03-18
最新的AI技术动态
以下是关于最新的 AI 技术动态的相关内容： AI 技术的学习路径： 偏向技术研究方向： 数学基础：线性代数、概率论、优化理论等。 机器学习基础：监督学习、无监督学习、强化学习等。 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 自然语言处理：语言模型、文本分类、机器翻译等。 计算机视觉：图像分类、目标检测、语义分割等。 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 科研实践：论文阅读、模型实现、实验设计等。 偏向应用方向： 编程基础：Python、C++等。 机器学习基础：监督学习、无监督学习等。 深度学习框架：TensorFlow、PyTorch 等。 应用领域：自然语言处理、计算机视觉、推荐系统等。 数据处理：数据采集、清洗、特征工程等。 模型部署：模型优化、模型服务等。 行业实践：项目实战、案例分析等。 2024 年 AI 大事纪： 3 月：AI 发展持续升温，潞晨科技发布 OpenSora，Suno 发布 V3 版本爆火。 4 月：英伟达发布硬件股价飙升。 5 月：苹果发布 AI 芯片，张吕敏发布 IC light，AI 竞争白热化，伊莉雅离开 OpenAI 并成立新公司，估值超五亿美金。 7 月：快手开源 LivePortrait 模型，表情迁移。 8 月：StabilityAI 老板成立新公司发布 flux 大模型。 9 月：阿里云发布模型，海螺 AI 参战，Google 发布 GameGen 实时生成游戏，通义千问 2.5 系列全家桶开源，华为发布 cloud matrix 云计算基础设施，GPT 高级语音模式上线，Meta 发布 AI 眼镜 Orion，AI 代码编辑器 cursor 爆火。 10 月：Pika 发布 1.5 模型，诺奖颁发给 AI 奠基人，特斯拉发布机器人，Adobe 发布 Illustrator+Al 生成矢量图，智谱 AI 发布 autoGLM，腾讯混元开源 3D 模型。 AI 技术的发展历程和前沿技术点： 发展历程： 早期阶段（1950s 1960s）：专家系统、博弈论、机器学习初步理论。 知识驱动时期（1970s 1980s）：专家系统、知识表示、自动推理。 统计学习时期（1990s 2000s）：机器学习算法（决策树、支持向量机、贝叶斯方法等）。 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。 前沿技术点： 大模型（Large Language Models）：GPT、PaLM 等。 多模态 AI：视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 自监督学习：自监督预训练、对比学习、掩码语言模型等。 小样本学习：元学习、一次学习、提示学习等。 可解释 AI：模型可解释性、因果推理、符号推理等。 机器人学：强化学习、运动规划、人机交互等。 量子 AI：量子机器学习、量子神经网络等。 AI 芯片和硬件加速。 需要注意的是，以上内容由 AI 大模型生成，请仔细甄别。
2025-03-16
今天有什么ai新动态
以下是近期的 AI 新动态： 2024 年 3 月：AI 发展持续升温，潞晨科技发布 OpenSora，Suno 发布 V3 版本爆火。 2024 年 4 月：英伟达发布硬件，股价飙升。 2024 年 5 月：苹果发布 AI 芯片，张吕敏发布 IC light，AI 竞争白热化，伊莉雅离开 OpenAI 并成立新公司，估值超五亿美金。 2024 年 7 月：快手开源 LivePortrait 模型，实现表情迁移。 2024 年 8 月：StabilityAI 老板成立新公司发布 flux 大模型。 2024 年 9 月：阿里云发布模型，海螺 AI 参战，Google 发布 GameGen 实时生成游戏，通义千问 2.5 系列全家桶开源，华为发布 cloud matrix 云计算基础设施，GPT 高级语音模式上线，Meta 发布 AI 眼镜 Orion，AI 代码编辑器 cursor 爆火。 2024 年 10 月：Pika 发布 1.5 模型，诺奖颁发给 AI 奠基人，特斯拉发布机器人，Adobe 发布 Illustrator+Al 生成矢量图，智谱 AI 发布 autoGLM，腾讯混元开源 3D 模型。 12 月 5 日的 AI 新动态： Clone Robotics：仿生机器人公司致力于生产高仿真产品，技术和外观的进步让人类与机器人的边界变得越来越模糊。 Humane 发布 AI 驱动操作系统 CosmOS，具有多种核心功能，支持多种输入方式，并可实时从互联网获取数据为用户提供服务。 DeepMind 发布天气预测 AI 模型 GenCast，可预测未来 15 天的天气和极端天气风险，与顶级预测系统相比表现更优，且模型代码、权重和预测数据已开源。 OpenAI 的 ChatGPT 用户突破 3 亿。 在法律法规方面： 虽然 AI 概念不新，但近期数据生成和处理的进步改变了该领域及其产生的技术。例如，生成式 AI 模型的能力发展带来机会的同时也引发了关于潜在风险的新辩论。 并非所有 AI 风险都源于不良行为者的故意行为，有些可能是意外后果或缺乏适当控制导致的。 对 AI 特定风险及其潜在危害进行了初步评估，并参考了其威胁的价值，包括安全、公平、隐私、人权、社会福祉和繁荣等。 交叉的 AI 风险评估确定了一系列高级风险，框架将寻求通过适当干预来优先处理和减轻这些风险。例如，安全风险包括对人类和财产的身体损害以及对心理健康的损害。
2025-03-12
如何把图片生成动态立体图
目前在将图片生成动态立体图方面，相关技术和方法还在不断发展和探索中。常见的途径可能包括使用专业的图形设计软件，如 3D 建模工具，通过对图片进行深度分析和建模来实现动态立体效果。但具体的操作过程会因软件的不同而有所差异。另外，一些新兴的 AI 图像生成技术也可能在未来为这一需求提供更便捷的解决方案。
2025-03-05
最新的AI行业动态和进展有哪些，包含2025年
以下是关于最新的 AI 行业动态和进展（包含 2025 年）的内容： 2024 年： 图片超短视频的精细操控：包括表情、细致动作、视频文字匹配。 有一定操控能力的生成式短视频：风格化、动漫风最先成熟，真人稍晚。 AI 音频能力长足进展：带感情的 AI 配音基本成熟。 “全真 AI 颜值网红”出现，可以稳定输出视频，可以直播带货。 游戏 AI NPC 有里程碑式进展，出现新的游戏生产方式。 AI 男/女朋友聊天基本成熟：记忆上有明显突破，可以较好模拟人的感情，产品加入视频音频，粘性提升并开始出圈。 实时生成的内容开始在社交媒体内容、广告中出现。 AI Agent 有明确进展，办公场景“AI 助手”开始有良好使用体验。 AI 的商业模式开始有明确用例：数据合成、工程平台、模型安全等。 可穿戴全天候 AI 硬件层出不穷，虽然大多数不会成功。 中国 AI 达到或超过 GPT4 水平；美国出现 GPT5；世界上开始现“主权 AI”。 华为昇腾生态开始形成，国内推理芯片开始国产替代（训练替代要稍晚）。 AI 造成的 DeepFake、诈骗、网络攻击等开始进入公众视野，并引发担忧。 AI 立法、伦理讨论仍然大规模落后于技术进展。 2025 2027 年： AI 3D 技术、物理规则成熟：正常人无法区别 AI 生成还是实景拍摄。 全真 AI 虚拟人成熟：包含感情的 AI NPC 成熟，开放世界游戏成熟；游戏中几乎无法区别真人和 NPC。 AR/VR 技术大规模商用。 接近 AGI 的技术出现。 人与 AI 配合的工作方式成为常态，很多日常决策开始由 AI 来执行。 AI 生产的数据量超过全人类生产数据量，“真实”成为稀缺资源。 具身智能、核聚变、芯片、超导、机器人等技术有明显进展突破。 “人的模型”出现，出现“集中化 AGI”与“个人 AGI”的历史分叉。 AI 引发的社会问题开始加重，结构性失业开始出现。 AGI 对于地缘政治的影响开始显露。 此外，还有以下相关动态： 算力瓶颈不只是单纯的技术和建设问题，而是影响整个行业竞争格局的重要变量。 逐渐进入多模态灵活转换的新时代，实现文本、图像、音频、视频及其他更多模态之间的互相理解和相互转换。 人类劳动形式逐步“软件化”，复杂劳动被抽象为可调用的软件服务，劳动流程被大幅标准化和模块化，劳动能力像“即插即用”的工具一样易于获取。 AI 行业目前仍处于严重亏损的阶段，商业化进程仍有巨大提升空间。 云厂商是产业链中毋庸置疑的“链主”。 2024 年，头部 AI 应用的品类变化并不显著。创意工具（如图像和视频内容创作）依然占据最大比重。To P（面向专业用户）应用展现出强大的市场潜力，ToB（面向企业）应用发展路径相对复杂，ToC 应用面临较大的挑战。 在 AI 应用领域，Copilot 和 AI Agent 是两种主要的技术实现方式。 北美和欧洲贡献了 AI 移动应用市场三分之二的份额，众多中国 AI 公司积极出海。 2024 年 10 月的大事记包括： Gartner 发布 2025 年十大战略技术趋势。 DeepSeek 开源多模态 LLM 框架 Janus。 司南开源大模型能力评估模型 CompassJudger。 Anthropic 发布新功能 computer use，发布 Claude 3.5 Haiku，更新 Claude 3.5 Sonnet。 Stability AI 发布 Stable Diffusion 3.5。 x.AI 正式推出 API。 ComfyUI V1 官方桌面版开放内测。 华为发布纯血操作系统鸿蒙 OS NEXT。 Jina AI 推出高性能分类器 Classifier API。 OpenAI 发布图像生成模型 sCM。 Midjourney 上线外部图片编辑器。 Runway 发布动画视频功能 ActOne。 Ideogram 推出 AI 画板工具 Canvas。 Genmo 开源视频生成模型 Mochi 1。 荣耀发布操作系统 MagicOS 9.0。 美国 14 岁少年与 C.AI 聊天后离世。 新华社发文表示警惕「AI 污染」乱象。 港中文&趣丸推出 TTS 模型 MaskGCT。 科大讯飞发布讯飞星火 4.0 Turbo。 阿里通义代码模式开始内测。 Anthropic Claude 新增数据分析功能。 北京市大中小学推广 AI 学伴和 AI 导学应用。 稚晖君开源「灵犀 X1」全套资料。 OpenAI 高管 Miles Brundage 离职。
2025-02-17
最新的AI排行榜
以下是最新的 AI 排行榜相关信息： 3 月 9 日榜单： 文生图：Ideogram 2a（官方评价这是 Ideogram 迄今为止最快、最实惠的文生图模型） 文生视频：SkyReels、海螺01director、Pixverse4.0 图生视频：SkyReels、Pixverse4.0、Adobe Firefly 测评涵盖了 Midjourney，Flux，即梦，Recraft，ideogram，SD3.5，Sora，可灵，通义，即梦，海螺，pixverse，pika，vidu，luma 等 50+国内外热门模型，还有 Veo 2.0 等最新模型上线。本周最出乎意料的是最新上的模型 SkyReels，在文生视频和图生视频榜单都排名靠前。 生成式 AI 季度数据报告 2024 月 1 3 月： 赛道方面：天花板潜力为数亿美金；对标公司有 Xmind 等；总体趋势平稳增长，15.93%；月平均增速 34 万 PV/月；原生产品占比中等。 竞争方面：Top1 占比 32%；Top3 占比 82%；马太效应弱；网络效应中；大厂是否入局是，但大厂占比较低；技术门槛中。 23 年 12 月至 24 年 3 月月访问量排行榜及变化情况： 非大厂的 Top1 公司及产品：Whimsical Al，估值融资 3000 万$（2021），最新月 PV 为 237 万。2023 年 4 月，月访问量 382 万，Whimsical AI、gitmind AI 分别位列第一、第二的位置，月访问量合计占比 84%。2024 年 3 月，月访问量 812 万，Whimsical AI 整年看处于增长态势，仍位列第一，月访问量达到 237 万；ProcessOn 凭借其原有客户积累，月访问量快速增长，位列第二名，占比 25%。 记忆辅助榜单中，2023 年 4 月，月访问量为 83 万，Rewind AI 以 43 万的访问量位居第一，占赛道月总访问量的 52%。Personal.ai 和 Heyday 分别以 25 万和 8 万的访问量位列二、三，分别占赛道月总访问量的 30%和 10%。2024 年 3 月，月访问量增长至 245 万，rabbit inc.以 128 万的访问量跃居第一，占赛道月总访问量的 52%。Humane 和 Rewind AI 分别以 46 万和 22 万的访问量位列二、三，分别占赛道月总访问量的 19%和 9%。 相关网址： https://www.xiaohongshu.com/user/profile/65890e73000000003d035101?xsec_token=AB67OV1KW_ANCcrYRU_oRTJKJ9xLtexbMgyoJq68rxQA%3D&xsec_source=pc_search aiwatch.ai
2025-04-15
有哪些最新的ai技术可用在课堂教学上
以下是一些可应用在课堂教学上的最新 AI 技术： 1. 智慧技术助理：为教师提供辅助，帮助教师在课前、课中、课后呈现新的教学样态，驱动学生高效和差异化学习。 2. 生成式人工智能：可用于为教师减负，例如辅助设计教学内容、生成提示词等。 3. 个性化学习支持：通过 AI 技术实现对学生的个性化学习支持，如智能评估学生的学习情况，为每个学生提供定制化的学习方案。 4. 教育过程和结果的结构化表征：利用 AI 进行分析，帮助教师更好地了解学生的学习过程和结果。 5. 多维度数据采集与评价：AI 可以整合行为、情感、认知等多维度数据，为学生绘制发展全景图，实现更全面的教育评价。 需要注意的是，AI 在教育中是“助手”而非“替代”，教师应充分利用这些成熟的技术促进教育变革。
2025-04-13
ai在教学中的最新应用
以下是 AI 在教学中的一些最新应用： 1. MIT 为孩子开设免费的 AI 课程，涵盖了 AI 在跨学科领域的应用，如 AI 与气候、AI 与大学录取、AI 对美国大选的影响等。孩子们需要思考如何用气候数据写好故事、预测气候变换走向，从数据分析角度了解大学录取中的相关问题，以及识别 AI 深度伪造的新媒体材料等。 2. 张翼然提出用 AI 为教师减负，为有初步 AI 使用经验、渴望了解最新技术进展并交流的老师提供了相关技巧和分享。例如，在智慧技术助理加持下探索教学新样态，分享全球 AI 技术在教育界的新发展和应用案例。 3. 从 AI 助教到智慧学伴的应用探索中，提出调整教学理念，将 AI 作为教学辅助工具和合作伙伴。学习利用 AI 工具的优势应用于教学，如自动生成练习、个性化反馈等，同时确认输出质量。根据 AI 能力设计开放性作业，调整考核方式，继续发挥教师在提供情感支持、培养团队合作等方面的优势。
2025-04-11
最新的生命科学有关的 AI动向
以下是生命科学领域有关 AI 的最新动向： 在医疗健康生物制药方面，AI 技术极大地加速了研究，在抗癌、抗衰老、早期疾病防治等方面发挥着重要作用。例如，AI 提前三年诊断胰腺癌；两名高中生与医疗技术公司合作发现与胶质母细胞瘤相关的新靶基因；AI 帮助抗衰老，筛查出高效的药物候选物；利用 AI 寻找阿尔兹海默症的治疗方法；通过神经网络分析患者体液中的生物标志物，早期诊断帕金森。 Nature Methods 主题特刊聚焦于 AI 在生物学中的应用，探讨了计算生物学多领域，强调高精度蛋白质结构预测成就，提及了 AI 在蛋白质组学数据分析中的应用、机器学习可解释性挑战，以及科研人员对 AI 工具培训的需求，同时探讨了 AI 与生物医学数据结合的新时代。 Flagship Pioneering 创始人 Noubar Afeyan 提出 AI for Science 的下一步是 MultiAgent，旨在实现类似自动驾驶的科研自动化，推动生命科学领域的革命性进展。
2025-04-10
请问有什么AI最新在零售行业的应用，最好有趣，实用有建设性
以下是 AI 在零售行业的一些有趣、实用且有建设性的最新应用： 1. 舆情、投诉、突发事件监测及分析：通过 AI 技术实时监测和分析消费者的反馈和市场动态，帮助企业及时做出应对策略。 2. 品牌营销内容撰写及投放：利用 AI 生成吸引人的营销文案，并精准投放到目标受众。 3. 自动化库存管理：基于历史销售数据和其他相关因素，预测未来的库存需求，优化库存配置，降低成本。 4. 自动生成或完成 SKU 类别选择、数量和价格分配：提高商品管理的效率和准确性。 5. 客户购物趋势分析及洞察：深入了解消费者的购物偏好和趋势，为企业的产品开发和营销策略提供依据。 此外，在医疗药品零售领域，AI 也有广泛的应用： 1. 药品推荐系统：根据用户购买记录和症状描述等数据，推荐合适的非处方药品和保健品，提高销售转化率。 2. 药品库存管理：分析历史销售数据、天气、疫情等因素，预测药品需求量，优化库存策略。 3. 药品识别与查询：借助计算机视觉技术，用户通过手机拍摄药品图像即可获取相关信息。 4. 客户服务智能助手：基于自然语言处理技术，回答顾客关于购药、用药、保健等常见问题。 5. 药店运营分析：分析销售、顾客流量、库存等大数据，发现潜在问题和优化空间。 6. 药品质量监控：利用机器视觉、图像识别等技术检测药品的包装、标签、颜色等是否合格。 7. 药品防伪追溯：利用区块链等技术实现全流程的药品溯源，保障药品供应链的安全和可信度。 总之，AI 技术在零售行业的应用能够提升购物体验、优化运营管理、降低成本，并为企业创造更多的价值。
2025-04-10
我想了解最新的ai的即时信息（最新资讯与ai工具）
以下是为您提供的最新 AI 即时信息和工具： 4 月 1 日 AI 资讯： 【AI 模型及应用】 OpenAI：将会开源一个推理模型，ChatGPT 即将推出推理强度控制选项，Gpt4o 生图能力面向免费用户。 Gemini 2.5 Pro：免费使用，任何人都可以使用 Canvas 进行编码和创作。 【AI 视频】 Higgsfield：发布 50 多个电影级摄影机动作预设，提升动态镜头表现力。 luma：为 Ray 2 引入摄像机运动概念，可基于预设镜头并组合编辑。 Remakes：支持基于用户上传图像直接编辑，并融合 Remade 视频特效，简化创意流程。 Meta：宣布推出 MoCha 系统，实现电影级说话角色合成效果。 【AI 3D】 HSMR：推出从单张图像重建人体 3D 骨骼和网格模型的系统。 krea：引入 AI 3D 生成能力，扩展其创意工具的功能范围。 PGC：推出基于物理的单一姿势高斯布料模拟技术，提升数字服装的真实感。 【AI 音频】 MiniMax Audio：发布全新 Speech02 语音模型，提升语音合成质量。 3 月 19 日 AI 资讯： 【AI 模型】 英伟达：发布全球首个开源人形机器人基础模型 Isaac GR00T N1 及相关 GTC 信息。 谷歌 Gemini：放出了两个功能 Canvas 和 Audio Overview。 【AI 视频】 STAbility AI：发布 Stable Virtual Camera，2D 图像转化 3D 视频。 Domo AI：推出“图片说话”功能，带口型匹配。 【AI 3D】 Roblox：推出 AI 3D 技术 Cube 3D。 Claude MCP Unity 版本推出。 【AI 音乐】 AI 音乐工具 Udio：推出 v1.5 Allegro。 LVAS Agent：基于多智能体协作的长视频音频合成。 获取 AI 资讯的渠道： 公众号：超时空视角、AI 替代人类。 小红书/抖音：EverAI。 B 站：Ever AI 酱（这里会有教程及 AI 工具界面操作）。 关于“通往 AGI 之路”知识库和社区平台： WaytoAGI（通往 AGI 之路）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。 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。 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。 社区定期组织活动，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。 引领并推广开放共享的知识体系，倡导共学共创等形式，孵化了 AI 春晚、离谱村等大型共创项目。 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。 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。
2025-04-10