为此，我们从少数派的用户和作者中约请了六位对 AI 有着丰富履历和深入思考的朋友：Fairyex、MrCoffeeTalker、清顺、万千十一、炜智能、玉树芝兰（按用户名的字母和拼音序排列），开展了一次圆桌谈论。
他们有的是 ChatGPT 深入教程的作者，有的是传授教化领域与 AI 密切干系的老师，有的是大量利用 AI 赞助实际事情的科技从业者，还有的是极具动手能力和分享精神的 AI 爱好者。

提问时，我们既包括了工具推举、选择心得这类实用导向的问题，也涉及了负任务利用、开放与封闭之争等谈论广泛、尚无定论的方法论层面问题，还约请大家聊了聊自己对 AI 的认识转变和期待展望。
我们希望这些问答不仅能帮助你理解 AI 行业的发展现状、选择得当的 AI 工具，以及避免一些陷阱和误区，也能引发思考、抛砖引玉；欢迎大家在评论中积极表达自己不雅观点。

以下回答内容由作者供应，代表作者个人不雅观点，我们仅出于使阅读流畅、掌握篇幅目的作部分词句调度和精简。
本次问答开展于 2024 年 3 月初，个中信息的有效性可能随韶光推移发生变革，请读者把稳。

工具推举

请分享一下你目前紧张在用的 AI 工具。

Fairyex

去年年初各种人工智能产品百花齐放的时候，基本上所有产品我都在混搭利用。
不过现在随着大模型落地运用越来越成熟，我在用的只有下面这几个，基本上大家没用过也听过：

VSCode 上的 Copilot：一个 AI 编程赞助助手，可以帮助你天生代码，阐明代码，编写注释，修复 BUG 等等。
是推出比较早也最多人利用的 AI 变成赞助做事。

GPT-4：目前还是现在通用大模型领域最好的产品。

Stable Diffusion：AI 绘画绕不过的选项，WebUI 和 ComfyUI 同时都在用。
未来我还会考试测验 Sora 和新的 SD 模型。

MrCoffeeTalkerChatGPT：OpenAI 最广为人知的 AI 工具了，我用的比较多的是移动端 app，为了联网搜索和自定义 GPT 订阅了 Plus。
日常会用来代替部分传统的联网搜索、处理难明得的文本、跨领域学习或办理问题，比如我之前体检加项就找了 AI 帮忙。
由于根本的 AI 知识面比较泛，难办理特定专业领域的问题，事情生活上我也搭建过一些自用的 GPT，像是基于美国农业部食品数据搭建的痛风饮食康健助手、基于版署新旧规搭建的政策研究助手。

Gemini（原 Bard）：用作 ChatGPT 联网搜索的替代品，在联网搜索和联动 Google 自家生态上更胜一筹，比如找网页、YouTube ***、或是自己的 Gmail 邮件。
虽然网上很多测评说 Google Gemini 如何拉，但免费的联网搜索还是喷鼻香，而且 ChatGPT 联网搜的质量很随意马虎被 Bing 搜索拖后腿，这时候基于 Google 搜索的 Gemini 就很喷鼻香了。
根据我之前的测试，Gemini 能搜索的范围该当比 GPT-4 还广。
找一些 YouTube ***，也会优先考虑用 Gemini，毕竟可以直接联动 YouTube 搜索。
有时须要找 Gmail 里的邮件也可以让 Gemini 帮忙，这部分也是 ChatGPT 难替代的。

GPT-3.5 API：通过 OpenAI API 调用的模型，我紧张用在了各种定制的自动化上，像是内容平台舆情监控、Notion 页面自动添加图标、公开拓过的动态自动分类、小众文本批量翻译。

Notion AI：内嵌在条记工具 Notion 里的 AI，分为页面、数据库、全局问答 3 种利用场景。
条记页面上，我一样平常会它用来天生择要、提取待办、优化文本可读性、文本转表格；数据库中，用来天生页面择要、提取正文要点、多措辞翻译；全局问答则是用来找条记为主——想不起来一条条记存哪了、关键词也搜不出来，就用还能回顾的描述让 AI 帮忙找。
我将各处条记集中同步到 Notion，相称于能借 Notion AI 快速找到我在 Notion、稍后读 app 和播客 app 里的条记。
（之前也写过一篇少数派文章先容我的试玩体验。
）

Kimi Chat：从即刻理解到的一个新兴的国产 AI 工具，善于处理超长的高下文，也能联网搜索，我会用在一些目标信源中文为主的研究、或是中文长文的要点提取上。
Snipd：带 AI 功能的播客运用，很适宜「干货类」播客的学习。
能实时查看当前讲到的英笔墨幕位置、点击跳转指定文本的讲述韶光、记播客条记并同步到 Notion。
AI 功能紧张表示在播客拆分章节、赞助条记上，听到有共鸣或启示的片段时点按钮记条记，会自动识别起止范围，并根据这段内容天生条记标题和择要，识别范围不合预期也可以手动调度重新天生。
清顺

我只用 ChatGPT 这个独当一壁的 AI 工具。
ChatGPT 无法直接知足的需求，我会利用它来编写工具，而不是转向其他 AI 工具。
考虑到我的需求紧张是文本处理，我也并不须要特殊繁芜的 AI 工具。

万千十一ChatGPT：无需先容。
紧张用来体验 OpenAI 各种实验性的新功能以及当前全天下最领先的 GPT-4 模型。
智谱清言：智谱 AI 推出的面向个人用户 AI 对话工具，对标 ChatGPT，其新上架的 GLM-4 是海内最靠近 GPT-4 的模型，可免费体验。
作为 MenubarX 的一个固定页面日常利用，省却 $20 的 ChatGPT Plus 订阅用度，也免于受网络和要求频率限定。
Ollama：轻松玩转本地大模型。
用于体验测试各种新品模型及 AI 运用本地开拓。
Raycast Ollama：Raycast 插件，既可作为一个 Ollama 前端和模型对话，也能借助 Raycast 供应的系统接口直接读取文件、文本、图片等作为输入，是 Raycast AI 的平替（乃至更强）。
用于各种指尖 AI 要求，如选中文本后阐明、翻译、检讨、改写等，省去频繁的复制粘贴。
Poe：大模型广场。
用于体验本地难以支配的模型。

炜智能

我比较看重个人数据的隐私和安全问题，无论事情还是生活，除了一些没办法避免的数据，一样平常都会比较谨慎地利用那些在线做事。
AI 工具类的做事更是如此，因此我目前用的比较多的都是些能本地运行的开源项目。

Stable Diffusion：通过文本自动天生符合描述的图像，搭配一些扩展插件可以完成近乎所有图像干系的任务。
Whisper：语音转录工具，可以在本地很高效地将大部分常见语种的音频转录为文本。
sovits：音色转换模型，通过 2 小时旁边的高质量干声素材克隆一个人的音色，搭配微软 TTS 做事也能实现文本转语音的效果。
目前有不少同类项目，只用更少的素材就能达到类似的效果，我由于之前已经用它演习了不少模型，就

Perplexity 则用于搜集、汇总和综合剖析资料，是我日常事情中不可或缺的工具之一。
它补充了 ChatGPT 在长文本处理和代码阐明方面的不敷。

如果涉及隐私和敏感信息，我更喜好利用 Setapp 供应的 TypingMind。
这个工具基于 GPT-4，支持图像识别和安全的 API 调用，避免了数据被 OpenAI 拿去演习带来的风险。

此外，Setapp 中的 MurmurType 为我供应了便捷的语音转录做事，极大地提高了我的日常事情效率。

本钱开支

你每个月在 AI 类工具上的花费大约是多少?是否定为物有所值，为什么?

Fairyex

每个月只用支付 GPT-4 的 20 美元。
Copilot 是免费的，Stable Diffusion 和 ComfyUI 都是开源的，自然免费。

至于值不值得，就目前这个价格而言，只要你利用过上面任意一个产品和做事，该当都会以为物超所值。
无论是 Copilot 的代码赞助功能、GPT-4 的 GPTs 模型商店，还是 SD 的直接图片天生能力，这些工具不仅能帮助我更快更好地完成现有事情，还能以极其经济和迅速的办法引发新的灵感。
它们让我能够探索以往未曾打仗的新领域。
这些曾经宝贵的资源，现在大多数都能免费供应给每个人，这是非常难得的机会。

MrCoffeeTalker

每个月在 AI 工具上大约要花 58—68 美元，包括：

ChatGPT：Plus 订阅 20 美元。
GPT-3.5 API：按用量开销 30–40 美元，花费是最高的，但效果也确实好。
对我来说代价最高的是用在舆情监控上，能覆盖指定平台险些 100% 新发布内容，比传统的关键词匹配更灵巧，不须要针对关注的主题持续更新关键词库，即便稠浊多国措辞、用黑话或火星文一类的不常见表达也能识别出来。
这个用度远低于新增一个人的人力本钱，何况找人每天给上千条数据打标签会太过折磨。
Notion AI：年度订阅月均 8 美元。
我是很多条记都存在 Notion 里的重度用户，找条记方便了很多，也能用来提高笔墨编辑效率。

整体觉得还是比较值的，尤其是后两项。

清顺

ChatGPT Plus 每月 20 美元，以为值得。
用惯了 GPT 4，受不了 GPT 3.5。
尤其是在处理轻微繁芜一些的需求时，GPT-3.5 与 GPT-4 的性能差距变得非常明显。

万千十一

之前订阅 ChatGPT Plus， 每月 20 美元，但现已取消改用 OpenAI API，按量付费。
GPT-4 作为目前最领先的模型，非常值得一试，很可能体验过就再也不愿用 GPT-3.5 了；但网络和要求频率限定大大影响了体验，同时 GPTs 的生态也远未完善。
从普通用户的视角我认为是物有所值的，但作为开拓者，为 API 付费可能是更好的选择。

炜智能

一分钱都不花。
倒不是舍不得那点订阅费，紧张还是由于没有强需求。
就像打游戏那样，如果想爽玩外服游戏，那么免不了开个加速器，但如果只是玩海内的网游，那么纵然加速器也能一定程度上减少延迟，相信也不会有多少人为此掏钱。

我个人理解的商用 AI 工具实在没多少，平时打仗的比较多的实在是那些开源的 AI 项目。
那些项目虽然免费，但大多利用门槛较高，如果把韶光本钱算进去的话，也不见得便宜多少，毕竟为了实现一个功能，可能须要体验不少项目才能确定终极方案，确定之后还须要根据自己的需求魔改一些代码或是编写新的脚本。

由于除了一点电费和显卡损耗之外也没花啥钱，我也只能讲讲那些韶光花的对我来说值不值。
只从结果上来说，实在不太值，由于大部分考试测验的结果都是差强人意，能用，但总差了点意思。
从过程上来说，那就绝对是物超所值，自己演习或微调出一个模型的过程相称好玩，更不用说这个模型还能办理一些实际问题。

玉树芝兰

我目前订阅 AI 运用的总体月支出大约有几十美元：

ChatGPT Plus 订阅用度为每月 20 美元；Midjourney 的最低套餐约为 10 美元；通过优惠码和推举用户，我享受到了 Perplexity 的折后价格，近期大约每月 10 美元。
Setapp 原来供应了极具性价比的做事，每月支付 10 美元，你就可以拥有 10 美金的 AI 调用额度，别的的大量软件订阅（例如 CleanmyMac、Ulysses、Craft 等等）都相称于白送。
但 2 月尾随着 AI 专业套餐的引入，Setapp 利用本钱有所上升，我选择的 AI Expert 套餐，每个月得多交 10 美金，相称于本钱上涨了一倍。

作为工薪阶层，我也一贯在衡量每一笔开支的必要性。
只管花费不菲，考虑到这些工具在文章和***制作、校正、翻译以及信息整理方面带来的巨大代价，我依然认为物有所值的。
例如在信息征采上，我的利用习气已从紧张依赖 Google 搜索转变为利用更高效的 Perplexity 自动汇总，由于这显著提高了我的事情效率。

选择心得

你一样平常如何挑选和评估 AI 类工具?

Fairyex

目前 AI 产品真的是多到弗成，但是选择虽然多，能够不用折腾、调教，直接完成我们大部分人常见哀求的还真不多。
以是我在挑选产品的时候会更看中产品的灵巧性。
所谓灵巧性，便是我能够对这个产品的天生效果拥有多少掌握。
在这方面，开源的产品拥有很大上风。
如果产品不开源，那就要看是否有足够的掌握选项，能让我根据自己的需求来掌握天生效果，或者插入到自己现有的事情流程中。

产品的能力可以参考基于测试集的结果，例如测试自然措辞处理的 GLUE、SQuAD，专用于中文测试的 WebQA、CMRC 等。
（更多先容我在付费栏目中写过。
）

此外还要考虑利用难度和价格。
除非特殊看重质量，不然对付大部分人而言，随意马虎利用，价格便宜乃至免费还是最有吸引力的成分。

按这些标准：

综合能力最强的还是不开源而且要加 20 美元的 ChatGPT Plus。
虽然不开源，但是 OpenAI 的生态发展的很完善，无论是 GPTs 商店里面的运用数量，还是丰富的 API 和完善的文档，支持图片文档处理还有未来的***的聚合利用多模态等等功能都建立起了相称高的护城河。
选择 GitHub Copilot 自然是由于能够免用度，和 VS Code 整合度足够高，无论是安装还是利用起来非常流畅，像是软件的原生功能一样。
纵然效果差点也能够接管，反正不会用它完全天生代码，赞助编程足够利用。
灵巧度最好的自然还是 Stable Diffusion：本身开源，如果想要降落利用难度，网上也有各种一键打包的 WebUI，各种 LoRA 模型基本都是为 Stable Diffusion 打造，生态十分丰富；也有 ComfyUI 这种能够掌握图片天生流程的项目，以及其它在 Stable Diffusion 本身根本上打造的各种项目。
总之，无论是个人自用还是用来做商业项目都能知足。
MrCoffeeTalker

很少会专门找一堆横向比拟，一样平常是创造有人做了比较亮眼的案例、或是涌现某个 AI 工具的热点，刚妙手头有干系的待办理问题就去理解考试测验。

如果一定要主动挑选评估的话，我会关注这些：

兴趣匹配度：是否匹配我当前急迫想办理的某个主要问题、或我想探索的方向。
比如我一开始对 ChatGPT 是无感的，倒是更早考试测验起了 Notion AI，由于我有很多条记在 Notion 里，对如何挖掘 Notion 的效率潜力很感兴趣；但后来当我须要做舆情监控时，我就创造 Notion AI 虽然也能给数据库里的内容分类，但准确率低、很不稳定，于是摸索着用起了 ChatGPT 和 GPT-3.5 API。
测试效果：在一些详细的利用场景中考试测验 AI 工具，看效果是否符合预期或超预期。
如果某个利用场景下还没有已采取的 AI 工具，只要符合预期就会再用一段韶光看看；但如果已经有在用其他 AI 工具，则每每要超预期才有可能转到新工具。
比如我比拟 Notion AI 和 GPT-3.5 在批量分类的效果，创造后者更准确、速率也更快，于是把方案转向了环绕 GPT-3.5 搭建。
个人开拓难度：如果不采取现成的工具而是自己开拓一个定制的办理方案，预期的投入如何。
虽然现在市情上有各式各样的 AI 工具，但作为自动化玩家，我已经有了低代码工具 Make 和 Pipedream 的利用履历，GPT API 也开通了。
如果我能自己快速搭建出办理方案，并根据自己的需求随时调度，那现成工具对我的吸引力也会弱化很多。
定价：定价我一样平常末了再考虑。
有时碰着新的 AI 工具会提前找价格表理解下付费模式和价格，但是否能接管，还是要理解详细的功能、试过之后才好判断。
从去年的经历来看，目前我对 AI 工具定价的可接管阈值比较常规 app 订阅还是更高一些的，但条件是切中个人兴趣点、能跑出效果。
清顺

挑选工具的依据很大略，关键是这个花费是否能够知足你的需求。
换言之，节省的韶光和本钱能不能证明用度合理。

但如我之前所说，我险些只利用GPT，并且当有特定的工具需求时，我会直策应用AI来自己开拓定制工具。
为什么不再挑选 AI 工具了？由于现在 AI 的发展速率太快，每个月都会涌现大量新工具和新模型，作为个人我没有韶光去逐一评估。

因此，我现在基本上不再探求工具，而是探索更多的利用办法。
我特殊喜好在社区里看看大家分享的新提示词和新角度。
对付一些小功能，我不须要外部工具，直接自己开拓更方便。

我以为现在的状况有点像以前的条记工具，大家都在不断探求新的AI模型和工具，每当有新东西涌现时，都会感到非常震荡，彷佛它们推出了什么革命性的功能，声称在某方面领先。
但实际上，这并没有太大意义。
至少目前来说，如果你是一个开拓者或有分外需求，可能还须要关注这些工具；但对付个人用户来说，不应该摧残浪费蹂躏韶光在挑选AI工具上。
如果某个 AI 工具真的很好，它自然会脱颖而出。

万千十一

多数情形下我会更关注其目标需求和功能实现，需求是 AI 运用渗透的不雅观察，实现则作为学习借鉴。
常日优选开源工具，生态对付开源工具十分主要，会多关注其兼容性和拓展性、社区生动度等。

在定价办法上，目前有两大主流类型，即软件买断和做事订阅，前者如 MindMac，如果切中了痛点需求，付费较为值得；后者如 Raycast AI 等，随意马虎导致订阅碎片化，须要综合考虑。

炜智能

付费的商用 AI 理解不多，只能说说我是如何挑选开源 AI 项目的。
一样平常分为两种情形。

第一种是我有明确需求。
这种时候便是先通过不同平台得到的信息列出几个候选项目，然后到 GitHub 上查看一下它们的项目文档，评估一下效果和演习难度。

像一些效果很好，但是显卡哀求过高、演习难度过大（比如数据集要花大量韶光预处理）的项目，我一样平常都不太考虑。
对付可以在我的电脑上支配的项目，只要 GitHub 上的 Star 数高于我的生理预期，那我一样平常都会考试测验一下。
当然，大部分情形下都是 Star 数最高或次高的项目会投入实际利用。

实在非常好理解，不考虑刷星的情形下，收藏的人越多解释用的人越多，用的人多肯定有其独到之处，最少碰着问题办理起来大略，而且网上可找到的模型也多——比较范例的例子便是 SD。

另一种情形是没有明确需求，那就随意多了。
这种时候我只有一个评价标准：是否有趣。

玉树芝兰

首先看功能是否强大，能否知足我的需求。
在预算约束下，我一样平常会选择目前最强的那一款。
例如，文本天生我选择 GPT-4、绘图选择 Midjourney，信息检索选择 Perplexity，这些都是各自领域内性能最为卓越的工具。
新兴工具每天都在涌现，都会以各种特色来博眼球，这我完备可以理解。
但除非足够打动我（例如 Gemini 1.5 Pro 超长高下文窗口这样的特性），我会更方向于利用已被广泛认可的运用。

关于定价模式，多数 AI 工具目前都会采取订阅制，这反响了运行这些工具所需的高算力本钱。
例如，OpenAI 的 ChatGPT Plus 用度为每月 20 美元，这基本上便是目前 AI 运用领域的基准价格。
大部分 GPT-4 级别的大措辞模型做事，定价也会在高下 10 美金的区间内浮动。
这种定价策略并非无端增加用户本钱压迫利润，而是供应商首先须要足够的收入以覆盖本钱。
毕竟，背后的算力，不管是买（高端显卡）还是租用（例如 AWS, Azure 等云打算），都是须要费钱的。

至于生态，我特殊看重工具背后的支持和开拓社区。
比如，微软最近投资 Mistral，就会让用户（包括我）更为相信 Mistral 这家公司的可靠性和创新潜力。

利用场景

你受益于 AI 最多的利用场景是什么?

Fairyex

习气 AI 之后，无论是事情还是生活中，基本上所有场景能用 AI 的我都会至少考试测验一下。
接下来就说两个紧张的场景。

首先，我的事情须要常常编写各种代码。
最近也在做一个大的自动化项目。
在利用 Copilot 之前，便是在电脑前面一行一行的敲代码，编辑器能供应的最大帮助无非是自动补全方法和函数。
而现在有了 Copilot 就爽了，一个 # 号走天下，想要实现某些功能的函数，直接输入# 函数接管的参数，须要输出的数据，然后便是看着 Copilot 咔咔直接给我天生全体函数，连函数名和变量名都不用想。

之前碰着某个类或者函数忘却怎么用了会直接上网查，现在也习气直接向 Copilot 提问。
复制的代码直接粘贴加上改写哀求，Copilot 直接改写成适宜项目的代码，还有修正代码天生注释乃至直接根据报错信息修 BUG。

总之，用上 Copilot 有一种事情流不被打断的流畅舒畅感，而且可以实实在在的减少打字和用脑筋思考的的数量，专注于全体工程的流程、构造，就像是从手工时期进入工业自动化时期，解放了生产力。

不过，Copilot 最善于的便是赞助编程，而天生代码并不是它最善于的，这个时候我就会考试测验交给 GPT-4。
（目前已经有开拓者利用 GPT-4 天生的代码打造了一个完全的产品，例如白描开拓者的新运用。
）当然 GPT-4 也不是万能的，我的做法是根据代码繁芜度，先预设一个给 AI 考试测验的韶光，如果超过这个韶光 GPT 还不能天生令我满意的代码，那么就决定自己手写。
这就担保了 AI 总能给自己带来正向收益。

另一个场景是文章写作。
除了常规的天生外，我目前在考试测验看看能不能用 AI 赞助完成更大、更繁芜的创意类项目。

MrCoffeeTalker

网络搜索。
以前找资料还要 Google 搜索，在不同的网页之间辗转、筛出高质量的结果、花很多韶光阅读做条记，如果一轮搜索没能办理问题，还要再重复这个过程，动辄半天韶光花在这上面。
现在有了像 GPT-4（ChatGPT）、Gemini、Kimi Chat 这样的联网搜索 AI，可以直接让它们帮忙搜索，几分钟就能快速理解干系信息，没有烦人的广告弹窗，有问题也可以追问更多，省略了很多搜索过程中的低效韶光。

清顺

我是一名兴趣驱动的业余开拓者，对编程知识的节制并不深入。
之前想用新框架开拓新工具时，我常日须要花费大量韶光全面理解该框架。
有了 AI 后，事情流程简化了很多：我只需将自己的需求细化，然后直接交给 AI 处理。
这样，我的角色就从一个编程学习者转变为了代码审查者，只须要检讨 AI 天生的代码是否精确，如果须要再修正。
这统统只需理解一些编程的根本知识，极大地降落了开拓门槛。

万千十一

开拓提示。

用 AI 前：浏览器 → 关键词 Google ↔ StackOverflow → 理解 → 编写

用 AI 后：GPT-4 → 问题 → 答案/代码

炜智能

可能有点小众——制作 replay ***，也便是没有选项的笔墨冒险游戏，紧张构成便是场景、人物和台词。
以前个人想要较为完美地完成这些是比较困难的，许多素材只能用网上能找到的似是而非的东西替代，但如今搭配利用不同的 AI 工具可以较为轻松的完成这统统。

语音转文本：在 Whisper 开源之后，个人用户本地转录比以前的联网做事方便了不少，最少不用一个个上传到云端，速率慢不说，隐私性还差。
通过我自己编写的脚本，可以利用本地的 Whisper 模型批量转录之前切好的音频文件，并按照序号顺序自动天生对话脚本。
场景和人物立绘：利用 Stable Diffusion 的话很轻松就能办理，多天生几批，总能选到能用的。
只要肯花韶光挑选模型和调参数，基本什么人设都能画出来。
追求完美的话，乃至可以自己摆 POSE 作为素材来画立绘。
唯一可惜的是，大部分模型只会画年轻女性，男人和老人须要专门去找得当的特化模型才有好的效果。
音乐：偶尔会用 audiocraft 天生一些片段来换换口味，但用的不多，紧张缘故原由是成品并不准备发布和盈利，基本是喜好啥音乐就配啥音乐，自己愉快就好。
语音：由于我一样平常充当主持人，除了念先容之外还会扮演一些剧情中的 NPC，所往后期如果手头恰好有得当的 sovits 音色模型的话也会顺手给那些我扮演的 NPC 的语音换个音色，增加一点的代入感。
代码：利用 renpy，一个基于 Python 编写的游戏引擎，以是里面定制化功能的实现紧张靠的还是 Python，这也就意味着大部分代码赞助 AI 都可以用来赞助脚本编写。
我本人对这种赞助工具实在依赖性不大，不过我还是在 VSCode 里面装了个阿里的「通义灵码」插件体验了一阵子，确实能提高一点开拓效率。

实在目前比较盛行的 AI 工具都是利好个人创作的，让不懂美术、音乐、配音的普通人都有机会以较低的学习本钱创作出让自己满意的作品。
最近发布不久的 Sora 文本视比年夜模型更是将个人创作的能力进一步放大，相信不久之后往我的 replay 中插入低廉甜头的 CG 也不再见是件难事。

玉树芝兰

好处有很多，这里分别先容绘图和编程两个场景。

在绘图方面，DALL-E 3 和 Midjourney 使我能够根据详细需求快速天生封面图，省去了以往在免费图库中漫长搜索还常常一无所获的痛楚过程。
当我须要一个特定主题的封面时，DALL-E 3 可以理解我的需求，把大略的话语转换成非常详细的英文提示词。
如果我对 DALL-E 3 天生的图片不足满意， Midjourney 则可以利用这个提示词，快速供应多个高质量的选项供我选择，这种把「所想即所画」变成现实的能力，办理了我这样不会画图作者的刚需。

就连我的著作封面，也是用 AI 帮助绘制的。

在编程方面，我平时折腾效率工具，须要在不同运用之间通报数据，或者把一些固定的噜苏事情流程用编程的办法重复调用，因此免不得得编写代码。
目前我习气利用 devv.ai 和 ChatGPT 构建初始框架，然后用 GitHub Copilot 对话式编程，大幅度地提升了我的编程效率。

过去的这个寒假里，我编写了一套多 LLM 稠浊调用流程，可以把平时的润色、翻译等事情，变成一键搞定。
每当我在编程中碰着问题，都可以通过与大措辞模型交互来办理，这比传统的自行查找 stackoverflow 等网站的办理方案要高效得多。
这种协作办法不仅节约了我的韶光，也提高了编程的愉悦度。

紧张毛病

你认为目前限定 AI 工具利用效果和推广遍及的障碍都有哪些?

Fairyex

目前 AI 产品可以由我们自己掌握的部分实在太少了。
这一部分是 AI 模型本身的不透明决定的，但另一方面也由于大部分产品都过于看重效果展示，而没有认负责真当做一个面向普罗大众的产品来打磨。

详细来说，市情上很多产品的宣扬息争释都不敷以让用户对其定位和能力建立清晰的认识，而且在利用体验上走两个极度：要么是像大部分开源产品一样的「毛坯房」，参数倒是能掌握很多，云里雾里的解释文档还能够把专业用户都劝退一部分；要么就做一个很酷的 UI，实际能用的只有一个输入框，天生什么样的效果全看运气和调教方向，开放程度也不足、没有办法形成生态，结果只能知足一些非常通用和根本的需求。

矮子里面挑将军，目前还得是 OpenAI 在易用性，效果和参数开放的平衡上做得不错，特殊是 GPTs 功能让普通用户不须要编程根本就能够用自然措辞制作模型，自用或者分享。

MrCoffeeTalker

全流程能力不敷。
网上有很多声音渲染 AI 如何强大、有多少岗位会被替代。
但根据我自己过去一年的考试测验，至少在处理笔墨的 AI 目前还更多适宜当「副驾」、处理原来事情流中的低效环节，离「全自动驾驶」还很远。

宣扬方向疏远用户。
AI 产品宣扬有做得好的，但彷佛不多见。
（我个人比较喜好的一个案例是 Arc 浏览器的宣扬片，整体的节奏塑造得很好，让人忍不住想多看几遍。
）看到的更多是指标宣扬、跑分刷榜；一些产品彷佛更喜好展示好看的局部指标，宣扬自己在某方向超越了天下领先水平，但这些指标对用户意味着什么、是否主要则闭口不提，很像是面向投资人的宣扬。
好在少数一些好好做的产品，还能通过口口相传理解到。

缺少长期利用的动机。
AI 的确变得很强大了，但是有多少人须要做这些事、AI 的效果又比以古人来做好了多少？这不是指标测试中 AI 有多靠近或超越人类专家的问题，而是到底有多少人真正有干系的动机。
我相信更多人还是出于短期尝鲜去用的，长期利用 AI 基本都要涉足专业的内容生产，但我们的生产或许早就已经由剩了。

不同行业与阶层的信息敏感度差异。
我打仗样本不多，但去年和 4 个人有过 AI 方面的对话互换，包括教诲行业的音乐老师、建筑行业的公司老板、银行的领导、做餐饮的老板。
聊下来创造教诲、建筑行业的两位对快速发展的 AI 还所知甚少，他们理解的 AI 还勾留在自动化、拍照识别笔墨上；而银行、餐饮的两位则信息要更灵通一些，不仅知道 ChatGPT 能叫上名（虽然错叫成了 ChatGTP），还用过一些国产的 AI 工具，能罗列出一些 AI 的利用场景，而他俩中彷佛也至少有一位把子女送到了外洋留学。
这些对话之后我有一个推测，身处行业变革快、近互联网的，社会阶层或教诲水平高的，更有可能先理解打仗到 AI 工具。

清顺

上手门槛仍旧较高。
由于 AI 技能发展迅速，利用方法很随意马虎过期，同时又不断有新工具涌现。
普通用户来说每每没有韶光或兴趣去研究提示词，比较不同工具的利害。
因此，很多人更方向于直策应用平台供应的商业化模型，比如大略点击一个按钮，就能优化文本内容，而不想深入理解其他选择。

缺少高质量开源模型。
如果有能与 GPT-4 相媲美的开源AI模型涌现，将极大促进其遍及。
目前很多商业公司在一方面利用开源模型，另一方面又为了商业目的，只给用户供应他们自己的商业定制模型，这种做法无疑限定了用户体验和工具的效果。
当高质量的开源模型更广泛可用时，我们可以期待 AI 技能的更大遍及和提升。

万千十一

模型能力问题。
许多工具思路很好，但受限于底层模型能力，可能无法达到预期效果；或者某天 OpenAI 推出更新，模型进化，原来工具要办理的问题就不存在了。

工程落地问题。
真实的 AI 开拓中，从想法到 demo 大概不难，但从 demo 到运用寻衅不小。

行业渗透问题。
只有既懂行业又懂 AI 的团队协作，才能做出真正有代价的行业运用。

炜智能

数据集来源问题。
在模型算法本身没有跳跃性升级的时候，大力失事业真的不是一句戏言。
但数据集本身实在是个灰色地带。
海量的数据从哪里来呢？只用有授权或无版权的数据能行吗？我守规矩别人不守规矩怎么办？就算有钱也故意愿买版权，那么多的数据源，又要花费多少人力物力和韶光？看看 OpenAI 的***实在就能感想熏染到许多了。
几个月前国家发布了《天生式人工智能做事安全基本哀求》公开见地搜聚稿，里面也重点提及了语料安全问题。

安全和隐私问题。
ChatGPT 从刚出来就一贯火到了现在，但实在它在海内始终都是少数人的狂欢，依托于它的 API 接口开拓的工具可能很多，但在海内也只能说不成景象。
缘故原由大家都明白，再好的工具不是自己的用起来总是不放心。
我个人都会由于担心隐私问题而更方向于利用可以本地运行的开源 AI 工具，更不用说须要考虑数据安全的敏感行业和部门了。

不过，本地化运行的 AI 软件实在现在就有不少，除了开源项目之外，不少商业软件（如某些***剪辑软件）也会在特定场景下优先调用本地算力进行 AI 推理，但总体上终归是少数。
目前近乎所有芯片大厂都将 AI 引入了自家的芯片之中，还推出了不少新的观点，例如 NPU、AI PC 等，如果后面真能优化推广开来，实现大部分 AI 运用确当地化运行，我相信那时候生产力工具肯定会迎来大洗牌。
前不久还看到了高通推出 AI Hub 的***，终端侧 AI 的时期可能真的不远了。

玉树芝兰

在我看来，限定 AI 工具遍及的紧张障碍之一是本钱问题。
前面提到了，高昂的打算资源用度导致了许多 AI 运用订阅收费不菲，许多个人用户不得不一个钱打二十四个结。

其余一个问题是新手用户根本 AI 素养的缺失落。
很多人费钱订阅了 AI 工具之后，不知道该如何用它来赞助自己的事情。
每每依照自己过于乐不雅观的想象浅尝辄止（例如「帮我写一篇毕业论文」），快速走完「从上手到放弃」的全过程。
事实上，不管是根本提示词的利用，还是理解不同 AI 工具的特性与利用场景，对付目前的用户来说，都是很必要的根本技能。

要办理 AI 素养缺失落的问题，我以为须要增强 AI 干系知识技能的推广和遍及。
市场很大，我们前不久都从***里某大咖的营收数据上见识过了。
但负责做内容的人也是不少的。
我在少数派专栏和 B 站上，都有不少 AI 运用的先容，都是免费开放获取，欢迎你来学习。

认识转变

与一年多前 AI 风头刚起之时比较，你对 AI 的认识有了哪些转变?

Fairyex

得益于从事理开始理解，我对 AI 的理解从一开始到现在就没有什么改变。

我个人是支持 AI 创作内容的。
从我自己的测试来看，只要轻微对 GPT 做出对应限定和哀求，天生的内容无论是大部分人看起来还是利用一些所谓的检测工具，都是没有办法区分出人类和 AI 创作的内容的。
而且，随着越来越多的 AI 参与到现实天下中，会有很多令人根本意识不到用上了 AI 的场景：***编码、交通系统、电量管理、商品生产乃至畜牧养殖等等。
AI 早已经给我们带来了更好的天下，各行各业也肯定不会放弃用上更加「前辈」的 AI。
因此，不能得出「威胁」还是「限定」这样一刀切的结论，而是要在不断发展中逐步创造问题、修复完善。

MrCoffeeTalker

从质疑到理解和利用。
在去年 AI 火热之际，公司内不出意外的推出了内部培训的 AI 课程，哀求所有人必须学习，我当时评估了下觉得培训内容和本职事情不是那么强干系、事情又多，于是谢绝了逼迫的培训，由于和我学习的代价不雅观也有冲突。
后来当自己碰着了 AI 善于处理的问题，靠自学也很快上手了。
到了下半年，我搭建了一个舆情监控系统，又由于日常分享 AI 实践履历被内部的 AIGC 比赛约请去当了评委。
但再看当时参加培训的同事们，除了当时刷屏的交作业，后续的 AI 落地方面却没有多少声响。

创作的事依然交给自己。
在图文内容创作上，我目前还是自己写，只有在研究、找过往的条记时会借助 AI 帮忙。
但这方面也有个头疼的问题，可能由于我写内容原来就重逻辑性、喜好罗列信息，去年也有过几次被疑惑笔墨是 AI 天生的，我以为这种情形很像是某段韶光一咳嗽，周围的人都会慌的情形。

只为降本增效用 AI 的品牌们会自食其果。
AI 快速出图的能力使其很适宜用在产品或营销用的美术内容生产，但个人认为，如果一个品牌或公司只为降本增效引入 AI、同时排斥有审美的专业设计职员或忽略创意表达，很有可能自食其果。
市情上不堪入目的 AI 广告正变得越来越多，随处可见的皮克斯风格、诡异的人像表情、缺少共情的信息传达……

作为消费者，我并不在乎品牌如何降本增效，我只关心终极得手的产品做事质量如何提升。
但短期来看，一些品牌彷佛更喜好沉浸在 AI 狂欢中，亲手把品牌的信赖透支精光。

清顺

经由一年的发展，各种 AI 新工具、新模型的推出，人们对 AI 发展的期望也大大提升。
然而，只管 AI 技能在这一年里有了显著的提升，但并没有像 GPT-3.5 那样给人深刻震荡的质的飞跃。

目前，谈论 AI 威胁为时尚早，它紧张替代的是重复性事情，例如文本整理、总结，以及AI图像和***的天生等。
在真正的创作方面，AI 的成熟度还远远不足；遗漏的细节会导致逻辑混乱和内容不实，这也是当前AI天生的假***随意马虎被识别的缘故原由之一。

因此，与一年前比较，更有情由将 AI 视为赞助工具，而不是威胁。
它能显著减少事情韶光和本钱，帮助人们更高效地完成任务。

万千十一

刚打仗大措辞模型时，没想到短韶光内就能用上以其为基座的支持视觉等多模态能力的模型，给文本天生类 AI 带来了许多新的想象力。
彼时也弗成思议，以大模型为代表的这一波 AI 研究，将在安全、道德等方面面临的巨大争媾和严厉寻衅。

炜智能

我最开始打仗 AI 工具纯粹是以为好玩。
作为一个爱折腾的人，碰到这类别致的事物总是忍不住想要考试测验一番。
最开始打仗到的便是 ChatGPT 这种在线谈天的工具，说实话，第一次利用的时候它真的知足了我曾经对付人工智能的大部分想象：一个可以和人类正常对话的人造物。

后来开源的 AI 项目多了之后，神秘感就降落了不少；在本地跑了许多 AI 项目，研究了一些项目源码之后更是如此。
说白了，只是换了一种实现办法的工具。

现在的 AI 实在该当还算是起步阶段，部分领域比人类强大，但还是只能作为赞助工具，离真正能够完备独立地去完成繁芜任务还是有点间隔的。
AI 实在是拓展了个人的能力边界。
以我自己为例，一个完备没有任何艺术细胞的人，在 AI 工具的赞助下也可以较为轻松地完成一些根本的艺术创造。

当然，完成的作品绝对称不上完美符合哀求，只能说达到了及格线。
说实话，AI 某种程度上确实替代了部分底层的创作职员，但换个角度，普通人可以凭借 AI 完成根本创造，那原来的专业人士肯定也可以凭借 AI 完成更高等的作品，只能说变相的提高了社会普遍认同的最低标准。

玉树芝兰

这一年多以来，我对 AI 的认识经历了几次显著的变革。

起初，我和大多数人一样，对 AI 技能的兴起感到非常愉快，险些认为它立即就会使许许多多传统技能变得过期。
然而，随着韶光的推移，尤其是在经历了去年年中的「AI 镇静期」，和许多业内人士进行了深入的线下互换后，我开始更加深入地理解 AI 的实际能力和环境带来的局限。
我不再认为很多行业颠覆的重大事宜会在短期内频繁发生。
但是没有改变的是，我对 AI 发展趋势信心依然非常强，也武断了更好地运用 AI 的决心。

详细来说，我会更加主动思考：如何在自己的学习、生活和事情中，把 AI 融入事情流，而不是替代自己。
例如，在利用 AI 校正文本时，我创造它能够迅速识别并更正我未曾把稳到的缺点，这对提高我的写作质量起到了巨大浸染。
对付很多

但同时我也逐渐深刻意识到，AI 最适宜实行那些清晰定义、规则明确的专业化任务，而在处理繁芜的创意过程或深层次的逻辑推理时，它当前的效果还远远谈不上空想。
即便是 GPT-4 这样确当前顶尖模型，也会常常发生「含糊」的状况。
于是我就会把 AI 最擅于做的事情交给它，把适宜人做的事情留给自己，逐步走入「人在环中」(human-in-the-loop, HITL）的人机协同模式。

卖力利用

你认为从个人用户的角度，若何才算是「负任务」地利用AI?

Fairyex

像对待工具一样对待 AI，如何负任务地利用你的手机，就如何负任务地利用 AI。
特殊是利用非本地的 AI 做事，可以想象成利用一个「云手机」。
想一下你不会用手机来干什么，那也不要用 AI 来干什么。

MrCoffeeTalker主动奉告：如果创为难刁难外发布的内容用到了 AI 天生，须要在内容中能干标注内容用到了 AI 天生、详细用在了什么地方。
不把自己无法忍受的 AI 产物推向受众：不管是笔墨、图片还是***，如果 AI 天生的内容自己都不想消费，就更不要丢给自己的受众。
不支持会让优质创作消亡的 AI 利用方：对付侵害优质创作者权利的 AI 工具或利用 AI 的平台、企图用低质 AI 内容完备替代人创作的创作者，不该用他们的做事或不消费他们的内容，有能力的话也为积极维权的创作者供应支持。
确保「驾驶座」上的是真人而不是 AI：当自己利用 AI 天生内容时，务必要确保终极输出经由人工的验收，而不是直接对外利用。
清顺

杜绝滥用 AI 天生虚假信息。
险些所有文本平台都集成了 AI 工具，使得大众可以轻松地打仗和利用 AI，但也方便了批量天生带有鞭策性和耸动性的虚假***。
这类虚假信息虽然随意马虎被识别，但在当前信息过剩的时期，原形常常被虚假信息所淹没，产生的危害乃至比 Deepfake 更为严重。

万千十一

同时关注 AI 工具的用户协议和内容平台的用户协议，在其容许范围行家事。

炜智能

首先肯定是不能违反法律了。
海内这方面的法规实在不多，22 年底发布过一份《互联网信息做事深度合成管理规定》，23 年中发布过《天生式人工智能做事管理暂行办法》，23 年底发过《天生式人工智能做事安全基本哀求》（搜聚见地稿）。
这些法规中的条款大部分都是针对 AI 做事供应商的，不过个人用户实在也可以从中明确一下自身的责任。

现在的 AI 已经非常强大了，一些深度合成做事组合利用起来，近乎可以达到以假乱真的程度。
就问你实时换脸加实时变声这套组合拳下来，你怕不怕？干系的宣布实在也早就有过了。

当然，这种诱骗的利用场景肯定不是大部分用户会用到的。
但就算是恶搞和开玩笑之类的深度合成，只要你将其发布到了网上，纵然给出了干系解释，就都有给你自己或他人造成麻烦的可能。
因此，对付这类 AI，我的建议是自己私底下自娱自乐就好，绝对不要公开拓布干系合成内容。

对付其他种类的 AI 工具来说，我以为正常利用不须要有太多的顾虑，符合社会上主流的道德不雅观念即可。
由于说到底 AI 也依旧是一种工具，不须要太过妖魔化。

玉树芝兰

我一贯跟自己的学生、不雅观众和读者说，不要拿 AI 当成你的「枪手」。
但是，我们都知道，确实现在有不少人便是拿 AI 替自己来写东西。

个人总结和年终报告就不说了，有的论文作者投稿给期刊的时候，乃至都忘却了把大措辞模型撰写答案中的那些「作为一个大措辞模型，我无法回答这个问题」的这一句话去掉，这让人情何以堪。
在学校里，也有一些学生过度依赖 AI 来完胜利课。
这虽然可以带来短期内的便利，但从长远来看，会危害学习过程和个人诚信，无异于买椟还珠。

AI 该当是增强而非替代学习和事情的手段。
例如，在写作任务中，AI 可以作为一个启示性的工具，帮助你天生初步的想法和框架。
用户可以根据自己的理解和研究，利用 AI 天生的草稿作为出发点，进而深入剖析、扩展不雅观点、调度构造。

我比较推举的详细操作步骤包括：首先，确定写作主题和大纲，然后利用 AI 提出可能的论点和构造；接下来，通过自己的研究和思考，利用 AI 调查汇总的数据材料，经由审定后逐步扩充和深化这些初步想法；末了，对 AI 天生的内容进行严格的编辑和润色，确保文章符合学术标准。
这种流程不仅有助于提高写作能力，还能培养作者对知识深入理解和批驳性思维的能力。

在全体过程中，人类用户必须把控写作的走向，表达个人的独到见地，这样才算是「负任务」的 AI 利用方法。

开闭之争

目前 AI 模型的研发涌现了开源和闭源的明显分野。
你更看好哪种路径（或这两种路径该当若何平衡）?

Fairyex

开源可以有更多姿态，更灵巧地利用场景，更安全，更龟龄命周期，更随意马虎形成生态，群策群力也能促进产品快速发展；闭源能够坚持自己的上风，获取更多的利益，从而有更多资金和资源来连续研发，发展道路也更加专注。
AI 不同于其他项目，硬件软件的投入都非常大，现在大家基本是最强模型闭源，然后用非全量模型开源，来保持竞争上风，这也是多次实践之后行业总结出来的比较好的办法。

MrCoffeeTalker

对开源和闭源关注不多，这部分的谈论留给其他更关注的作者了。

清顺

开源与闭源的 AI 模型，类似于智好手机行业中的苹果系统与安卓系统的比拟。
由于国家政策和商业需求的存在，开源与闭源模式都将长久并存。
开源模型能够接管社区的创新精华，而闭源模型则依赖于开源社区的更新支持以增强自身的功能。
因此，不论是哪个行业，开源与闭源始终处于一种平衡状态。
从短期来看，闭源 OpenAI 仍将处于行业领先地位。

万千十一

闭源模型已经并很可能仍将遥遥领先，作为参照 2022 年演习好的 GPT-4 至今仍无对手。
但综合考虑隐私、本钱、专用性等成分，开源模型的运用渗透大概率会更快，只管更为分散。
受限于算力，估量近几年内这样的路径仍将持续下去——OpenAI 们验证，追赶者跟随，直到 AGI 到来（？）

炜智能

说来也是巧，回答这个问题的时候我刚好看到「马斯克状告 OpenAI 哀求赔钱、开源」的***。
我个人是比较看好开源的，从 OpenAI 之前开源的那些技能对天下的影响力就能看出来，一个人节制技能和所有人节制技能带来的能量是完备不同的。
以 SD 为例，开源之后就掀起了 AI 绘画的狂潮，配套的扩展和模型都如雨后春笋般呈现，这便是开源的力量。

当然，闭源肯定也有其上风，最明显的便是技能保密。
在没有更大利益勉励的条件下，真金白银研究出来的技能直接白给，本身便是件不合理的事，毕竟商业公司肯定是要担保利润的。
还有便是闭源研发的话，许多考试测验可能可以更激进一点，产生某些技能打破可能更随意马虎。

但是理解归理解，身为一个开源爱好者，我肯定还是支持开源的，尤其是在人工智能领域。
这个领域和传统领域不同，它是一个真正能够改变人们生活办法的领域，未来会切实影响人们的衣食住行。
无论是工业制造、医疗、教诲、交通，还是其他更小的领域，人工智能都能够起到可预见的巨大浸染。
但人工智能本身带有不愿定性，这就更须要一个公开透明的监督体系，让更多人参与到个中，就算不能吹糠见米地提升厥后果，但最少可以肃清部分隐患。

玉树芝兰

这一年多来，闭源（例如 GPT-4、Gemini、Claude、Kimi-Chat 等）、开源（例如 GPT-4-all、Code Llama、Gemma 等）、不开源但开放权重（例如 Mistral）的模型我都用过不少。

从我自己的利用体验来说，目前闭源模型还是更胜一筹。
这紧张缘故原由并不是开源模式不好，而是在一个强调算力、模型参数量和数据质量的领域，开拓团队的资金规模、盈利模式缺失落都是非常主要的根本要素。
目前的开源力量发展中，Meta 起的浸染非常关键。
如果没有它供应 Llama 这样的开源基座模型，我们也无法看到本日如此多样化的开源模型生态。
如今 Google 也用 Gemma 为开源阵营投入新鲜力量，我们可以期待未来开源模型的发展更加迅猛。

有人武断站在开源模型一边，说这样的模型更加安全透明。
其实在处理安全性和伦理问题时，无论利用开源还是闭源项目，开拓者都必须负叛逆务，确保技能不被滥用，并采纳方法保护用户数据不被透露。
这可能包括设置严格的访问掌握、进行代码审计以及引入机制以防止敏感信息的提取，与容许办法没有一定联系。
很多人测试安全性的时候，都喜好问大措辞模型一句「如何撬开一辆车？」如果 AI 谢绝回答，那就算是合格了。
如果 AI 答得条理分明，那这模型的安全性值得商榷。
但实在，我目前见到老诚笃实回答这种问题的「不合格模型」，大多都是开源的。

期待展望

你最期待在 2024 年看到 AI 领域涌现若何的新运用、新能力?

Fairyex更多流程掌握上的能力。
现在已经开始有这个趋势了，比如 Stable Diffusion 3 已经支持指定图片哪一个部分天生什么，或者指定部分内容的样式。
毕竟，经由了看热闹和新鲜劲儿，AI 项目接下来就要更多考虑如何落地到实际中。
只有供应流程掌握能力，才有可能更好的融入到现有的事情流程；如果小项目能做好这点，那么纵然效果比最强的那几位差一点，也有出头之路。
多模态领悟。
可以是能够兼顾多种格式内容天生的综合模型，也可以是聚合多种模型的平台产品。
本地化和算力哀求连续降落。
现在算力哀求比较去年年初已经断崖式低落，画图从之前的高端显卡到现在的低端显卡，高端显卡从之前的几秒一张图到现在的一秒几十张图；从之前的 10 亿参数模型高端 PC 本地运行还很难，到现在的手机都能流传宣传自己能够运行 130 亿参数的大模型。
各种各样根据不同形态和算力进行裁剪量化的模型会井喷，给到我们更多选择，也能让更多人能够享受到大模型带来的好处。
MrCoffeeTalker

内容获取的去中央化——人们可以为了自己的身心康健、长期精进方向，基于 AI 定制自己的信息流，而不用受限于点击率、参与度优先的平台大数据。

清顺

Sora 的正式发布。
***天生技能的发展意味着任何人都能用它来实现自己的创意，如将个人讲述的故事、笔墨描述或博客文章转换成***。
这样的技能进步不仅为个人创作供应了更广阔的平台，而且可能会彻底改变内容创作、分享和消费的办法。

万千十一自主智能体，涌现多少成熟且大众可用的 agent（自主代理）。
端侧支配，有一个能力达到或超过 GPT-3.5、可以在非旗舰手机上顺畅运行的模型。
具身智能，人形机器人在实验室内轻松完成 80% 以上人类事务。
炜智能

更具性价比的 AI 算力硬件及配套软件遍及。
目前想要本地畅玩 AI 项目，基本都须要一张高显存的英伟达显卡，一家独大实在是没有什么选择的空间。
之前还想着什么时候手机能够真正在本地跑各种大模型，结果就看到高通 AI Hub 的***，说不定今年还真能在手机受骗地体验到电影中「贾维斯」那样的人工智能助手。

玉树芝兰拥有 10M 高下文处理能力的新模型，如 Gemini 1.5 Pro。
这种长高下文处理能力将使 AI 能够理解和处理远超当前标准的文本量（目前主流高下文长度在 200K 以内），从而在繁芜的对话、研究剖析和长篇文档处理上实现质的飞跃。
这样的技能能够让 AI 同时阅读剖析多篇论文撰写综述，或者是从百万字的小说中抽取人物特点进行续写与再创作。
AI 在***内容创作方面的进步。
例如我希望能早点儿用上 Sora 这样的文生***模型，它能够让用户以前所未有的大略单纯度创作高质量的 1080P 60 秒短***。
AI 技能运用于教诲领域。
作为一名西席，我非常希望用 AI 为孩子们讲述寓教于乐的个性化故事，或者用在传授教化影片的制作中。
我的一名年夜夫朋友也很关注 Sora 何时开放，由于他早已经准备好要给患者做科普***了。