大厂都在用的AI研发神器:智慧芽Eureka如何用AI破解创新窘境

查文献、找专利、新技术研究……这些琐碎却必须完成的任务,正在悄悄吞噬研发人员的创造力。以为的专注攻克技术难题,日常却被琐碎工作压的喘不过气。 今天,我们独家对话智慧芽Eureka的产品经理土土,为你揭秘AI如何赋能各行业研发,破解创新窘境😎 🎁 互动有礼:7 天体验卡限时领取! 转发本内容,添加主理人微信:13916292482 即可获得【智慧芽 Eureka 7 天体验卡】一张。 亲自体验一下,让 AI 成为你研发流程中的得力助手。 告别996,AI确实能让你早一点下班 在土土看来,AI不是取代研发人员,而是一个值得信赖的“超级搭子”: “AI 就像一个超级助手,你处理重复性的工作,让你有更多的时间去思考、去创新。” 在节奏越来越快的行业环境中,研发人员要面对的不只是技术难题,还要理解市场、评估专利、跟踪趋势。精力有限,怎么把时间花在最值得投入的地方?这正是 AI 能提供助力的地方。 没有AI的日子,研发有多难 1. 信息过载:每周新增的文献、专利数以万计,难以甄别有价值的内容。 2. 检索效率低:构建复杂的检索式,门槛高,耗时耗力,对研发来说是个不小的挑战。 3. 分析难度大:海量专利文献,语言晦涩,很难快速提炼关键信息。 4. 沟通成本高:跨领域协作时,缺乏通用的表达语言,信息在传递中频繁“打折”。 5. 决策风险高:缺乏足够的数据支持,容易凭经验拍板,走上偏离市场的技术路线。 智慧芽Eureka:为研发而生的AI神器 面对传统研发的诸多痛点,智慧芽Eureka提供了解决方案,Eureka 不只是一个“数据仓库”,更是研发的智能化创新搭档,帮助研发高效完成从信息检索到研发决策的全流程 “我们希望通过 AI,帮助研发人员解决实际技术问题,提升工作效率,让他们有更多时间去创造更有价值的产品。” 案例说话:AI如何重塑研发流程? 纸上得来终觉浅,工具好不好用,还得看它在实践中表现如何。通过几个真实的案例,一起来看看智慧芽Eureka是如何帮助研发找到技术创新突破。 案例一:固态电池研发提速,工程师直呼“真香”! 新能源汽车的竞争,已经进入白热化阶段,固态电池作为下一代电池技术,备受瞩目。但固态电池的研发,面临着界面稳定性、能量密度、成本控制等多重挑战。 某电池研发工程师,对此深有体会。“以前研究固态电池界面稳定性,要花一个月的时间,查阅大量的文献、专利,构建复杂的检索式,筛选有效信息,整理分析报告……简直要崩溃!” “现在,只需要在Eureka输入关键词,就能自动检索、分析、整理出来目标专利,几天就能完成以前一个月的工作量,效率大幅提升!!” (👉如何提升固态电池电解质材料性能?看看Eureka的回答) 智慧芽Eureka是如何做到的呢? 1. 精准检索:基于海量专利和论文数据,构建专业的知识图谱,精准定位固态电池领域的相关技术。 2. 智能分析:运用自然语言处理(NLP)技术,自动提取文献和专利的核心信息,例如材料、工艺、性能等。 3. 趋势预测:根据历史数据,预测固态电池技术的发展趋势,为研发方向提供参考。 4. 方案生成:结合TRIZ等创新方法论,为固态电池界面稳定性问题,提供多种解决方案。 研发不仅节省了大量的时间和精力,还获得了更多的创新灵感。 案例二:小众需求也能被理解?这家创客公司靠AI“除草”成功“出圈”! 一家充满活力的创客公司,专注于研发一种激光打印设备,能将个性化图案精准打印在衣物、手机壳、皮革等多种材料中。听起来很酷?确实。但他们面临着一个特殊的难题——“除草”。 别误会,这里的“除草”,并非指清除院子的杂草,而是激光打印完成后,为了呈现出精细图案,需要把残留的废料从表面清除干净。这个过程如果处理不好,会影响成品的精度、美观,甚至造成材料损伤。 但不同材料对“除草”的要求不同,参数调试复杂。如何找到高效又安全的除草工艺路径,成了他们亟需解决的难题。 “我们当时觉得,AI肯定理解不了这个小众需求,没想到智慧芽Eureka竟然真的理解了,还给出了不错的解决方案!” 最终,这家创客公司采购了智慧芽Eureka。 (👉如何提升激光打印“除草”工艺的高效性和安全性,看看Eureka的回答⬇️) 技术解密:Eureka如何“更懂行业”? 智慧芽 Eureka 的核心竞争力,来自于其背后的海量垂直领域数据和数据治理能力,在LLM基座上,通过垂直微调、RAG等,构建了最懂科技研发、技术创新的AI中台。 与通用大模型及AI产品相比,Eureka 避免了“听起来很懂,其实全讲错”的尴尬。因为它并非泛泛地学全网内容,而是专注“吃透”各类专业数据:专利、论文、技术报告……都是它的“训练食谱”。 因此,Eureka 不只是听得懂专业术语,更能帮你分析、判断、给出靠谱的技术方案。 Deepseek加持:推理能力更上一层楼 除了垂直领域数据和强调的AI中台,Deepseek等推理模型的加入,也让智慧芽Eureka如虎添翼。 * 提升理解力:准确get研发人员的意图,提供更精准的解决方案。 * 激发新思路:像导师一样,展示推理过程,启发你的创新灵感。 “Deepseek 这样的推理模型,可以帮助我们更好地理解用户的需求,提供更个性化的服务。” “幻觉”的另一面:创新,有时就靠一点“不靠谱”? AI 也会犯错,尤其是生成内容时出现所谓的“幻觉”。但在 Eureka 的设计理念中,这并非全然是缺陷。 产品经理土土认为,在创意生成的场景中,AI 的“胡思乱想”反而可能激发灵感: “在这个场景下,用户其实并不太在意背后是否有论文或专利支撑,他们关注的是 idea 本身有没有启发。” 例如,在服装设计领域,Eureka 可以将不同风格“混搭融合”,生成全新的设计方向。这些看似“不靠谱”的组合,反而成为创新的源泉——为原本固化的思维打开一扇意想不到的窗。 端侧 AI 的想象力:当 M3 Ultra 遇上 Eureka 苹果 M3 Ultra 芯片的发布,意味着运行大型 AI 模型不再只能依赖云端。这对 Eureka 来说,是挑战,也是机会。 土土表示,尽管完全本地化运行值得探索,但 Eureka 的核心优势在于“云端大脑 + 本地助手”的协同模式: “我们希望用户的对话数据可以保留在本地,同时利用云端强大的知识产权数据库,支持复杂的研发分析任务。” 换句话说,本地保障隐私,云端提供智力——真正实现效率与安全的平衡。 AI 正在重塑研发的方式,它擅长处理海量信息、发现潜在关联、优化决策路径。但它没有双手,也没有感官,无法像人一样直觉地理解世界,也无法替代人类在“取舍之间”做出的判断。 因为真正有价值的方案,往往并不只是技术上的突破,更源于对需求的洞察、对现实的理解。 拥抱 AI,不是取代人性,而是释放人性。当你善用 AI,把更多时间用于思考与选择,把工具变成延伸的能力——你就有机会在这个变革的时代,真正实现有深度的创新。 附录:AI 时代,产品新人该怎么走? 想在 AI 浪潮中做出好产品?土土的建议是: 拥抱 AI:理解它、学习它、用好它。 跨界思维:别只懂产品逻辑,也要会“串联”知识。 保持好奇:技术发展太快,不学就落后。 用户至上:AI 再聪明,也需要解决人的问题。 持续学习:懂用户,也要懂模型。 “在这个时代,学习能力比知识本身更重要。” 最后的最后,土土用一句话总结了AI时代产品经理的生存法则:“多想想用户,再想想AI。” 了解更多AI应用场景,扫描下图二维码,加入听友群,和我们一起聊聊AI能怎样赋能我们的工作与生活? 往期相关内容 RAGFLOW,为DEEPSEEK这样的思考模型插上知识库的翅膀—对话RAGFLOW 创始人张颖峰 MoPaaS: 让AI应用落地不再难 - 企业的"智能化加速器" 用AI写最好的故事 , Midreal创始人陈锴杰专访AI时代下的“Agent”革命与企业及个人的新机遇 AI赋能珠宝设计:基于更高的设计效率培养个人ip,实现按需定制 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 如何通过人工智能更高效的学习:伊伊子的硅谷洞见 在这里找到我们: * 公众号:遇见AIER / Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected]

61分钟
99+
1周前

DeepSearch:放权给AI,也许能获得更好的结果(非正式录音)

你是否知道,AI 从业者平均每天要花费数小时在信息检索上? 搜索的低效,正在成为 AI 创新的绊脚石。想象一下,如果你的 AI 实习生能像专家一样帮你调研并整理高质量的研究报告,并自主判断报告的质量,效率提升 10 倍不再是梦!今天,让我们一起揭秘 Jina AI DeepSearch,看看它如何打破搜索瓶颈,赋能 AI 报告生成! 注:本篇文章由 我基于JINA AI + 肖博士 现场演讲的笔记+ 2句提示词生成,无任何其他工作流。 内容经过官方授权 传统搜索:速度快,但深度不足 传统搜索依赖关键词匹配,虽然响应速度快(通常在 200 毫秒内[^1]),但结果往往缺乏深度,难以满足复杂的信息需求。正如 2024 年上半年火热的 RAG(Retrieval-Augmented Generation),虽然一时风光,但最终质量平庸,提升幅度有限. 这就像快餐,方便却缺乏营养。 DeepSearch:AI 时代的搜索范式,深度与洞察并存 DeepSearch 是一种全新的搜索范式,它通过深度推理,模拟人类专家进行研究分析。与传统搜索相比,DeepSearch 具有以下优势: * 延迟满足,换取高质量报告:不再追求毫秒级的响应速度,而是允许 AI Agent 花费数分钟进行深度分析,最终提供高质量的报告。这就像慢炖的汤,需要时间熬制,但味道更浓郁。 * 结构化输出,拿来即用:用户无需自行总结和加工,即可获得拿来即用的结构化报告。 * 提升用户粘性:高质量的搜索结果能够提升用户粘性,让用户愿意等待并持续使用产品。 简单来说,DeepSearch 就像雇佣了一位 AI 实习生,帮你调研并整理报告。虽然需要等待一段时间,但最终的成果却远超预期. DeepSearch 的核心步骤 DeepSearch 的核心在于放权给 AI,让 AI Agent 自主进行搜索、阅读和推理,最终生成高质量的报告。DeepSearch 的关键步骤包括:计划、搜索、生成、评估和迭代。 以下表格总结了 DeepSearch 的关键步骤、技术细节以及评估指标: Jina AI 如何放权给 AI? Jina AI DeepSearch 的核心在于放权给 AI,让 AI Agent 自主进行搜索、阅读和推理,最终生成高质量的报告。具体来说,Jina AI 采用了以下策略: 1. 迭代式搜索:AI Agent 不断循环搜索、阅读和推理,直到找到最优答案。这个过程模仿了人类研究员的思维过程,不断深入挖掘信息。 2. 子问题拆解:将复杂问题拆解为多个子问题,逐个解决。例如,在进行市场调研时,可以将问题拆解为“目标用户是谁?”、“竞争对手有哪些?”、“市场规模有多大?”等子问题。 3. Query 扩展:对用户输入的 Query 进行扩展,挖掘用户潜在需求。例如,用户搜索“宝马 5 系二手价格”,DeepSearch 不仅会搜索二手价格,还会扩展到“宝马 5 系优缺点”、“同级别车型对比”等相关信息。这种 Query 扩展基于大模型对用户意图的深度理解,而不仅仅是关键词匹配。 4. 长文本处理:采用滑动窗口等技术,从长文档中提取关键信息。滑动窗口技术保证了信息的连贯性,避免了信息的割裂。 5. URL排序:对搜索结果中的 URL 进行排序,优先访问高质量的网页。Jina AI 通过综合考虑 URL 出现的频率、上次更新的时间、相关性等因素,实现 URL 的排序. 通过这些策略,Jina AI 赋予 AI Agent 更大的自主权,使其能够像人类专家一样进行研究分析,最终生成更优质的报告。 LLM 在 DeepSearch 中的角色 LLM 在 DeepSearch 的多个阶段都扮演着关键角色: * Query 扩展: LLM 用于理解用户意图,生成相关且多样的查询,从而扩大搜索范围。 * 答案评估: LLM 用于判断生成的答案是否符合要求,例如,是否准确、完整、相关等。LLM 可以对答案进行分类、生成评估报告等。 案例:DeepSearch 在市场调研中的应用 假设你需要进行一份关于“AI 芯片市场”的调研报告。使用 DeepSearch,你可以: 1. 输入关键词“AI 芯片市场调研”。 2. DeepSearch 会自动进行 Query 扩展,例如“AI 芯片市场规模”、“AI 芯片竞争格局”、“AI 芯片发展趋势”等。 3. DeepSearch 会从多个渠道(包括新闻、博客、研报等)抓取信息,并进行结构化整理。 4. 最终,你将获得一份包含市场规模、竞争格局、技术趋势、投资机会等内容的详细报告。 相比传统搜索,DeepSearch 节省了大量的时间和精力,并提供了更深入的洞察。 竞品对比:Jina AI DeepSearch vs. 智谱 AI AutoGLM 沉思 vs. OpenAI Deep Research 目前,市面上也涌现出了一些类似的 AI Agent 产品,例如智谱 AI 的 AutoGLM 沉思和 OpenAI 的 Deep Research。它们都旨在通过 AI 自动化研究流程,提升信息获取效率。 * Jina AI DeepSearch:Jina AI DeepSearch 强调灵活性和可定制性。例如,用户可以通过调整参数来控制搜索深度和广度,或者自定义 URL 排序规则,以满足特定的需求. * 智谱 AI AutoGLM 沉思:AutoGLM 沉思是智谱 AI 推出的一款 AI Agent 产品,它集深度研究能力和操作能力于一体,能够一边进行复杂思考,一边执行操作。AutoGLM 沉思强调智能体的操作能力和灵活性,通过解耦任务规划与动作执行来提升智能体的操作能力和灵活性[^4]。 * OpenAI Deep Research:OpenAI Deep Research 是一款基于 GPT-4 的 AI Agent,它能够进行多步骤自主研究、信息深度整合以及复杂任务的处理. Deep Research 强调多步骤推理和信息综合. OpenAI Deep Research 目前仅提供给 ChatGPT Pro 用户使用,价格较高[^5]。 局限性与挑战 Jina AI DeepSearch 虽然强大,但也存在一些局限性: * 数据来源偏差:DeepSearch 的结果依赖于搜索引擎和网页内容,可能存在数据来源的偏差。例如,如果搜索引擎对某些网站的排名有偏好,或者某些网站的内容质量不高,那么 DeepSearch 的结果也会受到影响。为了解决这个问题,Jina AI 在积极探索多源数据融合的方法,并开发偏差检测与纠正算法。另外如果在私有环境,JINA AI 的产品更可以基于企业内部高度精炼过的数据库,产生更有价值的报告。 * 计算资源需求:DeepSearch 需要大量的计算资源,可能需要一定的硬件配置。例如,运行 DeepSearch 可能需要配备 GPU 的服务器,或者使用云服务,如 AWS 或 Azure. Jina AI 正在努力优化算法,降低计算资源需求. 未来方向 * 个性化: 根据用户的兴趣和需求,提供个性化的搜索结果。例如,可以根据用户的历史搜索记录、浏览行为等信息,为用户推荐更相关的结果. * 多模态: 支持多模态输入,例如,图像、音频、视频等。这将使 DeepSearch 能够处理更复杂的信息需求,例如,用户可以通过上传一张图片来搜索相关的产品或服务。然而,多模态输入也带来了数据融合和对齐的挑战. * 可解释性: 提高DeepSearch 的可解释性,让用户更容易理解报告的生成过程。例如,可以向用户展示 DeepSearch 的推理过程,或者解释为什么某个结果被认为是相关的. Jina AI DeepSearch 代表了 AI 时代搜索的新方向。它通过抛弃传统思维链,放权给 AI,用更简单的方法,实现了更深度的信息挖掘和更高质量的报告生成。虽然目前还处于发展初期,但 DeepSearch 的潜力已经显现。随着AI记忆力的迅速提升,及AI计算成本的下降,企业私有数据库的构建,我们有望看到AGI在咨询领域以超出我们预期的速度实现。 随时访问 ,search.jina.ai 体验 DeepSearch 的强大功能,体验 Deepseek的功能 加入群聊,和我们一起沟通AI相关的知识 公众号:遇见AIER / Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected]

44分钟
99+
2周前

1个月涨粉13万!AI赋能内容创业的实战指南

UAI AI校友沙龙回顾:分享者,祝明 添加主理人微信,加入UAL 校友AI沙龙 AI交流群:hongyu_she AI 让内容创业变简单,一人可顶一个团队? 如果你想做自媒体,但苦于不会拍视频、不会写文案、不会剪辑,甚至不知道如何选题,那么这篇文章一定适合你。 过去,内容创业是高手的游戏,拍摄、剪辑、运营,一个都不能少。但现在,AI 让这个行业的门槛大幅降低,你甚至不需要出镜、不需要写稿,AI 可以帮你搞定 80% 的工作,1 个人就能运作 10 个账号,1 个月涨粉 13 万! 我是 祝明,一名 AI 赋能内容创业的实战派创业者。今天,我将拆解 如何利用 AI,让自媒体创业变得更简单、更高效? AI 如何提升内容创作效率?案例拆解 案例:AI 让短视频制作时间从 3 小时缩短至 20 分钟! 我认识的一个直播团队,过去制作一条短视频至少需要 3 小时,但引入 AI 工具后,整个流程只需 20 分钟!秘诀在于 用 AI 替代重复劳动: • 自动剪辑:使用 剪映 AI,一键生成 B-Roll 素材,自动匹配音效; • AI 提词器:美图口播功能,解决镜头恐惧,提升表达流畅度; • 数字人直播:定制虚拟形象,实现 24 小时无人直播。 过去需要 一个团队 才能完成的工作,现在 一个人 就能搞定,AI 让内容创业的门槛大幅降低! 我的实战经历:如何用 AI 从 0 到 1 打造自媒体 华强北创业实战:AI 如何突破内容创业的极限? 在进入 AI 自媒体创业之前,我在 华强北做过直播带货,深刻体会到两个问题: 1. 团队成本高:完整的直播团队至少需要 8 个岗位,成本极高; 2. 内容制作效率低:传统方式制作一条短视频需 3-5 小时,日更几乎不可能。 于是,我开始用 AI 进行内容创作优化,并总结出以下 AI 内容创业三步法: 第一步:AI 选题+文案生成 • 使用 KIMI研究小红书、抖音等平台的爆款内容,分析容易火的选题; • 例如输入关键词 “冷门清洁神器”,AI 立刻生成种草文案+热门标签,稍作调整即可用作短视频脚本。 第二步:AI 加速视频制作 • 美图口播 AI:解决镜头恐惧,自动调整眼神,提供 AI 提词器,让口播更自然; • 剪映 AI:一键剪辑+自动配音,省去 90% 的剪辑工作。 第三步:矩阵式内容分发,最大化流量 • 新榜小豆芽:一键分发多个短视频平台,定时发布、批量管理评论; • 矩阵化运营:利用 AI 管理多个账号,批量测试内容,筛选出爆款视频重点推广。 最终成果:1 个月涨粉 13 万,GMV 破百万! 在短时间内,不仅涨粉迅速,还成功变现——在抖音带货直播的高峰期,我们 单场直播成交额超过 123 万元 你也可以复制这套方法 以前做内容创业需要一整个团队,现在你只需一台电脑+几个 AI 工具,就能完成所有工作! AI 时代的个人布局:内容创业+私域流量 很多人认为短视频创业只需做好内容,但 真正的核心在于流量变现。仅靠平台流量,你可能面临: •平台限流:算法变化,流量可能瞬间归零; • 封号风险:所有流量依赖平台,账号随时可能被封; • 变现效率低:仅靠平台分成难以盈利,除非打造超级爆款。 所以,明智的内容创业者一定要布局私域流量,把流量掌握在自己手里。 如何避免数据霸权,真正掌握自己的流量? AI 让内容创业更简单,但你 真的拥有自己的流量吗? 许多人辛苦涨粉,但一旦平台规则变化,账号可能被限流、封禁,所有努力瞬间化为泡影。 破解之道:自建流量池,掌握主动权 • 方法 1 布局微信私域,建立流量闭环 • 视频号+社群+小程序,流量沉淀至私域,避免限流、封号风险。 • 方法 2️多平台矩阵运营,降低单一渠道依赖 • AI 矩阵化运营,同时管理多个账号,确保流量稳定增长。 • 方法 3️拥抱 AI,提高内容产出效率 • AI 提升效率、降低运营成本,比竞争对手更快抓住机会! 结语:AI 让创业更容易,但你的流量要掌握在自己手里! AI 正在改变内容创业规则,普通人可以低成本入局。但如果不掌握 私域流量,你将永远陷入 流量焦虑。 真正聪明的创业者,不只是用 AI 生产内容,更要用 AI 打造自己的流量资产! 如果你还在犹豫,不妨从现在开始尝试——用 AI 提升效率,用私域建立护城河,让创业变得更轻松、更长久! 在这里找到我们: * 公众号:遇见AIER / Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 添加主理人微信,加入UAL 校友AI沙龙 AI交流群 [图片] [图片]

28分钟
99+
1个月前

从1个月到3小时:当服装设计开始玩 “设计杂交”,AI带来新的设计引擎

UAI AI沙龙回顾:分享者,张弘扬 “领导对设计不满意要改设计,至少两周” “设计稿打样?1个月起步。” 这是传统服装行业的常态——冗长的流程、高昂的成本、甲方的反复修改,让无数设计师在“熬夜改稿”和“赶工交付”中疲于奔命。而一家国内童装企业,却在一年内用AI技术彻底颠覆了这一局面:把以月计的的设计周期压缩到X小时,从“人海战术”到小团队支撑全流程。他们甚至玩起了“杂交水稻”——将电影导演的构图、摄影师的光影、跨行业元素“杂交”进设计,让服装创意突破想象边界。 一、AI“设计杂交”:一场设计界的“基因突变” 1. 当导演风格“入侵”童装设计,设计流程的重构 “我们让AI用《银翼杀手2049》的赛博美学设计服装,再用王家卫的电影色调渲染面料。” ——这不是科幻片,而是我们团队的日常操作。传统设计依赖设计师的单一灵感,而他们通过AI工具(如MidJourney、Stable Diffusion)玩起了“跨界杂交”: * 杂交配方:将“某品牌联名设计师+科幻电影构图+摄影师光影语言”等提示词组合,生成前所未有的设计原型。 * 风格迁移:用SD固定服装线稿,再迁移MJ生成的奇幻元素,确保设计稳定性。 * 暴力出图:单项目生成几百页页的设计方案,覆盖“赛博国风”“电竞潮酷”等多个大主题,让甲方从“做加法”变为“做减法”。 二、极限的速度带来的增量需求 1.5小时极限交付:AI如何“堵死甲方的所有退路”传统服装设计流程依赖人工创意、手绘线稿、反复修改与打样,周期长且成本高。而通过整合AI工具链,我们实现了从需求接收到方案交付的极限提速。 一场“不可能完成”的挑战某日11:30,客户临时提出“次日下午会议需展示全新工服设计方案”。此时距离交付仅剩1.5小时,传统流程完全无法应对。团队迅速启动AI应急方案:AI全路径覆盖设计: * 针对客户模糊需求,用Midjourney批量生成20套不同风格设计稿,通过“饱和式提案”堵死所有潜在修改需求。 * 结合ControlNet固定服装,用Stable Diffusion进行风格迁移,确保设计元素稳定输出,避免AI随机性导致的失控。AI摄影+人工精修闭环: * 将设计稿输入自己制作的AI模特生成工具,快速产出家庭场景效果图。针对多人全家福人脸失真问题,夜间用Stable Diffusion逐一对30组人脸重绘,确保“全家福”形象统一且自然。 最终整合300+素材,输出X页完整方案,包含设计图、模特上身效果及生产参数,直接对接供应链X天完成打样。 “堵退路”逻辑的底层策略预判需求颗粒化:将客户模糊需求拆解为不同维度,每个维度提供3-5种选项,用AI海量生成能力覆盖所有可能性。 人机协同边界:AI负责快速发散创意,人工聚焦关键决策(如服装结构合理性审核)与高精度细节修正,实现效率与品质平衡。 此次案例验证了AI在极限场景下的爆发力——从需求对接到方案成型仅1.5小时,较传统流程提速10倍以上,更推动企业从“被动接单”转向“需求创造者”角色。 三、人性VS机器:“AI是蒸汽机,但开车的是人” 1. AI的“缺陷”:完美主义者的噩梦 * 细节崩坏:从“六指琴魔”到面料幻影AI生成的图像常陷入“技术性失控”的困境。例如,服装设计中频繁出现面料质感失真(印花模糊或纹理错位),脸部失真等问题。即便使用Midjourney生成的高精度效果图,仍需人工介入PS修复细节。更棘手的是,当AI试图融合多元文化元素时(如将传统刺绣与赛博朋克风格结合),偶尔逻辑冲突导致设计崩坏,最终仍需设计师手动调整结构比例和色彩过渡。 * 提示词“幻觉”:参数游戏的陷阱AI产生提示词时会出现严重幻觉“幻觉”:创造不存在的参数(如stylize weight=1500超限)导致报错。AI的“幻觉”在创作中可能会为我们带来意想不到的收获,但也会成为双刃剑——当提示词存在错误时,可能产出完全偏离预期的结果。 2. 人性的补全:从“工具人”到“超级个体” * 情绪价值:制造“不讲道理”的共鸣AI无法理解“奶奶纳的鞋底”所承载的手工温度,也难以捕捉母亲凝视孩子时的微妙情感。AI生成的“温馨绘本场景”,转而拍摄“孩童观察鱼缸时瞪大的眼睛”与“母亲背影”的组合。这种“非逻辑”的情感表达,使产品从功能价值升维至情感符号。 决策权重构:超级个体的诞生:在AI工作流中,设计师的角色从“执行者”进化为“策略指挥官”。当AI解决“怎么做”的效率问题时,人类始终掌握着“为什么做”的价值定义权。在服装领域,这种博弈尤为明显:AI能批量生成符合人体工学的版型,却无法替代设计师抚摸面料时的直觉;可模拟千万种印花图案,但读不懂孩子触摸母亲衣角时的安全感。未来的竞争,将是“人性洞察力”与“技术驯化力”的双重较量。 效率革命,不是取代而是解放 当AI将设计师从重复劳动中解放,真正的创意才得以野蛮生长。这家企业的实践印证了一个真理:AI不会杀死设计,只会杀死平庸。 未来的服装业,属于那些既懂“杂交”技术,又握紧人性温度的“超级个体”。 “我们不要和AI赛跑,而要骑着AI赛跑。” ——而这,或许才是效率革命的终极答案。

39分钟
99+
1个月前

RAGFLOW,为DEEPSEEK这样的思考模型插上知识库的翅膀—对话RAGFLOW 创始人张颖峰

当大模型不再“死记硬背”,知识库如何成为推理引擎的“外挂大脑”? “大模型能回答问题,但答案像从课本上抄来的。” “企业有海量数据,但AI一问三不知。” 这些开发者与企业的共同痛点,正在被RAG(检索增强生成)破解。而初创公司InfiniFlow凭借开源项目RAGFLOW,以3.9万GitHub星标和1万+国内外开发者用户的成绩,成为这场技术革命的领跑者。 在长达一小时的深度访谈中,InfiniFlow创始人张颖峰反复强调:“RAG不是大模型的补丁,而是下一代搜索引擎。”这场对话不仅揭示了RAG技术的底层逻辑,更展现了一个野心: 让DEEPSEEK真正学会“思考时检索”可能是通往AGI之路的一条捷径。当AI学会“思考时检索”时,更多高价值场景的大门将被打开。 以下是部分访谈中的核心观点 一、RAGFLOW的“硬核武器”: 从数据入口到搜索内核的全链路优化 1. 重型文档解析:数据质量的“第一道防线”RAGFLOW的破局点在于“Quality In”策略: * 50+格式支持:PDF、PPT、Excel、扫描件及图文混排文件均可解析; * 多模态处理能力:分析表格、图表与文本的关联性,避免信息割裂; * 分级知识库:按文档重要性自动分级存储,提升关键信息召回效率。 2. 搜索引擎的“反共识选择”: 为什么是Elasticsearch?当行业追捧向量数据库时,RAGFLOW坚持采用“老牌”搜索引擎Elasticsearch(ES)。可靠的检索不能仅依赖向量引擎——传统关键词匹配结合语义搜索,能在极端场景下保障检索结果的下限。“向量搜索像‘开盲盒’,而企业需要确定性。ES的检索能力是RAG的刚需。” 3. 语义鸿沟的“三重补丁” RAG的核心难点在于用户问题与答案间的语义断层。RAGFLOW在传统向量RAG系统上新增三套方案: * Graph RAG:构建轻量级知识图谱,解决“猪八戒与白龙马关系”类复杂问题; * 标签库系统:人工定义高频术语标签(如“iPhone=手机”而非“手机壳”),提升排序权重; * 工作流系统:通过结构化指令,将模糊问题(如“公司营收增长原因”)改写为精准检索逻辑。 二、推理时代的“杀手级场景”:从知识库到决策引擎的跃迁 当前落地场景:90%的需求仍是基础问答 * 知识库问答:企业内部文档的快速查询; * 客服系统:基于工单库的自动化问题回复; * 文档助手:合同、论文的摘要生成与关键信息提取。 张颖峰认为:“这只是RAG的冰山一角。推理能力的爆发将解锁高阶场景,而‘边推理边搜索’可能是打开这些场景的关键钥匙。”。 未来RAG可能和推理模型共同组合成“大记忆模型”,大记忆模型将拥有下面的能力—— * 动态记忆管理:短期对话记忆与长期知识库无缝衔接; * 注意力机制外延:模型像人类“选择性调用记忆”; * 将数据与模型的Attention计算结果深度绑定; * 高频知识的KV Cache直接存储于数据库; * 中低频率知识图谱化。“大记忆模型可降低多Agent系统的运算成本,无需训练即可快速调用企业数据资产,提供精准,低成本,高效的AI服务。” * 多Agent协同:法务、财务、研发Agent共享知识库,协作生成方案。 “未来的企业AI,会像人一样拥有‘工作记忆’ 随着大记忆模型的成型,AI会逐渐从“效率工具”,进化为组织的“数字员工”,直接实现下列场景: * 多Agent协同生成带风险提示的企业审计报告; * 基于设备数据,和过往案例的设备风险监测,和解决方案建议 三、给AI应用开发者的建议 RAG技术基于传统技术,虽不神秘,但需关注AI相关的各个技术领域,如自然语言处理、机器学习、计算机视觉等。应用开发者不应将RAG视为黑盒,需深入理解检索、解析等环节,以优化工具使用并排查问题 结语:在DEEPSEEK这样的推理模型时代,没有“人”是一座孤岛。真正的智能不在于模型本身有多大,而在于你需要的时候,能否调取所需的数据,给你需要的回答。 在这场数据与推理的“双向奔赴”中,企业可以通过RAGFLOW为自己的“AI大脑”装配最适配的“外部数据库”。 往期相关内容: "不如主动拥抱AI" - 一位阿里设计老将转型AI产品的实战指南MoPaaS: 让AI应用落地不再难 - 企业的"智能化加速器" 一周时间,编程新手能够用Ai写出怎样的工具?Mixlab Ai编程挑战赛 一周时间,编程新手能够用Ai写出怎样的工具? 用AI写最好的故事 , Midreal创始人陈锴杰专访AI时代下的“Agent”革命与企业及个人的新机遇 AI赋能珠宝设计:基于更高的设计效率培养个人ip,实现按需定制 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 S6 AI如何改变产品经理的工作,MIXLAB NODE创始人熊叔的故事 如何通过人工智能更高效的学习:伊伊子的硅谷洞见 在这里找到我们: * 公众号:遇见AIER Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 如果希望加入听友群,请扫描二维码,或添加主理人微信:hongyu_she

55分钟
99+
2个月前

AI会让创意更珍贵:对话头部广告创意总监 × AI艺术家

JING学长曾在英国伦敦工作学习,回国十多年来一直活跃在广告创意领域,曾服务过,Gucci, Tiffany, Volvo, Volkswagen, Hennessy,Apple等品牌 2024年,他的AI辅助创作作品入选了伦敦两个重要展览:落雁画廊群展和萨奇美术馆群展。在很多人担忧AI会取代创意工作时,这位资深创意总监却有着截然不同的观点:AI的出现不仅不会减少创意需求,反而会让真正的创意变得更加珍贵。 UAL校友AI分享第一期 AI在广告行业的应用 AI确实提升了我们的工作效率,但更重要的是它改变了整个创意生产的方式。"JING分享道。在传统的创意流程中,从概念到可视化往往需要耗费大量时间。"创意的过程其实很像用手去抓一把烟或者抓水,很难把脑海中的想法真实表现出来。AI能帮助我们很快地把想法可视化,大大降低了试错成本。以前做汽车广告时,从概念到最终呈现可能要经过七八轮修改,每次修改都需要重新制作,这极大限制了我们尝试不同方向的可能性。现在通过AI,我们可以在客户面前实时生成和调整不同风格的视觉呈现,这让创意讨论变得更加直观和高效。 但这种效率的提升不能替代创意。很多时候你要用创意去抓住一些很特别的瞬间,这需要敏锐的洞察。比如我们在聊天时产生的某个共鸣点,或者一杯茶让你想起的某个场景,这些都是AI无法主动发现的创意火花。 AI与艺术创作:平衡技术与人性 当然AI不但可以应用于广告领域,也可以在艺术创作中大幅降低迭代所需要的时间成本,让艺术家有更多时间关注创造本身。JING采用了一种独特的人机协作方式。 首先是概念探索,我会用AI生成大量的参考图像,这些图像帮助我快速验证不同的创意方向。比如在最近的一个作品中,我想探索'都市孤独'这个主题,通过AI我能在短时间内生成数百张不同风格和氛围的图像,从赛博朋克到极简主义,这让我能更全面地思考表达方式。" 第二阶段是深度创作,这时我会选择最有潜力的方向,开始与AI进行更细致的对话。关键是要让AI理解你的美学偏好和创作意图。就像在伦敦展出的那件作品,我花了很多时间调整提示词,不断实验不同的参数组合,直到找到能准确表达我想法的方式。这个过程很像在和一个助手交流,你需要学会用它的'语言'来表达你的创意。 最终作品一定会经过我的二次创作。这不仅是技术层面的需求,更是为了注入个人的艺术语言和情感。我会在AI生成的基础上进行再创作,可能是调整构图,可能是重新处理细节,甚至是将多个元素重新组合。就像一个画家不会被限制在某个特定的技法里,我们要学会把AI当作画笔,而不是画作本身。 这种创作方式让我意识到,AI不是来替代艺术家的,而是在扩展我们的创作边界,它让我们能更自由地探索各种可能性,但最终作品的灵魂依然来自创作者本身。这就是为什么即使在AI时代,真正打动人心的作品依然离不开人的创造力和情感投入。 "AI味”与个性化:人工干预的必要性 正是通过这种多阶段的创作实践,JING深刻体会到了所谓"AI味"的本质。"AI味体现在两个层面。首先是视觉层面,AI生成的图像往往过度完美。就像电脑渲染的场景,每个渐变、每个色块都太过整齐划一。而在现实世界中,即使是一堵白墙,仔细观察也会发现千变万化的颜色变化,这就是印象派画家们所捕捉的微妙之处。 第二个层面是创作逻辑的局限。AI是基于现有作品训练的,所以它往往带有特定风格的烙印。比如在科幻风格的创作中,你会发现AI很容易倾向于赛博朋克的表现手法。这种倾向可能导致作品缺乏真正的独特性和突破性。 就像在可口可乐最近的那支全AI广告中,虽然技术层面已经很成熟,但人物的细微表情、眼神传达的情感,还是与真实表演有差距。这不仅是技术问题,更深层的是对人性细节的把握。这也是为什么我始终坚持在AI创作基础上进行二次创作,通过人工来注入那些细腻的、富有生命力的细节。 在AI时代,创意需求正在经历前所未有的分化。现在我们已经能看到很多商家在使用AI生成的广告图片,比如一些小店的户外广告,甚至一些数字平台的内容,都开始大量使用AI创意。这让基础的创意服务变得更容易获取,但同时也导致了某种程度的同质化。 这种分化让我们想到高定和成衣的区别,就像现在人人都能买到好看的成衣,但高定的价值不仅没有降低,反而更显珍贵。为什么?因为它提供的是个性化的定制体验。同样,当基础创意变得触手可及时,真正的高端创意服务反而变得更有价值。 这种价值的重构在品牌服务中表现得尤为明显。"每个品牌都有其独特的个性和调性。比如Tiffany,它不仅仅是高级珠宝,更多的是传递爱与温暖的情感;卡地亚则更强调高冷的奢华感。而沃尔沃则遵循北欧简约的设计哲学,简洁但不失温度。这些品牌调性的差异,需要创意人对品牌的深刻理解。" AI确实可以帮助我们快速呈现不同的风格,但准确把握品牌调性,理解它背后的文化内涵和情感诉求,这需要创意人的洞察力和经验积累。就像现在消费者的眼光越来越挑剔,他们渴望看到能让眼前一亮的创意。如何在保持品牌调性的同时创造惊喜,这种能力是AI无法替代的。 对于创意行业的这种分化趋势,JING持积极态度:"这实际上推动了整个行业的升级。基础创意服务的门槛降低了,但这恰恰让优质创意的价值更加突出。未来的创意机构需要在战略咨询、品牌洞察、创意策略等更深层面建立核心竞争力。这种转变不是威胁,而是机遇。 创意人的增长指南:在AI守住初心 在AI技术加速重塑创意行业的当下,每个创意从业者都面临着重新思考和定位自己的挑战。对于刚踏入这个行业的年轻人来说,既要把握时代机遇,又要坚守创意本质。以下五个维度的建议,或能帮助新一代创意人在变革中找到方向。 夯实基础,培养慧眼 在技术快速迭代的今天,扎实的基本功不但没有过时,反而愈发重要。虽然AI能够生成精美的图像,但对造型、色彩和构图等基本原理的深刻理解,仍是一切创意工作的根基。这种理解不仅能帮助创作者更好地驾驭AI工具,更能培养独特的美学判断力。 当AI可以在几秒钟内生成数十张方案时,识别和选择最佳创意的能力变得尤为关键。正如一位资深画家能从千万种可能中准确找到最打动人心的表达,未来的创意人也需要这种敏锐的审美能力。而这种能力恰恰来自于扎实的基本功训练——只有亲手实践过的人才能真正理解为什么某个细节处理更好,为什么特定的色彩搭配更有张力。 开放学习,拥抱变化 在AI这个领域,每个人都是新手。无论资历深浅,都需要以开放的心态拥抱这项新技术。实践表明,那些能在职场走得更远的年轻人,往往具备更积极主动的学习态度,愿意投入时间去探索和尝试。 新技术的出现从未真正淘汰过传统技能。就像电脑的普及没有取代手绘设计,数码相机的发展也没有消灭胶片摄影。相反,那些精通传统手法的创作者往往能更好地驾驭新技术,因为他们理解创作的本质规律。培养扎实的基本功和拥抱新技术并非对立选择,而是相辅相成的关系。 跨界学习,广积薄发 对新人而言,接触完整的创意链条至关重要。过早将自己局限在某个专业领域并非明智之选。即使在看似"商业化"的广告行业中,也蕴含着丰富的艺术形式,从影像、摄影到插画、书法,这些跨领域的经历最终都能转化为创作的养分。在数字化转型的浪潮中,这种多元化的能力显得尤为重要。 寻找热爱,坚守初心 在选择创意作为终身职业之前,需要深入思考是否真正热爱这个行业。当下喜欢一件事情相对容易,因为周围环境往往充满支持和鼓励。但当面临职业发展的重要抉择时,必须考虑到这个行业带来的各种挑战。 在AI时代,创作者的竞争对手已经不仅仅是人,而是机器。当AI能在几分钟内完成需要数周才能完成的作品时,继续坚持的唯一动力就是对创作的纯粹热爱。这种热爱不仅能帮助度过职业生涯中的困难时期,更能推动持续的创新和突破。 把握机遇,保持锐气 新一代创意人具备得天独厚的优势。当下市场正在向年轻群体倾斜,他们对新兴文化和媒体的理解日益重要。善用这种对时代的敏锐理解,同时保持开放和谦逊的学习态度,将成为职业发展的重要助力。 与其担忧被AI取代,不如思考如何利用AI提升创作能力。真正的挑战不在于技术本身,而在于如何在这个快速变化的时代中,始终保持创新的能力和对创意的热忱。这种平衡艺术,或许正是新时代创意人最需要修炼的功课。 我们正在组建UAL AI兴趣小组,如果希望加入,请添加下方主理人微信 往期相关内容: "不如主动拥抱AI" - 一位阿里设计老将转型AI产品的实战指南MoPaaS: 让AI应用落地不再难 - 企业的"智能化加速器" 一周时间,编程新手能够用Ai写出怎样的工具?Mixlab Ai编程挑战赛 一周时间,编程新手能够用Ai写出怎样的工具? 用AI写最好的故事 , Midreal创始人陈锴杰专访AI时代下的“Agent”革命与企业及个人的新机遇 AI赋能珠宝设计:基于更高的设计效率培养个人ip,实现按需定制 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 S6 AI如何改变产品经理的工作,MIXLAB NODE创始人熊叔的故事 如何通过人工智能更高效的学习:伊伊子的硅谷洞见 在这里找到我们: * 公众号:遇见AIER Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 如果希望加入听友群,请扫描二维码,或添加主理人微信:hongyu_she

87分钟
99+
3个月前

"不如主动拥抱AI" - 一位阿里设计老将转型AI产品的实战指南

在当下这个AI快速发展的时代,越来越多的人开始思考自己的职业发展方向。今天我们邀请到了萌友会创始人李辉达,与大家分享他从阿里巴巴资深设计师到AI产品经理的转型历程,以及他对AI时代工作方式的深度思考。 你的点赞评论转发是我更新的最大动力 嘉宾产品:复制后面的内容进入微信即可打开 嘉宾公众号:闲聊AI的阿布 #小程序://萌友会/ZbSZUE2U2xyulWh 转型的契机: 01:59看见危机,遇见机遇 在互联网行业工作了十多年的李辉达,对行业的发展有着敏锐的洞察。"设计师的职业天花板是清晰可见的,而且在当前的经济环境下,很多互联网公司开始对设计团队进行调整,这让我感受到了很大的压力和危机。"他坦言道。 02:39 正是在这样的背景下,ChatGPT和Stable Diffusion等AI技术的爆发给了他新的启发。通过深入研究这些技术,他发现AI带来的生产效率提升远超移动互联网时代。"移动互联网加速了信息的交换,但AI在生产力上实现了质的飞跃。这让我意识到,与其等待被AI改变,不如主动拥抱这个变革。" 转型之路: 06:59从界面到业务的跨越 很多人可能会认为从设计师到产品经理是一个巨大的跨越,但李辉达告诉我们,这个转变是循序渐进的过程。在阿里巴巴的11年间,他经历了从UI设计师到交互设计师,再到UX设计师的转变。"在2015年左右,阿里开始推行UX设计师这个新的职能,要求我们比UI设计师更具备业务视角。我们需要深入理解业务,了解产品需求是如何制定的,参与产品前期的战略规划,并且在这个过程中给产品经理提供专业建议。" 08:14 这段经历让他的业务视角不断拓宽,工作内容也越来越深入。"久而久之,我们发现自己的某些工作其实已经与产品经理有了重叠。区别主要在于,我们不会去制定业务目标,不会去跟进产品整体的研发节奏和项目管理。但在产品思维方面,我们已经打下了很好的基础。" 08:47 在创立萌友会的过程中,AI工具成为了他快速适应产品经理角色的重要助手。"做一个产品不仅仅是有思路、有想法就够了。每一个具体功能都涉及到上下游链路,数据从何而来,数据字段有多长,数据接口API在什么地方,这些都需要考虑。这不是之前作为设计师时会思考的内容。" AI重塑产品规划工作 13:24 在萌友会的产品规划阶段,李辉达探索出了一套独特的AI协作方法。"最开始,我只是把一个初步的想法告诉Claude:希望做一个类似动物森友会,以动物为形象的AI陪伴产品。让我惊讶的是,AI不仅帮我完成了详尽的可行性分析,还提供了很多超出预期的想法。" 14:13 这份由AI输出的可行性报告包含了详细的市场规模预测、竞品分析、用户画像等内容。更重要的是,AI还主动提出了产品未来的发展方向,比如延伸到AI玩具领域,开发特定的情商大模型等。"它像一个经验丰富的产品顾问,帮助我们看到了更多可能性。" 18:46 AI革新UI设计流程 在UI设计环节,李辉达展示了如何将AI工具整合入设计流程。"我们需要大量的素材,比如8个动物角色各自对应的10种食物,如果按传统方式设计,可能需要几个月时间。但通过AI工具,整个过程被大大简化。" 20:46 具体来说,他的AI设计流程是这样的:首先使用Claude编写Midjourney提示词,生成初始图片。然后使用MasterGo的AI功能进行优化,包括一键生成图标、获取设计灵感、图片高清化处理等。"在一个多月内,我们就完成了800多张素材图片的制作,这在过去是难以想象的。" 42:29 AI改变团队协作模式 在团队协作方面,李辉达发现AI带来了意想不到的改变。"传统的产品经理和开发团队之间,经常会因为PRD文档的理解产生分歧。有时候产品经理描述的功能,开发工程师可能会有完全不同的理解。" 44:06 为了解决这个问题,他开始使用AI生成可交互的HTML界面原型。"我直接用Claude生成一个可以点击的界面,在跟开发团队沟通时,我们看着同一个界面讨论,立刻就能达成共识。这比看文字描述要直观得多。" 萌友会: 57:32 用游戏化包装AI的新尝试 谈到为什么要开发萌友会这样一款产品,李辉达分享了他的独特见解。"在使用Claude的过程中,我发现它不仅能提升工作效率,还能提供情感价值。很多用户在面对压力和困扰时,需要一个随时可以倾诉的对象。但传统的AI界面过于冰冷,所以我们想通过可爱的动物形象来降低用户的使用门槛,让AI变得更加亲近。" AI时代的三个关键建议 1:03:05 第一,要真正去使用AI工具,而不是停留在新闻报道层面。"很多人讨论AI会取代谁,但其实并不真正了解AI的能力边界。只有深入使用,才能真正理解AI能做什么,不能做什么。" 1:05:17 第二,深入了解AI的底层原理。他举例说明,"比如了解扩散模型的原理后,你就能明白为什么现在的AI绘画还做不到完全符合物理规则,这有助于你更准确地判断AI技术的发展方向。" 1:09:54 第三,也是最重要的,要始终关注人性。"在AI时代,理解人性可能比掌握技术更加重要。要多与不同背景的人交流,理解他们的需求和行为模式,这些洞察是AI无法替代的。" 结语 1:14:45 从阿里巴巴的设计师到AI产品经理,李辉达的转型之路给我们展示了一个重要的启示:在AI时代,最关键的不是担心被取代,而是思考如何与AI协同发展,找到自己的独特价值。正如他所说:"AI确实会改变很多工作方式,但它永远无法替代人对人性的理解和创新思维。" 往期相关内容: MoPaaS: 让AI应用落地不再难 - 企业的"智能化加速器" 一周时间,编程新手能够用Ai写出怎样的工具?Mixlab Ai编程挑战赛 一周时间,编程新手能够用Ai写出怎样的工具? 用AI写最好的故事 , Midreal创始人陈锴杰专访AI时代下的“Agent”革命与企业及个人的新机遇 AI赋能珠宝设计:基于更高的设计效率培养个人ip,实现按需定制 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 S6 AI如何改变产品经理的工作,MIXLAB NODE创始人熊叔的故事 如何通过人工智能更高效的学习:伊伊子的硅谷洞见 在这里找到我们: * 公众号:遇见AIER Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 如果希望加入听友群,请扫描二维码,或添加主理人微信:hongyu_she

75分钟
99+
4个月前

MoPaaS: 让AI应用落地不再难 - 企业的"智能化加速器"

AI正在深刻改变人们的生活和工作。特别是近两年来大模型AI正席卷各行各业。正越来越多地被广泛用于解决各种问题。大模型 AI 以开启了智能时代的“蒸汽机”,也推动人类社会的变革。但对于众多企业而言,如何低成本、高效率地开发和部署大模型AI应用仍是一个难题。本期我们邀请到MoPaaS创始人鲁为民博士,为我们揭秘一个让AI落地不再难的解决方案。 从NASA到AI: 一位技术专家的蜕变 https://www.mopaas.com/ mopass产品官网 作为上海殷泊信息科技有限公司(MoPaaS)的创始人,鲁为民博士的经历颇为传奇。早期他曾在美国NASA的喷气推进实验室(JPL)从事自动航天器的各种导航技术研究工作,特别是成功将自动控制技术应用于各类航天器的导航与控制的实际问题。而自动(反馈)控制理论则是当今人工智能中广泛采用的强化学习技术的基础。,后来鲁博士又在不同成熟地跨国大公司和硅谷初创公司又从事各种与AI应用相关的工作,包括自动控制、数据存储系统,机器学习等技术的应用。 MoPaaS 成立后没多久,国家发布了《中国人工智能发展规划》,为抓住这个机遇,也顺应客户市场的需求,MoPaaS 在业界率先推出新一代AI平台,致力于降低AI模型和应用的开发门槛,为企业AI技术创新和应用落地提供高效的工程环境。 近两年来,为应对市场大模型 AI 的需求,在AI平台基础上,MoPaaS 先后推出 大模型 AI 平台和大模型 AI 应用引擎。平台提供高效的大模型应用开发和部署能力,使企业能够低代码地适配私有大模型,且零代码地构建和部署各类大模型应用。 MoPaaS AI平台已经服务在工业制造、能源交通、互联网、医疗卫生、金融技术、教学科研、政府等行业超过500家国内外满意的客户的经典和生成式AI技术研发、人才培养和应用落地工程需求。 现在AI落地的挑战是什么? 过去这些年年,我们见证了AI技术的跨越式发展。特别是近年来大语言模型的出现,让AI从实验室走向了实际应用。现在是AI 应用的最佳时期。但对很多用户来说,仍面临多方面的挑战,包括: * 受限的精准可靠 * 高昂的算力成本 * 复杂的技术门槛 * 数据安全的顾虑 这正是MoPaaS致力解决的问题。 MoPaaS如何帮助企业加速大模型AI应用落地? 针对上述挑战,MoPaaS 通过系列产品,包括AI 平台,大模型 AI 平台,以及大模型应用引擎,为企业客户提供AI应用开发和部署的工程环境,其核心是算力优化和模型开发运维(LLMOps)。通过平台降低企业应用大模型的门槛,满足不同行业需求。 特别是,MoPaaS 通过其产品和服务,可以帮助企业提供高效的大模型 AI 应用开发和部署能力,包括数据/知识管理、主流基础大模型、模型训练/微调框架和环境、大模型推理环境、大模型应用一键部署等功能,使企业能够低代码地适配私有大模型,且零代码地构建和部署基于提示工程、RAG和Agent等技术的各类大模型应用,方便其用户交互使用或API远程调用。 实践案例 1). 某CRM公司采用MoPaaS平台,解决了销售人员工作中的实际痛点。该公司销售人员数量众多,他们需要频繁与客户进行沟通,处理大量邮件往来。然而,从海量邮件中提取关键信息,如客户联系方式、公司名称等,手工处理效率低下。MoPaaS 的专家和客户AI 团队一道,利用MoPaaS大模型 AI应用平台,开发了一套邮件处理应用。系统可以从邮件中自动提取关键信息,并整合到其 CRM 系统中去。该系统的关键信息识别精度达到95%以上,远高于人工处理,同时效率提升20倍以上。 2). 第二个案例发生在某985高校创新中心。该中心整合了MoPaaS平台,为全校师生提供AI理论与实践教学环境。以前,学生使用单机环境完成实验,存在资源利用率低等问题。基于MoPaaS平台后,学生可以在平台上开展项目实战,资源利用效率提升了5倍以上。 2. 零代码开发平台 对于没有专业AI团队的企业,MoPaaS提供了零代码开发平台。用户只需上传文档资料,就能快速构建类似RAG(检索增强生成)这样的高级应用。这大大降低了技术门槛,让更多企业能够享受AI带来的效率提升。 3. 私有化部署方案 针对数据安全的顾虑,MoPaaS提供灵活的私有化部署选项。企业可以在自己的服务器上部署AI应用,既保障了数据安全,又不失去与先进AI技术接轨的机会。 MoPaaS 未来的战略规划的思考 MoPaaS 致力于构建一个全方位开放的 AI 技术和应用生态。为此,MoPaaS 不仅提供了一系列的 AI 技术平台产品,如 AI 平台、大模型 AI 平台以及大模型应用引擎,还已经打造了一个完整的大模型 AI 应用加速业务闭环,其中涵盖了人才培训、项目教练、应用共建和技术平台等环节。这一战略规划旨在以低成本和高效率协助合作伙伴加速大模型应用的落地。具体来说: 1. AI 培训:通过多样化的授课培训方式,帮助团队和 AI 技术人员掌握必要的大模型 AI 实战技术知识。 2. AI 教练:提供专家级的顾问指导,为企业提供专业的建议和支持。 3. AI 共建:深度参与企业的应用开发,与企业共同推动 AI 技术的应用和创新。 这种闭环式的服务体系,能够确保企业在 AI 转型的过程中获得全方位的支持和保障 寄语AI创业者 如果你正在考虑AI创业或应用AI改造现有业务,鲁博士给出三点建议: 1. 系统性学习大模型原理并深度地了解使用具体的大模型服务,建立技术认知 2. 善用成熟的工具和平台,避免重复造轮子 3. 关注行业动态,在适当的时机进行技术创新 未来展望 随着开源生态的不断成熟,以及像MoPaaS这样的支持平台出现,AI技术的门槛正在不断降低。未来,我们有理由相信,即使是小型创业团队,也能够构建出强大的AI应用,在各自的领域创造价值。 往期相关内容: 一周时间,编程新手能够用Ai写出怎样的工具?Mixlab Ai编程挑战赛 一周时间,编程新手能够用Ai写出怎样的工具? 用AI写最好的故事 , Midreal创始人陈锴杰专访AI时代下的“Agent”革命与企业及个人的新机遇 AI赋能珠宝设计:基于更高的设计效率培养个人ip,实现按需定制 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 S6 AI如何改变产品经理的工作,MIXLAB NODE创始人熊叔的故事 如何通过人工智能更高效的学习:伊伊子的硅谷洞见 在这里找到我们: * 公众号:遇见AIER Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 如果希望加入听友群,请扫描二维码,或添加主播微信:hongyu_she

70分钟
99+
4个月前

一周时间,编程新手能够用Ai写出怎样的工具?Mixlab Ai编程挑战赛

AI编程的赛道愈发拥挤,以GitHub Copilot、GitHub Spark和Cursor等工具为先锋,其他各家也在快速追赶,这一趋势标志着AI编程在编程工作中的效率革命。AI编程不仅为专业程序员带来了便利,也逐步改变了没有编程背景人士的工作方式。MIXLAB为了深入了解AI编程对这些初学者的影响,组织了一场AI编程挑战赛,本期你将听到这些AI编程新手们如何在一周内完成的项目,这些项目包括专为桌游设计的倒计时应用、心流日志工具、轻音乐短视频自动化混剪工具、智能健身助手以及待办清单应用等。 这些项目展示了AI编程工具如何帮助初学者快速实现创意,解决实际问题。参与者们分享了他们在使用AI编程软件过程中的感受,包括如何克服初学者的挑战,如何与AI工具沟通以实现他们的想法,以及在这个过程中遇到的技术难题和解决方案。他们的故事不仅为其他初学者提供了宝贵的参考,也为AI编程工具的发展提供了反馈。 您的关注,点赞,转发是我更新最好的动力 本期为线上会议,录音质量受限,请谅解 你将听到: 0基础学习AI编程,一周的时间能作出怎样的工具? 从零开始学AI编程,有哪些痛点? 使用AI编程工具的感受是怎么样的? AI编程对学习者工作会有哪些影响? Part1初学者们的项目 (Shownote最后的飞书链接中,您可以看到本期参赛项目视频介绍) Fit Coach - 智能健身助手 开发者:大春,设计师,无编程背景 * 功能:智能对话、饮食管理、数据追踪。 * 展望:更多运动数据、社区功能、视频指导系统。 桌游倒计时应用 开发者:亮亮,开发周期:2小时 * 功能:竖横屏切换、时间调节、后台重启、专属音效、一键重置。 * 应用场景:桌游、团队活动、健身、会议、学习。 * 开发:AI生成代码,极简高效。 心流日志(Flow-log) 开发者:Neonity * 特色:无压力记录、时间戳笔记、Markdown导出。 * 计划:增加渲染支持、本地软件打包、用户系统。 轻音乐短视频自动化混剪 开发者:范YX * 功能:音乐高潮提取、自动化视频切片、视频素材爬取。 利用Computer use开发ToDoList 开发者:刘东君 * 背景:实验智能体驱动智能体。 * 功能:基础待办事项管理。 WebJump - 网址导航 开发者:hang * 背景:管理大量网址。 * 特点:AI简介、搜索功能 Part2:从零开始学AI编程,有哪些痛点? * 环境搭建:对于零基础的学习者,首先需要解决各种权限和环境问题,大部分时候,cousor可以解答 * 学习曲线:对于零基础的学习者,理解编程概念和逻辑是一个挑战 * 沟通效率:与AI工具的沟通可能需要多次迭代,尤其是当项目复杂或需求不明确时 * AI幻觉导致的误导 * 错误调试:新手可能难以准确识别和描述错误,导致调试过程缓慢。 Part3:使用AI编程工具的感受是怎么样的? * 高效开发:AI编程工具能够加速开发流程,实现快速原型制作和功能实现。 * 成就感:即使是非专业开发者,也能通过AI工具实现自己的想法,获得成就感。 * 探索性:AI编程提供了探索自动化编程边界的机会,尝试极客式的AI编程。 Part4:AI编程对学习者工作会有哪些影响? * 提升效率:AI编程可以帮助快速实现想法,提高工作效率。 * 技能提升:通过实践AI编程项目,学习者可以提升技术技能,包括编程和问题解决能力。 * 创新思维:AI编程鼓励创新和实验,有助于培养学习者的创新思维。 * 自主学习:AI编程工具提供了自主学习的平台,使学习者能够在实践中学习。 * 解决实际问题:AI编程使学习者能够解决实际工作中的问题,如时间管理、健康追踪等。 本期参赛者项目介绍视频:qwyofiv4bd3.feishu.cn 往期相关内容: 用AI写最好的故事 , Midreal创始人陈锴杰专访AI时代下的“Agent”革命与企业及个人的新机遇 AI赋能珠宝设计:基于更高的设计效率培养个人ip,实现按需定制 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 S6 AI如何改变产品经理的工作,MIXLAB NODE创始人熊叔的故事 如何通过人工智能更高效的学习:伊伊子的硅谷洞见 在这里找到我们: * 公众号:遇见AIER Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 如果希望加入听友群,请扫描二维码,或添加主播微信:hongyu_she

88分钟
99+
5个月前

Graph RAG:提升大模型检索时的智力

技术的每一次进步都可能带来应用场景的革新。Graph RAG(Graph Retrieval-Augmented Generation)对Agent检索能力的提升,预示着AI应用的新篇章。 本次,我们邀请到了开源项目,叶坚白Nano graph rag 的开发者,和我们分享他对graph rag 的看法。 嘉宾履历 - 连续创业者, 两次奇绩创坛录取. - MSRA,腾讯,光年之外 - Linux foundation项目reviewer之一 嘉宾Github: https://github.com/gusye1234 您的关注,点赞,转发是我更新最好的动力 播客核心内容: 传统RAG模型的核心在于通过关键词匹配来检索信息。它依赖于将用户的问题转换为一系列关键字,然后在知识库中进行搜索,最终将相关信息片段返回给语言模型以生成回答。这种方法在处理具有明确关键词的问题时表现出色,但面对模糊或开放式的问题,它的效能就会受到限制。 Graph RAG的出现改变了这一局面。它通过构建一个更加复杂的信息网络,使得AI能够理解知识库中各元素之间的关系。这种图结构的方法不仅能够处理关键词检索,还能够捕捉到知识库中的隐含联系,从而在回答模糊问题时提供更加丰富和准确的信息。例如,当用户询问一个宽泛的话题时,Graph RAG能够通过理解话题内各个概念的关联,提供更加全面的答案。 在笔记应用的领域,这种技术的进步带来了巨大的潜力。 传统的笔记应用可能仅仅作为一个信息存储和检索的工具,而结合了Graph RAG技术的笔记应用则能够成为一个真正的智能助手。它不仅能记录用户的笔记,还能理解笔记内容之间的联系,甚至在用户提问时提供跨笔记的综合性回答。这大大提升了笔记应用的实用性和智能性。 Graph RAG技术的应用不仅限于个人笔记,它还能够在团队协作和知识管理中发挥重要作用。在企业环境中,Graph RAG可以帮助构建一个更加智能的知识库,使得团队成员能够快速地找到所需信息,并促进知识的共享与创新。 我们有理由相信,未来的笔记应用将不再是简单的文本记录工具,而是能够理解、分析并提供深度信息的智能系统。这不仅将改变我们与信息互动的方式,也将为个人和团队的工作效率带来质的飞跃。 Graph RAG与传统RAG的主要区别在于其对信息检索和理解的能力,这种能力的提升降低了AI应用的工程成本,使得更多AI应用成为了可能。 往期相关内容: 用AI写最好的故事 , Midreal创始人陈锴杰专访AI时代下的“Agent”革命与企业及个人的新机遇 AI赋能珠宝设计:基于更高的设计效率培养个人ip,实现按需定制 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 S6 AI如何改变产品经理的工作,MIXLAB NODE创始人熊叔的故事 如何通过人工智能更高效的学习:伊伊子的硅谷洞见 在这里找到我们: * 公众号:遇见AIER Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 如果希望加入听友群,请扫描二维码,或添加主播微信:hongyu_she

46分钟
99+
7个月前

用AI写最好的故事 , Midreal创始人陈锴杰专访

生成式Ai的时代,内容创作与内容的消费之间的关系是什么? 人类和AI的创造力之间有什么区别? 怎样让开源模型发挥更好的效果? 嘉宾背景:MidReal 的创始人陈锴杰,持续创业者,从大学毕业后一直在创业,18 - 19 年休学创业做家庭智能机器人,,2020 年开始第二次创业做 AI agent for Gaming,目前在做 AI 互动的小说故事创作,创办了 MidReal。 MidReal 产品简介:MidReal 能让您借助人工智能创作互动式、有插图的叙述内容。从一句话开始,然后选择您自己的冒险来引导故事的无限展开。我们支持所有类型,从轶事到科幻再到奇幻。我们的平台上现在有超过 22 万的爱好者,每天创作数百个故事。 MidReal产品链接:midreal.ai 您的关注,点赞,转发是我更新最好的动力 播客内容精选 00:10为什么会选择写故事这个赛道,创办Midreal? 娱乐内容行业里面用户永远在消费最顶端的内容;如果写一个法律文书你是有一个天花板的,你写过这条线之后,你不需要把它文章变得更优美或者更连贯,他就已经可以用了,那他就结束了这个任务,所以有可能 GPT 5, GPT 6 他能做这个任务之后,你所有的训练都没有价值,但是内容就很像写代码,就你永远可以写出更高效的代码,永远可以去优化。用户今天会看漫威,但是比如说十年,可能不是五十年前看卓别林的电影。 因为我们会认为 AI 的革命其实去年 10 月大家还没有看那么清楚,但我觉得今天大家看得非常清楚,就是它是生产力的革命,前一代的互联网是信息流通效率的革命就做的是连接,再前一代工业革命做的是生产,那今天又回到了生产,用机器来生产。 那在生产的这个过程当中,我们就会去想象,如果有一个内容平台,它的生产者不再是今天的抖音博主、 b 站 up 主这样的人,而是 AI 构成一个生产者,他会是什么样的?就比如说今天的抖音,其实你也很少说见到一个博主,就这个博主他在屏幕后面究竟是人还是AI?只要他内容够好,不断在更新,跟你有互动,他可能最后就没有区别。所以我们那时候就在设想说会不会由 AI 来颠覆今天的内容平台?所以这几个因素加在一起,我们选择了这样一个赛道。 00:18问题:很多做这个领域的创业者,会选择使用 open AI 的 ChatGPT 这样最先进的模型来作为他创意的基石,你们为什么没有这么做? 那早期 OpenAI 有开放 fine Tuning 的接口的时候,我们会 fine Tuning OpenAI,但是当 LLAMA 3 它达到了 GPT4 的水平,或者年初的时候它也有 3.5 的水平的时候,我们就发现在一个开源模型上做 fine Tuning 是一个绝对更优的选择 00:21问题:什么是Post-train? 在预训练的时候,你让模型看大量的文本之后把里面的规则逐渐抽象出来,形成了它的智能,这和后训练是非常不一样的,后训练习得智能的方式很多时候是通过search、搜索或者其他的,就我们就不具体说了,就比如说 q-star 算法,或者说最近很火的这个strawberry,其实都是一种search,你不管它是什么,你可以理解为 Alphago 下棋,就是 Alphago 下一步棋的时候,你实际上要看后面的 5 步棋、 10 步棋,你看 15 步棋的时候你可以下赢李世石。那这个看后面的棋的过程,看我可能的下的空间的过程,实际上就是一个搜索的过程,你在搜索你自己有多少种可能性?那对模型来说是一样的道理。 比如说今天我们的是写故事的题,写故事的 agent 我们要搜索的就是这个情节点,接下去有多少种情节发展的可能性啊?哈利波特是要打败伏地魔?还是要和金尼结婚?还是要做什么其他的事情?它有很多可能性,我们搜索完了所有的可能性之后,找到最好的那一个,然后把故事写出来,这就是搜索的过程。所以其实后训练很多时候是在通过这样的搜索来让他获得更高的智能。 00:25问题:Post-train过程中间你们积累下来最大的信息资产是什么? 这里面其实我们会积累下我觉得三个比较重要的东西,一个是我们的pipeline,就其实一个新公司也好,或者一个大公司也好,要做到能每天训练是非常难的一件事情,这意味着你的数据能够快速地被处理,然后你的部署是稳定的,你的训练和 serving 是分开的,然后你训练完能马上做evolve,就是evaluation,能评估它的训练效果。 然后第二个就是训练过程中积累下来的,数据就数据其实是很关键的事情,这个数据可能是到最后当行业逐渐成熟之后得到的最关键的东西。因为数据虽然大家都是公开的数据,但你会发现llama 3.1 它的数据量可能就可以做到千问的十倍,就是你,你很难想象,因为阿里的人也很优秀,或者说国内很多大厂的人也都非常优秀。那我不都是从网上爬数据吗?为啥能有一个 5 倍、 10 倍的这个量级的差异呢? 然后第三个你能积累价值的东西就是你的真正的训练方法和算法,就是今天来说你怎么去搭建?你像我们的故事写作会以为它就是一个agent,但实际上我们在故事写的时候是有 4 个 agent 在跑,然后他还做不同的事情,那这四个 agent 分别负责什么?它里面每个算法又是什么?在这里我怎么保证 memory 它的记忆是能一直维持一致的?它的角色是一直一致的,它能够把故事很好地变成图片和视频。我们年底要上视频,就相当于是 AI 能写一个短剧这样的故事,这里面积累下来的算法模型的排布的架构,这些也是非常非常重要的东西。我们聊。 00:45问题:你是如何学习 AI 相关的知识的? 但是自己其实非常难学。我们交流非常多,就是跟硅谷那边的伙伴们也有很多公司,有很多朋友就在做这件事情,所以其实感觉更像是因为在做这件事情。大家交流训练的方法、数据,做的方法,哪一个模型最近最好?有什么新的东西大家是用这种角度在交流的,那比起说作为一个这个外来人在看,就有点像。我们其实都是做手机的,然后我们在交流手机我要用哪个供应商要用什么配件,但是你从一个用户的角度,然后去市场上分析这个不同手机的对比,那就两个肯定就不是同一个维度的事情,所以我们的很多学习和信息其实是从这个角度来的,而不是去读论文。就读论文也重要,但是它就今天的最好的工作都已经不是论文了,就是最重要的工作都已经不是学校在做的了,都已经是大厂在或者创业公司在做的内部工作,所以反而是和人交流可能变成今天学习最重要的事情。 00:50问题:您如何看待人类的创造力与 AI 的创造力? 人类的创造力是个性化的,而 AI 的创造力是泛化的,我的生长环境是相对地球上的七八十一人来说非常闭塞的,然后我去过的地方就那么多,但就是因为我的世界只有这么大,或者说这么小,所以我的创才会非常有特点,就是艺术家他生活环境都可能都是比较极端的。嗯,但 AI 就不一样,就为了得到 AI 的智能,然后它不能像一个人一样这样子带一个很独特的环境里成长起来,他就学习所有人类泛化的知识,那就相当于在这个过程中他把个性给平均了。所以你会看到它写出来的故事,除了故事情节上有套路,比如说人物的命名,他总是喜欢用一套人物的名字,因为他没有很独特的自己的视角,你会发现他写剧情他很爱用比喻,而且它的比喻是苍白的,就是此刻变成了永恒,我的心里像有了一个硬块,我的胃突然抽搐了一下,就是这些表述,你放在任何一个桥段里面它可能都适用。 问题:未来消费与创作之间的关系会是什么样的? 其实未来不太需要有很专门的生产者,他可以很喜欢生产这个事情。可能大部分创作以后更多是一个偏好表达的过程,它不是一个创作的过程,就今天大家是发弹和写评论来表达自己对某一个作品的想法,但在未来通过弹幕和评论你就是直接得到一个新的作品。就你说这个电视剧为啥女主要跳下悬崖?别跳啊?然后别跳,你说完了它就不跳了。然后你就看不跳的那一集,所以我觉得那时候你也不好说他们是创作者,但是他们的确是贡献了自己的偏好,贡献了自己的独特体验而产生的想法,那我觉得这些想法是有价值的,也会因为这些想法而在人类中间产生共鸣。所以我觉得,嗯,消费和生产同一化是一个方向,然后生产者直接被偏好表达给替代,我觉得也是一个方向。 往期相关内容: AI赋能珠宝设计:基于更高的设计效率培养个人ip,实现按需定制 AI时代下的“Agent”革命与企业及个人的新机遇 嘉宾:周健 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 S6 AI如何改变产品经理的工作,MIXLAB NODE创始人熊叔的故事 如何通过人工智能更高效的学习:伊伊子的硅谷洞见 在这里找到我们: * 公众号:遇见AIER Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 如果希望加入听友群,请扫描二维码,或添加主播微信:hongyu_she

61分钟
99+
8个月前

AI与IoT的交汇:通过边无际,提升编程效率,降低IOT系统部署成本(工业互联网/智能家居)

嘉宾简介: 陈永立,创业公司边无际CEO,获得奇迹论坛投资,在美国完成了物理以及电子工程的双学位本科学习后,又深入计算机科学的硕士研究。他的学术追求并未止步于理论,而是在博士期间就勇敢地迈出了创业的步伐,最终他的公司被成功收购。陈永立的职业生涯随后转向了微软,在那里,他不仅参与了云计算领域的工作,还参与构建了GPT-2语言模型的底层基础设施。这段经历让他深刻认识到大语言模型在泛化能力上的优势,坚信这是推动人工智能发展的关键方向。 边无际项目介绍: 边无际基于Kubernetes首创分布式AIoT底座Shifu,为客户全场景AIoT互联互通,具身智能提供了透明框架。通过透明框架内的数字孪生技术,为设备赋予有思考能力的”数字大脑“,通过平台层对场景内所有设备、机器进行北向数据收集和南向指令管控,进而形成具身智能。 在微软的丰富经验让陈永立洞察到智能物联网市场的巨大潜力。他发现,如果把AI模型比作大脑,IoT设备比做身体,我们则缺少了一套有效的神经网络来实现AI模型与设备间的互联互通。这一洞察催生了他的再次创业——边无际(Shifu),一个利用AI技术解决IoT设备互操作性难题的项目。Shifu不仅提升了具身智能应用的构建速度,还在实际项目中展现了其惊人的效率:一个原本需要十多人耗时两年的项目,在Shifu的帮助下,仅需两人两个月即可完成。 边无际的一个客户“爱快”,遇到了相似的问题:不同品牌和型号的摄像头并存现象非常普遍,管理复杂且繁重。基于边无际的技术,爱快实现了数字摄像头与云的结合,将不同型号的摄像头统一到云平台上集中管控,并支持摄像头云平台告警,告警信息同步支持爱快e云APP推送,保障内网摄像头设备状态实时感知。 工业物联网中,首艘国产大型邮轮“爱达•魔都号”上的生物降解系统的研发和部署,也使用了边无际的方案,将生物降解系统赋予了实时数据采集与分析能力,以及具有超高稳定性的云边协同能力。 对于个人用户来说,陈永立已经在自己的家里通过SHIFU将不同厂商的IOT设备链接到同一个网络,通过GPT4统一控制,这大幅的提升了他们家IOT网络的智能。 陈永立对程序员的职业发展的建议 在AI工具的应用上,陈永立是GitHub Copilot早期的尝试者之一。他认为,如果自己仍然在工程师岗位上,大约70%的代码可能将由AI自动化完成。他鼓励自己的员工使用AI工具来提升工作效率,并强调程序员需要掌握对大模型的Benchmark能力,这不仅能帮助他们评估和选择最合适的AI工具,也是适应未来技术发展的关键。 陈永立对程序员的职业发展提出了建议:尽可能选择与AI相关的工作,参与AI原生项目的开发。他预见,在AI时代,个人将能够以前所未有的方式提供服务、创造价值,甚至一人运营一个高效的公司。但这背后需要足够的AI知识和对细分行业的深刻理解。陈永立的见解不仅为程序员们指明了发展方向,也为整个技术行业揭示了AI技术塑造未来的无限可能。 听友的的转发,点赞,收藏和分享对我们非常重要 往期相关内容: AI时代下的“Agent”革命与企业及个人的新机遇 嘉宾:周健 S5 AI浪潮下的交互设计革新:MIX Copilot引领信息智能处理新时代 嘉宾:薛志荣 S6 AI如何改变产品经理的工作,MIXLAB NODE创始人熊叔的故事嘉宾:PM熊叔 在这里找到我们: * 公众号:遇见AIER Mixlab * 收听渠道:小宇宙|喜马拉雅 * 海外用户:Apple Podcast * 联系我们:[email protected] 如果希望加入听友群,请扫描下方二维码

41分钟
1k+
8个月前
EarsOnMe

加入我们的 Discord

与播客爱好者一起交流

立即加入

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的节目添加进来吧