大模型评测的真正难点：内在精细决策逻辑与人认知的对齐
文章概要：
1. 目前对大模型的评测往往着眼于输出结果本身的正确性，然而在实际工业应用中，评测大模型表征可信程度的症结点在于评测大模型输出结果背后潜在决策逻辑的正确性。
2. 团队之前基于交互的解释已经证明了两个性质，从理论上保证了神经网络的决策逻辑可以被解释为稀疏的符号化交互概念。
3. 以法律大模型为例，我们发现尽管法律大模型判案结果的正确率很高，但哪怕在一些正确预测的法律案例中，超过一半的决策逻辑在人类认知上都是错误的。
4. 我们认为跳出端对端评测范式，在精细决策逻辑层面评测大模型，代表了大模型评测的一个根本方向，确保大模型逻辑和人类认知的真正对齐。
阅读原文
2. 团队之前基于交互的解释已经证明了两个性质，从理论上保证了神经网络的决策逻辑可以被解释为稀疏的符号化交互概念。
3. 以法律大模型为例，我们发现尽管法律大模型判案结果的正确率很高，但哪怕在一些正确预测的法律案例中，超过一半的决策逻辑在人类认知上都是错误的。
4. 我们认为跳出端对端评测范式，在精细决策逻辑层面评测大模型，代表了大模型评测的一个根本方向，确保大模型逻辑和人类认知的真正对齐。
语你同行：中文大模型的崛起与未来
文章概要：
1. 2016年AlphaGo的胜利掀起全球人工智能新浪潮，生成式人工智能正以惊人速度发展，大型语言模型是其核心驱动力，中文大模型的研发和应用具有不可估量的价值和意义。
2. 近年来，以GPT、LaMDA为代表的英文大模型取得了突破性进展，而中文大模型也开始崭露头角。百度“文心一言”、阿里“通义千问”等平台的推出，标志着中文世界正在迎来属于自己的“智能涌现”时代。4. 中文大模型，是指基于深度学习技术，使用海量中文文本数据训练而成的LLM。它能够理解和生成自然流畅的中文文本，并在多个领域展现出强大的能力。
5. 中文大模型的发展并非一蹴而就，它经历了从追赶到并跑的历程。早期，中文NLP研究主要借鉴英文领域的成果，模型规模和性能都相对有限。近年来随着深度学习技术的突破和中文数据资源的积累，中文大模型迎来了快速发展时期。
6. 在内容创作领域，中文大模型已经展现出巨大的潜力，各种应用案例层出不穷。
7. 尽管中文大模型取得了令人瞩目的成就，但其发展仍然面临着一些挑战，其中最主要的包括：高质量中文数据缺乏、算力需求巨大、模型泛化能力、伦理风险。
8. 随着技术的进步和应用的深入，中文大模型也将迎来更大的发展机遇：数据规模不断扩大、算力成本不断降低、应用场景不断拓展。
9. 中文大模型平台的出现，标志着人工智能技术进入了一个全新的发展阶段。未来，随着技术的不断进步和应用场景的不断拓展，中文大模型平台将会在以下几个方面迎来更大的发展：模型规模更大，性能更强、多模态融合更深入，应用场景更丰富、个性化定制更灵活，更佳。
阅读原文
2. 近年来，以GPT、LaMDA为代表的英文大模型取得了突破性进展，而中文大模型也开始崭露头角。百度“文心一言”、阿里“通义千问”等平台的推出，标志着中文世界正在迎来属于自己的“智能涌现”时代。
5. 中文大模型的发展并非一蹴而就，它经历了从追赶到并跑的历程。早期，中文NLP研究主要借鉴英文领域的成果，模型规模和性能都相对有限。近年来随着深度学习技术的突破和中文数据资源的积累，中文大模型迎来了快速发展时期。
6. 在内容创作领域，中文大模型已经展现出巨大的潜力，各种应用案例层出不穷。
7. 尽管中文大模型取得了令人瞩目的成就，但其发展仍然面临着一些挑战，其中最主要的包括：高质量中文数据缺乏、算力需求巨大、模型泛化能力、伦理风险。
8. 随着技术的进步和应用的深入，中文大模型也将迎来更大的发展机遇：数据规模不断扩大、算力成本不断降低、应用场景不断拓展。
9. 中文大模型平台的出现，标志着人工智能技术进入了一个全新的发展阶段。未来，随着技术的不断进步和应用场景的不断拓展，中文大模型平台将会在以下几个方面迎来更大的发展：模型规模更大，性能更强、多模态融合更深入，应用场景更丰富、个性化定制更灵活，更佳。
Q3大模型中标项目超360个，业界仍在解决落地难
文章概要：
1. 大模型落地项目在屡创新高，2024年第三季度公开可统计的大模型相关中标项目数至少有369个，远超上半年项目总数276个。
2. 大模型落地范围进一步扩大，进入到更广泛的地区，但北京、广东、上海、浙江、江苏等一线城市依然是出单最多的地区。
3. 教育、运营商、政务、能源、金融等行业位居前列，尤其能源行业在三季度有一大波项目密集完成招投标。
4. 大模型项目的采购门槛在进一步降低，了一大部分在几十万元到几百万元不等的项目，也有不少大模型相关的项目仅在几万、十几万元级别。
5. 千万元以上的项目达到了21个，较之Q1的8个、Q2的17个的数量级有所增长。
6. 应用场景更加细分，但仍缺乏一个爆款，一些企业已开始进入到更深层次的场景。
7. 项目金额硬件占大头，软硬一体是个趋势，硬件依然是大模型相关项目的采购中，颇为重点的一个部分。
8. 人才缺乏，企业为人才培训买单，大模型相关方方面面的人才仍然十分缺乏。
9. 数据问题，开始加速被解决，随着大模型落地的逐渐深入，这个问题正在被提到更加重要的位置。
10. 领头企业，各有侧重，百度云、科大讯飞、智谱AI、中国电信、中国移动、中国联通、阿里云、火山引擎、华为云、浪潮系、商汤科技、腾讯云等企业在大模型项目拿单上，各有侧重。
阅读原文
2. 大模型落地范围进一步扩大，进入到更广泛的地区，但北京、广东、上海、浙江、江苏等一线城市依然是出单最多的地区。
3. 教育、运营商、政务、能源、金融等行业位居前列，尤其能源行业在三季度有一大波项目密集完成招投标。
4. 大模型项目的采购门槛在进一步降低，了一大部分在几十万元到几百万元不等的项目，也有不少大模型相关的项目仅在几万、十几万元级别。
5. 千万元以上的项目达到了21个，较之Q1的8个、Q2的17个的数量级有所增长。
6. 应用场景更加细分，但仍缺乏一个爆款，一些企业已开始进入到更深层次的场景。
7. 项目金额硬件占大头，软硬一体是个趋势，硬件依然是大模型相关项目的采购中，颇为重点的一个部分。
8. 人才缺乏，企业为人才培训买单，大模型相关方方面面的人才仍然十分缺乏。
9. 数据问题，开始加速被解决，随着大模型落地的逐渐深入，这个问题正在被提到更加重要的位置。
10. 领头企业，各有侧重，百度云、科大讯飞、智谱AI、中国电信、中国移动、中国联通、阿里云、火山引擎、华为云、浪潮系、商汤科技、腾讯云等企业在大模型项目拿单上，各有侧重。
大模型榜单汇总整理
文章概要：
1. 本文详细介绍了多个大型语言模型（LLMs）的评估榜单，涵盖通用及医学、法律、金融等领域，开发者提供全面了解不同模型性能的参考，助力语言模型的优化与发展
2. 文章主要从通用大模型，垂直领域的医学、法律和金融领域的这些榜单根据最新的模型进行评估，有助于开发者了解模型的优势和局限性，推动语言模型的发展和优化
3. 通用大模型Open LLM Leaderboard、FlagEval、OpenCompass、SuperCLUE、C-Eval、MMLU、Chatbot Arena、HELM
. 医学大模型榜单包括PubMedQA、MedBench
5. 法律大榜单LawBench
6. 金融大模型榜单包括CFBenchmark
阅读原文
2. 文章主要从通用大模型，垂直领域的医学、法律和金融领域的这些榜单根据最新的模型进行评估，有助于开发者了解模型的优势和局限性，推动语言模型的发展和优化
3. 通用大模型Open LLM Leaderboard、FlagEval、OpenCompass、SuperCLUE、C-Eval、MMLU、Chatbot Arena、HELM
. 医学大模型榜单包括PubMedQA、MedBench
5. 法律大榜单LawBench
6. 金融大模型榜单包括CFBenchmark
大模型时代的企业级推荐系统该怎么做呢？
文章概要：
1. ChatGPT与大模型技术的影响已经渗透作者密切关注大模型进展特别是在推荐系统中的
2. 大模型通过海量的互联网文本信息，通过在底层构建Transformer架构，预测下一个出现的概率来模型
. 对于推荐系统，用户过往的操作行为其实就是一个有序的，用户的操作序列类似于一篇文本，所有用户的操作序列类似于大模型语料库
4. 推荐系统涉及很多的多模态数据，这类异构的信息对于推荐系统效果相当重要
. 大模型有上百亿上千亿、甚至上万亿参数，一个非常庞大的神经网络
6. 除了直接利用大模型的L、T能力进行推荐，可以将推荐系统相关的数据按照大模型的输入、输出范式进行准备，然后通过监督学习微调大模型>7. 推荐系统作为过去10互联网科技中最重要的技术手段，是互联网公司最核心的工具
8.当前的（多模态）大模型，企业级推荐系统可以获得更强、更新技术的赋能，从数据生成、特征构建、召回、排序、内容生产、流程、推荐解释、冷启动等多个维度获得能力的增强
.模型在电商场景中能用得上，包括大模型生成行为数据、画像、个性商品描述、进行召回、排序、进行推荐解释、解决冷、业务流程生产
10. 有了模型加持的推荐系统就像人有了大脑一样，可以将传统的推荐技术等到一个统一的对话式下，让大模型利用已有的工具提供更加个性化、更好交互友好的推荐
11. 基于大模型的对话能力，我们可以采用类似ChatGPT互动式对话方式为用户进行推荐，这时系统就成了一个服务于每个用户的个性化的专业
阅读原文
2. 大模型通过海量的互联网文本信息，通过在底层构建Transformer架构，预测下一个出现的概率来模型
. 对于推荐系统，用户过往的操作行为其实就是一个有序的，用户的操作序列类似于一篇文本，所有用户的操作序列类似于大模型语料库
4. 推荐系统涉及很多的多模态数据，这类异构的信息对于推荐系统效果相当重要
. 大模型有上百亿上千亿、甚至上万亿参数，一个非常庞大的神经网络
6. 除了直接利用大模型的L、T能力进行推荐，可以将推荐系统相关的数据按照大模型的输入、输出范式进行准备，然后通过监督学习微调大模型>7. 推荐系统作为过去10互联网科技中最重要的技术手段，是互联网公司最核心的工具
8.当前的（多模态）大模型，企业级推荐系统可以获得更强、更新技术的赋能，从数据生成、特征构建、召回、排序、内容生产、流程、推荐解释、冷启动等多个维度获得能力的增强
.模型在电商场景中能用得上，包括大模型生成行为数据、画像、个性商品描述、进行召回、排序、进行推荐解释、解决冷、业务流程生产
10. 有了模型加持的推荐系统就像人有了大脑一样，可以将传统的推荐技术等到一个统一的对话式下，让大模型利用已有的工具提供更加个性化、更好交互友好的推荐
11. 基于大模型的对话能力，我们可以采用类似ChatGPT互动式对话方式为用户进行推荐，这时系统就成了一个服务于每个用户的个性化的专业
西岸人工智能大模型科创街区愿景视频重磅发布 人工智能引领产业变革新浪潮
文章概要：
1. 介绍全国首个大模型孵化和“模，它立足徐汇滨江基于“十百千万”多种功能平台，各类大模型企业。
回顾去年9月，市区共建推出模速空间，徐汇区在相关单位支持下推进工作，模速空间为核爆点”，西岸大模型科创街区产业升级br>3. 近期举办的模速空间周年发展愿景发布暨上海市生成式人工智能创新生态先导区揭牌仪式上，了西岸人工智能模型科创街区愿景视频。
. 视频用AI技术解锁街区空间内涵，展示创新创业生态浓度和蓬勃生机，展望建成全国人工智能高地的愿景。<重塑人们对科技的，推动各行业质变和数字社会向智能社会跃升。
6. 提出模速空间的目标是构建具有国际影响力的一流创新生态，培育具有世界影响力的创新企业，上海打造更具竞争力的世界级人工智能产业集群。
阅读原文
回顾去年9月，市区共建推出模速空间，徐汇区在相关单位支持下推进工作，模速空间为核爆点”，西岸大模型科创街区产业升级br>3. 近期举办的模速空间周年发展愿景发布暨上海市生成式人工智能创新生态先导区揭牌仪式上，了西岸人工智能模型科创街区愿景视频。
. 视频用AI技术解锁街区空间内涵，展示创新创业生态浓度和蓬勃生机，展望建成全国人工智能高地的愿景。<重塑人们对科技的，推动各行业质变和数字社会向智能社会跃升。
6. 提出模速空间的目标是构建具有国际影响力的一流创新生态，培育具有世界影响力的创新企业，上海打造更具竞争力的世界级人工智能产业集群。
ChatGPT4o、o1 谁才是最佳大模型？
文章概要：
1. ChatGPT模型概述：OpenAI的GPT有多个版本，如GPT-3.5、GPT-4、GPT-4 Turbo、Mini、O1等，模型在速度、性能、价格等方面各具特色。
. 如何选择的ChatGPT模型：根据任务复杂度、响应速度、预算控制等因素进行选择。br>3.AI更新细节：GPT-4 Turbo的发布、系统消息与任务定制、s自定义功能。
4. GPTs：定制化ChatGPT：允许用户自定义ChatGPT的任务和行为，提供专门的解决方案。br>. 总结：OpenAI提供的多种ChatGPT可以满足不同需求选择适合的模型取决于任务复杂度、对速度和的要求。
阅读原文
. 如何选择的ChatGPT模型：根据任务复杂度、响应速度、预算控制等因素进行选择。br>3.AI更新细节：GPT-4 Turbo的发布、系统消息与任务定制、s自定义功能。
4. GPTs：定制化ChatGPT：允许用户自定义ChatGPT的任务和行为，提供专门的解决方案。br>. 总结：OpenAI提供的多种ChatGPT可以满足不同需求选择适合的模型取决于任务复杂度、对速度和的要求。
类Sora大模型入秋：访问量骤降，被李彦宏泼冷水，“十年难见收益”
文章概要：
1. AI视频生成产品赛道看似火热，实则寒气逼人，一线行业大佬带头警告，Sora还未推出，“代餐”热度骤降。
2. Sora“难产”迹象明显，负责人跳槽，实际体验不佳，技术层面存在缺陷和不成熟，项目团队动荡，为Sora的如期出世增添了极大不确定性。
3. AI视频生成同行在2024年夏天已快速占领市场，开启多轮热战，但寒潮已来，不少红极一时的类Sora产品热度骤降。
4. 当下类Sora产品主要存在共性问题在于技术成熟度不足，具体表现为生成视频时长限制、功能更新突破性不足、等待时间过长、高昂的付费价格。
5. 当下AI视频生成在商业化方面也缺乏应用市场的刺激，在经济增长放缓的背景下，无论是消费端用户还是各行各业企业对AI投入都会更加谨慎。
阅读原文
2. Sora“难产”迹象明显，负责人跳槽，实际体验不佳，技术层面存在缺陷和不成熟，项目团队动荡，为Sora的如期出世增添了极大不确定性。
3. AI视频生成同行在2024年夏天已快速占领市场，开启多轮热战，但寒潮已来，不少红极一时的类Sora产品热度骤降。
4. 当下类Sora产品主要存在共性问题在于技术成熟度不足，具体表现为生成视频时长限制、功能更新突破性不足、等待时间过长、高昂的付费价格。
5. 当下AI视频生成在商业化方面也缺乏应用市场的刺激，在经济增长放缓的背景下，无论是消费端用户还是各行各业企业对AI投入都会更加谨慎。
电网开始猛扑大模型！大模型挺进核心业务
文章概要：
1. 央国企大模型落地加速，向更核心场景迈进。2. 国网湖南电科院发布配网视觉大模型。3. 国网与百度联合研发文心大模型。4. 国网信通继远软件上线电力安监知识增强大模型。5. 国网首个“大模型”技术领域发明专利授权。6. 国网山东开发常见缺陷智能识别模型。7. 国网聊城部署ChatSGM大语言模型。8. 南网发布电力行业人工智能创新平台及可控电力大模型“大瓦特”。9. 南网研发“驭电”智能仿真大模型。10. 南网首个自主可控的配网AI大模型上线。11. 南方电网广西电网公司发布输电人工智能大模型“大瓦特CV”。12. 深圳供电局上线“祝融2.0”多模态预训练大模型。13. 南方电网完成多个大模型相关项目招采工作。14. 国家能源集团亮相能源通道大模型。15. 国家能源集团国电电力构建火电领域首个电厂AI助手。16. 中核集团核工业“龙吟”大模型2.0版亮相。17. 中能拾贝推出拾贝云能源大模型。18. 羚羊能源大模型发布。19. 气象大模型“伏羲”2.0发布。20. 江行智能“源问大模型”入选AI赋能新型工业化创新应用优秀案例。21. 龙源电力新能源行业首个人工智能模型训练开发、推理与效果性能测评一体化平台上线。22. 龙源电力上线风电机组功率曲线图像识别AI模型。23. 爱士惟打造光伏行业首个“人工智能+”产品“爱管家”。24. 宁德核电发布全球参数量最大的核工业大模型。25. 我国核能领域首个大模型智能审查系统上线。
阅读原文
长序列（Long Context）大模型笔记
文章概要：
1. 记录下过去一年业界长序列LLM的训练/推理方法，包括modeling方面和ml-sys方面的内容，以及一些看好的探索方向希望大家一起讨论
2. 目前基于RoPE NTK的方法很多都会在长序列上performance有下降，感觉是基于RoPE的模型外推的一个瓶颈。相比之下，Ruler Benchmark显示这点做的比较好的是Gemini和Jamba-1.5B
3. 长序列attention模块有一个问题是，token变多之后attention分布趋于平缓，熵会增加。在attention logits计算乘一个scaler会让softmax attention变得更sparse/spiky，保持长序列attention能focus在有用的信息
4. 指令微调阶段获取长序列数据比较麻烦。很多依靠合成数据比如llama3
5. 目前如果想要比较好的长序列效果，靠外推还是不够的，prod的模型很多需要实打实训练到实际长度。主要kernel还是以经典的flash attention和ring attention为主
6. 做训练时一个其他的问题是让以上框架和其他feature比如varlen（segment mask），sparse attention，多模态的prefix-LM结合起来跑
7. 推理这块涉及相对较少，比较关注一个点是kv compression。长序列会导致kv cache占用很大显存，基于attention本身是稀疏的这一点来看，我们可以选取相关的KV cache来最大程度保证attention的效果同时扔掉不需要的内容
阅读原文
2. 目前基于RoPE NTK的方法很多都会在长序列上performance有下降，感觉是基于RoPE的模型外推的一个瓶颈。相比之下，Ruler Benchmark显示这点做的比较好的是Gemini和Jamba-1.5B
3. 长序列attention模块有一个问题是，token变多之后attention分布趋于平缓，熵会增加。在attention logits计算乘一个scaler会让softmax attention变得更sparse/spiky，保持长序列attention能focus在有用的信息
4. 指令微调阶段获取长序列数据比较麻烦。很多依靠合成数据比如llama3
5. 目前如果想要比较好的长序列效果，靠外推还是不够的，prod的模型很多需要实打实训练到实际长度。主要kernel还是以经典的flash attention和ring attention为主
6. 做训练时一个其他的问题是让以上框架和其他feature比如varlen（segment mask），sparse attention，多模态的prefix-LM结合起来跑
7. 推理这块涉及相对较少，比较关注一个点是kv compression。长序列会导致kv cache占用很大显存，基于attention本身是稀疏的这一点来看，我们可以选取相关的KV cache来最大程度保证attention的效果同时扔掉不需要的内容
深入解析AI大模型：程序员的视角
文章概要：
1. 今天要深入探讨让无数开发者着迷的话题——AI大模型。作为程序员，我们需要了解AI模型的应用更要掌握其背后的原理和实现细节。
2. AI大模型通常指的是大规模和结构的模型。这些模型通过海量的数据训练，能够执行复杂的任务如语言处理图像识别、合成。常见的AI大GPT、BERT等。
3 AI大模型核心架构通常基于模型。Transformer模型由Vaswani在27年提出，其主要特点是使用自注意力来处理输入序列。
4 AI大模型的训练过程通常分为两个阶段：预训练和微调。
5. 尽管AI大模型在许多任务上表现出色，但其训练和部署过程中面临着挑战
6. AI模型正在不断演进，其背后的技术也在不断突破。作为程序员，我们不仅要掌握现有的技术，更要关注未来的发展趋势。
阅读原文
2. AI大模型通常指的是大规模和结构的模型。这些模型通过海量的数据训练，能够执行复杂的任务如语言处理图像识别、合成。常见的AI大GPT、BERT等。
3 AI大模型核心架构通常基于模型。Transformer模型由Vaswani在27年提出，其主要特点是使用自注意力来处理输入序列。
4 AI大模型的训练过程通常分为两个阶段：预训练和微调。
5. 尽管AI大模型在许多任务上表现出色，但其训练和部署过程中面临着挑战
6. AI模型正在不断演进，其背后的技术也在不断突破。作为程序员，我们不仅要掌握现有的技术，更要关注未来的发展趋势。
大模型2024：先把价格打下去
文章概要：
1. 法国人工智能创企Mistral AI发布最新大模型Mist Large，直接对标ChatGPT，并有望在当前的大模型军备竞赛中掀起一场价格战
2. Mistral Large性能优异，在MMLU基准测试中的常识和推理得分仅次于GPT-4，在多语言能力测试中远超MetaLLaMA 2 70B，在数学和编程能力方面也表现不俗
3 Mistral Large价格更低，输入、输出价格均为GPT-4的80%
4. Mistral AI创始人Arthur Mensch透露，Mistral Large的训练成本不到2200万美元，约为GPT-的五分之一
5. Mistral AI采用MoE架构，通过将大模型分解为多个子模块，提高模型的容量、处理能力和效率
6. 英伟达以一份耀眼的四季报打消了市场顾虑，在数据中心与游戏业务双核驱动下，英伟达2023年四季度营收、净利润大幅超出预期，毛利率再创历史新高
7. 在保证同等效果前提下，提高硬件利用率，缩短算力使用时长；优化工具链以提高训练、推理效率；适配低价GPU是当前国内大模型厂商降本的主流方法论
8. 当前，Mistral AI以性价比暂时领先，但也有不少开发者还在等待OpenAI大模型产品的升级降价
阅读原文
2. Mistral Large性能优异，在MMLU基准测试中的常识和推理得分仅次于GPT-4，在多语言能力测试中远超MetaLLaMA 2 70B，在数学和编程能力方面也表现不俗
3 Mistral Large价格更低，输入、输出价格均为GPT-4的80%
4. Mistral AI创始人Arthur Mensch透露，Mistral Large的训练成本不到2200万美元，约为GPT-的五分之一
5. Mistral AI采用MoE架构，通过将大模型分解为多个子模块，提高模型的容量、处理能力和效率
6. 英伟达以一份耀眼的四季报打消了市场顾虑，在数据中心与游戏业务双核驱动下，英伟达2023年四季度营收、净利润大幅超出预期，毛利率再创历史新高
7. 在保证同等效果前提下，提高硬件利用率，缩短算力使用时长；优化工具链以提高训练、推理效率；适配低价GPU是当前国内大模型厂商降本的主流方法论
8. 当前，Mistral AI以性价比暂时领先，但也有不少开发者还在等待OpenAI大模型产品的升级降价
2024年国产大模型介绍及示例
文章概要：
1. 2024年国产大模型反映了中国在人工智能领域的最新进展，在多个领域展示了卓越的能力和广泛的应用前景
2. 文章介绍了百川智能、华为、阿里巴巴、腾讯、百度、科大讯飞、智谱AI、零一万物、清华大学、商汤科技、小米、网易、京东、中科院、华为云、澜舟科技、腾讯云、网易有道、科大讯飞、小米等公司的大模型，包括模型的参数规模、主要特点和应用场景
3. 文章还介绍了这些模型的具体应用案例，如医疗诊断与咨询、教育辅导、企业客户服务、智能手机AI助手、企业级数据分析、自动驾驶技术、电子商务推荐系统、搜索引擎优化、内容生成与审核、社交媒体内容分析、游戏内聊天机器人、新闻撰写与编辑、搜索引擎优化、企业级知识图谱构建、金融风控与反欺诈、智能客服、语音助手、在线教育平台、图像识别与描述级数据分析、AR导航与导览、VR教育培训、智能家居控制、剧情生成、音乐推荐与生成、虚拟偶像互动、个性化商品推荐、客户行为分析、供应链优化、科研论文撰写、工程设计与仿真、数据分析与挖掘等
阅读原文
2. 文章介绍了百川智能、华为、阿里巴巴、腾讯、百度、科大讯飞、智谱AI、零一万物、清华大学、商汤科技、小米、网易、京东、中科院、华为云、澜舟科技、腾讯云、网易有道、科大讯飞、小米等公司的大模型，包括模型的参数规模、主要特点和应用场景
3. 文章还介绍了这些模型的具体应用案例，如医疗诊断与咨询、教育辅导、企业客户服务、智能手机AI助手、企业级数据分析、自动驾驶技术、电子商务推荐系统、搜索引擎优化、内容生成与审核、社交媒体内容分析、游戏内聊天机器人、新闻撰写与编辑、搜索引擎优化、企业级知识图谱构建、金融风控与反欺诈、智能客服、语音助手、在线教育平台、图像识别与描述级数据分析、AR导航与导览、VR教育培训、智能家居控制、剧情生成、音乐推荐与生成、虚拟偶像互动、个性化商品推荐、客户行为分析、供应链优化、科研论文撰写、工程设计与仿真、数据分析与挖掘等
最活跃！200个大模型，6亿用户，10大国产AI大模型都有谁？
文章概要：
1. 人工智能已成为推动科技进步和产业升级的力量，GPT-4为代表式AI技术正在引领产业变革。br>2. 我国生成式人工智能服务大模型注册用户超过6亿企业数量超过400完成备案并上线为公众提供服务的生成式人工智能服务大模型200个。
3. 权威部门根据数理科学、语言能力责任、能力综合衡量标准，2024年中国十大最火模型，包括混元大模型讯飞星火认知大模型、通义千问、文心、昆仑万天工.、商汤科技日日新SenseNova、智谱AIM4、中科歌意2.虎360智脑模型、盘古大
4. 我国生成式大模型主要集中于头部企业：腾讯百度、科大讯飞、阿里巴巴、商汤科技、昆仑万维华为等。
阅读原文
3. 权威部门根据数理科学、语言能力责任、能力综合衡量标准，2024年中国十大最火模型，包括混元大模型讯飞星火认知大模型、通义千问、文心、昆仑万天工.、商汤科技日日新SenseNova、智谱AIM4、中科歌意2.虎360智脑模型、盘古大
4. 我国生成式大模型主要集中于头部企业：腾讯百度、科大讯飞、阿里巴巴、商汤科技、昆仑万维华为等。
大模型时代 金融机构企业架构转型如何更智能化？
文章概要：
1. 中电金信数字化架构转型部总经理曲向阳在“202金融行业科技交流”上分享，认为当前AI存在局限性，借助复杂结构化体系手段，业务建模可指导AI大模型训练和成长，还可作为实验场景验证其性能
2. 中电提出基于业务建模思想的体构建框架，打造人机协存超智能体（Hyper-Agent，已在业务建模性探索初步成效，建模效率，专业门槛。
. 中电信行业市场近30年，为金融等重点行业提供全面的数字化解决方案，成立企业数字化转型咨询部门，提供专业业务建模驱动的企业架构转型咨询服务。
阅读原文
2. 中电提出基于业务建模思想的体构建框架，打造人机协存超智能体（Hyper-Agent，已在业务建模性探索初步成效，建模效率，专业门槛。
. 中电信行业市场近30年，为金融等重点行业提供全面的数字化解决方案，成立企业数字化转型咨询部门，提供专业业务建模驱动的企业架构转型咨询服务。
中国大模型在迪拜卷起来了
文章概要：
1. 在全球AI热潮涌起的当下，GITEX来自海外的参展商激增了40%，其中，欧洲国家则是参与度最高的一届，而中国企业的参与度也在增长，约有超过260家中国企业参与了进来，特别是华为、科大讯飞、智谱AI、Soul App这些企业，是当前中国AI赛道内最具代表性的玩家。
2. 中东国家对AI展现出了极大的兴趣，为摆脱对石油经济的依赖，中东国家对AI展现出了的兴趣。早在2019年4月，阿联酋内阁就通过了《国家人工智能战略2031》，希望到2031年成为人工智能领域的世界领导者之一。迪拜的人工智能中心则于2023年6月启动。
3. 除了资金，中东的优势还在于多元的市场。阿联酋的“90后”人工智能、数字经济和远程工作应用国务部长奥马尔·苏丹·奥拉玛近日在接受澎湃新闻采访时直言，阿联酋在人工智能战略上的定位是应用，“在实际应用之前，一切都只是理论。只有在现实世界中应用并看到它的实际意义时，才能真正理解它。”
4. 而现在，阿联酋正希望吸纳更多AI人才到迪拜去。2019年10月，阿联酋在阿布扎比设立了全球首所人工智能大学MBZUAI，并在次年挖到了卡内基梅隆大学计算机科学学院机器学习系副主任、华人教授邢波，出任校长一职。有业内人士透露，为了招揽这些人才，阿联酋方面为这些高阶人才预订的是5万元人民币的阿联酋航空头等舱机票。
5. 中东地区宏大的科技愿景而言，当前更为紧迫的实际是基础设施的搭建。调研机构MarketsandMarkets报告预测，中东地区的云计算市场规模预计将从2021年的142亿美元增长到2026年的314亿美元，复合年增长率（CAGR）为17.2%。
阅读原文
2. 中东国家对AI展现出了极大的兴趣，为摆脱对石油经济的依赖，中东国家对AI展现出了的兴趣。早在2019年4月，阿联酋内阁就通过了《国家人工智能战略2031》，希望到2031年成为人工智能领域的世界领导者之一。迪拜的人工智能中心则于2023年6月启动。
3. 除了资金，中东的优势还在于多元的市场。阿联酋的“90后”人工智能、数字经济和远程工作应用国务部长奥马尔·苏丹·奥拉玛近日在接受澎湃新闻采访时直言，阿联酋在人工智能战略上的定位是应用，“在实际应用之前，一切都只是理论。只有在现实世界中应用并看到它的实际意义时，才能真正理解它。”
4. 而现在，阿联酋正希望吸纳更多AI人才到迪拜去。2019年10月，阿联酋在阿布扎比设立了全球首所人工智能大学MBZUAI，并在次年挖到了卡内基梅隆大学计算机科学学院机器学习系副主任、华人教授邢波，出任校长一职。有业内人士透露，为了招揽这些人才，阿联酋方面为这些高阶人才预订的是5万元人民币的阿联酋航空头等舱机票。
5. 中东地区宏大的科技愿景而言，当前更为紧迫的实际是基础设施的搭建。调研机构MarketsandMarkets报告预测，中东地区的云计算市场规模预计将从2021年的142亿美元增长到2026年的314亿美元，复合年增长率（CAGR）为17.2%。
大模型落地系列01，从Copy一个应用开始
文章概要：
大模型概念热，实际场景与巨大鸿沟
2银行业AIGC应用为例并持续发挥业务价值的较少
3. 落地困难的原因包括技术方面和伪需求，缺乏客观验收标准和为了大模型而大模型的
4 大模型最终需要以形式落地，具体业务价值
5 作者想通过实践深入大模型落地的各个方面，先从一个别人的东西开始> 6.描述为实现一个信息聚合+整理的，数据源主要是网站和价值是、有
阅读原文
2银行业AIGC应用为例并持续发挥业务价值的较少
3. 落地困难的原因包括技术方面和伪需求，缺乏客观验收标准和为了大模型而大模型的
4 大模型最终需要以形式落地，具体业务价值
5 作者想通过实践深入大模型落地的各个方面，先从一个别人的东西开始> 6.描述为实现一个信息聚合+整理的，数据源主要是网站和价值是、有
观点分享 | 沈向洋院士：关于大模型的10个思考
文章概要：
1. 算力是门槛：大模型对算力的要求，过去10年非常巨大。今天要做人工智能大模型，讲卡伤感情、没卡没感情。
2. 关于数据的数据：如果有GPT-5出来，可能会上到200T的数据量。但互联网上没有那么多好的数据，清洗完以后，可能20T就差不多到顶了，所以未来要做GPT-5，除了现有的数据，还要更多的多模态数据，甚至人工合成的数据。
3. 大模型的一章：有很多多模态的科研工作要做，我相信一个非常重要的方向是多模态的理解和生成的统一。br>4. 人工智能的范式转移：o1出来后，从原来的GPT的预训练思路，变成了今天的自主学习的道路，就是在推理这一步强化学习，不断地自我学习的过程。整个过程非常像人类思考问题、分析问题，也需要非常多的算力才行。
5. 大模型横扫千行百业：在中国的大模型建设浪潮当中，越来越多的是行业大模型。这个趋势肯定是这样的，未来通用大模型的占比会越来越低。
6. AI Agent，从愿景到落地：超级应用一开始就在那里，这个超级应用就是一个超级助理，就是一个超级Agent。
7. 开源vs闭源：我认为Meta的Llama并不是传统的开源，它只是开源了一个模型，并没有给你原代码和数据，所以我们在用开源系统的时候，也要下定决心真正理解大模型的系统闭源的工作。
8. 重视AI的治理：人工智能对千行百业、对整个社会的冲击要大家共同来面对。
9. 重新思考人机关系：真正把人机交互搞清楚，才能成为每一代高科技企业真正有商业价值的领导者。现在讲OpenAI加上微软就代表这个时代还太早，他们是领先了，但是未来还有很多想象的空间。
10. 智能的本质：虽然大模型已经给大家带来很多的震惊，但是我们对大模型、深度学习是没有理论的。关于人工智能的涌现，大家只是讲讲，并没有讲清楚。
阅读原文
2. 关于数据的数据：如果有GPT-5出来，可能会上到200T的数据量。但互联网上没有那么多好的数据，清洗完以后，可能20T就差不多到顶了，所以未来要做GPT-5，除了现有的数据，还要更多的多模态数据，甚至人工合成的数据。
3. 大模型的一章：有很多多模态的科研工作要做，我相信一个非常重要的方向是多模态的理解和生成的统一。br>4. 人工智能的范式转移：o1出来后，从原来的GPT的预训练思路，变成了今天的自主学习的道路，就是在推理这一步强化学习，不断地自我学习的过程。整个过程非常像人类思考问题、分析问题，也需要非常多的算力才行。
5. 大模型横扫千行百业：在中国的大模型建设浪潮当中，越来越多的是行业大模型。这个趋势肯定是这样的，未来通用大模型的占比会越来越低。
6. AI Agent，从愿景到落地：超级应用一开始就在那里，这个超级应用就是一个超级助理，就是一个超级Agent。
7. 开源vs闭源：我认为Meta的Llama并不是传统的开源，它只是开源了一个模型，并没有给你原代码和数据，所以我们在用开源系统的时候，也要下定决心真正理解大模型的系统闭源的工作。
8. 重视AI的治理：人工智能对千行百业、对整个社会的冲击要大家共同来面对。
9. 重新思考人机关系：真正把人机交互搞清楚，才能成为每一代高科技企业真正有商业价值的领导者。现在讲OpenAI加上微软就代表这个时代还太早，他们是领先了，但是未来还有很多想象的空间。
10. 智能的本质：虽然大模型已经给大家带来很多的震惊，但是我们对大模型、深度学习是没有理论的。关于人工智能的涌现，大家只是讲讲，并没有讲清楚。
Q3大模型中标项目超360个，业界仍在解决落地难
文章概要：
1. 大模型落地项目在屡创新高，大部分项目是探索大模型应用场景。
2. 单月中标项目屡破百，9月项目创新高。
3. 应用场景，但仍缺乏一个爆款。
4. 项目金额硬件占大头，软硬一体是个趋势。
5. 人才缺乏，企业为人才培训买单。
6. 数据问题，开始加速被解决。
7. 领头企业，各有侧重。
阅读原文
2. 单月中标项目屡破百，9月项目创新高。
3. 应用场景，但仍缺乏一个爆款。
4. 项目金额硬件占大头，软硬一体是个趋势。
5. 人才缺乏，企业为人才培训买单。
6. 数据问题，开始加速被解决。
7. 领头企业，各有侧重。
OpenAI o1 模型推理模式的比较研究｜大模型论文日报
文章概要：
1. 加州伯克利分校和圣路易斯华盛顿大学研究团队提出了新颖的评估来客观地评估基于LLM的法官。
2 DeepSeek和香港大学研究团队提出了us，一个统一多模态理解生成的自回归框架。br> 3. M-A-P和中国科学院大学的团队及其合作者为研究o1推理模式，以OpenAI的GPT4为骨干，在三个领域（即数学、编码、常识推理）的一般推理基准上了o1与现有的-time计算Bo、Step-wise BoN Workflow和Selfefine）。
4 新加坡国立大学的研究团队及其合作者提出了MixEval-X，这是首个“任意对任意”的真实世界，旨在优化和标准化不同输入和模态的评估。
5. 上海交通大学团队提出了MobA，一种由多模态大语言模型驱动的新型移动体，通过复杂的两级智能体架构增强理解和规划能力。
阅读原文
2 DeepSeek和香港大学研究团队提出了us，一个统一多模态理解生成的自回归框架。br> 3. M-A-P和中国科学院大学的团队及其合作者为研究o1推理模式，以OpenAI的GPT4为骨干，在三个领域（即数学、编码、常识推理）的一般推理基准上了o1与现有的-time计算Bo、Step-wise BoN Workflow和Selfefine）。
4 新加坡国立大学的研究团队及其合作者提出了MixEval-X，这是首个“任意对任意”的真实世界，旨在优化和标准化不同输入和模态的评估。
5. 上海交通大学团队提出了MobA，一种由多模态大语言模型驱动的新型移动体，通过复杂的两级智能体架构增强理解和规划能力。
智源（BAAI）AQUILA2大模型技术报告
文章概要：
1. 文章介绍了Aquila2系列，包括参数大小为70B、34B和7B的双语模型，这些模型是基于名为HeuriMentor（HM）的创新框架进行训练的，该框架提供对模型收敛的实时洞察，并增强了训练过程和数据管理。
2. HM系统由自适应训练引擎（ATE）、训练状态监视器（TSM）和数据管理单元（DMU）组成，允许对模型的训练进度进行精确监控，并实现数据分发的高效优化，从而增强训练效果。
3. 广泛的评估表明，Aquila2模型系列在英文和中文基准测试中表现相当良好。
4. 文章还提到了Aquila2模型的一些限制，如在预训练数据集中意外包含了来自GSM8K测试集的数据，这可能影响Aquila2在GSM8K基准测试中的零样本和少样本结果的有效性。
阅读原文
2. HM系统由自适应训练引擎（ATE）、训练状态监视器（TSM）和数据管理单元（DMU）组成，允许对模型的训练进度进行精确监控，并实现数据分发的高效优化，从而增强训练效果。
3. 广泛的评估表明，Aquila2模型系列在英文和中文基准测试中表现相当良好。
4. 文章还提到了Aquila2模型的一些限制，如在预训练数据集中意外包含了来自GSM8K测试集的数据，这可能影响Aquila2在GSM8K基准测试中的零样本和少样本结果的有效性。
语你同行：中文大模型的崛起与未来
文章概要：
1. 2016年，AlphaGo的胜利掀起了全球人工智能的新浪潮。如今，生成式人工智能正以惊人的速度发展，其中大型语言模型是其核心驱动力。作为世界上使用人数最多的语言，中文承载着丰富的文化和知识，中文大模型的研发和应用具有不可估量的价值和意义。
2. 近年来，以GPT、LaMDA为代表的英文大模型取得了突破性进展，而中文大模型也开始崭露头角。百度“文心一言、阿里“通义千问”等平台的推出，标志着中文世界正在迎来属于自己的智能涌现”时代。
3. 我们将对七大热门中文大模型平台——文心一言、KIMI、GLM、MiniMax、通义千问、天工AI和讯飞星火进行深度对比，从基本功能与特点、性能对比等方面入手，帮助你找到最适合自己的AI助手。
4. 七大平台都提供了便捷的安装和使用方式，覆盖了网页版、电脑客户端、手机App、小程序等多种平台，用户可以根据自己的需求和习惯选择合适的平台和方式进行使用。
5. 中文大模型作为AI领域的一颗新星，正以其强大的自然语言处理能力和深度学习能力，引领着智能科技的新浪潮。
6. 中文大模型并非一蹴而就，它经历了从追赶到并跑的历程。早期，中文NLP研究主要借鉴英文领域的成果，模型规模和性能都相对有限。近年来，随着深度学习技术的突破和中文数据资源的积累，中文大模型迎来了快速发展时期。
7. 尽管中文大模型取得了令人瞩目的成就，但其发展仍然面临着一些挑战，其中最主要的包括高质量中文数据缺乏、算力需求巨大、模型泛化能力和伦理风险。为了应对这些挑战，我们需要加强中文数据建设，推动算力资源共享，探索模型轻量化技术，加强伦理规范研究。
8. 随着技术的进步和应用的深入，中文大模型也将迎来更大的发展机遇，包括数据规模不断扩大、算力成本不断降低和应用场景不断拓展。
9. 中文大模型平台的出现，标志着人工智能技术进入了一个全新的发展阶段。未来，随着技术的不断进步和应用场景的不断拓展，中文大模型平台将会在模型规模更大，性能更强、多模态融合更深入，应用场景更丰富和个性化定制更灵活，用户体验更佳等方面迎来更大的发展。
阅读原文
2. 近年来，以GPT、LaMDA为代表的英文大模型取得了突破性进展，而中文大模型也开始崭露头角。百度“文心一言、阿里“通义千问”等平台的推出，标志着中文世界正在迎来属于自己的智能涌现”时代。
3. 我们将对七大热门中文大模型平台——文心一言、KIMI、GLM、MiniMax、通义千问、天工AI和讯飞星火进行深度对比，从基本功能与特点、性能对比等方面入手，帮助你找到最适合自己的AI助手。
4. 七大平台都提供了便捷的安装和使用方式，覆盖了网页版、电脑客户端、手机App、小程序等多种平台，用户可以根据自己的需求和习惯选择合适的平台和方式进行使用。
5. 中文大模型作为AI领域的一颗新星，正以其强大的自然语言处理能力和深度学习能力，引领着智能科技的新浪潮。
6. 中文大模型并非一蹴而就，它经历了从追赶到并跑的历程。早期，中文NLP研究主要借鉴英文领域的成果，模型规模和性能都相对有限。近年来，随着深度学习技术的突破和中文数据资源的积累，中文大模型迎来了快速发展时期。
7. 尽管中文大模型取得了令人瞩目的成就，但其发展仍然面临着一些挑战，其中最主要的包括高质量中文数据缺乏、算力需求巨大、模型泛化能力和伦理风险。为了应对这些挑战，我们需要加强中文数据建设，推动算力资源共享，探索模型轻量化技术，加强伦理规范研究。
8. 随着技术的进步和应用的深入，中文大模型也将迎来更大的发展机遇，包括数据规模不断扩大、算力成本不断降低和应用场景不断拓展。
9. 中文大模型平台的出现，标志着人工智能技术进入了一个全新的发展阶段。未来，随着技术的不断进步和应用场景的不断拓展，中文大模型平台将会在模型规模更大，性能更强、多模态融合更深入，应用场景更丰富和个性化定制更灵活，用户体验更佳等方面迎来更大的发展。
大模型“六小虎”，就要凉凉了
文章概要：
1. AI圈传闻一些大模型创业公司举步维艰，其中“六小虎”中的某两虎或已放弃基础大模型研发，转向AI应用。
2. AI创业公司生态图谱分为大模型“六小虎”、AI新势力和老牌科技巨头三类。
3. 基础大模型训练和C端营销成本高，大模型盈利难，面临价格战压力。
4. “六小虎”在估值和用户数量上存在差异，谁能走出困境有待时间验证。
阅读原文
2. AI创业公司生态图谱分为大模型“六小虎”、AI新势力和老牌科技巨头三类。
3. 基础大模型训练和C端营销成本高，大模型盈利难，面临价格战压力。
4. “六小虎”在估值和用户数量上存在差异，谁能走出困境有待时间验证。
大模型推理
文章概要：
1. 模型推理是指模型训练完成后，为给定输入生成相应输出的过程。相比训练过程，推理只需要一遍网络前，没有求梯度和梯度反、参数调整过程。
2. LLM模型出现之前，模型推理部分投入相对也较小也没那么大。而LLM，数量巨大提升，参数量提升带来的是计算量、存储量的巨大需求。
. 大模型推理优化做得好，可以带来成本、效率的提升，实现真正的降。
4. 用户输入一个问题，大模型推理就是基于这个输入预测下一个词是词表中某个词的概率。<> 5.-only系列模型，的多头注意力是mask的多头注意力，mask是一个下三角矩阵，可以控制第三个词计算时不会计算与第三个之后的词的注意力分数
. 从上述3个token的计算过程可以看出i个token的注意力计算最终结果了i行，其他都是已经计算过的，既然都算过是不是可以直接这些中间结果，后续算的时候拿来用就可以了呢？是的，的做法就是空间换时间，将历史KV保存下来，每次只要计算当前的Q与的KV的乘br> 7. 使用KV缓存的话，推理引擎接收用户输入后，完整的答案返回给用户这个过程又可以分为了两个子过程，prefill阶段和decode阶段。<> 8. prefill阶段输入是整个，这个过程会生成token，以及填充KV cache。这个过程部分计算，比如Q*K，这里Q矩阵的形状是N*dim的，这个阶段相对来讲对计算性能要求较高，而数据传输量较少，主要瓶颈在计算。
9. decode阶段对应的是prefill生成了第一个token，填充完整了历史的KV缓存后，后续token的阶段。这个阶段每次输入一个token即可，输入1个token生成1个直到生成，这样一个自回归的过程。
阅读原文
2. LLM模型出现之前，模型推理部分投入相对也较小也没那么大。而LLM，数量巨大提升，参数量提升带来的是计算量、存储量的巨大需求。
. 大模型推理优化做得好，可以带来成本、效率的提升，实现真正的降。
4. 用户输入一个问题，大模型推理就是基于这个输入预测下一个词是词表中某个词的概率。<> 5.-only系列模型，的多头注意力是mask的多头注意力，mask是一个下三角矩阵，可以控制第三个词计算时不会计算与第三个之后的词的注意力分数
. 从上述3个token的计算过程可以看出i个token的注意力计算最终结果了i行，其他都是已经计算过的，既然都算过是不是可以直接这些中间结果，后续算的时候拿来用就可以了呢？是的，的做法就是空间换时间，将历史KV保存下来，每次只要计算当前的Q与的KV的乘br> 7. 使用KV缓存的话，推理引擎接收用户输入后，完整的答案返回给用户这个过程又可以分为了两个子过程，prefill阶段和decode阶段。<> 8. prefill阶段输入是整个，这个过程会生成token，以及填充KV cache。这个过程部分计算，比如Q*K，这里Q矩阵的形状是N*dim的，这个阶段相对来讲对计算性能要求较高，而数据传输量较少，主要瓶颈在计算。
9. decode阶段对应的是prefill生成了第一个token，填充完整了历史的KV缓存后，后续token的阶段。这个阶段每次输入一个token即可，输入1个token生成1个直到生成，这样一个自回归的过程。
分享一些大模型的知识点，让您少走点弯路
文章概要：
1. 参数高效微调（PEFT）凭借定制化、性成为模型优化的热门方式，其中，LoRA引入低秩矩阵，实现了全面微调下游适应性能，，增长的训练需求也带来了存储和传输成本。
2. 为了提升LoRA计算效率urIPS'24最新收录工作VB-LoRA，创新提出了分而共享机制，通过向量库进行全局参数共享仅需RA参数0.4%，调效率全面超越LoRA！
3. 为了帮助大家掌握大模型顶会微调方法研梦非凡于10月23晚（周三），邀请了从事大模型研究的王导师，独家讲解《VB-LoRA：超越LoRA！模型微调效率巅峰！》AI前沿直播课NO.76）。
. 王导师拥有丰富的深度学习研究、论文经验，多篇SCI论文、EI会议论文（一作），研究方向语言模型、视觉语言模型、多模态学习，以及自然、算法等
5. 研梦非凡科研论文指导，idea并不是直接拍脑门拍出来的是一遍一遍实验跑代码、改模型、修正的过程中产生的。研梦1V1定制化论文指导，和研梦导师一起找idea，研梦指导，共同解决数据问题。授之以渔——搭建论文框架，增删改查，针对性实验指导哪里薄弱补哪里！
阅读原文
2. 为了提升LoRA计算效率urIPS'24最新收录工作VB-LoRA，创新提出了分而共享机制，通过向量库进行全局参数共享仅需RA参数0.4%，调效率全面超越LoRA！
3. 为了帮助大家掌握大模型顶会微调方法研梦非凡于10月23晚（周三），邀请了从事大模型研究的王导师，独家讲解《VB-LoRA：超越LoRA！模型微调效率巅峰！》AI前沿直播课NO.76）。
. 王导师拥有丰富的深度学习研究、论文经验，多篇SCI论文、EI会议论文（一作），研究方向语言模型、视觉语言模型、多模态学习，以及自然、算法等
5. 研梦非凡科研论文指导，idea并不是直接拍脑门拍出来的是一遍一遍实验跑代码、改模型、修正的过程中产生的。研梦1V1定制化论文指导，和研梦导师一起找idea，研梦指导，共同解决数据问题。授之以渔——搭建论文框架，增删改查，针对性实验指导哪里薄弱补哪里！
抢占应用场景 物流巨头争相布局大模型
文章概要：
1. 国庆长假期间快递量增长，物流快递行业对降本增效和提高运营效率的需求迫切。
2. 物流巨头扎堆布局大模型“天机π”、“丰知”决策大模型、物流脑”等。
3. 大模型被视为解决效率瓶颈、促进精益化管理武器，成为物流企业竞逐的核心技术之一。
4. 业内普遍认为，公路物流货运是大模型落地应用的主要领域之一，大模型的深度应用，将为物流全链路运营效率、服务体验和业务带来变革。br> 5. 在物流行业应用大模型虽然带来了优势，但也可能一些风险和隐患。
6. 企业需要明确大模型的应用场景价值定位，避免盲目跟风
阅读原文
2. 物流巨头扎堆布局大模型“天机π”、“丰知”决策大模型、物流脑”等。
3. 大模型被视为解决效率瓶颈、促进精益化管理武器，成为物流企业竞逐的核心技术之一。
4. 业内普遍认为，公路物流货运是大模型落地应用的主要领域之一，大模型的深度应用，将为物流全链路运营效率、服务体验和业务带来变革。br> 5. 在物流行业应用大模型虽然带来了优势，但也可能一些风险和隐患。
6. 企业需要明确大模型的应用场景价值定位，避免盲目跟风
国际瞭望 | 探索智能纪元：大模型的起源、现状与未来
文章概要：
1. 大模型在人工智能领域取得显著成就，如GPT系列在自然语言处理领域刷新多项性能基准，在教育、医疗、金融等领域得到快速应用，但也存在风险和挑战。
2. 大模型的由来可以追溯到20世纪的AI研究初期，当时的研究主要集中在逻辑推理和专家系统上。
3. 大模型的演变路径包括从GPT-1到GPT-3.5的发展，以及从单一模态向多模态的转变。
4 大模型的特性包括参数量巨大、类型多样、能力强大等。
5. 大模型的技术包括Transformer架构、有监督微调、人类反馈强化学习等。
6. 大模型的应用领域包括自然语言处理、图像理解生成、语音识别等。
7. 大模型的发展得益于算法创新、计算能力提升、数据集扩大等因素。<. 大模型的挑战包括模型大小与数据规模的权衡、网络架构的创新、提示工程、上下文推理、知识更新、可解释性、隐私安全性、数据偏见和误导性信息等。
9. 大模型的未来趋势包括模型规模与效率的平衡、知识的深度融合、具身智能的探索、可解释性与可信度的提高。
阅读原文
2. 大模型的由来可以追溯到20世纪的AI研究初期，当时的研究主要集中在逻辑推理和专家系统上。
3. 大模型的演变路径包括从GPT-1到GPT-3.5的发展，以及从单一模态向多模态的转变。
4 大模型的特性包括参数量巨大、类型多样、能力强大等。
5. 大模型的技术包括Transformer架构、有监督微调、人类反馈强化学习等。
6. 大模型的应用领域包括自然语言处理、图像理解生成、语音识别等。
7. 大模型的发展得益于算法创新、计算能力提升、数据集扩大等因素。<. 大模型的挑战包括模型大小与数据规模的权衡、网络架构的创新、提示工程、上下文推理、知识更新、可解释性、隐私安全性、数据偏见和误导性信息等。
9. 大模型的未来趋势包括模型规模与效率的平衡、知识的深度融合、具身智能的探索、可解释性与可信度的提高。
IDC发布政务大模型能力堆栈及技术评估报告
文章概要：
1. IDC发布《中国模型及技术评估，224》报告，重点评估技术提供商产品和解决方案在、、服务三大领域的应用的发展情况和未来技术发展趋势。
2. IDC在调研中，政务大模型应用中的落地远高于预期，部分政府在政务服务网站、APP集成了政务服务，在政务协同办公集成公文助手、自动会议纪要等部分大模型应用还是以独立进行公文生成、政策查询、检索等，需深入集成业务中进行赋能升级。
3. IDC大模型能力堆栈包括模型平台、模型能力、智能体搭建和服务生态建设等，政务大模型建设的供应商应逐步构建相关能力。
4. IDC对参与政务大模型及应用的提供商提出建议，包括提高模型、降低成本、技术与场景深度等。
阅读原文
2. IDC在调研中，政务大模型应用中的落地远高于预期，部分政府在政务服务网站、APP集成了政务服务，在政务协同办公集成公文助手、自动会议纪要等部分大模型应用还是以独立进行公文生成、政策查询、检索等，需深入集成业务中进行赋能升级。
3. IDC大模型能力堆栈包括模型平台、模型能力、智能体搭建和服务生态建设等，政务大模型建设的供应商应逐步构建相关能力。
4. IDC对参与政务大模型及应用的提供商提出建议，包括提高模型、降低成本、技术与场景深度等。
2024年国产大模型介绍及示例
文章概要：
1. 2024年国产大模型反映了中国在人工智能领域的最新进展，在多个领域展示了卓越的能力和广泛的应用前景。
2. 介绍了19个国产大模型，包括百川智能、华为、阿里巴巴、腾讯、百度、科大讯飞、智谱AI、零一万物、清华大学、商汤科技、小米、京东、中科院、华为云、澜舟科技、腾讯云、网易有道、科大讯飞、小米。
3. 详细介绍了这些模型的参数规模、主要特点和应用场景，并提供了具体的应用案例。
阅读原文
2. 介绍了19个国产大模型，包括百川智能、华为、阿里巴巴、腾讯、百度、科大讯飞、智谱AI、零一万物、清华大学、商汤科技、小米、京东、中科院、华为云、澜舟科技、腾讯云、网易有道、科大讯飞、小米。
3. 详细介绍了这些模型的参数规模、主要特点和应用场景，并提供了具体的应用案例。
AI 大模型：医疗健康领域的变革力量
文章概要：
1. AI大模型在医疗健康领域的兴起并非偶然。随着科技的不断进步，人工智能逐渐演变成生成式AI，并加速与医疗健康产业结合。
2. AI大模型在医疗服务、患者服务、运营管理等多个医疗健康领域具备较大的应用潜力。
3. AI大模型在新药开发、临床研究等领域也产生了一系列变革。
4. AI大模型与医疗健康的融合趋势日益明显，为行业带来了诸多变革和机遇，但同时也面临着一些风险与挑战。
5. AI大模型在医疗领域的应用场景包括智能化诊疗、个性化治疗、药物研发、医学影像分析、医疗质控、患者服务、医院管理、教学科研、中医智能化、公共卫生。
6. AI大模型在医疗领域面临的风险与挑战包括技术成熟度风险、医学数据质量与安全风险、医疗服务公平性风险。
7. 应对策略包括推动算法平台建设及算力设施部署、构建规范化、标注化的训练用专病数据库、推动人工智能医疗应用合规。
8. AI大模型在医疗健康领域的应用前景广阔，将对行业产生深刻的变革作用。
阅读原文
2. AI大模型在医疗服务、患者服务、运营管理等多个医疗健康领域具备较大的应用潜力。
3. AI大模型在新药开发、临床研究等领域也产生了一系列变革。
4. AI大模型与医疗健康的融合趋势日益明显，为行业带来了诸多变革和机遇，但同时也面临着一些风险与挑战。
5. AI大模型在医疗领域的应用场景包括智能化诊疗、个性化治疗、药物研发、医学影像分析、医疗质控、患者服务、医院管理、教学科研、中医智能化、公共卫生。
6. AI大模型在医疗领域面临的风险与挑战包括技术成熟度风险、医学数据质量与安全风险、医疗服务公平性风险。
7. 应对策略包括推动算法平台建设及算力设施部署、构建规范化、标注化的训练用专病数据库、推动人工智能医疗应用合规。
8. AI大模型在医疗健康领域的应用前景广阔，将对行业产生深刻的变革作用。
关于基于大模型构建产品的思考
文章概要：
1. 大模型技术发展成熟，但应用仍在摸索阶段。
2. 技术需通过产品作用于用户而产品应具有特色，而非大而。br> 3. 以AIGC产品为例，功能齐全但缺乏特色，通用性强导致垂直领域表现差。
4. 阿里巴巴的以电商为核心，社交属性，而公司的AIGC大而全，在各领域都无法与专业产品相比。
5. 做企业应小而精，专注于重要的事情，避免成为功能齐全却四肢不齐的废物。
阅读原文
2. 技术需通过产品作用于用户而产品应具有特色，而非大而。br> 3. 以AIGC产品为例，功能齐全但缺乏特色，通用性强导致垂直领域表现差。
4. 阿里巴巴的以电商为核心，社交属性，而公司的AIGC大而全，在各领域都无法与专业产品相比。
5. 做企业应小而精，专注于重要的事情，避免成为功能齐全却四肢不齐的废物。
打完“价格战”，大模型还要比什么？
文章概要：
1. 打完“价格战”，大模型还要比什么？
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
阅读原文
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
打完“价格战”，大模型还要比什么？
文章概要：
1. 2024年云栖大会上，阿里再次成为焦点，旗下通义千问三款主力模型再次大幅降价。自阿里在5月率先“开卷”之后，国内大模型厂商和OpenAI均跟进价格战。
2. 大模型行业的降价速度已经远超“摩尔定律”，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里也深知这一道理，其在近日宣布大模型再次降价，也提出了“AI大基建”的概念。
5. 大模型淘汰赛或还会持续2-3年，虽然最终留下的大模型企业并不会多，为了活下去，企业们也不得不使出浑身解数，但问题是，当“低垂的果实”都被摘完之后，当下大模型行业的解题思路早已不是“便宜就完事”。
6. 对于大模型“价格战”一事，行业也有不同的看法。目前来看，“价格战”的本质还是因为产品能力不足，各家模型能力趋于同质化，暂时无法形成断档的差距，所以才希望通过价格战来增加大模型的普及，也能帮助厂商增加市场份额。
7. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 大模型行业的降价速度已经远超“摩尔定律”，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里也深知这一道理，其在近日宣布大模型再次降价，也提出了“AI大基建”的概念。
5. 大模型淘汰赛或还会持续2-3年，虽然最终留下的大模型企业并不会多，为了活下去，企业们也不得不使出浑身解数，但问题是，当“低垂的果实”都被摘完之后，当下大模型行业的解题思路早已不是“便宜就完事”。
6. 对于大模型“价格战”一事，行业也有不同的看法。目前来看，“价格战”的本质还是因为产品能力不足，各家模型能力趋于同质化，暂时无法形成断档的差距，所以才希望通过价格战来增加大模型的普及，也能帮助厂商增加市场份额。
7. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在2024年云栖大会上再次宣布旗下通义千问的多款商业化及开源模型大幅降价，最高降幅达85%。
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代，目前大的共识是规模比利润更重要。
3. 阿里提出“AI大基建”概念，除了降价还发布了新一代的开源大模型，希望通过更低的价格来验证大模型的应用价值。
4. 大模型淘汰赛或还会持续2-3年，最终可能只会留下3-5家大模型企业，头部企业更不可能主动放弃价格战。
5. 对于大模型“价格战”，行业有不同看法，大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性。
阅读原文
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代，目前大的共识是规模比利润更重要。
3. 阿里提出“AI大基建”概念，除了降价还发布了新一代的开源大模型，希望通过更低的价格来验证大模型的应用价值。
4. 大模型淘汰赛或还会持续2-3年，最终可能只会留下3-5家大模型企业，头部企业更不可能主动放弃价格战。
5. 对于大模型“价格战”，行业有不同看法，大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在云栖大会上宣布旗下通义千问多款商业化及开源模型再次大幅降价，最高降幅达85%
2. 大模型行业的降价速度远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里提出“AI大基建”的概念，除了在2024年云栖大会上提出大模型再次降价之外，还发布了新一代的开源大模型，一口气上架了100多个模型，涵盖多个尺寸的大语言模型、多模态模型、数学模型和代码模型，创造了大模型开源的“数量之最”。
5. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性商业闭环。
阅读原文
2. 大模型行业的降价速度远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里提出“AI大基建”的概念，除了在2024年云栖大会上提出大模型再次降价之外，还发布了新一代的开源大模型，一口气上架了100多个模型，涵盖多个尺寸的大语言模型、多模态模型、数学模型和代码模型，创造了大模型开源的“数量之最”。
5. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在2024年云栖大会上再次宣布通义千问三款主力模型大幅降价，最高降幅达85%。
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代，目前大模型行业的共识，就是规模比利润更重要。
3. 阿里提出“AI大基建”的概念，希望通过更低的价格来验证大模型的应用价值，让更多企业和创作者参与进来。
4. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代，目前大模型行业的共识，就是规模比利润更重要。
3. 阿里提出“AI大基建”的概念，希望通过更低的价格来验证大模型的应用价值，让更多企业和创作者参与进来。
4. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 大模型企业掀起价格战，价格持续下调，甚至可能走向“负毛利”。
2. 大模型行业当前规模比利润更重要，降价能带来显著效果，如阿里云付费客户数增长超200%，百度文心大模型日均调用量增长超10倍。
3. 阿里提出“AI大基建”概念，除降价外还发布新一代开源大模型，希望降低使用门槛，让更多企业和创作者参与进来。
4. 大模型淘汰赛或还会持续2-3年，最终可能只会留下3-5家企业，头部企业不会主动放弃价格战。
5. 对于大模型“价格战”，行业有不同看法，有人认为大模型不光要看价格，还要看技术。
6. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 大模型行业当前规模比利润更重要，降价能带来显著效果，如阿里云付费客户数增长超200%，百度文心大模型日均调用量增长超10倍。
3. 阿里提出“AI大基建”概念，除降价外还发布新一代开源大模型，希望降低使用门槛，让更多企业和创作者参与进来。
4. 大模型淘汰赛或还会持续2-3年，最终可能只会留下3-5家企业，头部企业不会主动放弃价格战。
5. 对于大模型“价格战”，行业有不同看法，有人认为大模型不光要看价格，还要看技术。
6. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在2024年云栖大会上宣布通义千问三款主力模型再次大幅降价，最高降幅达85%。
2. 自阿里在5月率先“开卷”之后，字节跳动旗下云服务火山引擎、百度智能云、腾讯云、科大讯飞等均官宣旗下大模型大幅下调价格，行业降价幅度达到了90%左右。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 目前大模型行业的共识，就是规模比利润更重要，这一观点在互联网时代也是老生常谈，比如“千团大战”“网约车大战”“电商大战”等。
5. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
6. 头部的大模型企业更不可能放弃价格战，让出自己的市场份额。
7. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
8. 目前，大模型行业的商业逻辑，已经卷卷的。.企业，进一步提高大模型的质量和性能，让模型能力更强、更多元，这么做或许不一定能出“超级应用”，但吸引更多中小企业、创业公司的加入，才有机会为大模型企业带来爆发式增长的机会。
阅读原文
2. 自阿里在5月率先“开卷”之后，字节跳动旗下云服务火山引擎、百度智能云、腾讯云、科大讯飞等均官宣旗下大模型大幅下调价格，行业降价幅度达到了90%左右。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 目前大模型行业的共识，就是规模比利润更重要，这一观点在互联网时代也是老生常谈，比如“千团大战”“网约车大战”“电商大战”等。
5. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
6. 头部的大模型企业更不可能放弃价格战，让出自己的市场份额。
7. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
8. 目前，大模型行业的商业逻辑，已经卷卷的。.企业，进一步提高大模型的质量和性能，让模型能力更强、更多元，这么做或许不一定能出“超级应用”，但吸引更多中小企业、创业公司的加入，才有机会为大模型企业带来爆发式增长的机会。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在云栖大会上宣布通义千问三款主力模型再次大幅降价，最高降幅达85%。
2. 阿里云CTO周靖人表示，每降价都是一个非常严肃的过程，要从整个产业发展，开发者、企业用户的反馈等各方面进行权衡。
3. 目前大模型行业的降价速度已经远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
4. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
5. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。阿里云副总裁张启表示，现在的AI相当于1996年前后的互联网，当时的上网资费很贵，这也限制了移动互联网的发展，只有把资费降下来，才有可能谈未来的应用爆发。
6. 阿里选择降价、开源，本质就是希望降低大模型的使用门槛，更低的价格来验证大模型的应用价值，让更多企业和创作者参与进来。只有大模型能够真正满足企业的复杂业务场景需求，生态才能发展起来，行业才能进入新的阶段。
7. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。除此以外，不少独角兽也希望凭借价格战杀出一条“生路”，部分企业也认为小模型或更具性价比。
8. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
9. 大模型行业的商业逻辑，已经从卷模式、卷成本，迈入到卷生态、卷技术的新阶段。当然，低价还是快速建立生态壁垒的重要手段，但通过技术降低成本，才是推动大模型快进到“价值创造阶段”的关键要素。
10. 接下来，大模型企业的新战场将会是“性价比”，要在当前的价格基础上，进一步提高大模型的质量和，让模型能力更强、更多元，这么做或许不一定能孵化出“超级应用”，但吸引更多中小企业、创业公司的加入，才有机会为大模型企业带来爆发式增长的机会。
阅读原文
2. 阿里云CTO周靖人表示，每降价都是一个非常严肃的过程，要从整个产业发展，开发者、企业用户的反馈等各方面进行权衡。
3. 目前大模型行业的降价速度已经远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
4. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
5. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。阿里云副总裁张启表示，现在的AI相当于1996年前后的互联网，当时的上网资费很贵，这也限制了移动互联网的发展，只有把资费降下来，才有可能谈未来的应用爆发。
6. 阿里选择降价、开源，本质就是希望降低大模型的使用门槛，更低的价格来验证大模型的应用价值，让更多企业和创作者参与进来。只有大模型能够真正满足企业的复杂业务场景需求，生态才能发展起来，行业才能进入新的阶段。
7. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。除此以外，不少独角兽也希望凭借价格战杀出一条“生路”，部分企业也认为小模型或更具性价比。
8. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
9. 大模型行业的商业逻辑，已经从卷模式、卷成本，迈入到卷生态、卷技术的新阶段。当然，低价还是快速建立生态壁垒的重要手段，但通过技术降低成本，才是推动大模型快进到“价值创造阶段”的关键要素。
10. 接下来，大模型企业的新战场将会是“性价比”，要在当前的价格基础上，进一步提高大模型的质量和，让模型能力更强、更多元，这么做或许不一定能孵化出“超级应用”，但吸引更多中小企业、创业公司的加入，才有机会为大模型企业带来爆发式增长的机会。
打完“价格战”，大模型还要比什么？
文章概要：
1. 2024年云栖大会上，阿里通义千问三款主力模型再次大幅降价，最高降幅达85%。自阿里在5月率先“开卷”之后，国内大模型厂商和行业风向标OpenAI也均官宣旗下大模型大幅下调价格。
2. 大模型行业的降价速度已经远超“摩尔定律”，在这样的背景下，大企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 阿里也深知这一道理，其在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。阿里云副总裁张启表示，现在的AI相当于1996年前后的互联网，当时的上网资费很贵，这也限制了移动互联网的发展，只有把资费降下来，才有可能谈未来的应用爆发。
4. 大模型淘汰赛或还会持续23年，虽然最终留下的大模型企业并不会多，为了活下去，企业们也不得不使出浑身解数，但问题是，当“低垂的果实”都被摘完之后，当下大模型行业的解题思路早已不是“便宜就完事”。
5. 对于大模型“价格战”一事，行业也有不同的看法。零一万物创始人李开复曾表示，没有必要打疯狂的价格战，因为大模型不光要看价格，还要看技术，如果是技术不行，然后靠赔钱来做生意，（公司）不会对标这样的定价。
阅读原文
2. 大模型行业的降价速度已经远超“摩尔定律”，在这样的背景下，大企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 阿里也深知这一道理，其在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。阿里云副总裁张启表示，现在的AI相当于1996年前后的互联网，当时的上网资费很贵，这也限制了移动互联网的发展，只有把资费降下来，才有可能谈未来的应用爆发。
4. 大模型淘汰赛或还会持续23年，虽然最终留下的大模型企业并不会多，为了活下去，企业们也不得不使出浑身解数，但问题是，当“低垂的果实”都被摘完之后，当下大模型行业的解题思路早已不是“便宜就完事”。
5. 对于大模型“价格战”一事，行业也有不同的看法。零一万物创始人李开复曾表示，没有必要打疯狂的价格战，因为大模型不光要看价格，还要看技术，如果是技术不行，然后靠赔钱来做生意，（公司）不会对标这样的定价。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在2024年云栖大会上宣布通义千问三款主力模型再次大幅降价，最高降幅达85%。
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
5. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。
6. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
5. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。
6. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在2024年云栖大会上宣布旗下通义千问三款主力模型再次大幅降价，最高降幅达85%。自阿里在5月率先“开卷”之后，国内大模型厂商和OpenAI均跟进价格战。
2. 大模型行业的降价速度已经远超“摩尔定律”，降价幅度接近100%，在这样的下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3.也深知这一道理，其在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。阿里云副总裁张启表示，现在的AI相当于1996年前后的互联网，当时的上网资费很贵，这也限制了移动互联网的发展，只有把资费降下来，才有可能谈未来的应用爆发。
4. 大模型行业的商业逻辑，已经从卷模式、卷成本，迈入到卷生态、卷技术的新阶段。当然，低价还是快速建立生态壁垒的重要手段，但通过技术降低成本，才是推动大模型快进到“价值创造阶段”的关键要素。
阅读原文
2. 大模型行业的降价速度已经远超“摩尔定律”，降价幅度接近100%，在这样的下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3.也深知这一道理，其在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。阿里云副总裁张启表示，现在的AI相当于1996年前后的互联网，当时的上网资费很贵，这也限制了移动互联网的发展，只有把资费降下来，才有可能谈未来的应用爆发。
4. 大模型行业的商业逻辑，已经从卷模式、卷成本，迈入到卷生态、卷技术的新阶段。当然，低价还是快速建立生态壁垒的重要手段，但通过技术降低成本，才是推动大模型快进到“价值创造阶段”的关键要素。
打完“价格战”，大模型还要比什么？
文章概要：
1. 大模型行业已从“以分计价”走向“以厘计价”，目前规模比利润更重要，大模型企业通过降价扩大用户规模，牺牲短期利益换取长期回报。
2. 阿里提出“AI大基建”概念，通过降价、开源降低大模型使用门槛，让更多企业和创作者参与，推动行业进入新的阶段。
3. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 阿里提出“AI大基建”概念，通过降价、开源降低大模型使用门槛，让更多企业和创作者参与，推动行业进入新的阶段。
3. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里通义千问大模型多次降价，引发行业价格战，其他大模型厂商纷纷跟进。
2. 大模型行业的降价速度远超“摩尔定律”，业内人士认为当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里提出“AI大基建”概念，除了降价还发布了新一代开源大模型，希望降低使用门槛，让更多企业和创作者进来。
5 大淘汰赛2-3年，头部企业不会主动放弃价格战，部分企业认为小或更具性价比。
6. 行业对大模型“价格战”有不同看法，认为产品能力不足是价格战的本质，大模型企业在打价格战的，也深知产品、现金流的重要性。
阅读原文
2. 大模型行业的降价速度远超“摩尔定律”，业内人士认为当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里提出“AI大基建”概念，除了降价还发布了新一代开源大模型，希望降低使用门槛，让更多企业和创作者进来。
5 大淘汰赛2-3年，头部企业不会主动放弃价格战，部分企业认为小或更具性价比。
6. 行业对大模型“价格战”有不同看法，认为产品能力不足是价格战的本质，大模型企业在打价格战的，也深知产品、现金流的重要性。
打完“价格战”，大模型还要比什么？
文章概要：
1. 2024年云栖大会上，阿里宣布旗下通义千问多款商业化及开源模型再次大幅降价，最高降幅达85%。
2. 大模型行业的降价速度远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。阿里云副总裁张启表示，现在的AI相当于1996年前后的互联网，当时的上网资费很贵，这也了移动互联网的发展，只有把资费降下来，才有可能谈未来的应用爆发。
5. 阿里选择降价、开源，本质就是希望降低大模型的使用门槛，通过更低的价格来验证大模型的应用价值，让更多企业和创作者参与进来。只有大模型能够真正满足企业的复杂业务场景需求，生态才能发展起来，行业才能进入新的阶段。
6. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。除此以外，不少独角兽也希望凭借价格战杀出一条“生路”，部分企业也认为小模型或更具性价比。
7. 目前来看，大模型淘汰赛或还会持续2-3年，虽然最终留下的大模型企业并不会多，为了活下去，企业们也不得不使出浑身解数，但问题是，当“低垂的果实”都被摘完之后，当下大模型行业的解题思路早已不是“便宜就完事”。
8. 对于大模型“价格战”一事，行业也有不同的看法。零一万物创始人李开复曾表示，没有必要打疯狂的价格战，因为大模型不光要看价格，还要看技术，如果是技术不行，然后靠赔钱来做生意，（公司）不会对标这样的定价。
9. 火山引擎总裁谭待在谈及价格战时也表示，当前主要关注的是应用覆盖，而不是收入，要有更强的模型能力才能解锁新场景，这才更有价值。
10. 目前来看，“价格战”的本质还是因为产品能力不足，各家模型能力趋于同质化，暂时无法形成断档的差距，所以才希望通过价格战来增加大模型的普及，也能帮助厂商增加市场份额。
11. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
12. 大模型行业的商业逻辑，已经从卷模式、卷成本，迈入到卷生态、卷技术的新阶段。当然，低价还是快速建立生态壁垒的重要手段，但通过技术降低成本，才是推动大模型快“价值创造阶段”的关键要素。
13. 接下来，大模型企业的新战场将会是“性价比”，要在当前的价格基础上，进一步提高大模型的质量和性能，让模型能力更强、更多元，这么做或许不一定能孵化出“超级应用”，但吸引更多中小企业、创业公司的加入，才有机会为大模型企业带来爆发式增长的机会。
阅读原文
2. 大模型行业的降价速度远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。阿里云副总裁张启表示，现在的AI相当于1996年前后的互联网，当时的上网资费很贵，这也了移动互联网的发展，只有把资费降下来，才有可能谈未来的应用爆发。
5. 阿里选择降价、开源，本质就是希望降低大模型的使用门槛，通过更低的价格来验证大模型的应用价值，让更多企业和创作者参与进来。只有大模型能够真正满足企业的复杂业务场景需求，生态才能发展起来，行业才能进入新的阶段。
6. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。除此以外，不少独角兽也希望凭借价格战杀出一条“生路”，部分企业也认为小模型或更具性价比。
7. 目前来看，大模型淘汰赛或还会持续2-3年，虽然最终留下的大模型企业并不会多，为了活下去，企业们也不得不使出浑身解数，但问题是，当“低垂的果实”都被摘完之后，当下大模型行业的解题思路早已不是“便宜就完事”。
8. 对于大模型“价格战”一事，行业也有不同的看法。零一万物创始人李开复曾表示，没有必要打疯狂的价格战，因为大模型不光要看价格，还要看技术，如果是技术不行，然后靠赔钱来做生意，（公司）不会对标这样的定价。
9. 火山引擎总裁谭待在谈及价格战时也表示，当前主要关注的是应用覆盖，而不是收入，要有更强的模型能力才能解锁新场景，这才更有价值。
10. 目前来看，“价格战”的本质还是因为产品能力不足，各家模型能力趋于同质化，暂时无法形成断档的差距，所以才希望通过价格战来增加大模型的普及，也能帮助厂商增加市场份额。
11. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
12. 大模型行业的商业逻辑，已经从卷模式、卷成本，迈入到卷生态、卷技术的新阶段。当然，低价还是快速建立生态壁垒的重要手段，但通过技术降低成本，才是推动大模型快“价值创造阶段”的关键要素。
13. 接下来，大模型企业的新战场将会是“性价比”，要在当前的价格基础上，进一步提高大模型的质量和性能，让模型能力更强、更多元，这么做或许不一定能孵化出“超级应用”，但吸引更多中小企业、创业公司的加入，才有机会为大模型企业带来爆发式增长的机会。
打完“价格战”，大模型还要比什么？
文章概要：
1. 2024年云栖大会上，阿里再次成为焦点，其通义千问多款商业化及开源模型大幅降价，最高降幅达85%。
2. 自阿里5月率先“开卷”后，国内大模型厂商和OpenAI均跟进价格战，行业降价幅度达90%左右。
3. 大模型行业的降价速度远超“摩尔定律”，业内人士认为当前规模比利润更重要，大模型企业宁愿牺牲利润也要降价，所求的正是“预期”。
4. 阿里提出“AI大基建”概念，除降价外还发布了新一代大模型，希望降低使用门槛，让更多企业和创作者参与进来。
5. 头部的大模型企业更不可能主动放弃价格战，不少独角兽也希望凭借价格战杀出一条“生路”。
6. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 自阿里5月率先“开卷”后，国内大模型厂商和OpenAI均跟进价格战，行业降价幅度达90%左右。
3. 大模型行业的降价速度远超“摩尔定律”，业内人士认为当前规模比利润更重要，大模型企业宁愿牺牲利润也要降价，所求的正是“预期”。
4. 阿里提出“AI大基建”概念，除降价外还发布了新一代大模型，希望降低使用门槛，让更多企业和创作者参与进来。
5. 头部的大模型企业更不可能主动放弃价格战，不少独角兽也希望凭借价格战杀出一条“生路”。
6. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 打完“价格战”，大模型还要比什么？
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
阅读原文
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里云在2024年云栖大会上宣布通义千问三款主力模型再次大幅降价，最高降幅达85%。
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代。
3. 大模型降价带来的效果显著，以阿里云为例，在大模型降价以后，阿里云百炼平台的付费客户数比上一个季度增长了超过200%。
4. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
5. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
6. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。
7. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代。
3. 大模型降价带来的效果显著，以阿里云为例，在大模型降价以后，阿里云百炼平台的付费客户数比上一个季度增长了超过200%。
4. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
5. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
6. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。
7. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 大模型行业价格战激烈，阿里等企业纷纷大幅降价，行业降价幅度达90%左右。
2. 大模型企业认为当前规模比利润更重要，降价能带来更多用户和业务，未来有望通过规模效应实现盈利。
3. 阿里提出“AI大基建”概念，降价、开源等方式降低大模型使用门槛，希望吸引更多企业和创作者参与，推动行业发展。
4. 大模型淘汰赛可能还会持续2-3年，最终可能只会留下3家企业，头部企业不会轻易放弃价格战。
5. 行业不一，有人认为技术和产品能力更重要，大模型企业需要在打价格战的同时，提升模型性能和产品落地能力，打造差异化产品。
阅读原文
2. 大模型企业认为当前规模比利润更重要，降价能带来更多用户和业务，未来有望通过规模效应实现盈利。
3. 阿里提出“AI大基建”概念，降价、开源等方式降低大模型使用门槛，希望吸引更多企业和创作者参与，推动行业发展。
4. 大模型淘汰赛可能还会持续2-3年，最终可能只会留下3家企业，头部企业不会轻易放弃价格战。
5. 行业不一，有人认为技术和产品能力更重要，大模型企业需要在打价格战的同时，提升模型性能和产品落地能力，打造差异化产品。
打完“价格战”，大模型还要比什么？
文章概要：
1. 打完“价格战”，大模型还要比什么？
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
阅读原文
打完“价格战”，大模型还要比什么？
文章概要：
1. 204年云栖大会上，阿里宣布旗下通义千问的多款商业化及开源模型再次大幅降价，最高降幅达85%。
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代，大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
3. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念，本质就是希望降低大模型的使用门槛，通过更低的价格来验证大模型的应用价值，让更多企业和创作者参与进来。
4. 对于大模型“价格战”一事，行业也有不同的看法，目前来看，“价格战”的本质还是因为产品能力不足，各家模型能力趋于同质化，暂时无法形成断档的差距，所以才希望通过价格战来增加大模型的普及，也能厂商增加市场份额。
5. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 国内大模型已从“以分计价”的定价模式走向“以厘计价”的新时代，大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
3. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念，本质就是希望降低大模型的使用门槛，通过更低的价格来验证大模型的应用价值，让更多企业和创作者参与进来。
4. 对于大模型“价格战”一事，行业也有不同的看法，目前来看，“价格战”的本质还是因为产品能力不足，各家模型能力趋于同质化，暂时无法形成断档的差距，所以才希望通过价格战来增加大模型的普及，也能厂商增加市场份额。
5. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 大模型行业价格战，国内大模型厂商OpenAI等纷纷降价，价格战可能导致大模型走向“负毛利”。
2. 大模型企业面临价格、质量与服务的平衡问题，当前规模利润更重要，大模型企业宁愿牺牲利润也要降价，以换取长期回报。
3. 阿里提出“AI大基建”概念，除了降价还发布新一代开源大，希望降低使用门槛，让更多企业和创作者参与进来。
4. 大模型淘汰赛可能持续2-3年，最终可能只会留下3-5家企业，头部企业不会主动放弃价格战，部分企业认为小模型或更具性价比。
5. 大模型企业在打战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 大模型企业面临价格、质量与服务的平衡问题，当前规模利润更重要，大模型企业宁愿牺牲利润也要降价，以换取长期回报。
3. 阿里提出“AI大基建”概念，除了降价还发布新一代开源大，希望降低使用门槛，让更多企业和创作者参与进来。
4. 大模型淘汰赛可能持续2-3年，最终可能只会留下3-5家企业，头部企业不会主动放弃价格战，部分企业认为小模型或更具性价比。
5. 大模型企业在打战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 大模型行业已从“以分计价”走向“以厘计价”的新时代，大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
2. 大模型行业的共识，就是规模比利润更重要，这一观点在互联网时代也是老生常谈，比如“千团大战”“网约车大战”“电商大战”等。
3. 阿里选择降价、开源，本质就是希望降低大模型的使用门槛，通过更低的价格来验证大模型应用价值，让更多企业和创作者参与进来。
4. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。
5. 大模型企业在打价格战的同时也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 大模型行业的共识，就是规模比利润更重要，这一观点在互联网时代也是老生常谈，比如“千团大战”“网约车大战”“电商大战”等。
3. 阿里选择降价、开源，本质就是希望降低大模型的使用门槛，通过更低的价格来验证大模型应用价值，让更多企业和创作者参与进来。
4. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。
5. 大模型企业在打价格战的同时也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在云栖大会上宣布旗下通义千问的多款商业化及开源模型再次大幅降价，最高降幅达85%。
2. 大模型行业的降价速度已经远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
5. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。
6. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
阅读原文
2. 大模型行业的降价速度已经远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
5. 头部的大模型企业更不可能主动放弃价格战，让出自己的市场份额。
6. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在2024年云栖大会上再次宣布通义千问主力模型大幅降价，自5月以来，国内大模型价格战已导致行业降价幅度达到90%左右，大模型价格可能继续下调甚至走向“负毛利”。
2. 大模型行业已从“以分计价”走向“以厘计价”，业内人士认为大模型行业可能已进入“负毛利时代”，但大模型降价效果显著，能带来更多客户和收入。
3. 大模型企业宁愿牺牲利润也要降价，是为了换取长期回报，目前大模型行业的共识是规模比利润更重要。
4. 阿里提出“AI大基建”概念，希望通过降价、开源降低大模型使用门槛，让更多企业和创作者参与进来，推动行业发展。
5. 大模型淘汰赛可能还会持续2-3年，头部企业不会主动放弃价格战，也有独角兽希望凭借价格战杀出“生路”。
6. 对于大模型“价格战”，行业有不同看法，有人认为大模型不光要看价格，还要看技术，大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性。
阅读原文
2. 大模型行业已从“以分计价”走向“以厘计价”，业内人士认为大模型行业可能已进入“负毛利时代”，但大模型降价效果显著，能带来更多客户和收入。
3. 大模型企业宁愿牺牲利润也要降价，是为了换取长期回报，目前大模型行业的共识是规模比利润更重要。
4. 阿里提出“AI大基建”概念，希望通过降价、开源降低大模型使用门槛，让更多企业和创作者参与进来，推动行业发展。
5. 大模型淘汰赛可能还会持续2-3年，头部企业不会主动放弃价格战，也有独角兽希望凭借价格战杀出“生路”。
6. 对于大模型“价格战”，行业有不同看法，有人认为大模型不光要看价格，还要看技术，大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性。
打完“价格战”，大模型还要比什么？
文章概要：
1. 阿里在2024年云栖大会上宣布通义千问多款模型大幅降价，最高降幅达85%。
2. 国内大模型已从“以分计价”走向“以厘计价”，大模型企业面临更高成本投入，但降价带来的效果显著，用户规模和增量收入增长。
3. 大模型行业的共识是规模比利润更重要，阿里提出“AI大基建”概念，希望降低使用门槛，让更多企业和创作者参与进来。
4. 头部大模型企业不会主动放弃价格战，部分企业认为小模型或更具性价比，大模型淘汰赛或还会持续2-3年。
5. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，要抗住降价压力，和对手拉开技术差距，持续提升模型性能和产品落地。
阅读原文
2. 国内大模型已从“以分计价”走向“以厘计价”，大模型企业面临更高成本投入，但降价带来的效果显著，用户规模和增量收入增长。
3. 大模型行业的共识是规模比利润更重要，阿里提出“AI大基建”概念，希望降低使用门槛，让更多企业和创作者参与进来。
4. 头部大模型企业不会主动放弃价格战，部分企业认为小模型或更具性价比，大模型淘汰赛或还会持续2-3年。
5. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，要抗住降价压力，和对手拉开技术差距，持续提升模型性能和产品落地。
打完“价格战”，大模型还要比什么？
文章概要：
1. 打完“价格战”，大模型还要比什么？
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
阅读原文
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
打完“价格战”，大模型还要比什么？
文章概要：
1. 打完“价格战，大模型还要比什么
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
阅读原文
2. 规模比利润更重要
3. 阿里着力“AI大基建”
4. 模型能力仍是关键
打完“价格战”，大模型还要比什么？
文章概要：
1. 2024年云栖大会上阿里通义千问三款主力模型再次大幅降价，最高降幅达85%。
2. 大模型行业的降价速度已经远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里也深知这一道理，其在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
5. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
6. 大模型行业的商业逻辑，已经从卷模式、卷成本，迈入到卷生态、卷技术的新阶段。当然，低价还是快速建立生态壁垒的重要手段，但通过技术降低成本，才是推动大模型快进到“价值创造阶段”的关键要素。
阅读原文
2. 大模型行业的降价速度已经远超“摩尔定律”，降价幅度接近100%，在这样的背景下，大模型企业还能盈利吗？或许对大模型行业来说，当前规模比利润更重要。
3. 大模型企业宁愿牺牲利润也要降价，所求的正是“预期”，即牺牲短期利益来换取长期回报。
4. 阿里也深知这一道理，其在近日宣布大模型再次降价后，也提出了“AI大基建”的概念。
5. 大模型企业在打价格战的同时，也深知产品、技术、现金流的重要性，既要抗住降价压力，又要和对手拉开技术差距，持续提升模型性能和产品落地，才能形成良性的商业闭环。
6. 大模型行业的商业逻辑，已经从卷模式、卷成本，迈入到卷生态、卷技术的新阶段。当然，低价还是快速建立生态壁垒的重要手段，但通过技术降低成本，才是推动大模型快进到“价值创造阶段”的关键要素。
人工智能大模型多场景应用解析
文章概要：
1. 生成式人工智能能够生成新的、原创的内容，已经在许多领域取得了成功，在元宇宙中可以用来创造新虚拟物品环境角色等，丰富元宇宙的内容。
2. 元宇宙是一个虚拟的、完全互联的世界，包括人工智能、虚拟现实、增强等技术的融合，使人们可以在其中进行各种活动。
3. 生成式人工智能可以为元宇宙提供新的内容和创意，使其更加生动和有趣，同时，元宇宙也可以为生成式人工智能提供更多的数据和场景，以便其能够更好地学习和生成内容。
4. 要促进元宇宙的实现，需要采取多种措施，包括技术研发、投资支持、政策引导等，生成式人工智能可以为元宇宙提供独特的价值，可以通过提供丰富的内容和创意、优化交互和用户体验、促进商业化和价值创造、加强安全和隐私保护等方式促进元宇宙的实现。
5. 生成式人工智能是一种基于深度学习的AI技术，其通过学习海量数据中的规律和模式，能够生成新的数据、图像、语言等内容，这种技术在各个行业的应用都能够带来巨大的商业价值。
阅读原文
2. 元宇宙是一个虚拟的、完全互联的世界，包括人工智能、虚拟现实、增强等技术的融合，使人们可以在其中进行各种活动。
3. 生成式人工智能可以为元宇宙提供新的内容和创意，使其更加生动和有趣，同时，元宇宙也可以为生成式人工智能提供更多的数据和场景，以便其能够更好地学习和生成内容。
4. 要促进元宇宙的实现，需要采取多种措施，包括技术研发、投资支持、政策引导等，生成式人工智能可以为元宇宙提供独特的价值，可以通过提供丰富的内容和创意、优化交互和用户体验、促进商业化和价值创造、加强安全和隐私保护等方式促进元宇宙的实现。
5. 生成式人工智能是一种基于深度学习的AI技术，其通过学习海量数据中的规律和模式，能够生成新的数据、图像、语言等内容，这种技术在各个行业的应用都能够带来巨大的商业价值。
2024年，每一个大模型都躲不过容嬷嬷和紫薇｜焦点分析
文章概要：
1. 2024年，视频生成成为最火热的AI话题，国内大模型厂商对是否做视频模型存在分歧，分成了迅速跟进、旗帜鲜明反对和探索后暂缓几派。
2. 做视频生成模型成本高昂，对拥有短视频相关业务的大厂来说，视频生成是不能输的方向，但对初创玩家来说，需要投入真金白银去试错。
3. 视频生成领域的技术路线尚未收敛，玩家们需要投入真金白银去试错，选什么技术路线和应用场景，才决定AGI大潮退去后，谁能真正留在岸上。
4. 视频生成方向既有足够技术和开发壁垒，但壁垒不会高到玩家摸不着，前景也足够大，因此很少人愿意错过这个方向。
阅读原文
2. 做视频生成模型成本高昂，对拥有短视频相关业务的大厂来说，视频生成是不能输的方向，但对初创玩家来说，需要投入真金白银去试错。
3. 视频生成领域的技术路线尚未收敛，玩家们需要投入真金白银去试错，选什么技术路线和应用场景，才决定AGI大潮退去后，谁能真正留在岸上。
4. 视频生成方向既有足够技术和开发壁垒，但壁垒不会高到玩家摸不着，前景也足够大，因此很少人愿意错过这个方向。
大模型“六小虎”，就要凉凉了
文章概要：
1. AI圈传闻称一些大模型创业公司举步维艰，其中“六小虎”中的某两虎可能已放弃基础大模型研发，转向AI应用。
2. 大模型创业公司的生态图谱包括“六小虎”、AI新势力和老牌科技巨头。
3. 基础大模型训练和C端营销成本高，大模型盈利难，价格战提前到来，给AI企业带来更大竞争压力。
4. “六小虎”在估值和用户数量上存在分化，得用户者得天下，企业要把提升用户转化率和留存率当成重中之重。
阅读原文
2. 大模型创业公司的生态图谱包括“六小虎”、AI新势力和老牌科技巨头。
3. 基础大模型训练和C端营销成本高，大模型盈利难，价格战提前到来，给AI企业带来更大竞争压力。
4. “六小虎”在估值和用户数量上存在分化，得用户者得天下，企业要把提升用户转化率和留存率当成重中之重。
现阶段的多模态大模型，为什么做不了医疗？
文章概要：
1. 多模态大模型在医疗领域的发展及问题：大模型在医疗影像分析、辅助诊断等方面有应用潜力，但当前技术和数据储备下，多模态大模型在医疗辅助诊断领域难以取得突破。
2. 多模态大模型的定义和技术架构：能够同时处理和整合多种输入形式，由多模态嵌入模块、跨模态注意力机制和解码器组成。
3. 多模态大模型在医疗应用中的难点：包括微小目标识别、语义模糊和风格不一的医生报告、医生报告并非金标准等。
4. 对现在工作的一些讨论：CT-Clip和CheXagent等工作的亮点和不足，以及监督学习在医疗领域的应用情况。
5. 多模态大模型的发展路径：最大优势是能以统一的任务范式，吃下各种数据集，用大语言模型把未经整理、来源各异的标注消化嚼碎了喂给视觉backbone，让模型有极强的“通用“能力。
6. 总结：多模态大模型在医疗辅助诊断领域的应用前景广阔，但受限于技术和数据储备的瓶颈，当前还难以取得重大突破。
阅读原文
2. 多模态大模型的定义和技术架构：能够同时处理和整合多种输入形式，由多模态嵌入模块、跨模态注意力机制和解码器组成。
3. 多模态大模型在医疗应用中的难点：包括微小目标识别、语义模糊和风格不一的医生报告、医生报告并非金标准等。
4. 对现在工作的一些讨论：CT-Clip和CheXagent等工作的亮点和不足，以及监督学习在医疗领域的应用情况。
5. 多模态大模型的发展路径：最大优势是能以统一的任务范式，吃下各种数据集，用大语言模型把未经整理、来源各异的标注消化嚼碎了喂给视觉backbone，让模型有极强的“通用“能力。
6. 总结：多模态大模型在医疗辅助诊断领域的应用前景广阔，但受限于技术和数据储备的瓶颈，当前还难以取得重大突破。
人工智能 | 阿里通义千问大模型
文章概要：
1. 通义千问系列模型为阿里云研发的大语言模型，基于Transformer架构，在超大规模的预训练数据上进行训练得到，包括大量网络文本、专业书籍、代码等。
2. Qwen1.5显著提升了聊天模型与人类偏好的一致性，改善了它们的多语言能力，并具备了强大的链接外部系统能力。
3. Qwen2参数范围包括0.5B到72B，包括MOE模型，在一系列针对语言理解、语言生成、多语言能力编码、数学、推理等基准测试中总体上超越了大多数开源模型，并表现出与专有模型的竞争力。
4. Qwen-VL可以处理任意图像分辨率，将它们映射到动态数量的视觉标记中更接近人类的视觉处理。
5. Qwen2-VL在MathVista、DocVQA、RealWorldQA、MTVQA等视觉理解基准测试中取得了全球领先的表现。br>. Qwen2-VL可理解长视频，并将其用于基于视频的问答、和内容创作等应用中。
7. Qwen2-VL可集成到手机、机器人等设备，根据视觉环境和文字指令进行自动操作。
8. Qwen2-VL现在还支持理解图像中的多语言文本，包括大多数欧洲语言、日语、韩语、阿拉伯语、越南语等。
阅读原文
2. Qwen1.5显著提升了聊天模型与人类偏好的一致性，改善了它们的多语言能力，并具备了强大的链接外部系统能力。
3. Qwen2参数范围包括0.5B到72B，包括MOE模型，在一系列针对语言理解、语言生成、多语言能力编码、数学、推理等基准测试中总体上超越了大多数开源模型，并表现出与专有模型的竞争力。
4. Qwen-VL可以处理任意图像分辨率，将它们映射到动态数量的视觉标记中更接近人类的视觉处理。
5. Qwen2-VL在MathVista、DocVQA、RealWorldQA、MTVQA等视觉理解基准测试中取得了全球领先的表现。br>. Qwen2-VL可理解长视频，并将其用于基于视频的问答、和内容创作等应用中。
7. Qwen2-VL可集成到手机、机器人等设备，根据视觉环境和文字指令进行自动操作。
8. Qwen2-VL现在还支持理解图像中的多语言文本，包括大多数欧洲语言、日语、韩语、阿拉伯语、越南语等。
大模型技术关键特性与发展趋势
文章概要：
1 人工智能经历三个主要发展阶段，呈现从手工总结到自动，从离散符号到连续参数，从专用智能到通用智能的趋势
2. 单个预训练大模型可同时任务，在若干权威评测上或超过人类水平远超传统任务专用小的水平
3.通用知识需要大数据 ，存储通用知识需要大参数 ，训练大参数模型需要算力
4. 过去4年间，训练数据增长500倍，参数规模5000倍，计算量增长1000倍+大算力使大模型具备大规模通用知识，处理复杂任务
阅读原文
2. 单个预训练大模型可同时任务，在若干权威评测上或超过人类水平远超传统任务专用小的水平
3.通用知识需要大数据 ，存储通用知识需要大参数 ，训练大参数模型需要算力
4. 过去4年间，训练数据增长500倍，参数规模5000倍，计算量增长1000倍+大算力使大模型具备大规模通用知识，处理复杂任务
大模型发展历程，原理，技术架构详解和产业未来
文章概要：
1. 大模型发展历程：早期机器学习阶段，深度学习崛起，大模型时代开启，超大规模模型和多模态模型出现。
2. 大模型的原理：基于神经网络和深度学习基础，采用Transformer架构和自监督学习技术，通过扩展规模和并行计算进行训练。
阅读原文
2. 大模型的原理：基于神经网络和深度学习基础，采用Transformer架构和自监督学习技术，通过扩展规模和并行计算进行训练。
阅读原文
大模型竟然可以帮助我们预言安全风险？
文章概要：
1. 尽管网络安全领域的专家有着不同的期望，但现实是，大部分人的工作往往是由应对挑战所定义的。
2. 作为一个以技术为核心的领域，安全行业的发展确实离不开技术的推动，但与此同时，技术也在与经济趋势、社会政治环境以及地缘政治波动等因素的相互作用中不断演变。
3. 预测工作本身就充满了挑战，其结果也往往难以令人信服。这是因为“哪些因素将在未来产生重大影响”这一点仍然充满了不确定性。
4. 经过Whyte的介绍后，我们发现，近期美国国际战略研究中心（CSIS）发布的一份报告为众人提供了有益的启示。这份报告首次深入探讨了“CISO和网络安全高管该如何利用生成式人工智能来更清晰地洞察未来的网络安全风险，并构建相应的应对架构”。同时，该报告探讨了大型语言模型（LLM）如何为未来的《统一指挥计划》（UCP）提供不同的视角。
5. 当我们向大型语言模型提出问题时，它们并不能理解问题背后的真正含义，因此，它们更多提供的是简单的模仿，而非真正的洞察力。
6. 为了获得准确的结果，数据集必须经过精心的挑选和定制，以适应多个既独立又相互关联的领域。同时，还需要制定明确的程序来发现关键问题，并部署查询流程。此外，与模型的迭代和递归交互也是至关重要的，它能帮助我们从底层数据中清晰地识别出有用的模式，并消除特异性输出的干扰。
7. 在预测过程中，最积极的往往是那些要整合最多冲突意见的人。显然，这种决策过程中的狭窄瓶颈限制了能够融入未来规划的视角多样性。
8. 在每次迭代中，研究者们都会提示大型语言模型探讨那些通常能驱动国家安全领域讨论的关键观点，这些观点涵盖了从威慑理论到社会建构主义，再到军事历史的宏大叙事。
9. 对于网络安全团队而言，《统一指挥计划》研究又带来了哪些启示呢？Whyte说，该研究整合了六种思想体系及广泛信息，形成了六个独立的数据集，具体涵盖了：
10. 网络安全专家使用人工智能预测的经验法则在网络安全领域，数据集的运用或许会采取一种类似的策略。当然，这需要根据公司具体的需求来明确划分界限。
11. 在构建好了“可供LLMs权衡与参考的描述性知识库”之后，规划者必须以综合为首要目标的预期来与模型进行交互，他们应向模型发出查询，以探寻相关数据的趋势走向。
12. 在大型语言模型（LLMs）被全面优化之后，它们可用于进行预测及相关的分析工作。同样重要的是迭代过程，但此阶段的不同之处在于，重点应放在决策者身上。
13. 借助这些深度洞察，规划者能在向决策者汇报时，不再局限于简单陈述几个AI模型的输出结果，而是直接将分析融入汇报中。
14. 一个核心观念逐渐清晰：规划人员与高层管理者需警惕“AI主导CISO”的现象。
阅读原文
2. 作为一个以技术为核心的领域，安全行业的发展确实离不开技术的推动，但与此同时，技术也在与经济趋势、社会政治环境以及地缘政治波动等因素的相互作用中不断演变。
3. 预测工作本身就充满了挑战，其结果也往往难以令人信服。这是因为“哪些因素将在未来产生重大影响”这一点仍然充满了不确定性。
4. 经过Whyte的介绍后，我们发现，近期美国国际战略研究中心（CSIS）发布的一份报告为众人提供了有益的启示。这份报告首次深入探讨了“CISO和网络安全高管该如何利用生成式人工智能来更清晰地洞察未来的网络安全风险，并构建相应的应对架构”。同时，该报告探讨了大型语言模型（LLM）如何为未来的《统一指挥计划》（UCP）提供不同的视角。
5. 当我们向大型语言模型提出问题时，它们并不能理解问题背后的真正含义，因此，它们更多提供的是简单的模仿，而非真正的洞察力。
6. 为了获得准确的结果，数据集必须经过精心的挑选和定制，以适应多个既独立又相互关联的领域。同时，还需要制定明确的程序来发现关键问题，并部署查询流程。此外，与模型的迭代和递归交互也是至关重要的，它能帮助我们从底层数据中清晰地识别出有用的模式，并消除特异性输出的干扰。
7. 在预测过程中，最积极的往往是那些要整合最多冲突意见的人。显然，这种决策过程中的狭窄瓶颈限制了能够融入未来规划的视角多样性。
8. 在每次迭代中，研究者们都会提示大型语言模型探讨那些通常能驱动国家安全领域讨论的关键观点，这些观点涵盖了从威慑理论到社会建构主义，再到军事历史的宏大叙事。
9. 对于网络安全团队而言，《统一指挥计划》研究又带来了哪些启示呢？Whyte说，该研究整合了六种思想体系及广泛信息，形成了六个独立的数据集，具体涵盖了：
10. 网络安全专家使用人工智能预测的经验法则在网络安全领域，数据集的运用或许会采取一种类似的策略。当然，这需要根据公司具体的需求来明确划分界限。
11. 在构建好了“可供LLMs权衡与参考的描述性知识库”之后，规划者必须以综合为首要目标的预期来与模型进行交互，他们应向模型发出查询，以探寻相关数据的趋势走向。
12. 在大型语言模型（LLMs）被全面优化之后，它们可用于进行预测及相关的分析工作。同样重要的是迭代过程，但此阶段的不同之处在于，重点应放在决策者身上。
13. 借助这些深度洞察，规划者能在向决策者汇报时，不再局限于简单陈述几个AI模型的输出结果，而是直接将分析融入汇报中。
14. 一个核心观念逐渐清晰：规划人员与高层管理者需警惕“AI主导CISO”的现象。
不懂大模型没关系，懂这些名词，才能去忽悠
文章概要：
1. 大模型领域重要的名词：LlamaIndex是帮助开发者将外部数据与大语言模型相结合的框架；Llama是由Meta开发的大型语言模型；Ollama是专注于简化大语言模型在本地环境中的部署和运行的框架；Anthropic是专注于人工智能安全性和可控性的公司；Hugging Face是提供了开源的Transformers库的公司；Flask是由Armin Ronacher开发的轻量级Python Web框架；LangChain是为构建基于大语言模型的应用设计的框架。
2. 两两容易混淆的名词：LlamaIndex和LangChain的区别在于LlamaIndex侧重于数据的组织和查询效率，而LangChain侧重于应用逻辑的管理与实现；Ollama和Hugging Face的区别在于Ollama强调本地部署和使用，而Hugging Face是“模型仓库”；Flask和LangChain的区别在于Flask处理“前后端交互”，LangChain处理“应用逻辑”；Llama和Claude的区别在于Llama更注重通用的NLP应用，适合广泛的开发者社区，Claude则特别关注安全性和责任问题，适合需要高安全保障的领域；Hugging Face和大模型的区别在于Hugging Face本身并不创建大模型，而是提供了使用这些模型的途径。
阅读原文
2. 两两容易混淆的名词：LlamaIndex和LangChain的区别在于LlamaIndex侧重于数据的组织和查询效率，而LangChain侧重于应用逻辑的管理与实现；Ollama和Hugging Face的区别在于Ollama强调本地部署和使用，而Hugging Face是“模型仓库”；Flask和LangChain的区别在于Flask处理“前后端交互”，LangChain处理“应用逻辑”；Llama和Claude的区别在于Llama更注重通用的NLP应用，适合广泛的开发者社区，Claude则特别关注安全性和责任问题，适合需要高安全保障的领域；Hugging Face和大模型的区别在于Hugging Face本身并不创建大模型，而是提供了使用这些模型的途径。
200多个国产大模型，实现了6亿国人的人工智能梦想
文章概要：
1. 截至目前，中国生成式人工智能模型的注册用户超过6亿，企业数量超过4500家，完成备案并上线，能为公众提供服务的生成式人工智能服务大模型超过200个
2. 介绍了9个经常使用或听说过的大模型，包括Kimi、智谱清言、文心、通义问、豆包天工AI、讯飞星火、秘塔和腾讯元宝
3. 从AI使用者的角度总结了这九个大模型的特点，高效的信息检索和处理能力、强大的语言理解和生成能力、优秀的文学创作能力、全面的通用知识库、友好的用户界面和互动体验、高度定制化和灵活的应用能力、卓越的语音识别和转换技术、精准的数据分析和能力、性能强，覆盖广泛的领域和应用
4. 每个模型都有其独特的优势，选择合适的模型可以更好地满足特定需求和使用场景
5随着科技的不断进步，我们能够有更多具有高度智慧的大模型可以使用
阅读原文
2. 介绍了9个经常使用或听说过的大模型，包括Kimi、智谱清言、文心、通义问、豆包天工AI、讯飞星火、秘塔和腾讯元宝
3. 从AI使用者的角度总结了这九个大模型的特点，高效的信息检索和处理能力、强大的语言理解和生成能力、优秀的文学创作能力、全面的通用知识库、友好的用户界面和互动体验、高度定制化和灵活的应用能力、卓越的语音识别和转换技术、精准的数据分析和能力、性能强，覆盖广泛的领域和应用
4. 每个模型都有其独特的优势，选择合适的模型可以更好地满足特定需求和使用场景
5随着科技的不断进步，我们能够有更多具有高度智慧的大模型可以使用
6个方向的头部AI大模型
文章概要：
1 介绍了多模态大模型的概念，它是一种将文本、图像、视频、音频等多种模态信息联合起来进行训练的模型，能够融合多种不同模态信息执行更复杂和智能的任务。
2. 展示了一段文字描述，包括动漫风格女孩的外貌特征和穿着，以及所处的环境。
3. 提供一个图片链接，链接中包含一些比较流行的大模型。
4. 列举了多模态大模型的通用能力，包括图片、多模态、agent、图文生成、语音、代码、等。
阅读原文
2. 展示了一段文字描述，包括动漫风格女孩的外貌特征和穿着，以及所处的环境。
3. 提供一个图片链接，链接中包含一些比较流行的大模型。
4. 列举了多模态大模型的通用能力，包括图片、多模态、agent、图文生成、语音、代码、等。
量化投资大模型系列——RAG检索算法(1)
文章概要：
1. 微调了一段时间的大模型之后发现了大模型输出的一个通病——模型幻觉作者想先做一个RAG出来，再做强化学习。
2. 由于作者的模型规格不是很大，量化领域的模型，所以在其他领域的上算是个"白痴 。作者只能自己手搓一个嵌入模型和标注模型来设计量化领域的文本。>3. 第一种方法需要用到PLSA算法是因为作者需要用它来给数据打标签。
4. 第二种则是直接使用PLSA来获取相似的文本，连嵌入模型都省去了。
5. 作者拿该算法和Kmeans聚类做了，PLSA的聚类效果比Kmeans更好。
6. 在更大的数据集上作者使用PLSA算法做检索任务400条和金融不相关的新闻，仅有66条和金融、量化投资、财务有关的文本。
阅读原文
2. 由于作者的模型规格不是很大，量化领域的模型，所以在其他领域的上算是个"白痴 。作者只能自己手搓一个嵌入模型和标注模型来设计量化领域的文本。>3. 第一种方法需要用到PLSA算法是因为作者需要用它来给数据打标签。
4. 第二种则是直接使用PLSA来获取相似的文本，连嵌入模型都省去了。
5. 作者拿该算法和Kmeans聚类做了，PLSA的聚类效果比Kmeans更好。
6. 在更大的数据集上作者使用PLSA算法做检索任务400条和金融不相关的新闻，仅有66条和金融、量化投资、财务有关的文本。
首个o1复现开源RL框架OpenR来了，UCL、上交等高校联合团队发布
文章概要：
1. 首个o1复现开源RL框架OpenR来了，UCL、上交等高校联合团队发布。OpenR研究团队成员包括汪军教授、利物浦大学助理教授方蒙、上海交通大学张伟楠教授、温颖副教授以及其指导的博士生万梓煜、温睦宁、朱家琛、香港科技大学（广州）创校校长倪明选、陈雷、香港科技大学（广州）信息枢纽院长、香港科技大学（广州）一年级博士生刘安杰、龚子钦受汪军教授和杨林易博士联合执导，以及西湖大学工学院助理教授（研究）杨林易。
2. OpenR是首个集过程奖励模型（PRM）训练、强化学习、多种搜索框架为一身的类o1开源框架，旨在增强大型语言模型（LLM）的复杂推理能力。
3. OpenR将数据获取、强化学习训练（包括在线和离线训练）以及非自回归解码集成到一个统一的平台中。
4. OpenR采用了一种基于模型的方法，超越了传统的自回归方法。
5. OpenR框架包括代码、模型和数据集，旨在推动推理领域开源社区的发展，欢迎感兴趣的从业人员加入到开源社区。
阅读原文
2. OpenR是首个集过程奖励模型（PRM）训练、强化学习、多种搜索框架为一身的类o1开源框架，旨在增强大型语言模型（LLM）的复杂推理能力。
3. OpenR将数据获取、强化学习训练（包括在线和离线训练）以及非自回归解码集成到一个统一的平台中。
4. OpenR采用了一种基于模型的方法，超越了传统的自回归方法。
5. OpenR框架包括代码、模型和数据集，旨在推动推理领域开源社区的发展，欢迎感兴趣的从业人员加入到开源社区。
硅谷深思：GPT应用迟未爆发，大模型泡沫根源初探丨华映资本全球化观察
文章概要：
1. 大模型行业泡沫正在显现，以OpenAI为例，其ARR已达41亿美元，但面临核心高管离职、算力成本高昂等问题，GPT应用未全面爆发，大模型行业泡沫已现。
2. AI投资逻辑存在困局，应用场景派和底层技术派均面临挑战，大模型尚未到达“分层解耦”阶段，两种流派的划分值得商榷。
3. 人工智能产业化的本质是数据和的充分应用和依赖，这也带来了数据困局和算力困局。
4. 数据困局方面，自称“AI驱动”的企业必须拥有足够的私有数据，且要解决数据清洗、抽取成本高，数据训练进入垂直模型等问题。
5. 算力困局方面，为打破英伟达显卡带来的高额算力成本投入的僵局，很多下游行业玩家推出“垂直行业小模型”或者“端侧小模型”，但在技术路线上很难真正有捷径可走。
6. 潜在破局方案包括借鉴互联网时代的思考，短期投资策略可聚焦“垂直整合应用派”，长期可能演变包括新的后训练方法出现与持续优化、预训练及推理成本和门槛大大降低、彻底改变预训练+后训练的模式等。
阅读原文
2. AI投资逻辑存在困局，应用场景派和底层技术派均面临挑战，大模型尚未到达“分层解耦”阶段，两种流派的划分值得商榷。
3. 人工智能产业化的本质是数据和的充分应用和依赖，这也带来了数据困局和算力困局。
4. 数据困局方面，自称“AI驱动”的企业必须拥有足够的私有数据，且要解决数据清洗、抽取成本高，数据训练进入垂直模型等问题。
5. 算力困局方面，为打破英伟达显卡带来的高额算力成本投入的僵局，很多下游行业玩家推出“垂直行业小模型”或者“端侧小模型”，但在技术路线上很难真正有捷径可走。
6. 潜在破局方案包括借鉴互联网时代的思考，短期投资策略可聚焦“垂直整合应用派”，长期可能演变包括新的后训练方法出现与持续优化、预训练及推理成本和门槛大大降低、彻底改变预训练+后训练的模式等。
大语言模型评估指南：关于大型语言模型（LLM）评估的指南
文章概要：
1 大语言模型评估指南：关于大型语言模型（LLM）评估的，提供了从实践经验理论知识的见解，旨在帮助用户确保LLM在特定任务上表现良好。br>2. 参考文献：http://.com/hugging/evaluation-guidebook
3. 欢迎加入我的知识星球，长按或扫码下方二维码。
4. 星球号主要针对公众号提供增值服务内容包括但不限于：源码解析及答疑（Dify等），书籍|报告下载（电子资料）|数据下载（付费资料）。
阅读原文
3. 欢迎加入我的知识星球，长按或扫码下方二维码。
4. 星球号主要针对公众号提供增值服务内容包括但不限于：源码解析及答疑（Dify等），书籍|报告下载（电子资料）|数据下载（付费资料）。