国内AI大模型，你看好谁?
国内AI大模型，你看好谁? 从融资规模和用户量来看，Kimi最受青睐。先说融资，2024年1~7月全球AI融资榜，只有Kimi和百川进入TOP10！
再看7月用户量，APP端豆包断层第一，Kimi第二，
Web端，Kimi连续霸榜。
有大佬曾判断，2024年下半年，AI大模型将会有一轮大洗牌。
部分企业钱烧完了，又没有增量市场，还找不到商业变现路径，就只有死路一条了。
大模型作为AI时代的‘基建’，最终肯定是两三家瓜分市场的局面，必然有些厂商失败退场。
我从一个用户角度来看，更看好国内垂直AI应用的发展，
毕竟，我觉得咱们是实用主义至上。
比如，我关注的AI办公提效，AI副业变现，国内都有非常亮眼的AI应用。
推荐6个我自己测试过，觉得好用的~
1、AI视频 · 可灵
文生视频的第一枪，是sora打响的，但直到目前都没开放试用。
快手的可灵，可算是雷厉风行，先开放试用名额，接着全球开放。
1）AI绘图：文生图、图生图
简单输入提示词，就可以生成图片。
不会提示词也不用担心，广场上有很多模型可以复用，简单修改关键描述即可。
也可以上传参考样图，实现对生成效果的一定把控。
2）AI视频：文生视频，图生视频
直接用一段文字生成视频，也支持将图片转成视频。
这个功能在自媒体搞钱上，特别有用。
比如，网上非常多卖古典名著的，卖绘本的，就可以用先根据古诗词生成图片，在变成视频，非常有意境。
这是网友用可灵做的蜂蜜广告片，效果很真实，
直接节省了拍摄、模特、特效等大量成本。
https://www.zhihu.com/video/1814309148826927104
AI绘图/视频的功能，对电商、广告传媒、影视行业从业者影响很大。
尤其在经济下行期，老板对降本的诉求空前强烈。
如果你的岗位跟营销、运营、内容创作等相关，一定要用一下MJ、SD、可灵等AI工具。
搞不定工具权限的友友，先别着急花钱购买，
正好你在知乎，知学堂的「AI实战应用」课，能给你解决工具问题。
知学堂有自己的AI工具，集合了AI对话及AI绘图，
拿着工具，结合教程分享的AI变现实操技巧，1:1操作就能掌握。
点击下面卡片，购买后添加助教，工具卡密由助教发放。
课程里会讲现在流行的AI头像、AI壁纸、AI老照片、AI自媒体等副业技巧，
他们还整理了66+AI赚钱技巧、AI接单渠道等资料
别忘了找助教去拿，非常实用！
2、AI写作 · Kimi
很多人说Kimi之所以火，是广告砸得多，这点我不认同。
拿钱只能砸来用户注册，但砸不来用户留存，而这几个月Kimi的用户留存稳步上升。
这只能说明，产品确实得到了用户认可。
之前我分享过，Kimi三大亮点:1）常用语功能；2）智能体@召唤功能；3）网页插件。
Kimi我用得最多的是写作功能，尤其是短视频脚本、广告文案等短文，Kimi写得还是蛮好的。
这是我投喂Kimi短视频创作知识和案例后，他帮我写的脚本：
Kimi最近和AiPPT合作了，通过Kimi智能体PPT助手，
可以直接搞定大纲生成+PPT排版
这也算是强强联手了，
Kimi做得最好的一点，就是每次小更新，都是为了让用户用起来。
3、PPT生成 · AiPPT
国产职场类AI工具，目前来看，做得最好的就属AiPPT了。
近期和Kimi、人民网都开始合作，可见发展势头之猛，据说在计划上市中。
工具很好用，就三步：
1）AI生成大纲/解读大纲
直接AI一句话生成大纲，如果是应付类型的PPT，可以直接用。
如果是自己写的大纲，不管是word、xmind、还是文字，发给它，会自动调整为层级大纲，方便生成PPT。
2）一键PPT排版
选择模板场景、颜色、风格等，几分钟一份PPT就制作完成了
3）PPT编辑
对效果不满意，还可以进入编辑界面，进行微调，换图片、换模板、编辑文字等都行。
4、AI数据分析 · 小浣熊
商汤的小浣熊，我可以用‘惊艳’两个字来形容。
产品的功能很明确：AI办公+AI代码。在办公方面，数据分析功能超级好用。
1）针对特定需求，直接给分析思路
以前做数据分析，没有思路的时候，只能在海量信息里找攻略。
现在，直接你的背景和分析目标给小浣熊，直接给你最全面的分析思路。
如果你有现成的表格，那更方便，直接发表格给小浣熊，给你针对性答案。
2）通过对话，完成Excel计算
不管是加减乘除，还是数据预处理，都不用再记公式了，
文件发给AI，说清楚你的诉求就OK，处理速度超快。
3）生成可视化图表
可视化图表也OK，也一样，要么针对表格数据运算后做图，
要么把你输入的数据，变成可视化图形，都是OK的。
现在的AI工具，就跟当初的office、PS等一样，
先学会的人，在职场一定能更多机会。
想用AI提效的话，记得听知学堂的AI实战课，
像AI做数据分析、AI写文案、AI写演讲稿等，全都会讲。
<a data-draft-node="block" data-draft-type="edu-card" data-edu-card-id="1814313893440385024">
老师用GPT4演示数据分析技巧，方便你对比国产AI与GPT4的区别。
5、AI绘图 · 奇域AI
奇域AI是小红书的产品，推荐它主要是因为我喜欢国风。
它的生图模型里，有大量的国风样板，看着就是两字：舒服。
1）超多中式风格模型，一键使用
传统观念国画、水墨画、插画等，中式审美风格给人的感觉，就是意境美。
你可以选择喜欢的风格，修改关键词，即可快速生成同类风格，但不同的图片。
生图时，支持选择图片比例，可以给AI参考图，确保生成结果可控。
2）图片二次修改：风格延伸、微调、局部消除等
图片生成后，可以再进行细节微调，比如通过涂抹消除部分细节，可以对风格进一步延伸。
如果图片中出现不想要的东西，可以加入‘负面咒语’。
6、AI语音整理 · 通义
阿里通义大模型我虽然用的少，但它里面的通义效率，我给大大的赞，尤其是语音转文字功能。
在职场中，开会做会议纪要，整理视频文案等等，人工做就太浪费时间了。
线上会议的时候，直接打开通义，同步转文字，
线下会议的时候，把录音上传，也能转文字。
重点在于，能自动识别发言人，还能快速生成导图、概览、还有笔记功能，方便你快速整理。
很多人觉得AI存在泡沫，在资本市场可能有一些，
但对咱们普通人来说，对工作的正面和负面影响，都已经切实在发生了。
所以，趁着模型大混战，很多免费，赶紧用起来吧！
<hr/>Hi，你好，我是@安歌Mia，分享AI工具、AI+副业、AI+职场等内容，欢迎关注我，一起学习AI，抓住时代机遇~ 国产AI大模型越来越多，可以看到互联网大厂开始将自家大模型与业务深度绑定，在to B的战场上发力狂奔；而更多的新兴企业则是在细分领域里寻找机会。
在这个充满变数的关口，我们不禁要问：这场AI大模型的较量中，谁能够最终胜出，成为行业的标杆？是技术实力雄厚的老牌巨头，还是创新能力十足的新兴企业？这个问题的答案，不仅关乎技术本身的先进性，更涉及到生态系统的构建、开放策略的实施、以及实际应用场景的落地。
在这篇文章中，我将带你一探究竟，从技术实力、生态布局、市场表现等多个角度，分析国内AI大模型的竞争格局。我们将一起探讨，哪些因素将成为决定胜负的关键，以及在这场激烈的竞争中，谁最有可能成为未来的领跑者。
“to B”还是“to C”？
在过去的一年里，BAT都发布了自己的大模型。产品刚上线的时候确实激起了一些舆论的水花，然而很快就归于沉寂。原因是他们不约而同地把注意力放在了B端业务上，努力想要向政府和企业证明大模型的价值。
阿里巴巴通过其“城市大脑”项目，利用大模型处理和分析城市数据，包括交通流量、公共安全等，以优化城市管理和服务；百度通过大模型技术推动智能驾驶的发展，其“萝卜快跑”项目在北京、上海等城市进行试运行，展示了大模型在车路协同、智能交通管理等方面的应用潜力；腾讯则是将自研的混元大模型，在内部业务中进行了广泛的应用和测试，如腾讯会议和腾讯文档等，以提升内容生成、智能助手等功能。
三家大厂都以C端应用起家，却在面对大模型的时候，纷纷选择了“抛弃”C端用户。这多半是出于商业的考量，毕竟大模型的研发和运维成本非常高，需要大量的数据、计算资源和专业人才。而且大模型技术还在不断发展和完善中，像OpenAI这样的领先者都还在不断迭代，这个时候先试试水，等到应用成熟之后再跟进也是一种策略。更重要的是，优先选择在B端和G端市场进行投资，可以实现更高的经济效益。
然而我并不太看好BAT的这波操作。从to C到to B，并不只是市场策略的切换，它背后的逻辑是“将C端积累的能力向B端输出”，这是互联网企业的规律。所谓的军工转民用，并不适合新兴技术。
那么怎样的AI企业才具备黑马的潜质呢？ 接下来就让我们把镜头拉近，从技术、产品、运营上理解一家AI企业的核心能力。
临渊羡鱼，不如退而结网。我们不仅要能分辨大模型的好坏，更要了解它们的内核。比如它们背后使用的是开源还是闭源模型？模型是transformer架构还是非transformer架构？
我是做后端开发的，可以做大模型应用开发吗？应该从哪里入手？这些内容在知乎知学堂的在线课程里都有涉及，推荐你加入学习！点击链接获取更多信息：
AI时代的计算机与摩尔定律
传统计算机的CPU和内存是构成计算机系统的核心组件，CPU是计算机的大脑，负责解释和执行程序中的指令，内存用于临时存储正在运行的程序和当前使用的数据。CPU决定了计算机能力的高度，内存则直接影响到计算机的速度。
在AI时代，Transformer 架构代表了一种新的计算平台，其核心特征可归纳为两个关键方面。第一个方面是参数规模，这一要素直接影响计算的复杂度，可以类比为传统计算机架构中的CPU。第二个方面是处理上下文的能力，相当于传统计算机的内存，它决定了可同时处理的信息量。
理解了这种架构，就很容易理解一个大模型的能力上限。那么新时代的摩尔定律，是否就只是参数的增长和文本长度的扩张呢？
对于大模型而言，最关键的度量标准是其在不同应用场景中的普及率，即多少场景已经具备了实用性？这一增长应遵循指数规律，而非线性发展。换句话说，模型的能力应每隔一定周期翻倍，这才是新的摩尔定律！
AI企业不能再沿用传统人工智能的做法，即每次仅针对一个新场景或一组新数据进行优化，以期其在特定场景中有效。这种方法无法实现能力的指数级提升。
只有当模型能够适应大量多样化的场景时，它才能真正成为一个全能的接入点。这才是黑马的本色！
微调和开源会是未来吗？
我们现在知道了场景的摩尔定律，那么目前火热的开源和针对大模型的微调，前途几何呢？
我的看法是，开源和微调仍然有着巨大的潜力，但不太可能成为未来的主流。
如今市场上的很多大模型企业，其实都在依赖开源和微调，尤其是以内容生产为主要业务的公司。这样的公司或许可以吃到一波红利，但时间不会太长。
因为随着模型在遵循指令、逻辑推理和保持上下文连贯性方面的能力不断增强，我们只需将所需内容存储于“内存”中即可。例如，大模型内存中包含了众多的前缀（prefix）数据，这些数据有助于模型的跟随功能，且能够显著降低成本。
最终，模型的个性化过程实际上是基于你的所有交互记录，这不仅是你偏好和反馈的汇总，而且这些反馈比以往任何时代的产品都更为即时，因为它们完全通过交互式界面生成。
例如，GPT-4引入了一种新的计算模式，生成GPTs不需要进行微调。过去的定制化通常是通过编程来完成的，而现在，通过让模型的前缀变得极其丰富，从而从通用的数据集中提取出所需内容。这种通过模型自身调整来实现个性化的方法，正是AI原生个性化的体现，而传统的推荐引擎注定会被这种新方法所取代。字节跳动的“豆包”平台就在做这方面的尝试。
开源模型应用于实际项目，虽然不会成为一个主要的枢纽，但它提供了一种成本效益高且灵活性强的解决方案，尤其是在产品开发方面。通过针对特定数据集的微调，可以创造出独有的、具有差异化的附加价值。例如，妙鸭相机这类的产品，通过精准把握用户的具体需求，与用户共创，生成与用户紧密相关的图像内容，从而为用户带来个性化的体验。
AI运营和真正的未来
在当今的AI领域，数量众多的厂家还聚焦于数据处理这一中间环节。即便使用相同的底层模型，但它们最终能够创造出多样化的产品，这背后的决定性因素在于各自采用的数据集不同，比如CodeGeeX和通义灵码。这显然不会是未来。
AI运营的核心在于与用户的共创过程。通过与用户的互动，AI才能更好地理解用户需求，从而提供更加个性化和精准的服务。这种以用户为中心的设计理念，使得AI产品不仅仅是冷冰冰的机器，而是能够与用户共同成长的伙伴。说起来很抽象，但请想象一下有一个陪伴你十年的AI，它记得你们所有的对话，为你解决工作和生活上的问题，你想不想拥有这样的AI ？
回到国内AI市场，不远的将来，我们可以预见至少将有两个主要的接入点成为AI领域的焦点。
一个是工作，它致力于解决实际问题，提供高效的工具和服务，以帮助用户完成具体的任务。传统的信息检索渠道，如搜索引擎，可能会逐渐失去其主导地位。毕竟人们寻求信息的最终目的并不是获取信息本身，而是为了利用这些信息来完成任务。因此，那些能够直接协助用户实现目标的AI Agent有很大的机会。
另一个是娱乐，通过创造性和趣味性的体验，满足用户在休闲和娱乐方面的需求。这种体验不仅限于传统的游戏和娱乐内容，还将扩展到虚拟现实、增强现实以及互动艺术等新兴领域。AI协助创造全新的互动形式，如智能音乐创作、视频创作、个性化的虚拟角色互动，以及基于用户选择动态变化的故事线等等。那些拥有自主IP的企业在这方面潜力巨大。
在这场聚焦于先进大模型和智能技术的竞争中，中国开发的AI产品无疑将持续地进行创新与改进。你是否也不甘于旁观，想要躬身入局？ 作为一名开发者，我推荐你报名参加知乎知学堂提供的网络课程，它可以帮你了解大模型应用开发架构，可不仅仅是TensorFlow、PyTorch这样的深度学习框架，而是从LangChain到AI Agents，从搭建环境到部署应用的全套开发资源。邀请你加入学习！点击获取更多信息： 目前国内的AI模型已经近100个商厂，主要以百度，阿里，腾讯，华为为主
比如，一些模型可能在自然语言处理方面表现出色，而其他模型可能在图像识别或多模态任务上表现更好。
从去年开始，就已经风起云涌了
A阿里的“通义千问”4月7日开始企业内测
华为的“盘古”大模型4月8 日亮相
商汤科技4月10日带来了“商量SenseChat”
还有科大讯飞的“1＋N”和昆仑万维的“天工大模型”也紧跟其后！
这场面就像是别管行不行，反正你有我也得有！
百度文心一言
目前百度的文心一言大模型，其文心大模型我们接触的居多，其涵盖基础大模型、任务大模型、行业大模型的三级体系，打造大模型总量约40个，产业应用也较为广泛，例如电力、燃气、金融、航天等，构建了国内业界较大的产业大模型。
除了有：文心一言、AI作画应用、文心一格外，还和工业、能源、金融等多个行业领域企业，共同打造了11个行业大模型
举个例子
文心4.0的文案创作能力可谓是空前绝后，我让其这一片500字的科幻小说，结果可想而知，故事很
还可以帮助用户写周报日报，比如让其写1000字的周报
图片生成，比如我们输入提示词：未来科技的大宇宙，产生的效果还是非常可以的
虽然生成图片的能力还是有待于提高，但作为国内第一家基于中文内容开放的 AI 人工智能产品，百度至少走在前列
配置了一些强大的插件，我体验了一把感觉还比较有意思
你只需要在文心界面找到“选择插件”，而后点击、下拉，就能选择心仪的插件啦。选择插件后，在输入框内直接输入，就能得到回答，不用跳转界面。
腾讯的混元模型
其完整覆盖NLP大模型、CV大模型、多模态大模型、文生图大模型及众多行业、领域任务模型，自2022年4月，先后在MSR-VTT、MSVD等五大权威数据集榜单中登顶，实现跨模态领域的大满贯，目前，推出了HunYuan-NLP1T大模型并登顶国内权威的自然语言理解任务榜单CLUE。
借助更先进的大模型作为评委，通义千问团队在两个广泛使用的基准 MT-Bench 和 Alpaca-Eval 上对 Qwen1.5 进行了初步评估，评估结果如下：
聊天模型在人类偏好上的显著性能提升；基础模型与聊天模型均支持多语言；所有尺寸模型均稳定支持32K上下文长度
我们来考考它，v它一个2023年全国高考语文作文全国甲卷看看实力：
在腾讯文档中，新建智能文档，按下&#34;/&#34;键，就可以快速调出混元大模型进行文本生成：
看，是不是很有帮助？
目前越来越多的人都在生活，工作中使用这些工具了，能偶有效的减轻工作量，可谓生的上是一个完美的助手，比如当学习者在网络上很难搜索到自己想要的代码实现时，不妨可以尝试使用类gpt的工具来帮助书写代码，这可以帮助学习者在学习的时候节省时间。
此之外，由于近年来机器学习的热度不减，很多优秀的开发者、平台、学者、学校、自媒体都或多或少地发布一些公开课程。这些课程五花八门，涵盖的范围也很广，学习者们可以在互联网上寻找自己合适的课程进行学习。像答主自己也是经常在知乎上找一些课程去学习，这里给大家推荐「知乎知学堂」联合「AGI课堂」推出的【程序员的AI大模型进阶之旅】公开课
公开课的课程是免费的而且只有2天，大家不妨一试。这次特邀圈内技术大佬全面解读前沿技术，帮大家成为AI技术革新下更大的收益者，恰好可以和上面介绍的AI辅助工具相结合。
阿里：通义大模型
通义大模型基于Transformer的大语言模型, 在超大规模的预训练数据上进行训练得到。预训练数据类型多样，覆盖广泛，包括大量网络文本、专业书籍、代码等。QWen支持1.8B、7B、14B、72B、VL等多种参数规模的模型。截止到24年2月16日;
通义千问也支持图片理解
不错不错，理解能力感觉比其他大模型要好很多，完全分析了是属于头像类型。
华为
阿里更重技术，例如M6大模型基于阿里云、达摩院打造的硬件优势，可将大模型所需算力压缩到极致
另外其底层技术优势还有利于构建AI的统一底层。
国内的这几家我都体验过，各有各的特色，都是国产先行梯队，表现最好的是百度文心一言，虽然很OpenAl有一些差距，但对中文的理解可能是更能做好本土化。
所以，面对AI的百花齐放，你看好哪一个呢？ 清华的ChatGLM 2，即使6 B参数的，在文本生成方面已足够完美了，安装、微调过程是我用过的大模型里最简单易用的，而且可免费商用，是国产模型里的天花板了，用以下网址可测试：https://gitclone.com/aiit/chat/ 2023年上半年国内AIGC投融资一览表
大家这么感兴趣，也分享一波2023年6月截至北美种子轮和前种子轮的人工智能/机器学习投资者列表。
这些轮的范围从300万到1100万美元 VC的股权比例约为20-25%。 因此，AI公司的后期估值范围将在1200万美元至5500万美元之间，这对于种子轮来说非常惊人！
对于国内AI大模型的发展，我非常看好几家顶尖企业。它们在自然语言处理、图像识别、语音识别等领域均有卓越表现。这些企业的模型具备强大的通用性、灵活性和可扩展性，能够应对各种复杂场景和需求。<br><br>同时，这些AI大模型也在不断学习、优化和进化，不断提升自身的性能和效果。我相信，随着技术的不断进步和应用场景的不断拓展，国内AI大模型将会在未来发挥更加重要的作用，为各行各业提供更高效、更智能的解决方案。 针对国内AI大模型的发展，我较为看好具备深厚技术积累与创新实力的企业和团队。其中，不少企业在自然语言处理、计算机视觉等领域已取得了显著的成果，大模型能力逐步提升。此外，一些新兴企业凭借其先进的技术研发能力和开放式的合作态度，也展现出了巨大的潜力。<br><br>当然，随着技术的不断进步和应用场景的不断拓展，国内AI大模型领域还将涌现更多优秀的企业和产品。因此，我们需要持续关注该领域的发展动态，以期更准确地评估各企业的表现。总的来说，对于国内AI大模型的发展前景，我抱有乐观的态度。 关于国内AI大模型的发展，目前众多企业都在进行积极的研发和创新，难以明确判断哪一个模型会是最优秀的。但根据目前的市场和技术趋势，一些国内AI大模型如百度飞桨、阿里巴巴的达摩院等已经展现出强大的实力和潜力。<br><br>这些大模型在深度学习、自然语言处理等领域都有着广泛的应用和表现，具有较高的技术水平与创新力。随着技术的不断发展和市场需求的变化，这些大模型也在不断地进行升级和改进，未来有望在国际上取得更大的突破和进展。因此，对于国内AI大模型的发展前景，我非常看好。
页:
[1]