AI探索指南

关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件

AI探索指南

  1. AI探索指南

    Kimi 更新了深度研究能力，收到测试资格之后深度使用了一天

    Kimi 更新了深度研究能力，收到测试资格之后深度使用了一天。

    发现在内容丰富度、准确性和逻辑严谨性上都非常能打。#ai创造营#

    下面是详细的介绍👇

    与其他近期类似产品不同，月之暗面这个深度研究是他们自己训练的基于端到端自主强化学习技术训练的Agent 模型。

    而且他们会开源基础的预训练模型和后面经过强化学习的模型，这个太值得期待了。

    在HLE (Humanity’s Last Exam) 和红杉的 Agent 测试上 kimi 深度研究模型都取得了不错的成绩。

    案例一：商业与IP分析——解构泡泡玛特与Labubu的爆火之路

    任务设定： 模拟投资人或市场分析师，要求Kimi深度研究“泡泡玛特（Pop Mart）”这家公司，并重点分析其IP“Labubu”从诞生到成为顶流的全过程。

    测评亮点分析： 在分析Labubu爆火原因时，Kimi展现了极强的逻辑推理和自主探索能力。它的搜索路径颇具章法，从宽泛的整体搜索开始，逐步聚焦到粉丝经济、海外传播、早期发展历程乃至近期的价格波动等具体方面，整个过程如同一位真正的好奇研究员。最终生成的近一万九千字报告，其目录结构逻辑清晰，从IP设计理念、产品迭代，到运营策略、粉丝经济和二手市场，层层递进，将各类信息恰当地组织在预设的分析框架下，而非简单堆砌。这充分证明Kimi能够自主形成深度分析的逻辑链条，深刻洞察一个商业现象背后的多元驱动因素。

    案例二：科技产品分析——透视小米发布会的核心信息

    任务设定： 模拟产品经理或行业分析师，对小米2025年6月26日的发布会提出一个极其复杂的研究需求，涵盖信息整理、竞品对比、销量预测及供应链分析等。

    测评亮点分析： 面对一个包含多重任务的复杂指令，Kimi深度研究功能并未在长下文中出现能力衰减。它生成了近一万七千字的详尽报告，有效完成了信息检索、可信度标记、竞品参数对比、多维度销量预测等高级任务。在报告中，Kimi不仅展现了出色的信息准确性和时效性，例如捕捉到小米YU 7座舱系统采用骁龙8 Gen3芯片这一新近消息，其用户体验设计也值得称道，点击引用来源即可高亮原文数据，极大地方便了事实核查。在销量预测和供应链分析部分，它给出了严谨的假设前提与判断依据，超越了简单的数据罗列，为专业人士提供了极具价值的决策参考。

    注入美学，让专业报告“活”起来

  3. AI探索指南

    Devin 的开发商 Cognition 开发了一种新的虚拟机快照格式

    Devin 的开发商 Cognition 开发了一种新的虚拟机快照格式

    blockdiff，实现了秒级快照（相较原来提升约 200 倍）

    这个对 Manus 这种需要虚拟机的云端 Agent 很有帮助啊

    下面是详细介绍👇#ai创造营#

    blockdiff 的作用

    blockdiff 是一个开源工具（github.com/CognitionAI/blockdiff），用于 VM 磁盘的块级差异比较和快照。其核心思想是只存储与基准镜像不同的磁盘块，极大减少了存储和传输的数据量。

    为什么需要增量快照
    开发环境复用：用户的开发环境只需保存变更部分，避免冗余存储整个操作系统镜像。
    休眠与唤醒：只需保存会话状态，传输小体积快照，提升唤醒速度。
    磁盘回滚：支持多层增量快照，便于会话中随时回滚。

    设计目标
    紧凑：快照文件大小与变更量成正比。
    瞬时：快照操作几乎不涉及磁盘 I/O，仅操作元数据。
    零开销：不影响 VM 的读写性能。
    简单：实现尽量简洁，减少出错和调试成本。

    技术实现
    主要依赖 Linux XFS 文件系统的 Copy-on-Write（CoW）特性。
    通过 FIEMAP 系统调用获取文件块映射（extent map），只需比较元数据即可找出差异块。
    blockdiff 文件格式包含头部（magic string、文件大小、块范围等）和连续存储的差异块数据，写入快照时只需操作元数据，极快完成。

    为什么不用现有方案
    二进制 diff：全盘扫描太慢。
    OverlayFS：不支持无重挂载的增量快照，且与 Docker 冲突。
    ZFS：只能回滚 home 目录，且快照逻辑需在 VM 内部实现，性能不理想。
    qcow2：不支持纯元数据操作，转换大文件时速度慢。

    Linux 文件系统基础
    稀疏文件：只为非零数据分配空间，逻辑大小远大于实际占用。
    CoW：只有在写入时才分配新块，节省空间和时间。
    磁盘镜像即文件：VM 磁盘就是宿主机文件系统上的文件，便于管理和快照。

  12. AI探索指南

    最近AI圈越来越有“花花轿子众人抬”的感觉了～

    最近AI圈越来越有“花花轿子众人抬”的感觉了～
    技术和产品未必有大突破，
    谁抬轿子、谁是爸爸更重要。

    像Scale AI，就是特别典型被抬轿子抬起来的。
    创始人Alexandr Wang，97年，父母都是中国移民、物理学家。

    Wang从小搞科研、搞竞赛、发论文。父母和硅谷很多实验室科学家、大厂高管联系紧密，让Wang高中开始在Quora等硅谷公司实习。

    Wang在MIT读了一年本科后辍学创业。在Quora短暂工作后，16年他19岁时轻松拿了YC投资，借助父母介绍的第一批客户，迅速让Scale AI在湾区站稳脚跟。

    Scale AI自2016年成立，到今天已经筹集了超过6.03亿美元的投资，资方包括Greenoaks Capital、Tiger Global Management及Index Ventures等。

    大家可能看着眼生，但Mcrosoft、Meta、OpenAI等客户一定熟悉。而背后最开始牵线搭桥的，据中国版scale ai创始人说，绕不开他父母的老朋友们。

    Wang在美国东西海岸的学术圈、技术圈、大厂圈，名声都不错，被Meta收购后，据说已经有了更宏伟的新计划。

    论学阀、论抬轿子，北美都是明着来的，国内高考毕竟连推荐信都不需要。

    最好的早期投资人一定是爹妈，
    最牛的孵化器一定是娘胎。

    前段时间上市的90后创业明星k，发自内心我很佩服。他也是广东厂二代，在珠三角有很强的硬件供应链背景。不然你想，那么多名校大学生搞创业比赛，谁能更容易把产品做出来、谁能那么坚定深耕硬件呢？

    好在，搞AI，抬轿子未必是最主要的。
    在新一轮技术的拐点、生产力释放之时，还有裂缝，还有新大陆。

    技术和轿子，也算双轮驱动，相辅相成吧......
    给神仙们做个喊号的轿夫，不丢人。