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

    谷歌发布了一个非常牛皮的世界模型 Genie 3！

    谷歌发布了一个非常牛皮的世界模型 Genie 3！

    这次生成时长和分辨率都很给力，而且还支持通过文本动态改变世界事件，这搭配一个 LLM 不就妥妥的 AI 游戏吗

    能以 24 帧每秒的速度生成，分辨率高达 720P，支持超过几分钟保持环境一致性

    模型能模拟自然现象，并展现真实世界的物理特性。

    支持跨越地理和时间界限，生成如阿尔卑斯山、威尼斯、古希腊等多样场景

    通过自回归方式逐帧生成，Genie 3 能在几分钟内保持环境物体和细节的一致性，视觉记忆最长可达一分钟。

    不仅支持导航，还能通过文本 prompt 动态改变世界事件

    可为 AI 智能体（如 SIMA agent）生成丰富环境，支持复杂目标的达成和长期任务训练

    详细信息：https://deepmind.google/discover/blog/genie-3-a-new-frontier-for-world-models/

    Invalid media: video

  4. AI探索指南

    WAIC刚落幕，AI圈又传来新消息，苹果组建了新的AI团队

    WAIC刚落幕，AI圈又传来新消息，苹果组建了新的AI团队。
    AI领域迭代日新月异，如果你想掌握更多AI领域专业前沿的知识，不妨来ima看看这几个知识库👇

    · 智能体宇宙

    身为AI开发者，担忧Agent框架复杂难上手？ 作为产品经理，头疼智能体商业落地难？......快来特工宇宙团队@缱绻怡然 的「智能体宇宙」知识库找答案！
    精选AI Agent领域前沿论文、研报、白皮书等权威专业内容，助你一站式掌握前沿方法论与硬核案例，高效构建下一代AI Agent！📈

    · AGI数据库.腾讯研究院

    由腾讯研究院打造的官方知识库，精选每日全球最新AI技术与产业动态——从ChatGPT升级到机器人革命，从大模型趋势解读到医疗AI突破，
    看不懂技术新名词？跟不上日新月异的产品迭代？
    你对AI的各种困惑与好奇，都能在这里找到答案💬

    · 人形机器人、具身智能资料库 [强烈推荐]

    腾讯科技官方打造「人形机器人、具身智能资料库」，涵盖高盛、斯坦福、MIT等知名机构的论文研报。如果你也想了解人形机器人，好奇它们的技术底层逻辑和行业发展动态，就来这个知识库找答案吧！🤖

    · 故事接龙StoryStormAI社区

    想要学习AIGC创作，却不了解应该用什么软件？如何写好提示词？快来向这个知识库提问吧！
    涵盖3000+份AIGC领域的优质内容，为你提供专业、全面的AIGC实战技巧与行业动态，从入门到进阶，帮助你快速成长，高效上手AIGC创作📝

    更多知识库内的精彩内容，欢迎扫描下方知识码，或在ima各端中搜索知识库名称一探究竟🔍

    如果你也有其他优质的知识库想分享，欢迎加入圈子「知识库研究小组」，带话题 #安利我的ima知识库 ，发布动态向大家安利吧！

    和ima一起，让知识流动起来🌊

    安利我的ima知识库

  5. AI探索指南

    这篇文章有意思

    这篇文章有意思。

    提出在 AI Agent 时代，任何“固定费率+高token消耗”的订阅模式都难以为继。

    他分析了一下目前虽然 LLM 不断的在降价，但是综合的 LLM 成本反而在越来越贵的原因和这种现象会产生的问题。

    前段时间的 Cursor 涨价和 Claude Code 涨价都反应了这种囚徒困境。

    同时还分析了一下避免这种问题的几个方法。

    详细内容：

    许多AI公司认为，只要模型推理成本每年下降10倍，先亏损后盈利是可行的。但现实是，虽然如GPT-3.5等旧模型确实变便宜了，但用户需求始终集中在最新、最强的前沿模型（SOTA），而这些模型的价格始终居高不下。

    虽然每个token的成本没变高，但AI模型每次任务消耗的token数量却呈指数级增长。AI代理和长时间任务让单用户每日消耗的成本远超传统订阅价格（如$20/月），导致公司亏损加剧。

    在AI Agent时代，任何“固定费率+高token消耗”的订阅模式都难以为继。

    Anthropic等公司尝试通过高价（如$200/月）、模型自动切换、部分计算卸载到用户本地等方式应对，但依然无法阻止token消耗失控，最终不得不取消无限量套餐。

    所有AI公司都明白按用量计费才可持续，但只要有竞争对手提供低价无限量，用户就会流向后者，导致行业陷入“价格战—亏损—倒闭”的恶性循环。

    三种可能的出路

    从一开始就按用量计费：理论上可行，但消费者普遍讨厌计量收费，实际难以增长。

    制造高切换成本：如Devin等企业级AI，通过深度集成和复杂流程锁定大客户，利润率高但市场有限。

    垂直整合，基础设施变现：如Replit，将AI代理与托管、数据库、监控等服务打包，AI推理作为引流，真正盈利点在于全栈服务。

    文章地址：https://ethanding.substack.com/p/ai-subscriptions-get-short-squeezed

  6. AI探索指南

    一位前苹果硬件工程师，放弃了在大厂的稳定工作，投身AI创业

    一位前苹果硬件工程师，放弃了在大厂的稳定工作，投身AI创业。她的第一个产品界面粗糙，功能也很简陋，甚至连批量处理都没有。

    但就是这样一个半成品，在一年内获得了1000万下载量和千万美元的年化收入。

    今天来给大家讲的这个故事的主角是Ella Zhang，同时也是Creati AI这个产品的创始人。

    Ella在苹果参与研发第一代AirPods时，就学到了一个看似简单却极其重要的方法论。
    当时团队面临一个挑战：没人知道用户到底需要什么样的无线耳机。
    市面上有各种猜测和假设，但都缺乏实际依据。

    苹果的做法就很特别，他们不是发放在线问卷，而是把用户请到小会议室，进行面对面的深度访谈。

    面对面访谈有两个关键优势。
    第一，你能获得问卷之外的信息。
    举个例子：产品团队可能预设用户需要A、B、C三个功能，但实际交流中发现，用户根本不在乎这些，他们真正需要的是D，这可能是一个团队从未想过的需求点。

    第二，你能观察到用户的非语言信息。
    当用户说"这个功能还行"时，他的表情是兴奋还是勉强？这些微表情往往比语言本身更真实。
    这个方法论后来也成了Ella创业路上最重要的武器。

    离开苹果后，Ella的第一个创业项目是ZMO.ai，一个文生图的AI工具。
    当时正值Midjourney爆火，整个行业都在追逐这个风口。Ella也不例外，她觉得既然大家都在做，市场需求肯定存在。

    但很快她就发现了问题：用户增长很快，收入却上不去。
    面对困境，Ella想起了在苹果学到的方法。
    所以她给500多个活跃用户发邮件，最终和300多人进行了深度访谈。

    但结果让她大吃一惊：大部分用户使用产品只是出于好奇，想体验一下AI的神奇，并没有真实的使用需求。

    但访谈中也有惊喜，一小部分用户，主要是电商卖家确实有刚需。他们在亚马逊、eBay上卖货，需要大量的产品图片用于营销，但又请不起专业设计师。
    更有意思的发现是，这些卖家主要用手机拍摄产品照片，社交媒体营销也在手机上完成。所以他们更需要的是移动端的解决方案，而不是PC端的专业工具。

    这个洞察直接促成了Creati的诞生——一个专注于移动端营销视频创作的AI工具。

    需求明确了，下一步是如何构建网络效应的飞轮？

    传统的工具类产品往往陷入一个困境：用户用完就走，很难形成粘性。
    Ella的解决方案很巧妙，她没有把Creati做成纯工具，而是构建了一个连接网红和品牌商的生态系统。

    这个设计背后有深刻的商业逻辑。
    网红是内容创作的专家，他们最懂什么样的视频能在社交媒体上爆火。
    品牌商有营销需求，但不懂如何创作吸引人的内容。
    而Creati就成为了连接两者的桥梁：网红在平台上创建视频模板，品牌商付费使用这些模板制作自己的营销视频。

    这形成了一个正向循环，网红创作的模板越优质，使用的品牌商越多，平台收入越高；平台收入高了，能够吸引更多优秀网红加入，创作更多优质模板。

    这就是Peter Senge在《第五项修炼》中提到的"增强回路"：系统中的各个要素相互促进，形成指数级增长。

    更巧妙的是，当网红使用自己创作的模板制作视频并发布到社交媒体上时，如果视频爆火，会自然地为Creati带来新用户，这种基于内容的病毒式传播，获客成本几乎为零。

    Ella反复强调一个观点：不要等产品完美才上线。
    因为技术进步太快，市场变化太快，等你把产品打磨完美，可能机会窗口已经关闭。

    Creati的第一版产品确实很粗糙，没有批量处理功能，UI设计简陋，用户体验并不理想。

    但Ella发现了一个有趣的现象：尽管产品不完美，用户还是愿意用，而且用得很频繁。
    这说明什么？说明产品击中了真实痛点。

    先用最简单的方式验证核心假设，确认用户确实需要这个产品后，再逐步完善体验。
    这种"先开枪后瞄准"的策略，在快速变化的市场中特别有效。

    AI创业与传统创业最大的不同是什么？
    是变化速度。
    Ella说，每天醒来都会发现有新技术、新产品出现。今天看起来先进的技术，可能明天就过时了。
    在这种环境下，创始人最重要的能力不是预测未来，而是快速适应变化。

    Ella的策略是抓住变化中的不变：技术会变，但用户想要创作出能在社交媒体上爆火的内容，这个需求不会变。所以她把精力集中在理解什么样的内容会火，如何帮用户更容易地创作这样的内容上。

    我特别想聊聊Ella离开苹果的决定。
    很多人说她应该在大公司待更久，积累更多经验和资源。这个建议不无道理，但Ella的选择让我想起了行为经济学中的"机会成本"概念。

    留在苹果，她可能会有稳定的收入、体面的职位、轻松的生活。
    但她会失去什么？失去的是按照自己的想法改变世界的机会，是经历从0到1创造过程的体验，是在不确定性中成长的可能。

    更重要的是时机，AI浪潮刚刚开始，正是创业的黄金窗口期。
    用投资人的话说，这叫时间套利——在大多数人还在观望时果断行动，才能获得超额回报。

    当然，这个选择并不容易。
    Ella坦言，她也怀念在大公司的日子，怀念和朋友家人在一起的时光。但她也不后悔，因为她在做自己真正热爱的事情。

    回顾Ella的创业历程，我发现了一个规律，那就是成功的产品往往不是功能最全、设计最美的，而是最懂用户、迭代最快的。

    分享一个细节，Ella说她从小就发现，通过视频获取信息比阅读文字容易得多。
    这个个人体验成为她创业的原动力，如果能让更多人通过视频轻松地传递信息，那将帮助很多人。

    最好的创业者，往往是在解决自己的问题，只不过这个问题恰好也是千万人的问题。
    从这个角度看，Creati的成功并不偶然。

  8. AI探索指南

    ⛰️ 新世界的里程碑：ChatGPT 即将达到7亿周活

    ⛰️ 新世界的里程碑：ChatGPT 即将达到7亿周活

    Open AI 副总裁 Nick Turley 宣布，本周ChatGPT 即将迎来7亿周活的惊人成就。 这一个数字在去年同期只有2亿~

    📖 一并附上Hans过去一年ChatGPT 相关重大事件的独家评测：

    1️⃣ 2024.8 ChatGPT 周活2亿，92% 全球500强企业采用 https://m.okjike.com/originalPosts/66de78b1be1b0f6ab799dc74
    2️⃣ 2024.9 ChatGPT 推出第一个推理模型 o1 https://m.okjike.com/originalPosts/66e79687dd7383e4721e1cf9
    3️⃣ 2024.11 ChatGPT 支持 AI 搜索 https://m.okjike.com/originalPosts/6724416cc5328b51c42a9f0c
    4️⃣ 2024.11 ChatGPT 成为全球第8大网站 https://m.okjike.com/originalPosts/6731a10d32f03efa7798160e
    5️⃣ 2024.12 ChatGPT 周活3亿 https://m.okjike.com/originalPosts/67512e1753ab99f7fda95336
    6️⃣ 2025.2 ChatGPT 推出Deep Research https://m.okjike.com/originalPosts/67a188c6b6302275b52a3800
    7️⃣ 2025.3 ChatGPT 推出 GPT image https://m.okjike.com/originalPosts/67e389d6e27d1edbbb449c47
    8️⃣ 2025.7 ChatGPT 推出Agent 模式 https://m.okjike.com/originalPosts/6879bb79a9ac225444acc1e9

    时代滚滚前行，韦恩·格雷茨基的名句再次回响： 「我滑向冰球将要到达的地方，而不是它已经所处的位置。」

  9. AI探索指南

    这篇文章有意思

    这篇文章有意思。#ai创造营#

    提出在 AI Agent 时代，任何“固定费率+高token消耗”的订阅模式都难以为继。

    他分析了一下目前虽然 LLM 不断的在降价，但是综合的 LLM 成本反而在越来越贵的原因和这种现象会产生的问题。

    前段时间的 Cursor 涨价和 Claude Code 涨价都反应了这种囚徒困境。

    同时还分析了一下避免这种问题的几个方法。

    详细内容：

    许多AI公司认为，只要模型推理成本每年下降10倍，先亏损后盈利是可行的。但现实是，虽然如GPT-3.5等旧模型确实变便宜了，但用户需求始终集中在最新、最强的前沿模型（SOTA），而这些模型的价格始终居高不下。

    虽然每个token的成本没变高，但AI模型每次任务消耗的token数量却呈指数级增长。AI代理和长时间任务让单用户每日消耗的成本远超传统订阅价格（如$20/月），导致公司亏损加剧。

    在AI Agent时代，任何“固定费率+高token消耗”的订阅模式都难以为继。

    Anthropic等公司尝试通过高价（如$200/月）、模型自动切换、部分计算卸载到用户本地等方式应对，但依然无法阻止token消耗失控，最终不得不取消无限量套餐。

    所有AI公司都明白按用量计费才可持续，但只要有竞争对手提供低价无限量，用户就会流向后者，导致行业陷入“价格战—亏损—倒闭”的恶性循环。

    三种可能的出路

    从一开始就按用量计费：理论上可行，但消费者普遍讨厌计量收费，实际难以增长。

    制造高切换成本：如Devin等企业级AI，通过深度集成和复杂流程锁定大客户，利润率高但市场有限。

    垂直整合，基础设施变现：如Replit，将AI代理与托管、数据库、监控等服务打包，AI推理作为引流，真正盈利点在于全栈服务。

    文章地址：ethanding.substack.com/p/ai-subscriptions-get-short-squeezed