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
AIGC 领域的最新工具、开源项目以及行业大事件
AI 产业正经历一场无声的剧变，竞争焦点从谁的模型更聪明转向谁能以最低成本交付有用信息时，OpenAI 的先发优势正在被谷歌深不可测的工程底蕴与生态壁垒迅速瓦解。
一、 成本优势：TPU 对 GPU 的降维打击
在推理经济学中，算力成本决定生死。OpenAI 依赖于通用的 NVIDIA GPU，而谷歌则手握自主研发的 TPU，优势主要集中体现在在推理环节上
GPU 本质上是多面手，为了兼容渲染和科学计算，保留了大量的无效载荷。而 TPU 是为推理而生的纯粹杀器。它的脉动阵列架构，数据在处理单元间直接流转，无需像 GPU 那样频繁在 HBM 内存中读写。这种低功耗、高带宽的特性，让谷歌在处理长上下文推理时，成本仅为对手几分之一。这种单次推理的微小成本优势累积起来，就是每年数亿美元的成本优势。
二、 商业模式：订阅制 vs 降维免费
OpenAI 像一家传统的软件公司，极力维持 $20/月的订阅费以覆盖昂贵的推理支出。
最近OpenAI出的带广告版低价订阅费反倒给谷歌提供了更好的思路和帮忙做用户教育，Gemini 长期以更低的价格，教育账号免费一年。谷歌的战略是羊毛出在猪身上，强化生态锁定、增加用户停留时间、提升广告定向精度。用户停留时间越长，展示高价值广告的机会就越多。
用户对模型本身没有忠诚度，但对数据和工作流有极高的迁移成本。将 Gemini 缝合进 Gmail、Docs、Android 和 YouTube，AI 就变成了空气和水。用户不需要离开工作流去打开一个单独的对话框，这种无缝感是孤岛式的 ChatGPT 永远无法企及的体验。
三、 广告终局：OpenAI 正在为谷歌开荒
这是一个极其扎心的逻辑：OpenAI 可能只是谷歌广告帝国的开路先锋。
OpenAI 目前最大的贡献，或许是培养了用户在对话中获取信息的习惯。为了生存，OpenAI 推出低价版本并引入广告（纯订阅制难以维持高昂的算力支出）。
而这正好撞枪口上了，谷歌 80% 的收入来自广告。当 OpenAI 费力地教育用户接受 AI 广告时，谷歌早已准备好了最成熟的广告引擎和分发网络。
凭借对用户搜索习惯、邮件内容、地理位置和观看爱好的全维度掌握，谷歌生成的 AI 广告将比 OpenAI 精准数倍。谷歌不需要靠卖 AI 赚钱，谷歌不靠卖AI赚钱，而是用AI让现有的广告生意变得更赚钱。
四、 最后的重击：OpenAI
最近飞书、Plaud 这些硬件录音设备引起了不少讨论。大家最自然的质疑就是：“手机明明就能录音，还能转写，为什么要多带一个设备？”
“如无必要，勿增实体。”既然手机能做，这个新“实体”还有存在的必要吗？
如果只从“功能层”看，手机确实能录音，能转写，甚至能接 AI。
但如果我们把视角切换到“交互层”，结论可能完全不同。工具改变的往往不是“能不能做”，而是“怎么做”。
分享两点思考：
1. 功能 vs 交互：
很多人觉得打开 App 录音只是几秒钟。但在真实的会议、访谈或灵感迸发的瞬间，这几秒钟包含了：解锁手机、找到 App、进入录音界面、启动录音……其间可能还需要确认状态、担心电话打断，事后还要头疼录音文件在哪找。
这一系列动作都在增加你的认知负荷，在不断把你的注意力从“正在发生的事情”上强行拉走。
专用设备把“记录”从一个需要决策的操作，变成了一种不需要占用心智资源的自然反应。
这让我想起“可供性”（affordance）这个产品设计领域的概念，简单说，就是物体本身在“暗示”你该怎么用它。
手机作为一个通用设备，它的暗示是模糊的。而一个专门的录音设备，它的物理形态、按钮、指示灯，都在极其明确地告诉你：“不用多想，我就是干这个的”，通过物理形态降低你启动行为的门槛。手机是“能做”，硬件是“适合做”。
专用录音设备的价值，不在于它“能不能录音”，而在于它让“记录”这件事变得足够简单、足够自然、足够不打扰。
当一个工具通过更好的交互设计，让人更愿意去做一件本来就重要的事，它就不是多余的。
2. 必要性不止取决于功能，还取决于人群
如果一个月甚至几个月才录一次音，手机确实足够了。
但是对于高频会议者、内容创作者或需要大量“先记录，再消化”的人来说，手机录音带来的摩擦感是不可接受的。
“必要性”不仅要看功能，更要看“人群”。
往往是那些身处其中、有原生痛点的创新者，能率先看到特定人群的“必要性”。
所以，有一类硬件创新的机会常常在于：
你通过交互提升的体验，从特定人群那里挖掘出的「价值总量」到底有多大？
当一个工具让人更愿意去做一件本来就重要的事，它就不是多余的实体。
“如无必要，勿增实体。”既然手机能做，这个新“实体”还有存在的必要吗？
如果只从“功能层”看，手机确实能录音，能转写，甚至能接 AI。
但如果我们把视角切换到“交互层”，结论可能完全不同。工具改变的往往不是“能不能做”，而是“怎么做”。
分享两点思考：
1. 功能 vs 交互：
很多人觉得打开 App 录音只是几秒钟。但在真实的会议、访谈或灵感迸发的瞬间，这几秒钟包含了：解锁手机、找到 App、进入录音界面、启动录音……其间可能还需要确认状态、担心电话打断，事后还要头疼录音文件在哪找。
这一系列动作都在增加你的认知负荷，在不断把你的注意力从“正在发生的事情”上强行拉走。
专用设备把“记录”从一个需要决策的操作，变成了一种不需要占用心智资源的自然反应。
这让我想起“可供性”（affordance）这个产品设计领域的概念，简单说，就是物体本身在“暗示”你该怎么用它。
手机作为一个通用设备，它的暗示是模糊的。而一个专门的录音设备，它的物理形态、按钮、指示灯，都在极其明确地告诉你：“不用多想，我就是干这个的”，通过物理形态降低你启动行为的门槛。手机是“能做”，硬件是“适合做”。
专用录音设备的价值，不在于它“能不能录音”，而在于它让“记录”这件事变得足够简单、足够自然、足够不打扰。
当一个工具通过更好的交互设计，让人更愿意去做一件本来就重要的事，它就不是多余的。
2. 必要性不止取决于功能，还取决于人群
如果一个月甚至几个月才录一次音，手机确实足够了。
但是对于高频会议者、内容创作者或需要大量“先记录，再消化”的人来说，手机录音带来的摩擦感是不可接受的。
“必要性”不仅要看功能，更要看“人群”。
往往是那些身处其中、有原生痛点的创新者，能率先看到特定人群的“必要性”。
所以，有一类硬件创新的机会常常在于：
你通过交互提升的体验，从特定人群那里挖掘出的「价值总量」到底有多大？
当一个工具让人更愿意去做一件本来就重要的事，它就不是多余的实体。
发现一个完全可以平替网飞的网站，里面可以看国外各种类型的电影（有些比网飞尺度大），电视剧，TV show，甚至是各种体育节目直播，电视台直播等等！ 注：都是国外节目，主要英文字幕为主，但惊喜的是，你开启谷歌翻译插件时候，字幕会动态转换成中文！ 网站整体没有烦人的弹窗广告，我都哭了。
@aigc1024
@aigc1024
作为曾经的锤子手机 T1 的用户，我一直很喜欢这个功能。
2025 老罗十字路口科技春晚，我以为他会发一个「闪念胶囊」的硬件，但没想到他只发了一个「AI 听书」软件。
科技春晚的那天晚上，去的人大多跟我一样，是抱着失望而归。
但令人意外的是，三周之后，我就拿到了一个真的「闪念胶囊」的硬件。
它不是老罗做的，它是安克和飞书一起做的。
这个很像「闪念胶囊」的硬件，官方的名字叫「安克AI录音豆」。
这个录音豆只有一个按键，用起来也非常简单：
按一下开始录音，再按一下结束录音，录音内容自动同步飞书妙记和智能会议纪要。
看似简单的硬件，是背后复杂和强大的软件。
这是我这两天的使用心得：
https://mp.weixin.qq.com/s/U6Gub3hu_lZwf84vqzd57A
我也根据原始的英文内容搞了中文版本。
建议所有用 AI 生成的文档都走一遍这个，彻底干掉“不是 XX，而是 XX”或者频繁使用破折号这类型 AI 味很重的描述。
项目地址：https://github.com/op7418/Humanizer-zh
飞书和安克一起成就了这颗 AI 「豆」，灵动轻巧，随处佩戴，深度融合飞书 AI 能力，让 AI 随身在～
评论并转发此动态将参与AI豆抽奖✖️1
一起来感受小小的[豆] 迸发出大大的能量
Invalid media: video
评论并转发此动态将参与AI豆抽奖✖️1
一起来感受小小的[豆] 迸发出大大的能量
Invalid media: video
我用Skills，把内容创作变成了会进化的流程。
最近花了蛮多时间在研究Skills，它最打动我的地方在于：Skills帮助我把做事的方法固定成一套标准流程，让我在写内容、AI编程上提效不少，而且这套流程还能随着使用不断进化，越用越好用。
今天想跟大家分享，作为一个内容创作者，我是怎么用Skills来帮自己提效。
在内容创作上我目前用得多的是两个Skills，一个是用来引导我阐述观点的洞察助手，一个是帮助我快速生成文章图片的配图助手。
1.洞察助手Skills：让内容从脑子里变到纸上
我脑子里其实有很多对AI的思考和总结，但是如果给我一张纸，我其实会不知道要写什么。
于是我想我要换一种表达方式，我会让洞察助手Skills来问我问题，我来回答给它。
通过这种问答的形式把我的脑子里的东西一点点掏出来汇总出来，然后基于我告诉它的这些观点，它会帮我进行筛选整理成一个文档。
基于这个文档，我和它一起去思考选题是什么，确定文章的核心观点，然后一起把文章写出来。
今天大家看到的这篇文章就是我和洞察助手Skills一点点讨论出来的。
每次讨论结束后，我会发现一些值得优化的细节点，比如说哪些观点可能需要我解释的更透彻、文章我想表达的主旨到底是什么，这都是值得优化的点。
那我会让洞察助手Skills基于这些不足对自己的知识库进行优化，下次就可以直接用升级后的流程跑了。
2.配图助手Skills：让繁琐的配图流程变得超简单
我之前的文章在配图上是有一些懒的，主要原因是我要根据对应的内容去找对应风格的图，或者我把这段内容给AI生图图片，但这两个流程我都嫌长，我就一直没跑。
在上周漫画用Skills跑通之后，我把配图这件事情也用Skills跑了一下，流程是这样的：
1.先让AI把文章通读一遍，告诉我哪些地方可能需要配图。
2.我负责同意或者否定，同时和AI确定配图的风格。
3.AI把对应的配图提示词给出来；我检查一下没问题之后，就去调用API生成图片。
同样的配图助手Skills也是可以不断进化的，不同的文章其实配图的数量和风格都是可以不断细化的，每跑一次都可以优化一次，它会变得越来越好用。
所以当朋友问到我：你觉得Skills的价值是什么？
我是这么回答的：Skills的价值一方面在于他们可以帮我通过固定流程的方式提升效率和产出，还有一方面在于他们能够随着使用不断的进化，能够帮助我做更多的事情。
今天的内容分享到这里啦，也非常建议大家去做一个自己的Skills，来享受AI提效的快乐，有关于Skills交流的内容评论区见啦~
最近花了蛮多时间在研究Skills，它最打动我的地方在于：Skills帮助我把做事的方法固定成一套标准流程，让我在写内容、AI编程上提效不少，而且这套流程还能随着使用不断进化，越用越好用。
今天想跟大家分享，作为一个内容创作者，我是怎么用Skills来帮自己提效。
在内容创作上我目前用得多的是两个Skills，一个是用来引导我阐述观点的洞察助手，一个是帮助我快速生成文章图片的配图助手。
1.洞察助手Skills：让内容从脑子里变到纸上
我脑子里其实有很多对AI的思考和总结，但是如果给我一张纸，我其实会不知道要写什么。
于是我想我要换一种表达方式，我会让洞察助手Skills来问我问题，我来回答给它。
通过这种问答的形式把我的脑子里的东西一点点掏出来汇总出来，然后基于我告诉它的这些观点，它会帮我进行筛选整理成一个文档。
基于这个文档，我和它一起去思考选题是什么，确定文章的核心观点，然后一起把文章写出来。
今天大家看到的这篇文章就是我和洞察助手Skills一点点讨论出来的。
每次讨论结束后，我会发现一些值得优化的细节点，比如说哪些观点可能需要我解释的更透彻、文章我想表达的主旨到底是什么，这都是值得优化的点。
那我会让洞察助手Skills基于这些不足对自己的知识库进行优化，下次就可以直接用升级后的流程跑了。
2.配图助手Skills：让繁琐的配图流程变得超简单
我之前的文章在配图上是有一些懒的，主要原因是我要根据对应的内容去找对应风格的图，或者我把这段内容给AI生图图片，但这两个流程我都嫌长，我就一直没跑。
在上周漫画用Skills跑通之后，我把配图这件事情也用Skills跑了一下，流程是这样的：
1.先让AI把文章通读一遍，告诉我哪些地方可能需要配图。
2.我负责同意或者否定，同时和AI确定配图的风格。
3.AI把对应的配图提示词给出来；我检查一下没问题之后，就去调用API生成图片。
同样的配图助手Skills也是可以不断进化的，不同的文章其实配图的数量和风格都是可以不断细化的，每跑一次都可以优化一次，它会变得越来越好用。
所以当朋友问到我：你觉得Skills的价值是什么？
我是这么回答的：Skills的价值一方面在于他们可以帮我通过固定流程的方式提升效率和产出，还有一方面在于他们能够随着使用不断的进化，能够帮助我做更多的事情。
今天的内容分享到这里啦，也非常建议大家去做一个自己的Skills，来享受AI提效的快乐，有关于Skills交流的内容评论区见啦~
DeepSeek 最近发的三篇论文，全部都是带梁文锋署名的，论文讲的内容也很有意思。
尤其是那篇讲 Engram 的，DeepSeek 相当于给模型带了一本“字典”进考场，把死记硬背的脑容量腾出来，专门用来做难题。
但他们发现，如果模型全是记忆（Engram），那就是个死记硬背的书呆子，完全没法思考。
但如果全是推理（MOE），又要浪费大量算力去推导像“中国首都是哪”这种固定知识。
那要带多少记忆去考试呢？
DeepSeek 研究出了一个模型“记忆”和“思考”的黄金比例。
最后测出来的最佳配比是：75% 给思考，25% 给记忆。
这个结论可能不仅适合于模型，也值得人类深思。
当一个人记住所有细节，就约等于没有空间思考。
逻辑思维，适当抽象，是人类进步的源泉。
当一个人完全没有知识，只会浪费脑力去思考最基本的东西，脑力空转。
DeepSeek 实测，加了字典减少思考后，模型多出了相当于 7 层网络的思考深度。
没想到，知识的广度以这种方式增加了思考的深度。
很有启发。
尤其是那篇讲 Engram 的，DeepSeek 相当于给模型带了一本“字典”进考场，把死记硬背的脑容量腾出来，专门用来做难题。
但他们发现，如果模型全是记忆（Engram），那就是个死记硬背的书呆子，完全没法思考。
但如果全是推理（MOE），又要浪费大量算力去推导像“中国首都是哪”这种固定知识。
那要带多少记忆去考试呢？
DeepSeek 研究出了一个模型“记忆”和“思考”的黄金比例。
最后测出来的最佳配比是：75% 给思考，25% 给记忆。
这个结论可能不仅适合于模型，也值得人类深思。
当一个人记住所有细节，就约等于没有空间思考。
逻辑思维，适当抽象，是人类进步的源泉。
当一个人完全没有知识，只会浪费脑力去思考最基本的东西，脑力空转。
DeepSeek 实测，加了字典减少思考后，模型多出了相当于 7 层网络的思考深度。
没想到，知识的广度以这种方式增加了思考的深度。
很有启发。
#182体育 豪礼大放送、#高端嫩模、劳力士手表、奔驰E300等大礼等你来豪夺 首存日存彩金送不停
🏆182体育 封神榜🏆
🎖每日存款彩金每日送，每笔存款加赠
🎖182 体育 #电子 #真人 #0审核包出款 日出亿U
🍎专属VIP客服： @vipkf_182ty8
🍉 吃瓜搞笑：@chiguagaoxiaoxinwen
