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
OpenAI 很鸡贼，提前一天开发布会，让 Google I/O 的气势弱了很多。再加上 Ilya 的官宣离职又分走了不少流量。果然今早一早起来，媒体的报道和用户的关注相比昨天要少得多。
但实际上，个人觉得 Google I/O 还是有不少看点。最大的感觉是：Google 在AI 发展的进度上真正追平了 OpenAI。无论是音视频实时助手，还是视频生成，基本上都能够和 OpenAI 同步发布，效果类似（当然 Veo 比Sora晚了三个月，效果看起来还是要稍逊）。甚至 Gemini 1.5 Pro 的 2 million 窗口，LLM 与 Google 原生搜索的结合，以及与智能眼镜等硬件的集成，相比 OpenAI 来说还要更领先一些。整体上，感觉 Google 这头巨兽算是彻底醒过来了，开始处于某种进攻的态势。（当然，实际全面发布时间是个问题。The Information 说 Google 现在在 AI 上的风格是先立牌坊，然后慢慢挤牙膏兑现。）
Google 的这个多模态助手 Astra，尽管在语音的表现力上不如昨天的 ChatGPT，情绪没有那么丰满和 dramatic，但是在延迟响应、实时语义理解上是不输的，尤其是还结合了记忆，感觉上甚至更加实用。
相比之下，OpenAI 昨天的发布会，以及最近的一系列动作，比如传说中和苹果合作，似乎都有“提升用户体验，进而拼命扩大用户量”的感觉，不知道是不是切身感受到了 Google 的威胁，在战略上做出的选择。或许 OpenAI 已经意识到了，单单靠自己很难跨越鸿沟，GPTs 的失败就是例子。
当然，Google 也有自己的问题，当下最大的风险就是如何应对 LLM 在搜索结果中带来的商业化挑战。发布会上，搜索的第一条结果换成了 LLM 的结果，体验上看似变好了，但对商业化的影响是巨大的。这种左右互搏，处理不好就会是自掘坟墓，处理好了就会迎来第二曲线。至少从股价来看，感觉华尔街对于这次 I/O 的故事并不是非常 buy in，还在继续观察。
但实际上，个人觉得 Google I/O 还是有不少看点。最大的感觉是：Google 在AI 发展的进度上真正追平了 OpenAI。无论是音视频实时助手，还是视频生成，基本上都能够和 OpenAI 同步发布，效果类似（当然 Veo 比Sora晚了三个月，效果看起来还是要稍逊）。甚至 Gemini 1.5 Pro 的 2 million 窗口，LLM 与 Google 原生搜索的结合，以及与智能眼镜等硬件的集成，相比 OpenAI 来说还要更领先一些。整体上，感觉 Google 这头巨兽算是彻底醒过来了，开始处于某种进攻的态势。（当然，实际全面发布时间是个问题。The Information 说 Google 现在在 AI 上的风格是先立牌坊，然后慢慢挤牙膏兑现。）
Google 的这个多模态助手 Astra，尽管在语音的表现力上不如昨天的 ChatGPT，情绪没有那么丰满和 dramatic，但是在延迟响应、实时语义理解上是不输的，尤其是还结合了记忆，感觉上甚至更加实用。
相比之下，OpenAI 昨天的发布会，以及最近的一系列动作，比如传说中和苹果合作，似乎都有“提升用户体验，进而拼命扩大用户量”的感觉，不知道是不是切身感受到了 Google 的威胁，在战略上做出的选择。或许 OpenAI 已经意识到了，单单靠自己很难跨越鸿沟，GPTs 的失败就是例子。
当然，Google 也有自己的问题，当下最大的风险就是如何应对 LLM 在搜索结果中带来的商业化挑战。发布会上，搜索的第一条结果换成了 LLM 的结果，体验上看似变好了，但对商业化的影响是巨大的。这种左右互搏，处理不好就会是自掘坟墓，处理好了就会迎来第二曲线。至少从股价来看，感觉华尔街对于这次 I/O 的故事并不是非常 buy in，还在继续观察。
尝试了一下，Wegic 这个 AI 网页生成工具也太好了。
通过对话来生成和修改页面门槛确实低了很多。整体网站设计和 IP 都太好了。 IP 尤其可爱。
而且生成的网站从内容和美观度上都很好，内容也很丰富。如果补齐一下能力的话可能是 Framer 一个很强力的对手。
这里尝试：https://wegic.ai/
通过对话来生成和修改页面门槛确实低了很多。整体网站设计和 IP 都太好了。 IP 尤其可爱。
而且生成的网站从内容和美观度上都很好，内容也很丰富。如果补齐一下能力的话可能是 Framer 一个很强力的对手。
这里尝试：https://wegic.ai/
关于【宇树】新出的机器人unitree G1
有两个比较吸引人的点，完成度相对较高和相对较低的价格
1. 先说最大的差别，就是腿是不是反弓，人形机器人的腿有两种不同的形式，一种是鸵鸟腿，一种是人腿。宇树在自己的H1产品中就使用了人腿形的机器人。
2. 反弓最大的优势是在电机的集成度上，也就是可以把电机最大程度的集约到核心区域。这样对于电机的性能要求会有所降低。
3. 但是宇树的核心就在于电机的性能和性价比很不错。
4. 所以这也是机器人公司的盈利手段，人形机器人相比于真的有什么产品力而言。卖电机的收益也不会小。
5. 很多人会觉得这样的机器人如果会做饭用在家里还是不错的，但是我们主要到宇树最后的小字，不要靠的太近，这也是刚体机器人的一个重要安全隐患，电机容易抽搐和发疯，随时随地给你来一个地板动作也不是不可能。
6. 所以具身智能（人形机器人），的投资大头还是我们熟悉的汽车产业。
7. 机械臂的大规模发展，资金就是来源于汽车产业。而现在的机器人学，基本上是建立在机械臂的基础上的。所以与其说咱看到一个两条腿，两个胳膊的机器人，不如说是四条机械臂连在一起（划掉）
8. 最后一个不成熟地展望，具身智能，会成为载人航天，尤其是载人登月，的先驱。相比于地球的环境，月球的低重力环境，和比较严酷的环境，更加适合机器人选手。
有两个比较吸引人的点，完成度相对较高和相对较低的价格
1. 先说最大的差别，就是腿是不是反弓，人形机器人的腿有两种不同的形式，一种是鸵鸟腿，一种是人腿。宇树在自己的H1产品中就使用了人腿形的机器人。
2. 反弓最大的优势是在电机的集成度上，也就是可以把电机最大程度的集约到核心区域。这样对于电机的性能要求会有所降低。
3. 但是宇树的核心就在于电机的性能和性价比很不错。
4. 所以这也是机器人公司的盈利手段，人形机器人相比于真的有什么产品力而言。卖电机的收益也不会小。
5. 很多人会觉得这样的机器人如果会做饭用在家里还是不错的，但是我们主要到宇树最后的小字，不要靠的太近，这也是刚体机器人的一个重要安全隐患，电机容易抽搐和发疯，随时随地给你来一个地板动作也不是不可能。
6. 所以具身智能（人形机器人），的投资大头还是我们熟悉的汽车产业。
7. 机械臂的大规模发展，资金就是来源于汽车产业。而现在的机器人学，基本上是建立在机械臂的基础上的。所以与其说咱看到一个两条腿，两个胳膊的机器人，不如说是四条机械臂连在一起（划掉）
8. 最后一个不成熟地展望，具身智能，会成为载人航天，尤其是载人登月，的先驱。相比于地球的环境，月球的低重力环境，和比较严酷的环境，更加适合机器人选手。
抖音“午夜狂暴哈士奇狗”这个小姐姐一直在发跟 ChatGPT 谈赛博恋爱的视频。
比如这个跟 ChatGPT 去海边约会，上个版本 GPT 还无法看到他看到的海边的景色，没办法看到她专门化了妆。
但这个版本她应该可以完全把 GPT 当成异地恋的男友约会了。配合新的情绪识别和面部表情识别，都不敢想有多强。
比如这个跟 ChatGPT 去海边约会，上个版本 GPT 还无法看到他看到的海边的景色，没办法看到她专门化了妆。
但这个版本她应该可以完全把 GPT 当成异地恋的男友约会了。配合新的情绪识别和面部表情识别，都不敢想有多强。
我身边唯一一个在OpenAI工作的同学，是个女生，北京四中的，跟我一样都是北京人考到复旦的，大学就在我隔壁寝室楼。
对她的印象一直就是安安静静的，笑容不多，也常听别人说她不好相处、性格阴郁、傲慢。有一次一起坐校车聊起来，她说她是高考失利才来的复旦，这对她是很大的打击。
你知道我这种大水货考生第一反应是，“啊？复旦还不满意啊？挺好的了！不就只比清北差吗？”
后来的日子里听说她大三就转到美国本科去了，在社交媒体上慢慢了解她也有个学CS的哥哥，目前的作品水准也是探索人类边界那种level。看着她毕业之后去了Meta，前一阵说离开了Meta，我还想说什么公司能吸引她这样的女生加入？再一看是OpenAI。
更高兴的是前一阵看她还冻了卵，也分享了很多作为女性和准母亲的体验。
在今天这个日子里想默默祝福她。
你做到了，世界的舞台是属于你的。
对她的印象一直就是安安静静的，笑容不多，也常听别人说她不好相处、性格阴郁、傲慢。有一次一起坐校车聊起来，她说她是高考失利才来的复旦，这对她是很大的打击。
你知道我这种大水货考生第一反应是，“啊？复旦还不满意啊？挺好的了！不就只比清北差吗？”
后来的日子里听说她大三就转到美国本科去了，在社交媒体上慢慢了解她也有个学CS的哥哥，目前的作品水准也是探索人类边界那种level。看着她毕业之后去了Meta，前一阵说离开了Meta，我还想说什么公司能吸引她这样的女生加入？再一看是OpenAI。
更高兴的是前一阵看她还冻了卵，也分享了很多作为女性和准母亲的体验。
在今天这个日子里想默默祝福她。
你做到了，世界的舞台是属于你的。
但是公司的 Mac 是因特尔的没办法启动，各位可以M 系列的可以试试能不呢启动，这个是从官方下的。
链接: https://pan.baidu.com/s/1gs5twNMxtKE9BuYCVMYxyg?pwd=m3ua 提取码: m3ua
OpenAI春季发布会结束，快速记录下我看到的和理解的更新，首先总的来说，去年3月份OpenAI是发布了惊艳世界的GPT-4，但这次，他们不是发布一个更强大的模型，而是做了很多工程优化，把产品做得更好用，更容易和生活、工作结合了。具体来说，更新包括：
1. 新发布GPT-4o模型，这是个比GPT-4快100%以上的模型，对免费用户开放，后续免费用户也可获得GPTs、browring、图像理解、代码解释器等原本只有Plus付费用户才具有的功能；
2. 发布ChatGPT电脑客户端，这个客户端也可用语音对话，并且也非常快捷地通过复制、分享电脑屏幕等方式让ChatGPT进入到你正在处理的任务语境中去，可以认为ChatGPT成为了一个你工作全局的copilot，辅助excel、ppt、写代码等都不再话下（老罗圆梦）；
3. 语音能力升级，不再需要等待几秒再获得回复，实时性超强，可以随时打断，而且不是简单的语音转文字的处理模式，能理解语气、语调，充当有情感的对话助手，以及作为实时的同声传译都毫无问题（我想到了《Her》）
4. 可在使用语音对话的同时，开启摄像头，让ChatGPT实时看到你所在的环境以及你看到的信息，这种可用性的提升能增加大量的使用场景，比如提供教学、博物馆导览、辅助视障人士等等，不过从测试细节看，这也并不是一个有视频理解能力的多模态模型，而是通过每隔几秒钟自动截图让ChatGPT理解的方式实现的。
整体来说就是，没有更强的模型，但是大量的工程优化会让ChatGPT能进入更多人的生活，帮助现有用户完成更多场景的任务，又有一堆AI应用公司难免了。
1. 新发布GPT-4o模型，这是个比GPT-4快100%以上的模型，对免费用户开放，后续免费用户也可获得GPTs、browring、图像理解、代码解释器等原本只有Plus付费用户才具有的功能；
2. 发布ChatGPT电脑客户端，这个客户端也可用语音对话，并且也非常快捷地通过复制、分享电脑屏幕等方式让ChatGPT进入到你正在处理的任务语境中去，可以认为ChatGPT成为了一个你工作全局的copilot，辅助excel、ppt、写代码等都不再话下（老罗圆梦）；
3. 语音能力升级，不再需要等待几秒再获得回复，实时性超强，可以随时打断，而且不是简单的语音转文字的处理模式，能理解语气、语调，充当有情感的对话助手，以及作为实时的同声传译都毫无问题（我想到了《Her》）
4. 可在使用语音对话的同时，开启摄像头，让ChatGPT实时看到你所在的环境以及你看到的信息，这种可用性的提升能增加大量的使用场景，比如提供教学、博物馆导览、辅助视障人士等等，不过从测试细节看，这也并不是一个有视频理解能力的多模态模型，而是通过每隔几秒钟自动截图让ChatGPT理解的方式实现的。
整体来说就是，没有更强的模型，但是大量的工程优化会让ChatGPT能进入更多人的生活，帮助现有用户完成更多场景的任务，又有一堆AI应用公司难免了。
OpenAI 发布会源文件！
刚在 OpenAI 的 Github 里找到演示 GPT-4o 的 The Jupyte Notebook 文件，演讲稿和演示用代码，全部公开。
https://github.com/openai/openai-cookbook/blob/main/examples/gpt4o/introduction_to_gpt4o.ipynb
刚在 OpenAI 的 Github 里找到演示 GPT-4o 的 The Jupyte Notebook 文件，演讲稿和演示用代码，全部公开。
https://github.com/openai/openai-cookbook/blob/main/examples/gpt4o/introduction_to_gpt4o.ipynb
GitHub
openai-cookbook/examples/gpt4o/introduction_to_gpt4o.ipynb at main · openai/openai-cookbook
Examples and guides for using the OpenAI API. Contribute to openai/openai-cookbook development by creating an account on GitHub.
今天发布的GPT-4o以及ChatGPT产品的快速总结：#ai# #openai#
🌟GPT-4o（“o”代表“全能”）
它可以接受任意组合的文本、音频和图像作为输入，并生成任意组合的文本、音频和图像输出。
它可以在 232 毫秒内响应音频输入，平均为 320 毫秒，这与人类在对话中的响应时间相似。
在英文和代码文本方面，它与 GPT-4 Turbo 的性能相当，对非英语文本的文本有显著改进。
同时在 API 方面更快速、价格更便宜 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面表现特别出色。
与 GPT-4 Turbo 相比，GPT-4o 速度提高了 2 倍，价格减半，限制速率提高了 5 倍。
🌟何时可用？
GPT-4o 的文本和图像功能今天开始在 ChatGPT 中推出。
将在免费版中提供 GPT-4o，并为 Plus 用户提供高达 5 倍的消息限制。
将在未来几周内在 ChatGPT Plus 中推出带有 GPT-4o 的 Voice Mode 的新版本。
开发者现在也可以通过 API 访问 GPT-4o 作为文本和视觉模型。
公告地址：https://openai.com/index/hello-gpt-4o/
🌟GPT-4o（“o”代表“全能”）
它可以接受任意组合的文本、音频和图像作为输入，并生成任意组合的文本、音频和图像输出。
它可以在 232 毫秒内响应音频输入，平均为 320 毫秒，这与人类在对话中的响应时间相似。
在英文和代码文本方面，它与 GPT-4 Turbo 的性能相当，对非英语文本的文本有显著改进。
同时在 API 方面更快速、价格更便宜 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面表现特别出色。
与 GPT-4 Turbo 相比，GPT-4o 速度提高了 2 倍，价格减半，限制速率提高了 5 倍。
🌟何时可用？
GPT-4o 的文本和图像功能今天开始在 ChatGPT 中推出。
将在免费版中提供 GPT-4o，并为 Plus 用户提供高达 5 倍的消息限制。
将在未来几周内在 ChatGPT Plus 中推出带有 GPT-4o 的 Voice Mode 的新版本。
开发者现在也可以通过 API 访问 GPT-4o 作为文本和视觉模型。
公告地址：https://openai.com/index/hello-gpt-4o/
和@歸藏 一起视频会议看完 OpenAI 的发布，讨论了一会，背脊发凉…
1️⃣ 没想到卷推理卷到了这种程度😨 现实交流场景下300ms 左右的体验奇点真没想到就这样被越过了，真技术驱动、大力出奇迹
2️⃣ OpenAI 严格按照去往数据更多的地方的战略一骑绝尘，AI 的信仰真不假
3️⃣ 要取代的是人和现实世界交互的器官（眼、耳、口）。人真变成API ，细思极恐，例如 OpenAI完全可以用自己的机器人去和心理咨询师、律师、专家、专业销售人员套数据 🤯 这个范式机会多如牛毛
4️⃣ 推理卷的狠越可能 Q* 已经实装（猜测，概率低）
5️⃣ OpenAI在合成数据领域积累好深，工程化能力和我当年近距离了解的 Dota2 团队的思路如出一辙。将结果智慧用到了极致
6️⃣ 反而，原生多模态带来的效果、可能的抽帧处理都在预期之中
7️⃣ Elo 分很客观，别听 Sam 早期说要做工具，他就是想欺骗人所认识的世界（或者是就是人的等价物/API，硅基“人”）。世界只有极少人会用复杂推理来压测模型。更别提他们还有agent成果攥着（猜测，概率大）
开的是潘多拉魔盒，造的是“神”🫣
1️⃣ 没想到卷推理卷到了这种程度😨 现实交流场景下300ms 左右的体验奇点真没想到就这样被越过了，真技术驱动、大力出奇迹
2️⃣ OpenAI 严格按照去往数据更多的地方的战略一骑绝尘，AI 的信仰真不假
3️⃣ 要取代的是人和现实世界交互的器官（眼、耳、口）。人真变成API ，细思极恐，例如 OpenAI完全可以用自己的机器人去和心理咨询师、律师、专家、专业销售人员套数据 🤯 这个范式机会多如牛毛
4️⃣ 推理卷的狠越可能 Q* 已经实装（猜测，概率低）
5️⃣ OpenAI在合成数据领域积累好深，工程化能力和我当年近距离了解的 Dota2 团队的思路如出一辙。将结果智慧用到了极致
6️⃣ 反而，原生多模态带来的效果、可能的抽帧处理都在预期之中
7️⃣ Elo 分很客观，别听 Sam 早期说要做工具，他就是想欺骗人所认识的世界（或者是就是人的等价物/API，硅基“人”）。世界只有极少人会用复杂推理来压测模型。更别提他们还有agent成果攥着（猜测，概率大）
开的是潘多拉魔盒，造的是“神”🫣
刚推上看见一个牛逼的东西，一个薅GPU羊毛的地方：中国算力网
C²NET是中国国家算力网，连接了深圳、武汉、成都、西安、中原、南京、杭州等多地人工智能计算中心。
里面的算力约70%的机时对外开放共享
看了下A100，9个积分/卡时，每天前30分钟免费，做任务还送积分，积分可以直接兑换算力，登录就送50积分。
里面还有很多模型和数据集可以下载。
传送门：openi.pcl.ac.cn
C²NET是中国国家算力网，连接了深圳、武汉、成都、西安、中原、南京、杭州等多地人工智能计算中心。
里面的算力约70%的机时对外开放共享
看了下A100，9个积分/卡时，每天前30分钟免费，做任务还送积分，积分可以直接兑换算力，登录就送50积分。
里面还有很多模型和数据集可以下载。
传送门：openi.pcl.ac.cn
李开复说，他们最早上线的生产力产品，ROI 已经可以做到 1 了。
也就是说，他们从用户手中收到的订阅费，已经低于获取用户的成本加 GPU 的成本。
他还说，单这款产品，今年应该会有一个亿的收入，有近千万用户。
这款神秘的产品，据说就是PopAi：
一款“专为知识工作者、研究人员和学生设计”的一站式个人AI工作空间，主打无缝集成聊天、阅读、写作、创作等工作需求。
PopAi在去年8月推出，在5个月内升级了20个版本。今年1月，PopAi的用户已经达到了150万，其中超30万是学生用户。
这篇是在微信里搜到最详细的一篇报道，作者当时都还不知道PopAi是零一家的：
