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
宁德时代有参与机器人领域，主要体现在以下几个方面：
• 内部自研：宁德时代21C创新实验室已成立20人左右团队自研机械臂，团队目前的研发方向主要集中在机械臂与移动机器人上，在机器人本体研发方面已成功申请10项与机器人相关的专利。
• 联合开发：宁德时代未来能源研究院在2023年向上海交大发布五个智能机器人联合攻关合作项目，分别为腿足式机器人、双足式机器人、重载四足机器人、仿人机器人、视觉伺服机器人。
• 外部引入或投资：2024年宁德时代已接触包括智元机器人在内的多家人形机器人公司，并在电池工厂测试验证人形机器人，同时尝试投资人形机器人企业，其副董事长李平创办的柏睿资本投资了千寻智能。
• 内部自研：宁德时代21C创新实验室已成立20人左右团队自研机械臂，团队目前的研发方向主要集中在机械臂与移动机器人上，在机器人本体研发方面已成功申请10项与机器人相关的专利。
• 联合开发：宁德时代未来能源研究院在2023年向上海交大发布五个智能机器人联合攻关合作项目，分别为腿足式机器人、双足式机器人、重载四足机器人、仿人机器人、视觉伺服机器人。
• 外部引入或投资：2024年宁德时代已接触包括智元机器人在内的多家人形机器人公司，并在电池工厂测试验证人形机器人，同时尝试投资人形机器人企业，其副董事长李平创办的柏睿资本投资了千寻智能。
Genmo - 更具创造性！使用文本指令编辑图像和视频
Genmo 更具创造性！使用文本指令编辑图像和视频
链接：
https://www.genmo.ai/
#Ai工具推荐
Genmo 更具创造性！使用文本指令编辑图像和视频
链接：
https://www.genmo.ai/
#Ai工具推荐
Genmo
Genmo. The best open video generation models.
Genmo trains the world's best open video generation models. Create incredible videos with AI at Genmo
阿里、腾讯、红杉投资的机器人产业相关企业如下：
• 阿里：投资了位于深圳的人形机器人初创企业逐际动力，通过旗下杭州灏月企业管理有限公司持有该公司约18.8%的股份。
• 腾讯：投资了普渡机器人，为其技术研发与市场推广提供支持。还投资了优必选科技，通过Image Frame及深圳腾讯分别持股5.59%、0.89%，共持有优必选6.48%的股份。
• 红杉：领投了具身人工智能公司「swiss-mile」，该公司专注于具身智能机器人研发。投资了Physical Intelligence公司，这家公司由斯坦福大学和加州大学伯克利分校的顶尖教授联手创立，
目标是开发能为各种机械设备添加高级智能的软件。还投资了无锡弓望传感技术有限公司，该公司专注于电感式位置传感器研发生产，产品应用于机器人关节等领域。
除了上述提到的，京东和美团投资的机器人产业相关企业还有：
京东
• 稳石机器人：京东物流与稳石机器人合作，稳石机器人从AMR机器人和机器人集群调度出发，与京东共同服务了多个行业标杆客户。
美团
• 立镖机器人：是一家专注于物流机器人研发与应用的企业，其产品在物流仓储等场景中能实现高效的货物搬运和分拣等功能。
• 未来机器人：专注于工业无人车辆的研发与制造，为工业物流场景提供无人化运输解决方案，产品涵盖无人叉车、无人牵引车等。
• 九识智能：在机器人视觉识别、智能感知等技术领域有深入研究，其技术可应用于各类机器人，提升机器人对环境的感知和理解能力。
• 非夕机器人：专注于研发自适应机器人，产品在柔性生产、精密装配等领域具有广泛应用，能够适应不同的生产任务和环境变化。
• 史河科技：特种机器人公司，在建筑外墙清洁、高空作业等特种作业领域的机器人研发和应用方面有一定的技术优势。
• 法奥意威：协作机器人公司，其协作机器人具有安全、灵活、易用等特点，可广泛应用于工业生产、科研教育等领域，与人类工作人员协同完成任务。
• 阿里：投资了位于深圳的人形机器人初创企业逐际动力，通过旗下杭州灏月企业管理有限公司持有该公司约18.8%的股份。
• 腾讯：投资了普渡机器人，为其技术研发与市场推广提供支持。还投资了优必选科技，通过Image Frame及深圳腾讯分别持股5.59%、0.89%，共持有优必选6.48%的股份。
• 红杉：领投了具身人工智能公司「swiss-mile」，该公司专注于具身智能机器人研发。投资了Physical Intelligence公司，这家公司由斯坦福大学和加州大学伯克利分校的顶尖教授联手创立，
目标是开发能为各种机械设备添加高级智能的软件。还投资了无锡弓望传感技术有限公司，该公司专注于电感式位置传感器研发生产，产品应用于机器人关节等领域。
除了上述提到的，京东和美团投资的机器人产业相关企业还有：
京东
• 稳石机器人：京东物流与稳石机器人合作，稳石机器人从AMR机器人和机器人集群调度出发，与京东共同服务了多个行业标杆客户。
美团
• 立镖机器人：是一家专注于物流机器人研发与应用的企业，其产品在物流仓储等场景中能实现高效的货物搬运和分拣等功能。
• 未来机器人：专注于工业无人车辆的研发与制造，为工业物流场景提供无人化运输解决方案，产品涵盖无人叉车、无人牵引车等。
• 九识智能：在机器人视觉识别、智能感知等技术领域有深入研究，其技术可应用于各类机器人，提升机器人对环境的感知和理解能力。
• 非夕机器人：专注于研发自适应机器人，产品在柔性生产、精密装配等领域具有广泛应用，能够适应不同的生产任务和环境变化。
• 史河科技：特种机器人公司，在建筑外墙清洁、高空作业等特种作业领域的机器人研发和应用方面有一定的技术优势。
• 法奥意威：协作机器人公司，其协作机器人具有安全、灵活、易用等特点，可广泛应用于工业生产、科研教育等领域，与人类工作人员协同完成任务。
如果想入门了解LLM的话必看这个视频
没有技术背景也可以看懂
详细介绍 LLM 训练的全部过程，包括预训练、有监督微调和强化学习
视频是23年十月那个视频的强化版本，讲的更加详细
这里有我用Gemini总结的详细目录和完整视频翻译：https://mp.weixin.qq.com/s/NJjfSQHRHX4uvG5dZJCswQ
金石成长股权投资（杭州）合伙企业（有限合伙）的详细资料如下：
• 基本信息：成立于2023年7月27日，执行事务合伙人为常军胜，注册资本32.8亿元人民币，经营范围为股权投资。
• 股东信息：由中信证券全资子公司金石投资有限公司、金发科技、卧龙电驱等共同持股。
• 投资策略：作为专注于科技创新领域的投资基金，致力于挖掘和培育具有高增长潜力的创新型企业，注重长期价值投资，通过为企业提供资金支持和战略指导，助力企业实现快速成长。
• 对外投资：投资了宇树科技、兰溪致德新能源材料有限公司等，对宇树科技的持股比例曾达5%，后变为4.62%，对兰溪致德新能源材料有限公司是在其2024年工商变更时新增为股东。
• 基本信息：成立于2023年7月27日，执行事务合伙人为常军胜，注册资本32.8亿元人民币，经营范围为股权投资。
• 股东信息：由中信证券全资子公司金石投资有限公司、金发科技、卧龙电驱等共同持股。
• 投资策略：作为专注于科技创新领域的投资基金，致力于挖掘和培育具有高增长潜力的创新型企业，注重长期价值投资，通过为企业提供资金支持和战略指导，助力企业实现快速成长。
• 对外投资：投资了宇树科技、兰溪致德新能源材料有限公司等，对宇树科技的持股比例曾达5%，后变为4.62%，对兰溪致德新能源材料有限公司是在其2024年工商变更时新增为股东。
Stable Audio - Stability Al最新推出的音乐生成工具
Stable Audio Stability Al最新推出的音乐生成工具
链接：
https://www.stableaudio.com/
#Ai工具推荐
Stable Audio Stability Al最新推出的音乐生成工具
链接：
https://www.stableaudio.com/
#Ai工具推荐
Brett Adcock详细资料
个人信息：英文名Brett Adcock，1986年出生，在伊利诺伊州莫瓦卡小镇外的一个农场长大，毕业于佛罗里达大学。
创业经历：大学毕业后创立StreetofWalls.com和Working App两大内容平台。26岁时创立基于AI的猎头公司Vettery。2018年，创立阿彻航空有限公司，生产全电动垂直起降飞机。2022年5月，从阿彻航空董事会辞职，创立Figure AI。
人物观点：认为5年内，机器人将被部署在一些全球最大品牌的商业应用中，从而创造一个潜在价值数十亿美元的产业；还认为需要在AGI之前弄清楚人形机器人，从机器人身上获取的信息，对于实现AGI的最后一大难题极为重要。
最新动态：当地时间2025年2月4日，宣布Figure决定终止与OpenAI合作，将完全自主研发端到端机器人AI模型。
个人信息：英文名Brett Adcock，1986年出生，在伊利诺伊州莫瓦卡小镇外的一个农场长大，毕业于佛罗里达大学。
创业经历：大学毕业后创立StreetofWalls.com和Working App两大内容平台。26岁时创立基于AI的猎头公司Vettery。2018年，创立阿彻航空有限公司，生产全电动垂直起降飞机。2022年5月，从阿彻航空董事会辞职，创立Figure AI。
人物观点：认为5年内，机器人将被部署在一些全球最大品牌的商业应用中，从而创造一个潜在价值数十亿美元的产业；还认为需要在AGI之前弄清楚人形机器人，从机器人身上获取的信息，对于实现AGI的最后一大难题极为重要。
最新动态：当地时间2025年2月4日，宣布Figure决定终止与OpenAI合作，将完全自主研发端到端机器人AI模型。
昨天用DeepSeek R1+Cursor快速开发了一个可以调用API实现和deepseek r1对话的网站：https://ds.huasheng.ai/ 用于解决最近deepseek官网服务不稳定的问题，PC端和移动端都有做适配。
现在看流量已经有开始小爆的趋势了
现在看流量已经有开始小爆的趋势了
AI 特效系列持续更新中～！这个系列会一直探索一些有趣的 AI 特效并附加教程视频。
本期做变装踩点，视频没有任何实拍镜头～
By: 我 & @Simon_阿文
▶ 图像：Midjourney、Photoshop、Krea
▶ 视频：可灵
▶ 剪辑：剪映
Invalid media: video
本期做变装踩点，视频没有任何实拍镜头～
By: 我 & @Simon_阿文
▶ 图像：Midjourney、Photoshop、Krea
▶ 视频：可灵
▶ 剪辑：剪映
Invalid media: video
每个人只要像聊天一样输入自己的问题，就能收获其他AI改半天提示词也达不到的效果。
于是我就想，免费的deepseek 就能搜成这样了，又要付费的perplexity干嘛呢？
2、
但实际情况却是，perplexity 不仅很快就引入了deepseek r1，而且成为了所有引入deepseek 的产品中速度最快和效果最惊艳的。
所以，在 deepseek 没有限制联网之前，我就重新换回perplexity了。
确实没想到，perplexity 的产品力恐怖如斯。无论模型层有多大进步，都能快速转化成自己的能力，让搜索效果更好，让用户体验更佳。
回到技术路线问题上，个人认为perplexity这种「不会被模型进步干掉，反而是模型越强我越强」架构，反倒更值得追求。
3、
在企业领域，在“模型越强我越强”方面做得最好的，当属美国AI ToB当红炸子鸡Palantir 家的Ontology 。
什么是Ontology？
2021年的Demo Day上，Palantir曾宣称，他们能在几个小时内，自动整合完公司各部门数据，形成整个公司的“数字分身”（digital twin）。而这，就是Ontology。
时间来到2023 年，Palantir与时俱进推出的AIP，更是直接将先进的AI模型（如ChatGPT）与Ontology框架结合，进一步简化操作，增强客户基于全面、实时洞察做决策的能力。
当年第四季度，Palantir 就在报告里说，美国商业收入同比增长70%，这主要得益于AIP的成功推出和市场需求……
4、
虽然，目前还没有消息说Palantir 要AIP里引入deepseek，但我敢确信，只要跟Ontology框架结合，就一定会有超预期的效果。
理由无他，只是因为Ontology 跟deepseek 等头部AI 太配了。
如果说互联网产品的工作机制是"预设路径下的功能调用”，那么生成式AI产品则是“上下文感知下的动态生成”。
AI负责感知和生成，Ontology则主攻“上下文”。
这个“上下文”有多重要呢？就像在现实生活中，我们绝不允许医生在不看任何病历资料的情况下就匆忙开药，就算是华佗在世也不行。
想要AI 生成准确的结果，就要提供详尽如“检查报告、过往病史和家族病史”的上下文。否则，再强的AI 在手，也只能空叹“庸医误人”。
5、
所以，Ontology 是如何解决「大模型们缺乏有效上下文」问题的呢？
太技术的内容，先不做展开。我就拿自己比较熟悉的影视行业，举个例子吧：
【before】
在没有 Ontology 之前，创作素材和各方意见散落各处，形成 “信息孤岛”，导致沟通成本极高。
据一位非常资深的行业专家估计，行业里70%以上时间，都耗费在信息沟通上。
很多时候，由于缺失太多必要的背景信息，最强的AI 也无法提供足够有针对性的帮助。
【after】
而引入Ontology后，可整合项目各种数据，动态链接关联，形成 “智能故事大纲”。
这时，AI就像是一位对项目了如指掌的老编剧，无需反复解释背景，一句话便可切中要害。
因为，在它面前，角色性格、人物关系、剧情走向等关键信息都烂熟于心，给“一个眼神”就能指哪儿打哪儿。
更重要的是,这份"智能故事大纲"就像一张实时共享的创作地图。
过去，大家找剧本最新版本可能要翻邮件，理解人物关系可能要翻会议记录，琢磨角色性格可能要翻讨论记录，很容易陷入信息的迷宫里兜圈子。
现如今，有了这张统一的地图，所有参与方都能一目了然地看到项目全貌，把更多原先用在找资料、对进度上的时间，投入到打磨内容上。
6、
可见，Ontology的价值，不止是“模型越强我越强”的保障，更是连接AI与业务的桥梁。
有了这座桥，AI才能真正读懂企业的业务场景，访问到关键信息，进而提供真正有价值的输出。
当然，要搭建这个桥梁，不仅是技术工程，更是组织工程。比如，AI团队必须从独立的技术孤岛，进化成连接各业务部门的纽带。
只有让AI专家真正理解业务痛点，让业务人员切实参与AI应用设计，才能确保AI项目既有技术可行性，又有业务价值。
———
最后，期待多多交流，一起啃下这两块硬骨头。
于是我就想，免费的deepseek 就能搜成这样了，又要付费的perplexity干嘛呢？
2、
但实际情况却是，perplexity 不仅很快就引入了deepseek r1，而且成为了所有引入deepseek 的产品中速度最快和效果最惊艳的。
所以，在 deepseek 没有限制联网之前，我就重新换回perplexity了。
确实没想到，perplexity 的产品力恐怖如斯。无论模型层有多大进步，都能快速转化成自己的能力，让搜索效果更好，让用户体验更佳。
回到技术路线问题上，个人认为perplexity这种「不会被模型进步干掉，反而是模型越强我越强」架构，反倒更值得追求。
3、
在企业领域，在“模型越强我越强”方面做得最好的，当属美国AI ToB当红炸子鸡Palantir 家的Ontology 。
什么是Ontology？
2021年的Demo Day上，Palantir曾宣称，他们能在几个小时内，自动整合完公司各部门数据，形成整个公司的“数字分身”（digital twin）。而这，就是Ontology。
时间来到2023 年，Palantir与时俱进推出的AIP，更是直接将先进的AI模型（如ChatGPT）与Ontology框架结合，进一步简化操作，增强客户基于全面、实时洞察做决策的能力。
当年第四季度，Palantir 就在报告里说，美国商业收入同比增长70%，这主要得益于AIP的成功推出和市场需求……
4、
虽然，目前还没有消息说Palantir 要AIP里引入deepseek，但我敢确信，只要跟Ontology框架结合，就一定会有超预期的效果。
理由无他，只是因为Ontology 跟deepseek 等头部AI 太配了。
如果说互联网产品的工作机制是"预设路径下的功能调用”，那么生成式AI产品则是“上下文感知下的动态生成”。
AI负责感知和生成，Ontology则主攻“上下文”。
这个“上下文”有多重要呢？就像在现实生活中，我们绝不允许医生在不看任何病历资料的情况下就匆忙开药，就算是华佗在世也不行。
想要AI 生成准确的结果，就要提供详尽如“检查报告、过往病史和家族病史”的上下文。否则，再强的AI 在手，也只能空叹“庸医误人”。
5、
所以，Ontology 是如何解决「大模型们缺乏有效上下文」问题的呢？
太技术的内容，先不做展开。我就拿自己比较熟悉的影视行业，举个例子吧：
【before】
在没有 Ontology 之前，创作素材和各方意见散落各处，形成 “信息孤岛”，导致沟通成本极高。
据一位非常资深的行业专家估计，行业里70%以上时间，都耗费在信息沟通上。
很多时候，由于缺失太多必要的背景信息，最强的AI 也无法提供足够有针对性的帮助。
【after】
而引入Ontology后，可整合项目各种数据，动态链接关联，形成 “智能故事大纲”。
这时，AI就像是一位对项目了如指掌的老编剧，无需反复解释背景，一句话便可切中要害。
因为，在它面前，角色性格、人物关系、剧情走向等关键信息都烂熟于心，给“一个眼神”就能指哪儿打哪儿。
更重要的是,这份"智能故事大纲"就像一张实时共享的创作地图。
过去，大家找剧本最新版本可能要翻邮件，理解人物关系可能要翻会议记录，琢磨角色性格可能要翻讨论记录，很容易陷入信息的迷宫里兜圈子。
现如今，有了这张统一的地图，所有参与方都能一目了然地看到项目全貌，把更多原先用在找资料、对进度上的时间，投入到打磨内容上。
6、
可见，Ontology的价值，不止是“模型越强我越强”的保障，更是连接AI与业务的桥梁。
有了这座桥，AI才能真正读懂企业的业务场景，访问到关键信息，进而提供真正有价值的输出。
当然，要搭建这个桥梁，不仅是技术工程，更是组织工程。比如，AI团队必须从独立的技术孤岛，进化成连接各业务部门的纽带。
只有让AI专家真正理解业务痛点，让业务人员切实参与AI应用设计，才能确保AI项目既有技术可行性，又有业务价值。
———
最后，期待多多交流，一起啃下这两块硬骨头。
春节期间这波AI热潮，注定会从餐桌前的谈资，延续到办公桌上的行动计划。
可以预见，开工之后，会有越来越多的企业，抱着"有枣没枣打一杆"的心态，开始规划AI项目。
就像当年的互联网转型一样，AI似乎也开始成为了企业升级的必答题。
一、两块硬骨头
不过，对于众多蠢蠢欲动的AI团队来说，要想在年终考核时达成KPI，有两块硬骨头必须啃下来:
1、选择合适的技术路线。
此时的AI发展态势，恰如彼时的田径史:
四分钟跑完一英里，曾被认为是人类的生理极限。直到罗杰·班尼斯特以3分59.4秒打破这个纪录。一旦心理障碍被打破，随之而来的就是一连串的突破。这个纪录仅仅维持了46天，就被约翰·兰迪刷新至3分57.9秒。
今天的AI领域，正经历着类似的历史时刻。DeepSeek的突破，就像是AI界的“班尼斯特时刻”，打破了发展的心理藩篱。加上开源浪潮的推动，AI技术迭代正在加速。
在这样的关键节点上，选择技术路线不仅要考虑当下的技术成熟度，更要预判未来的发展方向。押对了，就能在技术浪潮中占得先机；押错了，可能需要付出数倍的代价重新开始。
2、其次是从成本中心转变为利润中心。
不然，等到下一轮"降本增效"来临时，AI团队往往是第一批被"优化"的对象。
前两年，很多AI团队之所以难以成为利润中心，症结往往不在AI商业化本身，而在于对技术与业务融合的理解过于肤浅。不少团队陷入了技术中心主义的误区，以为掌握了算法就等于掌握了价值创造的钥匙。
这种情况下，AI团队往往成为企业内的技术孤岛，整天研究最新的算法和模型，却很少了解业务痛点。双方就像说着不同语言的两个群体，AI团队滔滔不绝地讲着技术术语，而业务人员只关心问题能否解决、成本和风险。
这种割裂，最终会陷入恶性循环。AI团队为证明价值不断追求技术指标提升，却始终无法解决实际业务问题。业务部门见不到效果，就更不愿投入资源支持，进一步加剧了双方的隔阂……
二、两类参考答案
针对技术路线的问题，我春节期间看到最好的参考答案是perplexity。
1、
我原本以为，perplexity 很快会被联网版的deepseek r1 取代。
因为deepseek 足够强的推理加上实时的联网，就把提示词的门槛给打了下来。
