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
最近国家数据局给出的统计数据是，3月中国日均Token调用了超过140万亿。
昨天晚点LatePost又发了报道，字节豆包大模型的日均Token调用量在3月超过了100万亿。
我们假设两个数据都是成立的，那么岂不是豆包一家就占到了中国大模型整体消耗量的70%以上？
当然豆包大模型也可以有海外的调用量，但从市场表现来看，不会太多。
再就是口径问题，豆包的100万亿日均调用量，出自火山引擎，这个相对来说是比较清晰的。
国家数据局和其他政府机构一样，基本只给结论，不谈样本，用常识判断的话，它的信息是各家大模型公司上报过去的，没有自己的统计渠道。
所以就造成了解读上的不够精确：
全中国140万亿的日均调用量，是基于什么汇报口径？
同样是Tokens消耗，模型App是一个数，模型底座是一个数，云又是另一个数，而且云还得看是不是MaaS⋯⋯
不说清楚的话，理解偏差就会很大。
当然豆包模型的消耗占比偏大的原因也有合理性，就是全模态，同样是用ChatBot，你搁那问五分钟的交互消耗，和跟豆包打语音开视频相比，区别不是一般的大。
这也是豆包比较「占便宜」的地方，按照AI时代的北极星指标要从月活/日活变成用量这个暴论的说法，豆包和其他国产大模型的差距，比月活/日活的差距是要更大的。
火山引擎还提了一个点，就是Seedance模型在被广泛用在AI漫剧产业，AI漫剧的制作商在投入上相对充裕，从即梦等2C产品用户使用Seedance排队越来越痛苦也能察觉到，字节是在优先保障企业级付费用户的使用，叠加起来就是「极大带动了Token的消耗增长」。
但Seedance应该不会算在豆包大模型的调用量里，这个可以排除。
总之豆包这闷声上大分的成绩，是有点细思恐极的，不怕兄弟苦，就怕兄弟开路虎啊。
昨天晚点LatePost又发了报道，字节豆包大模型的日均Token调用量在3月超过了100万亿。
我们假设两个数据都是成立的，那么岂不是豆包一家就占到了中国大模型整体消耗量的70%以上？
当然豆包大模型也可以有海外的调用量，但从市场表现来看，不会太多。
再就是口径问题，豆包的100万亿日均调用量，出自火山引擎，这个相对来说是比较清晰的。
国家数据局和其他政府机构一样，基本只给结论，不谈样本，用常识判断的话，它的信息是各家大模型公司上报过去的，没有自己的统计渠道。
所以就造成了解读上的不够精确：
全中国140万亿的日均调用量，是基于什么汇报口径？
同样是Tokens消耗，模型App是一个数，模型底座是一个数，云又是另一个数，而且云还得看是不是MaaS⋯⋯
不说清楚的话，理解偏差就会很大。
当然豆包模型的消耗占比偏大的原因也有合理性，就是全模态，同样是用ChatBot，你搁那问五分钟的交互消耗，和跟豆包打语音开视频相比，区别不是一般的大。
这也是豆包比较「占便宜」的地方，按照AI时代的北极星指标要从月活/日活变成用量这个暴论的说法，豆包和其他国产大模型的差距，比月活/日活的差距是要更大的。
火山引擎还提了一个点，就是Seedance模型在被广泛用在AI漫剧产业，AI漫剧的制作商在投入上相对充裕，从即梦等2C产品用户使用Seedance排队越来越痛苦也能察觉到，字节是在优先保障企业级付费用户的使用，叠加起来就是「极大带动了Token的消耗增长」。
但Seedance应该不会算在豆包大模型的调用量里，这个可以排除。
总之豆包这闷声上大分的成绩，是有点细思恐极的，不怕兄弟苦，就怕兄弟开路虎啊。
让 AI 好好干活儿，把事情做好，一句扔给它显然是不够的。一句来，一句去，会让 AI 陷入到细节。陪伴式地结对编程，对人的消耗也特别大。
最高效的方式是，将任务分成两个阶段，第一阶段打磨框架，第二阶段做精细化调优。
前者需要人类想清楚事情的目标，以及产品服务的供给方式，给 AI 做好任务规划，让它可以大把大把吃 token；后者需要对 AI 执行结果做编排和重构，更多是为了对齐人类目标和 AI 理解之间的偏差。
因此，对 AI 的管理，需要两块能力，一是需求管理能力，包含了对需求的分门别类、需求的拆解和细化、需求的优先级打标管理等，这是传统 PM/TL/PD 常干的事儿；二是让 AI 并行工作的能力，这会涉及到 AI 之间的合作与协同，AI 之间需要分派指令、执行任务、回馈结果，也需要经常性地解决冲突。
当每个人都配备多个 AI Agent
的时候，如何管理 AI 会是一门新的学问，德鲁克老爷子提出的很多思想，在 AI 时代又需要进化啦😄
@aigc1024
OpenClaw小龙虾🦞专属频道
@openclaw1024
最高效的方式是，将任务分成两个阶段，第一阶段打磨框架，第二阶段做精细化调优。
前者需要人类想清楚事情的目标，以及产品服务的供给方式，给 AI 做好任务规划，让它可以大把大把吃 token；后者需要对 AI 执行结果做编排和重构，更多是为了对齐人类目标和 AI 理解之间的偏差。
因此，对 AI 的管理，需要两块能力，一是需求管理能力，包含了对需求的分门别类、需求的拆解和细化、需求的优先级打标管理等，这是传统 PM/TL/PD 常干的事儿；二是让 AI 并行工作的能力，这会涉及到 AI 之间的合作与协同，AI 之间需要分派指令、执行任务、回馈结果，也需要经常性地解决冲突。
当每个人都配备多个 AI Agent
的时候，如何管理 AI 会是一门新的学问，德鲁克老爷子提出的很多思想，在 AI 时代又需要进化啦😄
@aigc1024
OpenClaw小龙虾🦞专属频道
@openclaw1024
😃 爆庄实录｜3天狂揽1086万U😃 新客首存1000，豪提120万U😃 500一拉，PG实力兑现133万U💵 亿万储备金，大额无忧
🇭🇰 香港六合彩,特码 55 倍
NVIDIA 自动驾驶路测——端到端 AI 与安全护栏的完美融合
核心架构：端到端模型（类人驾驶）+ 传统架构（安全护栏）双栈并行。
迭代效率：平均每天进行 7 次模型迭代，依托闭环仿真实现超高速进化。
生成式 AI：利用 Cosmos 平台合成极端场景数据，补齐长尾效应短板。
驾驶体验：系统已从单纯的“规则驱动”进化为具备“推理能力”的类人操作。
NVIDIA 正在证明，通过 AI 推理与底层安全逻辑的解耦，L3/L4 级别的自动驾驶正变得触手可及。
@aigc1024
OpenClaw小龙虾🦞专属频道
@openclaw1024
永久网址
👑 #球速体育 #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
👑 球速体育 大会员再创新高：
➡️ 泰国大老板百家乐存50万出512万 查看记录
➡️ 柬埔寨大盘总喜提42万u查看记录
➡️ 单笔提款530万全网独一档查看记录
🏆平台优势：
1️⃣ u存u提每日提款无上限，随便提、全球不限ip、免实名、无需绑定手机号码和银行卡
2️⃣ 平台
3️⃣ 每日存款彩金每日送，每笔存款加赠
🌐官网注册网址： qs1736.cc
✅福利频道：@qsty8999
⚽️体育赛事推单：@QSTY988
㊙️午夜剧场：@madoudp9
☎️vip客服专属热线，添加客服领取活动福利
🌐官网客服： @QSTY567
➡️双向用户点击：@qsty168168_bot
- OpenClaw 通过子进程完成复杂任务，多个任务串行排队，效率不高
- OpenClaw 的对话和记忆内容是存储在本地文件的，容易丢失，配置容易搞崩
我需要一个更好的方案来降低云端部署的成本，让更多人拥有自己的龙虾。
2. 随着微信 ClawBot 等入口的开放，使用 Agent 的用户会越来越多，不太可能每个用户都在自己的电脑部署一个 Agent，云端多租户是刚需。企业需要给员工分配 Agent，挂载知识库，统一管理。这些场景 OpenClaw 都不适合。
3. 要建摩天大楼，需要先打地基。OpenClaw 有很多优秀的设计可以参考，但是代码太臃肿，没办法在此基础上改架构，所以只能自己写。
------
FastClaw 还在初期阶段，堆了很多功能，还没来得及完整测试，需要点时间完善。期待有更多的朋友参与共建，做一个更好的 OpenClaw-Like 的 Agent OS 发行版。
MIT 协议开源，欢迎使用，感谢支持。
https://github.com/fastclaw-ai/fastclaw
- OpenClaw 的对话和记忆内容是存储在本地文件的，容易丢失，配置容易搞崩
我需要一个更好的方案来降低云端部署的成本，让更多人拥有自己的龙虾。
2. 随着微信 ClawBot 等入口的开放，使用 Agent 的用户会越来越多，不太可能每个用户都在自己的电脑部署一个 Agent，云端多租户是刚需。企业需要给员工分配 Agent，挂载知识库，统一管理。这些场景 OpenClaw 都不适合。
3. 要建摩天大楼，需要先打地基。OpenClaw 有很多优秀的设计可以参考，但是代码太臃肿，没办法在此基础上改架构，所以只能自己写。
------
FastClaw 还在初期阶段，堆了很多功能，还没来得及完整测试，需要点时间完善。期待有更多的朋友参与共建，做一个更好的 OpenClaw-Like 的 Agent OS 发行版。
MIT 协议开源，欢迎使用，感谢支持。
https://github.com/fastclaw-ai/fastclaw
别再把 AI 编程当玄学了，先把“上下文窗口 / 工具 / MCP / 工作流”这些最容易踩坑的东西讲清楚，还做成终端交互版 vimtutor，你甚至不用打开浏览器。
AITutor — 把 AI 编程工具的“底层常识”做成终端版 vimtutor
→ 15 节交互课：理论 + 可视化 + 小测，直接在终端跑
→ 主很刚需：context window、工具调用、MCP、plan vs execution
→ 适合 Cursor / Claude Code / Copilot 重度用户“补模型心智模型”
https://github.com/naorpeled/aitutor
@aigc1024
OpenClaw小龙虾🦞专属频道
@openclaw1024
AITutor — 把 AI 编程工具的“底层常识”做成终端版 vimtutor
→ 15 节交互课：理论 + 可视化 + 小测，直接在终端跑
→ 主很刚需：context window、工具调用、MCP、plan vs execution
→ 适合 Cursor / Claude Code / Copilot 重度用户“补模型心智模型”
https://github.com/naorpeled/aitutor
@aigc1024
OpenClaw小龙虾🦞专属频道
@openclaw1024
