#AI创新

avatar
木头姐卖出 $NVDA 买入 $BABA 和 $BIDU ，采访马上就找了。 总结一下她的观点： - 中美科技竞争是利好，推动AI创新 - 支持H-1B签证，需全球人才保持竞争力 - 看好中国AI公司（如百度、阿里），ARK重启持仓 - 欧洲/英国资金流入强，创新投资热 - TikTok案特殊，相信会谈好协议 - 比特币领导货币革命，虽然最近回调了，但长期潜力大
#木头姐 #NVDA #baba #BIDU #中美科技竞争 #AI创新 #H-1B签证 #中国AI公司
avatar
nano-banana的更新，是一个AI创新的历史性节点。 这个模型揭开了一块AI行业的一块遮羞布。 所有能打的AI绘画模型，不是产品的原因， 仅仅是因为不懂业务，只看需求！ 他们认为，客户的需求很重要， 于是追求完成这个需求。 但是完成这个需求，需要扎实的业务功底。 和一个巨长的业务执行流程，整个路径非常复杂。 相当于让一个种地的老汉，去米其林后厨做一份牛排。 大厂同行：都在追求炫酷的简单输入，炫技输出。 领导很兴奋，员工跑断腿，效果打折，周期创作周期巨长。实际在业务上，能解决的问题非常有限，业务识别空缺，导致模型产品化路径的曲折。 总是研究的放后面，能引发话题的放前面。 废了一百年的努力，做出来一个半吊子东西。 结果：小白骂娘，从业者骂娘，营销号捧上天，消费者寥寥无几。 小厂同行：技术实力不足，资源不足，使了大劲满足一点点需求，还需要强大的知识探索欲，技术实践成本高，花几个月时间，巨大资金成本解决一个小问题。有一部分使用基础，熊瞎子劈苞米，消费者丢一群再拉一群。迭代根本没法持续覆盖。 结果：学会的用烦了，没学会的又很难学会。 开源同行：应用做了七七八八，精神世界满足开花，加起来服务没几十万人，全都是赚到钱没给开源创作者花。模型迭代一次，坟头高一尺，没准哪个模型出来，过去的技术根本没有迭代的必要。 结果：有道义的同行人，纷纷跳坑，只剩下几个孤儿。 懂业务，是做AI的前提。 我很早就说过，2023年我之所以用AI绘画， 是因为我要画分镜，我们花了大量的努力， 在2024年初就实现了和名人合影，训练一致性模型。 很多现在简单的功能在一年多前都可以实现， 不懂业务的人，连看都看不懂。 今天nano-banana每一个功能都是直切业务核心点的。 他不是单纯的一个模型技术的更新。 论修改，其实有很多了，方法也有很多。 但是这个模型，一次性把所有的业务关窍打通了。 其实sora已经很厉害， 但是sora对业务的覆盖没那么全面。 几个月前，很多谷子店类的供应商， 都开始用sora做业务内容了。 但限制很多，可是从我们对模型理解来说， 开源模型是技术瓶颈， 但是对于sora这些模型，有些业务细分， 不应该是这个模型的瓶颈。 举个简单的例子，让柯南从空手到拿一枝花没有问题。 但是你让一个手办，手上多一个东西却非常难。 从业务的角度讲，这件事其实一点不难。 可sora就是不给你优化， 是技术不到位吗？MJ那么简单的操作，实现不了吗？ 完全就是对业务理解的偏差。 那么我们再举一个MJ的例子， 这个模型的审美水平强不强？ 说实话，一年以前， 我们就可以用这个模型来实现多视角服装模特了。 还有仿真人的虚拟真人角色创建。 但是技术实现上非常讨巧， 至今可能没人能做到， 我们也不愿意把这些东西传播出去。 但大多数人的视野里，是看不到MJ模型本身的能力的。 MJ公司追求的什么我也不知道， 就知道他们在不断的做，跟业务贴边的东西， 就是不好好优化，导致这个模型的二次修正特别多。 我再说一遍，上面两个问题，不是模型能力不行， 就是公司对各行各业需求的业务不理解。 谷歌证明给你们看了，谁也不需要反驳， 站着挨打就完事了。
#AI创新 #nano-banana #业务理解 #AI绘画 #模型优化
avatar
AI Will
3个月前
🔥 视频号直播预告：硅谷AI新品、技术趋势与创新浪潮深度解析！ 与天际资本创始人张倩一起探讨： - 最新AI模型、产品与Agent系统迭代节奏 - AI原生应用如何颠覆传统行业？ - 投资人如何找到AI下一个"iPhone时刻" 北京时间2025.06.07上午10点见！👇
#AI创新 #硅谷趋势 #直播预告 #技术解析 #投资机会 #行业颠覆
avatar
OpenAI针对个人用户，还有memory。
#OpenAI #个人用户 #记忆功能 #科技发展 #AI创新
avatar
90后挑起AI创新大梁，徐汇这场总决赛的最年轻参赛者出生...
#AI创新 #90后 #徐汇 #总决赛 #人工智能
avatar
装库科技AI创新成果发布会圆满落幕，AI驱动房产数字化升...
#装库科技 #AI创新 #房产数字化 #AI驱动 #成果发布会
avatar
Yangyi
8个月前
如何利用perplexity进行市场规模预估 雷军曾经在一个创业分享上说，创业一定要Go to Big Market. 所以我们在开始一个业务之前，往往会先做宏观市场规模预估，计算一下市场天花板 通过市场规模*品牌渗透率，来计算出一个业务ARR目标 当AI出现后，我们可以快速利用AI收集信息，并利用费米估算，来计算出市场规模 这里我推荐使用perplexity进行查询，因为数据可以溯源 以下是一个我在了解KET/PET市场规模的实践： 1、向perplexity直接询问KET/PET的学习人数 会发现数据不太一样，一个说15万，一个说百万 2、接下来，让它用费米估算来预估参与人数 发现提供了一个基础数据，小初学员1.6亿 用这个来乘以参与率，就能估算出参与人数 3、最后，乘以市场客单价，就能预估出市场规模（比如大概知道1年一个用户能付7，8千） 4、这里面可以用一些其他行业的数据来类比修正，比如大概知道参与率不会是10%，很可能是1%或者2%左右，最终会修复到和实际规模相似 5、计算出规模大概可能是15-20亿上下，然后你可以设想一下，你的产品如果能做到市场前3，按照531来计算，如果你是第三名，算10%，天花板就是1.5-2亿的规模 ------ 平时关注宏观benchmark，有助于提高费米估算的准确性
#市场规模预估 #perplexity #AI创新 #创业分享 #宏观市场