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
😃 爆庄实录｜3天狂揽1086万U😃 新客首存6万U，豪提209万U😃 500一拉，PG实力兑现133万U
1.PG电子赏金女王一举斩获830万并成功提现
2.PA真人豪赢644万一路长虹一天实现暴富
3.PG电子爆890万并以成功提现实现财富自由
4.大哥在PA真人百家乐累计盈利突破1000万
大额出款额外奖励8888-128888，双重日存彩金128888+4688每日送，周流水彩金68888每周送，双重签到彩金16888+3888送不停
【 #182体育 全网独此一家】
公平、公正、公开、 信誉第一、服务第一
不限ip、 免实名、免绑卡、免绑手机号码
每日存款彩金每日送，每笔存款加赠1%
专属VIP客服：@vipkf_182ty8
体育赛事推荐：@VIP182TYTJ
双向用户点击： @vipkf_182ty2_bot
吃瓜搞笑：@chiguagaoxiaoxinwen
✅ 关注福利频道：@vip182ty888
之前听黄仁勋的演讲，其中提到一个点是作为负责商业化的人很感兴趣的事情：黄仁勋提到，当年他们给SEGA做的订单，他们失败了，黄仁勋只能厚着脸皮去和SEGA承认失败并且更厚着脸皮要SEGA按时付费。这对于从前一个主做C端、以噱头、炒作为主战场的人来说，是相当之难以理解的。
但今天，我们和一家国内算是数一数二的文旅集团合作，即使我们没有达成他们的理想目标（我们给他们调试的舞蹈动作还是会摔倒），他们仍然主动提出了要和我们签长期合同、希望把我们纳入他们的供应商名单中。为什么？因为只有我们提供了具身智能的运控基座模型，可以在五分钟内把他们想要的动作配置上机器人。全国仅此一家。即使效果并不是太好，其他家面对一个星期就要演出的要求都纷纷摇头，只有我们能适应他们快节奏的演出上新需求。
其实对我们老板我一直颇有微词。我觉得他登味儿重，不懂营销，不敢高举高打，不敢烧钱，而我恰好和他相反。但我仍然愿意留在这里，是因为我意识到他确实一直在坚持难而正确的事情，而且从三年前到现在一直在坚持，也并没有因为投资人、同行的融资新闻而被动摇。
相比起具身智能行业现在动辄就是百亿估值、一个月融资数亿元之类的故事，我们真的融资少得可怜，也低调的可怜。他动摇过吗？我觉得肯定的。我不知道他都经历过什么样的挣扎，但我看得到结果，他仍然坚定的不做本体，不画“世界模型”（即使我们真的把世界模型做出来了）的大饼、不做被追捧的机器人大脑，在今天推出了市面上最好的通用机器人运控系统。
以前在很多创业公司呆过，包括我自己的公司，我的态度基本都是投资人真傻x，这样的公司都能投这么多。
在这家公司，我仍然是觉得投资人傻x，但是傻x在居然只给我们投这么点。
当然，这也是我最喜欢的多空互道傻x环节。伟大的公司都是在非共识中崛起的。
@aigc1024
但今天，我们和一家国内算是数一数二的文旅集团合作，即使我们没有达成他们的理想目标（我们给他们调试的舞蹈动作还是会摔倒），他们仍然主动提出了要和我们签长期合同、希望把我们纳入他们的供应商名单中。为什么？因为只有我们提供了具身智能的运控基座模型，可以在五分钟内把他们想要的动作配置上机器人。全国仅此一家。即使效果并不是太好，其他家面对一个星期就要演出的要求都纷纷摇头，只有我们能适应他们快节奏的演出上新需求。
其实对我们老板我一直颇有微词。我觉得他登味儿重，不懂营销，不敢高举高打，不敢烧钱，而我恰好和他相反。但我仍然愿意留在这里，是因为我意识到他确实一直在坚持难而正确的事情，而且从三年前到现在一直在坚持，也并没有因为投资人、同行的融资新闻而被动摇。
相比起具身智能行业现在动辄就是百亿估值、一个月融资数亿元之类的故事，我们真的融资少得可怜，也低调的可怜。他动摇过吗？我觉得肯定的。我不知道他都经历过什么样的挣扎，但我看得到结果，他仍然坚定的不做本体，不画“世界模型”（即使我们真的把世界模型做出来了）的大饼、不做被追捧的机器人大脑，在今天推出了市面上最好的通用机器人运控系统。
以前在很多创业公司呆过，包括我自己的公司，我的态度基本都是投资人真傻x，这样的公司都能投这么多。
在这家公司，我仍然是觉得投资人傻x，但是傻x在居然只给我们投这么点。
当然，这也是我最喜欢的多空互道傻x环节。伟大的公司都是在非共识中崛起的。
@aigc1024
球速体育 大会员再创新高：
1.泰国大老板百家乐存50万出512万
2.斯里兰卡神秘大哥连续5天总提4000万+
3.实力盘总PA真人喜提990万一路爆红
4.pp电子糖果1000小注一拉爆出70万大奖
大额出款额外奖励8888-128888，双重日存彩金128888+4688每日送，周流水彩金68888每周送，双重签到彩金16888+3888送不停
【 #球速体育 安全有保障】
老品牌值得信赖、安全第一、保障第一
不限ip、 免实名、免绑卡、免绑手机号码
每日存款彩金每日送，每笔存款加赠1%
专属VIP客服： @QSTY567
体育赛事推单：@QSTY988
双向用户点击：@qsty168168_bot
午夜剧场：@ziweifancha7
✅ 关注福利频道：@qsty8999
老品牌 信誉高 佣金稳
代理合营频道：@QSTY321
1. hugohe( 3.1万 star) | 顶级天花板 👑
全场唯一正经做 PPT 的！元素全可编辑，自带音色克隆和旁白生成，纯纯降维打击。
🔗https://github.com/hugohe3/ppt-master/tree/main
2. 张咋啦
( 2.3 万 star)
顶级主观审美最佳，完成度极高！目前呈现为 HTML 格式，稍微考验一点使用者的基础。🔗https://github.com/zarazhangrui/frontend-slides/tree/main
3. 花叔
( 1.9 万 star)
顶级审美极佳，关键是能输出可编辑的 PPTX 格式！
🔗https://github.com/alchaincyf/huashu-design
4. 歸藏
( 1.5 万 star)
人上人瑞士风审美非常棒，自带快捷键，很适合线下分享。
🔗 https://github.com/op7418/guizang-ppt-skill
5. Lewis ( 6500 star)
功能设计十分贴心，自带计时器和逐字稿等实用组件。https://github.com/lewislulu/html-ppt-skill/tree/main
6. 宝玉 ( 2.2 万 star)
NPC风格偏可爱，主要以纯图片形式呈现。
🔗 https://github.com/JimLiu/baoyu-skills/tree/main/skills/baoyu-slide-deck
7. 乔木 ( 5400 star)
偏向于纯图片卡片的输出，更侧重于内容的初步呈现。
🔗 https://github.com/joeseesun/qiaomu-anything-to-notebooklm
@aigc1024
🔥欢迎各位老板加入i8国际娱乐城！
okpay上押500万u担保 放心赢
无需绑银行卡 无需绑手机号 不限ip
新人注册首充最高送
无限代理模式,业内最高佣金
👍资金安全保障，赢球更安心！
【人民币入口】 i89972.com
【 USDT入口 】 i8361.vip
【世界杯入口】 i83511.vip
i8国际娱乐平台 #i8 #世界杯 #真人 #PG电子 #棋牌 #捕鱼 #彩票 #百家乐
🔥 汇聚全球顶级赛事盘口
⚡️ 沙巴 · 熊猫 · 皇冠
💥 引爆世界杯巅峰竞猜热潮！
懂的都懂 · 老用户继续来吧，只做实力
🏆3月某盘口老板当天提现63万USDT
🏆3月某盘口老板再次实力喜提350万USDT
🏆3月某会员充值50000U提现2700000U
💎 储备金亿U · 实力护航 · 长久稳定运营
点击有惊喜
关注
掌握东南亚一线动态，看清风向料定先机。每周抽取100名TG会员，发言积分兑
🏆庆世界杯投注额🏆
🔥突破千万 USDT 🔥
🎁每日 福利 奖池🎁
⚽️ 免费竞猜｜ 猜中领红包
💸 福利不断｜ 每日群红包
🎊 拉新｜📢 分享｜📈 跟单奖励
👉 立即体验：@WJTY
😃 😃 😃 😃 😃 😃 😃 😃 😀 体育首周包赔体验！😀 开赛日免费领😀 😀 启动金⚽️ 赛事竞猜瓜分😀 😀 😀 😀 😀 😀 😀 😀 😁 全新代理模式佣金高达😀 😀 🫤
大事件 体育馆 吃瓜偷拍
商家群 小说区 无码传媒
——————————————————
——————————————————
#G7环球 #G7环球娱乐 #世界杯
分享一个非常有见解的播客：
🎧 Benedict Evans: OpenAI的护城河问与软件的未来
https://n6bwspkmfz.feishu.cn/docx/L6bVdKQyKoTD19x5YsgcWDwcnjf?from=from_copylink
🎙️ Matt Turck — 主持人，FirstMark Capital 合伙人
🧠 Benedict Evans — 嘉宾，前 a16z 合伙人、知名科技分析师，Newsletter《Strata》作者
因为信息量太大还有很多类比和经济学原理，让我的AI帮忙翻译+标注（挂我名字的评论其实都是AI写的）+高亮金句（我自己也标了一些）。希望对大家也有帮助～
@aigc1024
🎧 Benedict Evans: OpenAI的护城河问与软件的未来
https://n6bwspkmfz.feishu.cn/docx/L6bVdKQyKoTD19x5YsgcWDwcnjf?from=from_copylink
🎙️ Matt Turck — 主持人，FirstMark Capital 合伙人
🧠 Benedict Evans — 嘉宾，前 a16z 合伙人、知名科技分析师，Newsletter《Strata》作者
因为信息量太大还有很多类比和经济学原理，让我的AI帮忙翻译+标注（挂我名字的评论其实都是AI写的）+高亮金句（我自己也标了一些）。希望对大家也有帮助～
@aigc1024
48支豪强齐聚
104场巅峰大战
谁将捧起大力神杯
边看边聊，神仙预测等你来战
免费观看世界杯直播： 000.live
🎁 新人六重豪礼
💎 代理八重扶持
⚽️ 全球热门赛事覆盖
🎉 每日专属优惠活动
平台特色：
零延迟高清直播，每一次射门都尽收眼底：000.live
🔥 世界杯狂欢，从这里开始！
目前最强的AI 声音模型，声音生成的 Seedance
现已上线 ListenHub 🎉
限时免费开放体验中
人类用户：
立即体验:http://listenhub.ai/app/ai-voice
Agent 用户：
立即使用：
npx skills add github.com/marswaveai/skills --skill listenhub-voicegithub.com/marswaveai/listenhub-cli
@aigc1024
现已上线 ListenHub 🎉
限时免费开放体验中
人类用户：
立即体验:http://listenhub.ai/app/ai-voice
Agent 用户：
立即使用：
npx skills add github.com/marswaveai/skills --skill listenhub-voicegithub.com/marswaveai/listenhub-cli
@aigc1024
清华大学 MARS 实验室推出 OMG 全模态人形运动生成框架，创新打造 “生成大脑 + 跟踪小脑” 的分层控制方案。
团队搭建千小时级专属多模态机器人数据集，依托扩散模型构建通用运动生成网络，让机器人可实时响应文本、音频、人体动作及组合指令，自主生成稳定可执行的全身运动轨迹。
实测结果显示，OMG 不仅多项性能指标领跑主流模型，还具备大模型专属的规模缩放、小样本泛化、零样本模态组合能力，为人形机器人通用智能控制落地提供了全套开源方案。
模型直接在宇树 G1 原生 125 维机器人动作空间完成训练与生成，无需额外的人体 - 机器人转换编码器。网络主体基于 DiT 构建去噪主干，结合 RoPE 旋转位置编码与时序自注意力机制，精准建模全身运动的时序关联。训练阶段通过随机模态丢弃策略，配合推理阶段的无分类器引导，实现单模态与多模态组合指令的灵活切换。
论文地址：https://arxiv.org/abs/2606.10340项目主页：https://tsinghua-mars-lab.github.io/OMG/开源代码：https://github.com/Tsinghua-MARS-Lab/OMG作者单位：清华大学 MARS 实验室
https://mp.weixin.qq.com/s/KOtknR3Rvq5oY7NuJz3Yhg
@aigc1024
团队搭建千小时级专属多模态机器人数据集，依托扩散模型构建通用运动生成网络，让机器人可实时响应文本、音频、人体动作及组合指令，自主生成稳定可执行的全身运动轨迹。
实测结果显示，OMG 不仅多项性能指标领跑主流模型，还具备大模型专属的规模缩放、小样本泛化、零样本模态组合能力，为人形机器人通用智能控制落地提供了全套开源方案。
模型直接在宇树 G1 原生 125 维机器人动作空间完成训练与生成，无需额外的人体 - 机器人转换编码器。网络主体基于 DiT 构建去噪主干，结合 RoPE 旋转位置编码与时序自注意力机制，精准建模全身运动的时序关联。训练阶段通过随机模态丢弃策略，配合推理阶段的无分类器引导，实现单模态与多模态组合指令的灵活切换。
论文地址：https://arxiv.org/abs/2606.10340项目主页：https://tsinghua-mars-lab.github.io/OMG/开源代码：https://github.com/Tsinghua-MARS-Lab/OMG作者单位：清华大学 MARS 实验室
https://mp.weixin.qq.com/s/KOtknR3Rvq5oY7NuJz3Yhg
@aigc1024
因为更换了新的 tokenizer，Sonnet 5 的实际费用和 Opus 4.8 差不多
Sonnet 在金融领域是最佳模型，比如 GDPeval，比如投资调研之类的工作，且更喜欢调用工具核查事实，能提高报告的准确性。（相应的费用也up）
Sonnet 5 有个小坑，用来编程的，费用可能超过 Opus 4.8 ，这也是大家吐槽最多的点，需要特别注意下
Opus4.8 在复杂编程和规划方面非常强，且 HTML 设计方面很强，不过写作方面不如 Opus 4.6，且新的 tokenizer 花费也比 4.6 要多，目前来说和 GPT 5.5 各有千秋
编程方面目前首选还是 GPT 5.5
Sonnet 5 、Opus 4.8、GPT 5.5 现已上线 Cola，欢迎体验
@aigc1024
https://mp.weixin.qq.com/s/X9n-dO6eg68RLj2dNwNJNQ
为了证明看球是为了学习工作，写了这篇文章。
6月15日那天的2026世界杯F组小组赛第一轮，瑞典对突尼斯，第84分钟替补刚上场的斯万贝里18秒光速进球，边裁举旗，示意越位，进球无效。可几秒钟后，这球又被改判有效——肉眼根本看不清的一次极轻触球，被藏在球里的传感器捕捉到了，证实确实好球。
就这一个瞬间，职业病犯了的我，脑子里跑过的居然是这么多年看过的无数技术炒作和伪需求。但毕竟看球是件愉快的事，还是写篇合家欢的文章更应景吧
@aigc1024
最近很多人在问：
前端 UI 设计到底哪个模型最强？
但我感觉，问不只是模型，而是流程。
我现在一般是：
1、先用 Google Stitch / OpenDesign 做 UI 原型
2、再丢进 Gemini AI Studio 生成可交互 Demo
3、拉代码给 Claude Code / Codex 补后端、去硬编码
4、后续用 impeccable skill初始化 product.md / design.md，让迭代持续遵循设计规范
核心就是：
先定审美，再写代码。
这样做出来的东西，基本不太有“一眼 AI 感”。
@aigc1024
前端 UI 设计到底哪个模型最强？
但我感觉，问不只是模型，而是流程。
我现在一般是：
1、先用 Google Stitch / OpenDesign 做 UI 原型
2、再丢进 Gemini AI Studio 生成可交互 Demo
3、拉代码给 Claude Code / Codex 补后端、去硬编码
4、后续用 impeccable skill初始化 product.md / design.md，让迭代持续遵循设计规范
核心就是：
先定审美，再写代码。
这样做出来的东西，基本不太有“一眼 AI 感”。
@aigc1024
制造业可能会向半导体学习，但不会完全复制半导体。
这件事的关键，不是“AI 会不会设计东西”，而是一个行业有没有把自己的工艺、约束、成本、良率和责任，压缩成机器可读、可验证、可调用的接口。
半导体行业已经高度接近这个状态。
芯片设计之所以更容易被 AI 介入，不只是因为 Verilog、GDS、PDK 这些格式更“文本化”或更数字化，而是因为整个行业已经形成了一套前置检查和签核体系：制造约束、时序约束、功耗约束、版图规则、良率风险，都尽可能在设计阶段被模型化、检查化、接口化。
这背后有一个很特殊的产业结构：极高的资本强度，极高的失败成本，极高的工艺复杂度，以及高度集中的头部玩家。
ASML、应用材料、台积电、新思科技、Cadence 这类公司处在各自链条的关键节点。它们之间可以协调出可计算、可解耦的接口，因为前沿实践中的隐性知识高度集中，协作关系也足够稳定。
但建筑、机械、通用制造业不一样。
这些行业的约束大量存在于现场、工人经验、供应商能力、材料替代、地方监管、安装误差、天气、物流、临时变更和责任划分里。它们不是不能被 AI 改造，而是还没有形成足够成熟的“机器可读约束网络”。
所以未来制造业向半导体学习，不会简单变成“所有行业都有自己的台积电”。
更可能出现三种形态。
第一种，是开放式制造网络。
工厂像发布 PDK 一样发布自己的制造能力边界：能做什么材料、什么精度、什么尺寸、什么后处理、什么检测、什么交期、什么良率。设计软件和 AI 系统可以直接调用这些能力，自动完成 DfM 检查、报价、派单和质量追踪。
这不是简单的找供应商，而是把制造能力 API 化。
第二种，是封闭式工艺栈。
某些设备商或工艺公司会在一个相对封闭的场景里做端到端控制，比如金属 3D 打印、自动化餐饮、机器人加工单元。它们不一定拥有所有门店或本地运营资产，但会通过云控系统、认证耗材、工艺参数、远程运维，把利润和知识集中在总部，把场地、人力、地方合规和运营风险分散到本地节点。
这有点像制造业里的“奶茶店模式”：总部掌握配方、设备、供应链和控制系统，本地节点负责供水供电、清洁维护和异常处理。
第三种，是制造感知型产品公司。
它既不是传统 Fabless，也不是 Foundry。它不一定拥有工厂，但会拥有足够深的制造抽象层：零件标准库、供应商能力图谱、自动 DfM、成本和交期模型、质量反馈闭环，以及 AI 设计生成系统。
这类公司不是把设计画完再丢给工厂，而是在设计还没生成时，就把供应商能力、工艺限制和质量风险放进设计空间里。
它拥有的不是实体工厂，而是“虚拟工厂”——一个可计算、可调度、可反馈的制造后端。
建筑行业可能还会出现更特殊的版本：建筑版美团。
我们很难想象一家总包公司长期持有所有地区、所有工序需要的施工机器人和机械。建筑现场太分散，项目太非标，地方约束太强，资产利用率也太不稳定。
所以建筑行业更可能出现的，不是“超级总包”，而是一个掌握施工任务分解、资源调度、现场状态、质量验收和信用结算的平台。
它不拥有所有设备、劳务队和机器人，就像美团不拥有所有餐厅、骑手和电动车。但它控制订单入口、履约规则、调度系统、评分机制和异常处理。
未来的关键问可能不再是：谁拥有工厂？
而是：
谁拥有工艺参数？
谁拥有控制序列？
谁拥有现场数据？
谁拥有质量反馈？
谁拥有调度权和结算权？
半导体给制造业的真正启发，不是所有行业都要变成晶圆厂，而是：当一个行业把隐性知识变成显性接口，把现场经验变成可计算约束，把制造能力变成可调用服务，AI 才能真正进入工程闭环。
所以，制造业会向半导体学习。
但它不会完全复制半导体。
它会长出自己的形态：制造 PDK、工艺控制平面、虚拟工厂、建筑美团，以及一批真正 AI-native 的硬件公司。
@aigc1024
这件事的关键，不是“AI 会不会设计东西”，而是一个行业有没有把自己的工艺、约束、成本、良率和责任，压缩成机器可读、可验证、可调用的接口。
半导体行业已经高度接近这个状态。
芯片设计之所以更容易被 AI 介入，不只是因为 Verilog、GDS、PDK 这些格式更“文本化”或更数字化，而是因为整个行业已经形成了一套前置检查和签核体系：制造约束、时序约束、功耗约束、版图规则、良率风险，都尽可能在设计阶段被模型化、检查化、接口化。
这背后有一个很特殊的产业结构：极高的资本强度，极高的失败成本，极高的工艺复杂度，以及高度集中的头部玩家。
ASML、应用材料、台积电、新思科技、Cadence 这类公司处在各自链条的关键节点。它们之间可以协调出可计算、可解耦的接口，因为前沿实践中的隐性知识高度集中，协作关系也足够稳定。
但建筑、机械、通用制造业不一样。
这些行业的约束大量存在于现场、工人经验、供应商能力、材料替代、地方监管、安装误差、天气、物流、临时变更和责任划分里。它们不是不能被 AI 改造，而是还没有形成足够成熟的“机器可读约束网络”。
所以未来制造业向半导体学习，不会简单变成“所有行业都有自己的台积电”。
更可能出现三种形态。
第一种，是开放式制造网络。
工厂像发布 PDK 一样发布自己的制造能力边界：能做什么材料、什么精度、什么尺寸、什么后处理、什么检测、什么交期、什么良率。设计软件和 AI 系统可以直接调用这些能力，自动完成 DfM 检查、报价、派单和质量追踪。
这不是简单的找供应商，而是把制造能力 API 化。
第二种，是封闭式工艺栈。
某些设备商或工艺公司会在一个相对封闭的场景里做端到端控制，比如金属 3D 打印、自动化餐饮、机器人加工单元。它们不一定拥有所有门店或本地运营资产，但会通过云控系统、认证耗材、工艺参数、远程运维，把利润和知识集中在总部，把场地、人力、地方合规和运营风险分散到本地节点。
这有点像制造业里的“奶茶店模式”：总部掌握配方、设备、供应链和控制系统，本地节点负责供水供电、清洁维护和异常处理。
第三种，是制造感知型产品公司。
它既不是传统 Fabless，也不是 Foundry。它不一定拥有工厂，但会拥有足够深的制造抽象层：零件标准库、供应商能力图谱、自动 DfM、成本和交期模型、质量反馈闭环，以及 AI 设计生成系统。
这类公司不是把设计画完再丢给工厂，而是在设计还没生成时，就把供应商能力、工艺限制和质量风险放进设计空间里。
它拥有的不是实体工厂，而是“虚拟工厂”——一个可计算、可调度、可反馈的制造后端。
建筑行业可能还会出现更特殊的版本：建筑版美团。
我们很难想象一家总包公司长期持有所有地区、所有工序需要的施工机器人和机械。建筑现场太分散，项目太非标，地方约束太强，资产利用率也太不稳定。
所以建筑行业更可能出现的，不是“超级总包”，而是一个掌握施工任务分解、资源调度、现场状态、质量验收和信用结算的平台。
它不拥有所有设备、劳务队和机器人，就像美团不拥有所有餐厅、骑手和电动车。但它控制订单入口、履约规则、调度系统、评分机制和异常处理。
未来的关键问可能不再是：谁拥有工厂？
而是：
谁拥有工艺参数？
谁拥有控制序列？
谁拥有现场数据？
谁拥有质量反馈？
谁拥有调度权和结算权？
半导体给制造业的真正启发，不是所有行业都要变成晶圆厂，而是：当一个行业把隐性知识变成显性接口，把现场经验变成可计算约束，把制造能力变成可调用服务，AI 才能真正进入工程闭环。
所以，制造业会向半导体学习。
但它不会完全复制半导体。
它会长出自己的形态：制造 PDK、工艺控制平面、虚拟工厂、建筑美团，以及一批真正 AI-native 的硬件公司。
@aigc1024
