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
《中国式应酬》把饭局规矩、敬酒顺序、座次安排、察言观色、拒酒术、送礼分寸全部拆解清楚。
让你瞬间读懂场面潜台词，看透人情暗规则，从此应酬不被动，关系不尴尬，人脉越走越宽。
真正懂规矩、会来事的人，都在悄悄读这本书。
🔗：https://pan.quark.cn/s/1b98ff298973
@meiriyishu
AI真的太让人疲惫了。坦白来说，我做一篇稿的周期，够现在的AI市场迭代两三轮叙事了。
九月初的时候办公Agent很重要，九月底又到了所谓personal agent。最关键是不管办公还是个人，看来看去都没觉得哪个功能是codex里面办不成的。但阻碍我成为一个AI Native的人的原因，一是codex 这玩意儿用起来实在太慢了；二是我讨厌给自己的各个终端装一大堆乱七八糟的东西。现在手机里三个AI大模型应用已经是我对AI最大的接受程度了。
如果要获得更流畅的使用体验，我就要跟上这些层出不穷的办公agent个人agent，不断地划出时间来学习掌握部署。等我用顺手了，或许发现自己掌握和依赖的是一个已经要被淘汰的阶段性产物，它在某一个阶段被鼓吹起来，好让人们相信AI市场大有可为。
人们迷醉在一种生产力提升的幻觉里，以月以周为单位创造新概念、推出新产品，可是我真的想知道，除了被新概念轰的晕头转向以外，人真的得到了什么？以及，我们如此需要生产力提升的神，是不是正因为我们处在一个无可避免的下行时代呢？
@aigc1024
九月初的时候办公Agent很重要，九月底又到了所谓personal agent。最关键是不管办公还是个人，看来看去都没觉得哪个功能是codex里面办不成的。但阻碍我成为一个AI Native的人的原因，一是codex 这玩意儿用起来实在太慢了；二是我讨厌给自己的各个终端装一大堆乱七八糟的东西。现在手机里三个AI大模型应用已经是我对AI最大的接受程度了。
如果要获得更流畅的使用体验，我就要跟上这些层出不穷的办公agent个人agent，不断地划出时间来学习掌握部署。等我用顺手了，或许发现自己掌握和依赖的是一个已经要被淘汰的阶段性产物，它在某一个阶段被鼓吹起来，好让人们相信AI市场大有可为。
人们迷醉在一种生产力提升的幻觉里，以月以周为单位创造新概念、推出新产品，可是我真的想知道，除了被新概念轰的晕头转向以外，人真的得到了什么？以及，我们如此需要生产力提升的神，是不是正因为我们处在一个无可避免的下行时代呢？
@aigc1024
贾鹏 × 至简动力：理想智驾老兵的具身"Simple and Scalable"赌注。他把车规级"体系化作战"的方法论整套搬到机器人上，给公司起名"至简/Simplexity"（complexity → simplicity，大道至简），核心赌注是：在具身这个还没出现"GPT 时刻"的混沌期，谁能用最简单的方法把数据→模型→Eval→硬件的闭环跑最快，谁就能在 2027–2028 年范式一确立时冲到第一波。他对当下最清醒的判断是：这个赛道现在连 GPT-1 时刻都没到，20 多家百亿估值是他 16 年职业生涯第一次见，明后年一定会挤水分。具身不会像大模型/新能源那样寡头垄断，会有几个大垂域（人形是最大 sector，但非人型在很多场景效率更高），每个垂域头部几家，总共几十家千亿公司。像马斯克说的，具身可能是 AGI 最直接的形态，市场比手机、自动驾驶、大模型都大，几十万亿级
@aigc1024
@aigc1024
中国具身智能真正的优势是场景密度：世界工厂 + toB/toC 全谱系，机器人不用闭门造车，可以直接扔到真实环境里做后训练和 Eval。数据方面，现在行业终于对"手套是最快 scale up 的数据方式"形成共识。
@aigc1024
@aigc1024
最稳大平台，点击以下链接认证
😍 世博联盟-联盛担保1000万U😍 okapy钱包-ok28担保上押300万U😍 8G国际娱乐官方福利群 公开透明
Personal Agent 这一波特别像 2012 年的滴滴，它会是上游模型厂商往下游进行补贴战的一个出口。
腾讯已经布局了 Manus 和 Today。在接下来，他们可能会掀起其他云厂商和上游一起去 either 自己做，或者补贴下游这样的应用方来铺 Personal Agent。
因为 Personal Agent 赛道是一个非常贵的赛道，吃这些 context 需要非常多的 token 和钱，所以这不是一个创业公司靠自己的钱可以搞定的。接下来也会看到 Instinct、Rabbit OS 3 以及 Elys上游的云厂商或者模型公司合纵连横的局面。 我一直在想，这一波中国的创业机会很特别，它不是经典意义上的 copy to China，因为做这些应用的人大概率都是要做全球竞争的。比如 如果按照主要用户和付费来源的，Manus 是 copy to LatAm，Genspark 是 copy to Japan Korea，并没有直接都 copy to China，因为在中国他们都没办法做这些产品。
Personal Agent 这件事情，目前大家应该是站在差不多的起跑线
当然，在这一波浪潮里很重要的一个点，是中国“硬”的部分反而是很原创的。从消费电子角度来讲，Plaud 也好、Looki 也好，Vonder也好，Nirva也好，都是原创的产品，并没有说 copy from US，甚至大部分都比大厂和国外的公司上得早，这里面会有一些很有意思的东西，并且在个人助理或者极致个性化方面，会和软件玩家殊途同归
所以这个战局需要一个软硬件都有能力下功夫、同时能拉着上游模型厂商一起搞补贴的团队，且又需要是一个能够自己 post-train 小模型去不断降本，并且把定价权拉在自己手里的模型团队才行
@aigc1024
腾讯已经布局了 Manus 和 Today。在接下来，他们可能会掀起其他云厂商和上游一起去 either 自己做，或者补贴下游这样的应用方来铺 Personal Agent。
因为 Personal Agent 赛道是一个非常贵的赛道，吃这些 context 需要非常多的 token 和钱，所以这不是一个创业公司靠自己的钱可以搞定的。接下来也会看到 Instinct、Rabbit OS 3 以及 Elys上游的云厂商或者模型公司合纵连横的局面。 我一直在想，这一波中国的创业机会很特别，它不是经典意义上的 copy to China，因为做这些应用的人大概率都是要做全球竞争的。比如 如果按照主要用户和付费来源的，Manus 是 copy to LatAm，Genspark 是 copy to Japan Korea，并没有直接都 copy to China，因为在中国他们都没办法做这些产品。
Personal Agent 这件事情，目前大家应该是站在差不多的起跑线
当然，在这一波浪潮里很重要的一个点，是中国“硬”的部分反而是很原创的。从消费电子角度来讲，Plaud 也好、Looki 也好，Vonder也好，Nirva也好，都是原创的产品，并没有说 copy from US，甚至大部分都比大厂和国外的公司上得早，这里面会有一些很有意思的东西，并且在个人助理或者极致个性化方面，会和软件玩家殊途同归
所以这个战局需要一个软硬件都有能力下功夫、同时能拉着上游模型厂商一起搞补贴的团队，且又需要是一个能够自己 post-train 小模型去不断降本，并且把定价权拉在自己手里的模型团队才行
@aigc1024
bo 宣布，明天 Codex 200 美元的会员按照 API 额度算的话，会降低一半额度。
这也就是为什么之前传言他们会出 500 美元，估计 500 美元的额度跟现在的 200 美元是一样的吧。
他找补了一下，说 GPT-6 sol 和 Luna 的价格降了 50%，所以如果你用 o 和 Luna 的话，其实本质上没有降。
这太扯淡了，等于你从明天开始，如果你是 200 美元的话，你的 GPT 6 Astra 额度会减半
这也就是为什么之前传言他们会出 500 美元，估计 500 美元的额度跟现在的 200 美元是一样的吧。
他找补了一下，说 GPT-6 sol 和 Luna 的价格降了 50%，所以如果你用 o 和 Luna 的话，其实本质上没有降。
这太扯淡了，等于你从明天开始，如果你是 200 美元的话，你的 GPT 6 Astra 额度会减半
Google 发布了第八代 TPU
最核心的变化：以前一颗芯片什么活都干，这次拆成了两颗，各管一头。
- TPU 8t — 专门用来训练模型
- TPU 8i — 专门用来推理，跑模型
为什么要拆？ 因为这两件事要的东西已经彻底不一样了：
训练要的是"能一次吞下海量数据"，慢一点无所谓；
而跑模型要的是"反应快"——你问一句它得立刻答上来。
现在 AI 进入了Agent时代（AI 自己一步步干活、反复思考），一个任务要来回想很多轮，每轮慢一点点，加起来用户就等不了了。
TPU 8t（训练）：定位为：万亿参数级大模型预训练， 一组 9600 颗芯片，121 exaflops 算力、2 PB 共享内存， 峰值性能是上一代的 3 倍
TPU 8i（推理）： 后训练 + 实时推理，通信密集任务延迟最多少一半
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
最核心的变化：以前一颗芯片什么活都干，这次拆成了两颗，各管一头。
- TPU 8t — 专门用来训练模型
- TPU 8i — 专门用来推理，跑模型
为什么要拆？ 因为这两件事要的东西已经彻底不一样了：
训练要的是"能一次吞下海量数据"，慢一点无所谓；
而跑模型要的是"反应快"——你问一句它得立刻答上来。
现在 AI 进入了Agent时代（AI 自己一步步干活、反复思考），一个任务要来回想很多轮，每轮慢一点点，加起来用户就等不了了。
TPU 8t（训练）：定位为：万亿参数级大模型预训练， 一组 9600 颗芯片，121 exaflops 算力、2 PB 共享内存， 峰值性能是上一代的 3 倍
TPU 8i（推理）： 后训练 + 实时推理，通信密集任务延迟最多少一半
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
fun fact: 涛哥发布前9pm 才把 brief 给我！！
当时我脑中闪过各种 ai 视频营销 hook
“老板来需求，明天要个发布视频，你有24小时”
🆘怎么做得完啊！
还好，用 manus 打磨了几小时我就做完了🥳
特别喜欢这次的灵动的配乐和小动画
（精心设计！！！！就是这个 vibe！！）
没错！这是在 manus 里做的！
manus studio 读我们的会议纪要、notion、slack、figma、repos、我的 memory 等等…各种把它串起来变成我的灵感导师，和我打磨创意、分镜头和成片效果
最后效果超好，x 也成功百万了
人生中第二个百万播放视频✌️
我觉得重点不在于做出来片子
而且它能符合品牌调性、宣发要求
这有千百万个细节和 context
是 manus 才能做好的
ai 不会替代人的创意，它会辅助人，让人的创意放大百倍
我已经用 manus 剪了我的 vlog 了哈哈太爽了
@aigc1024
扣子就吃亏在新版本宣发的时候主打办公，没有提出 personal agent 这个概念。美中产品差距就像中美造词差距那样大。
@aigc1024
@aigc1024
最近参观了一些 AI 用得很成熟的团队，也研究过一些很优秀的agent和工作台。发现照搬过来完全行不通。
原因是违反了Gall定律了。
【Gall 定律：一个能正常运行的复杂系统，一定是从一个能正常运行的简单系统演化而来的。从零设计的复杂系统永远无法运行，也无法修补成可运行的状态。】
这很好地解释了为什么“抄最佳实践”经常失效。
我们看到的是别人已经长成的系统，却看不到它是怎么一步步长出来的。
那些流程、规则、Skill、Agent，很多都不是一开始规划好的，而是在业务里先跑一个简单版本，再根据一个个真实问慢慢加出来的。
所以现在我研究优秀的 AI 团队，不关注他的大而全的工作台。而是：“他最开始解决的那个小问是什么？下一步为什么会多出这个东西？”
成熟系统可以用来理解方向，但自己的 AI 系统，还是得从一个真正能跑的小系统开始。
复杂是长出来的，不是规划/抄出来的
@aigc1024
原因是违反了Gall定律了。
【Gall 定律：一个能正常运行的复杂系统，一定是从一个能正常运行的简单系统演化而来的。从零设计的复杂系统永远无法运行，也无法修补成可运行的状态。】
这很好地解释了为什么“抄最佳实践”经常失效。
我们看到的是别人已经长成的系统，却看不到它是怎么一步步长出来的。
那些流程、规则、Skill、Agent，很多都不是一开始规划好的，而是在业务里先跑一个简单版本，再根据一个个真实问慢慢加出来的。
所以现在我研究优秀的 AI 团队，不关注他的大而全的工作台。而是：“他最开始解决的那个小问是什么？下一步为什么会多出这个东西？”
成熟系统可以用来理解方向，但自己的 AI 系统，还是得从一个真正能跑的小系统开始。
复杂是长出来的，不是规划/抄出来的
@aigc1024
https://github.com/lemomo-ai/lemo-opuscar
Lemo-Opuscar 收了 39 种影片风格，每种都给一份 STYLE.md 提示词，再附一支成片当参照，风格按手绘、东方传统、版画、排版、信息图、卡通、游戏、电影时代、材质 3D 分好组。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
