fishfl的博客

如今互联网的高速发展的时代正在悄然过去，过去10年，互联网以惊人的速度重塑着社会，重构了你我的生活方式。互联网的高速发展，主营业务的你挣我夺，带来了很多需求的“空隙”，这些空隙是互联网大厂瞧不上的，是业务快速发展必然带来的。我们处在最好的时代，也是最坏的时代，市场的红利已经被大厂瓜分殆尽，但新技术崛起又给了普通人新的机会。这其中，人工智能是连接三者的核心，也是最能产生价值的领域。而如果以这些没有很好满足的需求为起点，加之以创新的方法、人工智能技术带给用户更好的体验，则会成为一个初创企业很好的立足点。

如果你是一个怀揣梦想的AI技术人，不妨来AI模型市场（http://aimodelmarket.cn）试试身手，不仅是对自身综合能力的锻炼，如果解决了客户问题，还能赚一笔小的外快，何乐而不为呢？客户的需求是一个非常专业的细分领域，但需求本身却并不一定复杂。我们在研究AI问题时，总是喜欢将问题分类，比如视觉、自然语言等类型，然后在已有的数据集中，设计模型结构，一点点调优，最后追求那一点点的模型指标上的提升。解决这些需求，都需要专业技能＋行业知识的整合，但也只有这样，才能真正解决客户的问题，创造真正的价值。

ChatGPT是一款非常强大的NLP模型，可以帮助开发者构建会话式聊天机器人，它可以更加准确地理解用户的意图，并且可以自动生成合理的回复。总之，AI模型市场联手OpenAI推出的新版ChatGPT，可以帮助开发者构建更加智能的聊天机器人，更好地满足用户的需求。它可以更加准确地理解用户的意图，并且可以自动生成准确的回复，为聊天机器人的开发提供了更多的可能性。它可以根据用户的输入，自动生成准确的回复，并且可以根据用户的语境，更加准确地理解用户的意图。它还可以自动生成语义相关的回复，从而更好地满足用户的需求。

无论是推荐系统、翻译，还是自动驾驶、智能营销，甚至是最近比较火的AI创作（包括AI作画stable diffusion、AI生成对话ChatGPT）等，都是在大数据、大算力加持下的AI模型算法的应用。在这第5次浪潮的前夕，拥有AI研发能力无疑是稀缺的，未来各个产业对AI的需求量将呈爆发式增长，AI+将重塑各个行业是确定的趋势，而人才和像上面基础设施的准备，将是这波浪潮中决定的力量。第四次创富则是14年互联网经济的崛起，腾讯、阿里、百度等公司的崛起，不但改变了中国的产业格局，也改变了人们的生活习惯。

AI模型市场最近上线了一款新的TTS模型，我们通过和作者的沟通，发现作者就是使用了上述的模型经过，在经过10几个小时的大数据量训练，成功孵化出一款优秀的TTS模型。人类对于语句的朗读是有抑扬顿挫的，有时又要结合句子含义，有感情的变化。尤其是这两年有声书非常火热，有很多前几年积累的网络小说，经过TTS模型后，就变成了有声书，然后在喜马拉雅或蜻蜓FM等类似频道就可以上线售卖。有需要的小伙伴欢迎来AI模型市场（aimodelmarket.cn）试用，快来围观这款语音生成领域的猛将是如何玩转TTS的~

ChatGPT是一个由Open AI 刚刚推出的AI对话模型。它区别于其他聊天机器人的能力在于，除了具体的知识性问题，还可以回答开放式问题，并以对话方式与你交互。比如，你可以和它聊聊人生哲学，探讨一下生命的意义，或是找它寻求追求真爱的建议。在各种场景的对话中，它都可以生成流畅的内容，从创作指定风格的诗歌、小说和电视脚本，再到回答琐事问题以及编写和调试代码行。ChatGPT有以下三个重要的突破：首先，ChatGPT可以理解较为复杂的语句内容，比如有多层语法嵌套的句子。其次，ChatGPT拥有一定联系上下文理解

16年以来，随着AI爆发式发展，国内的AI开放平台呈现百花齐放式的局面。一系列优秀且有特色的AI应用出现。目前国内比较大且通用的AI开放平台有哪些呢？

比如像国外的hugging face；一个新的AI模型，从理论研究、到实验再到论文产出，会经历一个比较长的周期，而从论文到代码实现、到工程化、部署到线上则需要一个更长的周期。AI模型市场以容器的方式管理模型，以API接口的方式对外提供，客户可以用最简单的http调用的方式，调用容器中的模型，从而快速获得AI模型能力，帮助企业快速将AI应用落地。从生成时长看，目前还不能生成一段很长的视频，只能生成时间很短的一段。但另一方面，工业界却对此反应冷淡，AI生成图片的应用还没有大范围铺开，AI生成视频就更是如此了。

对于中小企业来讲，养一支IT队伍已经是一笔不小的费用了，对于动辄几十万年薪的算法工程师来讲，对于大型企业来说可能没什么，但对于刚起步的中小企业来讲，实在招不起、也养不起。在模型市场，以容器镜像形式发布模型，只将要发布的模型，打包成docker镜像，发布到公网可以访问到的镜像仓库中，再在AI模型市场中新建一个模型并配置就完成了。使用API的最大好处就是，企业可以在不改变已有API的情况下，持续获得更佳的模型效果，获得最新的AI模型能力。模型市场按量计费，如果模型被调用，将按指定的金币付给作者。

最后，对于建设的团队成本，AI模型市场都帮企业省下了这笔费用。这样，一方面保护了模型提供者可以及时得到收益，另一方面，保护企业，一旦发现模型有不适合的地方，可以及时止损，同时也不用维护一支庞大的AI数据科学家团队的支出。首先，对于企业的不确定性，AI模型市场采用了API的接入形式，HTTP-API是轻量的系统交互接口，是应对变化的最好选择。在AI人工智能模型落地的过程中，企业和AI能力提供者还需要很多的探索，不断减少二者之间的鸿沟，才能让企业及时获得AI能力的红利，也帮助科研工作者，获得及时的反馈和收益。

但AI算法研究人员，更多精力是集中在算法研究本身：更好的结构、更强的提取器、更优的参数…算法的落地需要工程的帮助，产业的应用也需要工程化的引导，只有帮助二者之间架起桥梁，才能真正在探索AI方面事半功倍。由计算机视觉加持的工业分拣、安防、自动驾驶等领域，越来越重要，成为不可或缺的一环。目前AI行业看起来又是比较沉寂，但其实我们已经又跨上了一个台阶，只不过在这台阶之上，有太多需要探索和熟悉的内容。而近两年，物联网领域在得到AI的加持后，进化成为AIot，又是一个火热的研究领域。

1、 首先，机器学习理论基础，涉及的算法模型非常多，比如LR、FM、SVM等。除此之外，作为副业也是可以有不少输入的，比如像AI模型市场（aimodelmarket.cn）这种网站就是把算法工程师做的模型，包装成产品卖个企业，让算法工程师获得相应的报酬。因此，目前研究人工智能的人当中，最多的就是上面这三种专业的人。学习人工智能的学习曲线是比较陡峭的，人工智能是一门交叉学科，涉及数学、计算机、统计学等学科知识。总之，投入越多，收益也就越大，学习人工智能难度不可谓不小，但主业+副业整体收入也是不菲的。

目前像AI模型市场（aimodelmarket.cn）就是这样的一类网站，一方面帮助AI学者、专家对AI模型进行工程化，另一方面，帮助企业寻找合适的AI产品，按量租售。2、 其次，就算能招到，那成本也是非常高的。对于中小企业来讲，养一支IT队伍已经是一笔不小的费用了，对于动辄几十万年薪的算法工程师来讲，对于大型企业来说可能没什么，但对于刚起步的中小企业来讲，实在招不起、也养不起。有的，对于目前阶段由大企业把持大量AI工程师的情况，可能长期看来还会继续，但这其中的AI工程师，其实还是有一些余力的。

在一些早期系统中，模型比较简单，这时，真正在线上系统部署模型时，模型只是以算法的形式出现，模型参数作为算法所需要的“数据”，存储在内存或分布式缓存（如Redis）中。这种方式，模型以分布式API服务的形式，集成到系统中（如tensorflow-serving），模型的升级演化，不会影响业务系统的使用，非常方便。展望未来，我们希望随着像AI模型市场（aimodelmarket.cn）这样的服务的发展，越来越多的模型服务被开发出来，并实现服务商和业务方的分离，将极大的提高生产力。这几年的集成方式又有何变化呢？.

一方面是消息闭塞，人工智能从业者无法准确高效的找到这些企业需求，另一方面企业也无法信任单个开发者的成果，在没有比较的情况下，就投入资金进行科研转化。无论哪种方式，都无法获得实际的工业应用结果数据，也无法获得响应的科研报酬。一方面是各高校研究机构，层出不穷的模型和算法，不断刷新着各项指标，另一方面，却迟迟不见这些最新的科研成果转化落地。)采用的是容器的方式，将算法工程师的最新模型打包进容器，即方便部署，又满足了企业扩展性的需求。)这样的平台，就是通过API合作的方式，建立AI算法模型和企业需求之间的桥梁。