在AI技术的飞速发展中,一个显著的矛盾逐渐显现:一方面,通用大模型因其强大的能力和广泛的适用性而日益普及;另一方面,用户对于更加个性化、精细化服务的需求也在不断增长。这种矛盾激发了市场对定制化AI工具的追求,同时也推动了AI技术的不断创新。
当前市场上,几款大模型因其卓越的性能和用户体验而脱颖而出。
通用大模型及应用
Kimi以其生产力工具的定位,特别适合职场人士使用,支持长达20万字的上下文理解,擅长总结并提供多样化的DIY玩法。
文心一言4.0 Turbo以其快速和高效的性能,为用户提供了显著优于前代的体验。
智谱清言以其全面的智能体矩阵,从文本生成到AI绘图、视频制作,几乎覆盖了创意生产的全流程。
腾讯元宝以其AI深度搜索功能,为用户提供了结构化的深度回答和内容梳理。
API部署
在API部署领域,国内大模型厂商之间的价格战愈演愈烈,纷纷推出免费或低价的API模型以争夺市场份额。Deepseek-V2、Qwen、GLM-4等模型以其高性能和低廉的价格,为用户提供了丰富的选择。文心大模型和Moonshot模型也以其创新技术和服务,吸引了开发者的广泛关注。
AI绘图
AI绘图技术的发展为创意产业带来了革命性的变化。即梦Dreamina以其高质量的出图和对提示词的依赖性,提供了用户友好的体验。混元文生图则以其开源的DiT架构和对中英文的双语支持,展现了AI技术在跨语言创作中的潜力。
AI视频
AI视频生成工具的发展,为用户提供了从文本或图像生成视频的便捷途径。可灵AI和清影等工具以其快速生成视频的能力,满足了用户对即时性和创意表达的需求。
AI读音视频
Memo AI等工具通过将音视频内容转文本、字幕翻译或合成新语音,极大地提高了内容处理的效率和灵活性。
数字人
即创等数字人生成工具以其创新的交互体验,为用户带来了全新的数字内容创作方式。
AI搜索
秘塔AI搜索和天工AI搜索等工具以其对话式搜索和一键生成内容大纲的功能,为用户提供了高效的信息检索和内容整理服务。
AI音乐
SkyMusic等AI音乐生成模型以其易用性和创作自由度,降低了音乐创作的门槛,激发了用户的创作热情。
智能体/AI-Bot
扣子等智能体工具以其简单易用的特性,为用户提供了多平台的内容发布和管理服务。
AI编程
CodeQwen等AI编程工具以其强大的编程语言支持和上下文理解能力,为开发者提供了高效的编程辅助。
AI办公
钉钉AI和飞书等AI办公工具的全面接入,极大地提升了用户的办公效率和体验。
AI浏览器
360AI浏览器等工具通过集成多种AI功能,为用户提供了智能化的上网体验。
AI PPT
百度文库AI和讯飞智文等工具以其高质量的PPT生成和定制化服务,满足了用户在演示和汇报中的需求。
财经AI
问财和妙想等财经AI工具为投资人士提供了专业的财经信息分析和决策支持。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。