Apple Intelligence
简言之，可以自动理解你说的话，并进行联通手机系统应用与安装的APP，并自动完成识别，执行动作，就是听话，干活，在手机里。
就像自动播放一个视频，自动生成特定主题的相册电影，只需要说话或者打字，而不需要你动手。
下一步，需要的是，学习能力，现阶段，算是智能助手，这已经相当可以了。
关于AI大模型应用
1，关于用户付费
我们目前所上线的功能也都是免费的。关于用户愿不愿意付费，我们有一个很简单的判断标准，那就是你对应的用户需求，在传统的场景当中是不是收费。如果传统的场景不收费，你只是给了他一个更好的体验，那么用户的付费心智就没那么强。比方搜索、阅读这些功能，在传统的使用场景里是很少收费的，所以我们的产品目前也不会选择收费。
2，关于AI最终目标
这就是我们最终的目标，我们希望AI能够真正参与到一线，去做更深、更专业的专业，例如预测量子材料、量子计算等等实用方面发挥功能，最终演化成一个社区。我们的目标是专业用户，他脑子里有很多know how。我们希望通过一套技术，让用户可以把他脑子里的know how通过自然语言的方式，交给AI自动化进行处理。那时候就不再是“用户想要一个什么内容——我们来帮他开发”，而是用户可以通过自然语言，跳过写程序的这个阶段，就能解决自己的问题。
–这个最关键的就是“用户”，面向用户，最终还是看腾讯和抖音及新进。
3，中国和欧美市场在AI应用层面的差异
如果更深入一些，从技术角度去谈为什么模型能力有一定差距，这就和中文语料有一定关系了。英文可以使用的语料非常多，并且即便到了2024年，海外用户使用浏览器、使用网站的频次仍然不低，而由于我们国内移动互联网普及得特别深入，大量的数据私有化地积累在不同的APP里面，相应的积累在浏览器里、能够被扒到的数据就会少了很多。
最典型的一个场景是，当我向我的粉丝介绍txyz的时候，很多人第一反应是“这个APP在哪里下”。很多年轻人可能已经忘记有一个东西叫浏览器，浏览器里面有一个东西叫网站了。这种互联网生态之间的差别，会导致最终呈现的模型能力出现差异。
txyz.ai – Integrate all paths to knowledge
大语言生成模型原理
chatgpt的本质，就是文本生成。
模型本身，并没有试图去理解对话本身的意义。
chatgpt仅仅是通过文本生成，模拟出对话的效果而已。
深度讲解AI大模型原理，它到底是如何工作的 (qq.com)
AI大模型引发三场革命，升级核心竞争力定义
在二十届中央财经委员会第一次会议上，提出“把握人工智能等新科技革命浪潮，增强产业体系完备和配套能力强的优势，高效集聚全球创新要素，推进产业智能化、绿色化、融合化，建设具有完整性、先进性、安全性的现代化产业体系。坚持三次产业融合发展，避免割裂对立；坚持推动传统产业转型升级”。
随着人工智能（AI大模型）相关的技术与发展走向，正在悄然带来的计算范式、人机交互与认知协作革命，对我们社会经济的影响可能是根本性和长期性的。
AI大模型是数字技术体系优化升级实体产业的“基础设施”，ChatGPT（文章）只是美国数字创新森林里的一棵树上的一片叶子，Sora（视频）是另一片叶子。都是在“基础设施”上生长出来的【智能体】。
这篇文章将从AI大模型及算力等基础设施的普及，带来人们应用AI大模型过程中，真正要构建的【智能体】能力是什么，该如何布局和落地进行描述。
AI大模型重塑产业，如何布局适用于自身/企业的个性化“智能体AI大模型的三场革命，推动产业重塑
如今讨论AI大模型，最重要的议题是AI对于个人/组织相关产品、服务的效能带来的改变，以及对于每个人、企业、组织、区域和国家竞争力的变化。
计算范式革命：随着2017年谷歌发布Transformer模型，成为这一轮AI大模型发展的基础，算力从PC互联网时代的Windows+Inter、移动互联网时代的安卓+ARM，逐步走向如今的AI大模型+GPT。
大模型需要大算力，大算力需要更低的成本完成数字经济底层基础设施（算力）的迁移。这个迁移会从服务器、云计算开始，并逐步拓展到普通人使用的手机、笔记本电脑等等。未来计算的芯片、架构、存储、网络、通信、调度等，以及与之相关的协议和软件开发范式，都会迎来一次巨大的变革。
人机交互革命：几十年前，人类要和机器对话需要掌握汇编语言，然后有了Basic、C、C++，再后来有了图像交互界面，出现了Java、C#.NET。今天，我们可以通过自己的自然语言实现人机交互。从历史上看，每一次人机交互技术的进步，都会加速社会经济下每个产业的重塑。
认知协作革命：AI大模型重新定义了解决问题的路径和方法，它找到了从问题到答案的最短路径，这就是AI大模型的价值。计算范式和人机交互的革命，也将带来协作革命，大模型驱动的智能体会逐步深度嵌入各类组织的需求定义、应用开发、运维管理和资源调度等环节。
AI大模型重塑产业，如何布局适用于自身/企业的个性化“智能体AI大模型重塑产业的路径：智能体
人工智能体（AI Agent）是基于AI大模型，针对明确的问题，能够自主感知环境，通过独立思考进行信息收集、整理和分析， 并最终做出决策提供执行反馈甚至行动的应用系统。
在Windows软件、互联网网站和移动终端APP的相关应用，都只能执行简单、单一的任务。虽然在交互层面上都在逐步优化，却始终并不友好。
而智能体结合AI大模型和特定的场景需求，可以精确理解用户的意图，并能引发更广且更深入的人机交互乃至人机协作。
这里简单描述一下智能体关键的四个模块：规划（Planning）、记忆（Memory）、工具（Tools）、行动（Action）。
规划：是智能体的“思维模式”。如果用人类来类比，当接到一个任务时，我们的思维模式可能会像下面这样：
LLM&embedding
这就是chatGPT！今天搜分类冒出来的，忽然想国庆看一下！然后就自动冒出来了！还是原厂Google出的。这玩意就自动#完形填空#。完形填空就是根据句意文意猜词，但是每篇几乎都有一两个原文就有现成答案，因为结构呼应。这就是我在黄海轮渡上想的，学问在字，文化在词，连词成句成一家之言：小说，文件！谝闲传！现在给你自动化生成了：画，诗，小说，唱歌！写代码！
今年想只看不干就不能发现，就不能有新改进，这是不对的。你可以从逻辑上就可以推断发展后会产生的问题，只是大部分人开始都是学，没有想过自己造，然后念书做题工作教用。你可以分析分析，不用亲自干也能发现，因为发展就是更好更多，这个多了以后好了以后怎么跟上，一开始就可以想，这就是连注带采，一个合格油田/房地产各种开发人员的合格素质。
Large language models | Machine Learning | Google for Developers
世界本身的运作规律
技术爆发时候，我们往往过于兴奋，以为未来正加速到来，不过，世界本身有自己的运作规律，需要基础设施来承接，需要应用层面来落地，甚至需要法律、道德和伦理层面做好更多准备。在外滩大会上，他们为自己的乐观能够找到充足的理由。
农业时代基础设施是水库，水运。
工业时代是铁工机。
智能时代是信息高斯公路。
生产，交换，分配是经济活动的基本环节。
经济活动的核心是人，物的流通，离不开流通的载体：路！水路，马路，铁路，信息高速公路。
本质是交换的速度。
「算力军备竞赛」可能不会结束， 但平衡成本和提升效率越发重要
2020 年，OpenAI 在一篇论文里提出 Scaling law，大意是大模型的性能与模型的具体结构 —— 深度、宽度和层数 —— 基本无关，主要由计算量、模型参数量和训练数据量三者的大小有关。
这一论断被称为 AI 领域的「摩尔定律」，也因为 OpenAI 的成功而成了很多从业者信奉的圭臬。在这一信念指引下，大模型的发展向着大算力、大参数和大数据的方向发展。先前的 AI 发展主要基于对各类模型的优化，而 Scaling Law 代表着一种新的范式：倘若有足够大的算力和数据，我们便能够解决人工智能发展的问题。
在瓦特之前半个世纪，蒸汽机技术和相关理论已经成熟，然而瓦特让蒸汽机终于能够在生产中使用，并且将它推广到了市场上。即便如此，又过了近半个世纪，蒸汽机在纺织厂普及，蒸汽轮船也开始成为河运主力，蒸汽机才真正「蚕食世界」。
当下时代，技术传播与发展的时间周期大大缩短，但我们依然需要经历每个阶段。过去两年里，我们见证了 AI 技术的爆发，未来五年，或许正式找到属于 AI 的纺织厂和蒸汽轮船的时候。
iPhone 在美国诞生，不过移动互联网最繁荣的市场之一是中国。或许未来五年，我们也能看到更多 AI 应用和场景的爆发，形成繁荣的中国 AI 应用生态。
