FX168财经网_全球视野外汇黄金加密货币NFT资讯网

优蓝国际以实力持续领跑蓝领服务行业发展，再创新时代职业教育

模式的转变；在蓝领人才招聘业务方面，在大数据的支持下，通过简历数字化、服务标准化，能够实现业务端企业需求与人才端蓝领人才需求的精准匹配。此外，在人才招聘方面，优蓝国际拥有以技术为导向的线上线下融合（即OMO）招聘体系和遍布全国的服务交付点。据灼识咨询，以2021年蓝领OMO招聘服务产生的收入计，优蓝国际是中国第三大蓝领OMO招聘服务提供商；雇员管理服务方面，优蓝国际为企业客户提供灵活、全方位的人力资源解决方案，2021年，优蓝国际蓝领雇员管理服务所得总收入约为5.02亿元人民币，在中国蓝领雇员管理市场排名第三。从长期来看，政策东风与行业需求共振，带来高确定性的成长机会，优蓝国际有望迈向更高的台阶。如若本次成功上市，优蓝国际的实力有望获得再增强，进一步开启成长加速度。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-21

优蓝国际，中国最大的蓝领终身服务集团，即将开启成长加速度

付点、招聘会、校园等线下使用场景，利用大数据分析，实现蓝领人才和职位空缺的精准匹配，提供集信息、服务、数据于一体的深度垂直招聘服务。通过OMO体系，优蓝国际可以为企业客户提供涵盖人才招聘、入离职管理、考勤管理及福利管理的一站式人才交付服务，并为蓝领人才带来众多就业机会和全国性线下服务交付点的便利，进一步打通职业教育“出口端”与“入口端”的双循环。目前，公司已经是中国第三大蓝领OMO招聘服务提供商，并已与中国500强企业中的超过120家企业建立了合作关系，是蓝领人才服务赛道的中坚力量。长期来看，政策东风与行业需求共振，优蓝国际有望迈入成长新起点。若本次成功上市，优蓝国际的实力有望获得再增强，进一步开启成长加速度。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-21

打造蓝领人才创新基地，优蓝国际提供一站式人才交付服务

付点、招聘会、校园等线下使用场景，利用大数据分析，实现蓝领人才和职位空缺的精准匹配，提供集信息、服务、数据于一体的深度垂直招聘服务。得益于OMO体系持续赋能，让优蓝国际在蓝领人才招聘服务市场及雇员管理服务市场建立了领先地位，有力提升了品牌知名度。未来，优蓝国际将继续深耕蓝领人才招聘市场，扩大市场份额，服务万千企业主和求职者。数字科技赋能提质增效公司迈入财务良性发展期依托先进的IT和数字化能力，优蓝国际各项业务正有序进行数字化改革。由此，公司不断有效整合资源，优化不同业务板块之间的资源流通与配置，增强业务之间的相互协同，进而稳步提高运营效率，降低成本。在职业教育业务方面，优蓝国际将数字化科技应用于教学和学校管理，以推动职业教育管理服务向“SaaS+教育内容+老师+服务”模式转变。在蓝领人才招聘业务方面，在大数据的支持下，公司通过简历数字化、服务标准化，能够实现业务端企业需求与人才端蓝领人才需求的精准匹配。财务方面，近年来优蓝国际业绩保持稳健，毛利快速增长。招股书数据显示，公司的收入由2019年度的人民币6.647亿元增至2021年度的7.377亿元。同期公司毛利快速增至，由2019年度的人民币2700万元增至2021年度的1.596亿元。2022年上半年，公司实现收入人民币3.039亿元，毛利率由2021年上半年的20.0%上升至2022年上半年的24.2%。最近几年，国内外经济在震荡中寻求突破，优蓝国际逆势抓住了中国未被满足的蓝领终身服务市场的增长机会，且对核心业务结构及战略作出了调整，从而显著提高了公司的盈利能力，显示出较强的经营韧性。从行业角度来看，在中国政府的大力支持下，中国蓝领终身服务行业在过去十年呈蓬勃发展之势。这不仅得益于一系列法律、法规及政策的出台，也得益于政府加大资本投入，增强职业教育适应性，通过深化产教融合、促进校企合作及建立多渠道灵活就业机制。根据灼识咨询的资料，按收入计，中国蓝领终身服务行业的市场规模由2016年人民币7113亿元增至2021年人民币11903亿元，年复合增长率为10.8%，预计到2026年，市场规模将进一步增至人民币22245亿元，2021年至2026年的年复合增长率为13.3%。广阔的市场增长空间，为优蓝国际等相关企业提供巨大的发展机遇。日渐完善的服务生态圈，以及数字化转型加速，缔造了优蓝国际多项差异化竞争优势，公司在行业红利中持续发展壮大。优蓝国际本次计划赴港上市，在雄厚的资金加持下或有望升档加速，为公司打开新的发展格局。未来，优蓝国际将继续深耕中国蓝领终身服务行业，致力于做行业领路人，服务中国千千万万的客户。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-21

收评：沪指震荡涨0.49%站上3300点，煤炭行业领涨两市

MT行业如互联网、传媒娱乐、信息技术、大数据等，回避垃圾股及股价“高高在上”的股票。

金融界2023-02-21

唯品会入股人工智能技术平台未蓝科技

资源与技术平台；人工智能基础软件开发；大数据服务；互联网数据服务；5G通信技术服务；机械设备销售等。

金融界2023-02-21

易数加受邀参加深链会举办的企业参观与座谈会共商元宇宙行业发展

R/MR/XR/数字人等)、人工智能、大数据、云计算等为一体的科技企业。在下午的座谈中，苏州吴中数字科技产业发展有限公司董事长徐文涛、吴中微软创新中心运营总监王磊、深圳市区块链技术应用协会执行会长郑则鹏，以及易数加（深圳）数字科技有限公司创始人韩巍、深圳市新生万物科技有限公司、拾和科技（深圳）有限公司等会员企业代表，与会人员根据各自的发展实际，共同探讨了以数字技术、元宇宙技术和商业模式赋能各行业发展的新形式、新思路，并就元宇宙项目的合作方向、合作模式、合作重点等内容进行了详细交流。易数加数字科技创始人韩巍分析了目前国内外元宇宙商业进化进程，并指出近几年来媒体环境和营销方式都发生了天翻地覆的变化，Web3、AIGC、数智化转型、品牌科技、私域经营、区块链、VR/AR、短内容、沉浸式创意、社交资产、未来电商、元宇宙、设计艺术……都在不断颠覆和变革营销行业，驱动指数级新增长。元宇宙将创造一个打破虚拟与现实的全新世界，革新现有的商业、媒体与营销。韩巍表示，易数加作为元宇宙营销行业先驱者，在数字藏品创制、版权实物虚实结合的营销推广、发售策略等领域的创新尝试，诠释了元宇宙究竟如何在现实世界中产生商业价值，成为生产力工具，以及如何帮助品牌打造元宇宙一站式服务，全面联动平台落地构建元宇宙场景以及数字藏品发行和用户运营，干货满满。来源：金色财经

金色财经2023-02-21

突发重磅利好！一则“中国证监会重大宣布”轰响房市瑞银：A股准备再起飞 “看涨人民币、澳元”

以及智能基础设施，包括5G、人工智能和大数据中心。此外在31个市政府中，有29个已将今年的增长目标设定在5%以上，反映出北京对促进增长的强烈愿望。 “因此，在我们的全球战略中，我们仍然最看好新兴市场股票，包括中国。” 在中国股市中，瑞银集团展望提到，他们看好重新开放的直接受益者，包括制药/医疗设备、消费品、互联网、运输、资本货物和材料。更广泛的新兴市场股票，以及对中国支出高度敞口的美国和欧洲公司，如欧盟非必需消费品行业，也应受益。 “我们认为重新开放也将支持新兴市场债券、亚洲投资级债券和部分高收益债券，如中国房地产开发商和澳门博彩、石油和工业金属，以及人民币和澳元。”

秉哥说市2023-02-21

青岛双星：公司控股股东为双星集团有限责任公司，实际控制人为青岛市国资委，属于国有控股上市公司

发，胎联网系统以轮胎为核心，围绕轮胎的大数据采集与应用、胎联网与TPMS协同、胎联网与车联网协同等不同的上下游场景开展研发与探索，胎温胎压设备通过5G实实时传输，进行系统预警。目前星联科技胎联网业务已经服务超过500家物流企业，涵盖了快递快运、危化品、港口、商品车运输、大宗物资、网络货运、公交等各类业态，与京东、顺丰、日日顺等物流企业均有合作。随着业务规模逐步提升，场景化胎联网大数据、专用化轮胎研发生产、服务体系建设等逐步步入健康持续发展轨道。感谢您对公司的关注。投资者：请问，公司的稀土金和石墨烯轮胎，和软控的液体黄金比有什么优势？谢谢青岛双星董秘：您好，公司研发生产的“稀土金”轮胎因采用了“稀土金”橡胶复合材料+FZW（全零度缠绕技术）+独特的花纹所设计和生产，具有超省油、超耐磨、地滚阻的鲜明特点，行驶里程可以达到50万公里，所以在使用中可以显著降低用户的单位里程成本，“稀土金”轮胎首批供应全国知名物流车队，也正在与国内主流主机厂进行协商配套，未来销售市场将包括物流车队、主机厂、公交公司和替换市场，公司也将陆续推出其他规格的稀土金轮胎。感谢您的关注。投资者：贵公司有资产注入吗？青岛双星董秘：您好，感谢您的关注。投资者：贵公司已连续亏损三年，什么时候才将锦湖轮胎注入上市公司使公司摆脱连年亏损的局面？青岛双星董秘：您好，公司控股股东双星集团在2018年收购锦湖轮胎时做出承诺，在锦湖项目交割完成后不超过5年的时间内，通过包括但不限于资产注入等合法合规的方式消除同业竞争问题，具体方案正在与专业机构探讨，方案将须符合证券监管要求并有利于公司及全体股东的长远发展。感谢您对公司的关注。青岛双星2022三季报显示，公司主营收入30.35亿元，同比下降2.28%；归母净利润-4.59亿元，同比下降210.4%；扣非净利润-4.98亿元，同比下降27.56%；其中2022年第三季度，公司单季度主营收入11.01亿元，同比上升31.24%；单季度归母净利润-1.6亿元，同比下降26.48%；单季度扣非净利润-1.63亿元，同比下降13.59%；负债率72.82%，投资收益2318.56万元，财务费用1.18亿元，毛利率0.67%。该股最近90天内无机构评级。根据近五年财报数据，证券之星估值分析工具显示，青岛双星（000599）行业内竞争力的护城河较差，盈利能力较差，营收成长性较差。可能有财务风险，存在隐忧的财务指标包括：有息资产负债率、应收账款/利润率、应收账款/利润率近3年增幅、经营现金流/利润率。该股好公司指标0.5星，好价格指标2星，综合指标1星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）青岛双星（000599）主营业务：轮胎产品的生产、制造、研发及销售。以上内容由证券之星根据公开信息整理，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-02-21

云赛智联上涨5.55%，云计算ETF（516510）上涨超1%

年2月21日10时16分，中证云计算与大数据主题指数上涨超1%，报7003.32点，成分股云赛智联（600602）上涨5.55%，汉得信息（300170）上涨5.22%，易华录（300212）上涨4.99%，华宇软件（300271）、紫光股份（000938）、东华软件（002065）跟涨。相关ETF——云计算ETF（516510）现涨1.03％，成交额超2800万元，换手率超8%。中证云计算与大数据主题指数(930851)从沪深市场中选取50只业务涉及提供云计算服务、大数据服务以及上述服务相关硬件设备的上市公司证券作为指数样本，以反映沪深市场云计算与大数据主题上市公司证券的整体表现。截至2023年2月20日，该指数前十大重仓股包括科大讯飞、恒生电子、广联达、金山办公、用友网络等，权重合计占比55.38%。浙商证券认为，随着云计算加速向传统产业和实体经济渗透，IT信息系统云化进程将更广更深，云计算将加速向传统产业链与实体经济渗透；此外，鉴于云安全相较传统安全提出更高的要求，客户上云过程中对云安全关注度也在逐步提升。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-21

OpenAI与AIGC：改变人类生产范式通往“万物的摩尔定律”

匹马是否在奔跑，需要有一个完整标注好的大数据集。自监督学习不需要，当 AI 拿到一个语料库，可以通过遮住一句话中的某个单词、遮住某句话的下一句话的方式，来模拟一个标注数据集，帮模型理解每个词的上下文语境，找到长文本之间的关联。该方案大幅提高了对数据集的使用效率。谷歌发布的 BERT 是 Transformer 时代的先驱，OpenAI 发布的 GPT-2 以相似的结构、更胜一筹的算力后来居上。直到2020年6月，OpenAI 发布了 GPT-3，成为该模型族，甚至整个文本生成领域的标杆。 GPT-3 的成功在于量变产生质变：参数比 GPT-2 多了两个数量级（1750亿vs 15亿个参数），它用的最大数据集在处理前容量达到 45TB。如此巨大的模型量级，效果也是史无前例的。给 GPT-3 输入新闻标题”联合卫理公会同意这一历史性分裂“和副标题”反对同性恋婚姻的人将创建自己的教派“，生成了一则以假乱真的新闻，评估人员判断出其为AI生成的准确率仅为 12%。以下是这则新闻的节选：据《华盛顿邮报》报道，经过两天的激烈辩论，联合卫理公会同意了一次历史性的分裂：要么创立新教派，要么”保持神学和社会意义上的保守“。大部分参加五月教会年度会议的代表投票赞成进一步禁止 LGBTQ 神职人员的任命，并制定新的规则”规范“主持同性婚礼的神职人员。但是反对这些措施的人有一个新计划：于2020 年组成一个新教派”基督教卫理公会“。要达到上述效果，成本不容小觑：从公开数据看，训练一个 BERT 模型租用云算力要花约 1.2 万美元，训练 GPT-2 每小时要花费 256 美元，但 OpenAI 并未公布总计时间成本。考虑到 GPT-3 需要的算力是 BERT 的 2000 多倍，预估发布当时的训练成本肯定是千万美元级别，以至于研究者在论文第九页说：我们发现了一个 bug，但没钱再去重新训练模型，就先这么算了吧。 2、背后DALL·E 2，从文本到图片 GPT-3杀青后，OpenAI 把大模型的思路迁移到了图片多模态（multimodal）生成领域，从文本到图片主要有两步：多模态匹配：将 AI 对文本的理解迁移至对图片的理解；图片生成：生成出最符合要求的高质量图片。对于多模态学习模块，OpenAI 在 2021 年推出了 CLIP 模型，该模型以人类的方式浏览图像并总结为文本内容，也可以转置为浏览文本并总结为图像内容（DALL·E 2中的使用方式）。 CLIP (Contrastive Language-Image Pre-Training) 最初的核心思想比较简单：在一个图像-文本对数据集上训练一个比对模型，对来自同一样本对的图像和文本产生高相似性得分，而对不匹配的文本和图像产生低相似性分（用当前图像和训练集中的其他对的文本构成不匹配的样本对）。对于内容生成模块，前面探讨了文本领域：10 年代末 NLP 领域生成模型的发展，是 GPT-3 暴力出奇迹的温床。而计算机视觉 CV 领域 10 年代最重要的生成模型是 2014 年发布的生成对抗网络（GAN），红极一时的 DeepFake 便是基于这个模型。GAN的全称是 Generative Adversarial Networks——生成对抗网络，显然”对抗“是其核心精神。注：受博弈论启发，GAN 在训练一个子模型A的同时，训练另一个子模型B来判断它的同僚A生成的是真实图像还是伪造图像，两者在一个极小极大的博弈中不断变强。当A生成足以”骗“过B的图像时，模型认为它比较好地拟合出了真实图像的数据分布，进而用于生成逼真的图像。当然，GAN方法也存在一个问题，博弈均衡点的不稳定性加上深度学习的黑盒特性使其生成。不过 OpenAI 大模型生成图片使用的已不是 GAN 了，而是扩散模型。2021年，生成扩散模型（Diffusion Model）在学界开始受到关注，成为图片生成领域新贵。它在发表之初其实并没有收到太多的关注，主要有两点原因：其一灵感来自于热力学领域，理解成本稍高；其二计算成本更高，对于大多高校学术实验室的显卡配置而言，训练时间比 GAN 更长更难接受。该模型借鉴了热力学中扩散过程的条件概率传递方式，通过主动增加图片中的噪音破坏训练数据，然后模型反复训练找出如何逆转这种噪音过程恢复原始图像，训练完成后。扩散模型就可以应用去噪方法从随机输入中合成新颖的”干净“数据。该方法的生成效果和图片分辨率上都有显著提升。不过，算力正是大模型研发公司的强项，很快扩散模型就在大公司的调试下成为生成模型新标杆，当前最先进的两个文本生成图像模型——OpenAI 的 DALL·E 2 和 Google 的 Imagen，都基于扩散模型。DALL·E 2 生成的图像分辨率达到了 1024 × 1024 像素。例如下图”生成一幅莫奈风格的日出时坐在田野里的狐狸的图像“：除了图像生成质量高，DALL·E 2 最引以为傲的是 inpainting 功能：基于文本引导进行图像编辑，在考虑阴影、反射和纹理的同时添加和删除元素，其随机性很适合为画师基于现有画作提供创作的灵感。比如下图中加入一只符合该油画风格的柯基： DALL·E 2 发布才五个月，尚没有 OpenAI 的商业化api开放，但有 Stable Diffusion、MidJourney 等下游公司进行了复现乃至商业化，将在后文应用部分介绍。 3、OpenAI的使命——开拓通往 AGI 之路 AIGC 大模型取得突破，OpenAI 只开放了api和模型思路供大家借鉴和使用，没去做下游使用场景的商业产品，是为什么呢？因为 OpenAI 的目标从来不是商业产品，而是通用人工智能 AGI。 OpenAI 的创始人 Sam Altman 是 YC 前总裁，投出过 Airbnb、Stripe、Reddit 等明星独角兽（另一位创始人 Elon Musk 在 18 年因为特斯拉与 OpenAI ”利益相关“离开）。他在 21 年发布过一篇著名的博客《万物的摩尔定律》，其中提到 OpenAI，乃至整个 AI 行业的使命是通过实现 AGI 来降低所有人经济生活中的智能成本。这里所谓 AGI，指的是能完成平均水准人类各类任务的智能体。因此，OpenAI 始终保持着学术型企业的姿态处于行业上游，成为学界与业界的桥梁。当学界涌现出最新的 state-of-art 模型，他们能抓住机会通过海量算力和数据集的堆叠扩大模型的规模，达到模型意义上的规模经济。在此之后克制地开放商业化 api，一方面是为了打平能源成本，更主要是通过数据飞轮效应带来的模型进化收益：积累更富裕的数据优化迭代下一代大模型，在通往 AGI 的路上走得更坚实。定位相似的另一家公司是 Deepmind——2010年成立，2014 年被谷歌收购。同样背靠科技巨头，也同样从强化学习智能决策领域起家，麾下的 AlphaGo 名声在外，Elon Musk 和 Sam Altman 刚开始组局创办 OpenAI，首要的研究领域就是步 AlphaGo 后尘的游戏决策 AI。不过 19 年后，两者的研究重心出现了分叉。DeepMind 转向使用 AI 解决基础科学如生物、数学等问题：AlphaFold 在预测蛋白质结构上取得了突破性的进展，另一个 AI 模型 AlphaTensor 自己探索出了一个 50 年悬而未决的数学问题：找到两个矩阵相乘的最快方法，两个研究都登上了 Nature 杂志的封面。而 OpenAI 则转向了日常应用的内容生成 AIGC 领域。 AIGC大模型是通往 AGI 路上极为重要、也有些出乎意料的一站。其重要性体现在 AI 对人类传达信息的载体有了更好的学习，在此基础上各个媒介之间的互通成为可能。例如从自然语言生成编程语言，可以产生新的人机交互方式；从自然语言生成图片和视频，可以革新内容行业的生产范式。意外性则是，最先可能被替代的不是蓝领，而是创作者，DeepMind 甚至在协助科学家一起探索科研的边界。 OpenAI 的模式也给了下游创业者更多空间。可以类比当年预训练语言模型发展初期，Hugging Face把握机会成为大模型下游的模型开源平台，补足了模型规模膨胀下机器学习民主化的市场空间。而对 AIGC 模型，未来会有一类基于大模型的创业公司，把预训练完成的 AIGC 模型针对每个子领域进行调优。不只需要模型参数优化，更要基于行业落地场景、产品交互方式、后续服务等，帮助某个行业真正用上大模型。正如 AI 的 bitter lesson 一样矛盾，投资者需要短期投资回报率、研究者需要短期投稿成功率，尽管OpenAI 走在通往 AGI 正确的路上，这条路道阻且长，短期很难看到极大的突破。而 Sam Altman 展望的大模型应用层公司很有可能有更高的高投资回报，让我们来介绍下主要的分类与创业者。百家争鸣的 AIGC 大模型应用层对应 OpenAI 大模型发布的顺序，模型应用层相对最成熟的是文本生成领域，其次是图片生成领域，其他领域由于还未出现统治级的大模型相对落后。文本领域天然应用场景丰富，且 GPT-3 开放 api 很久，细分赛道很多。大致可以根据生成内容不同分为两类：机器编程语言生成、人类自然语言生成。前者主要有代码和软件行为的生成等，后者主要有新闻撰写、文案创作、聊天机器人等。而图片领域当前还专注于图片自身内容的生成，预期随着未来3D、视频相关内容生成能力的增强，会有更多结合不同业务场景如游戏、影视这样细分领域的创业公司。以下是海外各子领域创业公司的梳理，接下来将针对几个领域的重要公司进行介绍。 1、编程语言文本领域最成熟的应用暂时不在人类自然语言，而是在代码等机器语言的生成领域。因为机器语言相对更结构化，易学习；比如鲜有长文本的上下文关系、基于语境的不同含义等情况。（1）代码生成：Github Copilot 代表公司是微软出品的 Github Copilot，编程中的副驾驶。该产品基于 OpenAI 专门用 GPT-3 为编程场景定制的AI模型 Codex。使用者文字输入代码逻辑，它能快速理解，根据海量开源代码生成造好的轮子供开发者使用。提高一家科技公司 10% 的 coding 效率能带来很大收益，微软内部已进行推广使用。相比低代码工具，Copilot 的目标群体是代码工作者。未来的低代码可能是两者结合：低代码 UI 界面实现代码框架搭建，代码子模块通过 Copilot 自动生成。正如 Copilot 的 slogan：Don’t fly solo，没有 Copilot 的帮助 coder 的工作会变得繁冗，没有 coder 的指引 Copilot 生成的内容可能会出现纰漏。也有用户报告了一些侵犯代码版权、或代码泄露的案例，当前技术进步快于版权法规产生了一定的空白。（2）软件行为生成：Adept.ai Adept.ai 是一家明星创业公司。创始团队中有两人是Transformer 模型论文作者，CEO 是谷歌大脑中大模型的技术负责人，已经获得 Greylock 等公司 6500 万美元的 A 轮融资。他们的主要产品是大模型 ACT-1，让算法理解人类语言并使机器自动执行任务。目前产品形态是个 chrome 插件，用户输入一句话，能实现单击、输入、滚动屏幕行文。在展示 demo中，一位客服让浏览器中自动记录下与某位顾客的电话，正在考虑买 100 个产品。这个任务需要点击 10 次以上，但通过 ACT-1 一句话就能完成。软件行为生成颠覆的是当下的人机交互形式，使用文字或语音的自然语言形式来代替当下人与机器的图形交互模式（GUI）。大模型成熟后，人们使用搜索引擎、生产力工具的方式都将变得截然不同。 2、自然语言自然语言下还有多个应用型文本生成领域值得关注：新闻撰写、文案创作、对话机器人等。（1）新闻撰写最著名的是 Automated Inights。他们的结构化数据新闻撰写工具叫做 wordsmith，通过输入相应数据和优先级排序，能产出一篇基于数据的新闻报道。该工具已在为美联社每季度自动化产出 300 余篇财报相关报道，在雅虎体育新闻中也已经崭露头角。据分析师评价，由 AI 完成的新闻初稿已接近人类记者在 30 分钟内完成的报道水准。 Narrative Science是另一家新闻撰写生成公司，其创始人甚至曾预测，到 2030 年，90%以上的新闻将由机器人完成。（2）文案创作该领域竞争较为激烈，有copy.ai、Jasper、copysmith 等公司。他们基于 GPT-3 的能力加入了文案领域的人工模板与结构，为商家和个人创作者提供了快速为自己的商品、内容进行宣传的能力。以copysmith 为例：（3）对话机器人前面提到的 Adept.ai 由Transformer 模型的一作和三作联合创立；而二作也创业了，他创办的 Character.ai 是当前对话机器人中使用效果最逼真的。该对话机器人可以自定义或使用模板来定义角色的家庭、职业、年龄等，在此基础上保持一贯的设定和符合设定的对话风格。经常能体现出一定的共情对话能力带给人惊喜，并且支持多语言互通。比如他们有已训练好的马斯克等名人和一些动漫角色，与他们对话会有很棒的代入感。而商业化的对话机器人，在客服、销售等行业有巨大的市场空间，但如今还为成熟。主要出现的问题有二：其一，客服、销售行业遇到的客户往往情绪状态不稳定，AI 难以对情绪进行适应并调整对话内容；其二，AI 的多轮对话能力较弱，无法保证持续有效的跟进问题。（4）创作性文本 AI 对于长文本创作有一定困难，难以保持1000字以上的文本创作后仍能进行上下文的联系。但基于短文本创作仍有一些有趣的应用，例如基于GPT-3的 AI Dungeon，可以引导 AI 创造一个虚拟游戏世界观。该领域进一步的成长需要期待未来 3-5 年，有成熟的能产出千字内容的 AI 出现。 3、多模态图片 DALL·E2 是极具突破性的 AIGC 大模型，但距离丰富生产力和创造力的成熟产品还有差距。因此有研究者顺着 DALL·E 和 CLIP 的思路开发了开源版本的扩散模型，就像当年的 Hugging Face 那样，并将其根据创作者社区的反馈转变为更成熟易用的商业产品。接下来就介绍几个主要出圈的模型：（1）Disco Diffusion 最早出圈的 AI 绘图工具是开源模型Disco Diffusion。发布时间比 DALL·E 2 稍晚，同样也是 CLIP + Diffusion Model 的结构，生成效果让许多插画师担心起了失业。尽管很多插画师和 AI 工具爱好者的推荐都认可了该工具的易用性和生成效果的出众，但其生成时间略长有待优化，可以认为是大家对图片生成大模型的初体验。（2）MidJourney 该模型发布后不久，Disco Diffusion 的开发者 Somnai 加入了 MidJourney，和团队一起打造了一款产品化的 Disco Diffusion。 Midjourney 的创始人 David Holz 并不是以CV（计算机视觉）研究为主，更关注人机交互。产品公测和主要交流平台都基于Discord，使用 Discord Bot 进行交互，打造了相当良好的社区讨论环境。使用中印象深刻的有几个重要功能：MidJourney 画廊中可以看到每时每刻创作者们用 MJ 创作出的作品，用户可以对作品进行打分，每周排名靠前的作品将得到额外的 fast GPU 时间奖励。同时，MJ官方还为用户贴心的提供了引导语 prompt 集合和 AI 擅长的风格指南，指导用户如何最高效的生成出他们想要的图片。基于良好的产品和社区体验，MidJourney 的付费用户量也是目前最大的。目前收费模式采用了订阅制，个人用户有两个档位，每月最多 200 张图片（超额另收费）的 10 美元/月，以及”不限量“图片的 30 美元/月；对企业客户，单人一年收费仅有 600 美元，且生成的作品可以商用（当前法规尚不完善，仍可能存在一定版权问题）。（3）Stable Diffusion 如果说 MidJourney 是一个勤勤恳恳的绩优生，那么 Stability.ai 则是天赋异禀技术力强、诞生之初就备受 VC 追捧的富二代，公司估值已达到十亿美元。产品 Stable Diffusion 首要目标是一个开源共创模型，与当年的 Hugging Face 神似。创始人 Emad 之前是对冲基金经理，用自己充裕的资金联合 LMU 和 Runaway ML开发了开源的 Stable Diffusion，在 Twitter 上使用扎克伯格在 Oculus 发布会上的照片作为背景，号召SD会成为”人类图像知识的基础设施“，通过开源让所有人都能够使用和改进它，并让所有人更好地合作。 Stable Diffusion 可以认为是一个开源版本的DALL·E2，甚至不少使用者认为是当前生成模型可以使用的最佳选择。官方版本部署在官网 Dream Studio 上，开放给所有用户注册。相比其他模型，有很多可以定制化的点。不过官网只有 200 张免费额度，超过需要付费使用，也可以自行使用开源 Colab 代码版无限次使用。此外，Stable Diffusion 在压缩模型容量，希望使该模型成为唯一能在本地而非云端部署使用的 AIGC 大模型。 05 AIGC大模型的未来展望 1、应用层：多模态内容生成更加智能，深入各行业应用场景上述的多模态图片生成产品当前主要局限于创作画作的草图和提供灵感。在未来待版权问题完备后， AIGC 内容能进入商用后，必然会更深入地与业界的实际应用进行结合：以游戏行业为例， AI 作画给了非美术专业工作者，如游戏策划快速通过视觉图像表达自己需求和想法的机会；而对美术画师来说，它能够在前期协助更高效、直接地尝试灵感方案草图，在后期节省画面细节补全等人力。此外，在影视动画行业、视频特效领域，甚至是文物修复专业，AI 图片生成的能力都有很大想象空间。当然，这个领域 AI 的能力也有着不小的进步空间，在下面的未来展望部分进行阐发。目前 AIGC 存在 Prompt Engineering 的现象，即输入某一些魔法词后生成效果更好。这是目前大模型对文本理解的一些缺陷，被用户通过反向工程进行优化的结果。未来随着语言模型和多模态匹配的不断优化，不会是常态，但中短期内预期Prompt Engineering 还是得到好的生成内容的必备流程之一。 2、模态层：3D生成、视频生成 AIGC 未来3-5年内有明显进步多模态（multimodal）指不同信息媒介之间的转换。当前 AI 作图过程中暴露的问题会成为视频生成模型的阿喀琉斯之踵。例如：AI 作画的空间感和物理规则往往是缺失的，镜面反射、透视这类视觉规则时常有所扭曲；AI 对同一实体的刻画缺少连续性。根本原因可能是目前深度学习还难以基于样本实现一些客观规则泛化，需要等待模型结构的优化进行更新。 3D生成领域也有很大价值：3D 图纸草图、影视行业模拟运镜、体育赛场现场还原，都是 3D 内容生成的用武之地。这一技术突破也渐渐成为可能。 2020年，神经辐射场（NeRF）模型发布，可以很好的完成三维重建任务：一个场景下的不同视角图像提供给模型作为输入，然后优化 NeRF 以恢复该特定场景的几何形状。基于该技术，谷歌在2022年发布了 Dream Fusion 模型，能根据一段话生成 360 度三维图片。这一领域当前的实现效果还有优化空间，预期在未来3-5年内会取得突破性进展，推动视频生成的进步。 3、模型层：大模型参数规模将逼近人脑神经元数量近年的大模型并未对技术框架做颠覆性创新，文本和图像生成领域在大模型出现前，已有较成熟方案。但大模型以量变产生质变。从神经网络角度看，大脑有约 100 万亿神经元， GPT-3 有 1750 亿参数，还相差了 1000 倍的数量级，随着算力进步可以发展的空间还很大。神经网络本质是对高维数据进行复杂的非线性组合，从而逼近所观测数据分布的最优解，未来一定会有更强的算力、更精妙的参数堆叠结构，来刷新人们对AI生成能力的认知。 4、成本结构决定大模型市场的马太效应大模型最直接的成本便是能源成本（energy cost），GPT-3 发布时的训练成本在千万美元级别。难以在短期内衡量 ROI ，大科技公司才能训练大模型。但随着近年模型压缩、硬件应用的进步，GPT-3 量级的模型成本很可能已降至百万美元量级，Stable Diffusion 作为一个刚发布一个月的产品，已经把原本 7GB 的预训练模型优化压缩至 2GB 左右。在这样的背景下，算力成本在未来必然会逐渐变得更合理，但 AIGC 领域的另一个成本项让笔者对市场结构的预测还是寡头垄断式的。大模型有明显的先发优势，来自巨大的隐形成本：智能成本。前期快速积累用户反馈数据能帮助模型持续追新优化，甩开后发的竞争者，达到模型性能的规模效应。 AI 的进化来自于数据的积累和充分吸收。深度学习，乃至当前的所有机器学习都是基于历史预估未来，基于已有的数据给到最接近真实的可能。正如前文讨论的，OpenAI 的目标从来不是留恋于某个局部行业的商业产品，而是通过模型规模经济，不断地降低人类社会全局的智能成本，逼近通用人工智能 AGI。规模经济正体现在智能成本上。 5、虚拟世界的 AGI 会先于现实世界诞生从更宏观的视角上，虚拟世界 AI 技术的智能成本比现实世界中来得低得多。现实里 AI 应用最普遍的是无人驾驶、机器人等场景，都对 Corner Case 要求极高。对于AI模型而言，一件事超过他们的经验范畴（统计上out of distribution），模型将立马化身人工智障，不具备推演能力。现实世界中 corner case 带来的生命威胁、商业资损，造成数据积累过程中极大的试错成本。虚拟世界则不同，绘图时遇到错位扭曲的图片，大家会在 Discord 中交流一笑了之；游戏 AI 产生奇怪行为，还可能被玩家开发出搞怪玩法、造成病毒传播。因此虚拟世界，尤其是泛娱乐场景下的 AIGC 积累数据成本低会成为优势。这个领域的 AI 如果节省人力、生成内容产生的商业价值能大于算力成本，能很顺畅地形成低成本的正向循环。伴随着另一个重要的革新——长期 Web3.0元宇宙场景下新内容经济生态的形成，虚拟世界内容场景下的 AI 很可能更早触及到 AGI。来源：金色财经

金色财经2023-02-21

24小时热点