注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 专业工业工具:华大九天、中望软件等
专业工业工具:华大九天、中望软件等 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 专业工业工具:华大九天、中望软件等 的推特
#从写代码到设计硬件、AI# 正加速进入物理世界的研发环节。 OpenAI 最新披露,Astra 已参与设备外观、机械结构、PCB 及固件设计,两名成员利用业余时间、不到一周完成测试设备设计,制造商不到一个月完成小批量原型;同时,OpenAI 与马自达探索将 AI 用于汽车气动及碰撞安全设计,与 CGR 探索从零件扫描到 CAD 模型和制造图纸的工作流。 AI for Engineering 的下游场景正向汽车、电子及工业研发延伸。 🚀 #核心看点在于:工程设计门槛下降、迭代提速,有望创造更多设计与仿真需求。我们认为,随着# AI 降低建模、出图和仿真准备的成本,工程师能够探索更多方案,过去受制于人力和预算的研发需求有望释放,推动“更多设计方案—更多仿真验证—更多模型与算力调用”的正向循环。OpenAI 硬件团队自今年 2 月以来,模型 token 使用量增长 23 倍,已提供工程场景高强度调用的早期信号。 💡 #物理AI:需求空间从数字内容生产拓展至实体产品研发与制造。# 工程设计与仿真有望成为物理 AI 的重要落地入口,并为后续制造与执行提供基础。看好具备工业数据、专业工具集成和客户场景积累的企业,关注工业设计与仿真软件、工程智能体及推理算力的增量机会。当前制造公差、装配约束等环节仍需人工审核,后续重点跟踪从原型验证向规模化付费的转化。 🌹 关注: #物理ai:奥比中光、索辰科技、五一视界、中控技术# #专业工业工具:华大九天、中望软件等#
显示更多
今天,正式介绍 同时送出 20 个免费会员兑换码。 请转发给你身边的剧作者、编剧、导演和故事创作者。 在剪映出现之前,Final Cut Pro 和 Adobe Premiere Pro 的复杂度,曾把大多数视频创作者挡在门外。 而在剧本创作领域,类似的事情也长期存在。 Final Draft 是好莱坞工业的共识工具,但它并没有真正降低普通人讲述故事的门槛。 想做的,是让更多人能够轻松编排心中的故事。 在 Laper,你可以用下拉选择器快速选择人物,按下 Tab 自动进入台词; 你可以在无限画布中,从不同数据视角观察你的角色、结构、节奏与冲突; 你也可以自由切换好莱坞剧本格式与亚洲剧本格式。 对于更专业的创作者,Laper 还支持由 AI 图像生成的全场景分镜。 让一个故事,从一句灵感、一页剧本,到一组可视化分镜,真正变得可见。 这不是一个简单的写作工具。 这是一次关于故事生产方式的重新设计。 只要人类还存在一天,故事就永远不会终结。 一切,都要从几百万年前,人类围着火焰讲出的第一个故事开始。 Laper is Lightning with Paper. 献给每一个故事的讲述者。
显示更多
0
35
332
50
转发到社区
iPhone Air确实好看啊,这次是真动心了,而且该有的都有了,没有过于减配,就是国行eSIM只支持联通,移动和电信用户只能携号转网(这个很麻烦,后患也多)。 看了一下时间线,普遍也都对iPhone Air的颜值赞不绝口,它和AirPods Pro 3算是今年发布会的两大亮点了。 反正比去年那一坨的观感好多了,所谓「利空出尽是利好」,在AI能力还没对齐的时候,重新把竞争力拉到苹果擅长的设计领域,这个决策是对的,算是扬长避短。 当然这个设计不包括iPhone 17 Pro以及Max,感觉苹果的思路很清晰,就是把以前iPhone Pro产品线集成的性能和优雅拆出去了,Pro现在就是工业化的厚涂设计语言,要做专业的生产力工具,而新的Air系列则承担另一条时尚高端路线。 直接复制了Mac的市场经验属于是,很可以。 我应该是Pro和Air都会入手,正好把主力机和备用机一起换掉。
显示更多
0
15
27
1
转发到社区
FBI公告将此次盗币归于朝鲜 朝鲜培养一名黑客,第一步不是给他一台电脑,而是从学生中挑人。 数学和计算能力突出的学生,会进入专门的理工教育体系,接受更深入的计算机和编程训练。金日成综合大学、金策工业大学、平壤自动化大学等院校,都是这套人才培养体系中经常被提及的学校。 在这里,计算机知识不是单纯的专业技能。优秀学生会继续接受网络、软件和信息安全方面的训练;其中一部分人进入国家网络行动体系,成为情报和网络作战力量的一员。 接下来,任务可能发生在海外。朝鲜网络人员在境外活动,可以利用当地更成熟的网络和基础设施。美国政府还披露,朝鲜向海外派遣 IT 人员,以假身份申请远程工作,为政权赚取收入。这些 IT 工作者不等于黑客行动人员,但他们共同构成了朝鲜在数字世界获取收入和资源的网络。 朝鲜培养的不是一个“天才黑客”的孤胆传奇,而是一整套从选拔人才、专业训练、海外行动到获取和转移资金的国家级网络能力。 一台电脑不能造出几十亿美元。但一台电脑背后如果站着受训的人才、组织体系、身份网络和明确任务,它就可能成为撬动全球金融系统的工具。
显示更多
视频生成赛道的竞争,看似正在收紧——Sora延迟、Runway更新、大厂纷纷入局。 但PixVerse的C轮扩展融资4.39亿美元、估值超20亿,却透露出一个相反的趋势:赛道不仅没有收紧,反而在快速分化,挤进专业影视和游戏开发的新岔道。 先看事实:新加坡创企PixVerse刚刚完成C轮扩展,总融资额4.39亿美元,估值突破20亿美元。 消费端注册用户超1.5亿,月活超1500万,图生视频每分钟4.80美元。投资者名单里包括阿里巴巴。 公司手握三个产品系列——V系列面向消费者和API,C系列针对专业影视,R系列是今年初发布的世界模型,专攻游戏开发。 这个产品矩阵,暴露了视频生成行业的一个结构性变化:工具正从单一的视频短片生成,演变为分层级的创作基础设施。过去,AI视频生成主要满足C端用户的片段式娱乐需求,比如生成一段跳舞或风景短片。 但现在,PixVerse用C系列和R系列直接切入影视制作和游戏开发的工作流,这意味着视频生成技术开始渗透到生产级环节,有可能重塑内容供应链。 为什么这个分化现在发生?有两点驱动力。第一,消费端的视频生成体验已经进入一个相对成熟的阶段,但差异化越来越难,价值天花板有限。PixVerse尽管有1.5亿注册用户,但每分钟4.8美元的价格,在竞品中不算低,靠C端用户订阅很难撑起高估值。 所以必须向上游走,去覆盖更高客单价、更高粘性的专业市场。第二,专业影视和游戏开发对“可控性”和“一致性”有根本需求,这恰好是纯扩散模型或简单文生视频难以满足的。世界模型方案试图解决这个问题:通过内置物理规则和交互逻辑,生成的不再是平面视频,而是可以实时互动、多视角连贯的虚拟环境,这更接近游戏引擎的路线。 但这套逻辑的边界也很清晰。C系列能否真正服务影视工业?专业影视对画面构图、灯光、运动镜头、色彩风格有一整套工业标准,AI生成的画面能否无缝融入现有后期流程,还是个巨大的问号。 R系列世界模型听起来性感,但从DEMO到可交互的游戏资产,中间隔着工程化的鸿沟——性能、延迟、与游戏引擎的整合,每一项都可能卡住落地进度。竞争对手也没闲着:Runway正在深耕影视协作,Google的Veo和Meta的Movie Gen背后有算力和数据优势。PixVerse的融资规模虽大,但若产品打磨跟不上,估值可能变成负担。 长期来看,如果PixVerse能同时跑通消费、影视和游戏三条线,它有潜力成为内容创作的底层基础设施,类似视频领域的“操作系统”。 但更可能的剧本是,它需要在某个方向上形成绝对壁垒,否则会面临被大厂生态吞掉的危险——就像样稿里分析的,通用工具品类很容易被平台变成一个“tab”。 落实到不同角色的行动建议: 👉 普通内容创作者:可以继续用V系列降低视频制作门槛,但不要产生过度依赖。拍摄基本功和创意策划仍然是核心,AI视频只是放大器。 👉 专业影视团队:可以关注C系列的内测反馈和实际样片,评估是否能嵌入部分后期或预演环节,但短期不要指望全链路替代。 👉 游戏开发者:R系列值得跟踪,尤其关注它是否能生成符合引擎标准的资产,或降低关卡原型成本。目前距离商用至少还有一两年,更适合做技术储备。 👉 投资者/创业者:视频生成领域正从泛化走向垂直,但垂直意味着更高的行业壁垒和更慢的渗透速度。追高估值之前,先看产品的留存率和单位经济模型,比看融资金额更有意义。 PixVerse的这轮融资,与其说是视频生成赛道的胜利,不如说是创作工作流进化的一个信号弹。真正值得押注的,永远是那些能把技术塞进具体工作场景、并卡住某个不可替代环节的公司,而不是又一个“生成炫酷视频”的玩具。
显示更多
高善文为什么值得被怀念?学者风骨和独立精神。高博是国内公认的顶级宏观经济学家,不说“之一”其实也没问题。大家怀念他,不仅因他的专业能力,更因为他在高度商业化、短期功利的宏观研究领域,展现出越来越稀缺的知识分子气质、独立精神和敢言勇气——这在当下尤其珍贵。 1. 专业实力 + 深刻洞见(硬实力)
他一直践行用系统框架解释中国经济周期、结构问题和拐点。很多从业者把他的分析当“必读教材”。即使离开券商(2025年11月离职),影响力仍在。 他构建了一套具有中国特色的宏观分析体系: 1)2006年前后提出“资产重估”理论,将贸易顺差、外汇占款、流动性、信贷周期与股票、房地产等资产价格联系起来。 2)围绕工业产能周期、刘易斯拐点、潜在增速、房地产周期等不断完善。 3)著作《透视繁荣》《经济运行的逻辑》《在周期的拐点上》被从业者视为必读,至今仍是理解中国宏观的重要参考。 人们怀念的,是那种能把复杂现实讲清楚、给出独立判断的学者。 2、独特的学者气质:在浮华行业中保持独立 券商卖方研究常追求极端观点、热点追逐、流量噱头和内卷竞争。高善文完全反其道而行: 1)观点稳定,不反复变脸博关注。 2)拒绝过度商业化营销,少露面、不打造“网红”人设,专注研究、著书和培养团队。 3)对同行后辈包容,公开少抨击,倾囊相授框架。 4)平衡“知识分子求真”与“市场务实”:打通学院、政策、市场三重视角,既有学术高度又有落地性。 他自嘲经济分析: “解释过去头头是道,似乎有理; 预测未来躲躲闪闪,误差惊人。” 这种坦诚和克制,在充斥唱多或焦虑的舆论中格外难得。 3、敢说真话的勇气(最稀缺的部分)
这是大家怀念得最多的一点。在当下环境下,他是少数公开质疑官方数据的经济学家之一。 1)2019年提示中长期增长中枢下行、“保5争4”难度大。 2)2024年12月深圳投资者会议上,他描述社会现实:“到处都是生机勃勃的老年人、死气沉沉的青年人、生无可恋的中年人”。年轻人因就业压力消费低迷,老年人退休金稳定,形成鲜明对比。 3)他还直言:过去两三年官方GDP可能每年高估约3个百分点(真实增速或仅2%左右),累计高估10个百分点,与4700万城镇就业损失数据能对得上。演讲视频和报道迅速传播后被删除。 这种“把别人不愿说的问题讲出来”的坦率,在当前越来越少见。他不是唱衰,而是用逻辑和数据提醒大家:经济学要解释现实,而不是当宣传工具。他代表了一种越来越稀缺的“独立研究者气质”——学术高度、市场温度、人格风骨兼具。 4、还有一点非常值得强调 在这个被深澳理论和复杂数学公式充斥的经济学论文的时代,高博的文章基本以大白话风格为主,强调清晰的逻辑链条和真实数据推导,而不是堆砌深奥理论或复杂数学公式。 1)行文朴素克制、简洁平实:报告和文章很少用华丽修辞、煽动性标题或金句噱头; 2)重数据与因果逻辑链条,轻公式与抽象理论,“从因果机制出发”搭建模型,而不是套用经典模型或复杂数学公式; 3)擅用用故事和类比解释复杂概念,让我们普通人都能看的懂。 逻辑大胆但证据严谨,语言直白锐利,褪去学术包装,直指现实痛点。业内评价他的研究“数据翔实、逻辑性强”。 说实话个人是深受这种写作风格的影响,虽然与高博有云泥之别、我也尽量在我的文章里把数据和逻辑用大白话说清楚。 他的研究强调数据因果链条和可复盘逻辑,而非宏大叙事或情绪驱动。文章朴素克制,重论证而非包装,观点稳定、一以贯之(锚定资产重估、产能周期等框架)。他留下的不仅是几次判断,而是理解中国经济的系统方法论和尊重事实、不断求证的研究范式。 大家怀念高博,不是单纯因为他预测准,而是因为在商业化资本市场里,他依然保持了知识分子的独立性和说真话的勇气。这种品质如今太稀缺了,他的离世,让大家突然意识到:能把中国经济周期讲得透彻、敢直面数据偏差、还能影响市场的人,又少了一个。 在复杂的中国经济现实中,这份严谨逻辑、独立判断和真诚表达,永远值得被记住和怀念。 多年前,因为一位在国内某券商研究所当所长的师兄关系,有幸跟高博同桌吃饭过两次。现在依然还记得,他没有任何架子,非常谦虚,也很爱笑,我还问过几个现在看来非常傻瓜的问题,他都一一耐心解答,现在回想真是汗颜。 愿他安息,也希望我们能记住也能践行这种“专业+敢言”的精神。 斯人已去,他那爽朗的笑声音犹在耳。
显示更多
0
44
605
99
转发到社区
【水利部原副部长田学斌,官宣罪名奇特:包括搞假身份证】2026年首“虎”、水利部原副部长田学斌被“双开”并移送司法。7月23日,中央纪委国家监委“批发式”通报了田学斌被党纪政务处分并移送司法的消息。 经查,田学斌违反组织原则,在职工录用、职务晋升等工作中为他人谋取利益;廉洁底线失守,违规收受礼金,由他人支付应由本人支付的费用,搞权色交易;违规办理并使用虚假居民身份证等证件;贪婪无度,毫无纪法底线,将公权力异化为谋取私利的工具,大搞权钱交易,利用职务便利为他人在公司上市、煤矿重组、项目审批等方面谋利,并非法收受巨额财物。 1月5日,田学斌官宣被查,成为2026年首“虎”。 公开信息显示,田学斌现年62岁(1963年12月生),甘肃白银会宁人,1979年9月考入甘肃工业大学(现兰州理工大学)机械一系机械制造工艺及设备专业,1983年7月毕业后进入甘肃省农业水泵厂工作。
显示更多
也是时候调整自己了,生活还是要向前看,让时间消化一切吧☀️ 今天偶然间在 pyq 看见这张图,提供了一个跟目前的主流声音截然不同,却更能精准对标现在 AI 周期所处的位置,有点启发 确实越想越觉得,AI 产业里很多我们原本「看不懂」的东西,一旦套到房地产的商业模式上,反而会变得异常清晰 🟨融资工具的进化,是 AI 周期能否持续的关键 房地产行业之所以能延续二十年长周期,本质上并不是因为开发商们自己多有钱,而是因为围绕着房地产,长出了一整套多层次、多期限、低成本的融资体系 ➡️通过银行贷款支持拿地 ➡️通过开发贷支持建设 ➡️信托和地产基金参与股权投资 ➡️商业地产可以做 REITs 退出 ➡️最后,甚至连购房按揭都可以变成一个长达三十年的金融工具 如果没有这整套的融资体系,再厉害的开发商也撑不过一轮周期 而现在的 AI 产业,最缺的就是这套体系 今天的大科技公司,本质上都是在用自己的信用、自己的现金流、自己的股票做融资担保 谷歌、Meta、亚马逊、微软这些巨头,即便账上现金再多,也不可能实现无限扩张 他们迟早需要把手里那几千亿美元的 AI 基础设施,打包成可以被外部资金持有的资产 这条路其实已经开始出现苗头了 CoreWeave、Lambda、Nebius 这些独立算力供应商的兴起,本质上就是「专业开发商」在崛起 他们用私募基金的钱建设数据中心,签长期租约给大模型公司,再把这些数据中心打包融资 相信未来几年里,我们将一定会看到: AI 数据中心 REITs、AI 算力基金、GPU 租赁资产证券化、算力收益权凭证这些金融工具的陆续出现 甚至,主权基金、养老金、保险资金这些长期资本,也会慢慢成为 AI 基建最重要的资金来源,就像当年的保险公司就是地产行业最大的长期资金一样 可以预见,谁能先把 AI 资产的证券化、标准化、可交易化这条路打通,谁就掌握了下一个十年的金融话语权 这也是为什么英伟达已经开始自己下场做投资、做生态、做长期客户绑定 GPU 厂商正在变成「卖地+放贷+做物业」的三合一角色 🟨AI 时代的「土地」,是电力、是冷却、是不动产 曾经,房地产开发商最关心的是什么来着? 不是房价,是地段 而地段的核心是什么?是稀缺资源 AI 时代的稀缺资源并不是硅片 真正的稀缺资源是电力、冷却水源、网络枢纽位置、政府的审批牌照,是当地电网的承载能力 GPU 可以每年迭代,而变电站的审批和建设周期是 5-7 年,核电就更狠了,一座新核电站从规划到投产要 10-15 年 将来谁手里有电力指标,谁就是手里有未出让土地的开发商 马斯克把 xAI 的最大数据中心放在孟菲斯,是因为那里有田纳西河流域管理局提供的廉价电力 亚马逊 AWS 在弗吉尼亚北部的疯狂扩张,是因为那里既有便宜的水电,又有美国东海岸最大的人口聚集区 微软重启三里岛核电站,是因为这将提供稳定、低碳、24 小时运转的基载电力,而这,才是数据中心最稀缺的「土地」 未来十年里,AI 产业的「拿地」大战,本质上是一场关于电力、冷却资源、网络时延的战争 甚至,连地理位置都会分层: 一线数据中心会建在能源富集区 二线数据中心会建在用户密集区 边缘计算节点嵌入到每一座城市 这种分层结构,是不是有熟悉的感觉了,几乎和城市核心区、郊区、卫星城的房地产分层逻辑一模一样 🟨周期是逃不掉的,房地产的教训 AI 行业必须早学 房地产行业最伟大的智慧 —— 是周期 涨多了会跌,跌多了会救,救完又会涨,涨完又会跌 二十年来,央行、政府、开发商、购房者都在与这个周期共舞 如今的 AI 产业也不能例外 现在很多人以为 AI 是没有周期的,会一直涨下去,这是一个非常危险的错觉 GPU 会换代,大模型会过时,数据中心会折旧,客户会流失,利率会上升,资本开支会放缓 当全球大科技公司的资本开支增速开始见顶的那一天,AI 产业链的上游会最先感受到寒意 就像房地产周期里,工程机械、水泥、玻璃这些上游周期股,永远是周期最敏感的方向 未来几年里,AI 产业链里最大的风险不是模型的能力不够强,而会是产能的过剩 当所有大科技公司都建好了足够多的数据中心 当所有大模型公司都签了足够多的算力合约 当英伟达一年能卖出几千万颗 GPU 需求端只要稍微放缓一个季度,整个产业链就会进入库存调整期 这个时候,能活下来的公司只会有两类: 一类是成本最低的全产业链龙头 一类是绑定了长期需求的服务商 这就是为什么众多云计算厂商(AWS、Azure、GCP)一旦建成,就是他们自身最强的护城河 就像真正穿越房地产周期的,不是开发商,而是那些采取收租模式的物业公司 🟨折旧与「拆迁」,是这个 AI 时代最被低估的风险 房地产行业有着一个很重要的特征:房子很难过时 一栋楼一旦盖好,可以用 50 年、70 年,即使户型过时了,只要地段还在,主结构还在,折旧相对都是可控的 但反观 AI 基础设施的折旧速度,会比房地产快上几十倍 H100 还没大规模铺开的时候,H200 就来了,Blackwell 还没交付多久,Rubin 又在路上了 每一代 GPU 的性能提升,都是对上一代资产的「功能性报废」 这就相当于在地产周期里,房子盖好两年就要被强制拆迁 这种「技术性折旧」才是 AI 时代最大的资本风险,投出去的成本还没收回来就不能用了 英伟达之所以能一直维持这么高的估值,本质上不是因为它卖了多少 GPU 给众多 AI 公司,而是因为通过 CUDA 生态,能把所有客户都锁死在它的折旧节奏上 客户用得越深,迁移成本就越高,英伟达的护城河也就越深 这就是为什么英伟达毛利率可以维持在 75% 以上,本质上,这已经不是一家卖产品的芯片公司了,而是一家「AI 时代的房地产收租公司」 同理,AMD、博通、Marvell 这些公司如果想挑战英伟达,核心也不是堆算力,而是要建立自己的生态 没有生态的算力,就相当于过去空置的写字楼 🟨需求侧:AI 不是为了「住人」,是为了「生产」 「房地产满足的是居住需求,AI 满足的是生产力需求」 这是 AI 和地产最大的区别,同样也是 AI 最大的希望 居住需求是有上限的,毕竟一个人只能住一套房子,而生产力的需求没有上限,只要有真实的效率提升,一个企业可以无限叠加 AI 能力 如果 AI 能持续提升企业的利润率,提升整个社会的产出效率,那么这场算力建设周期的天花板,就会比房地产高得多 这也是为什么我虽然对短期 AI 资本开支的泡沫保持着高度警惕,但对 AI 产业的中长期需求充满信心 关键变量是 —— AI 创造的价值,能不能持续大于 AI 消耗的算力成本 如果答案是肯定的,那么这场建设周期还可以持续 20 年,甚至 30 年 如果答案是 no,那么今天所有的数据中心、所有的 GPU、所有的资本开支,都会变成明天的折旧负担 应用层跟得上,就是又一个黄金十年,应用层跟不上,就是下一个日本 90 年代拉开序幕 这个问题的答案,就不是任何一家公司能单独回答的了,它需要整个产业去回答 🟨回到投资:谁是这个时代的「卖铲子的人」? 如果整个 AI 周期是真实存在的 如果「卖铲子」的逻辑是持续成立的 如果应用层真的是会爆发的 那么未来十年,最值得长期持有的标的,就不一定是模型公司和云厂商了 而是那些在产业链中游、无法被绕开的「材料和工具」供应商 GPU 厂商们是显而易见的,但真正被低估的,会是那些不起眼的基础设施供应商: 电力设备公司、冷却系统公司、光模块公司、高速互联公司、机柜结构件公司、电源管理公司 这些公司会像房地产周期里卖水泥、卖钢筋、卖防水材料的公司 他们的题材不性感,上不了台面儿,不会轻易被媒体讨论 但他们的现金流稳定,毛利率可控,订单可见性极强 每一次新的数据中心开工,他们都会是最先拿到订单的 每一次数据中心的交付,他们都是最先收到回款的 他们才是这个 AI 时代的「隐形收租人」 如同上个房地产周期里一样 🟨最后 —— 一个或许不一样的结尾 相比一个互联网行业故事的重复,这次的 AI 或许是更贴近地产行业的故事 如果用互联网的思维去理解 AI,会持续高估软件、低估基建 而用房地产的思维理解 AI,相信至少在未来 3-5 年的时间维度下,会更接近真相 但也要指出,不同的是,AI 的需求侧可能会是下一场工业革命级别的叙事 这就意味着,AI 产业既会有房地产式的周期波动,同时也会有工业革命式的长期红利 作为聪明的投资者,我们应该做的是: 在房地产式的周期里,找到工业革命式的长期赢家 周期是逃不掉的,但长期趋势,更是挡不住的 我们这代人,正在见证的,可能就是人类有史以来最大的一次算力建设周期,也是最大的一次生产工具革命 潮水最终会退去 但这次 潮水退去之后留下的 会是一个完全不同的世界吧 #AI#
显示更多
0
142
90
2
转发到社区
之前有张「中国AI vs 美国AI」的图(图1)很火,就在OpenAI和Anthropic齐发新模型的同时,元宝和千问正在开打红包大战,对比起来讽刺性拉满了。 但这个笑话的保质期很短,也不怎么好笑了,因为很快赶上了字节和快手同样先后的发了新一代视频模型,在外网刷屏的程度再次引起洋人对于中国AI实力深不可测的「刻板印象」。 所以说钱钟书老爷子写「围城」是有道理的,寰宇就是一个围城,里头的人眼馋外边,外边的人羡慕里头。 字节的Seedance 2.0很牛逼,可以说是完全改写了视频生成的方法,而且因为字节这家公司自带的外围声量一直很大,所以虽然发布更晚,评价增长却更快,但快手的Kling 3.0也非常强,我已经烧掉三个号了,保证绝对不是在强行塑造「双星闪耀」的概念。 这也和两个模型的路线差异有关,综合能力肯定都要对标视频大模型的Sota、也就是谷歌的Veo模型,但Seedance 2.0更侧重于Sora 2的那套运镜、理解、模仿、转场等效果,极大的利好短视频创作者生态,而Kling 3.0则更偏向于Runway代表的影视化、真实化和工业化的能力,是冲着专业导演和工作室去的。 所以博主和用户天然会对Seedance 2.0更有感觉,这没毛病,但我对Kling 3.0的上限期待很高,它真的是在抹平真实和虚拟之间的界限,不过从长期来看,路线差异必然是暂时的,最后大家都会殊途同归,解决抽卡问题的同时,全方位无死角的替代掉现有视频生产管线的一半以上,甚至更多。 相比「闷声发大财」的AI Coding,多模态才是AI接近普通人的破圈手段,去年ChatGPT和Gemini的两次「翻倍级」增长(图2),一个是因为GPt-4o的「吉卜力风潮」,一个是基于Nano Banana的降维打击,都是多模态在立功。 到了今年,战场开始继续前移,除了Seedance 2.0和Kling 3.0,同样是在这个月,马斯克发布了Grok专有的视频模型Imagine 1.0,谷歌也发布了打掉游戏引擎市值的Genie 3,发现共同点了吗? 全,是,视,频。 人是视觉动物,所见即所得的信息量,是远超文本和语言的,视频模型以前主要吃亏在能力不足,训练难度居高不下,生成质量良莠不齐,无法形成类似「一键P图」的稳定性玩法,但是到了2026年,这个瓶颈期目测已经快要跨过去了。 还记得威尔·史密斯吃意大利面吗?那也不过是两三年前的事情,时间过得很快,也很扁平,技术的进化效率太可怕了。 多说几句开头那个对比吧,如果说中国AI公司眼馋Claude Opus 4.6和GPT-5.3-Codex,倒也确实没毛病,但这也不只是纯粹的技术代差,中美的商业环境决定了AI渗透的发力点不一样。 表面上看,美国的AI巨头都在发力AI Coding,容易货币化是一回事,再往深了想,Coding自由的终点是什么?是工具、软件甚至系统的零成本化,需要什么让AI去写代码就好了,所以美股里的SaaS赛道突然就崩了。 SaaS是一个积累了快30年的万亿级规模市场,非常适合拿来当作回应「AI投入太大、回报不足」的靶子,想象空间太大了,而大厦将倾的此情此景,实在是有种见证时代的残酷美学。 王慧文在即刻上发了一条非常精辟的动态(图3): 「我们曾经以为,中国SaaS会像美国SaaS那么值钱,现在看,美国SaaS会像中国SaaS这么不值钱。」 大佬就是大佬,几句话就说到点上了,中国的AI公司在产业化方面有苦难言,尤其是面对美国同行的高歌猛进,原因就在于:你不可能去替代一个不存在的市场,拿走一份不存在的产值,讲述一篇不存在的故事⋯⋯ 但在多模态尤其是视频模型方面,就不是这样了,中国互联网的短视频、直播和创作者生态,是全球领先的,这是真的存在巨大的市场、产值和故事可以被AI接上的,所以字节和快手为视频模型的投入动力,是完全不虚美国大厂的。 快手Kling有先发优势,ARR涨得很快,在海外一直处于第一梯队,字节属于后来居上,多模态能力对豆包的留存拉动明显,更不用说GPU储备量是国内大厂里Top级的,真想做成事情,很难不做成。 昨晚很多字节的朋友都在转梁汝波和张楠用AI合拍的视频(图4),用来宣传搭载了Seedance 2.0的即梦,张楠的性格搞这个不意外,意外的是梁汝波也配合了,你们很少会看到他给字节的其他产品这么站台。 晚点LatePost的稿子里提过,字节内部是期待AI这波能有「下一个抖音」跑出来的,而且是完全用字节的方法去做选择——数据决定地位——也就是说,赛马机制已经启动了,目前至少有三拨势力在争这个「太子」: - 即梦,负责人张楠是把抖音做起来的第一人,她先去剪映,再到即梦,一直是被安放在从0到1的最前线,代表了字节在创业场景下最强的战斗力; - 豆包,所属的Flow团队负责人朱骏是 - 抖音自己,是的,抖音部门也希望「下一个抖音」能由自己孵化出来,而不是假手于人,比如抖音搜索团队做了一个名字就叫AI抖音的App,用户量不大,但占位置的意图很明显; 还是那句话,字节这家公司的活力之高和欲望之强,在大厂里真的很少见,丝毫看不到老化的痕迹。 最后我还想说,大的在后面,中国AI公司在这个月的重量级发布还没结束,我知道一些但是暂时不能说,等着吧,用心感受这神仙打架的一个月。
显示更多
0
16
220
35
转发到社区
《为什么懒惰是科技进步的动力》 人类经常说: 懒惰推动了科技进步。 这句话听起来像是一种玩笑,好像人类因为不想劳动,所以发明机器代替自己。 但如果深入观察,会发现“懒惰”这个词其实描述错了一半。 推动科技进步的,并不是懒惰本身。 真正推动科技进步的,是人类对摩擦的感知,以及降低摩擦的冲动。 所谓懒惰,只是系统感知到“当前路径成本过高”之后产生的一种反馈。 ⸻ 一、懒惰,本质上是执行摩擦 假设一个人想喝水。 如果水就在手边,他不会觉得麻烦。 如果需要: 下楼; 去商店; 排队; 付款; 提回来; 这个过程中产生了大量阻力。 于是人会产生: “好麻烦。” 这就是所谓的懒。 但问题在于: 人类并没有停留在抱怨。 人发明了: 水杯; 水管; 自来水系统; 净水设备。 最后,喝水从一个需要完成的任务,变成一个几乎无感的动作。 看起来,人类变懒了。 实际上,人类只是把系统优化了。 ⸻ 二、文明进步,就是不断消除摩擦 如果把文明看成一个系统,它一直在做同一件事: 降低目标和行动之间的距离。 原始社会,一个目标需要大量直接劳动。 想获得食物: 寻找 → 捕猎 → 搬运 → 加工。 农业出现: 种植 → 收获 → 储存。 工业革命: 机器替代体力。 信息时代: 软件替代重复操作。 人工智能时代: 模型开始替代部分认知劳动。 每一次技术革命,本质都是一次摩擦压缩。 ⸻ 三、为什么人类会讨厌重复劳动? 因为人的大脑本身就是一个节约系统。 生命演化了几十亿年,一个核心目标就是: 在有限能量下获得最大收益。 大脑非常昂贵。 它消耗大量能量,却不希望把计算能力浪费在重复任务上。 所以人类天然会寻找: 自动化; 模式化; 工具化; 流程化。 算盘、计算器、电脑、AI,本质都是认知卸载工具。 人类不是因为“懒”才创造工具。 而是因为: 高级智能会不断寻找更高效的资源分配方式。 ⸻ 四、“勤奋”与“懒惰”其实只是不同层级 低层次系统: 依靠投入更多能量解决问题。 比如: 一个人每天手工统计数据。 遇到问题: “再努力一点。” 高层次系统: 重新设计路径。 比如: 写一个程序自动统计。 遇到问题: “为什么这个过程需要人工?” 两者都可能表现为努力。 但方向不同。 低层次努力: 增加输入。 高层次努力: 减少摩擦。 真正伟大的创新者,往往不是最能忍受痛苦的人,而是最敏感于“不合理阻力”的人。 ⸻ 五、科技发展的核心,是摩擦迁移 很多技术并没有消灭劳动,而是改变劳动的位置。 汽车减少了步行摩擦,却增加了制造、维护、能源系统。 互联网降低了信息传播摩擦,却产生了新的信息筛选问题。 AI降低了知识生产摩擦,却提高了判断和验证的重要性。 所以文明不是消灭摩擦。 文明是在不断把低价值摩擦转移出去,把人的注意力释放到更高价值的问题上。 ⸻ 六、未来最重要的能力:发现摩擦 过去时代,价值来自: “我能完成什么?” 工业时代需要执行者。 信息时代需要专业者。 AI时代,越来越重要的是: “哪里存在不必要的阻力?” 因为执行能力会越来越廉价。 未来稀缺的是: 发现问题的人; 理解系统的人; 设计新路径的人。 一个优秀工程师,不只是写代码。 他会问: 为什么用户需要这么多步骤? 为什么这个流程需要人工确认? 为什么系统不能自动完成? 这些问题,本质都是对摩擦的感知。 ⸻ 七、懒惰,是文明的另一种语言 如果重新理解“懒惰”,它并不是一种缺陷。 它是生命系统对低效率的抗议。 当一个人说: “这件事太麻烦了。” 背后可能隐藏一个重要信号: 这里存在优化空间。 很多伟大的发明,最初都来自一句: “有没有更简单的方法?” 轮子诞生之前,人们搬东西很累。 电灯诞生之前,人们点燃蜡烛很麻烦。 互联网诞生之前,人们交换信息很慢。 AI出现之前,人类处理复杂知识很痛苦。 ⸻ 所以: 懒惰不是科技进步的动力。 更准确地说: 对摩擦的不耐受,是智能系统推动自身进化的动力。 所谓懒惰,只是人类语言中,对“系统存在低效率”的一种直觉表达。 文明的历史,就是一部不断降低摩擦的历史。 而未来的竞争,也将越来越取决于: 谁能更早发现摩擦,谁能创造更低摩擦的结构。
显示更多