近期，多家厂商发布了视觉模型，结合C端应【原创内容，转载请注明出处】【未经授权禁止转载】用市场的情况，我有理由相信，AI应用方向著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net正在从LLM聊天应用向视觉应用转变。从单【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】纯的聊天工具大行其道，到类似写作类cop原创内容，盗版必究。【转载请注明来源】ilot工具的盛行，AI应用在2024年【未经授权禁止转载】【原创不易，请尊重版权】已经呈现出了巨大的潜力，但你要知道，现在未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。才5月，从业界顶尖会议提出AI应用将成大转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。趋势，到现在才不过短短半年，可见在AI应【关注微信公众号：wwwtangshuangnet】【作者：唐霜】用领域，世界发展的有多快。本文就来聊一聊【关注微信公众号：wwwtangshuangnet】【作者：唐霜】我所看到的趋势和机会。

大模型成为AI领域统治级范式

在GPT-3.5之前，AI训练总是具有针本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。对性，不同厂商、团队的方案百家争鸣，但在【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。ChatGPT被广泛认可之后，大模型已经【原创内容，转载请注明出处】原创内容，盗版必究。成为AI领域的核心范式，甚至成为一家新的转载请注明出处：www.tangshuang.net【版权所有，侵权必究】AI创业公司的唯一选择。通过训练大模型来未经授权，禁止复制转载。【版权所有，侵权必究】获得需要的AI能力，已经成为一种普遍被认本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】可的方式，这一模式从LLM领域扩展到多模【本文受版权保护】【原创不易，请尊重版权】态领域、文生图领域、图生图领域、文生视频【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。领域、图生视频领域……几乎我们已知的各类【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。领域，都可以使用训练大模型的方式，获得针【作者：唐霜】【转载请注明来源】对该领域的AI模型。

AI领域当下发生着哪些有趣的事？

Stability在经历了创始人出走的情原创内容，盗版必究。【本文首发于唐霜的博客】况下，发布了Stable Diffusi未经授权，禁止复制转载。未经授权，禁止复制转载。on 3，获得了更优秀的成图能力，结合早未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。前发布的Stable Diffusion【本文首发于唐霜的博客】原创内容，盗版必究。 XL底层架构，可以预测新版本的SD将拥【转载请注明来源】【关注微信公众号：wwwtangshuangnet】有更强的性能。同时，官方推出的Stabl【版权所有，侵权必究】原创内容，盗版必究。e Video Diffusion也是令未经授权，禁止复制转载。【原创不易，请尊重版权】人眼前一亮。SD生态中，SD webui【本文受版权保护】【原创不易，请尊重版权】发布了1.9，新工具forge将让客户端【作者：唐霜】原创内容，盗版必究。具有更强的性能和能力。在文生图领域，除了【未经授权禁止转载】【未经授权禁止转载】Stability之外，国内的一众团队开著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】发出的新产品也是令人兴奋，在开源工具的基【转载请注明来源】原创内容，盗版必究。础上，分享绘画模型、工作流等，形成了AI【版权所有，侵权必究】【本文受版权保护】视觉领域的社区氛围。

在Suno几乎成为统治者的时候，Udio【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】横空出世与之分庭抗礼。从歌词到歌曲再到M【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。V，几个新平台可以让音乐创作从专业工作，【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net变为普通人可以短短几分钟实现的有趣事情，【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。AI在音乐领域真正做到了平权，让普通人可【原创不易，请尊重版权】【本文受版权保护】以通过音乐这种形式，完成自己抒发某时某刻【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】心情的创意。

从阿里所谓开源EMO引起的争议，到最终在【关注微信公众号：wwwtangshuangnet】本文版权归作者所有，未经授权不得转载。通义应用中落地的不错效果，在AI视频领域【版权所有，侵权必究】【原创内容，转载请注明出处】也出现百花斗艳的场景。通过一张照片就可以本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。让其中的人物活起来，并且具有较强的口型拟【本文受版权保护】本文版权归作者所有，未经授权不得转载。合，非常有意思。腾讯开源VideoReT【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。alking，微软在azure平台上线具【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。有情感和语气的文转音，数字人领域平民化也【版权所有，侵权必究】【未经授权禁止转载】是指日可待。

从年初Sora PPT式发布，到陆续有厂本文作者：唐霜，转载请注明出处。原创内容，盗版必究。商进入内测名单，到open-sora开源未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net项目上线，再到业内其他竞品陆续跟进，虽然【转载请注明来源】本文作者：唐霜，转载请注明出处。sora至今未上线对公众服务，但是整个业转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net界在AI生成视频领域已经发出了最强的期待【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。之声。虽然目前几乎所有的工具在生成视频这本文版权归作者所有，未经授权不得转载。【作者：唐霜】件事上，还很难做到完全规避大模型的幻觉问转载请注明出处：www.tangshuang.net【作者：唐霜】题，以及保持一致性问题，但是在退一步的情【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】况下，利用SD关键帧等的技术方案，也可以未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。实现视频换风格、换脸、换人、换背景等效果【转载请注明来源】【版权所有，侵权必究】，和传统视频处理工具要方便很多。

对于老厂家们而言，微软在office软件【本文首发于唐霜的博客】【作者：唐霜】中接入copilot技术，实现文件编辑时本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】局部生成能力；Adobe在其全线设计软件【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】中接入AI能力，可以通过涂抹局部后，用文本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。字描述来实现设计，效果炸裂；苹果则是在前转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。脚宣布与谷歌合作后，推出自己的小体量参数【版权所有，侵权必究】【本文受版权保护】大模型ReALM，实现了对屏幕信息的识别转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。和理解，让大模型在用户操作的理解上更进一【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。步。

AI将主导内容领域生产

这一轮LLM-based Agent的大本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】发展，将会颠覆内容生产方式，无论是在C端【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。还是B端，过去我们很多内容生产很多讲创意【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。，讲技术，但真正是创意的寥寥无几，很多都【本文首发于唐霜的博客】【本文首发于唐霜的博客】是搬运工​。而这一轮AI技术的发展，将彻未经授权，禁止复制转载。【原创内容，转载请注明出处】底颠覆之前的状况，B站百大影视飓风之前一转载请注明出处：www.tangshuang.net原创内容，盗版必究。期节目讲帮助一个残疾的兄弟实现运动梦想，【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】使用了非常多传统的影视剪辑和特效技术，成【关注微信公众号：wwwtangshuangnet】【转载请注明来源】本巨大，但就当前的AI技术而言，要实现相转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。同的效果，或许并不需要那么大的人力物力成【本文受版权保护】原创内容，盗版必究。本。在B端，很多所谓的编辑、整理、分析工未经授权，禁止复制转载。【原创内容，转载请注明出处】作，本质上都是文字处理的关联工作，在AI本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】的冲击下，这些工作人的成分会逐渐减少，除本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】了人力成本的考虑之外，内容质量和​时间效【本文受版权保护】【未经授权禁止转载】率的考量才是最重要的。

过去半年，我注意到抖音上AI创作的内容比【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net重在不断攀升​。以网文故事创作为例，通过著作权归作者所有，禁止商业用途转载。【作者：唐霜】大模型生成故事，通过生图、生视频模型完成【原创内容，转载请注明出处】【本文首发于唐霜的博客】素材生产，再配合工具自动完成剪辑，连载网未经授权，禁止复制转载。原创内容，盗版必究。文短视频以强烈的AI画风口感和爆爽的故事【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。背景设定，剥夺了很多其他短视频​的生成空【转载请注明来源】【版权所有】唐霜 www.tangshuang.net间。而就这类短视频的制作团队而言，除了成原创内容，盗版必究。未经授权，禁止复制转载。本降低之外，还可以通过推流来实现为其他短【本文受版权保护】【本文受版权保护】剧、游戏平台、购物平台的引流，从而实现盈【未经授权禁止转载】未经授权，禁止复制转载。利​。这种AI内容抢占用户流量的现象，在【原创不易，请尊重版权】【原创不易，请尊重版权】未来只会愈演愈烈​。不能说劣币驱逐良币，【未经授权禁止转载】【转载请注明来源】只能说基于流量为目的的内容推送时代，会被【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】AI所统治，进而有可能出现，人类的内容消【原创内容，转载请注明出处】【转载请注明来源】费由AI​来决定的最终局面。

AI向内容领域的入侵，必然带来某些职业群本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】体的危机，这值得我们​关注。从辅助人类提本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】升效率提升生产力的工具，到变成抢人类工作【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。的威胁，AI在现实中的应用范围，应该值得【未经授权禁止转载】【本文受版权保护】​所有人思考。

为什么视听领域是Agent趋势

首先，当下的AI技术本身具有内容增强属性【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】，人们正在利用AI的工具属性改造现有工具原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。，以在内容创作领域更快的产生内容，而内容本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】领域的终极就是视听产品，例如短视频、电影转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】、电视节目、游戏等​。这一轮AI技术的发【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】展，就目前来看，在应用领域，将AI作为内【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。容生产工具首当其冲，而技术研究和应用总是著作权归作者所有，禁止商业用途转载。【转载请注明来源】相辅相成的，当应用领域对内容生产的需求巨未经授权，禁止复制转载。【本文受版权保护】大时，大模型基座的研究也会顺着需求的方向【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。，在内容生产的终极方向——视听领域​——未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net不断发力。如此相互作用，类似Stabil【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】ity的SDXL方向，清华研究团队的LC【本文受版权保护】著作权归作者所有，禁止商业用途转载。M方向，都为实现实时生成（Realtim本文版权归作者所有，未经授权不得转载。【作者：唐霜】e Generation）提供了可能性​【未经授权禁止转载】【本文首发于唐霜的博客】。一旦实时生成技术成熟，那么我在以前多次原创内容，盗版必究。【作者：唐霜】提到的实时​互动视频生成将成为可能。

其次，图像和声音的生成，给大模型团队更多【本文受版权保护】本文版权归作者所有，未经授权不得转载。挑战的刺激感，而大模型范式遵循scali【作者：唐霜】原创内容，盗版必究。ng law，只要按照其范式训练大模型，【版权所有】唐霜 www.tangshuang.net【转载请注明来源】总是能大力出奇迹，看到胜利的曙光，不用担【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。心失败，因此，对于视听大模型的训练团队而未经授权，禁止复制转载。【未经授权禁止转载】言，将来必然获得成就感，而难度摆在那里，【转载请注明来源】著作权归作者所有，禁止商业用途转载。未来成功的​可能性也大大增强。南开大学和【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】字节跳动合作，提出了StoryDiffu【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】sion模型，以较小的训练代价生成一致的未经授权，禁止复制转载。未经授权，禁止复制转载。漫画和长视频​。随着商业应用的竞争白热化本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。，底层模型的研究也愈发激烈​。视听模型的转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】潜在商业价值无可估量，甚至一个模型的应用【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】化就是一家独角兽创业公司​的全部核心。

最后，视听是人类对世界模型认知的凝固​。著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】人类对外界的认知，80%以上来自视听感官本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。，而很明显，即便是盲人摸象，这80%的认本文作者：唐霜，转载请注明出处。原创内容，盗版必究。知也足够构建起真实世界​80%的真相。可【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.net见，视听模型的建立，对人类认识这个世界​原创内容，盗版必究。【转载请注明来源】意义重大。从Sora出现开始，对建立AI【原创内容，转载请注明出处】【本文首发于唐霜的博客】自动生成的世界模型的追求，成为很多人在A原创内容，盗版必究。【作者：唐霜】I领域研究的​主要动力。把人类认知中，最本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。高形态的部分，通过AI表现出来，在现实世【作者：唐霜】【转载请注明来源】界中也可能存在重要意义，例如对自闭症患者转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。认知世界的理解，对婴幼儿认知教育​的辅助【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。等等。正如我们在有些电影中听到的一样，正【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。常人眼中的数字，在文字认知障碍小孩眼中可【未经授权禁止转载】【未经授权禁止转载】能就是遨游在宇宙中的怪物一样​。通过构建【本文受版权保护】原创内容，盗版必究。世界模型，我们可以更了解人类自身​。

Agent的智能将成为人类的第二大脑

目前，AI在内容领域的颠覆性已经被展现的【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net淋漓尽致，但作为“人工智能”的“智能”部本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。分，并不局限于对人类语言的理解和生成​。著作权归作者所有，禁止商业用途转载。【本文受版权保护】例如我多次提到的comfyui，其本质上原创内容，盗版必究。转载请注明出处：www.tangshuang.net还是利用SD的生成能力，而在智能上的体现【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】，​显得非常死板。

人类对AI的最终幻想，是有自我意识和决策【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】能力的超级智能体​。最近微软首次推出了V【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】IDiff（Video Instruct【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。ion Diffusion），一个通用的【本文首发于唐霜的博客】【本文首发于唐霜的博客】视频扩散框架，统一的视频理解和编辑​。据【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net我所知，剪映团队也正在利用AI升级其​视【未经授权禁止转载】未经授权，禁止复制转载。频编辑系统。被称为“人工智能教母”的李飞本文版权归作者所有，未经授权不得转载。【转载请注明来源】飞宣称将休学创业，她提出一种可以合理推断著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。出图像和文字在三维环境中的样子的算法，并【原创不易，请尊重版权】【关注微信公众号：wwwtangshuangnet】据此预测采取行动，这种算法概念被称为“空原创内容，盗版必究。【原创内容，转载请注明出处】间智能”​。而openAI与Figure【原创内容，转载请注明出处】【原创不易，请尊重版权】合作后，公开视频显示该公司最新机器人在有【转载请注明来源】【转载请注明来源】了大模型的支持后，自主决策能力更强​。

LLM涌现的推理能力、CoT等，让我们意【本文首发于唐霜的博客】原创内容，盗版必究。识到，“思考”这件事本身是有迹可循的​。【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。AI智能体的终极形态，是完全自主的思考和【本文首发于唐霜的博客】【版权所有，侵权必究】决策，以服务于人​。但就当下而言，我们对著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】这个部分的开发还很少，我们把大部分精力都转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。投入在内容生产方面，而对开发“第二大脑”未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。的重要程度​放在“后面再说”的位置上。最著作权归作者所有，禁止商业用途转载。【转载请注明来源】近以付盛为代表的人士提出类似“大模型没必著作权归作者所有，禁止商业用途转载。【未经授权禁止转载】要，小模型刚刚好”这样的理念，他们关注实【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。际应用的商业成本与利润，大于让大模型​在【本文受版权保护】转载请注明出处：www.tangshuang.net思考能力上更进一步。

虽然当下，AI在内容生产领域非常火爆，但本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】是我相信，在工业领域、交通领域、金融领域【作者：唐霜】著作权归作者所有，禁止商业用途转载。、安全领域等的AI应用，才意味着作为“工未经授权，禁止复制转载。原创内容，盗版必究。业革命”概念股的成功​。而能够作为“人类【本文受版权保护】原创内容，盗版必究。第二大脑”存在，弥补人类在认知和决策上的著作权归作者所有，禁止商业用途转载。【转载请注明来源】不足，才是这一轮Agent发展的​目标。

结语

2024年，作为AI元年次年，整个行业发本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。生着巨大的变化。而2024年的国际金融处【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】于冰封期，AI行业没有遇到投资的好时候，【本文受版权保护】【作者：唐霜】却也能如此强劲的发展​，在夹缝中​投资者【原创不易，请尊重版权】未经授权，禁止复制转载。们依然看好这一领域。第一次工业革命大约从【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net18世纪末开始，持续到19世纪中叶，大约【原创内容，转载请注明出处】未经授权，禁止复制转载。100年左右的时间；第二次工业革命大约从本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net1870年代开始，到1920年代结束，大【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。约​50年不到的时间；第三次科技革命大约原创内容，盗版必究。【原创不易，请尊重版权】从1970年代开始，到1990年代，大约【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。20年左右的时间​。科技革命的迭代速度就著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】如宇宙的膨胀速度一样，越来越快，意味着这未经授权，禁止复制转载。【本文首发于唐霜的博客】其中的挑战和机遇将难以想象的一闪而过​。【未经授权禁止转载】【未经授权禁止转载】被预测为“第四次科技革命”的AI浪潮或许本文版权归作者所有，未经授权不得转载。【转载请注明来源】在5年以内就会完成整个底层技术的构建，并【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。在未来几十年中​不断开枝散叶。虽然当下在【关注微信公众号：wwwtangshuangnet】【转载请注明来源】内容领域应用火爆，但我相信，很快，在其他著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。领域，AI也将展现其​超凡能力。​

2024-05-05 2999