让每一分广告费都花在刀刃上！对话布尔向量，看视频营销Agent如何为ROI兜底！

得益于广阔的市场空间和逐渐加码的政策支持，跨境电商近几年来一直是创业者入局的热门赛道。

但对于出海的商家而言，营销推广一直是个“老大难”问题。

中小商家面临着海外平台营销成本高的困难，而体量大一些的商家，同样面临巨额投放过后，ROI不及预期的风险。

那么AI时代，是否有产品能够解决出海营销的难题呢？

布尔向量刚刚推出的AI视频智能体Temvideo已探索出新解法。

提到布尔向量，我们更熟悉的是其2024年3月发布的Boolvideo——能够将产品链接、文字脚本和图片等素材快速转化为视频的AI视频SaaS平台。

而新一代产品Temvideo，已从视频生成工具，进化为“更灵活、能听懂人指令、更注重结果交付的Agent”。

△Temvideo Web端主页

市面上视频生成类产品很多，但我们的客户反馈最惊喜的是，Temvideo有很多好用的模板，生成的视频在细节处理上很出色，最终投放到Meta的数据能与人工制作的齐平甚至更好。

我们的设计逻辑会沉淀各类行业know-how，相当于基于大卖的经验，生成更多能出单的视频。

那么Temvideo和Boolvideo在产品设计和结果交付上有什么不同，Temvideo的Agent能力究竟为营销场景带来多少实际价值，相对于Sora、即梦、可灵等通用视频生成产品，它又有什么差异化优势呢？

带着这些问题，量子位智库邀请到了布尔向量创始人及CEO王庆，深入拆解Temvideo如何将视频Agent与营销场景结合、AI营销/电商赛道的市场空间、产品的价值与核心用户、商业化现状与发展目标等问题。

一、关于Temvideo

Temvideo是布尔向量推出的全球首个面向营销场景的AI视频智能体，旨在解决跨境电商等领域视频制作效率低、成本高的痛点。

用户选择已验证过的高ROI模板，即可一键批量生成视频，视频质量和数据结果和人工制作齐平，且能大大减少制作时间，持续产出高转化内容，实现显著营销ROI，获取自然流量和成单转化。

产品核心功能包括：

• 批量混剪：一键批量生成营销视频，无需手动输Prompt。AI自动识别解析图片、文字、链接及视频素材，提炼产品核心卖点，生成适配营销场景的专业脚本。同步完成字幕、真人质感口播匹配与背景音乐，智能批量混剪快速成片。
• 虚拟人&图转视频：输入商品链接即可自动抓取素材，通过生成试穿、手持、虚拟人等AI技术实现图片动态化。AI全程自动完成脚本撰写、背景音乐匹配、产品介绍口播配文及音效适配，最终一键成片。
• 电商多语言翻译：集字幕去除、翻译、语音克隆和口型同步功能于一体，支持中文、英语、日语、西班牙语、葡萄牙语、印尼语、泰语、阿拉伯语等多种语言。

△Temvideo官方产品介绍

二、Key Takeaways

1、所有电商都希望视频投放能带来销售，Temvideo核心价值在于真正帮电商用户完成最终转化相关操作——让点击率和转化率保持高位。

2、产品核心用户是全球范围内年营收在1000万到1亿元之间、有广告投放需求的电商用户。他们最关注生成视频后是否能“一刀不切”，以及投放ROI能否达到预期。

3、针对大体量客户，Temvideo会分析他们行业内和竞品已投放且ROI很高的视频，用AI将这些视频解构为优质模板或脚本，沉淀到系统中。模板化是当前行业内普遍采用且有效的方式。

4、商户的高细节要求，如AI自动切分素材镜头、AI识别画面匹配BGM等，很多通用化产品无法满足，Temvideo用“大模型+行业模型”的整体框架去补充。

5、懂内容、懂投放、懂跨境电商的团队，再加上与用户深度磨合及沉淀行业know-how，是产品敢于对业务指标负责的核心底气，也是最大的护城河。

6、很多基于大模型开发的To C产品销量比大模型公司的产品更好，本质上是因为它们的“Taste”，能精准把握用户需求，并转化为视觉呈现和内容沉淀。这是AI应用层最核心的竞争力。

7、AI营销领域目前大概**80%-90%**的需求由工具满足，但未来处理复杂任务时，Agent化是必然趋势。Agent的不可控性是最大的门槛。

8、整个电商行业真正应用AI视频、图片生成技术的商家估计不到10%，但部分场景已有较好的应用，行业经历了一个“期望高涨-尝试受挫-理性回归”的过程。

以下为布尔向量创始人兼CEO王庆和量子位智库的详细对谈内容。在不改变原意的基础上，量子位智库对部分内容进行了修改及简化。

访谈实录

1、核心价值是帮电商用户完成「最终转化」

量子位智库：Temvideo作为“全球首个AI视频智能体”，给用户创造的核心价值是什么？

布尔向量：对电商用户来说，核心价值是AI真正帮用户完成最终转化相关操作。所有电商都希望有销售，视频投放花费不少广告费用，这款产品能让CTR*（Click-Through Rate，点击率）*和转化率保持高位，这是最大价值。同时，它也切实提升了剪辑师及相关投放的效率。

量子位智库：Temvideo作为Agent，整体工作流程是怎样的？通过哪些方面保证最终产出效果？

**布尔向量：**首先，Temvideo本身是Agent架构，支持用自然语言指挥完成各类操作。

产品分为两个版本：

一个是类似To C的版本，使用流程很简单。选择模板或用自然语言输入各类信息，填入基本要求，上传自身元素材，即可一键成片。

另一个是客户定制化版本，针对规模较大或有体量的客户。我们会分析他们行业内已投放且ROI很高的视频，也会分析竞品投放效果好的视频，用AI将这些视频解构为优质模板或脚本，沉淀到系统中。

后续客户打开系统，在定制化栏目就能看到专属模板，进而实现放量。后续流程与To C版本一致，持续输入原素材、选择模板、填入要求、一键成片。

其次，我们正在接入数据回传功能。通过投放数据看板，客户能清晰了解模板产生的效果，知晓ROI*（Return on Investment，投资回报率）、GMV（Gross Merchandise Volume，商品成交总额）*及实时ROI数据。

对ROI高的模板，持续放量和重生成；对ROI低的，进行替换，同时实现自动化发布和投放，该功能正在开发中。

用户使用流程极其简单，但后台操作复杂。后台需要理解视频每个片段的内容和画面，自动切分片段，筛选优质画面、剔除废片，再生成优质脚本，根据脚本匹配画面并拼装。

之后还会完成加BGM、口播、音色调整、贴纸添加、转场动效设计等辅助工作，最终实现视频批量生成。

量子位智库：Temvideo的生产效率和ROI提升方面，有初步数据统计吗？

**布尔向量：*KA（重点客户）*已有不少使用数据和案例，产品处于持续迭代中。

令人惊喜的是，目前AI剪辑的视频在Meta投放上，效果已基本与人工剪辑的视频齐平，CTR转化方面不逊色于人工。随着大模型不断迭代，效果还会越来越好。

量子位智库：Temvideo最主要的用户画像是什么样的？

**布尔向量：**核心用户是全球范围内，年营收在1000万到1亿元之间、有广告投放需求的电商用户。他们有在TikTok批量制作视频、在Meta投放广告的需求。

TikTok上的用户多是从亚马逊转型的大卖*（指年销售额高、规模大的卖家）*，Meta上的用户以独立站用户和TikTok跨境电商用户为主。

Meta平台上，很多商家已从图片投放完全转向视频投放，因为视频投放效率更高，但视频剪辑效率低成为了痛点。

量子位智库：这类用户最关注的核心体验是什么？Temvideo在相关细节上有哪些打磨？

布尔向量：用户最关注两点：

一是效率，生成视频后是否需要大量修改。我们提供灵活调整的编辑器，但目标是实现“一刀不切”，让用户无需修改就能直接使用，最大化提升效率；

二是效果，视频剪辑质量、脚本质量是否出色，最终投放ROI能否达到预期。

为满足这些需求，我们在细节上做了很多努力。

以服装类商户为例，他们需要快速展示多款服装，对此我们实现了两项细节能力：

一是AI自动切分素材镜头，精准剔除废片；

二是AI识别画面，匹配快速BGM，做好卡点和转场，增强视频节奏感。

此外，考虑到用户可能不擅长写Prompt，工程师会基于对模板的理解，提前配置好后台所有Prompt，确保视频在细节上符合用户预期。这些细节处理，很多通用化产品没有考虑到，而商户对细节要求极高，我们正是在这些方面做了大量深耕。

量子位智库：很多To C类Agent存在不够精准、可控的问题，Temvideo的工作链条较长，在精准可控方面采用了哪些技术或补充手段？

**布尔向量：**首先以大模型为基座，比如DeepSeek、Gemini等文本大模型。但通用大模型在很多环节和细节上处理不够完善，因此我们会引入大量行业AI算法和模型进行补充。

比如在画面识别、切分环节，通用大模型的理解和处理效果有限，我们就引入行业内其他算法模型，提升切分精度，整体框架是“大模型+行业模型”的补充辅助模式。

目前产品并非百分百完美，但正以月或周为单位持续进步。比如前两天更新Gemini 3.0后，效果又有了提升。

这一过程中，除了依托大模型本身的迭代，我们还会针对大模型的不足，进行工程化调优、数据训练和更多算法补充，这需要长期投入大量精力。

量子位智库：从技术角度看，目前存在哪些瓶颈？哪项技术进步能直接推动Temvideo效果再上一个台阶？

**布尔向量：**以画面理解为例，目前大部分AI模型还是基于抽帧方式，比如10秒视频每秒抽1次或0.5秒抽1次，本质上是在图片理解基础上附带做视频理解，可能会遗漏0.5秒到1秒之间的关键内容，导致理解不够透彻。

如果未来大模型能以0.01毫秒的精度分析视频且效果出色，那么产品效果将实现十倍甚至百倍的提升。当前大模型本身正在持续进步，相关技术瓶颈也在逐步突破。

2、「模板」是行业know-how沉淀的视觉呈现

量子位智库：很少有公司敢于直接对广告投放的业务指标负责，布尔向量的底气在哪里？

**布尔向量：**首先，我们有专业的内容团队，他们既懂跨境电商，又懂内容和技术。

我们会与KA客户合作，共同分析他们在Meta或TikTok上高ROI的投放视频，之后研究技术如何将这些视频沉淀为模板、转化为批量视频。

这一步至关重要，虽与技术直接相关性不大，但行业know-how和数据在此过程中起到了关键作用。

年初时，视频理解能力尚未成熟，难以知晓视频内容，无法进行有效匹配，操作难度很大。

3月份视频理解能力实现跨越后，服务客户的数据开始持续变好。比如最初需要70%的人工调整，之后逐步降至50%、30%、20%，现在仅需10%、5%，甚至无需人工调整。

这一变化的基础有两点：

一是大模型本身能力的迭代；

二是需要真正懂内容、懂投放、懂跨境电商的团队，与用户深度磨合，沉淀行业know-how。这是最难的环节，也是我们敢于对业务指标负责的核心底气。

量子位智库：沉淀模板本质上是积累行业know-how的过程吗？

布尔向量：是的。由于AI存在不可控性，很多To C、To B公司都会采用模板化的方式。

比如视频生成类大模型公司，出圈的特效视频本质上就是模板；海外热门的To C公司Higgsfield，核心是通过内容团队持续沉淀各类模板和特效，甚至比很多视频模型的特效效果更好，这是他们的核心竞争力。

模板化是当前行业内普遍采用且有效的方式，能保证AI的可控性，帮助用户拿到预期结果。

量子位智库：视频生成的审美与模板之间是什么关联？

布尔向量：模板沉淀的是对行业、审美、技术的理解，以及对用户需求、结果导向的认知。

海外很多To C产品基于大模型开发，但销量比大模型公司的产品更好，本质上是因为它们审美好。这种审美是一种“Taste”，能精准把握用户需求，并转化为视觉呈现和内容沉淀。在AI应用层，这是最核心的竞争力。

量子位智库：未来若通用型AI生成产品进入该领域，审美会是Temvideo最大的护城河吗？

布尔向量：审美是其中之一，但最大的护城河是对To B端行业的深耕和know-how的沉淀。

我个人是理工男，自身审美不算突出，但我们核心是理解To B端视频的行业审美。

如果用“审美”来定义，它不仅是视觉层面的，更核心的是对行业内高效果视频的结构拆解和重组能力。

对口型、视频理解等AI能力，除了大模型公司需要深耕外，其他公司的效果其实相差不大。关键在于如何拼装组合这些能力，真正满足用户需求，沉淀行业know-how。

To B端用户使用视频是为了真金白银的投放，而非娱乐，这一领域的know-how沉淀是最难的，也是最大的护城河。

就像电商领域的Agent公司懂电商，教育领域的Agent公司懂教育，游戏领域的Agent公司懂游戏，这种沉淀为AI能力的行业认知，是所有应用层公司的核心非技术护城河。

3、Agent适合解决需调用50-60个AI节点的复杂需求

量子位智库：Temvideo与Boolvideo是高级替代关系，还是相互补充？

**布尔向量：**两者并非替代关系，而是相互补充。

Boolvideo更多是工具属性，用户输入图片、URL等，就能生成视频，用户群体是内容创作者或小电商卖家，其底座并非Agent，仅用到10个左右的AI能力。

△Boolvideo功能

Temvideo的底座经过大量改造，是更灵活、能听懂人指令、更注重结果交付的Agent，调用的AI能力达50-60个。它能在自动化剪辑赛道，根据不同时间节点、任务需求，精准调用对应的AI能力。

比如发现废片时，其会自动调用视频理解和自动化剪辑算法的能力剔除废片，这种任务化的操作在之前很难实现，Agent时代的到来让其成为可能且效果出色。

但这也带来了新问题：Boolvideo生成视频仅需10-20秒，而Temvideo生成一个视频可能需要2-5分钟，因为它需要不断思考调用哪些能力、理解画面内容、规划操作步骤。

量子位智库：AI营销视频是一定会Agent化的细分赛道吗？

**布尔向量：**核心取决于结果交付，而非必然Agent化。海外很多工具仅调用单点AI能力，无需Agent化也能满足用户需求。

关键在于是否理解用户的“Taste”，能否精准把握用户需求，交付符合预期的结果。

如果任务复杂，需要调用50-60个AI节点，那么Agent化是更好的方案；如果只是简单的图片美化、美颜等需求，完全没必要Agent化。

量子位智库：目前AI营销领域，复杂需求和简单需求的市场规模占比大概是怎样的？

**布尔向量：**目前大部分需求还是通过工具满足，Agent概念刚出现，虽有很多产品开始Agent化，但实际效能仍处于增长阶段。

未来处理复杂任务时，Agent化是必然趋势。当前大概80%-90%的需求由工具满足，行业正逐步向Agent方向转型，各类行业Agent不断涌现，处于起步阶段。

量子位智库：做Agent产品最大的门槛是什么？布尔向量是如何解决的？

布尔向量：最大的门槛是Agent的不可控性。

Agent的优势是灵活性，但反过来也带来了不可控性。比如生成TikTok营销视频时，AI对“TikTok营销视频”的定义是否精准，直接影响结果；

同时，普通人或非技术用户在下达指令时，不会使用类似Markdown的规范语言，需求表达往往不够清晰，导致AI理解偏差，生成的结果与用户预期不符。

我们的解决方案有两个：

一是限定行业范围，在模板设置中划分电子、数码、衣服、零售、短剧等多个行业，让Agent在特定行业内实现可控；

二是细化模板框定，让用户基于明确的模板风格，再进行Agent相关的AI调用，虽降低了部分灵活性，但能提升结果交付的确定性，避免用户因生成时间长、结果错误而放弃使用，确保用户能“一次生成即得所需”。

量子位智库：目前Temvideo交付物符合用户需求、可直接投放的概率是多少？

**布尔向量：**还没到100%，大概生成5个视频，能有2-3个符合需求、可直接挑选使用。

4、电商领域AI渗透率仍不到10%

量子位智库：三年来，你对AI营销和AI短视频生成赛道有哪些新的变化和认知？

布尔向量：最大的变化有两点：一是从工具到Agent的跨越；二是多模态技术的显著进步。

文本多模态方面，文本识别越来越精准，AI识别人类指令时减少了“幻觉”，这也是今年客服类Agent爆发的原因。

比如分析画面时，不会把苹果误判为梨子；插入元素时，能精准到毫秒级别，指令执行的精准性和稳定性大幅提升，为服务To B端用户奠定了基础，让AI不再只是“玩玩而已”。

图片和视频生成领域持续进化，比如手持效果、虚拟试衣（Try-on）效果越来越出色，各类AI视频模板不断涌现，应用场景越来越丰富。

但To B端用户对AI技术的要求是**“可控”**，不能用不可控的AI技术去忽悠他们。比如手持效果、虚拟试衣效果如果出现穿帮，就无法作为广告素材使用，只能用于娱乐。

这就要求我们在技术应用上保持理性，聚焦能真正产生商业价值的场景。

量子位智库：目前电商行业对AI视频、图片生成技术的接受度有变化吗？大用户的渗透率是否达到理想状态？

布尔向量：目前渗透率还远未达到理想状态，整个电商行业真正应用AI视频、图片生成技术的商家估计不到10%。商家对细节可控性要求极高，导致大规模应用受限。

但部分场景已有较好的应用，比如买家秀制作、社媒上用于病毒式营销的酷炫视频，可通过Veo3、Sora等生成模型化视频。

行业经历了一个“期望高涨-尝试受挫-理性回归”的过程。2023年大家对AI技术期望很高，大卖们做了大量尝试，但发现虚拟人、手持效果等AI生成内容的投放ROI不佳，甚至不出单，效果未达预期。

之后行业开始理性反思，明确“该用AI的地方用AI，该实拍的地方实拍”。

比如拍摄环节以实拍为主，AI作为辅助，像AI能让单张原图动起来且不失真，就是很好的应用案例；但完全凭空生成“衣服转圈、天上飞”这类不切实际的内容，不仅技术上难以实现，投放效果也很差。

不过技术迭代速度极快，比如Banana发布后，预计一两个月内迭代更新，很多当前无法实现的场景就能满足需求。

量子位智库：为什么说全球化加社媒平台的广告视频属于结构性的空虚失调？潜在市场规模有多大？

布尔向量：结构性失调主要体现在两个方面：

一是供给端两极分化。

社媒平台对优质视频需求巨大，国内抖音每天新增视频约一两亿条，海外TikTok相关平台也过亿条，平台需要优质视频，而非粗制滥造的内容。但目前供给端呈现“优质内容稀缺，劣质内容泛滥”的情况——

好的视频难以批量产出，而AI生成粗制滥造的视频门槛极低，只要愿意投入成本，就能大量生成，导致“AI污染”问题，平台也在探索如何应对这一现象。

二是市场需求与内容供给的匹配失衡。

TikTok Shop的GMV已突破1000亿元，全球电商市场（包括亚马逊、Shopify等）规模已突破1万亿美元。这个庞大的市场需要高质量、能带来实际结果的内容，且需要切入投放环节分享效果收益。

潜在市场规模非常可观，有两种商业模式：

一是按视频条数收费，为市场提供高质量视频，让用户为单个环节付费；

二是按效果分成，切入投放环节，对ROI高于一定阈值的增量GMV进行分成。

但无论哪种模式，核心都在于保证内容的精准性和结果导向，只有让商家真正拿到效果，才愿意付费或分享收益，这也是市场的核心难点。

5、针对ROI数据针对性排查问题和迭代产品

量子位智库：Boolvideo和Temvideo是如何获取最早一批用户（比如前500个）的？有哪些关键渠道或手段？

**布尔向量：**Boolvideo初期借助AI流量红利，通过社媒投放、Product Hunts等渠道快速获客，但也走了弯路——未能在第一批用户中精准筛选出核心服务对象。

总结经验后，Temvideo的推广更注重用户精准定位：海外市场聚焦中小零售卖家，他们会将视频发布到Facebook主页或私域，对视频酷炫程度、动态效果、虚拟人应用等需求较高。

我们针对性优化产品，让用户上传几张图片就能生成各类酷炫视频，更贴合海外用户需求。

国内市场方面，产品更适用于混剪、短剧制作，目标用户是年营收1000万到1亿元、有广告投放能力的卖家。

我们基于对行业的理解和资源积累，与目标用户深度磨合，逐步推进产品泛化、通用化、模板化，逐个攻克目标用户，并持续收集反馈优化产品。

初期产品效果并不理想，比如用户原本投放ROI为2，用我们的视频后ROI可能降至0.5。我们会针对性排查问题：是镜头切分不准、存在废片，还是BGM搭配不当、贴纸未及时出现、音效缺失等。

针对这些问题，我们引入镜头切分、废片剔除等算法，撰写大量Prompt，指导AI把握视频结构、元素出现时机等细节。

比如服务手机客户时，AI能精准识别手机掉地的0.1毫秒瞬间，并配上对应的掉地音效，这些精细化的优化都源于与客户的深度磨合。

量子位智库：产品迭代是否是从最终投放的ROI倒推，挖掘漏洞并优化的过程？

**布尔向量：**对的。我们会持续收集用户反馈，分析视频投放效果不佳的原因，找出人工需要大量调整的环节，通过技术优化将这些调整成本降到最低，不断迭代产品。

6、在商业化上找寻“结果交付”与“成本控制”的平衡点

量子位智库：国内很多订阅制产品面临续费率问题，Temvideo有这方面的困扰吗？

布尔向量：海外AI产品普遍面临续费率不高的问题。

原因包括用户对产品效果预期过高，实际使用时因AI能力迭代、自身使用方式等因素导致效果不达预期；AI生成视频耗时较长、存在抽卡机制、跑卡成本高等。

但这一现象也有积极面：能快速积累用户，且随着大模型持续迭代，产品效果会越来越好，有望留住核心用户。

我们的思路是稳扎稳打，聚焦服务To B目标用户，通过优质服务提升留存率。

作为创业公司，我们没有大量资金进行撒量投放，更多是从KA客户那里沉淀行业know-how，收集用户使用反馈和付费痛点，持续优化产品，虽然打磨周期较长，但更贴合To B用户的需求。

量子位智库：Temvideo作为该领域首款Agent产品，推PMF（产品市场匹配）的过程中是否面临阻力？推进是否平滑？

**布尔向量：**推进整体偏平滑。因为我们并非采用全新的单点AI技术，对口型、虚拟人、手持效果、图片生成视频等技术已相对成熟，我们的核心是将这些技术整合应用到行业场景中，并非带来颠覆性的技术变革，因此用户接受度较高。

推广策略上，海外偏“酷炫路线”，通过动态化、虚拟人等元素吸引零售商户尝试；国内则更稳健克制，聚焦目标用户，收集反馈、持续迭代，让用户感受到产品能满足投放需求、可安全使用，逐步建立信任。

**量子位智库：**Temvideo采用订阅制，但Agent的Token成本很高，尤其复杂流程需调用更多能力，在成本把控方面有哪些考量或设计？

**布尔向量：**目前视频生成的Token成本确实不低，一条视频的生成成本可能达到几块钱，再加上抽卡、多AI能力调用等，成本压力较大。

当前行业在商业化上仍处于摸索阶段，核心是找到**“用户结果交付”与“成本控制”的平衡点**。

从长远来看，Token价格必然会逐步降低，就像文本Token现在已不再是用户和厂商关注的核心成本。

我们的策略是拆解视频生成环节：区分哪些环节需要调用自动化剪辑的AI节点，哪些环节需要生成类AI能力，针对性优化成本结构，让用户以更低成本生成高效视频。

目前来看成本可控，只要保证视频的准确性和结果导向，用户对相关投入的接受度较高，比如一条视频投入几十块钱是完全可以接受的。

7、商业模式要从“按个数付费”到“按效果付费”

量子位智库：未来三年，布尔向量最大的信心来源是什么？

**布尔向量：**我们在做的是用AI能力帮大家做剪辑、沉淀行业know-how的产品。

创业过程中能感受到大模型迭代越来越强，比如我们演示的用Gemini理解素材内容，底层依托Google等相关大模型的能力。

大模型能力越强，我们帮用户获取视频结果的效率和效果就越优，这是很大的信心支撑。

量子位智库：未来两到三年，Temvideo最理想的状态是什么样的？

**布尔向量：**最理想的状态是获得商户广泛认可，视频投放效果稳定达标，实现从“按个数付费”到“按效果付费”的商业模式转型。

要实现这一目标，需要接入大量投放数据，进行大规模数据训练，收集海量反馈结果，实现自动化运营，真正替代商户的相关人力，让商户放心将视频生成、投放相关工作交给我们。

商户在获得理想结果后，愿意将部分利润与我们分享，形成商业良性闭环。这一目标难度不小，但我们正在与商户合作尝试相关商业模式，目前结果比较乐观。

量子位智库：总结一下Temvideo的优点和适用场景，让更多人了解产品魅力。

**布尔向量：**如果大家是做跨境电商，或有跨境广告投放需求，希望获得高质量的投放素材，不妨尝试Temvideo。

我们沉淀了大量与KA客户磨合后的行业know-how模板，支持自然语言输入，操作便捷，能快速生成各类符合需求的产品视频，可直接用于投放。

如果大家有更精细化的需求，在通用模板满足基础需求后，可直接联系我们。我们会为商户定制专属模板，助力大家实现预期的投放效果和ROI，这是我们产品的核心努力方向，也是我们的核心服务内容。

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。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】