giszz的博客

今天开辟一个新的模块，自己平时也搜集一些典型的行业应用案例，不如就记录到C站，同时和大家也是个分享好了。今天分享的企业和产品，是循环智能的智能工牌。这个产品应用场景清晰，针对的行业痛点合理，解决方案简单易于理解和推广。我自己给评一个4星，⭐️⭐️⭐️⭐️这是官网的图片，朱啸虎前几天也是引用的这张图。这个企业他也很看好。我估计也是销售不错，现在企业老板都要拥抱人工智能，与其投入到莫须有的场景中，不如放到提升销售转化率，这种离钱更近的地方。

本地部署DeepSeek-r1后，进行探索本地知识库，向量数据库的建立，文档的解析，利用知识库和大模型进行集成检索。

通过系统化应用该思维模型，可提升决策质量30%以上。关键在于建立动态评估机制，在精确计算与灵活调整间保持平衡，最终实现个人资源配置的最优化。最后说几句，一切离不开阴阳，色即是空，空即是色。你选择的以为好，其实未必，你选择以为坏，其实更未必。遵从你的内心，不断历练自己，开放自己，大胆去做自己，诚恳的去面对自己，所有的选择都是最好的安排。

本地化部署deepseek全记录，含图文详情。

但是，也有新的问题，就是元宝的版权协议，用户上传的资料要损失自己的归属权，而DS在协议中不会，不过有医学朋友在使用中发现，DS的回答，也会引用一些用户提问的内容。“，这种，基本都是假的界面。腾讯元宝，是我为了避开DS服务器总是能力不足问题，而找到的不错的App了，而且有语音提问、语音朗读的能力。还有很多已经训练好的垂直领域的大模型，比如法律咨询、AI生成图片、视频等，比单纯的是使用DS要丰富的多。这个体验计划，在设置——数据管理中，打开就会提交资料给模型去学习，如果关闭，模型不会用你的资料做优化的。

发现了一个DeepSeek的致命缺陷，有些问题在进行深度推理的时候，会陷入无尽的思考，无法停止，反复推敲，最后进入无限循环，这会导致GPU的一直占用，类似DDOS攻击，最后导致服务器宕机！我们前面说了，汉字天然就适配人工智能，因为我们会复用很多文字，而不会每个事物都造一个新的词，但也正是因为这样，这种多义性，会产生推理的无限循环。无限循环下去，笔者等了几十秒，没有耐心，没有继续等待了。因为无论是20秒的思考还是1分钟、1小时的思考，都是不对的。我估计很快就会堵住这样的漏洞吧！树中两条路径之间的距离。

AI工具地址：豆包：通义千问：即梦AI：Sora：一些线上学习资源推荐：

标题"DeepSeek-R1-Zero AIME accuracy during training"表明这是深度学习模型DeepSeek-R1-Zero在训练过程中AIME（可能为特定评估指标）准确度的变化趋势图。纵轴标注"Accuracy"确认核心观测指标为准确率。此图表主要用于监控模型训练动态，需结合损失曲线、验证集表现进行综合评估。虽然做了一定的分析，但还是遗漏了很多的信息，对于图表中的图例，也就是核心曲线和折线图所表达的意义，都没有分析出来。整体解析的，还是不尽如人意。

特性传统GPTDeepSeek架构类比说明计算效率全注意力计算动态稀疏注意力从逐页读书到跳读精华知识容量参数硬编码外接记忆库固定书架+移动图书馆推理能力统计概率驱动因果图增强从猜谜到科学论证多模态处理单文本模态统一编码空间单语者 vs 同声传译这种架构通过模块化设计实现了“分而治之”的智能处理，既保证了通用能力，又通过可插拔组件适应不同场景需求（如教育、医疗、编程等垂直领域）。其核心技术突破在于平衡了模型性能与计算效率，使得千亿参数模型也能在消费级显卡上高效推理。

大衣、毛衣、秋衣，……这些人工智能一看就知道是衣服。而在英文中，都要有不同的单词来表达。近些年来，英文造词的数量每年都在上升，大量的新词，给普通人的生活都带来了困扰，更别说人工智能了。‌‌。汉字的常用字数量较少，但表达的信息密度高，常用字数量只有英语的一半，因此在元素分量中的空值情况远少于英语，可以极大地减少算力浪费‌1。此外，汉字的词嵌入远少于英语，通常只有一半，因此在特定情况下，汉字大模型的参数量和算力需求仅为英语的1/4‌1。

你是一位有10年经验的财务分析师（角色），请分析这份销售数据中的异常波动（洞察），用对比表格呈现2023年各季度数据（声明），结论部分用红色高亮标注风险点（风格），如果信息不足请列出需要补充的数据类型（尝试）。公司要开拓东南亚市场（背景），你作为跨境电商运营专家（角色），制定新手入门指南（目标），包含平台选择、物流方案、本地化禁忌三部分（关键结果），参考SHEIN在印尼的运营策略（示例）。Role（角色）→Goal（目标）→Context（上下文）Task（任务）→Action（动作）→Goal（目标）

在大陆运行ChatGPT，有不少限制，虽然研究的很多，但不能很方便的注册，甚至由于它的出现，带动了很多VPN的爆赚。目前VPN的价格，确实出现了水涨船高的现象，很多小的也受到了打击，或者无法付款的情况出现。科技产业最耀眼的明星企业，并引发了巨大的讨论与关注。从上图可以看到，自从推理模型R1版本推出，下载量出现了快速的增长势头。向大家展示了通过精巧的算法优化，可以在低一个数。实现了多项工程技术上的创新，包括通过。负载均衡、多头潜在注意力机制（算力集群来训练更强大的模型，两款模型的推出，犹如在。

通过以上分析，读者可清晰理解DeepSeek在技术路径、应用场景与商业策略上的定位，以及其与头部模型的竞合关系，为模型选型或技术投资提供参考依据。

而在美国数学竞赛（AIME 2024, MATH）和全国高中数学联赛（CNMO 2024）上，DeepSeek-V3 大幅超过了其他所有开源闭源模型。2024 年 12 月 26 日，杭州深度求索（DeepSeek AI）发布 DeepSeek-V3 并同步开源，据介绍，DeepSeek-V3 多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。

2025年IT行业机遇与挑战并存，建议学生结合个人兴趣与市场需求，动态调整学习计划。技术深度、实践经验和行业敏感度是脱颖而出的关键。可参考职业规划模板（如自我评估→目标设定→发展策略）制定个性化路径17。当我去掉了联网开关，启动深入思考之后：

问：DeepSeek出来了，推理能力还很强大，你觉得你厉害，还是DeepSeek厉害呢？文心一言居然“巧妙”的把这个问题，狡辩为我问的是人类和DS的区别！这还真有点聪明呢。

有人说DeepSeek使用了这个技术，我问了一下他自己，得到了否定的回答。和大家一起来了解一下。Dualpipe（双线流水线）是一种并行计算技术，主要用于提高深度学习模型的训练和推理效率。其核心思想是通过处理数据流或计算任务，充分利用硬件资源，减少等待时间，从而加速整体计算过程。

有文章称，DeepSeek使用了FP8精度训练模式，我问了一下，他说没有。同时和大家一起，也来了解一下这种方法。FP8（8-bit Floating Point）是一种8位浮点数格式，用于深度学习训练和推理。相比传统的FP32（32位浮点数）或FP16（16位浮点数），FP8通过减少位数来降低计算和存储开销，同时保持一定的精度，适合对计算资源要求高的场景。

自动驾驶技术根据系统接管驾驶任务的程度被划分为不同等级，目前国际通用的标准主要有SAE（国际汽车工程师协会）的J3016分级体系和中国国家标准《汽车驾驶自动化分级》（GB/T 40429-2021）。

认知提升的本质是持续重构大脑的「操作系统」，需要将知识获取、思维训练、实践验证形成闭环。建议从「每周实践1个新思维模型+每月完成1次认知审计」开始，6个月后认知敏锐度将发生质变。提升认知能力是一个系统性工程，需要从知识积累、思维训练、实践应用和习惯养成等多维度入手。每日投入1小时认知训练，按7%的认知增长率计算，2年后认知效能将提升15倍（1.07^730≈15.7）。

其实，我觉得人类的原创文章，人工智能起码在10年内还是无法超越的，即使超越，如果按照目前的计算模式，性价比也不高，消耗的能量就不是一个层级。可能AI要消耗一座大楼的亮灯的电量，但是人类只要一个馒头都不到的就可以了。关于猴子拍照的版权归属问题，目前国际上的法律实践和典型案例表明，版权通常不会归属于动物，而是可能由相关人类创作者（如摄影师）持有，或者被视为公共领域作品。2011年，英国摄影师David Slater在印尼拍摄时，一只黑冠猴（名为“Naruto”）拿起他的相机按下快门，拍下了一系列“自拍照”。

若只依赖“透支式努力”，天花板可能是二线城市有房有车的中产；若能在30岁前完成认知跃迁（如从执行者变为资源整合者），配合轻度杠杆（技术/人脉），则有机会跻身新中产上层（年收入80万+）。自学Python/AI工具，成为“技术+行业”复合型人才（如传统行业数据分析师），突破薪资瓶颈。即便月薪5000，也可定投指数基金，用10年周期滚出百万资产，比单纯加班更可持续。时代红利都知道，如何认知和把握，很关键，不是庐山真面目，只缘身在此山中。认知升级，认知这个词，现在越来越被更多提及，这是普遍觉醒的标志。

作为有IT背景的产品经理，利用AI赚钱的核心是“

你可以根据自己的兴趣和现有技能选择合适的方向。无论选择哪个方向，持续学习和实践是关键。AI技术发展迅速，保持对新技术和新趋势的敏感度将帮助你在竞争中保持优势。注意，如果是直接复制，用MD编辑器会比较好。

建议启动"奥德赛计划"：用未来90天完成3件彻底跳出舒适区的事情（如起诉年轻时的某个遗憾、完成荒野独居挑战），这种剧烈的认知震荡往往能激活潜在的生命力。真正的中年突围，始于对"危机"叙事本身的解构——那些令你焦虑的，或许正是等待破壳的新生维度。面对中年危机，尤其是年近50时对未来的思考，我能感受到你内心的动荡与对自我价值的重新审视。- 中年危机的核心并非年龄本身，而是价值坐标系的坍塌。从视频上看，OpenAI的回复，都比较有深度，你可以感受到汇聚了人类智慧，而有些大模型，更象一个智能检索+文字总结的组合。

一是“数据孤岛”问题， 即由于生物医药行业特性，较难形成医院、患者、药企的数据汇聚整合，而 AI 大模型 的训练和推理精准程度依赖于足量的高质量数据以发挥智能数据分析、整合、筛选等功能。4. 药物研发和治疗：大模型可以预测药物分子结构与靶点的结合，加速新药发现和开发，并为个体化药物治疗提供指导。这些应用都展示了大模型在医学领域中的巨大潜力，有望帮助提高疾病的诊断和治疗效果，并改善医疗服务的质量和效率。3. 病理学：大模型可以识别和分类组织切片中的细胞和组织结构，并辅助医生进行病理学分析和诊断。

还可以根据实时交通状况、道路信息和车辆状态，通过将感知、收集到的图形、电磁波等信息转换为可用的数据，进行路径规划和决策控制，提高汽车识别道路、行人、障碍物等的时间效率，实现自动驾驶车辆的安全、高效行驶，如：将激光传感器收集到的时间数据转换为车与物体之间的距离，将车载摄像头拍摄到的照片信息转换为对路障的判断、对红绿灯的判断、对行人的判断等。未来，车联网行业 AI 转型需要典型应用场景支持，以解决投入产出比高的问题，同时需要进一步开放公共交通领域的数据，以及推动行业数据集的汇集，支持无锡车联网产业发展和。

其中，“Peta”表示10的15次方，即1,000,000,000,000,000，而“浮点运算次数”则指的是计算机每秒能够执行的浮点运算的次数。模和数据规模同时，跨模态预训练模型的普遍性提高，以 GPT-4 为代表，从单一文本学习向图像、语音等多模态处理转变，是未来实现人工智能通用化的重要探索。随着中国算力规模的持续扩大，互联网、大数据、人工智能等与实体经济深度融合，算力应用的新业态、新模式正加速涌现，一方面，围绕“大算力。这些是目前较为常见和热门的大模型算法，但随着研究和技术的发展，新的算法不断涌现。

其中FPGA，我接触过，当时（10几年前）和北工大合作一个项目，有一个杨老师，就声称，未来FPGA不会过时，还会有更大的作用，因为很好用，硬件和软件一样去编程，开发非常灵活。这种算力的竞争，是不是冷战时期的登月，目前还不知道，到底是不是需要这么大的算力来支撑，这是毋庸置疑的，即使现在不需要，未来也需要。4. CPU（中央处理器）：传统的通用处理器，适用于各类任务，包括AI计算，但相对于专用芯片，在速度和功耗方面可能略逊色。”芯片，但芯片质量仍有差距，且部分尚未实现量产应用。XPU，指的是AI相关的芯片。

人工智能，包括现在最火的大模型，最核心的4个层面，就是数据、算力、算法和应用。掌握这4各名词，起码你就是脑子中有思路的概念的。

目前，中国已经形成较为完整的人工智能产业链，应用层的市场发展热度高涨，中国泛人工智能企业主要分布在应用层，但算力、算法等技术层仍待发力。的出现标志着生成式 AI 为人工智能领域带来重大突破，人工智能已经可以作为一种基础性、驱动性的技术力量，与制造、医疗、教育、交通、农业等多个领域进行深度融合，创造出新的产品、服务和商业模式。该指南提出了人工智能开放创新平台的建设原则和发展方向，鼓励平台间的开放合作，推动人工智能技术和应用的共享和交流。同时，这些事件也为中国在人工智能领域的国际竞争提供了机遇和挑战。

欧盟在人工智能领域的发展也十分迅速，欧洲各国拥有一批世界领先的研究机构和企业，通过制定一系列政策和计划，推动人工智能技术的 创新和应用，以提升欧洲在全球人工智能领域的竞争力。最后，我个人觉得，这次人工智能的比武，如同当年的登月，是不是所谓冷战的产物，还要认真的分析。生成式的大模型，固然很有魅力，可是也有很多问题，第一就是人们并不知道具体的计算过程，对于结果是无法控制的，第二作用到底有多大，也很难说，反而消耗了大量的算力，这背后是巨大的商业利益。在交通领域，人工智能可以实现自动驾驶技术，提高交通安全和效率。

传统软件开发流程传统软件开发流程一般可以分为以下几个阶段：1. 需求分析：在这个阶段，开发团队与客户沟通，明确软件的需求和目标。团队会收集、整理和分析需求，制定详细的需求文档。2. 设计阶段：在这个阶段，开发团队基于需求文档设计软件的架构和功能。设计阶段可能包括系统设计、数据库设计、界面设计等。3. 开发阶段：在这个阶段，开发团队根据设计文档实现软件的功能。通常会采用编程语言和工具进行开发，包括编码、单元测试和调试等。

4. 在线客服和聊天机器人：AI可以通过自然语言处理和机器学习来提供智能化的在线客服和聊天机器人。它可以回答用户的常见问题，提供产品和服务的相关信息，并处理简单的客户需求。3. 欺诈检测：AI可以分析用户的行为模式和交易数据，以检测潜在的欺诈行为。它可以理解用户的搜索意图，并提供与之匹配的最相关的结果。1. 个性化推荐：AI可以通过分析用户的购买历史、行为和偏好来提供个性化的商品推荐。AI在电商行业中的应用可以提升用户体验、提高销售效果，并提供更智能化的服务。AI在电商行业的应用，自然也包括很多。

所以说，这些都是假的AI，但是这种柜子的价格要便宜好多，几乎就是一个风冷的冰箱+一套物联网主控设备就可以了。不过话说回来，能抓到耗子，就是好猫，带来体验的提升，效率的提高，技术的使用，也是可以一步一步来的。当然，也有做的比较好的，可以AI解决大部分的订单，人来进行核查或者解决疑难订单。这就是弹簧柜，先买单，再出商品，也不容易丢，补货也方便，这个是比较好的。还有一些边缘计算方式的，是用AI在看，这种边缘计算的，很节省流量。目前这种智能柜，90%，都是人在后台看！这种就是扫码开门，取东西，自动结算。

无人零售是目前很火爆的一个创新业态，人们总是把智能、AI加到无人零售的前面，真的是这样吗？无人零售是指在零售业中，利用先进的技术和自动化设备实现无人操作的零售模式。无人零售店通常采用无人值守、自动支付、智能识别等技术，顾客可以通过自助设备进行选购商品，然后通过自动支付完成结算，无需人工服务。无人零售店一般通过人脸识别、传感器、货架感应等技术来监测顾客行为，并根据消费者的需求和购买历史推荐商品。无人零售可以提供24小时全天候的服务，减少人力成本，提高销售效率，为消费者带来更便捷的购物体验。

它允许人们使用脑电信号（Electroencephalography，EEG）或其他生理信号，如神经纤维电位（Electroneurography，ENG）和肌电信号（Electromyography，EMG），来控制计算机或其他设备，实现意念控制和脑机协同操作。例如，对于存在听觉障碍的患者，在其耳部植入小型传声器，将传声器采集到的声音信息通过嵌入听神经的电极传入脑内（人工耳蜗），就可以达到恢复听力的效果。一般情况下，脑机接口指的是运动型脑机接口，多数人想象中的脑机接口也基本上是运动型的。

综上所述，通义千问作为一款超大规模的语言模型，在功能特点、性能与迭代、应用场景以及用户反馈等方面都表现出了极高的水平。它不仅具备强大的语言理解和生成能力，还能够在多个领域发挥重要作用，为用户和行业带来实际的价值。随着技术的不断进步和迭代升级，相信通义千问将在未来的AI领域扮演更加重要的角色。看来偏见是越来越少了。

文心大模型的优势在于其强大的语义理解和生成能力，这得益于百度在人工智能领域的长期投入和技术积累。总的来说，百度的文心大模型是一款强大且广泛应用的人工智能产品，它在自然语言处理方面表现出色，但也存在一定的局限性。随着技术的发展和市场竞争的加剧，未来各家公司将继续优化和完善自己的大模型，为用户提供更好的体验和服务。当然，每个模型都有其局限性。例如，文心大模型可能会受到百度自身业务范围的影响，在某些特定领域的知识覆盖可能不如专门针对这些领域的模型全面。关于文心大模型，我之前的文章，做过非常多的测评，可以参考。

这张图片列出了多个开源的大模型，按照应用层、平台层、基础层和算力层进行了分类。