为什么说国产大模型的野心,都藏在 MaaS 的生态中

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

图片

降价枪响一刻,大模型淘汰赛已经开始。

作者 | ray
编辑| 靖宇

2016 年 4 月,在一场由 IDG 主办的行业峰会上。

IDG 创始董事长熊晓鸽,刚刚盘点完 IDG 深耕中国企业服务多年的成果,台下,GE 中国公司 CEO 便发出了不合时宜的灵魂一问:

「中国有很多伟大的公司,也有很多超级大的国企,但是为什么就是没有软件服务的 to B 巨头?」

热闹的会场,顿时一片沉默。

那时,将原因归咎于「投资人不给力」的熊晓鸽大概也不会意识到,他反思自谦的 2016 年,已经是国产 SaaS 行业在一级市场最热闹的日子。在此之后,中国企服领域的投融资市场,便出现了连续近十年的漫长冬天:

本该主打标准化做小客生意的 SaaS 公司,在融资文件里信誓旦旦表示,要像 Salesforce 一样,做到 SMB(小客)收入占比大于 80%;转头中国银行却直接甩出数据,中国中小企业平均寿命只有 3 年,不到美国一半,只有日本的四分之一。

转头做 KA(大客户)生意,却发现大客户全都有自己的想法,这家重销售,那家重报销,一个又一个定制化案例做下来,SaaS 变成了堆人头的苦生意。

参差不齐的数字化建设与各式各样的需求共振,于是,典型的中国式 SaaS 诞生了:

和大客要收入,标准化就会消失;向小客要增长,小客原地破产。

那到底有没有一种 to B 的商业模式,能同时做到标准化与赚钱两不误?

大模型时代的到来,一个新的答案隐隐浮现出来。

01、模型的「拼多多时刻」

即便「是兄弟就来砍我」的拼多多,大概也预料不到国产大模型的疯狂。

「到今天为止一年多的时间,我们完成了 1 万倍的降价。」

这句话省略的主语是大模型,来自智谱 AI Open Day。

智谱是谁不必多说,公司身上的标签包括但不限于:国内最早研究大模型的团队、清华系背景、最早进行大模型商业化的团队、模型社区 Hugging face 中无数开发者接触语言模型的第一站。

只是,大模型、降价、明星独角兽、一万倍,几个关键词叠加,并没能引起太多反应。

所有人都已经见怪不怪:

过去不到一个月时间里,某金融私募背景的大模型公司打响降价第一枪后,智谱、字节、阿里、百度、讯飞、腾讯,甚至海外的 OpenAI 全数下场。

文字游戏与价格炒作齐发,大模型降价背后到底多少虚实,业内人都心知肚明。

在明处,输入价与输出价的模糊表达,轻量模型与核心产品的混为一谈,让所谓降价如同电商 618 期间的眼花缭乱的优惠券叠加,没有十年功底,根本看不出所谓降价的真实幅度。

而在暗处,当所有对手都举起降价的宣战大旗,大模型产业也随之被快进到淘汰赛的环节。敢降价只代表拿到了入场的门票,模型能力是否领先,是否敢拿出最重磅的模型参赛,以及是否敢于开源接受开发者的评判,才是关键得分赛点。

也因此,在智谱 AI Open Day 接下来的环节中,回答了是否拿出看家模型降价?降价后模型性能究竟如何?市场到底是不是买账?回答好这些具体的疑问,才是评判大模型淘汰赛的关键指标。

1、最受欢迎的产品迭代升级:推出四代 GLM 开源模型 GLM-4-9B

这里需要做一个简单翻译:GLM-4-9B 升级的前身是 2023 年智谱开源的 3 代的 6B 模型,过去一共收获了 6 万 的 GitHub 星标,并在最大的模型社区 Hugging Face 上获得了超过 1300 万次的下载,这是不少开发者接触语言模型的第一站。

而四代 GLM 开源模型 GLM-4-9B,相比前一代,**首次拥有多模态能力,并拥有更强的基础能力,更精准的函数调用和 All Tools 能力,以及更长的上下文。**比如,GLM-4-9B 模型的上下文从 128K 扩展到了 1M,换算成中文,能同时处理 200 万字的输入,约等于 2 本红楼梦或者 125 篇论文的长度。而在长度为 128K 的 LongBench-Chat 上,GLM-4-9B-Chat 模型相比上一代提升了 20%。在长度为 1M 的大海捞针测试中,GLM-4-9B-Chat-1M 获得了全绿(无损)的好成绩。

此外,基于强大的预训练基座,GLM-4-9B 的模型中英文综合性能相比 ChatGLM3-6B 提升了 40%,对比训练量更多的 Llama-3-8B 模型,不仅英文方面有小幅领先,中文学科方面更是有着高达 50% 的提升。

价格上,该模型已经被纳入智谱开放平台上的 API 的家族中,以 GLM-4-flash 版本对外服务,价格相对于之前的 GLM-3 Turbo 继续降价 10 倍,仅需要 1 毛钱就可以拥有 100 万 token。

2、拿出看家产品:GLM-4 模型升级,小尺寸版本降价 99%

GLM-4 是目前智谱所有大模型产品线中最重磅的模型,多家权威英文测试榜单中,其整体效果已经逼近 GPT-4,在国内企业最需要的中文任务上,则全面超过 GPT-4。

其小尺寸 Air 版本,在性能非常接近 GLM-4 的背景下,价格直接降低至此前的 1%,达到一元/100 万 token。

GLM-4 模型本身,则进一步升级为 GLM-4-0520 版本,综合能力提升 11.9%,指令遵从能力提升了 18.6%。

3、针对企业需求:定向降价

实际部署中,大部分企业除了需要更高的性能,更快的响应速度同样重要。针对这一需求,智谱推出 GLM-4-Air 极速版,可以在效果不变的情况推理速度增加 162%,做到 71 个 token/秒,换算成中文约等于每秒展示汉字数量 100+,价格仅需 10 元/M Tokens。

除此之外,针对更多的定向需求,智谱还推出了全模型矩阵,除以上提到的明星产品外,主打图生文的 GLM-4V,主打均衡的 GLM-3-Turbo,主打文生图的 CogView-3 同样参与此次降价。

图片智谱 AI 公布主要模型产品价格|图片来源:智谱 AI

相比于市面上各种眼花缭乱,却只拿出「非主流」模型降价的做法,智谱几乎搬出了大模型全家桶「参战」。

只是,随之而来,一个新的问题产生了:

降价是门艺术活,如何降得多让用户得到实惠,只是第一层;如何降得巧,不搞亏钱换市场的流血仗,还需要更多的实力。

02、从大模型「砍一刀」,

到 MaaS 的规模效应

「能短时间成为独角兽,天时地利人和缺一不可。」

这是几乎业内所有投资人提到智谱时的第一反应。

如果对 2016 年 AlphaGo 大战李世石,点燃全球 AI 创业热情后的故事略有了解,就不难理解现当下投资人们的犹豫。

在那之后的 5 年的故事,注定成为中国 AI 产业史上浓墨重彩的一笔:

  • 2017 狂欢,投资人排队拿着钱将教授们请出象牙塔投身商业的大潮;
  • 2018 高光,AI 被写入国家规划,百亿独角兽比比皆是;
  • 2019 转型,单纯的打榜与论文不再能吸引更多的目光,商业化阴云悬浮在每个从业者的头顶;
  • 2020 逃杀,随着科创板开板一年,一级市场热情消减,项目退出、弱肉强食成为新的关键词。

——二级市场公开透明的财报已经清清楚楚的显示,算法秘籍傍身的小巨头们,一如曾经的 SaaS,已经被层出不穷的定制化需求,搞到焦头烂额。

而这种 CV 与 SaaS 跨时代的遥相呼应,表面客群选择问题,实际是商业模式问题,根子上则是技术天花板问题。传统 CV、NLP 的算法通用性不足,从开始就注定了这将是一条荆棘密布的道路。

但历史的前行,正是在无数个似曾相识的片段重复中,不断涌现新的让人眼前一亮的新质变。

MaaS,正是这一波大模型企业交出的答案。

所谓 MaaS,Model as a Service,模型即服务。参考过去 SaaS、PaaS、IaaS 的定义,基础大模型本身,就可以成为一个独立的产品,进行标准化盈利。

大模型的通用性、扩展性,使得其相比过往所有 AI 算法,都具备更强的操作系统属性。一个足够优秀的大模型本身,就足以交付用户,成为一种新的商业模式。

与此同时,MaaS 从其取名来看,就不难发现,其核心商业逻辑与各种 XaaS 相同,具有极强的规模效应与降价潜力。

对其进行拆解,MaaS 总共包括两层:

最核心的是大模型层,这一层具备典型的互联网属性。前期研发成本极高,但后期的复制成本几乎为零,具备极强规模效应。 而这也是大模型产业能不断降价的核心驱动力。

这需要企业拥有极强的技术研发能力以及持续不断地更新迭代能力。智谱团队脱胎于清华学术搜索与挖掘平台 Aminer,几乎可以算是全国范围内对于最新科技进展最敏感的团队。

而技术上,自 2020 年开始,智谱便开始了对于大语言模型的研究,2023 年 3 月 14 号,GPT-4 发布的同一天,公司开源了一代 ChatGLM-6B 的模型,其核心产品 GLM-4 是国内最接近 GPT-4 水平的大模型之一。此次 openday 上,最新发布的 GLM-4-9B 开源模型综合能力,全面超过 Llama-3-8B-Instruct;首次开源基于 GLM 基座的视觉模型 GLM-4V-9B,多模态能力比肩 GPT-4V;GLM-4 新 API 模型 GLM-4-Air 的生成速度,更是提升 300% 达到 71 token/s。

算法层之外,MaaS 的第二层是最基础的计算资源。 算力的发展,整体遵循摩尔定律的设定,理想的情况下,晶体管密度 18 个月增加一倍,相应的用户使用相同算力的成本则每 18 个月降低一倍。

也是因此,无数云服务大厂前赴后继将 MaaS 作为新的增长点,从建设智算中心到启动开发者计划,从自研到投资,全方位火力覆盖。

但这些还不是 MaaS 的全部潜力。

一个直观数据是,迄今为止,智谱 MaaS 大模型开放平台 bigmodel.cn 的日均调用量已经超过了 400 亿 tokens,过去 6 个月 API 每日消费量增长了 50 倍以上,企业客户超过 30 万,并实现了汽车、金融、营销、制造等多个行业覆盖,并拿下了 2000+生态合作伙伴、1000+大模型规模化应用、200 多家企业共创,其中包括金山、蒙牛、分众、智己等多个大客户。

至于关于如何避免将大模型做成一个定制化堆人头的苦生意,大模型极强的通用性特点,决定了其可以通过少数基模建设,就足以覆盖绝大多数的核心用户场景。而到了具体的产业化环节,则可以通过 MaaS 与行业合作伙伴甚至第三方合作伙伴共建,完成最后一步行业的应用落地。

这方面最典型的应用是大模型在客服对话领域对传统 NLP 的替代。OpenDay 现场,小米集团小爱团队总经理王刚讲到小米智能语音助手与智谱的合作案例:

过去在小爱同学团队内部,会将各种 NLP 任务细分出包括天气、计算器、音乐、视频、知识问答等近百个垂直领域。其中,每个垂域背后都是一些特定任务的 NLP 任务,需要专门的算法工程师去完成 NLP 的优化。这个优化过程,首先要构建专有的任务式问题,然后搜集足够多的训练数据,然后再进一步训练调优。

而随着大模型出现,小爱团队全面升级背后的架构,将近百个分任务通过大模型总结成一个通用的任务。两者之间,不仅是单纯的替代,大模型还同时将小爱的功能进一步拓展至诸如音乐、视频、商品助手、汽车助手、互联网信息汇总等更多高级形态。

图片图片来源:智谱 AI

另外,结合智谱全系列大模型降价的动作,也就有了将大模型从只能覆盖高端机,进一步下探应用到入门机型覆盖到全终端的可能——大模型以价换量的逻辑跑通。

与此同时,建立在通用性基础上,规模效应也来的顺其自然。以智谱与金山办公的合作为例,智谱主要提供基模,已经拥有大量行业知识库的金山办公则完成更擅长的场景化模型微调,两方分工协作,避免了传统 SaaS 做 KA 案例通常会陷入的过分定制化困境。

再进一步,不是所有用户都如小米与金山具备健全的数字化能力。

相比大厂做 MaaS,大模型只是引子,售卖底层的 PaaS 与 IaaS 资源才是最终目的**,智谱选择将大模型本身与硬件解耦,为客户提供四种解决方案:**

第一种,最轻量级的 API 调用模式,将模型封装成开放平台,企业按照 API 调用量进行付费。

第二种,基于云端的私有化方案。主要针对对于部分业务数据敏感,但又不希望自建算力设施的企业,通过云端算力私有化,为其开辟专门的模型的专区。

第三种,完全私有化方案,对于拥有成熟算力设施的企业,直接利用企业自身的硬件和算力的资源,为其提供大模型支持。

第四种,软硬件结合一体机方案,主要针对信创场景,通过更高的适配性免去在客户环境中部署与调试过程。

MaaS 加持下,智谱成为了中国大模型产业最独特,也最具商业化潜力的一家。

03、SaaS 的过去,

不会是 MaaS 的未来

尽管残酷,但一个不得不承认的现实是:虽然热潮才开始一年多,但大模型已经进入淘汰赛。

相比传统 CV、NLP,大模型背后的大数据、大算力、大资本投入,大模型行业从一开始就决定了只有获得更多资源加持的头部玩家,才能笑到最后。而同样也是这「三大」,导致了从公司成立伊始做出的商业模式选择,就已经为结局埋下伏笔。

而在这个过程中,MaaS 的重要性或许被大大低估了:

如果说,过去是单一算法找场景,拿着锤子找钉子,算法无法解决整体问题,导致除了人脸识别、自动驾驶外,明星场景寥寥。

MaaS 则意味着,在承认企业的需求不同、数字化能力不同的基础上,通过大模型的通用性以及生态优势,来解决这千变万化需求。

一定程度上,这是场技术你追我赶的闪电战,更是场生态与商业的持久战。
​

如何学习大模型

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

YOLOv11+SAHI实战:5步搞定无人机航拍小目标检测(附VisDrone数据集调参技巧)

本文详细介绍了如何结合YOLOv11目标检测框架与SAHI切片推理技术,高效解决无人机航拍图像中的小目标检测难题。通过VisDrone数据集调参技巧和5步实战指南,帮助开发者快速构建高性能检测系统,显著提升小目标检测的准确率和效率。

rum55的博客 192

国产大模型「五强争霸」:决战AGI,谁主沉浮?

曾经“百模混战”的局面已落幕,字节、阿里、阶跃星辰、智谱和DeepSeek五大巨头强势崛起,形成“基模五强”新格局。五强争霸的背后,是中国AI从“追赶者”向“领跑者”蜕变的信号。无论是阿里的开源生态、字节的场景闭环,还是阶跃星辰的多模态、智谱的智能体、DeepSeek的技术颠覆,都在为AGI铺路。这场竞赛的终点,或许不仅是技术霸权,更是一个由AI重构的未来世界。更是核心:吴永辉(字节)、梁文锋(DeepSeek)、姜大昕(阶跃星辰)等技术领军人物,既是研发的领航者,也是吸引顶尖人才的磁石。

东方佑 1402

IPMItool 控制风扇转速

然后手动设置风扇,最后一位0x1e为设置30%的转速(16进制)。最后4位 0x0f 表示15%,0x0a,表示10%,不建议小于10%,因为10%已经很静音了 如果再小怕不能控温,烧毁硬件。首先停止服务器的自动风扇控制,最后一位0x00表示停止自动风扇控制,0x01为开启自动风扇控制。首先开启主板上的ipmi 设置好 用户名密码。此过程可以在网上搜索,有很多的资料可以参考。解压只有在目录里面有ipmltool。下面是一些常用的修改温度命令。

m0_37970303的博客 5065

国产大模型 “五强争霸”,决战 AGI

中国 AI 大模型市场正经历一场史无前例的洗牌!曾经 “百模混战” 的局面已落幕,字节、阿里、阶跃星辰、智谱和 DeepSeek 五大巨头强势崛起,形成 “基模五强” 新格局。这场竞争不仅是技术实力的较量,更是资源、人才与生态的全面博弈。答案或许藏在他们的战略布局中。

qq_29768197的博客 1241

图像识别火灾检测系统实战:从火焰特征到YOLO部署全解析

计算机视觉技术正深入改变传统消防的感知方式。图像识别火灾检测利用摄像头采集的视频流,通过颜色、动态和形态特征分析,实现早期火情的自动发现与定位。其核心原理在于,火焰在视觉上具有独特的颜色分布、闪烁特性和轮廓变化,借助目标检测模型如YOLO,可在复杂场景中区分真实火焰与干扰物。这项技术广泛应用于仓库、园区、隧道等大空间场所,是智慧消防的重要支撑。本文从火焰视觉特征、数据集构建、模型选型与系统架构设计出发,结合部署实践中的误报与算力优化经验,为开发者提供一套可落地的视频火焰检测方案。

weixin_42533751的博客 246

08-SD卡-TF卡硬件电路设计

SD卡-TF卡硬件电路设计

weixin_66510961的博客 8264

数眼智能AI产品深度解析:从“模型中转站”到中国AI基础设施的破局者

在AI浪潮中,大多数人盯着“模型是谁”,而数眼智能在解决“谁能用得起、用得稳、用得省它没有千亿参数的光环,却拥有千万级调用量的韧性;它没有明星团队的光环,却赢得了无数中小团队的生存依赖。让一个初创团队,不花50万,也能用上媲美GPT-4的AI能力;让一个出海企业,不靠海外账号,也能合规交付服务;让一个企业IT,不再为半夜的API宕机而失眠。这是中国AI真正走向普及化的基石。数眼智能,不是“下一个OpenAI”,它,是中国AI从“实验室”走向“生产线”最关键的那座桥。

AI_api的博客 651

【Windows Server 2019】组策略的配置与管理——理论基础

博文介绍了组策略的定义,作用和分类。组策略包括计算机配置和用户配置;组策略又分为为基于本地的组策略和基于AD(活动目录)的域组策略。并说明了不同组策略发生冲突时默认的规则。

VMware, Windows, Linux, Cisco, Container, Kubernetes, Kali 1万+

智谱淘宝卖大模型订阅、月之暗面与云厂商谈分成,大模型商业化进入具体检验!

9月2日,嘿,你敢信?智谱AI在天猫开了官方旗舰店,把GLM Coding Plan拆成不同档位在线销售啦!目前上架商品有个人版Lite、Pro、Max以及团队版标准席位等多个档位,还支持按月、季、年三种周期购买订阅,定价和官网最新版本一样哦。最便宜的个人版Lite月付118元,含每月10000积分,最高档的Max版本月费超千元呢。同一天,有媒体爆料,月之暗面本周以保密形式向港交所递交A1文件,正式启动港股IPO流程,还在推进一轮新融资,投前估值达到500亿美元。不过月之暗面回应说:“对于市场传闻不予置评,

IT界那些事儿 131

VSCode 搭建C/C++编程环境 2025新版图文安装教程(VSCode安装 + C/C++环境搭建 + 运行测试 + 背景图设置)

100%搭建成功,VSCode 搭建C++编程环境 2025新版图文安装教程(VSCode安装+C++环境搭建+运行测试+背景图设置)

Code_流苏:在代码中寻诗意,在实践中觅真知 2976

【Matlab】多旋翼无人机视觉伺服跟踪控制程序

本文介绍了基于Matlab的多旋翼无人机视觉伺服跟踪控制程序开发方法。该系统采用视觉感知、坐标转换、伺服控制和仿真验证四个核心模块,通过HOG+SVM目标检测、Shi-Tomasi特征提取和PID双闭环控制算法实现动态目标跟踪。详细阐述了相机标定、目标检测、坐标转换及伺服控制等关键环节的Matlab实现代码,并进行了仿真验证。结果表明该系统在±0.1m的跟踪精度下可实现100Hz的实时处理,适用于室内外复杂场景。文章还提出了工程应用中的优化建议,为无人机视觉伺服系统的开发提供了完整的技术方案。

unber的博客 507

OpenClaw开源AI智能体框架:从核心架构到企业级部署实战

AI智能体(Agent)作为连接大语言模型(LLM)与现实世界任务的关键技术,正通过模块化、标准化的框架设计,推动人工智能从技术探索走向规模化工程应用。其核心原理在于将复杂任务分解为可复用的技能(Skill)与工具(Tool),并由智能体(Agent)通过规划、决策与执行循环(如ReAct模式)进行协调。这种架构的价值在于大幅降低了AI应用的开发门槛与集成成本,使得开发者能够高效构建从自动化流程到复杂对话系统等多种应用。OpenClaw正是这一趋势下的代表性开源框架,它通过提供清晰的Agent、Skill、

weixin_30730053的博客 301

2026华为OD机试(JAVA&Go)真题【E卷+A卷+B卷+C卷+D卷】目录+在线OJ

华为OD机试真题题库【E卷+A卷+B卷+C卷+D卷】目录,Java实现。

MISAYAONE的博客 34万+

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 333

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 612

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 266

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 203

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 335

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 343

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 83

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 156

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 508

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 610
上一篇: RAG 实践-Ollama+AnythingLLM 搭建本地知识库
下一篇: 超越GPT-4o,史上最强AI大模型来了!
AI大模型_学习君
博客等级 码龄3年 6138粉丝 551原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值