- 博客(25)
- 收藏
- 关注
RSS订阅原创 它不是生来就统治 AI 的：英伟达差点死在 1997 年
想象一下，办公室突然空了一大半，桌子还在，人却没了，裁掉的很多人甚至和你私下关系很好，也是曾经你万般邀请才加入你的团队，这份责任感、压力太重了。这就是英伟达的故事，一个从烂工作中起步，在挫折中挣扎，靠运气和坚持活下来，最终承认自己不行的公司。”说实话，我第一次看到 NV1 失败的细节时，感同身受，心心念念的一个自认为很好的想法，结果在市场证明了他就是一堆垃圾。更糟糕的是，微软在1995年推出了Windows 95，并确立了DirectX标准，这让英伟达的技术路线彻底过时。事实证明，黄仁勋的判断是正确的。
2026-02-02 12:31:45
933
原创 达沃斯论坛：AI引领第四次工业革命的新征程
这些技术创新，不仅为AI的应用拓展了广阔的空间，也为其他行业的发展带来了新的机遇。物流领域也是AI应用的重要领域之一。一方面，AI技术的应用催生了新的产业和就业机会，如人工智能研发、AI应用开发、数据标注等行业的兴起，为社会创造了大量的就业岗位。这次工业革命推动了社会生产力的空前发展，使人类生活方式、思维方式发生了巨大变化，促进了产业结构的调整，第三产业比重上升，推动了经济全球化进程的加速。第二次工业革命中，电力的广泛应用、内燃机的发明和新通讯手段的出现，推动了电力、石油、汽车、通讯等行业的快速发展。
2026-01-28 13:06:28
1035
原创 论文一篇接一篇，代码一放就是开源：DeepSeek 这是要再造一次“AI 的 iPhone 时刻”吗？
一旦这个思路走通，全模态统一的编码器就有了雏形，未来的 AI 模型就不用再为不同的模态设计不同的处理逻辑，能大幅降低模型的复杂度，提升多模态理解的效率和效果。测试结果显示，在视觉Token 上限更低的情况下，DeepSeek-OCR-2 的整体得分达到了 91.09%，相较 DeepSeek-OCR 提升了 3.73%。你是否有过这样的经历：好不容易找到一篇重要论文，想把里面的内容复制出来，结果OCR 识别完左边一栏，右边一栏全混到一起，表格数据乱成一锅粥，公式直接变成了火星文。
2026-01-28 13:05:26
1435
原创 李飞飞团队的世界模型是新趋势吗？
当AI能帮你设计梦想中的房子并亲自“搭”出来，当机器人能精准照顾卧床的老人，当科学家能在虚拟空间中“触摸”黑洞——这不是科幻，而是李飞飞用行动为我们描绘的“空间智能时代”。更颠覆的是“交互式创作”。传统AI绘画是“一次性生成”，而Marble允许你“走进”生成的世界：你可以推开一家酒吧的门，调整霓虹灯的颜色，甚至让AI根据你的动作生成新的场景（比如你拿出枪，AI会自动生成警察追捕的剧情）。比如给AI一个“魔法森林”的指令，它能生成树木的高度、河流的流向、光影的变化，甚至落叶的轨迹——所有细节在空间上自洽。
2026-01-26 14:41:29
1154
原创 MiniMax的全球化之路：中国AI公司出海的新样本
MiniMax采取了差异化竞争策略，不与巨头在“参数规模”上硬碰硬，而是聚焦于工程与产品的平衡、成本效益和快速商业化，通过提供“够用且便宜”的高性价比方案，抢占对成本敏感的广大市场。例如，Talkie在不同地区推出了不同的角色和内容，以适应当地用户的喜好。MiniMax成立4年即实现73%海外收入，以Talkie、海螺AI为核心产品，凭借“生而全球化”战略，从底层架构适配全球市场，通过文化本地化运营和高效市场推广，在全球200多个国家及地区拥有2.12亿用户，为中国AI公司出海提供了新样本和启示。
2026-01-25 19:34:19
2225
转载 AI发展之路与分歧：顶尖团队的方向之争
这让我想起他们CTO说的一句话：“大模型的未来不是比谁的参数多，而是比谁能用最少的参数做最多的事。这些团队，虽然选择了不同的技术路线，但他们的目标是一致的，都是为了推动AI技术的发展，让AI更好地服务人类社会。从GPT-4到Gemini 3，从Llama 3到DeepSeek V3.2，每隔几个月就有新的模型发布，每隔几个月就有新的技术突破。不同的团队，选择不同的技术路线，探索不同的应用场景，最终推动AI技术的全面发展。就像生物的进化，不同的物种选择不同的进化路径，最终形成了丰富多彩的生物世界。
2026-01-21 13:18:40
94
原创 什么？DeepSeek又要变强了？
不是比别人多算点题，而是——很多人以为，大模型变强，只有一条路：参数更多、算力更猛、烧钱更狠。而这一次，不是参数，不是算力，而是记忆。
2026-01-19 15:19:48
992
原创 草根出生的Manus凭什么 值 20 亿美金？
不是做不出来，是“不愿意这样做”。大厂的核心在模型、算力、API。而 Manus 做的是：脏活累活大量工程细节大量真实场景磨合这不是技术问题，是组织结构和激励机制的问题。
2026-01-13 15:58:59
623
原创 你上过高中，你说你搞不明白transformer的Encoder/Decoder/Mask？
将“我爱你”投入进decoder，模型在自回归训练目标下，学习语言中的统计规律，从而具备预测下一个 token 的能力，因此诞生出了GPT。为了在数学上实现一种“单向视野”：让模型在处理每一个字时，只能看到它之前的历史，而不能看到未来的答案。第一排的学生只能看到自己的卷子；回到transformer架构图，那么“我爱你”到底是在架构图中流程化进行的，“开口说话”又是从哪里进行的。上一篇文章，我们学习了多头自注意力、多层transformer block，将“我爱你”的token更深入的分析、计算，
2026-01-01 11:59:59
1565
原创 你上过高中，你说你搞不明白transformer的多头和多层？
多层transformer block指的是使用多个transformer结构，按照线性的排列方式，拿到上层的transformer输出，投入到下一个transformer中进行计算。LN2_out只经过了一层transformer block计算、并且这一层的transformer只有一个头的自注意力计算，这个结果是不够全面的，不够完整的。单头注意力不是看不见，而是“只能从一个角度看”， 同一时间只能看一个侧面，因此多头自注意力机制会让观察更全面，会让后续的计算更全面。单纯的拼接只是改变了张量的排列。
2025-12-31 10:19:49
1383
原创 你上过高中，你说你搞不明白transformer的前馈神经网络？
自注意力就是你的眼睛，前馈神经网络就是你的大脑，当我们眼睛识别到美女图片后，经过眼睛的初步计算（残差相加、层归一化）输出了一个信息给我们的大脑，我们的大脑经过复杂的计算，从而识别出这是一副美女图片。如果输入Z是负数，直接归零。1. 随机生成一个矩阵W1（必须是4行*6列，才可以进行矩阵相乘，从而对向量升维），和一个偏置项b1（必须是6维，才可以和升维后的向量相加）。1. 随机生成一个矩阵W2（必须是6行*4列，才可以进行矩阵相乘，从而对向量降维），和一个偏置项b1（必须是4维，才可以和降维后的向量相加）。
2025-12-30 09:49:33
1426
原创 你上过高中，你说你搞不明白transformer的残差相加&层归一化？
举个例子来说：上一篇的美女图片通过我们的眼睛（自注意力机制）看到传入我们的大脑（前馈神经网络），在经过复杂的、多层的传递和计算时，会将一些信息越计算越模糊（比如本就没有占据太多权重的夕阳倒影），所以我们每次在神经网络中传递都在计算结果上。通过残差相加，模型在学习新特征的同时，强行保留了最初的输入信号，防止模型越学越糊涂。比如：美女图片中本就占据很大权重的美女胸部，再经过多层计算，会被放大到更大的范围，让我们的大脑（前馈神经网络）忽略其他权重较小的部位，从而满脑子都是胸部。矩阵乘法会让数值变得极大或极小。
2025-12-29 10:22:27
1363
原创 你上过高中，你说你搞不明白transformer的自注意力机制？
本文旨在浅出深入讲解transformer自注意力机制，揭开AI大模型神秘面纱，以下全是干货！ Transformer 源自 发表于 2017 年 6 月（arXiv 预印本，作者上传时间为 2017-06-12），谷歌论文《Attention Is All You Need》。研究者发现：处理语言时，不必像人一样逐字“背顺序”，而是学会“注意力分配”——一句话里哪些词最重要。Transformer 正是用 自注意力机制，让模型一次性看懂整句话，抓住关键关系，从而更快、更准地理解和生成语言。这
2025-12-26 12:46:11
1338
原创 从 DeepSeek 看 2025 年大模型工程化范式的重构
2025 年初 DeepSeek的爆火，不仅是单一公司的突围，更是全球 AI 行业从“参数军备竞赛”转向“极致工程化”的历史分水岭。经过 2025 全年的行业验证，DeepSeek 所代表的 MoE 架构、MLA 机制、FP8 训练及纯强化学习（Pure RL） 路线，已被证明是平衡性能与成本的综合最优解。它迫使全球 AI 厂商完成了技术栈的重构，确立了“精益计算”的新工业标准。
2025-12-20 12:32:25
1006
原创 LLaMA-Factory微调（LoRA）Qwen2.5实战
LLaMA-Factory 是目前公认最好用、门槛最低的开源微调工具。它把复杂的代码封装成了可视化的界面，让你像填表一样就能训练模型。。它的核心目标是让普通开发者和研究者也能在消费级显卡（如 4090）上轻松微调千亿参数的大模型。
2025-12-19 19:59:25
1216
原创 comfyui + fluxGym角色固定工作流实战
它的核心目的是让普通用户在消费级显卡（如 12GB/16GB 显存）上也能轻松LoRA，训练 AI 模型，无需面对复杂的参数设置，如果你想给 FLUX 炼制一个角色或画风 LoRA，但不想学习复杂的训练参数，FluxGym 是目前最适合新手的“傻瓜式”入门工具。如若安装过程中发生报错，一般都是依赖安装错误，建议直接将报错信息发送给gemini，使用gemini分析依赖，进行安装即可。fluxgym\models\clip路径下存放clip文件，下载链接如下。4.安装适配你的cuda环境的pytorch。
2025-12-14 17:14:59
850
原创 comfyui通义万相wan2.1+人物360°旋转工作流实战
色调艳丽，过曝，细节模糊不清，字幕，风格，作品，画作，画面，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，杂乱的背景，三条腿，背景人很多，倒着走。核心作用是预加载并缓存指定大模型的资源，减少重复加载的时间成本，提升工作流的运行效率（尤其适用于 Wan2.1 这类大参数量模型），大幅缩短工作流的启动与运行耗时。最终图片效果，可明显观察到人物从背景中抠出来了，可作为LoRA训练集了。
2025-12-07 22:28:28
1023
原创 comfyui通义万相wan2.2 control camera运镜工作流实战
色调艳丽，过曝，细节模糊不清，字幕，风格，作品，画作，画面，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，杂乱的背景，三条腿，背景人很多，倒着走。此节点核心作用是在视频帧之间插入新的中间帧，提升视频的帧率与流畅度，属于 “补帧” 工具，提高视频的动态顺滑度。target fps：120，指插帧后的总帧数，即总共60帧，每帧中间插一帧后变为120帧。该节点是将原始图片进行裁剪，影响视频分辨率，其中。
2025-12-07 21:39:32
1291
1
原创 comfyui 通义万相Wan2.2参考动作控制图生视频工作流实战
精度与速度的平衡最优—— 检测人体区域的准确率不逊于 yolox_l，且运算速度更快，适配舞蹈多帧动态处理的需求。YOLOX 系列的大型检测模型（“l” 代表 Large）。scale_stick_for_xins_cn：新视角骨骼线条缩放，针对特殊视角（如倾斜镜头）的骨骼线条缩放适配，普通场景无需开启。resolution：骨骼检测时的图像分辨率（单位：像素），数值越高检测精度越高，但运算速度越慢。yolo_nas_s_p16.onnx：YOLO-NAS 系列的小型检测模型（“s” 代表 Small）。
2025-12-02 17:05:48
3003
1
原创 comfyui 通义万相Wan2.2图生视频工作流实战
加载LoRA模型，也可不加载（本工作流实际没有加载，如果使用的是“4steps / 8steps”后缀的 WAN2.2 主权重，则这些权重内部已经合并了相应的 Motion LoRA，因此外部无需再次加载 LoRA），加载不同的LoRA模型会对主模型产生影响，比如电影质感增强版、细节增强版、step加速版、一致性等不同的LoRA。这里的4steps/8steps指的是主模型或LoRA模型的训练过程是针对 4 步推理去噪的时间轴做了训练优化，扩散模型的训练本质是学习从 “无噪声→全噪声” 的反向过程。
2025-11-30 00:22:56
5623
原创 桌面版comfyui环境重装实战
点击顶部菜单栏的 **“查看”** 选项卡；删除所有和旧 ComfyUI 路径相关的注册表项（仅删除明确标注 ComfyUI 的项，避免误删系统项，若部分注册表项不确定，可以直接截图询问各大AI）。之后还有个选择安装路径的地方（忘记没截图），主要是安装你的comfyui workspace，用来存放你的models（模型）、custom_notes（插件）、,venu（虚拟环境）等内容。如果\Local路径下没有comfyui相关文件，那么去C:\Users\你的用户名\AppData\Roaming。
2025-11-28 20:48:23
1712
原创 comfyui SD3.5+ControlNet渲染工作流实战
原因是SD3.5 的模型架构（16 通道潜变量）与旧版模型（SDXL/SD1.5 的 4 通道潜变量）完全不同，只有其专用 VAE（sd3.5_large_vae.safetensors）能适配 16 通道潜变量的解码。分别加载sd3.5_large_controlnet_canny.safetensors 和sd3.5_large_controlnet_depth.safetensors。可以看到使用controlnet_canny后的提取效果（中图）、controlnet _depth（右图）
2025-11-26 19:58:07
1108
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人