文章来源: OneFlow
作者 | Chip Huyen
OneFlow编译
翻译｜杨婷、宛子琳

四年前，我对开源机器学习生态系统进行了分析。自那时起，情况就发生了变化，所以这次我打算重新讨论这个话题，本次主要关注的是基础模型的技术栈。

---

我把完整的开源AI代码库列表放在了“llama-police”(https://huyenchip.com/llama-police，该列表每6小时更新一次。其余大部分也放在了我的GitHub“cool-llm-repos”(https://github.com/stars/chiphuyen/lists/cool-llm-repos）列表中。

（本文作者Chip Huyen是实时机器学习平台Claypot AI的联合创始人。本文经授权后由OneFlow编译发布，转载请联系授权。原文：https://huyenchip.com//2024/03/14/ai-oss.html）

数据

如果你现在觉得AI发展十分火爆，那是因为它确实如此。我在Github上以GPT、LLM和Generative AI为关键词进行检索，仅与GPT相关的就有约11.8万条结果。

为减少工作量，我将搜索范围限定在拥有至少500 star数的代码库。结果显示，与LLM相关的有590个，与GPT相关的有531个，与Generative AI相关的有38个。此外，我偶尔会查看GitHub Trending和社交媒体上的新代码库。

经过长时间的搜索，我找到了896个仓库。其中，有51个是教程（例如dair-ai/Prompt-Engineering-Guide）和聚合列表（例如f/awesome-chatgpt-prompts）。尽管这些教程和列表都很有帮助，但我更感兴趣的是软件，不过我还是将其放进了最终列表，只是最后的分析是基于其余845个软件库（截止本文发布）。

这个过程虽然痛苦，但很值得，因为我更深入地了解了人们正在研究的内容，开源社区的合作程度之高令人惊叹，也让我意识到中国的开源生态系统与西方存在很大差异。

（毫无疑问，我也遗漏了很多库。你可以在这里（https://forms.gle/1ijNSnizgWQaVYK16）提交缺失的代码库，该列表每天会自动更新。欢迎提交star数少于500的代码库，我会持续关注这些仓库，并在它们达到500 star时将其添加到列表中！）

新的AI技术栈

我认为，AI技术栈包含四个层级：基础设施层、模型开发层、应用开发层和应用层。

基础设施层

基础设施是AI技术栈的底层，包括用于Serving的工具（例如vLLM、NVIDIA的Triton）、计算管理（例如SkyPilot）、向量搜索和数据库（例如Faiss、Milvus、Qdrant、LanceDB）等。

模型开发层

模型开发层提供了开发模型的工具，包括建模和训练框架（Transformers、Pytorch、DeepSpeed）、推理优化（如GGML、Openai/Triton）、数据集工程，评估等。任何涉及改变模型权重的操作都发生在这一层，包括微调。

应用开发层

在应用开发层，任何人都可以基于现成的模型开发应用程序。在过去的两年里，这一层的发展动态最多，并且仍在快速演进。这一层也被称为AI工程（AI Engineering）。

应用开发包括提示工程（Prompt Engineering）、RAG（Retrieve、Add、Generate）和AI界面（AI Interface）等。

应用层

应用层有许多基于现有模型构建的开源应用程序，其中最流行的应用类型包括编码、工作流自动化、信息聚合等。

除这四层外，还有另一个类别，即模型存储库（Model Repos）。这些存储库由公司和研究人员创建，用于分享与他们模型相关的代码。这一类别的存储库示例包括CompVis/stable-diffusion、openai/whisper和facebookresearch/llama。

AI技术栈的演进

我绘制了每一类别中代码库数量的累积月度图。在2023年推出Stable Diffusion和ChatGPT之后，新工具的数量呈爆炸式增长。2023年9月后，曲线似乎开始趋于平缓，这背后可能有三个潜在原因：

1. 我的分析中仅包含star数500以上的库，而代码库积累这么多star需要时间。
2. 大部分容易获得的成果（low-hanging fruits）已被收割，剩下的项目需要付出更多的努力来构建，因此能够构建它们的人更少。
3. 人们意识到在生成式人工智能领域很难保持竞争力，因此激动的情绪已平息。2023年初，我与公司的所有人工智能对话都集中在生成式人工智能上，但最近的交流更加务实，有些公司甚至提到了Scikit-learn。我希望在几个月后重新审视这一点，以验证这种情况是否属实。

在2023年，增长最快的是应用层和应用程序开发层。基础设施层出现了一些增长，但远不及其他层的增长水平。

应用

毫不奇怪，最受欢迎的应用类型是编码、机器人（例如角色扮演、WhatsApp机器人、Slack机器人）以及信息聚合（例如“将其连接到我们的Slack，并要求它每天总结消息”）。

AI工程化

2023年是AI工程化的一年。由于许多工具比较相似，很难对其进行分类。目前我将它们分为以下几类：提示工程、AI界面、智能体（Agent）和AI工程（AIE）框架。

提示工程远不止是简单地调整提示，涵盖了诸如约束采样（结构化输出）、长期记忆管理、提示测试与评估等内容。

AI界面提供了一个界面，可以让最终用户与AI应用程序进行交互。这是我最感兴趣的一个类别。一些日益受到欢迎的界面包括：

• Web和桌面应用程序
• 浏览器扩展，让用户在浏览网页时快速查询AI模型
• Slack、Discord、微信和WhatsApp等聊天应用程序上的机器人
• 插件：让开发人员将AI应用程序嵌入到VSCode、Shopify和Microsoft Office等应用程序中。插件常用于可以使用工具完成复杂任务的AI应用（智能体）中。

AIE框架是一个统称，用来指代所有能够帮助开发AI应用程序的平台。其中许多平台都是围绕RAG构建的，但也提供诸如监控、评估等其他工具。

智能体是一个捉摸不定的类别，因为许多智能体工具实际上只是复杂的提示工程，可能包含约束生成（例如，模型只能输出预定的动作）和插件集成（例如，让智能体使用工具）。

模型开发层

在ChatGPT出现之前，模型开发主导了AI技术栈。2023年，模型开发的最大增长源自于对推理优化、评估和参数高效微调（归类为建模和训练）日益增加的兴趣。

推理优化一直以来都非常重要，但如今基础模型的规模使得它对时延和成本变得至关重要。虽然优化的核心方法仍然保持不变（量化、低秩分解、剪枝、蒸馏），但许多新的技术已经被开发，特别是针对Transformer架构和新一代硬件。例如，2020年，16位量化被认为是最先进的技术，而如今又出现了2位量化甚至更低的量化技术。

同样，模型评估一直以来也十分重要，但如今许多人把模型视为黑匣子，因此评估的重要性变得愈发突出。现在出现了许多新的评估基准和评估方法，例如比较评估（如Chatbot Arena）和将AI作为裁判（AI-as-a-judge）的评估方法。

基础设施层

基础设施层主要涉及管理数据、计算以及用于服务、监控和其他平台工作的工具。尽管生成式人工智能带来了诸多变化，但开源AI基础设施层基本保持不变。这可能是因为基础设施产品通常不是开源的，因此在开源领域中并没有出现太多变化。

基础设施层中的最新类别是向量数据库，其中包括Qdrant、Pinecone和LanceDB等公司。然而，许多人认为，这根本不应该成为一个类别。向量搜索已经存在很长时间了。与其仅仅为了向量搜索构建新的数据库，不如像DataStax和Redis这样的现有数据库公司将向量搜索整合到现有的数据库中。

开源AI开发者

像许多其他事物一样，开源软件也遵循长尾分布，由少数账户掌控着大部分的代码库。

一人创造价值数十亿美元的公司？

有845个代码库托管在594个独特的GitHub账户上，其中20个账户至少拥有4个代码库。这些排名前20的账户托管了195个代码库，占列表上全部代码库的23%，这195个代码库共获得了165万star数。

在Github上，账户可以由组织或个人所有。在这些排名Top 20的顶级账户中，有19个属于组织，其中3个属于谷歌，分别是Google-research，Google和Tensorflow。

在排名top 20的账户中，唯一的个人账户是lucidrains。在拥有最多star数的top 20账户中（仅计算通用人工智能代码库），只有4个是个人账户：

• lucidrains（Phil Wang）：能以极快的速度实现SOTA模型。
• ggerganov（Georgi Gerganov）：一位物理学出身的优化专家。
• Illyasviel（Lyumin Zhang）：创建了Foocus和ControlNet，目前在斯坦福大学攻读博士。
• xtekky：一位全栈开发者，创建了gpt4free。

自然地，在技术栈所处的层级越低，个人开发的难度就越大。因此基础设施层的软件最不可能由个人账户发起和托管。然而，超过一半的应用程序由个人托管。

由个人发起的应用程序平均获得的star数比由组织发起的更多。许多人推测将会出现众多市值不菲的个人公司（参考OpenAI CEO Sam Altman的采访 https://fortune.com/2024/02/04/sam-altman-one-person-unicorn-silicon-valley-founder-myth/ 以及Reddit上的讨论）。我认为，这种推测可能是正确的。

100万次commit

超过两万名开发人员为这845个库做出了贡献。他们共计完成了近100万次commit！

其中排名前50位的活跃开发人员完成了超10万次commit，平均每人超过2000次。下图为前50位最活跃的开源开发人员的完整列表。

中国不断壮大的开源生态系统

众所周知，长期以来中国的AI生态系统与美国有所差异，（我在2020年的一篇博客文章中也提到过这一点）。当时，我的印象是GitHub在中国的使用并不广泛，而我的看法可能受到了中国在2013年禁止使用GitHub的影响。

然而，如今情况已经发生了改变。在GitHub上有许多针对中国受众的热门AI代码库，其描述均由中文编写。其中一些代码库是为中文或中英文混合开发的模型而设立的，如Qwen、ChatGLM3、Chinese-LLaMA等。

在美国，虽然许多研究实验室已经放弃了基于循

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

来源：技术领导力

K哥的朋友王总，是某大型集团董事长，去年从大厂重金挖了个P9做CTO，并对其寄予厚望。上任后不久，CTO就给王总分析未来趋势，提出了AI战略，要求集团投资3000万搞大模型。

---

没成想，不到一年时间3000万预算就造光了，而CTO口中的大模型却连影子也没看到。董事长也慢慢回过味来，果断叫停了项目，裁掉了CTO。类似这种在大模型上折戟沉沙，几千万花下去，毛都没看到的真实案例，K哥今年至少听了5个以上。在当前环境下，为什么还会出现这么多“看上去很傻”的故事，今天K哥就和大家聊一聊。

大模型本身，并不能创造价值

1、技术本身，并不创造价值
大模型无疑是近年科技圈风头最盛的热点，很多企业都把大模型当成了不容错过的风口，砸钱建团队，跑步进场准备淘金。大模型真就是现成的金矿吗？所谓大模型，其实就是具有庞大的参数规模和复杂程度的机器学习模型。它所带来的生成式AI技术，可以让人用自然语言与机器交互，确实是数字时代的又一次…

…

未来已来，AI时代大家各自珍重，共勉！

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

据国外媒体报道，苹果公司的管理团队始终是个紧密、团结的集体，十多年来几乎未曾有过大的变动。这个团队在苹果内部被地称为“ET”，成员们年龄相仿，与现年63岁的CEO蒂姆·库克（Tim Cook）也仅有几岁之差。

---

然而，这种高度的稳定性也预示着苹果即将面临更广泛的继任挑战——不仅仅是寻找库克的接班人，更是要准备在未来某一时刻，为可能同时卸任的高管团队寻找合适的继任者。

从左到右分别为蒂姆·库克、艾迪·库伊、菲尔·席勒和克雷格·费德里吉

不久前，长期跟踪苹果公司的资深分析师马克·古尔曼（Mark Gurman）撰文预测，苹果硬件工程主管约翰·特努斯（John Ternus）已成为库克的可能接班人选。他不仅在苹果内部受到关注，更逐渐成为公众视野中的焦点人物。在上周发布新iPad后，本月18日他还会到宾夕法尼亚大学工程学院发表毕业典礼演讲。值得一提的是，特努斯还不到50岁，他的职业生涯还有很长的路要走。

然而，苹果的成功并非仅依赖于一位CEO。在工程、营销、服务、财务等各个职能领域，那些高管们同样扮演着举足轻重的角色。接下来，让我们“检阅”一下在苹果公司可堪大任的高管候选人新势力：

运营部门

在苹果的管理结构中，运营部门可能孕育着最有潜力的接班人。自2015年以来，杰夫·威廉姆斯（Jeff Williams）一直担任COO，而他的得力助手，高级副总裁萨比赫·可汗（Sabih Khan），则被视为接替威廉姆斯的有力候选人。萨比赫早已是苹果高管团队的一员，2019年，他接替了乔尼·艾维（Jony Ive）的位置，这一变化无疑为他铺设了一条内部晋升的途径。

⋯⋯

环境、政策与社会倡议

在环境、政策与社会倡议领域，丽莎·杰克逊（Lisa Jackson）已经担任这一职位超过十年，她不是一个容易被取代的人。作为一名前政府官员和前环境保护局局长，杰克逊的丰富经验和专业知识使她完全有能力领导这一重要部门。

然而，找到一位与杰克逊背景相似、能力相当的继任者并非易事。因此，苹果可能会考虑将杰克逊的角色进行分拆，将其职责分配给几位不同的高管。在杰克逊退休后，环境和供应链创新副总裁莎拉·钱德勒（Sarah Chandler）有望接棒，领导环保工作。至于政府事务方面，苹果可能会从华盛顿以外的地区聘请具有丰富政府经验的高级官员，如前总统内阁成员等。（编译/金鹿）

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

文章来源：头部科技
文丨俊

不容置疑，人工智能一定是近年关键词。国内百度、阿里、科大讯飞、商汤接连布局，王小川、李开复、王慧文等也纷纷加入，“他们”为AI造势，AI也令“他们”名声大噪，近期国外大模型也开启了大乱斗模式。

---

作为经历过移动互联网，投资过上一轮AI热潮的人，李开复也创立了大模型公司，他表示，“这次大模型创业，我十年都不会变现”，似乎不太乐观。或许，AI大战经过这么多轮的追逐，当下我们可能更要思考和面对的是，AI的浪潮中，企业应如何平衡技术信仰与市场导向？如何对冲大模型高昂的训练成本以及研发成本？AI又要如何赚钱，才能带动AI新创企业业绩持续增长，快速完成IPO实现上市？2024年，AI大模型行业将迎来真正洗牌。

国外媒体日前撰文指出，人工智能的热潮或已开始逐渐褪去。人们也越来越清楚地认识到，大模型变现的过程中支出与收入差距明显，押注这场革命的科技公司，正努力寻找如何缩小巨额支出与未来利润之间的差距。对一些为开发通用人工智能合计募集到数百亿美元的明星初创企业而言，这个问题尤为严重。国外一些初创企业已经意识到，初创公司想要同微软、谷歌等科技巨头在人工智能领域一决高下，门槛已经提高至数十亿美元。且即便是账户中拥有了这么多的资金，也可能只是杯水车薪，不一定有成效。自今年3月中旬以来，数家曾风光无限的人工智能初创公司已因财务压力遭受重创。募集到15亿美元、但几乎没有获得任何收入的Inflection AI，已经放弃了原有的业务。因推出开源大模型平台Stable Diffusion而风光无限的Stability AI，不仅进行了裁员，还辞退了首席执行官。得到亚马逊和谷歌巨额投资的Anthropic，则一直在努力缩小营收与巨额支出之间高达近18亿美元的差距。日前，海外市场投资Facebook和Salesforc的Meritech Capital，以及TCV、General Atlantic、Blackstone等机构纷纷暂停对生成式AI的关注。Gartner分析师John-David Lovelock称，大模型数十亿美元的投资数量已经放缓且几乎已经结束，热钱涌向AI 应用。

大模型企业的盈利能力始终限制着产业的发展。公开数据显示，2023年中国AI领域投融资数量约为232笔，融资总额约为20亿美元。CBInsights数据显示，2023全年生成式AI新创在全球获得约204亿美元融资，是2022年36亿美元的5倍以上。进入到2024年，资本市场对AI大模型正逐渐从火热到趋冷。一级市场上，IT桔子数据显示，2024年Q1 AI生产和AI行业应用融资金额分别为123.89亿元和74.01亿元，对应投资事件数量分别为36起和65起。就在近期，据相关媒体报道，前搜狗公司CEO王小川创立的百川智能正进行新一轮数亿美元融资，这或将成为2024年国内AI领域最大融资之一，但日前并未得到官方确认。当下，月之暗面、MiniMax估值分别为超23亿美元和超25亿美元，智谱AI估值超百亿元，这四家AI新创企业在资本助推下，正成为生成式AI时代的“新AI四小龙”。资本押注“新AI四小龙”的背后，或是2023年全球资本市场对AI大模型高热情的缩影。若考虑“新AI四小龙”拿下行业大笔融资，其他AI新创企业则正面临融资难、融资少的问题，AI应用也成为资本关注的新方向。有人认为，“2024年是大模型应用场景元年，中国完全可以走出一条具有中国特色的大模型发展之路。”但大模型投入太大，盈利跟不上，国内很多公司的投入，显然无法睥睨OpenAI，主要还是因为没钱。往往心比天高，命比纸薄，经受不住市场的考验，只要资本市场稍微的风吹草动，这其间的初创企业就沦为产业炮灰。

众所周知，OpenAI 的技术能力领先程度，与其烧钱的速度，一直成正比的。但其商业化收入，始终没有显著提升。第三方市场分析平台Sensor Tower公布的数据显示，过去一个月中，ChatGPT在全球App Store中的下载量为700万，订阅收入1200万美元；全球Google Play市场的下载量为9000万，订阅收入300万美元。目前，ChatGPT Plus在两个应用商店的订阅价格均为19.99美元。由订阅数据推断，ChatGPT Plus过去一个月中，通过应用商店付费的订阅用户数为75万。虽然ChatGPT Plus还有大量的直接付费用户，但从手机端的收入来看，每年进项仅为2亿美元，再翻几倍也很难覆盖其烧钱速度，更难撑起OpenAI近千亿的估值。这可能也是GPT 5迟迟不发布的原因，要么是性能没提高多…

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

没有想到，OpenAI 在本周发布 GPT-4o，技术再次大幅度领先之后，随之迎来的却是一系列坏消息。
本周，OpenAI 联合创始人、首席科学家 Ilya Sutskever 官宣离职，与 Ilya 同步宣布离开的，还有超级对齐团队的共同领导者 Jan Leike。

---

Ilya 与 Jan 是 OpenAI 超级对齐团队的领导者，该团队的任务是确保人工智能与其制造者的目标保持一致，而不是做出不可预测的行为并伤害人类。
另据《连线》等媒体报道，随着最近两位高管离职，OpenAI 的超级对齐团队已被解散。本周五，Jan Leike 在 X 发布了一系列帖子，怒斥 OpenAI 及其领导层忽视「安全」而偏爱「光鲜亮丽的产品」。

发生了什么事？
实际上，自去年 11 月那场「董事会风波」以来，社交媒体上一直流传着一个梗 ——Ilya 看到了什么。人们猜测：「OpenAI 秘密地取得了巨大的技术突破，而 Ilya 之所以离开，是因为他看到了一些可怕的事情，比如可能毁灭人类的人工智能系统。」
…

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

文章来源：技术领导力

K哥的朋友王总，是某大型集团董事长，去年从大厂重金挖了个P9做CTO，并对其寄予厚望。上任后不久，CTO就给王总分析未来趋势，提出了AI战略，要求集团投资3000万搞大模型。

---

没成想，不到一年时间3000万预算就造光了，而CTO口中的大模型却连影子也没看到。董事长也慢慢回过味来，果断叫停了项目，裁掉了CTO。类似这种在大模型上折戟沉沙，几千万花下去，毛都没看到的真实案例，K哥今年至少听了5个以上。在当前环境下，为什么还会出现这么多“看上去很傻”的故事，今天K哥就和大家聊一聊。

01
大模型本身，并不能创造价值

1、技术本身，并不创造价值

大模型无疑是近年科技圈风头最盛的热点，很多企业都把大模型当成了不容错过的风口，砸钱建团队，跑步进场准备淘金。大模型真就是现成的金矿吗？所谓大模型，其实就是具有庞大的参数规模和复杂程度的机器学习模型。它所带来的生成式AI技术，可以让人用自然语言与机器交互，确实是数字时代的又一次重大革新。但说到底，大模型仍只是底层技术底座，其本身并不能直接创造价值。

举两个例子，就更容易理解了。胶卷时代的王者柯达，早在1975年就在实验室里研发出了世界上第一台数码相机，但由于担心这项技术会影响胶卷销量，就一直没有推广应用，最终被呼啸而来的数码时代所淘汰。

和柯达的命运一样悲催的，还有施乐公司，这家公司最早推出了个人电脑，爆火的却是IBM和苹果；最先创造了GUI（视窗界面），受益的却是微软的Windows；最早发明了鼠标、键盘和以太网，自己到今天却还在“执著”做着上世纪的生意——卖打印机和复印机。

不管什么领域，如果只是一味卷技术，而不考虑将其商业化落地，相信都会遇到柯达或施乐的尴尬。对于大模型产业链上的参与者而言，必须要想通一点，大模型是一个基础，必须把它“下沉”到各应用场景中去，让它的上面“长”出有价值的应用，让技术真正为应用服务，这个产业才算跑通了，才有可能越做越大。

2、技术总是短期被高估，长期被低估

去年开始，全球范围掀起了以大模型为代表的生成式AI浪潮，国内很多企业也不甘人后，积极入场。一时间，但凡和算力、算法、数据、网络安全、云计算、AI相关的企业和题材，都能被追捧上天。

360公司就是一个典型的例子。自去年年初AI大模型爆火后，周鸿祎就频繁发表言论，表示360不会错过这一历史性机遇。结果，360的股票从2月初的7块多钱，暴涨至4月初的20多元。类似360这样，在AI大模型题材风口上，股价暴涨、市值大增的企业还有很多。从财务和投资的角度看，有些人确实已经尝到AI大模型带来的“甜头”。但从技术革新的角度看，我们还远没看到大模型给人们工作生活带来的巨大改变。

比尔盖茨说过：“我们总是高估未来2年会发生的改变，低估了未来10年将发生的改变。”虽然大多数人都对AI大模型代表未来的发展方向，没有异议，但如果过于短视或过于急功近利的看待这一技术，就未必是好事了。

在未来，AI大模型绝对有无限大的价值，等着我们去发掘。但我们要审慎客观地看待它的发展周期，不要总幻想它能在短期内给人类带来“翻天覆地”的变化，或者给个人带来泼天富贵。毕竟，我们见证过太多“风口”过后的一片狼藉。

02
别卷大模型了，机会在AI Agent

1、从百模大战，到十模共生

尽管不断有大佬高喊“不能落地的大模型没有意义”，但丝毫不影响近一两年来大模型赛道的激烈厮杀。截至去年8月之前，…

2、利用AI基建，开发AI云原生应用

比尔盖茨有这样一个判断：Agent是下一个互联网。李彦宏也公开表示：“中国现在有好几百个基础模型，这是对社会资源巨大的浪费，更多的资源应该放在去探索跟各行各业的结合，探索有没有什么全新的超级 APP 的可能性。”

大模型的能力涌现，需要一个载体Agent的形态，使其能够像人一样在不同的角色中，操作不同的工具，完成不同的任务。尤其在大模…

3、AI不是工具，而是战略

科技发展到今天，AI给我们带来的不只是效率的提升，还是业务模式的变化，组织架构的整合，工作流程的优化，以及目标路径的重建。因此，对当下的企业而言，AI不只是工具，更是战略、是顶层设计。

最近不少老板找到K哥，请我为他们的企业做AI方向上的战略规划咨询。在这里就和大家分享一下大致做法，你也可以依葫芦画瓢，给自己的…

03
未来十年，所有的公司都是AI公司

1、回顾科技发展史，感知AI未来

很早之前，谷歌创始人就曾说过：“未来将没有互联网公司，所有的公司都是互联网公司。” 现在看来，所言非虚。无论是制造业…

2、AI原住民，将淘汰AI新移民

最近听一位朋友说，他儿子学了5年美术，现在准备放弃了。问原因，朋友告诉我：“儿子觉得继续学美术，已经对将来没什么帮助了”，朋友接着感慨：“如果只从多一门技能的角度看，这个时代学画画确实没什么意义了，看看商场、超市、地铁站的海报，全是AI创作了…”。我又问朋友如何看待AI的画风，朋友回答：“我明白你的意思，也许我们有些不习惯，但谁能保证下一代人不会习惯呢？谁又能知道AI绘画会发展到什么程度呢？”

这段话给K哥带来了很大震撼，如果说当前职场中的70、78、90们是AI新移民，那么现在的00后、10后，就是AI的原住民，他们和我们的差异不只是技术上的，更是思维上的。

生产工具（AI）的革新，必然催生新的生产关系、生产模式，塑造新的思维认知和行为规则，同时也会加速对老旧生产力，生产工具的淘汰和改进。这是细思极恐，但又很难避免的现实。如果想让自己成为“例外”，最好的方式就是理解AI，掌握AI，运用AI，这样也许能在未来的社会中，保有一定的竞争力，而不至于被AI新移民们快速淘汰。

未来已来，AI时代大家各自珍重，共勉！

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Exotec获得了CNBC颠覆者50强公司称号，这是该公司连续第三年获此殊荣，突显了Exotec在国际上持续强劲增长。{ width=60% }

---

今天，全球仓储机器人提供商Exotec®很高兴地宣布，该公司已入选2024年CNBC颠覆者50强榜单，这是公司连续第三年获此殊荣。Exotec在今年的榜单上跃升至第10名，较2023年的第11名有所提升。CNBC颠覆者50强是一份每年发布一次的名单，已经走到了第十二年，旨在识别那些改变国际商业格局的创新和快速增长的私人公司。
Exotec是一家价值20亿美元的全球仓储机器人提供商，得到了包括Gap Inc.、优衣库和迪卡侬在内的世界上最大品牌的信任。自进入该行业以来，该公司实现了持续加速增长，扩张至新市场，如东欧和韩国，并在APAC、欧洲和北美等主要市场实现了业务增长纪录。在2023年，Exotec全球员工人数增长了80％，超过100个全球客户现场，成为全球销售规模突破10亿美元的最快物料处理公司之一。
“自2015年进入市场以来，Exotec的产品迅速获得采用和增长，彻底改变了之前被少数传统参与者主导的仓库自动化领域，”Exotec的首席执行官和联合创始人Romain Moulin表示。“三次获得CNBC颠覆者50强榜单的殊荣进一步证明了我们优雅可靠的机器人解决方案对我们客户运营和整个行业产生的影响。”
请点击此处观看Romain Moulin在CNBC的Squawk Box节目中谈论Exotec及其持续增长。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

在过去的近两周，一个专业性强的辩论在 X（之前称为Twitter）上激烈展开：用户是否可以信任消息应用 Signal，还是 Telegram 平台更好？X 的聊天机器人 Grok AI 将这个热点时刻描述为“Telegram 对 Signal：加密之争”。

---

Signal 是一个用于向个人和小团体发送端到端加密消息的应用程序。Telegram 提供广播频道和消息功能，但默认情况下并不是端到端加密的。有关它们相对优劣的辩论多年来一直存在，但主要局限于网络空间中的网络安全、密码学、隐私和政策爱好者。这一次，由于 X 最臭名昭著的功能：将孤立事实转变成病毒式阴谋论，以取悦愤怒的人群，使得这一话题引起了更广泛的关注——而这一切得益于艾隆•马斯克的 1.83 亿粉丝。作为一个小配角，我亲眼见证了这场人为制造的争议。

4 月 9 日，NPR 的前长期编辑乌里•贝林纳（Uri Berliner）在偏右翼刊物《自由新闻》上发表了一篇文章，指控 NPR 越来越倾向于迎合美国极左边的一小部分人。关于 NPR 被指左倾的讨论以及保守派要求削减其经费的呼声也并不新鲜。然而，这一次，贝林纳的病毒性文章在 NPR 的新任首席执行官凯瑟琳•马赫上任几周后引发了一场风波。保守派活动人士开始深挖。

结果发现，马赫发布过一些不妙的推文。当然，“糟糕”是主观的，可以更准确地描述为进步的推文。由于她的推文倾向使得它们成为那些对贝林纳的故事感到愤怒的人们的宝藏，推动着影响者、算法和在线人群迅速将马赫打造成了 X 上最不幸的人物：网络主角。

右翼活动人士兼宣传大师克里斯•鲁弗（Chris Rufo）领导了这场运动，将叙事从社交媒体转移到右翼媒体，再到《纽约时报》，然后再返回。在线人群要求即刻解雇马赫。

然而，NPR 及其董事会没有屈服。

每场有效的诽谤运动都会以一个事实为基础，然后将其包裹在层层含沙射影中，犹如牡蛎涂上珍珠层。对于目标而言，区分事实与虚假会让其陷入困境：是保持沉默，还是在指责不断演变且目标在不断移动的情况下连续不断地解释。

但是鲁弗等右翼人士——也许是因为他们没能迅速让其被公开解雇而感到沮丧——将目标转移到了现实的边缘，进入了阴谋的沼泽。他们挖掘出了一条来自一名突尼斯活动人士的 2016 年推文，暗示马赫，曾在该国工作，是美国中央情报局的秘密特工。尽管她否认了这一点，而且她的指责者似乎没有再对此发表评论，但鲁弗在 4 月 24 日发布了一篇博文，声称她是一个“政权更迭特工”，在北非发动并将其引入美国的“颜色革命”。在这个新叙事中，马赫不仅仅是一个有偏见的进步人士；她还成为了深层国家的一部分。

鲁弗的帖子在很大程度上依赖一种特殊的诽谤战术：坏人传递属性，它通过一系列有罪的关联将人和机构连接在一起，旨在引诱读者在没有明确指控甚至可能引起诽谤诉讼的情况下自行连线。

这与 Signal 和 Telegram 有什么关系呢？

马赫是 Signal 基金会的董事会成员。通过坏人传递属性，马赫所涉及的一切现在都变得可疑。因此，在 5 月 6 日——马赫仍未被 NPR 解雇的情况下——鲁弗又发表了另一篇博文，目的地点并引发了更深层次的阴谋论。文章开头提到：“加密消息应用的完整性是否会受到其董事会主席的影响？”随之而来的是一系列新的含沙射影： Signal 获得了开放技术基金（Open Technology Fund）的资助，而该基金由美国政府赞助。Signal 的首席执行官曾选中马赫加入董事会，而他本人也是一个进步分子，在谷歌曾是平权麻烦制造者。

在该宣传活动的早期，我并未预料到这一层暗示，一位因此事激愤的知名企业家使我成为了有关 Signal 是否受到损害的推文的一部分：三年前，我加入了一个旨在为 Signal 上的支付提供支持的开源加密货币基金会的董事会。这并不意味着我亲自涉及 Signal 或马赫。但我研究了在线叙事传播，这让我成为了几场右翼诽谤运动的受害者之一。我被用作了一个与目标有关联的坏人。这位企业家从未明确说明我可能对 Signal 有何影响。他只是说我涉及其中已足够。

虽然这些指控缺乏明确性应该是一个警示信号，但它们反而使整个活动猛烈扩张。由于受到一些影响力明星模糊推文的刺激，关于 Signal 受损性格的制造争议一词在 X 上迅速传播，却缺乏任何证据。

普通民众找到鲁弗的诽谤工作令人信服是可以理解的：他们相信他，反感马赫，而技术方面又很复杂。但是，懂技术的人——X 的 CEO 艾隆•马斯克——不仅看到了这些暗示，还在 5 月 6 日自己发表了一些：“Signal 存在已知的漏洞，却没有得到解决。看起来很奇怪……” 他也没有提供证据。尽管如此，在他的回复中，有人开始怀疑 Telegram。它是一个更好、不被唤醒的替代品吗？懂得技术的杰克•多西（Jack Dorsey）也推特支持这些指控。

社区注意和记者开始对马斯克进行事实核查。Signal 的首席执行官回应道，指出 Signal 的代码是开源的，由安全和隐私社区密切审查。即使马赫真的是那个被描述的邪恶、唤醒、深州政权更迭者，她也无法损害这个应用程序，即使她试图这么做。马斯克的说法几乎没有事实依据，但他有权使含糊其辞的声明成为数百万人讨论的话题。

因此，一场病毒式阴谋论再次成为趋势，他人利用它达到了自己的目的。Telegram 的 CEO 帕维尔•杜罗夫（Pavel Durov）指出多西在推特上分享鲁弗文章后，在一篇推文中宣传 Telegram 作为“唯一可验证的私密通信方式”。密码学教授、安全研究人员和科技记者撰写文章澄清了使用 Telegram 进行安全通信的风险，并警告不要让 Telegram 鼓励活动人士转向 Signal。

最初关于 NPR 偏见的争论现在几乎显得如此平淡。第二级制造争议似乎太过牵强，以至于几乎不值得辩驳。然而，由于当今分裂现实中的超党派毒害，它们确实产生了实质性后果。

对那些陷入阴谋论陷阱的人来说，要说服信众他们被误导几乎是不可能的。但对于“Telegram 对 Signal：加密之争”这个话题，误导人们、尤其是美国以外的活动人士选择不够安全的替代品，存在风险。破坏对公司和机构的信任，主要是为了对敌人进行攻击，这从未像现在这么容易。

那么，我们能做些什么？首先，支持那些处于恶意攻击目标的人。机构必须学会了解这些努力的工作方式，而不应保持沉默，应及时表态。而更广泛地看，媒体素养工作应该着重于解释这些运动的运作方式，突出反复出现的修辞手法、陈词滥调和缺乏证据。帮助他人了解和认识抹黑运动的机制最终将使它们变得不太有效。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Intelligent automation (IA) technologies are graduating from being operational to highly strategic.{ width=50% }

---

In terms of the bottom line, it’s even more impressive. A study from SS&C Blue Prism, conducted by Forrester Consulting and published in April, put together a composite organisation representative of five customers interviewed. The conclusion was that, over three years, there were key gains in IA from greater productivity to compliance cost avoidance, to improved employee experience and retention. This represented an overall net present value of $53.4 million (£42.5m) per customer. Yet this may just be the tip of the iceberg. Dan Segura, enterprise sales manager at SS&C Blue Prism, notes one healthcare client who, in what is described as a conservative estimate, delivered savings of more than $140m overall on cost avoidance and recoup. Another healthcare client delivered a use case with a claimed $43m benefit on its own; a bot which recouped overtime pay for nurses and staff during the pandemic. “They built it in an afternoon,” Segura explains. “It’s a perfect example of being in the right place at the right time; and having the right skills and technology being ready.” Many of the technologies which comprise intelligent automation have been around for a long time, such as classic RPA (robotic process automation) or OCR (optical character recognition). SS&C Blue Prism’s document automation, which forms part of the latter, is described as a ‘game-changer’ by Segura. “There’s a lot of these processes, whether it’s going to be executed by a robot or a human,” he says. “First things first, we’ve got to get data off documents. “Automation is not just doing simple tasks anymore thanks to the introduction of AI and generative AI” he adds. “There’s now more understanding, whether it’s assessing information from documents, information from a message, structuring things that are semi-structured or unstructured, to drive the process or complete the process.” Segura describes wider business process management (BPM) and process orchestration tool Chorus, meanwhile, as ‘one of the world’s best kept secrets.’ Or, at least, it was; in November analyst Everest Group named the tool as a leader and star performer in its Process Orchestration Products PEAK Matrix. The tool is now getting leverage outside the traditional finance and insurance fields. “It is how millions and millions of transactions and pieces of work are getting done every day,” says Segura. “We’re now seeing adoption [elsewhere] alongside automation to orchestrate their work and give them that end-to-end work orchestration, visibility, and efficiency gains with whatever they have going on.” So how does a use case come to life? It is often a mixture of inspiration and perspiration. Where SS&C Blue Prism comes in is to ‘help customers catch lightning’, as Segura puts it. “We’ve all been in that situation where it’s like ‘oh if I were running this place, here’s what I would do’,” he says. “Intelligent automation gives you the opportunity to reimagine your processes and transform how you get work done. Once that light switch turns on, and the initial use case is built, that’s really the secret sauce of SS&C Blue Prism; it’s that realisation and awareness of what intelligent automation can deliver. “We’re always learning from our customers,” adds Segura. “It’s at their direction because they know their business and processes better than anybody. Combine their business expertise with the transformational power of intelligent automation and its digital workforce, then that’s where the magic happens.” Any organisation, argues Segura, regardless of the industry, has change agents and citizen builders in waiting. Don’t think that’s a misnomer; the term is definitely ‘builder’. “I hear about these citizen developer programmes, and they’ll say, ‘here we have 500, 1000 citizen developers.’ What I don’t hear is, ‘and with this army of citizen developers we’ve achieved this’,” says Segura. “Whereas I have customers where two people have basically become citizen builders with more of a robust type of approach.” The $43m healthcare single use case is a case in point. “It is the whole mantra of SS&C Blue Prism,” adds Segura. “We’re designed to go after those higher value chain automations that can have a tangible impact on some of the company’s key objectives.” So, you have the idea, the value proposition, and the capability to build it out. How do you make it stick? Every organisation is different; though if your company has a continuous process improvement department then that can be a good place to start. Segura likens it to offshoring processes. “You don’t just wave it goodbye and never think about it again,” he explains. “At the end of the day, it still has to function. “You’re not just ‘digital-shoring’ [automation] and it will essentially be taken care of by digital. Someone has to continuously improve the process; someone has to mind when something changes with the business rules or regulatory compliance; somebody has to be responsible for making sure that those changes are kept up in an agile way.” SS&C Blue Prism has a longstanding, large US retail customer that combines that lightning capture with the right internal culture around automation. This is a company that has 72,000 employees, as well as 60 ‘digital workers’ executing more than 150 automations. One such automation, through using OCR technology, lets the company automate the processing of inbound customer orders received by digital fax. The overall result is 6.2 million transactions processed to date, and 250,000 hours of work returned to the business. But there is one extra ingredient required, particularly for a big company: discipline. “It took them a while to get to that point in maturity,” explains Segura. “They do have a very central function when it comes to the intelligent automation team, [but] keep in mind one of those processes is in supply chain. That process is regularly reviewing 4.2 million purchase orders; it’s minding 50 million inventory case volume; it’s going through two million SKUs for 8000 suppliers. “This is highly iterative, but it’s that process of having that lightning rod to capture the requirements and give people who are not necessarily technical a platform and a methodology to iterate very closely with the intelligent automation team,” adds Segura. Think of what SS&C Blue Prism does therefore as providing a superhero cape for those who don’t otherwise get the chance to step into the limelight. It is a message the company will look to broadcast at the Intelligent Automation event in Santa Clara on 5-6 June. “SS&C Blue Prism opens up that door to enable your citizen builders really make an impact and deliver strategic benefits to the company,” says Segura. “You’re not just playing with a pilot, not just fooling around with something; you’re really getting into the strategic objectives of the company.” Photo by Tara Winstead

Want to learn more about AI and big data from industry leaders? Check out AI & Big Data Expo taking place in Amsterdam, California, and London. The comprehensive event is co-located with other leading events including Intelligent Automation Conference, BlockX, Digital Transformation Week, and Cyber Security & Cloud Expo.
Tags: ai, artificial intelligence, Blue Prism, IA, intelligent automation

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

智能自动化（IA）技术正在从操作性向高度战略性转变。{ width=50% }

---

就底线而言，这更令人印象深刻。
SS&C Blue Prism进行的一项研究，由Forrester Consulting进行，并于4月发布，汇编了五位受访客户代表的一个复合组织。结论是，三年内，从生产力提升到避免合规成本，再到提高员工体验和留任率，IA带来了关键收益。这代表每位客户的总净现值为5340万美元（4250万英镑）。
然而，这可能仅仅是冰山一角。SS&C Blue Prism的企业销售经理Dan Segura指出，有一家医疗客户以保守估计节省了超过1.4亿美元的整体成本避免和收回。另一家医疗客户通过一个声称带来4300万美元效益的用例；一款机器人在疫情期间为护士和员工回收了加班费。
“他们在一个下午内完成了它，”Segura解释道。“这是一个在正确的时间正确的地点，并且拥有准备好的正确技能和技术的完美例子。”
组成智能自动化的许多技术早已存在很长时间，比如经典的RPA（机器人流程自动化）或OCR（光学字符识别）。Segura称SS&C Blue Prism的文档自动化，是OCR的一部分，为“改变游戏规则”。“无论是通过机器人还是人执行的这些流程，都有很多这样的流程，”他说。“首先，我们必须从文件中提取数据。
“自动化不再仅仅是执行简单任务，这得益于AI和生成式AI的引入，”他补充道。“现在有更多的理解，无论是评估来自文件的信息，来自消息的信息，还是构建半结构化或非结构化的事物，以驱动流程或完成流程。”
与此同时，Segura将更广泛的业务流程管理（BPM）和流程编排工具Chorus描述为‘世界上保守的秘密之一’。或者至少曾是；去年11月，分析公司Everest Group在其Process Orchestration Products PEAK Matrix中将该工具名列为领导者和明星表现者。
现在该工具正从传统的金融和保险领域获得更多的发挥。Segura表示：“这是如何完成成千上万的交易和工作任务的方式。”“我们现在看到除了自动化之外，（其他领域）同时采用流程编排来编排他们的工作，并为他们提供端到端的工作编排、可见性和效率收益，无论其正在进行什么。”
那么一个用例是如何实现的呢？这往往是灵感和汗水的结合。SS&C Blue Prism介入的地方是‘帮助客户捕捉闪电’，正如Segura所说的。“我们都曾经处于这样的情况，就像‘哦，如果我管理这个地方，我会怎么做’，”他说。“智能自动化为您提供重新想象流程和转变工作方式的机会。一旦点亮了那盏灯，建立了初始用例，那才是SS&C Blue Prism的秘密武器；就是意识到智能自动化可以实现什么。
“我们一直在向客户学习，”Segura补充道。“这是按照他们的指导，因为他们比任何人都更了解自己的业务和流程。将他们的业务专业知识与智能自动化及其数字化劳动力的转型能力相结合，那就是奇迹发生的地方。”
Segura认为，无论行业如何，都存在等待的变革代理人和公民建设者。不要认为这是一个错误的描述；术语绝对是‘建设者’。
“我听说过这些公民开发者计划，他们会说，‘我们这里有500个，1000个公民开发者’。我没有听到的是，‘有了这支公民开发者军队，我们已经取得了这些成就’，”Segura说。“而我有一些客户，仅有两个人基本上已经成为了带有更健壮类型方法的公民建设者。”这项价值4300万美元的医疗单一用例就是一个例证。“这是SS&C Blue Prism的全部口号，”Segura补充道。“我们旨在实现那些可以对公司的一些关键目标产生有形影响的高价值链自动化。”
因此，您有了想法、价值主张和构建能力。如何让其落地？每家组织都是不同的；但如果您的公司有持续的流程改进部门，那可能是一个不错的起点。Segura将其比作离岸流程。“您不仅仅是跟自动化‘数字化外包’，然后就让它照看自己，”他解释道。“最终，它仍然必须正常运作。
“您不仅仅是‘数码化-外包’[自动化]，并且相信它最终会被数字化照顾。必须有人不断改进流程；必须有人时刻留意业务规则或监管合规性发生变化；必须有人负责确保这些变化以一种敏捷的方式持续更新。”
SS&C Blue Prism有一个历史悠久的大型美国零售客户，在自动化方面结合了捕捉闪电的方法和正确的内部自动化文化。这是一家拥有7.2万名员工的公司，以及60个‘数字工作者’执行了150多个自动化。通过使用OCR技术，其中一项自动化使公司能够自动处理通过数字传真接收的客户订单。
总的结果是到目前为止已处理了620万笔交易，并为企业节省了25万小时的工作时间。但是对于一家大公司，还需要一种额外的成分：纪律。
“他们花了很长时间才达到这一成熟点，”Segura解释道。“当涉及到智能自动化团队时，他们确实有一个很中心的职能，[但]请记住其中一个流程在供应链中。该流程定期审查420万份采购订单；它监控着5000万的库存案例数量；为8000个供应商的两百万个SKU进行了处理。
“这是高度迭代的，但正是这种通过捕捉需求并为那些不一定是技术人员的人提供一个与智能自动化团队密切协作的平台和方法来迭代的过程，”Segura补充说。
因此，想象一下SS&C Blue Prism提供的是为那些没有机会走上舞台的人提供超级英雄斗篷。这是公司将在6月5-6日在圣克拉拉举办的智能自动化活动中努力传播的信息。
“SS&C Blue Prism打开了那扇门，使您的公民建设者真正产生影响，并为公司带来战略性利益，”Segura说。“您不仅仅是在进行试点测试，也不是在摆弄一些东西；您真正投身于公司的战略目标。”

---

注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。