Runway CEO:AI公司的时代已经结束了

今年的大模型,上半年异常热闹,下半年有些凉凉。

做底层大模型研发,就像一场旷日持久的马拉松,研发成本高、技术门槛高,迭代竞争激烈。


拿 OpenAI 来说,研发带来的年亏损高达 50 亿美元。这样的财务压力显然不是一般的 AI 公司所能承受之重。AI 创业公司也往往显得十分务实,始终将商业化和盈利变现作为核心考量。

AI 在寻找自己用武之地的路上,视频生成算得上是离应用最近的赛道之一。然而今天,AI 视频生成的「顶流」Runway 的 CEO 却给 AI 公司「判了死刑」。在他的公开信中,第一段就写着:「我认为 AI 公司的时代已经结束了。」

Runway 联合创始人兼 CEO Cristóbal Valenzuela Barrera

这封信的全文是这样的:

Runway 不是一家 AI 公司。Runway 是一家媒体和娱乐公司。实际上,我认为 AI 公司的时代已经结束了。

图片

这并不是因为 AI 失败了 —— 恰恰相反,而是因为 AI 正在成为像电力或互联网一样的基础设施。在今天称自己为 AI 公司,就像在 2024 年称自己为互联网公司一样。这没有意义,因为人人都在用 —— 每家公司都使用互联网;每家公司都将使用人工智能。

对于 Runway 来说,我们的重点是艺术、媒体和更广泛的娱乐领域。我们在七年前创办 Runway 的愿景至今未改:人工智能是讲故事的必备工具。为了实现这一愿景,我们不得不反其道而行之,建立最好的研究团队,来提供支持最佳产品的最佳模型。

我经常将我们的工作比作一种新型「相机」。这里的「相机」并不是字面上的捕捉图像,而要诉诸更长远的历史尺度。相机不仅仅创造了摄影 —— 它催生了整个行业、经济和艺术形式。电影、电视、TikTok —— 所有这些都源于那个能捕捉光与时间的革命性工具。

我认为 Runway 的工作是为一个全新的媒体景观打下基础。就像相机改变了我们捕捉现实的方式,人工智能也正在改变我们创造现实的方式。Runway 构建的模型和技术只是一个开始 —— 它们相当于那些最初的银版照片,原始但充满无限可能。

许多人错误地将人工智能看作是终极目标。他们错了,AI 只是一种工具,是支撑更伟大成就的途径与方式。真正的革命不在于技术本身,而在于它能够实现的事物:开创新的表达形式、开启新的故事讲述方式、寻找连接人类经验的新方法。

传统媒体就像是一条单行道。创作通过既定的渠道流向消费者。即使分发首先被社交媒体、流媒体先后颠覆,但这个基本模式仍然存在:有人创造,其他人消费。角色清晰,界限明确。然而,现在我们正在见证一种全新的情形。

想象一下,你在观看的节目能在观看过程中自动生成 —— 这是一种真正动态的内容,它能够回应你、理解你、完全为你量身定制。模拟世界,让内容能够实时自我塑造,才能消解创造与分发之间的界限。这不仅是构建全新媒体景观的基础,也将从根本上重新定义媒体:它既是互动的、生成性的、个性化的,同时又是共享和普遍的。

这也是为什么纯 AI 公司正在过气。现在亟待解决的根本问题不再是单纯的技术 —— 而是我们能用技术创造什么?下一波创新不会源于那些专注于研究模型的公司。模型已经成为一种商品。技术基础现已稳固,行业内没有任何秘密。真正的变革将来自于那些知道如何使用这些工具来创造新的媒体形式、新体验和新的叙事方式的人。基础设施已经铺好,接下来才是重头戏:用 AI 创造有意义的事物。

AI 公司的终结,标志着全新的开始:全新媒体的诞生。这不仅仅是新的平台或格式,而是全新的创造和体验内容的方式。我们不再致力于构建一个人工智能公司。这是一个更加令人兴奋的使命,就像 Runway 一直以来所追求的:回归我们的初心。


Runway 成立于 2018 年,创始人兼首席执行官 Cristóbal Valenzuela Barrera 认为人工智能在艺术创作领域具有巨大潜力。因此,Runway 自创立之初就致力于为设计师、艺术家和开发人员提供工具和平台。

Runway 的创始团队:从左到右分别为 Alejandro Matamala、 Cristóbal Valenzuela Barrera、Anastasis Germanidis

回顾 Runway 发展历程,我们会发现一些「抓马」事件:Stable Diffusion 背后团队互撕、突然删除 HuggingFace 库……

今天提到 Stable Diffusion,我们或许会认为它是 Stability AI 的研究工作,但实际上,这个模型的技术来源是发表在 CVPR 2022 中的一篇论文《High-Resolution Image Synthesis with Latent Diffusion Models》,署名作者一共五位,分别来自慕尼黑大学、海德堡大学和 Runway。2022 年,Runway 官宣发布了 Stable Diffusion v1.5,并和 Stability AI 因 Stable Diffusion 版权问题而引发矛盾。

图片

而今年 8 月底,Runway 突然删除、清空了他们在 HuggingFace 上的所有内容,包括 Stable Diffusion v1.5。在 Hugging Face 主页上,Runway 声明不再维护 HuggingFace。

尽管这些事件有些抓马,但 Runway 一直在视觉生成领域持续发力。例如,近期 Runway 推出的视频生成基础模型 Gen-3 Alpha 可以创建具有复杂场景变化、多种电影风格和详细艺术指导的高精细视频。

最近,Gen-3 Alpha 还发布了一个新功能 ——Act-One,可以让用户上传一段视频,来驱动视频角色做出同样的表情、动作,可以说颠覆了动捕行业。更多信息

如果说「AI 公司的时代已经结束了」,那么 Runway 似乎一直在艺术、媒体和更广泛的娱乐领域创造工具和价值。或许,正如 CEO 所说,AI 在未来是一种基础设施,更值得思考和探索的是 AI 的应用方向。

对 Runway CEO 的观点,你认同吗?

参考链接



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

勾股定理还能这样证明?高中生一连发现10种证明方法,陶哲轩点赞

几千年过去了,勾股定理还能有新发现?而且还是被两个高中生发现的?

这个人人都会的初中二年级数学知识,在学术领域居然有了新发展。本周二,UCLA 数学终身教授、菲尔兹奖得主陶哲轩在社交网络上的一番点赞引起了人们的兴趣。


陶哲轩表示,这是一篇有趣的论文,在简单探讨了两种证明是否算是同一种证明的话题之后,他提醒我们:即使是最古老和最完善的数学基础知识,有时也可以从新的角度重新审视。

在中国,周朝时期的商高提出了勾股定理的一个特例:「勾三股四弦五」。在西方,最早提出并证明此定理的为公元前六世纪古希腊的毕达哥拉斯学派,他们用演绎法证明了直角三角形斜边平方等于两直角边平方之和。所以该定理也被称为「毕达哥拉斯定理」。

勾股定理是人类早期发现并证明的重要数学定理之一,至今已成为数学定理中证明方法最多的定理之一 —— 从微分证明到面积证明,有超过 400 种证明方法。

两位高中生一口气发现了十种新方法,她们是如何证明的呢?

数学家赞叹:全新思路

故事要从 2022 年讲起,那年美国高中生 Ne’Kiya Jackson 和 Calcea Johnson 在回答数学竞赛的一道加分题时,发现了一种证明几千年历史勾股定理的新方法,令老师们赞叹不已。这仅仅是个开始。

她们写道:「在 500 美元奖金的激励下,我们决定独立承担这项任务。事实证明,这比我们最初想象的要难得多。为了得出一个证明,我们每个人都花了很多个漫长的夜晚,但都失败了。经过大约一个月的脑力劳动,我们每个人都完成并提交了我们的工作。我们高中的数学志愿老师 Rich 先生认为我们的证明足够新颖,可以在数学会议上发表。我们当时对自己的工作都没有那么自信,但我们还是决定继续下去。」

在接下来的两到三个月里,她们把所有的空闲时间都花在完善这些证明上。最终,她们获得了成功。

她们所在的学校,新奥尔良圣玛丽学院的一名志愿者鼓励她们将这个成果提交给专业会议。到 2023 年 3 月,他们成为在亚特兰大举行的美国数学学会东南分会会议上发言的最年轻的人。

她们表示:「令我们惊讶的是,我们的高中作业得到了认真对待,我们获准在 2023 年 3 月的美国数学学会东南分会会议上发言。作为会上最年轻的人和最年轻的演讲者,我们很害怕,但我们知道这是我们之前所有努力的结晶,这给了我们发言的信心。」

如今

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

o1之后,GitHub又接入Claude、Gemini,网友:也杀不死Cursor

那些转到 Cursor 的用户,会不会又被吸引过来呢?

从今天起,GitHub Copilot 用户可以有更多模型选择了。

包括 Anthropic 的 Claude 3.5 Sonnet、Google 的 Gemini 1.5 Pro 以及 OpenAI 的 o1-preview 和 o1-mini,这些模型首先在 Copilot Chat 中推出。


此前,OpenAI o1-preview 和 o1-mini 已经推出,Claude 3.5 Sonnet 将在下周逐步推出,Google 的 Gemini 1.5 Pro 将在未来几周内推出。

图片
Claude 3.5 Sonnet

Anthropic 发布的 Claude 3.5 Sonnet 模型擅长处理整个软件开发生命周期的编码任务 —— 从初始设计到错误修复、从维护到优化。在这些任务中,Claude 3.5 Sonnet 都表现的非常出色.
图片

Gemini 1.5 Pro

Google 最新 Gemini 模型在各种编码场景中表现出极高的能力。Gemini 1.5 Pro 上下文窗口达 200 万个 token,并且原生支持多模态,能够同时处理代码、图像、音频、视频和文本.
图片

o1-preview 以及 o1-mini

OpenAI o1-preview 和 o1-mini 模型配备了比 GPT 4o 更先进的推理能力。这些模型的推理能力可以更深入地理解代码约束和边缘情况,从而产生高效、高质量的结果.
图片

Perplexity + GitHub Copilot

除了对模型更新外,现在 Perplexity 也已经集成到 GitHub Copilot 中,可以帮助用户回答编程中遇到的问题,这项新功能还能提供实时可验证的参考来源,增加答案的可靠性.
图片

GitHub Spark

为了实现 GitHub 覆盖 10 亿开发者的愿景,研究团队还推出了 GitHub Spark。这是一款完全以自然语言构建应用程序的 AI 原生工具。

Spark 集成了 AI 功能和外部数据源,用户无需管理任何云资源。利用创意反馈循环,用户从初始提示开始,并可以在构建应用程序时查看实时预览,轻松查看每个请求的选项,并自动保存每次迭代的版本,以便他们可以随时比较不同版本的效果.
图片

看到这,GitHub Copilot 这次更新诚意还是很大的。

在此之前,Copilot 首个公开版本使用的是 Codex,也就是 OpenAI GPT-3 的早期版本,之后 2023 年推出 Copilot Chat,搭载的也是 OpenAI 的模型 GPT-3.5 和后来的 GPT-4。

现在 Copilot 接入了更多模型供大家选择,大家纷纷猜测可能是受到 Cursor 的影响,毕竟 Cursor 把默认模型切到了 Claude,虽然 OpenAI 重金进行了投资。

GitHub Copilot CEO Thomas Dohmke 也进行了一波宣传,Claude 3.5 Sonnet 上线 Copilot。
图片

有网友认为,这是 GitHub Copilot 追赶 Cursor 的一种表现,随着新模型的加入,GitHub Copilot 会赢回一批用户。毕竟很多程序员都转到 Cursor 了,因为那里可以使用 Claude-3.5-Sonnet。
图片

还有网友表示,「可能要切换回 VS Code 了。」

「太好了!也许我可以重新激活我的 GitHub Copilot 订阅。」
图片

还有网友表示:「老实说,我不认为 Cursor 是一个可靠的解决方案。它只是在使用 4o 和 Claude 方面比 Copilot 更胜一筹。如果 Copilot 也这么做,这很容易被取代,而微软确实这么做了。」
图片

「Cursor 并没有被杀死。」
图片

GitHub Copilot 和 Cursor 你选哪个?欢迎评论区留言。

参考链接:
https://github.blog/news-insights/product-news/bringing-developer-choice-to-copilot/



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

重磅!美国取消SB-1047法案,OpenAI、谷歌、Meta大难不死!

美国加州州长Gavin Newsom在今天凌晨正式否决——SB-1047法案!值得一提的是,过去30天Gavin一共签署了17个关于监管大模型、生成式AI安全使用的法案,唯独否决了1047,看来他也不是一个糊涂人。在这个积极否决的过程中,AI界泰斗-吴恩达、图灵奖获得者-Yann LeCun、斯坦福教授-李飞飞等发挥了重要作用。


尤其是吴恩达,曾多次在公开场合呼吁科技人士抵制该法案功劳非常大。对于全球开发者来说今天也是个重要的日子,可以继续使用Meta、谷歌等美国科技大厂开源的大模型啦。

SB-1047法案简单介绍

「AIGC开放社区」一共写了6次关于SB-1047法案的内容,算是国内最关注该事件的媒体之一。再简单介绍一下该法案,以及为什么会对开源大模型、生成式AI发展带来很多阻力。SB-1047是美国加州在今年2月7日拟定的,全名叫《SB-1047 前沿AI大模型安全创新法案》,主要用于增强大模型安全、透明性、使用规范的条例。但其中有非常多的不合理内容,例如,规定开发、训练成本超过1亿美元的大模型,比如Meta开源的Llama-3系列;谷歌的Gemma系列,一旦开源有人使用它做一些非法的事情,那么源开发商也会受到非常严重的处罚。在监管方面,当大公司开放其模型给别的国家用户使用时,需要提交客户的所有资料,包括客户的身份、信用卡号、账号、客户标识符、交易标识符、电子邮件、电话号码。同时,每年都要提交一次资料,并对用户的行为、意图进行评估。用户的所有资料会被备份7年,也会在海关、边境总署备案。类似不合理的条款还有很多,起草该法案的人员就是想彻底扼杀开源大模型以及大模型出口。所以,像OpenAI、Meta、谷歌这些科技巨头会成为SB-1047的最大受害者。此外,美国加州这个地区在科技领域非常特殊,是谷歌、Meta、OpenAI、苹果、英特尔、特斯拉总部的所在地,也有斯坦福、加州大学伯克利、加州理工、南加州大学等全球顶尖的计算机名校,算是全球科技创新中心之一。一旦这个法案执行起来,不仅是大公司受到重创,就连一些初创的小企业也几乎要完蛋了。当时这个法案一出来之后,很多人都表示,一些科技企业将会搬走。

否决SB-1047法案理由

根据美国加州官网公布的否决消息显示,Gavin州长表示,全球50家顶级AI企业,有32家在加州,它们对AI大模型的发展、创新至关重要。SB-1047的初衷是出于好意,但它在实施上存在一些严重问题。SB-1047只关注最贵、大规模的AI模型,建立了一个监管框架,可能会给公众一种控制这项快速发展技术的虚假安全感。较小的、专业化的模型可能同样甚至比SB-1047针对的大模型更危险,会阻碍AI技术创新。此外,SB-1047法案缺乏灵活性,没有为不同类型的AI应用提供足够的灵活性,这可能会导致在实施过程中的混淆和不确定性。Gavin指出,该法案没有考虑到AI模型是否部署在高风险环境中,而这是非常重要的,因为在低风险环境中可能不需要同样严格的监管措施。同时,法案没有明确哪些类型的决策是关键决策,也没有定义什么是敏感数据,这可能会导致在保护个人隐私和数据安全方面的不足。Gavin强调,像SB-1047种一刀切的方法会抑制在某些领域的创新和AI技术的发展,而且法案的规定可能难以实施,因为它们没有为不同类型的AI模型、应用提供明确的指导。保护公众免受AI技术真正威胁的最佳方法应该是更加细致和有针对性的,而不是一刀切的解决方案。下面是吴恩达、Yann LeCun、李飞飞等指责SB-1047法案的诸多不合理。也可以查看「AIGC开放社区」过去对该法案的多次解读。

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

Meta开源多模态模型——Llama 3.2

Meta开源了首个多模态大模型Llama-3.2,这是Llama-3系列的一次重大升级,一共有4个版本。

Llama 3.2 1B、3B是整个系列最轻量级的模型,适合边缘设备和移动应用程序的检索和摘要,可用于个人信息管理和多语言知识检索等,支持 128k标记的上下文长度,可在手机、平板电脑等设备中使用。


值得一提的是,这两款模型在发布时便对高通和联发科的硬件进行了适配,并针对 Arm 处理器进行了优化,广泛的兼容性将加速其在各种移动和物联网设备中的应用。

图片来源:由GPTNB生成

11B和90B视觉模型是 Llama首次发布的多模态大模型,能理解和推理图像,实现文档分析、图像字幕和视觉问答等任务。

Llama 3.2 90B版本擅长常识、长文本生成、多语言翻译、编码、数学和高级推理等,还引入了图像推理功能,可完成图像理解和视觉推理任务,能进行图像标题生成、图像文本检索、视觉基础、视觉问题解答和视觉推理,以及文档视觉问题解答等。

Llama 3.2 11B版本适合内容创建、对话式人工智能、语言理解和需要视觉推理的企业应用。在文本摘要、情感分析、代码生成和执行指令方面表现出色,也增加了图像推理能力,其用例与 90B 版本类似,包括图像标题生成、图像文本检索、视觉基础、视觉问题解答和视觉推理,以及文档视觉问题解答等。

根据测试数据显示,Llama 3.2模型在图像识别和视觉理解基准测试中与领先的闭源模型具有竞争力,例如,Claude 3 haiku等。

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

AI 应用创业者自述:我们是怎么从大厂夹缝里抢流量的

做了那么多AI应用,谁来用?第一波用户从哪来?如何持续不断地获得用户反馈?
在各种AI应用层出不穷的今天,开发者和创业公司也在愁这事。
毕竟,像Kimi、豆包这类可以铺天盖地打投流战的产品,只是有钱的少数。


而没钱的大多数呢?不出自财大气粗的大厂,没有巨头的流量生态“喂养”,甚至在寻求融资的过程中被反复质疑,只能硬着头皮自己找出路。
这其中,甚至不少产品早在开发之初,就已经尝试尽可能地避开巨头的射程范围,专注于自己的小赛道了。但当他们真正进入现实世界,为自己的产品寻找最初的流量时,却发现,他们再一次掉入了互联网巨头们制定游戏规则的流量世界里。
在线上流量格局固化的背景下,付费流量占大头,免费流量又少又难拿。于是,有人被动寄希望于APP Store的编辑推荐,有人选择在垂直的小圈子里“捞人”,有人发动身边一切人脉做内容种草…..
创业者正在想尽办法,在这个旧世界里为自己的新产品寻找用户,省下每一块钱,抢来每一滴流量。
以下是他们的“流量拓荒”故事。
起于SEO搜索,长于KOL种草,大于生态裂变
歌歌AI写歌 COO 王枢沛,10万月活,2023年3月上线
流量只有免费和付费两种,对于AI创业团队来说,最关键的是能不能拿到免费流量。
从我们的产品歌歌AI来说,我们是一款文生音乐产品,可以根据用户的提示词,用AI来作词、编曲、发行,用户可以获取版权和发行收益。从2023年3月正式上线,到现在运营了一年半的时间,用户量从零到了几十万的水平。
当然这在互联网产品里不算什么,但在AIGC创业公司里,特别是音乐垂类,算不错了。我比较骄傲的点在于我们没有烧钱大规模投放,沉淀下来的用户是精准的、有付费意愿的,目前已经做到了盈收打平。
尽可能地少花钱、做免费流量,贯穿了我们整个拉新阶段:第一阶段是SEO,第二个阶段是KOL种草,第三个阶段是做产品层面的营销活动,比如全球写歌大赛,分别对应着冷启动、产品完善后市场推广、用户社群网络效应增长。
免费流量里最精准就是搜索流量。最早我们的产品形态还只是一个非常轻量级的小程序,当时国内几乎就我们一家,甚至爆火的SUNO都还没有成立,没有所谓的竞对,那我们只要做简单地搜索引擎优化,相关的所有的流量就来我们这里。
而做SEO,从产品命名就开始了。我们的名字叫“歌歌AI写歌”,用户可以通过“写歌”、“AI写歌”。不过,最开始来的用户跟AI没什么关系,主要是一些喜欢唱歌、喜欢音乐的普通人,流量都来自于“写歌”。
搜索流量依赖用户主动搜,即使科技圈里ChatGPT把AI的概念带爆了,但在大众层面,想写歌的群体也远大于关注AI的群体。这个结果,是我们在设计产品的时候就有预期到的,来自于之前踩过的坑。
我…
到这一步,我们内部才一致认为产品ready了,大概是去年11月的时候,就准备推向市场了,然后开始找KOL合作推广。
因为我们是一个内容创作型的产品,也会优先在内容平台上进行传播,比如抖音、B站、小红书。我们目标用户是音乐爱好者,他们往往会在社交平台上专注一些乐评人、音乐人。而我们很多同事都是音乐圈的圈内人,这些博主恰恰是团队在过去积累过的人脉资源,像我们的CEO本身就是中国好声音、中国有嘻哈等等节目的制作人。
所以,我们做KOL推广,不像之前在大厂有一个非常完整的流程:先做方案策划,确定预算额度、目标效果,合作博主中头部、中部、腰部、尾部的比例配比,然后把方案对接给采购采买……更多的是我手上有什么就做什么,用好每一份资源,甚至这个博主是我的朋友,我刷个脸、吃个饭,让他友情帮我拍。
事实证明,KOL种草非常有效,那段时间,我们有一个博主,一天就给我们带来了十万用户的增长,直接翻了倍。
还有就是我们自己上手做,我们的CEO就在B站做账号,从零到现在有十万的粉丝,最爆的一个视频大概有500万的视频播放量,冲到全站排行榜第13名。说实话,不靠什么SOP的方法论,就是有网感,符合B站这种洗脑、抽象的属性,能和用户玩起来。这个视频带给我们的用户没有具体数据,但影响力是长期的,到现在产品里还会有B站观光团。
现阶段,我们最重要的任务指标就是我们生产的内容在全网的发酵程度,而不是单单看用户增长。既然我们定位自己是内容平台,那么就需要不断孵化出好内容,受到更多人的认可。所以,我们在第三个阶段开始做生态、社区,靠运营来做增长,去激发用户的创作力,比如群聊、挑战赛和排行榜等等。
这里面还有一个行业“内幕”,就是在传统音乐制作行业,爆款其实是一个概率问题,全国一天发行十几万首歌,爆款永远是少数的,具有偶然性的,比如一个著名的球星某天穿了一件蓝色颜色的衣服出镜,另外一首歌名叫蓝色的歌就火了。所以,理论上只要我们生产的歌足够多,那么成为爆款的概率就更大。现在,我们的平台上每天能产生万首。接下来,我们…
但这并不是说我们就进入了完全的用户自增长、滚雪球的网络效应阶段,也不是说投放KOL就没有用了。花钱永远是最快的,只是之前的精准垂类KOL已经差不多覆盖了,接下来要去找更泛的KOL和人群,如果不克制的话,就会陷入烧钱换增长的恶性循环里。
警惕“产品越好用,用户越不愿意裂变”
蛙蛙写作负责人,波形智能联合创始人万磊 ,30万用户,2024年2月份上线
蛙蛙写作是一款用AI写小说、剧本等长文本的产品,上线八个月,用户大概有30万了。
我越来越清晰地看到这款产品随着用户增长,想在后期精准上量,还得靠广告投放。群体本身不愿意裂变分享,是个很有趣的现象。
目前,在投放这一环,因为我们的产品是web端的,所以主要投的是百度搜索流量,关键词是“AI写作”“AI写小说”。目前截止 9 月的ROI(投资回报率)基本上达到了1,意思是假设我们投了20万元的广告,那么吸引来的用户能够为我们带来20万元的收入,刚刚打平。
在此之前,初期冷启动的用户,我们主要靠社交裂变营销。对应到产品上,我们做了非常完善的私域引流机制。例如,进入网站后,针对不同人群,会有用户注册、营销弹窗、进群有礼、裂变奖励、分销邀请的引导,我们现在有快 100个群,有两个运营同事专门负责“陪聊”。
拉新手法上,我们也会在写作类社群里发广告、运营社交媒体账号,通过孵化KOL、发放新用户权益激励等让用户主动在核心媒体分享我们的产品。
早期冷启通过社媒和高赞评论引流,配合上裂变活动产生小红书的种草贴,这算是一套成熟的打法。按理来说,用户越多,网络效应越强,特别是小说作者这个群体,一个作者起码认识十个同行。但实际上,作者群体随着用户增多,裂变的效果反而变差了。
发现这个情况之后,我就开始找用户访谈,结果他们告诉我“我们用它投稿赚利润,当然不想给同行分享。”
因为我们做了邀请新用户有礼的功能,还有邀请好友充值、自己可以获得相应额度的功能,结果有用户拿亲朋好友的手机号注册薅羊毛,还有用户开两个账号,自己给自己充值,有人一口气充到 2030 年。
这个回答确实让我醍醐灌顶。
我之前做了很多产品,从腾讯内部孵化的,再到创业做过的AI项目,其中适合裂变的都是娱乐性、自我成就类的产品,像学习产品,用户分享出去后能获得额外的免费试用时间,他们很愿意分享,因为这同时也是一种正能量的自我展示。一些多模态的照片或换脸视频生成工具也是一样道理。
但对于小说作者来说,写作是谋生的工具,他们不愿意公开自己的赚钱手段,甚至希望越少人知道越好。
而且在小说行业,一类小说火了,所有人都在抢时间复制爆款,AI某种意义上加速了投稿效率,提高了竞争壁垒,网文作者的圈子更多是竞争关系,裂变的难度更大了。
不过,虽然没做成大规模裂变,但是我们靠私域把产品打磨得很好,还意外找到了新的市场。
工具类产品的迭代跟社群私域离不开,不然就容易做成一个自嗨的产物,和用户脱节。我们私域的近百个用户社群,会及时收集产品意见, 并从中又筛选出了几个核心用户群,细到上什么需求、设计方案讨论,都会扔到群里,让用户提意见。我们的需求池会标记多少人提以及聊天截图,通过用户的急切度来排需求优先级。
群里也有不少都是骂过我们产品的,被用户骂,是一件很开心的事,因为这种诉求点往往是产品设计中想不到的地方,尤其要重视。
举个例子,我们写剧本的这个大功能就完全是用户提出来的。很多剧本的底子也是网文转换过来的。但因为剧本和小说的内容格式不一样,他们在用我们的AI通用工具时,就觉得很难用,反馈给我们之后,我调研了一下,发现这个用户群体的体量非常大,于是又做了创建剧本的功能。从网文,再到剧本,直接就扩大了我们的用户群体。
你会发现,我在产品和增长各种手段都非常注重目标用户是谁,哪怕是相似的技术底色,遇到不同的用户,就会有不同的功能需求,和对应的吸引手段。
我再举个例子,我们的产品一开始就确定了要做AI写小说,因为大模型的通用能力已经很强了,我们需要在细分赛道上深耕个性化需求。且作者群体的需求不好做,更像一个工作流,要深入群体研究,竞争对手一时半会还复制不到精髓。但AI写小说,有点太细分了,特别是我们最开始冷启动靠搜索引擎流量的时候,很难拉来自然流量。
所以我们直接做了两个功能板块,AI通用写作、AI写小说。让“AI通用写作”来吸引泛流量,把

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

如何用生成式 AI 定义我们的未来?看看微软怎么说

编辑 | 紫罗

人工智能(AI)当下及未来的进步,意味着它在解决先前被视为棘手难题的能力上实现了阶段性的转变。
鉴于这一巨大的技术飞跃,现在是我们必须定义未来轨迹的时候了。


随着公司继续创新人工智能系统并将其集成到当前产品中,我们有责任问自己:我们想要构建的未来是什么?
作为一个社会,我们必须采取立场并定义我们想要的人与人工智能系统之间的关系。我们仍处于人工智能革命的早期阶段,因此现在将我们的轨迹设定在一条认真负责的道路上比以后纠正我们的路线更容易。
我们可以有意识地设计、构建和使用人工智能系统,使其成为社会中的一种平衡力量,或者我们可以无意识地使用人工智能,在这种情况下,人工智能可能会成为加剧不平等的力量,或者两者兼而有之。社会有权决定我们朝着哪个结果前进。
一种潜在的平衡力
在生成式人工智能中,大型语言模型 (LLM) 是近期取得许多进展的原因。最近的一项研究表明,LLM 上所做的大部分工作都是知识工作,即任何涉及处理或使用信息的工作。最近还有一系列实验论文表明,人工智能提高了各种知识工作环境中参与者的生产力,例如编程、写作、咨询和客户支持。重要的是,这些论文表明使用生成式人工智能具有经济效益。
值得注意的是,生产力的提高在参与者之间并不均匀分布。事实上,人工智能更多地帮助了那些最需要它的人。也就是说,生成式人工智能对新手和低技能工人的帮助,比对经验丰富和熟练的工人的帮助更大。在生产力与收入相关的范围内,生成式人工智能可以让经验较少或技能较差的工人缩小差距。如果这些结果具有普遍性,则结果表明,在知识工作领域,人工智能正在充当一种平衡力量。
技术获取不平等
每当出现生成式人工智能规模的技术创新时,首先要了解谁可以使用该创新,这一点很重要,因为只有接触过人工智能的人才能利用它来获得生产力和经济效益。
Pew 研究中心最近的一项调查显示,了解 ChatGPT 的美国人更有可能拥有更高的家庭收入和更正规的教育。例如,79% 拥有研究生学位的成年人听说过 ChatGPT,而高中或以下学历的人中只有 41% 听说过。同样,76% 的高收入阶层(家庭收入超过 131,500 美元)的人听说过 ChatGPT,而低收入阶层(家庭收入低于 43,800 美元)的人只有 44%。最后,男性比女性更有可能听说过 ChatGPT(67% 对 49%)。
根据 Pew 研究中心的另一项调查,在听说过 Chat…
请参考原文继续阅读:原文链接



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

安永和英伟达引领企业进入人工智能时代

新成立的安永英伟达商务集团培训全球3万名专业人员,帮助客户重塑流程并通过AI代理扩大企业人工智能采用规模
安永英伟达商务集团将加速动力,利用安永AI全套产品堆栈——包括英伟达AI铸造厂、英伟达企业AI和英伟达Omniverse——推进领域的人工智能,如流程革新、AI驱动的模拟和主权AI
安永AI Refinery平台帮助公司启动定制代理AI之旅,利用完整的英伟达AI堆栈
网络覆盖欧洲、亚洲和北美的安永AI Refinery工程中心将为57000名安永AI从业人员提供支持,支持大规模运营、代理体系结构和基础模型的开发
在安永市场功能中部署的自主代理取得了初步成果

安永(NYSE: ACN)和英伟达今天宣布扩大合作关系,包括安永成立新的英伟达商务集团,帮助全球企业迅速扩大其人工智能采用规模。图片{ width=60% }


通过生成AI需求推动安永在最近结账的财政年度内总共30亿美元的预订,新集团将帮助客户奠定使用安永AI全套产品堆栈—包括英伟达AI铸造厂、英伟达企业AI和英伟达Omniverse—推进领域的代理AI功能的基础,如流程重塑、AI驱动的模拟和主权AI。安永AI Refinery将在所有公共和私有云平台上提供,并将与其他安永业务集团无缝集成,以加速跨SaaS和云AI生态系统中的AI。

“我们与英伟达的合作正在开辟新的重要领域,使我们的客户能够处于使用生成AI作为重塑催化剂的最前沿,”安永主席兼首席执行官朱莉·斯威特(Julie Sweet)表示。“安永AI Refinery将为公司创造机会,重新构想其流程和运营方式,发现新的工作方式,并在企业各个领域扩展AI解决方案,帮助推动持续变革并创造价值。”

“人工智能将使企业以更快的速度扩大创新,”英伟达创始人兼首席执行官黄仁勋(Jensen Huang)表示。“英伟达的平台、安永的AI Refinery以及我们的专业知识将帮助企业和国家加速这一变革,推动空前的生产力和增长。”

安永英伟达商务集团扩大了企业的代理AI规模,加速生成AI的动力,并帮助客户扩大代理AI系统—代理AI的下一个前沿—以推动新的生产力和增长水平。这一巨大投资将得到全球3万名专业人员的支持,帮助客户重塑流程并扩大企业人工智能采用规模。

代理AI系统代表了生成AI的一大飞跃。代理AI系统不是人类在键入提示或自动化预先存在的业务步骤,而是会根据用户意图行动,创建新的工作流程,并根据环境采取适当的行动,从而可以重塑整个过程或功能。

安永和英伟达已经帮助客户采用和扩大代理AI系统。例如,Indosat集团宣布了印度尼西亚的首个主权AI,该AI使企业能够在确保数据治理并遵守法规的同时安全部署AI。它正在与安永合作,在Indosat的数据中心上构建行业特定解决方案,其中包括英伟达AI软件和加速计算,以支持当地企业。新解决方案首先聚焦于金融服务领域,由AI Refinery平台支撑,将帮助印尼银行利用AI推动盈利能力、运营效率和可持续增长,在竞争激烈的市场中取得成功。

安永还将推出一款用于虚拟设施机器人车队模拟的新英伟达NIM代理蓝图,其集成了英伟达Omniverse、Isaac和Metropolis软件,从而使工业企业能够构建自主、机器人操作的软件定义工厂和设施。安永将在其旗下的制造自动化公司Eclipse Automation中使用这些新功能,为其客户提供设计速度提高50%和周期时间缩短30%。

AI工程中心网络作为其先进AI中心的一部分,安永引入了一组具备深度工程技能和使用代理AI系统来转变大规模运营的技术能力的中心。这些中心将侧重于选择、微调和大规模推理基础模型,所有这些在开发规模化时都带来了重大的准确性、成本、延迟和合规性挑战。在现有位于加利福尼亚州山景城和班加罗尔的中心基础上,安永将在新加坡、东京、马拉加和伦敦增设AI Refinery工程中心。

除了在Eclipse Automation中使用代理AI外,安永的市场功能还将通过将AI Refinery平台与自主代理结合起来,帮助更智能地运行推广活动。这将导致手动步骤减少25-35%,成本节省6%,预计将实现市场推出速度提高25-55%。



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

Cadmus收购屡获殊荣的数字化转型领导者Ventera

统一公司将利用尖端技术进一步增强全球业务线服务
Cadmus,全球领先的为政府、能源公用事业和私营部门公司提供技术和战略专业知识的供应商,宣布收购Ventera,一家通过灵活、以人为中心的设计、DevSecOps、领先技术和实践以及开拓创新来解决企业和政府复杂挑战的技术咨询公司。图片{ width=60% }


Ventera组织将在Cadmus内设立一个新的技术解决方案部门,该部门将由现任Ventera首席执行官Robert Acosta领导。Ventera的首席技术官Praveen Nedungottil将担任Cadmus的首席技术官,成为该公司的首位。Ventera的执行副总裁Chris Ford和Jeff Smith将继续领导新部门内的各自业务单位。Ventera的客户将继续在不中断的情况下获得相同的优秀支持。
Ventera处于为政府机构和部门以及医疗保健、金融、媒体和通讯市场的知名私营公司构建变革性数字平台的前沿。新的技术解决方案部门将在这些领域扩大其存在,并开创性地采用技术驱动方法,以增强Cadmus的核心服务并开启新的增长机会。
“在当今的咨询市场中,技术推动着我们管理和分析数据的方式,使那些最有效地利用它的人能够以前所未有的速度和效率提供卓越的解决方案,”Cadmus总裁兼首席执行官Ian Kline表示。“利用Ventera的极具天赋的技术专家、敏捷交付专家和CX专家与Cadmus的一流专业主题专家的合作,我们将能够以卓越的规模执行技术驱动的咨询,让我们的客户对全球最复杂和关键的挑战产生深远影响。”
“我们很高兴加入Cadmus,并将我们深厚的技术专业知识和先进解决方案带给更多全球客户。通过我们对创新的共同承诺和强大的文化一致性,这一合作带来了新的、令人激动的机遇,”Ventera首席执行官Robert Acosta表示。“在一起,我们有望实现更大的高度,为我们的客户和员工创造持久价值。”



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

IQVIA宣布推出IQVIA AI助手,由IQVIA医疗级人工智能驱动

IQVIA (NYSE:IQV),全球领先的临床研究服务提供商、商业洞察和医疗行业智能提供商,今日推出了IQVIA AI助手,这是一项由生成式人工智能技术驱动的创新,将极大增强生命科学客户获取及时而强大洞察的能力。图片{ width=60% }


IQVIA AI助手是一个用户友好的对话文本界面,提供即时直观的分析洞察。客户首次可以简单地提出关于他们业务的复杂问题,并在短短几秒钟内获得全面可靠的答案,而不是需要数小时甚至数天。IQVIA AI助手提供的洞察内容包括品牌和地区表现、竞争情报、处方驱动因素等。
IQVIA AI助手建立在IQVIA医疗级人工智能™的基础之上,这是IQVIA在过去十多年中不断投入的信任人工智能基础。IQVIA医疗级人工智能™结合了无与伦比的高质量医疗数据、广泛的隐私保障、经过精细调整、经验证、专为生命科学设计的可用模型,以及由科学、医疗和人工智能专家进行的质量控制基准测试。
“IQVIA AI助手为我们的生命科学和医疗客户提供所需的准确性、速度和信任。通过这项专为生产的人工智能技术,我们正在实现加速创新、创造更健康世界的使命。” IQVIA数字产品和解决方案高级副总裁Bernd Haas表示。
IQVIA正在将其AI助手集成到产品组合中的多项解决方案中,包括IQVIA Orchestrated Analytics、ChannelDynamics®Verbatim、Market Prognosis和Clinical Data Analytics Solutions。对于所有这些解决方案,AI助手的加入提供了独特的获取接近实时洞察的途径,而以前需要专家数小时甚至数天的工作。作为战略的一部分,将更多集成IQVIA AI助手的解决方案纳入路线图,让更多客户能够驱动医疗行业变革,加快行业前进速度。
了解更多信息请访问https://www.iqvia.com/AIAssistant。
探索AITechPark,了解人工智能、物联网、网络安全、AITech新闻以及行业专家的深刻见解!



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