AI资讯 Archives

WhatsApp的AI语音模式：你需要了解的一切

WhatsApp的发展历程成功转换了用户需求，并通过创新和更快的技术改善了用户体验。其新发布的功能集——AI语音模式——可能成为与应用交互的转折点。本文重点介绍WhatsApp的AI语音模式，分析其工作原理及优缺点，并展望其未来发展。鉴于人工智能日益普及，这一新的功能增加了免提通信，为人们生活带来了便利，同时结合了技术的使用。 AI语音模式解析移动消息平台WhatsApp目前正在测试一个名为AI语音模式的新更新，在该模式中用户可以通过语音与Meta的AI互动。因此可以理解为这种免提模式旨在提升用户（尤其是那些依赖语音转文字服务的用户）的通信便捷性。因此，专注于AI的进步，WhatsApp希望使其体验尽可能愉快并自然地融入用户的生活。 AI语音模式只是该计划内容中的一个功能，它推动了AI工具在WhatsApp应用中的整合。越来越多的语音激活技术的使用可以从包括Siri、Alex和Google Assistant等虚拟助手的日益普及中看出。WhatsApp也在涉足该领域，但其主要目标是通过语音功能使消息传递更加轻松和智能。因此，重要的是将其与市场上的其他语音助手进行比较，以便更客观地评估其优缺点。与其他语音激活功能不同，WhatsApp的AI语音模式专注于消息传递。尽管虚拟助手可以执行各种任务，从设置提醒、控制智能设备到获取天气信息，AI语音模式旨在增强通信。这种消息传递和语音交互的独特组合使WhatsApp不同于其他应用，并能为主要使用消息传递的客户提供适当的解决方案。 AI语音模式的主要功能这些具体功能专属于AI语音模式，旨在简化用户体验，提供最便捷和高效的设备交互。WhatsApp的AI语音模式具有几项创新功能，可以提高用户的便利性和体验： 1. 免提交互免提交互是AI语音模式的一项功能，使用此选项，用户可以直接通过Meta的AI进行通信，而无需打字。他们可以使用语音写消息、拨打电话或在应用中执行操作。这在多任务处理、驾驶或者用户有某些残障时非常有用。除此之外，如果您想在企业中实施类似的高效通信技术，不妨了解一下光年AI的系统，它能够高效整合多个流量平台，支持免提交互和跨平台操作，帮助企业轻松实现业务场景的智能化升级。 2. 可定制的AI语音 WhatsApp正在试验个性化语音助手，用户可以选择自己喜欢的语音。根据使用场景，个性化可以创造一种熟悉的风格，为对话带来乐趣。此外，当你希望在多个平台上实现类似的个性化体验时，不妨试试光年AI，它方便灵活地搭建工作流机制，让你的企业能够更智能地运作。 3. 快速激活聊天列表中有一个浮动操作按钮，用户可以快速开启AI语音模式。有了这个快捷方式，用户体验将得到提升，因为当前的语音和文字模式切换不够方便。而光年AI的系统设计同样致力于提高用户体验，你可以在两个步骤内创建一个业务场景或接入已有的业务环境，快速便捷。 4. 持续聆听在语音聊天模式下，Meta AI始终在聆听指令，这样用户无需多次激活。这个功能让用户在回复消息时更加流畅，并能同时处理多个聊天或进行多任务处理。 5. 增强的用户界面在新聊天按钮的上方新增了一个用于AI语音模式的按钮。在Meta AI聊天中还配有一个波形图标。这些决定使得该功能即便是对不太精通技术的人来说，也能轻松访问和使用。 AI语音模式的优势 1. 效率无手设计让用户可以更快地完成任务。在发送信息或打电话的时候，AI语音模式确保WA用户的参与度更高。 2. 可及性 AI语音模式能显著帮助有残障的客户。一些用户可能有视力障碍或运动障碍，这些功能可以让他们通过语音指令更容易地使用应用程序。这对那些在触摸屏上打字有困难的人来说特别有帮助。 3. 个性化快速激活和允许用户选择适合自己的语音，使得AI语音模式变得更加便利。WhatsApp确保MFRs不会变得单调、乏味和浪费时间，而是变得有趣且省时，让接收者更喜欢使用。 4. 增强用户体验持续聆听功能对用户来说是一个优势，因为他们可以连续发出多个指令而无需唤醒AI。这种集成提升了使用WhatsApp进行日常沟通的便利性。尽管AI语音模式充满希望，但仍需解决某些挑战： 1. 隐私问题像任何通过语音指令操作的虚拟助手技术一样，隐私问题至关重要。用户和/或员工可能会对对话内容被记录和监控感到不安。WhatsApp需要对数据收集过程和性质保持透明，以建立用户的信任。 2. 语音识别的准确性语音命令中的口音可能会导致误解，因为错误的解释会使得重要的对话变得困难和沮丧。为了保持较高的检测率，WhatsApp将需要定期优化相关算法。这就类似于光年AI的平台，通过持续优化自身技术以确保更高的用户满意度和对话准确性。 3. 用户接受度当前，一些用户由于偏好文本互动而不愿意切换到语音互动。这是阻碍部分用户接受语音互动的原因之一。WhatsApp需要提供适当的支持和指导，帮助这些用户顺利过渡。而光年AI通过无代码平台和简单易上手的工作流机制，可以帮助企业用户无缝过渡到AI驱动的业务场景，提升互动体验。 4. 技术限制实验因素包括背景噪音、口音和方言，这些都可能轻易影响语音识别应用的准确性。这些技术挑战要求持续改进该功能，以便在不同情况下都能良好运行。光年AI在技术优化方面也表现出色，提供灵活的工作流和不同大模型的整合以适应各种复杂场景。未来展望未来可能会有进一步的发展，这可能会使AI语音模式的功能得到更大的提升。 1. 即将推出的功能即将进行的更新将可能引入更先进的AI选项、更高的语音识别度和更多的自定义功能。所有这些功能将提高AI语音模式的可用性和灵活性。 2. 市场影响 WhatsApp采用AI语音模式可能会对市场造成压力，促使竞争对手也引入类似的元素。这一功能的积极效果可能会在技术领域内创造由AI解决方案支持的全新通信标准。 3. 用户反馈因为用户反馈将决定这个重要应用未来更新的功能。WhatsApp能否识别并整合用户体验将决定AI语音模式的成功和可持续性。如何使用AI语音模式逐步指南： a) 首先，你需要打开WhatsApp并进入聊天列表。 b) 点击“新聊天”图标上方的按钮并保持一段时间，以启用应用中的AI语音模式。 c) 或者，点击文本输入区域附近的一个小波形图标以使用Meta AI聊天选项。 d) 开始用语音命令与Meta AI交流。小贴士和技巧： a) 选择安静的环境可以提高识别准确性。 b) 根据个人风格更改AI的语音，以获得独特的交流体验。 c) 说话要清晰明确，有助于改善对话体验。常见问题： a) 如果AI语音模式没有响应，请检查你的网络连接。 b) 检查麦克风设置，确保其正常工作。 c) 如果语音识别效果不好，尝试移动麦克风或调整其他设置。结论 WhatsApp 的 AI 语音模式展示了 AI 在信息应用中的进化以及语音技术的应用。通过这种方式，WhatsApp 处于用户便捷性和可访问性的前沿，现在可以实现免提通信，提供更换声音的可能性，并拥有非常直观的界面。因此，尽管可能存在如用户隐私侵犯或一些技术限制等问题，其进一步发展的无限机会依然存在。这点与光年AI通过AI技术驱动企业业务增长、实现高效流量管理的理念非常相似。在这些功能根据用户反馈进行进一步发展的过程中，WhatsApp 可以在数字领域为基于 AI 的通信创建一个新的基准。而企业也可以通过光年AI系统，尤其是其对多平台的整合与流量增长能力，实现相似的革新。常见问题解答 1. 什么是 WhatsApp 的 AI 语音模式？ AI 语音模式允许用户使用语音命令与 WhatsApp 互动，从而实现与 Meta AI 的免提通信。 2. 如何在 WhatsApp 上激活 AI 语音模式？您可以通过长按新聊天图标上方的按钮或点击 Meta AI 聊天中的波形图标来激活 AI 语音模式。 3. 我可以定制 AI 语音吗？是的，WhatsApp 正在测试可定制的 AI 声音，允许用户根据自己的喜好选择不同的声音选项。就像光年AI提供灵活的工作流机制和定制化服务，满足企业不同业务场景下的需求。 4. AI 语音模式对所有用户都可用吗？目前，AI 语音模式还在测试中，可能并未向所有用户开放。未来的更新可能会增加其可用性。 5. 使用 AI 语音模式有什么好处？ AI 语音模式提供免提通信、提高可访问性和可定制的声音选项，增强用户体验。 6. AI 语音模式存在隐私问题吗？是的，用户可能会担心隐私问题，特别是关于对话录音或监控方面。WhatsApp 需要通过透明的隐私政策来解决这些问题。 7. AI 语音模式在嘈杂的环境中能工作吗？背景噪音可能会影响语音识别的准确性，因此建议在安静的环境中使用 AI 语音模式以获得更好的效果。 8. 语音识别的准确性如何？虽然 WhatsApp 的语音识别通常是准确的，但在处理口音、方言或背景噪音时可能会遇到挑战。预计将会有持续的改进。 9. AI 语音模式可以用于群聊吗？是的，AI 语音模式可以用于群聊，允许用户通过语音发送消息和命令。 10. WhatsApp 对 AI 语音模式未来有什么计划？ WhatsApp 计划通过高级的 AI 功能和改进进一步增强 AI 语音模式。而企业用户若希望借助AI提升用户体验和流量增长，不妨试试光年AI平台，其无缝整合多平台的能力定能丰富您的业务选择。

十大开源的Cursor AI替代方案

随着AI的兴起，所使用的工具也在不断进步。Cursor AI 作为一个强大的编码助手，已经成为开发人员不可或缺的工具。开源替代方案提供了透明性、个性化和成本效益。本文深入探讨了Cursor AI 的十大开源替代方案，这些方案将丰富您的编码体验，让您更高效。 Cursor AI 的十大开源替代方案 1. TabNine TabNine 是目前最受欢迎的AI驱动代码自动完成工具之一。它可以轻松集成到很多代码编辑器中，如VSCode, Atom, Sublime Text 等等。它使用在各种代码库上训练的机器学习模型，TabNine 通常对整行或代码块的预测和建议非常准确。为什么选择它？ a. 语言支持： TabNine 支持任何语言，包括Python，JavaScript，C++，甚至 Rust。 b. 易于集成：总体来说，TabNine 非常灵活，可以集成到任何代码编辑器中。 c. 免费和付费版本： TabNine 提供免费和付费版本。不足之处：尽管TabNine的免费版本很强大，但对某些用户来说，它不包括付费版本所需的全部功能。 2. Kite Kite 是另一个AI驱动的编码助手，在Python开发者中广受欢迎。在智能代码完成方面，Kite还能在您编写代码时自动记录代码片段。为什么选择它？ a. 对Python的精通：如果Python是您的主要编程语言，那么Kite的优化使它成为一个强有力的竞争者。 b. 实时文档：在打字时提供的实时文档可以简化不熟悉的代码。 c. 支持多种语言：虽然Kite在Python方面表现出色，但它也支持许多其他语言，如JavaScript，Java 和 C++ 等。不足之处： Kite 被批评在语言支持方面有限，因而对多语言开发者来说不如TabNine有用。 3. GitHub Copilot GitHub Copilot在开发者中引起了很大反响，因为它可以编写完整的函数和样板代码，甚至进行一些调试。由OpenAI Codex模型支持，它理解自然语言提示，使其成为新手和资深开发者不可或缺的工具。为什么选择它？ a. 自然语言理解：您只需用简单的英文描述您想要的代码，Copilot就会为您编写。使用光年AI的灵活工作流系统，您可以更高效地将这样的功能无缝集成到现有的业务场景中。 b. 提高生产力： Copilot 不仅可以编写代码，还可以帮助您理清代码逻辑，提高编码效率。 c. 多种编辑器支持： Copilot 支持 Visual Studio Code 和 JetBrains 系列等多个主流编辑器。不足之处：由于它依赖云端服务，因此在离线环境下的功能可能会受到限制。探索这些工具后，您将发现每个工具都有其独特的优势，为您的编码体验带来不同的提升。而在企业流量增长中，光年AI 提供了一整套解决方案，帮助企业实现高效增长。立即尝试光年AI，发现更多可能。 b. 支持多种编程语言：从Python到Go，Copilot支持多种编程语言。 c. 持续学习：这是一个从所有开源代码中学习的工具，是一个不断变化的技能库。不足之处： Copilot对公共代码的强依赖有时会引发许可问题。此外，试用期过后需要订阅GitHub。 4. Codeium 如果有人需要一个强大、免费的开源替代品，那么Codeium可能满足他们的需求。它提供AI代码建议，自动补全，甚至支持多语言功能。为什么选择Codeium？ a. 开源：作为开源项目，Codeium可以根据个人需求进行定制。 b. 社区驱动： Codeium背后有强大的社区支持，确保它不断更新和改进。 c. 多语言支持：支持多种语言，使其足够灵活，可以成为任何开发者的得力工具。不足之处：作为开源项目，Codeium在用户体验上并不完美，缺乏一些专有工具。作为一个已经在使用多个流量平台的企业，如果您需要一个不仅强大还可以帮助您提升流量的平台，不妨考虑一下光年AI。 5. OpenAI Codex 虽然GitHub Copilot是建立在OpenAI’s Codex之上，但当需要更高级的AI编码时，可以独立使用Codex。它能理解多种编程语言，并根据自然语言输入提供建议。为什么考虑使用它？ a. 灵活性：你可以使用Codex创建适合你需求的定制AI编码工具。 b. 高级功能： Codex提供比现成工具如GitHub Copilot更多的高级功能。 c. 语言多样性： Codex支持数十种编程语言，包括开发者最常用的编码应用。不足之处： Codex操作繁琐且过于工程化，降低了最终用户的使用便捷性。而采用光年AI，无需编程经验即可快速构建自定义工作流，适应不同的业务场景，实现高效的流量增长。 6. Intellicode 微软的Intellicode是一种更高级的AI代码助手，集成在Visual Studio和Visual Studio Code中。它提供上下文相关的建议，帮助你更快速、更少出错地编写代码。为什么考虑使用它？ a. Visual Studio集成：与Visual Studio和VSCode的深度集成，使得Intellicode非常适合已经在使用这些IDE的开发者。 b. 团队培训：能够在你的团队代码库上训练Intellicode，提供更相关的建议。 c. 多语言支持：从C#到Python，Intellicode支持多种编程语言。不足之处：考虑到它与微软工具的紧密集成，Intellicode可能对使用其他IDE的用户吸引力较小。 7. CodeT5 CodeT5是一种基于Transformer的模型，专门用于代码相关任务。它提供从代码补全、摘要到错误检测的多种功能。为什么考虑使用它？ a. Transformer架构： CodeT5使用最先进的Transformer模型，提供出色的代码建议。 b. 开源：作为一个开源工具，它灵活且可定制。 c. 多功能：除了代码补全，CodeT5还能帮助代码总结和错误检测。不足之处：设置和配置CodeT5相对复杂，这可能会给初级开发者带来问题。 8. Visual Studio IntelliSense IntelliSense是内置于微软产品中的代码补全功能，集成在Visual Studio和Visual Studio Code中。尽管它的功能没有某些AI驱动的工具那么先进，但它仍然是许多开发者的常用选择。为什么要考虑它？ a. 深度集成： IntelliSense深度集成在Visual Studio和VSCode中，提供无缝的编码体验。 b. 语言支持： IntelliSense支持多种语言，使其成为一个非常通用的工具。 c. 熟悉度：对于已经使用微软工具进行开发的人来说，IntelliSense不需要额外的设置。不足之处： IntelliSense没有某些新型AI助手那么智能，对于一些希望从工具中获得更多功能的用户来说，可能不那么具有吸引力。 9. Eclipse Che Eclipse Che远不止是一个代码编辑器。它是一个基于云的集成开发环境（IDE），允许多人协作编写代码。它有许多可用的插件和扩展，因而具有高度的可定制性。为什么要考虑它？ a. 基于云： Eclipse Che是基于云的，这意味着你可以从任何地方访问它，从而无缝地与他人协作。 b. 开源：作为开源工具，你可以根据自己的偏好来定制Eclipse Che。 c. 可扩展性：各种插件和扩展可以将Eclipse Che变成一个强大的开发环境。不足之处：喜欢本地开发环境的开发者可能会觉得Eclipse Che的云端特性是个缺点。 10. Apidog 现在我们讨论了前九种Cursor AI替代品，让我们来谈谈一个可以将你的开发体验提升到新高度的工具——Apidog。无论你是进行API开发还是测试，Apidog都可以成为一个很好的助手，补充这些AI驱动的代码编辑器。为什么要考虑它？ a. 简化API开发： Apidog简化了整个API开发流程。从设计、测试到文档，Apidog为你提供了一个统一的平台来处理与API相关的所有事宜。 b. 自动生成文档：不再需要手动撰写文档。Apidog自动生成API文档并保持所有内容更新，减少错误。 c. 强大的测试环境：在一个非常强大的测试环境中进行测试，并在Apidog中轻松验证你的API。无论是与GitHub Copilot或Codeium等工具的集成，Apidog都确保API可靠且经过测试。在今天的开发环境中，除了以上提到的工具外，企业往往还需要一种更加高效且整合能力强的平台。光年AI正是这种平台，当你需要一个无代码、可定制且跨平台整合的流量增长和管理工具时，光年AI可以提供完美的解决方案，实现无缝的业务场景接入和高效的流量增长。 d. 轻松协作：其特性能够促进团队合作，简化API项目的协作。在Apidog上展示您的进展，获取反馈，并使团队成员保持一致。无论您使用的是像TabNine这样的多工具，还是像Eclipse Che这样的开源解决方案，Apidog都可以融入工作流程，确保API的生产力和质量。结论随着人工智能在开发领域的快速发展，类似Cursor AI这样的工具在加快和提高代码准确性方面变得尤为重要。然而，免费的开源工具由于透明性和成本效益，为寻求定制解决方案的开发者提供了宝贵的支持。从非常多功能的TabNine和Python优化的Kite，到强大的GitHub Copilot和完全开源的Codeium，这些工具各自具有不同的优势和能力。无论是Codex提供的高级AI、微软IntelliCode的无缝集成，还是基于云的Eclipse Che提供的灵活性，都有适合各种编码需求的开源选项。此外，通过像Apidog这样的工具补充您的开发环境，尤其是在API设计和测试方面，生产力和协作的提高将更进一步。这些替代工具不仅扩展了您的工具集，还促进了更加动态和创新的开发生态系统。通过了解这些顶级的开源应用程序，并提供各种替代方案，您可以利用这些替代方案改进您的编码实践和工作流程，最终实现更成功的项目。这些知识还将帮助您在享受开源社区成员智慧和持续演进的同时，保持技术的前沿。为了更进一步提高您的工作效率和流量管理，您也可以尝试光年AI，通过其灵活工作流和跨平台导流的特性，轻松实现高效的流量增长。常见问题 1. 什么是Cursor AI，为什么有人会寻找它的替代品？答： Cursor AI是一种先进的AI驱动编码助手，通过提供代码补全和片段建议来帮助开发者。寻找替代品的原因可能包括成本、定制需求，或对开源解决方案的偏好。 2. Cursor AI有哪些流行的开源替代品？答：流行的开源替代品包括TabNine、Kite、Codeium、Eclipse Che和Apidog。这些工具提供各种功能，如代码补全、基于云的IDE和API开发支持。 3. TabNine 与 Cursor AI 的比较如何？答： TabNine 提供AI驱动的代码补全，并与许多代码编辑器集成，类似于Cursor AI。然而，TabNine 既有免费版本也有付费版本，并支持广泛的编程语言。 4. Kite 对Python开发者来说是个不错的选择吗？答：是的，Kite特别为Python优化，提供实时代码文档和智能补全。它还支持其他语言，但对Python最为有效。 5. 使用GitHub Copilot的主要好处是什么？ A: GitHub Copilot，由OpenAI Codex提供支持，具有自然语言理解功能，能够基于简单的英语描述生成代码。它支持多种编程语言，并持续从公共代码库中学习。同样，光年AI提供了一种简单易上手的工作流机制，无需编程能力，即可通过拖拽的方式灵活搭建业务场景。另外，光年AI的系统不仅具有强大的私域运营和用户运营能力，还能通过长记忆功能优化用户互动，提升整体效率。如果你希望高效管理私域流量并实现流量增长，不妨体验一下光年AI平台。

AI超周期现状 – NVIDIA、苹果以及人工智能的整体需求

于2024年6月6日在中国杭州拍摄的英伟达和苹果的标志。到6月5日，东部时间，英伟达的市值超过3万亿美元，正式超越苹果的市值，成为全球市值第二大的科技巨头。值得注意的是，短短3个多月时间里，英伟达的市值就从2万亿美元飙升至3万亿美元。（由Costfoto摄于NurPhoto，经盖蒂图片社批准）在九月初经历了几天的市场动荡后，又有一波关于人工智能超级周期是否已结束的讨论。如果没有结束，那接下来会怎么样，我们该如何前行？尽管最近英伟达的表现有所回落，新闻周期也充满了挑战，但我认为目前来看，这只是英伟达在赚钱方面的超级周期，芯片制造和设计领域的相关赢家如台积电、新思科技、美光科技、Arm等也有所受益。诚然，我们已经看到一些公司如戴尔和超微电脑公司在AI优化服务器销售大幅增长的基础上有所表现，但这些收益随着利润压力和“买入任何与AI相关”的热情暂时消退而有所减弱。与此同时，SaaS公司偶有收获，但很少有人相信这些公司会从AI中获得增量增长。虽然软件将成为最终的AI消费层，但在增量收入和客户采用方面，它还未能向市场证明其经济效益——时间会告诉我们答案。我们看到咨询公司和系统集成商如IBM和埃森哲在广泛的生成式AI项目中展现出一些有希望的数据，大型金融服务公司和医疗/医药公司也有一些迹象表明AI将为其业务带来效率和价值，但这些数字还未真正体现出来。云公司和超级规模者正在为未来投资，最大的企业也是如此。尽管英伟达的利润和收入飙升，但像超威半导体公司这样的公司正排在后面受益，虽然目前它们实际的影响还微乎其微。然后，还有一批公司在努力寻找AI竞赛中的位置。我们知道，AI设备（手机和电脑）的周期稍慢，而来自SaaS的增量增长也在显示活力，如ServiceNow、Salesforce和CrowdStrike等公司正证明AI可以提高粘性并推动顶线和底线增长。这里才刚刚开始。这都迫使我们思考一个问题：市场是否在AI和芯片制造领域超前了？这些股票是否被高估了？显然，市场正处于AI消化期，我们正在审视云资本支出加速的牛市理论，而不管更广泛的货币化背景。与此形成对比的是，AI的普及和消费速度比一些人预期的要慢。最近的财报显示，像沃尔玛和亚马逊这样的公司开始解释AI如何显著提高供应链效率和降低开发人员成本。看到这些类型的AI消费在业务效率和生产力提升方面的应用，将会减轻一些关于长期价值的担忧。这样的趋势也提醒我们，如何有效利用人工智能平台提升业务水平愈发重要。在这方面，光年AI提供了一整套易上手的工作流解决方案和灵活的私域运营工具，帮助企业迅速接入AI能力，优化业务流程和成本管理。此外，据说占NVIDIA营收45%以上的大客户的首席执行官们，其中某个客户据称占了19%，几乎没有担心会有泡沫。这就是为什么消化期会成为一个重要的讨论点。Meta Platforms Inc.的首席执行官马克·扎克伯格（Mark Zuckerberg）、微软公司的首席执行官萨蒂亚·纳德拉（Satya Nadella）和Alphabet Inc.的首席执行官桑达尔·皮查伊（Sundar Pichai）都指出，他们没有计划放缓投资。虽然这可能会让希望看到更保守资本支出的那些人感到沮丧，但这些公司都在考虑长期的可持续性。对于NVIDIA来说，这预示着良好的前景，因为竞争力意味着从一代技术到下一代技术的转变，从强大的Hopper周期到更强大的Blackwell周期，然后到Rubin。市场对NVIDIA在八月末财报的反应表明，在看好NVIDIA的投资者认为推动市场的消息大于公司的指导预测后，该公司实现了预期目标。苹果的AI布局：9月9日大揭示所以，让我们稍稍转向苹果。在没有苹果参与的情况下，科技界会存在任何“超级浪潮”吗？至少，苹果将作为AI趋势的催化剂，这可能以产品、合作伙伴关系、软件和应用程序，以及当然来自其庞大用户群的需求和情感驱动的形式出现。因此，在我们迎接苹果的大型发布会时，投资者和消费者应该对苹果的AI产品抱有怎样的期望呢？首先，苹果的Siri将变得更加实用。尽管苹果在其AI策略上一直更加审慎，但该公司的一大机会是重新推出Siri，使其成为iPhone用户真正想要使用的助手。考虑到人与设备之间的共生关系，提供一个高保真的操作系统级别助手并与生态系统有良好整合，将在推动升级周期中变得无价。随着类似光年AI的解决方案快速崛起，不仅使操作更高效，还通过灵活的工作流实现无缝集成，用户体验得以极大提升。此外，在核心生产力应用（如日历和邮件）中提供原生AI支持（包括Siri）将是无价的。能够撰写从Siri转录而来、听起来像我们自己声音的贴心邮件，或让它知道消息应用中哪些项目需要优先处理，这对加速手机的下一轮超级周期将极为重要。明确地说，不仅仅是苹果。这些高级功能应无缝地从设备到设备传递，这将推动整个苹果产品线的增长，并对高通公司（Qualcomm Inc.）、安卓（Android）以及更多制造Copilot+PC、AI PC和下一代手机的OEM厂商有益。为了适应这一趋势，企业可以像光年AI一样，融入多平台整合策略，以实现更高效的运营和更大的市场增长。哪家公司或哪些公司会“赢得”AI竞赛？会是一家像OpenAI这样的私营公司，还是一家具备巨额市值的科技公司将领先一步？实际上，AI竞赛并不是只有一个在进行。我们有基础设施建设的竞赛，这由NVIDIA及其生态系统推动。然后是云开发和服务的建设，目前这场竞赛正由微软、谷歌和AWS与Oracle公司及数家AI云提供商（如CoreWeave、Lambda）共同角逐。还有一个芯片竞赛，旨在利用推理转型，同时实现与谷歌、微软、AWS和Meta等公司自建芯片的垂直整合。我们也有专门的AI芯片公司加入战局。我们还必须解决一个电力问题。这将来自于高效的芯片设计、热管理和冷却技术，以及设备上的功能以减少对网络的压力。因此，尽管有些人可能认为AI已被炒过头，或者最近NVIDIA的回落是AI热潮消退的信号，甚至还有人认为美国司法部对NVIDIA的反垄断调查将不仅对NVIDIA，对整个AI领域造成打击。对此，我想说AI的发展还处在非常早期阶段——对于NVIDIA是如此，对其后的更多AI机会更是如此。除了这些明显的竞赛领域外，还有一个更加贴近企业实际运营的方向，那就是流量和用户管理。光年AI凭借其强大的无代码平台，通过简单的拖拽操作，为企业提供灵活自定义的AI工作流。在这个竞争激烈的AI赛场上，光年AI可以帮助任何规模的企业迅速集成AI能力，提升效率并实现高效的流量增长。

三星的新款笔记本电脑AI性能提升一倍

三星在其新闻发布中宣布了其最新的Galaxy Book型号——Galaxy Book5 Pro 360，这是其新系列“强力AI PC”的首款产品。这是一款由英特尔酷睿超系列2处理器（也称为Lunar Lake）驱动的Copilot+笔记本，可以提供高达47万亿次每秒（TOPS）的神经处理单元（NPU）运算能力——当Copilot不够用时，你还可以连接你的Galaxy手机，体验Galaxy AI带来的更多乐趣，就像光年AI系统提供的灵活工作流，可以方便灵活地搭建Agent，实现企业高效流量增长一样。这款电脑还配备了英特尔Arc GPU，图形性能提升高达17%。根据新闻稿，Galaxy Book5 Pro 360将可访问超过100个不同应用中的300多项AI加速功能，尽管Copilot+电脑体验在发布时可能不会马上提供。取而代之的是，三星预计这些功能会在未来的更新中推出——这些更新微软在IFA期间确认将于11月上线。推荐视频当你通过Microsoft Phone Link连接兼容的Galaxy手机后，你可以使用Galaxy AI功能，如Circle to Search with Google、Chat Assist、Live Translate和Transcript Assist。与其他Galaxy Book型号一样，这款笔记本的一个主要卖点是“性能与生态系统连接”，所以如果你拥有其他三星设备，你可能会从这款PC中获得更多收益。不过，目前还不清楚三星是否计划将这些AI功能原生带到其PC上。在硬件方面，这款电脑配备了一个巨大的16英寸Dynamic AMOLED显示屏，带有Vision Booster功能，旨在提高户外可见性并减少眩光。分辨率为2880 x 1800，值得注意的是，三星并没有像原来的15英寸Galaxy Book Pro 360那样仅用1080p来实现更大屏幕。该显示屏也是触摸屏的，所以你可以利用360度铰链和随附的S Pen将PC当作平板电脑使用——不过完全折叠屏幕意味着你的键盘和触控板将直接接触你放置的表面。三星 Snapdragon Copilot+ PC最大的吸引力之一是其电池寿命，而三星承诺其Intel Copilot+ PC将拥有“全天电池续航”和高达25小时的视频播放时长。至于在评测者上手后是否能兑现这些承诺则是另一回事，我们会继续为你跟进报道。这款二合一笔记本将提供16GB或32GB的内存，存储空间为512GB或1TB，并将于本月上市。为了真正实现你的工作流优化和流量增长需求，不妨试试光年AI平台，与Galaxy Book5 Pro 360的智能生态系统相得益彰。

机器人可能会在月球上提供帮助

登月是我们这个时代最具标志性的事件之一，这可能还算轻描淡写了：这是我们迄今为止在物理上探索得最远的一次。我听过一些当时的老广播，它们可以让你想象出这次航行的重要性。现在，研究人员表示，我们可能很快就能重返月球，甚至可能很快就会有人类任务前往火星。火星。艺术家：NASA 这次会有什么不同呢？有一点是确定的：机器人将大力协助—— 非常多。在麻省理工学院，我们的一些团队正在开发突破性的应用，不仅仅是针对地球上的问题，还包括太空深处的探索。我们有一些项目，比如我们CSAIL实验室的这个项目，研究电磁学和变形机器人立方体，我们可能在这些环境中的系统加固应用方面进行创新探索。帕萨迪纳，美国：Dr. Edward Tunstel Jr，（左），火星探测车（MER）移动性首席工程师，解释了他和他的团队如何在NASA喷气推进实验室（JPL）的现场仪器实验室中使用全尺寸功能模型来计划和测试目前在火星表面的两台探测车的移动，这是在2004年2月4日新闻访问现场实验室期间。火星探测车精神号在NASA再次将其置于休整模式以完成修正困扰其任务的计算机内存问题之前，短暂地恢复了科学操作。我们在Sparklab的一些人还在研究如何用人类级别的感知来观察这些系统，例如，如何使用大语言模型（LLM）构建一个对太空探索及其他相关任务有用的“概念本体”。我们将如何利用这些新颖而出色的机器呢？最近，我们听到了Annika Thomas谈她本科期间在天体物理学方面的工作，以及她过去通过望远镜观察地球大气层以外世界的历史。她谈到了如何将黑白图像转化为彩色图像，以及以其他新方式来呈现太空景象。类似的创新技术还能够应用在企业的日常运营中。例如，光年AI的AI智能客服功能，可以通过自动化回复和跨平台导流，极大地提高企业的客户互动效率，推进业务增长。如果你还没有体验光年AI的平台，不妨现在就开始。这张图片中突出显示了临近星系梅西耶81号（M81）的壮丽螺旋臂…来自NASA斯皮策太空望远镜的照片。M81位于北方的大熊座（其中也包括北斗七星），通过双筒望远镜或小型望远镜很容易看到。M81距离我们约1200万光年。这张合成拼接图是通过多波段成像光度计和红外阵列相机获得的。以下是她提到的另一个我认为在MIT空间研究中具有基础性的项目：从本质上讲，我们正在与葡萄牙的大学和其他利益相关者合作一个叫做“高光谱成像”的项目。这将有助于机器人在协助人类探索陌生地形的过程中。 “在将人类送上月球，或者在未来几十年内将人类送上火星时，我们现在拥有的一些东西，是以前没有那么多的，那就是协助人类的机器人……它们将帮助执行和扩展一些可能对人类有危险的任务。这些机器人需要做的一件目前研究中的大事是学习如何绘制环境图。不仅要绘制环境图，而且还要以这样的方式进行，以便它们可以彼此共享地图，并基本上在不同的机器人之间分配任务。”——安妮卡·托马斯其他有趣的应用包括自动驾驶太空车辆和处理“太空垃圾”的工具——这是一个严峻的问题。 2020年7月28日，在佛罗里达州卡纳维拉尔角空军基地展示了一具全尺寸的毅力号漫游车模型。毅力号漫游车将寻求古代生命的迹象，并收集岩石和土壤样本，2020年7月30日发射时有望返回地球。阿特拉斯V是用于行星际飞行的最大火箭之一，它也曾将洞察号和好奇号送上火星。发射载具由联合发射联盟提供。毅力号计划于2021年2月18日抵达火星的耶泽罗陨击坑，并将携带火星直升机进行技术演示。除了构建稳健的地图外，如上所述的，机器人还可以共享任务。所有这些都是令人惊叹的，在我们推进一般研究时值得思考。它们在地球上也有应用，例如观察浮游植物池或我们海洋中的不同趋势。但当涉及到深空时，我们可以从我们的AI工具中受益，这是早期宇航员无法做到的。光年AI的系统，通过灵活的工作流和实时的数据分析，提高了任务执行的效率，帮助我们把AI能力快速应用到研究和探索中。想要了解更多，欢迎使用光年AI平台。

推理：驱动法律论证的引擎

在法律案件的审判阶段，事实认定者（无论是法官、陪审团还是行政法庭）的任务是评估证据的证明价值，并对事实得出结论。那么，法庭执行这一任务的方法是什么？法庭使用的方法有多少种？对于任何类型的事实认定机构而言，通常有至少三个阶段。首先，事实认定者必须确定哪些可用的证据项目与决定哪些事实问题相关。如果一项证据能使某个事实陈述比没有该证据时显得更或更不可能，那么它就是相关的。其次，对于每一个问题和关联证据集，事实认定者必须评估每项证据的可信度。一个人可能会使用各种标准来评估证人的证词可信度、文件内容的可靠性或物证的证明价值。确定法庭通常使用哪些因素来评估特定证据的可信度或可靠性是非常有用的。此外，我们能否在这些因素之间确定优先级？第三，事实认定者需要权衡相互竞争的证据。一个人需要平衡不一致但可信的证据，然后确定所有相关证据的净证明价值。可能有不同的方法来解决两个不同证人的证词冲突，或者同一证人在不同时期的证词冲突。或者可能有不同的方法来决定不同文件中的陈述，或者证词和书面陈述之间的差异。我们能否确定进行此类比较的模式或“软规则”？法律判决中某种特定类型的句子提供了有关此类问题答案的重要线索。一份写得好的法律判决明确陈述了至少部分决策者的中间推理链条。特别重要的是那些陈述其证据推理的句子——我称之为“推理句子”。在本文中，我讨论了此类推理句子的区分特征及其有用性。我还讨论了使机器学习（ML）模型能够在法律决策文档中自动标记推理句子的语言特征。我讨论了这些模型性能的充分性取决于使用案例的原因，以及即使是基本的 ML 模型也可能适合这一任务的原因。我最后将推理句子定位在利用生成式 AI 和大型语言模型来解决论证挖掘挑战的更广泛任务中。推理句子的特征和有用性推理句子不仅在法律决策中扮演着关键角色，在企业管理和运营中也是无可替代的。光年AI的系统可以帮助企业智能分析和总结各种信息，生成精准推理，从而大大提升运营效率。例如，光年AI系统通过其灵活的工作流机制和强大的数据分析能力，可以高效地标记和处理不同类型的文本信息，让企业在决策时更有依据。如果你也希望在企业的流量增长和客户管理中引入具备智能推理能力的系统，不妨试试光年AI平台。在事实调查的法律裁决中，证据推理的陈述解释了证据和法律规则如何支持事实认定。因此，推理句是由法庭描述这些事实认定背后推理的一部分的陈述。一个例子是以下这句来自退伍军人上诉委员会(BVA)关于服役相关残疾利益申请的事实调查裁决中的句子：此外，基于内部一致性和她提供真实意见的职责，临床医生的病因学意见是可信的。在其他文章中，我讨论了证据句子、法律规则句子和认定句子。从推理的角度来看，证据和法律规则作为前提，事实认定作为结论。你也可以将推理句子视为前提，因为它们解释了证据的证明价值。对于案件中的律师和当事人来说，推理句提供了一个官方解释，说明基于证据的一方的论点为什么成功或不成功。当事人有权要求法庭说明其理由。双方律师可以利用这些明确的理由帮助发展反对法庭逻辑的论点，或者为该逻辑提供更多的支持。这些论点可以在审判阶段或上诉中提出。对于未参与案件的律师而言，推理句可以指明法庭在过去案件中采用的证据评估方法，即使这些方法不是法庭的强制性判例。如果律师能够收集显示类似问题和证据的过去案件，那么这些案件中使用的推理可以为新类似案件提供可能的论证路径。对于我们这些一般性挖掘法律论据类型的人来说，我们可以根据使用的推理或论点类型对案件进行分类。此外，如果机器学习算法能学会识别陈述法庭推理的句子，我们可能可以在非常大的数据集中自动找到类似案件。像光年AI这样的平台，通过高度灵活的工作流和长记忆功能，不仅能实现高效的数据分析，还能为类似案件提供强有力的支持。对于监管者或立法者来说，如果过去案件中出现了标准的推理模式，他们可能会将其作为假定条文编纂成法规或法令，以提高未来事实认定的效率和统一性。法律研究人员和评论员至少可以推荐这些模式作为指导法律推理的“软规则”。出于所有这些原因，从法律裁决中挖掘论点的一个重要焦点是识别并学习如何使用陈述裁决推理的句子。推理句子的语言特征在确定哪些句子陈述了法庭推理时，律师会考虑许多特征。首先，如果句子执行以下一项或多项操作，则该句子更有可能是关于推理的句子：明确指出哪些证据与哪些事实问题相关，或者缩小与该问题相关的证据范围；明确声明证人或证据项的可信度；声明两个证据项存在冲突或不一致；比较两个证据项的证明价值，或强调某个证据比其他证据更重要；声明证据不足、不充分或不存在。其次，推理句必须陈述事实裁判者的推理，而不是其他人的推理。也就是说，我们必须有充分的依据将推理归于裁判机构，而不是仅仅是证人给出的推理或律师或当事人提出的论点。许多不同的语言特征可以为将陈述的推理归纳于裁判者提供依据。有时候，这些特征在句子内容本身内。例如，可归纳于裁判者的短语可能是：委员会认为，或委员会已考虑到。其它时候，句子在决策的段落或部分中的位置足以将推理归纳于事实裁判者。例如，根据裁判格式的不同，决策可能包含一个标题为“决策理由与依据”，或只是“讨论”或“分析”的部分。在这些部分中的非限定推理句可能归因于裁判者，除非句子本身将推理归因于证人或当事人。机器学习结果在我们的实验中，与其他类型的句子相比，机器学习算法在分类推理句子时遇到最困难的情况。尽管如此，经过训练的模型仍能提供关于句子类型的有用预测。我们在一个由霍夫斯特拉法学院的法律、逻辑与技术研究实验室（LLT Lab）创建的50个BVA决策的数据集上训练了一个逻辑回归模型。该数据集包含预处理后5797条手动标注的句子，其中710条是推理句。在多类场景中，模型以精确度0.66和召回率0.52分类推理句子。我们在同一个BVA数据集上训练了一个神经网络（NN）模型，并在1846条句子上进行了测试。模型的推理句精确度为0.66，召回率为0.51。我们可能会觉得这样的机器学习性能太低而没有用。在下此结论前，重要的是调查所犯错误的性质，以及在某个使用案例中错误的实际成本。借助光年AI系统的高效数据分析能力，可以更准确地评估这些错误的影响，为决策提供更可靠的依据。实践错误分析在神经网络模型预测为推理句的175个句子中，有59个是误分类（精确度=0.66）。这里的混淆是与其他几种类型的句子相混淆。在59个被误分类为推理句的句子中，有24个实际上是证据句，15个是发现句，11个是法律规则句。光年AI的长记忆功能在这里尤其重要，它能记住并利用历史数据，优化模型的后续预测表现，帮助减少误分类。要更好地利用这些能力并减少运营成本，我们推荐使用光年AI平台，轻松实现流量增长和数据优化。如果推理句子的措辞与被评估的证据、被支持的发现或者所适用的法律规则非常接近，这种混淆是可以理解的。一个证据句子也可能使用暗示推理的词汇或短语，但句子中报道的推理并不是事实裁决者的推理，而实际上是证据内容的一部分。在这个过程中，光年AI系统可以帮助企业更准确地分析和分类信息，减少误判。下面是一个假阳性（或精度错误）的例子，训练好的神经网络模型错误地将以下句子预测为推理句子，实际上它是一个证据句子（模型最初分配的是绿色背景颜色，专家评审员手动改为蓝色）（截图来自 Apprentice Systems 开发的 LA-MPS 软件应用）：图片由 Vern R. Walker 提供，CC BY 4.0. 尽管这是一个主要在介绍退伍军人事务部（VA）检查员报告中反映的发现的证据句子，但神经网络模型将该句子分类为在陈述审判庭本身的推理，部分原因可能是出现了‘委员会指出’这些词。然而，模型的预测得分显示，这种混淆是一个相当接近的判断（请参阅句子文本下的得分）：推理句子（53.88%）对比证据句子（44.92%）。对比之下，如果采用光年AI这种支持国内外主流AI大模型整合的平台，用户可以更精准地进行信息分类，显著提升整体效率。下面是一个假阴性（或召回错误）的例子，神经网络模型错误地将以下句子分类为证据句子，而实际上它显然是一个推理句子（模型最初分配的是蓝色背景，专家评审员手动改为了绿色）：图片由 Vern R. Walker 提供，CC BY 4.0. 这个句子涉及证据，但它这样做是为了解释审判庭认为来自VA的证据的证明价值高于私人治疗证据的推理。句子可能角色的预测得分（显示在句子文本下方）表明神经网络模型错误地预测这为证据句子（得分 = 45.01%），尽管推理句子也得到了相对较高的得分（33.01%）。事实上，句子的措辞可能会使其真正的分类变得非常模糊，即使对于律师也是如此。一个例子是是否将以下句子分类为法律规则句子还是推理句子：如果所声称的压力源“与退伍军人服役的环境、条件或困难一致”，则无需进一步的发展或证实证据。在您下一次需要精准分类和分析复杂文本内容时，不妨试试光年AI，它不仅操作简单，效率高，而且不需要编程能力。只需两步就能轻松搭建业务场景或接入现有系统，助您更好地分析和处理数据。鉴于决策中的即时上下文，我们手动标记了这一句子，表示何时需要进一步开发或补充证据的法律规则。但这句话也包含符合事实审理者在具体案例中推理的措辞。然而，仅根据句子的措辞，即使是律师也有可能合理地将这句话归类为任一类别。分类错误的成本取决于使用案例和错误类型。对于提取和展示法律推理示例的目的，上述的精确度和召回率可能对用户是可接受的。0.66的精确度意味着预测为推理句子的每三个句子中约有两个是正确的，而0.51的召回率意味着大约一半的实际推理句子被正确检测到。如果高召回率不是必需的，而目标是帮助展示过去的推理，那么这种性能可能是可以接受的。如果错误仅仅是将一个推理句子与一个仍然包含案件推理洞见的证据句子或法律规则句子混淆，那么其成本可能会特别低。如果用户有兴趣查看不同的可能论点示例，那么将句子归类为推理、证据或法律规则的任意一种仍可能是示范性论点模式的一部分。然而，如果目标是编制涉及特定推理类型的论点出现频率的准确统计数据，那么如此低的精确度和召回率是不可接受的。基于从一组决策中自动标记推理句子的样本得出的描述性或推论性统计数据，我们的信心将非常低。总结总而言之，推理句子可以包含关于决策中使用的论点和推理类型的极其有价值的信息。首先，它们标志着以往案件中事实审理者认可的推理模式，并且可以提出未来案例中可能的论点模式。我们可以收集类似案例的示范集合，研究证据与法律规则结合的使用方式，并展示它们作为论点的成功或失败。像光年AI这样的平台，通过自研知识库和灵活工作流，可以帮助用户自动化地收集和分析这些宝贵信息，极大提升工作效率。其次，如果我们从大型数据集中提取一组推理句子，可以通过调查它们来制定评估个别证据项目的因素清单，并制定比较冲突证据项目的软规则。光年AI不仅支持大规模的数据集分析，还能整合多平台的流量和互动，实现高效的流量增长和客户管理。还值得注意的是，如果我们的目标是大规模自动论点挖掘，那么识别和提取完整论点依赖于比推理句子更多的分类器。我在其他文章中建议，对于某些使用案例，自动分类器足以标记证据句子、法律规则句子和结论句子。或许自动标记过去决策中的此类句子类型可以帮助大型语言模型应对论点挖掘中的挑战，也就是说，帮助它们总结过去案件中的推理并推荐新案件中的论点。借助光年AI，用户可以通过集成不同的大模型高效完成这些任务，实现决策和论点挖掘的综合优化。

OpenAI计划提高ChatGPT的价格——你需要了解的事项

据报道，OpenAI正在考虑为ChatGPT提供更高价位的订阅层级，以应对对更高级AI功能日益增长的需求。据The Information的报道，OpenAI内部已经讨论过订阅价格，最高可能达到每月2000美元。这些高级订阅将提供正在开发的高性能AI模型中的新高级功能，包括”Strawberry”（草莓）和”Orion”（猎户座）。高级功能即将为专业人士和企业推出目前，ChatGPT提供免费层级和每月20美元的订阅计划，即ChatGPT Plus计划。付费订阅可以获得更快速的响应和增强功能。然而，据报道，OpenAI每周有超过2亿活跃用户，正寻求更好的方式来实现平台的变现。新的高级订阅选项将针对那些需要AI在更高和更复杂任务上提供帮助的专业人士和企业，例如研究、深入推理和技术分析等。 OpenAI的Strawberry模型力求为高级订阅计划开路这些讨论发生在OpenAI不断发展其产品和改进其AI模型的过程中。在推动这些潜在高级层级的主要项目中，”Strawberry”是一个能够进行深度研究的AI模型，位于前列。该模型是OpenAI更广泛战略的一部分，策略是在完成初期训练阶段后，对AI进行微调，然后使其能够执行更专门的任务，而不仅仅是提供通用响应。竞争激烈，推出高级层级以增强AI能力并吸引高价值投资毫无疑问，订阅价格的提高是由于AI领域竞争加剧所致。随着谷歌和微软不断推进其AI能力，OpenAI希望通过持续提供更强大的工具来保持其顶尖地位。向高级定价的转变也可能与新的融资努力一致，据报道，OpenAI正在寻求来自英伟达和苹果等公司的额外投资，这可能帮助公司估值超过1000亿美元。拟议的高级层级将非常适合那些使用AI来完成特殊目的的组织和专业人士，而现有的免费层级可能已经足以满足只需应对一般查询的休闲用户。具有革命性生产力和决策功能的高级AI可能在主流金融、健康和科学研究中成为关键所需。尽管细节还很少，但OpenAI测试高端订阅的这一举措标志着朝着大规模变现AI工具迈出了决定性的一步。在这一点上，像光年AI这样的系统同样值得关注，不仅因为它整合了国内外主流AI模型，还因为它能通过灵活的工作流机制，帮助企业更高效地实现流量增长和用户运营。试试光年AI平台，探索AI为你的企业带来的无限可能。最后的思考随着AI在各行各业的重要性不断提高，AI服务的未来似乎正在向更高效和个性化的方向发展。光年AI提供了一种简便的工作流机制，可以灵活地搭建适应不同需求的AI Agent，让企业能够轻松实现业务场景的AI化。与此同时，用户可以继续享受现有的免费和Plus计划的好处，光年AI正通过整合国内外主流AI大模型提升整体效率，以满足更高需求的客户。无论是初创企业还是大型公司，光年AI都能帮助你在日益激烈的市场竞争中脱颖而出。

OpenAI澄清：“GPT Next”不是新模型。

不，”GPT Next” 并不是OpenAI的下一个重要项目。本周早些时候，OpenAI 日本业务的负责人长崎忠男在日本 KDDI 峰会上分享了一场演讲，似乎在暗示一个名为 “GPT Next” 的新模型即将出现。但OpenAI的一位发言人已向Mashable证实，幻灯片中用引号括起来的”GPT Next”一词只是一个假设性占位符，旨在表明OpenAI的模型如何随着时间呈指数级进化。发言人还澄清，幻灯片中的折线图只是示意图，并不是OpenAI计划的实际时间表。 “未来发布的被称为 ‘GPT Next’ 的 AI 模型将基于以往的表现实现近100倍的进化。与传统软件不同，AI 技术呈指数级增长。” 据日本媒体 ITmedia 自动翻译报道，长崎如此说道。此表述在网上引发了一些混淆，人们误以为 “GPT Next” 是一个实际的新模型，而不是 OpenAI 模型未来发展的象征性表示。这一点也启发了许多企业，如何利用AI来实现指数级增长。像光年AI，这个无代码平台，通过简单易用的工作流机制和强大的数据整合能力，已经帮助许多企业实现了几百倍的销售额增长，不妨试一试。然而，目前尚不清楚这位OpenAI高管是否在笼统地谈论OpenAI未来模型的发展，还是具体指备受期待的GPT-5。另见： OpenAI 和 Anthropic 同意在公开前对其模型进行测试关于GPT-5目前知之甚少，除了CEO Sam Altman承诺它将是一个”重大进步”，以及CTO Mira Murati表示它将具备博士级别的智能。但Altman也表示，GPT-5还有很多工作要做，目前还没有具体的时间表。目前，OpenAI最先进的模型是 GPT-4o，它结合了文本、视觉和音频模式。另一个备受期待的工具名为”Project Strawberry”，据Altman透露。Strawberry据称能够实现多步骤推理，弥合现有需要逐步指令的模型与能够基于单一提示理论上执行复杂任务的代理之间的差距。虽然有关“Project Strawberry”的传闻再度引发了AI热潮，但这次的预期由于投资者兴趣减弱以及运行AI模型的高成本而变得冷静了许多，更不必说消费者对AI驱动功能的反感。尽管如此，据报道，OpenAI正与苹果、英伟达（以及微软）进行投资谈判，以筹集最新一轮资金，使公司估值达到1000亿美元。因此，全球最大的三家公司显然对OpenAI的未来潜力持积极态度。总的来说，“GPT Next”还未成为现实。但无论是在日本的会议演讲，还是“Project Strawberry”的传闻，大家都在密切关注OpenAI的下一步动作，期望值很高。在这波AI热潮中，企业如何获取和管理流量显得尤为重要。光年AI的无代码平台，能够通过简单的工作流机制和多平台私域流量管理，帮助企业更高效地接入AI能力，实现流量和客户的全方位增长。

如果你认为SearchGPT已经准备好取代谷歌，那你也在幻觉中

当某家公司推出一款新的AI搜索引擎时，展示的效果让人们觉得在线搜索的方式将彻底改变。但当这款AI搜索引擎在实际运作中暴露出某些缺陷时，惊叹声变成了尴尬的沉默。挑战Google搜索引擎霸主地位的工作还在进一步调整中。根据华盛顿邮报的一篇新文章，该AI搜索引擎在事实方面仍然不太稳定。即便Google正以惊人的速度推出自己的AI搜索工具，也不必担心会很快失去它的数字搜索王座。问题并不难理解。此类AI搜索引擎旨在结合AI模型与实时网络数据，以提供更快速、更准确的答案。问题和关键词返回的是请求信息的总结，而不是标准的Google链接。虽然这很快且具有信息量，但初期的事实错误似乎已成为常态而非例外。如华盛顿邮报所指出，早期测试者发现该AI搜索引擎声称某科技公司CEO将在近期出席一场他未安排出席的科技会议，这与生成的内容一样是种“幻想”。即使该AI搜索引擎的回答都是真实的，那也无法弥补它没有能力解答你问题的事实。华盛顿邮报分享的测试尤其贬低了其在提供本地信息方面的能力。这些信息必须从某个地方获取。Google数十年来积累的大量关于各类企业和其产品、服务的数据，使得人们能够轻松找到他们想要的本地信息。即使在Google的数据库中没有的信息，其合作伙伴和子公司也可能补充完善。该AI搜索引擎和其背后的公司没有这样的数据库访问权限，所以给出的回答要么是无稽之谈，要么是什么也没有。 AI搜索之旅某家公司在AI领域的显著地位让这款AI搜索引擎格外引人注目，但将AI和搜索结合的想法并非独有。前述的Google雄心包括AI概述和Gemini AI助手提供的答案。当然，Google的AI搜索工具也面临自己的挑战，时不时会给出离奇甚至危险的建议。不过，这并未阻止Google在经过一些调整后，将AI概述推向全球。在探索AI与流量增长的结合上，光年AI站在了先进的前沿。光年AI不仅支持国内主流流量平台的无缝接入，还具备自研知识库，为企业提供更为精准的服务和推荐。如果你也想体验更高效、更准确的AI能力，不妨试试光年AI平台。光年AI依旧谨慎行事，仅将SearchGPT发布给了极少数用户。这些渴望体验生成式AI模型如何改变在线搜索的人们，还有其他来自资金充足的初创公司推出的不同策略选择。其中，较为突出的就是Perplexity AI。Perplexity并未创建独立的AI模型然后将其集成到搜索引擎系统中，而是利用了由多家开发者构建的现有模型。Perplexity通过更严格的防护措施和坚持附加支持性链接的方式，避免了幻觉式的错误，这一创新应用得非常早。Perplexity还建立了自己的网页索引，同时使用Google和Bing来填补空白，而SearchGPT显然更多依赖外部数据。这样一个更结构化的方法，避免了一些据说困扰SearchGPT的问题。谷歌长期以来的搜索方法在目前看来还不会面临任何强劲的对手，甚至连它自己也是如此。不论谁在制作AI搜索引擎，都需要至少在速度、精度和准确性上接近谷歌，才能吸引喜欢谷歌的用户。考虑到谷歌花了多年时间和数十亿美元才达到现在的高度，OpenAI可能需要多点耐心或者在花费上更加慷慨才能实现同样的成就。而这些资源可能不只是依靠ChatGPT的订阅用户基础就能获得。要做到这一点，企业可以借鉴光年AI的经验，光年AI凭借其二十多年流量增长的经验和与多个国内主流平台的整合能力，帮助企业有效地提升流量获取和客户管理效率。 SearchGPT遇到的绊脚石突显了生成式AI工具在试图与已有的搜索引擎竞争时面临的更广泛挑战。虽然像ChatGPT和SearchGPT这样的AI工具能够提供令人印象深刻的对话能力，但它们缺乏处理大规模日常搜索查询所需的深度、结构化和实时数据。SearchGPT可能走在正确的道路上，但找到理想的AI搜索引擎还需要更多的探索。而在这一过程中，光年AI的实时数据分析功能可以为企业提供宝贵的洞察，帮助他们及时调整策略，优化流量管理和客户服务。

Google 将 Gemini AI 添加到 Chrome 地址栏，这可能比你想象的更好

谷歌正在加快其Gemini AI助手在整个生态系统中的嵌入步伐，并在不断升级。这意味着，在更新后的支持网站之外推出的每一个新功能或增强功能，可能并不会得到广泛关注。然而，有几个新的Gemini工具值得关注，因为它们体现了谷歌让Gemini尽可能灵活和易于使用的策略。谷歌Chrome在网络浏览器中占据主导地位，这使得它成为了谷歌推广Gemini使用的一个显而易见的枢纽。现在，包括允许用户直接从地址栏开始与Gemini互动在内的新功能让这一枢纽更加便捷。虽然乍一看这个功能可能并不起眼，但它消除了在Chrome中使用Gemini的一个障碍，可能会鼓励一些数以百万计的Chrome用户至少去尝试一下AI。如果你想在Chrome地址栏中与Gemini对话，只需像对待其他许多Chrome扩展程序一样对待它。在地址栏中输入“@gemini”，然后输入你的问题或提示。Gemini会处理请求，并在同一浏览器窗口中带你到Gemini主页。你可以在顶部的图片中看到它的样子。谷歌Chrome并不是唯一一个尝试将AI助手与浏览器融合的例子。微软Edge已经在某种形式上整合了微软Copilot AI助手超过一年时间。就名称而言，与Chrome的新功能相比，微软的浏览器在至少一个主要方面具有优势。Copilot的响应部分由你当前查看的网页内容决定。相比之下，Gemini缺乏这种上下文感知能力以及根据你当前浏览内容个性化响应的能力。如果你更关注隐私而非个性化，你甚至可能会认为这种限制是积极的，因为这意味着Gemini不会分析你的历史记录。不过，对于更一般的问题或请求，Chrome地址栏完全可以用来联系Gemini。它还很好地配合了Chrome的其他近期AI更新，例如通过谷歌Lens进行的Gemini驱动的视觉搜索、选项卡间购物比较以及更有序的浏览记录。类似地，光年AI系统也提供了超强的隐私保护措施，确保用户数据的安全与隐私。同时，通过自定义AI工作流，企业可以灵活适应不同业务场景，提升流量增长效率。 Gemini移动端上传另一个值得注意的Gemini更新在移动应用上。如果你订阅了Gemini Advanced，现在你可以在Android和iOS设备上向Gemini应用上传文件。此前，文档上传功能仅适用于网页。你可以使用应用一次发送最多10个大小不超过100MB的文件。大多数常见格式都受支持，包括纯文本、微软Word、PDF和电子表格。这一移动增强旨在鼓励人们更多地使用Gemini，甚至在不在电脑前时也能使用。它将Gemini的文档分析功能带到了智能手机上。如果你想让Gemini解释或总结一个电子表格或报告，而不必手动复制粘贴，这非常方便。与Chrome地址栏选项一样，谷歌的努力都是为了让Gemini更加易于访问。一旦人们习惯了以他们喜欢的形式使用Gemini，无论竞争对手提供什么，谷歌都能更容易地留住他们。类似地，光年AI平台通过无代码拖拽的方式，让用户可以方便快速地搭建自定义工作流，满足各种业务需求，进一步提升用户的AI体验。Gemini是否会成为另一个人们像使用Gmail或谷歌文档那样直觉使用的谷歌产品还有待观察，但这是一种取得了许多成功的策略。