给大家推荐一本书，叫《微习惯：简单到不可能失败的自我管理法则》。 这本书讲的并不是多么复杂的方法，它能把“改变”这件事分解得足够小。 什么是微习惯？就是把一个积极习惯往小里压缩，压缩到不可能失败，然后要求自己每天完成。 看着小，甚至看起来小到没有丝毫“分量”，可是人就会因此而更容易去“开始”，更容易坚持。 我觉得这本书对我最有启发的地方，是它没有劝你说“你要更自律”“你要逼自己坚持”，反而是换了一个思路来看待这个问题。 很多时候我们做不到长期坚持，也许是自己不够努力，也许执行能力不够强，但其实更多时候是因为自己目标太大、方法本身就很容易被人“打败”。 而微习惯厉害的一点，就在于它顺着人的心智、大脑来，开始这件事就很简单。 PDF下载： https://snoopytown.lanzouw.com/itesP1qa5opc 1 个帖子 - 1 位参与者 阅读完整话题
工作十多年，在事业单位到私企对单位社会对家庭算是个老实人，勤勤恳恳践行着责任，但对枯燥的生活已经厌烦，总是胡思乱想一些，存在伪认知请指出，遂做一些想法记录： 在利益至上人情瓜葛，思想立场正确的当下，在被时代巨浪下推着苟活，认为无论是科技发展还是民族国家政治正确的立场或是儒法家思想恐吓绑架纠缠着善良的人，总想与世无争寻找一片梦想中的桃花源躺平做些自己想做随时可做的事情。 自认为人类世界创造了货币这个工具是伟大的最公平的，10 年代初刚毕业时房地产盛宴在无房无车无证便无妻无后逻辑推理论证下的各种正反广告舆论轰炸下，懵懂的上了房地产的战车，被愚弄想法，掏空了口袋，娶了老婆，商业房产梭哈，买了车，钱包被绑，或者是有被迫害妄想症罢了，哈哈。 作为金融专业毕业有着极强的警惕和怀疑心理，当然辩证的看待问题和行动也要有豁出去的勇气和真金白银的实力，在证券交易市场的技术调整和营销让我深深的厌恶了人性贪念的丑陋，不赌即不会失去的理念深扎入心中！ 当下 AI 科技盛行下无论是什么架构还是多少纳米技术和先进封装，还是各大 ai 厂商的宏大叙事帮助人类进步提升人类的生产效率技术，还有终端 pc 的变革鼓吹，AI 数据中心的建立首先影响着背后叙述者起舞者的利益蛋糕，这块经济大饼和泡沫在不断裂变的同时将更多人圈住，先用货币这个工具把普通人训练成硅基生命的一部分，不断淘汰上演动物世界的法则
工作十多年，在事业单位到私企对单位社会对家庭算是个老实人，勤勤恳恳践行着责任，但对枯燥的生活已经厌烦，总是胡思乱想一些，存在伪认知请指出，遂做一些想法记录： 在利益至上人情瓜葛，思想立场正确的当下，在被时代巨浪下推着苟活，认为无论是科技发展还是民族国家政治正确的立场或是儒法家思想恐吓绑架纠缠着善良的人，总想与世无争寻找一片梦想中的桃花源躺平做些自己想做随时可做的事情。 自认为人类世界创造了货币这个工具是伟大的最公平的，10 年代初刚毕业时房地产盛宴在无房无车无证便无妻无后逻辑推理论证下的各种正反广告舆论轰炸下，懵懂的上了房地产的战车，被愚弄想法，掏空了口袋，娶了老婆，商业房产梭哈，买了车，钱包被绑，或者是有被迫害妄想症罢了，哈哈。 作为金融专业毕业有着极强的警惕和怀疑心理，当然辩证的看待问题和行动也要有豁出去的勇气和真金白银的实力，在证券交易市场的技术调整和营销让我深深的厌恶了人性贪念的丑陋，不赌即不会失去的理念深扎入心中！ 当下 AI 科技盛行下无论是什么架构还是多少纳米技术和先进封装，还是各大 ai 厂商的宏大叙事帮助人类进步提升人类的生产效率技术，还有终端 pc 的变革鼓吹，AI 数据中心的建立首先影响着背后叙述者起舞者的利益蛋糕，这块经济大饼和泡沫在不断裂变的同时将更多人圈住，先用货币这个工具把普通人训练成硅基生命的一部分，不断淘汰上演动物世界的法则
工作十多年，在事业单位到私企对单位社会对家庭算是个老实人，勤勤恳恳践行着责任，但对枯燥的生活已经厌烦，总是胡思乱想一些，存在伪认知请指出，遂做一些想法记录： 在利益至上人情瓜葛，思想立场正确的当下，在被时代巨浪下推着苟活，认为无论是科技发展还是民族国家政治正确的立场或是儒法家思想恐吓绑架纠缠着善良的人，总想与世无争寻找一片梦想中的桃花源躺平做些自己想做随时可做的事情。 自认为人类世界创造了货币这个工具是伟大的最公平的，10 年代初刚毕业时房地产盛宴在无房无车无证便无妻无后逻辑推理论证下的各种正反广告舆论轰炸下，懵懂的上了房地产的战车，被愚弄想法，掏空了口袋，娶了老婆，商业房产梭哈，买了车，钱包被绑，或者是有被迫害妄想症罢了，哈哈。 作为金融专业毕业有着极强的警惕和怀疑心理，当然辩证的看待问题和行动也要有豁出去的勇气和真金白银的实力，在证券交易市场的技术调整和营销让我深深的厌恶了人性贪念的丑陋，不赌即不会失去的理念深扎入心中！ 当下 AI 科技盛行下无论是什么架构还是多少纳米技术和先进封装，还是各大 ai 厂商的宏大叙事帮助人类进步提升人类的生产效率技术，还有终端 pc 的变革鼓吹，AI 数据中心的建立首先影响着背后叙述者起舞者的利益蛋糕，这块经济大饼和泡沫在不断裂变的同时将更多人圈住，先用货币这个工具把普通人训练成硅基生命的一部分，不断淘汰上演动物世界的法则
如题，有没有刚入行或者大佬来分享一下相关的学习经验与职场法则 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 5 月 18 日消息，开发方 Croteam 与发行方 DevolverDigital 本月 14 日公布了游戏《塔罗斯的法则 3》的首支预告片， 该作将于 2027 年登陆 PS5 及 PC 平台 。 以第一人称解谜为特色的《塔罗斯的法则》系列已有两部在 Steam 获得“好评如潮”整体评价的前作，初代重制版《塔罗斯法则：重启》也是“特别好评”。而在《塔罗斯的法则 3》中，玩家将继续体验一段充满谜团的旅程： 你仿佛从一场纷乱的梦中醒来，发现自己身处一个奇异而矛盾的世界：神殿摇摇欲坠，科学前哨已被废弃，这里就是「异域」，物理法则在这里已经完全失效。你的记忆支离破碎，但你知道自己来此必有缘由。你需要面对一系列愈发复杂的谜题，回想起自己的探险家身份，寻回人造世界的历史。有人说「异域」是天堂，有人说这里是地狱。但有一件事毋庸置疑：审判在等待着你。
AI丐帮求生指南（2026版） 核心求生法则 ： 打一枪换一个地方 ：别死磕一家，多平台组合注册，额度翻倍 赶早不赶晚 ：先领有效期短的（如谷歌云$300 / 90天），再囤长效额度 敏感数据不上传 ：免费API通常用于模型训练优化，千万别把核心机密或未脱敏数据丢上去 警惕"真·免费"与"伪·白嫖" ：很多厂商的免费额度是一次性体验金（如OpenAI、Anthropic），用完即止；只有少数是永久免费层，但会限制速率 一、国内厂商 平台 免费额度 / 模型 有效期 / 速率 关键特性和优势 领取入口/方式 阿里云百炼 通义千问全系 、DeepSeek全系、Kimi系列、MiniMax系列、GLM智谱系列等 - 新用户每个模型 100万 Tokens 有效期 90天 速率限制 10 QPS （每秒请求数） - 国内节点稳定，延迟低（≤50ms） - 国内用户首选，模型种类极其丰富 - 兼容 OpenAI 接口格式 阿里云百炼控制台 百度智能云千帆 - 新用户每个模型 100万 Tokens （ERNIE-4.5 系列、DeepSeek R1/V3、Qwen3 等） 有效期 3个月 （各模型独立额度） - “一模型一额度” ，部分模型用完不影响其他 - 内置嵌入模型 bge-large 和 qianfan-sug-8k ，适合搭建 RAG 应用 百度智能云千帆控制台 腾讯云混元 - 10款主力模型共享100万 Tokens (Hunyuan-T1, Hunyuan-TurboS等) - Embedding 额外赠送 100万 Tokens - Hunyuan-Lite版完全免费 资源包有效期 1年 - 共享资源包灵活方便 - 特定轻量模型（翻译、角色扮演） 不限调用量 ，对轻量级部署友好 腾讯云混元控制台 智谱AI - 新用户 2000万 Tokens 体验包 （覆盖GLM-4.6v、GLM-4.5-air等模型） - GLM-4.7-Flash 模型永久免费 有效期 3个月 （体验包） 永久免费 （GLM-4.7-Flash） - 中文理解能力突出，支持复杂指令 - GLM-4.7-Flash 页面未设余额栏，可无限调用 智谱AI开放平台 火山引擎（豆包） - Doubao-Pro-32k 及 DeepSeek-V3.2 等模型 - 新用户每月赠送 800万 Tokens - 完成实名认证后，每日自动获得 200万 Tokens 固定额度 每日刷新，当日用完即止，无累计上限 - 币量给得极其大方 ，适合高频调用和批量测试 - 无并发限制，延迟低（约300ms以内） 火山方舟平台 硅基流动 - Qwen、Llama、DeepSeek-R1-Distill-Qwen-7B 等多种开源模型 - 注册送 2000万 Tokens - - 模型选择丰富，API 格式兼容 OpenAI - 适合需要灵活测试不同模型的开发者 硅基流动(SiliconFlow) 二、国外厂商 平台 免费额度 / 模型 有效期 / 速率 关键特性和优势 领取入口/方式（及注意事项） Google Gemini - Gemini 2.5 Pro, Flash, Flash-Lite 等模型 - AI Studio 提供慷慨的免费层（每天1,500次请求） 永久有效，每日刷新 速率限制：5-15 RPM (每分钟请求) - 业界最良心的永久免费层 ，无需信用卡 - 支持多模态（文本+图片+视频） - 每天请求量充足，适合作为主力开发备选 Google AI Studio （需能访问 Google 服务） Mistral AI - Mistral Large 3, Small 3.1 等模型 - 免费套餐每月 10亿 Tokens 速率：1 req/s (请求/秒) - Token量巨大 ，欧洲模型生态的代表 - 对开源模型友好，适合欧洲部署场景评估 Mistral AI Console Cohere - Command R+, Command A, Aya Expanse 32B 等模型 每月1,000次调用 速率限制：20 RPM - 适合轻量级使用和测试 Cohere Dashboard OpenAI GPT-4o Mini 、 GPT-3.5 Turbo 等模型 - 新注册用户赠送 $5 API 信用额度 有效期 3个月 速率：免费层有严格限制 - 生态最完善，文档丰富 - 免费层现在限制很多，调用次数从早期 30次/分钟 下调至 3次/分钟 platform.openai.com （注册或调用可能需要海外网络环境） Anthropic (Claude) - Claude Haiku （轻量快速模型）享有免费层 - 新注册开发者提供一次性测试额度 一次性体验金 ，用完即止 通常有30天使用期限 - 在长上下文处理和编程能力上表现突出 - 目前 没有持续的免费层 ，更像是一次性试用 console.anthropic.com （注册需要海外手机号或邮箱） 三、云端GPU及专项平台 平台 免费额度/核心资源 关键特性和优势 注意事项 Google Cloud 新用户 $300 信用额度，有效期90天，可用于A100等高端GPU 可用于多种 GPU 实例，包括 A100、V100、T4，足够进行几次完整的模型训练 需要绑定信用卡验证（试用期内不扣费） Microsoft Azure 新用户 $200 信用额度 通过 OpenAI 合作提供强大的 AI 服务，适合 .NET 生态开发者 同样需要信用卡验证 Oracle Cloud 永久免费 层提供 GPU 实例访问 提供长期稳定的免费 ARM 和 GPU 资源，是难得的"永久饭票" 资源相对基础，但胜在持久免费 GitHub Models 可调用 GPT-4o, Llama 3.3 70B, DeepSeek-R1 等模型，10-15 RPM, 50-150 RPD 开发者友好，直接在 GitHub 生态内使用 需使用 GitHub Token 认证 Hugging Face 推理API允许部署小于 10GB 的轻量级模型，新用户每月获价值 $10 的推理积分 模型库极其丰富，社区活跃，是开源模型的宝库 较大模型或高频调用会受限 四、丐帮长老锦囊 本地化部署，一劳永逸 ：利用 Ollama 在你的个人电脑上一键运行 Llama、Mistral、Phi、Qwen 等开源模型。只要你自己的设备扛得住，调用量和隐私安全就完全由你掌控。 聚合平台，统一调配 ：可以使用 OpenRouter 等聚合平台，它整合了数十款模型，支持使用 :free 后缀筛选免费模型，做到多厂商额度统一管理和无感切换，免得你东奔西跑。 云端IDE，白嫖开发环境 ： Google Colab 提供免费的 T4 GPU 笔记本环境，适合在线训练和调试小型模型。结合 Google Drive 挂载，就是一个零成本的云端 AI 开发工作站。 警惕信息过时 ：AI 厂商政策调整极快（例如：智谱GLM-4.5-Flash 已于2026年1月30日下线并自动路由至 GLM-4.7-Flash），务必以各官方网站最新公告为准。 祝你在这个AI时代，轻松实现"Token自由"。 2 个帖子 - 2 位参与者 阅读完整话题
AI浓度并非越高越好，转化率的秘密在于人机共生的平衡点。 “AI应像手机一样贯穿全流程”，而面对亲子游客和老年群体，主动将AI浓度降至50%，却实现了超50%的转化率。浓度的关键是以人为本、文化温度先行。 以下为圆桌对话内容，经36氪整理编辑： 薛冰丨上海蜚语信息科技副总裁（主持） 崔健南丨广州搞搞镇文化科技创始人兼CEO 杨晟丨珀乐互动科技创始人 薛冰： 各位嘉宾大家下午好，我是主持人薛冰，很荣幸受到36氪以及北京亦庄的邀请主持下午的圆桌。今天非常开心能够邀请到和我同台的两位重量级嘉宾，崔总、杨总，现在我们直接进入圆桌环节，先请两位嘉宾做一下自我介绍，先从崔总开始。 崔健南： 谢谢主持人，大家下午好，各位领导、嘉宾下午好，我是广州搞搞镇文化科技有限公司的创始人崔健南，今天我带着今年很好的一个案例向大家进行分享，也向杨总、薛总这边多学习。 杨晟： 大家好，我是珀乐互动科技的创始人杨晟。我们深耕“AI + IP”领域，目前公司储备了丰富的IP资源库与AI工具矩阵，相信在座的各位体验或者观看过。在接下来的分享中，我也期待和大家做更深入的探讨。 薛冰： 我们今天不聊概念只聊增长，这次圆桌我们聚焦的是文旅和文娱两大深度主题。大家也知道，每个人不管工作、生活处处都是AI，AI在实战场景中的应用以及企业现在在落地的案例中怎么做，今天两位专家都会给大家的问题一一解答，我们会拆解最实战的案例进行深度分享。话不多说直接进入前线问答环节，通常圆桌开场都喜欢问三个问题。第一个，崔总，您在搞搞镇企业文化中做过哪些印象最深刻、最成功的案例是哪个，您在整个环节中都引入哪些体验，比如互动、AI营销或者是AI深度体验，搞搞镇文化是怎么做的？第二个，现在搞搞镇文化AI浓度有多高，有百分之多少，看您是用数字的方式还是通过您的表达给我们沉浸式体验。第三个，现场很多嘉宾都是来取经的，您的模式可复制吗，比如现在想要进入这个赛道您有什么值得分享的案例或者可以给我们参考一下，也不排除现场有很多现场想跟您合作的伙伴。 崔健南： 我们是一家人工智能科技企业，最早的时候，2019年，我们已经在钻研图像类生成式人工智能算法。我们公司现在是第四年的沉淀，说不上标杆，但先分享一个案例，我们跟广州市文化馆在做AI共创文化空间，在空间里我们主要聚焦的是几个方面。 一个是运用我们自研的非遗大模型以及二维图像渲染、三维建模算法面对广州市文化馆，B端公共文化服务的内容，我们进入文化馆文旅景区，面对百万游客、观众我们能够提供什么样快速的创意聚焦以及成为我们个性化文创实务呈现的全链路闭环，在过往一年我们已经打造完成了，并且初具规模。 这个案例怎么做？作为第二个问题小小的前缀，我打算用几个数字来做它的体现，AI浓度以及转化体现。 第一个数字是“3”，整个链路打造呈现三种工程的能力，在人工智能我们在真正的场景落地里必须满足到的，第一个是数据工程能力，第二个算法工程能力，第三个才是我们的应用工程能力。这三个能力也是人工智能必须要落地的标准化实现解决方案三个本质要素。在过往一年我们是达标的，在广州市领域我们已经是人工智能典型案例单位，AI+文化典型案例单位。 第二个数字“8万+”，广州市文化馆作为公共文化服务单位，跟我们共建的单位，它面对的游客人数是百万级别，园区非常大，有十多万平方米户外空间，我们在其中运营的是数字文化体验厅以及非遗图书馆，这两个内容我们并称AI文化共创空间，不只是空间概念，而是我们在场景里通过共建方，将我们的手工艺人、非遗传承人包括跟高校联动的人工智能创新实验室，带领的人才孵化，把这方面的人才聚焦进来，把我们文化数据聚焦进来，进而在场景里成为量化的社会价值和经济价值转化，匹配到AI+民生福祉、AI+新消费的两个方向，这是3和8万+的两个数字的集中体现。 薛冰： 非常情景化的描述，如果同一个园区或者景区，我用您的这一套方案，7天、15天能复制出来吗，您现在落地广州，其他地域或者以广东省其他园区、景区为例，可不可以给我们出出建议。 崔健南： 要打造成为真正落地的解决方案甚至是标准化人工智能解决方案，假如说同样的问题在一年前问到我，我的答案是大于7天，其中一种能力叫数据工程能力，这是在过往我们三到四年间我们很多的官方可溯源的文化数据沉淀下来，从我们的算法认知到提炼出来自研的非遗大模型，这个是我们落地的本质基础。通过这一年的打造，从大模型到结合通识化的大模型，我们也是华为的深度合作伙伴，华为深层人工智能基座，它已经能够成为3天之内的标准化落地的解决方案。无论是云端部署还是私有化部署，可以成为标准化内容，我们还蛮有信心的，整体不只是解决方案，包括后端运营市场营销的方案一体化落地，已经是可以去做复制的。 薛冰： 听您的讲述，从零到一，您完成了很好的闭环，相当于从实战角度这个模式可以复制，集聚了相对标准化的方式。您有踩过什么坑或者非遗大模型，包括版权、算法，有没有遇到过什么困难，包括安全、隐私保护层面方面的。 崔健南： 做企业的，要分享成功喜悦很简单，要说坑就太多了，有几个方面。 数据来源，官方数据是相对好办的，比如非遗保护中心的数据，高校，艺术设计类的院校，他们很多年沉淀的数据，这还是比较简单的。但我们在文化领域特别是在非遗领域，很多知识不是结构化、体系化，很多是沉淀在一些手工艺里，是在手工艺人的脑海里，非遗传承人，他们非遗的知识传递，是师传、家传、祖传的形式，是真正的核心，我们说的文化内核往往隐藏在最核心的信息里得不到真正的传承，渐渐变成非遗内容。在这方面的补缺，过往我们也采取一些自采的数据，我们做体系化访问，数据收集、提取、清洗，呈现结构化数据，投喂给人工智能，成为向量化数据，这个过程是最花时间的。 落地化场景里，to B、to C，面临很多使团和游客的进场，知识产权，肖像权，我们在现场除了我们的工作人员做面对面的解释之外，他们做实物化的文创创作，实物化拿走，自己留作纪念是没有违反知识产权的限制，但如果进一步商业化，我们有很多高校学生他们有很好的创意，从整个落地场景变成市场反馈很好的文创商品，这时候要跟学生或者文创老师提醒，我们要做数字确权，在工具上已经集中化呈现了。 另外一个我们做数字存证，保证在他们创作文创的商品是有确认外观这方面的专利，并且有专门的存证，才得以对外做商业性转化，这是我们过往的坑中，采取了一些比较全面的措施。 薛冰： 感谢崔总，崔总分享的每个细节，您也深度参与其中的各个环节，您做的是非常有意义的事情，我们现在会建立自己的AI知识库，不管是手艺人，包括传承下来的文化，是在传承人的大脑里，怎么把这些更好地传播传承下去，结合文旅，运用AI技术整个是非常有意义的事情，也期待搞搞镇文化有更多的不管是合作还是项目给到大家。 杨总，很早之前看过杨总的采访，对您做的事情特别感兴趣，不管是现在公司层面或者您个人层面做得比较成功的案例，一定是要加AI的，您之前做过的案例讲一讲，文旅里面的AI浓度怎么体现，文娱大家看到的有很多，不管是数字化短剧、视频，还有影片，您来分享一下。 杨晟： 上周，我们和开心麻花、阿里通义实验室联合打造了《羞羞的铁拳》IP动画，跟腾讯视频、火龙漫剧签的独播协议。目前在抖音上有五个话题量破亿，算是运气比较好吧。在这个项目里，我们运用了通义最新推出的万相模型，并通过我们自己的模型去调度、Harness通义万相。我们理解艺术家的表达，通过双模型的交叉协作，实现了艺术表现上的精确度。大家可以在抖音、红果、腾讯视频、火龙漫剧等平台搜索观看。这个项目的火爆，也体现了我们对于文娱类接入AI，包括泛娱乐接入AI范式的思考。 IP储备在现阶段已经足够多了，我们该怎么让它们焕发新生？就像崔总所说，建立数字形象，IP知识产权，让这些东西先确权。现在包括Seedance、vidu包含很多大模型厂商在内，他们也在孜孜不倦地完善自己的合规版权库，可以让更多创作者能够在自己的平台上做出合规、合法的形象。而这些东西恰恰是文娱行业帮助科技行业，建立了一套可约束的、可转授权、可重复授权的数字形象库体系。 这次我们与四川合作的“大熊猫花花”文旅项目正是如此。花花的数字形象沉淀在四川，底层算力也依托于四川。伴随着这一超级IP的转授权、动画播出及商业化延展，四川的文化符号正式转化为全国高价值的数字资产，并赋能给下游供应商，特别是游戏等后链路场景。作为泛娱乐领域的先行者，珀乐从商业生态的最上游的角度出发，持续为行业输出核心的商业灵感与数字形象资产。 AI是贯穿全链条的，从数字形象开始，最末端的收尾是从数字形象的授权，包括工具端的授权只要我们在工具端做好了授权与约束机制，模型就不会生成超出控制的内容。各位用过豆包都知道，照片放进去，很多动作就是做不出来，这并不是技术做不到，而是工具端为了合规与确权，在底层逻辑上做好了边界锁控。现阶段，内容创作会变得越来越开放，大家获得的IP库将呈现指数级增长，这也是对泛娱乐巨大的提升。 到今年年底，整个行业格局会变得更为有趣起来，会有七到八个特别大的平台有高耸入云的IP库涌现出来。今天凌晨的谷歌大会宣布，我们有派拉蒙，我们有哈利·波特，我们有蝙蝠侠，你想用我们的这些形象，就用我们的大模型。这对于我们而言，在中国跑出来的机会是什么，包括应用层，我们跟底层大模型公司聊的是什么，机会将不可估量。 薛冰： 您刚才提到了豆包、阿里的通义万相，您主要是跟基模这类的模型公司合作吗，现在AI产业链从0到1渗透下来比较重要的，全链路都有AI，哪个环节最重要，比如我是一个学习者、探索者，我进入这个行业中我最终是AI产业链的哪个，可以复制您的成功案例或者是爆款公式。 杨晟： 关于商业落地的全链路，我认为有三个最核心的要素：最重要的第一个是token价格，现在token本质就是卖电力，电力的定价在座各位创业者们包括企业家们，新入行的朋友们你们最应该谈到的无论是可灵还是Seedance还是Vidu，每个大模型厂商有针对用户、企业完整的包，减少大家的试错成本，相对比较奢侈地在一个免费空间里做出尝试。 第二个核心是IP的获取与授权。无论是在海螺还是在通义他们在构筑自己的IP形象库，今年7月份，我们承诺给海螺要做百人以上的LoRA形象库，如果你拥有独特的艺术创造力、合法的形象授权，或是像崔总说的广州独一无二的形象，这些形象库就会是弯道超车最好的机会。就像最近大家常提及的电影《给阿嬷的情书》一样，具有人文温度且独一无二的地方文化符号，将会是难以被其他企业复刻且难以磨灭的价值体现。 第三个是选工具。大家现在看到了整合式工具，工具之间还有很多整合。如果是创业的同志，介入商品化部分时，选工具不妨结合便宜的算力和好的IP。我建议各位尽量使用免费的工具，或者自己是不是也可以做一个工具？我有幸深度参与了国内第一个OPC社区——鸿鹄汇，我们跟杭州上城区做了发布会，新闻联播也有播出。我一直在密切关注大量的个人创业者，见过太多超级个体创作者的崛起。伴随着大模型的普及和超大模型的诞生，技术门槛降得很低。一个学文学的人可以跟我聊某个东西应该接多少B的模型、什么样的策略更好。这个趋势正在到来，技术和内容、商业之间的界限正变得模糊。很多时候，拥有一个好的模型，好的基建价格是拉开创业者差距的关键。 每一次工业革命总会兴旺一批行业，蒸汽、内燃机、电力、互联网，我们认为这次带来最有效的是内容生成时间变短了，内容转授权难度变小了。这个机会会让大量新的个体创作者、新的强势工作室崛起，就像文旅市场一下子成了支柱型产业，内容产业将会再次蓬勃发展。 薛冰： 您也是深度参与每个环节，从token到商业化，逻辑闭环解析得很深刻。我刚才听两位分享，由衷感觉两位可以深度合作了，不管从IP、内容营销、AIGC还是技术结合。大家都喜欢说AI提质增效，是不是AI浓度越高越好？大家很关心增长，这个词听上去有点虚，从实战、一线落地角度来说，怎么达到最佳浓度？在哪些场景中加了AI反而转化率有点低？两位有什么见解？ 崔健南： 从我们整体场景运营来说，先给个结论：并不是AI浓度越高转化越高。举个例子，我们AI文化共创空间面对公众开放，其中有一部分是上年纪的游客以及亲子类内容。对于有文化深度的知识点，他们感兴趣，但往往被有交互的AI应用难住，不知道怎么使用。亲子类，比如六到九岁的孩子，对高科技、文化深度类的东西不太理解，AI浓度我们会把它减到最低。举例子，一年下来我们有250场左右的公益课程，面向亲子类，其中30到50场，我们不会让孩子按步骤做文字出图或参考图设计。我们会邀请非遗传承人或文化馆非遗部的老师讲解非遗知识，面对面交流什么是广绣，广绣和苏绣有什么差别和异同，怎么做区分。知识体系下的互动和纯AI交互对答的差别在哪里，引导六到九岁的孩子理解非遗，比如掐丝珐琅、广绣、侗族刺绣等，之后再通过AI工艺聚焦创意，2分钟完成建模，交给现场的3D打印或激光雕刻机把它变成实物。 在这个过程中，我会把浓度倾向于：前半部分依然以人为本，由人和游客、参与者、消费者面对面交流，把文化的温度传递出来，把文化深度准确传达出来，这非常重要。后半部分可以延续传统手工艺的打磨、上色、上釉或快速风干过程。整个链路既有情绪价值的沉淀，又延续了手工艺特征，制作出属于他们自己创意的实物并带走。本质上这是AI浓度与人机共生的权重比，这个权重我们会放在50%左右，拉得比较低。AI浓度方面的转化率在90%以上，只要进入广州市文化馆的共创空间，无论是消费者还是体验使团，体验度都超过80%。体验完之后的最终转化率在50%以上，而传统文旅转化率在10%以内，这个数字还是值得骄傲的，它不是终点而是起点。对应公共文化服务也好，对应新的个性化文创也好，本质上文旅要注重文化内核、正确性和文化内核的传达。 底层我们的非遗大模型、算法和文化纠偏机制有机结合，形成了可快速复制的基础，应该既有文化温度，也有文化正确性，这也是我们作为人工智能企业在文化产业里必须肩负的责任。 薛冰： 您提到的以人为本理念我特别认可。杨总，崔总提到文旅产业注重线下体验、文化传承和地域特征，而珀乐或文娱更侧重情感链接和流量裂变。假如您这套模式要进景区，或者跨行业复制到文旅加AI，会有什么阻碍吗？您觉得有什么好方式跨行业复制？ 杨晟： 各位如果有空，欢迎在7月1日后前往都江堰，体验我们最新落地的文旅实景项目。在这个夜游项目中，我们部署了13块互动屏幕，所有的视觉内容生成均来自AI，而互动体验的规则由人类设计。第一期是13块相对简单屏幕组成的长夜景游览项目。第二期屏幕会因为游客的互动而改变部分内容，伴随游客人数的改变，屏幕实时呈现的景色有所不同，这是我们已经实际投产的应用场景。 回应关于AI浓度的问题，作为科技公司，我们强调AI应该贯穿工作全流程，才能有效帮助我们提升所做事情的质量。以都江堰实景项目来说，从创意阶段起AI就必须深度介入。我们甚至在制作委员会中赋予了AI“强制一票”的权利，用来改善人类策划视角的盲区。AI就像当年的智能手机一样，必将全面渗透我们的工作与生活。坦率地讲，作为科技公司，我们坚信一种理念：我们不应排斥工具，而应主动拥抱它，让工具深度赋能，帮助我们将数字体验做到极致。 文旅行业是极佳的切入点。高客流量意味着天然的高日活用户和高并发，只要做好转化，ROI会非常可观。AI定向生成30秒或15秒的景点超拟真视频，这对游客存在极高的价值体验和诱惑力。如果存在内容高效置换门票或广告收益，在日均百万客流的景区，商业转化将非常顺畅。这些东西恰恰是AI能赋予到文旅景点、封闭景区的。 以往景区基本上被一些超大平台独家占据，比如美团，你进西双版纳的告庄西双景，你得扫美团，背了这个门票费用，用户就沉淀在那里了，用户转化五块钱一个人。而对于AI，在座每一位有关系的人，盘盘你们家乡最热门的景点，以武汉为例，2023年全年的文旅总收入达到了近3770亿的庞大规模，其海量的客流高度集中在40多个核心景点中。你们所在的城市，你的关系、你能覆盖到的景点，能承载多少客流量，也许就能给你带来这个数字乘以三分之一、四分之一的DAU。而这，恰恰是我们以 “Token + IP” 模式入局的巨大商业增量——用 AI 赋能，去接住景区现成的庞大 DAU，把传统的旅游资源转化为高溢价的数字确权资产的机会。 各位创业时总会面临，我的种子用户从何而来，为什么他们会访问我的产品？文旅是非常好的切口。像广州这样人流量大的地方，哪怕只切入一个高流量端口，其带来的Token消耗量与用户沉淀都是巨大的。我认为AI现阶段仅靠token盈利太累了。但如果放任免费跑，成本相当高，怎么把这个成本赚回来并转化为更商业的表现。我认为AI现阶段仅靠token盈利已不再高效，将token转化为高溢价的数字资产，赋予其更高的附加值，会让每一位参与者在商业化变现的道路上走得更顺利、更高效。 薛冰： 谢谢杨总。两位做的都是非常有意义的事。今天台下有AIGC产业链相关的企业，我相信大家都是来取经的。刚才两位分享了各种实战落地案例中从零到一的搭建，踩过的坑、避过的雷，杨总还分享了怎么赚钱以及商业化还能做什么。最后想让两位给大家一个方案或建议，帮助在座嘉宾有一个总结性的收获。 我们公司是做安全的，从我的角度，希望给企业提个醒，不管是版权、数据安全还是模型可信的安全，我们也在帮企业梳理模型资产、全链路留痕可溯，从模型到数据层面的安全保护，号召AIGC企业注重安全。杨总，给我们一些创业或增长的建议。 杨晟： 建议很简单，请理清注意力的属性，人的注意力分为长期注意力和短期注意力。创业的时候要想清楚，我吸引的是长期注意力的钱还是短期注意力的钱。如果你瞄准的是短期注意力，那就需要打造爆款 ， 集中一切资源与极致的爆发力去击穿市场阈值；如果你瞄准的是长期注意力，则需要沉下心来，打磨出能够在六个月到一年内持续引导市场口碑、沉淀品牌护城河的长剧内容。两者对应着完全不同的战略方向与资源配置方式。 崔健南： 我们注重文旅。在座嘉宾或领导有合作意向的，无论是博物馆、文化馆还是展馆等，第一，文化内核是本质，知识产权保护是基础；第二，文旅的文化数据资产是长效机制，才能保证参与过程中文化输出的自信。在自信的基础上，现在通过大模型，短期内有了知识平权的过程，最值钱的是大家的创意。欢迎大家把创意集聚到文旅产业中，利润会开始自己转化。 薛冰： 谢谢崔总，圆桌就到这里。两位分享了高质量、有干货的内容，我相信大家还需要再消化消化，会后也可以找我们一起交流，谢谢大家！
文｜肖漫 编辑｜李勤 当下的智能汽车领域，物理 AI 已成为高频词汇，绝大多数智能驾驶算法厂商都在往“物理AI”转型。 卓驭在北京车展上也发布了面向移动物理 AI 的原生多模态基础模型。在卓驭科技副总裁于贝贝看来，算法厂商向物理AI转型不是为了迎合资本市场而编织的想象空间，而是一条关乎厂商存亡的生存法则。 “如果不上这条技术路线，很可能今后就跑不出来了。”于贝贝说。 在新的竞争维度上，算法厂商的对手不再仅仅是曾经的同行，还包括那些从数字 AI 领域跨界而来的巨头、具身智能公司等。 这场全新的竞赛让算法厂商进入全新维度的淘汰赛中，而此次能真正跑出来的玩家，其商业空间也将随着打开。 基于移动基座模型，卓驭已经开始尝试打破传统Tier 1“卖硬件、收开发费”的单一逻辑。在第二增长曲线中，通过将乘用车技术拓展至 Robotaxi、RoboVan 等 L4 级领域，卓驭正在探索一种基于订阅、利润分成以及“动作令牌（Action Token）”的新商业形态。 近日，36氪汽车与卓驭科技副总裁于贝贝聊了聊物理AI的底层逻辑、商业化可能性，以及在这场即将开始的淘汰赛中，卓驭又该如何建立护城河。 以下是36氪汽车和卓驭科技副总裁于贝贝的交流内容，经编辑： 36氪：能否详细介绍一下原生多模态基础模型？ 于贝贝： 原生多模态这个概念的提出，可以追溯到去年我们开始做VLA 1.0，那时的做法比较接近视觉与动作对齐的模型，将大语言模型从后面附加上去的，因此存在很多问题，比如对语言和语义理解的局限性，以及响应延迟等。 我们认为把所有信息都转译到一个语言空间里去理解，然后再尝试通过这个语言转译的结果去理解物理世界，是一种反常识的做法。 真正合理的路径是，视觉、音频、动作都是一个模态、规则或推理也是一个模态，这些都应该在预训练阶段就一并加入，让模型能够天生地、在多种模态的共同空间里去理解物理世界，这才是更合适的做法。 36氪：现在有把语言模态拿掉吗？ 于贝贝： 当前我们车端模型确实还没有开放语言这一路输入。这和小鹏发布的VLA 2.0其实是类似的，我们做的是类似方向的东西，都在向这个范式切换，底层的骨干网络已经改变了。 36氪：卓驭也进入了VLA2.0的阶段？ 于贝贝： 是的。业界正处于一个范式切换的转折点，摆在我们面前的选择是：到底是沿着以前做专家模型这类小模型的范式继续做下去，还是果断切到大模型的范式上来。 我们比较看好大模型的范式。如果放在移动物理AI的语境下来看，希望移动能力能够在各种各样的载具上使用，这本质上就到达了规模化应用的阶段。 大语言模型的历史经验告诉我们，以前做视觉语言模型时，也有人做专家模型，有人做通用模型，也就是所谓的基座模型。 现在来看，最终跑出来的是做基座模型的这一批人。以前那些专注于看病的专家模型，其实都没有真正跑出来。在物理AI领域，我们相信演进的规律是一样的，因此我们也会坚定地走基础模型的范式。 36氪：厂商很多玩家都在这么干，但目前也还未能真正训练出一个可以让各种不同载体统一接入的模型，本质上大家仍然是在解决车上的问题。 于贝贝： 这是分阶段推进的。2025年，大家基本上都切换到了数据驱动，这意味着模型的基础能力已经达到了大概70分的水平。此时，想把它再提升到90分，那20分的差距仍然需要做后训练、采集数据和做泛化，但是其间的差距已经从当初的40分到80分，缩小为现在70分到90分的差距了。 后续，随着模型基础能力进一步提高，我们的目标肯定是做到零样本泛化，也就是所谓的“开箱即用”。 如果模型能力能够开箱就达到95分，那么后面的后训练、泛化、开城等工作几乎都可以忽略不计。虽然现在还没有到开箱95分的水平，但已经达到了开箱70分。 36氪：在现阶段，卓驭是否已经把各种场景都统一到同一个模型里实际运行过了，并认为它已经可以在各个领域都量产且实现泛化，还是说处于一个比较早期的阶段？ 于贝贝： 在这个时间点，还远不能说已经做到了开箱即用。什么才是物理AI最终的终极范式，什么样的架构才能真正理解物理世界，目前业界尚无定论。 36氪：您怎么看待当前大多数方案厂商都在向物理AI方向转型的现象？这是不是向资本市场讲一个更有想象空间的故事？ 于贝贝： 我们认为这已经不单单是商业或战略上的选择，最终应该会上升为一种生存法则层面的事情。如果不上这条技术路线，很可能今后就跑不出来了。 这和大语言模型爆发前夜一样，以前涌现出很多看病的专家模型，但通用大模型一出来，就把它们都替代掉了，以前的那些最终都没有跑出来。 36氪：在这个范式下做一个通用模型，但在其他场景下的数据，或者其他前期训练所需的条件，是不是还不够充分？ 于贝贝： 我们现在在训练自己的基础模型时，30%的数据来自于车辆采集的真实数据，30%来自于机器人，另外40%来自于互联网。 这种移动能力的数据，事实上在互联网上，只需要获取第一人称视角的、在移动中的视频即可，这不一定非得是乘用车或商用车，也可以人走路时拍摄的视频，这类数据的规模庞大，并且相对容易获取。 很多企业都宣称要做移动物理AI，模型能力固然是一方面，但更重要的，具身智能必须部署到一个具体的硬件上去，它的分发过程是很难的。它不像数字AI，可以通过手机实现一传十、十传百的病毒式传播，从一个用户迅速扩展到上亿用户，传播极快。 所以， 建立一个分发平台和分发网络，也是其中非常关键的一环，这关乎如何把这个能力具体地部署到移动载具、部署到物理实体上。 36氪：卓驭在分发上是怎么做的？ 于贝贝： 我们有自己的一套方法，比如与合作伙伴合作，定义硬件的标准，将这个硬件标准定义出来之后，通过合作伙伴进行硬件授权与分发，这属于硬件分发的部分。 在软件分发方面，比如我们的移动能力SDK，可以将模型能力封装成SDK，提供给那些不具备后训练模型能力的合作伙伴去使用。也可以将其包装成“移动AI”，也就是把模型做得足够好之后，将其开源，让其他方可以基于这个模型去做后训练，这又是一种分发方式。 还可以直接做成“移动智能体”，未来对于一些低安全、低实时性的应用，比如扫地机器人或割草机，只需要把视频流传输到云端，由云端计算好之后，直接下发一条轨迹给这个小机器，这或许就是另一种分发方式了。 36氪：这几种分发的方式，是否对应着卓驭的商业收费模式？ 于贝贝： 是的，而且它们面向的商业场景也都不太一样。 传统的方式，像做乘用车或商用车，就是销售硬件、销售软件许可，并收取开发费和非重复性工程费用，我们内部称作第一增长曲线的业务。 第二增长曲线，则是将乘用车上已经验证过的技术，拓展到Robotaxi、RoboVan等领域。虽然也卖硬件，也可能收取开发费，但一般不收取软件许可费。 软件部分是通过利润分成来获取收益的，比如L4级业务，作为服务提供方，需要持续参与软件的迭代，甚至要参与到运营中去，所以需要一个持续性的收入，这就演变成了订阅和分润的模式。 36氪：听起来第二增长曲线更挣钱。 于贝贝： 相比第一增长曲线的收入，其利润结构是要更好的。 我们可能会有不同的算法分发方式，以“移动智能体”为例，这种分发方式就有点像是在分发所谓的“动作令牌”。 相当于某个消费级电子设备将视频流传输给云端推理的模型，模型再下发一条轨迹，其收费模式可能就是按照该消费级设备的使用次数、行驶里程来收取类似“动作令牌”的费用，这又是另一种形式的订阅。 36氪：后续运维各方面的东西，都是卓驭来做吗？ 于贝贝： 对于L2的系统，本身不涉及到运维。只有到了L4级别才涉及运维，需要有一个所谓的远程监控系统，始终监控着车辆的运行过程，在必要时进行远程接管接入。 这有点像过去的安吉星服务，使用这个服务时是需要交费的。一旦车辆启用了L4功能，无论是干线物流还是乘用车，只要启用了L4，就需要额外交一部分费用。 甚至以后，乘用车的传感器配置、算力配置都能够支持L4级别时，平时车主可能还是用L2+系统，当他需要启用L4功能时，就需要为L4模式下每公里的行驶，额外再支付一点费用，因为始终会有一个系统在监控着它。 36氪：你认为L2和L4会是完全不一样的商业模式？ 于贝贝： 没错，L2和L4是完全不同的商业模式。从我们的观点来看，我们认为L4应该是先在城区落地，然后再拓展到高速场景。 从工程安全角度来看，同样性质的一个事故，在高速上产生的伤害程度，要远比在城区产生的伤害严重得多。 36氪：行业玩家都在往物理AI方向做，这是新一轮淘汰赛的开始吗？ 于贝贝： 新一轮的行业洗牌可能即将开始。所有做自动驾驶的公司，应该都会在不久的将来，转变为移动物理AI公司。 如果是在移动物理AI这个赛道上进行竞争，这本身就变成了一种跨界竞争，甚至可能都不是这个行业内既有玩家之间的竞争了，还需要和一些本来做数字AI，现在也想转型做具身智能、做物理AI的玩家去竞争。 36氪：那卓驭的护城河究竟是什么？ 于贝贝： 我们认为有两点。第一，是模型能力。现在大家的迭代范式，乃至最终采用什么样的模型架构，都还没有定论。也许我们认为以后特别高级的3D DiT或V-JEPA等全新架构会跑出来，但这些都是未知数。 第二，分发能力其实是一个非常高的门槛。如何建立一个分发平台和分发网络，创建一个生态，联合不同的合作伙伴共同进行分发，这一定是一个非常高的门槛。