一句话来说，整个科技圈已陷入狂热。在狂欢热潮背后，技术难点如何突破、商业化如何跑通、产业与产业之间如何联动，依旧是巫待解决的问题。36氮，作为国内从上一次AI浪潮就在见证AI发展的陪伴者，想要穿过热浪的表象，观察行业最本质、最细微的改变，与大家一起探讨如何重新定义AI这个并不“新”的概念，共同探索AIGC如何颠覆世界。

我们要非常重视大模型，但不能迷信大模型。有时数据可能比模型更重要，在场景中获取新数据来反哺AI训练，从而提高服务质量、获取更多数据，这个闭环非常关键。我们希望看到创业公司能赚钱、赚数据、赚知识同时进行。

我们如果要判断是否需要探索一个场景，评估它是否有价值是一方面，另一方面也需要去把握节奏，即判断现在是否是合适的时机、这个技术是否能支撑服务要求的体验，以及率先入场是否能将技术壁垒变成生态壁垒。

通用人工智能的“星星之火”，必将在中国大地之上形成燎原之势。我们希望以讯飞星火认知大模型为新的起点和燃点，与各界用人工智能建设美好世界。

AI2.0的繁荣有赖行业的通力合作。Nolibox的比较优势在产品侧，基于我们的无限画板，设计创意内容可以被持续编辑和优化，不同的AIGC技术可以相互组合，发挥 1+1>2 的效果，这是AIGC落地专业设计场景的基本要求。

数据和智能的应用成为创新性产品和服务设计的重要基础。设计要解决的是一个复杂的问题矩阵，从不同领域进行经验迁移是设计思维的一个典型特点。面向未来，除了形态层面的生成，人机智能深度协同进行创新设计的挑战应该是完成跨领域的机会识别和系统级的创新。

无论是AI+工具还是工具+AI，都会对今天的内容行业带来变革，像汽车替代马车一样，有人会被淘汰，也会带来更多的新机会。对专业生产工具来说，大家都在相同的奇点上，如何更高效利用专业领域的数据，产出自己的专家系统，让 AI 做到高可控性、高可用性，可能是这轮 AIGC 竞争的核心点之一，生产模式的变革其实也是弯道超车的机会。

AI2.0的商业化落地对能源提出了很高的要求，亿铸科技用存算一体这种新的计算架构，结合新型忆阻器，用更低能耗提供更大算力，大大提升能源利用效率。只有大大提升AI算力的能源利用效率，才能至少具备了AI应用技术在人类社会“全面开花”的前提条件之一。

一句话来说，整个科技圈已陷入狂热。在狂欢热潮背后，技术难点如何突破、商业化如何跑通、产业与产业之间如何联动，依旧是巫待解决的问题。36氮，作为国内从上一次AI浪潮就在见证AI发展的陪伴者，想要穿过热浪的表象，观察行业最本质、最细微的改变，与大家一起探讨如何重新定义AI这个并不“新”的概念，共同探索AIGC如何颠覆世界。

我们要非常重视大模型，但不能迷信大模型。有时数据可能比模型更重要，在场景中获取新数据来反哺AI训练，从而提高服务质量、获取更多数据，这个闭环非常关键。我们希望看到创业公司能赚钱、赚数据、赚知识同时进行。

我们如果要判断是否需要探索一个场景，评估它是否有价值是一方面，另一方面也需要去把握节奏，即判断现在是否是合适的时机、这个技术是否能支撑服务要求的体验，以及率先入场是否能将技术壁垒变成生态壁垒。

通用人工智能的“星星之火”，必将在中国大地之上形成燎原之势。我们希望以讯飞星火认知大模型为新的起点和燃点，与各界用人工智能建设美好世界。

AI2.0的繁荣有赖行业的通力合作。Nolibox的比较优势在产品侧，基于我们的无限画板，设计创意内容可以被持续编辑和优化，不同的AIGC技术可以相互组合，发挥 1+1>2 的效果，这是AIGC落地专业设计场景的基本要求。

数据和智能的应用成为创新性产品和服务设计的重要基础。设计要解决的是一个复杂的问题矩阵，从不同领域进行经验迁移是设计思维的一个典型特点。面向未来，除了形态层面的生成，人机智能深度协同进行创新设计的挑战应该是完成跨领域的机会识别和系统级的创新。

无论是AI+工具还是工具+AI，都会对今天的内容行业带来变革，像汽车替代马车一样，有人会被淘汰，也会带来更多的新机会。对专业生产工具来说，大家都在相同的奇点上，如何更高效利用专业领域的数据，产出自己的专家系统，让 AI 做到高可控性、高可用性，可能是这轮 AIGC 竞争的核心点之一，生产模式的变革其实也是弯道超车的机会。

AI2.0的商业化落地对能源提出了很高的要求，亿铸科技用存算一体这种新的计算架构，结合新型忆阻器，用更低能耗提供更大算力，大大提升能源利用效率。只有大大提升AI算力的能源利用效率，才能至少具备了AI应用技术在人类社会“全面开花”的前提条件之一。

一句话来说，整个科技圈已陷入狂热。在狂欢热潮背后，技术难点如何突破、商业化如何跑通、产业与产业之间如何联动，依旧是巫待解决的问题。36氮，作为国内从上一次AI浪潮就在见证AI发展的陪伴者，想要穿过热浪的表象，观察行业最本质、最细微的改变，与大家一起探讨如何重新定义AI这个并不“新”的概念，共同探索AIGC如何颠覆世界。

我们要非常重视大模型，但不能迷信大模型。有时数据可能比模型更重要，在场景中获取新数据来反哺AI训练，从而提高服务质量、获取更多数据，这个闭环非常关键。我们希望看到创业公司能赚钱、赚数据、赚知识同时进行。

我们如果要判断是否需要探索一个场景，评估它是否有价值是一方面，另一方面也需要去把握节奏，即判断现在是否是合适的时机、这个技术是否能支撑服务要求的体验，以及率先入场是否能将技术壁垒变成生态壁垒。

通用人工智能的“星星之火”，必将在中国大地之上形成燎原之势。我们希望以讯飞星火认知大模型为新的起点和燃点，与各界用人工智能建设美好世界。

AI2.0的繁荣有赖行业的通力合作。Nolibox的比较优势在产品侧，基于我们的无限画板，设计创意内容可以被持续编辑和优化，不同的AIGC技术可以相互组合，发挥 1+1>2 的效果，这是AIGC落地专业设计场景的基本要求。

数据和智能的应用成为创新性产品和服务设计的重要基础。设计要解决的是一个复杂的问题矩阵，从不同领域进行经验迁移是设计思维的一个典型特点。面向未来，除了形态层面的生成，人机智能深度协同进行创新设计的挑战应该是完成跨领域的机会识别和系统级的创新。

无论是AI+工具还是工具+AI，都会对今天的内容行业带来变革，像汽车替代马车一样，有人会被淘汰，也会带来更多的新机会。对专业生产工具来说，大家都在相同的奇点上，如何更高效利用专业领域的数据，产出自己的专家系统，让 AI 做到高可控性、高可用性，可能是这轮 AIGC 竞争的核心点之一，生产模式的变革其实也是弯道超车的机会。

AI2.0的商业化落地对能源提出了很高的要求，亿铸科技用存算一体这种新的计算架构，结合新型忆阻器，用更低能耗提供更大算力，大大提升能源利用效率。只有大大提升AI算力的能源利用效率，才能至少具备了AI应用技术在人类社会“全面开花”的前提条件之一。

一句话来说，整个科技圈已陷入狂热。在狂欢热潮背后，技术难点如何突破、商业化如何跑通、产业与产业之间如何联动，依旧是巫待解决的问题。36氮，作为国内从上一次AI浪潮就在见证AI发展的陪伴者，想要穿过热浪的表象，观察行业最本质、最细微的改变，与大家一起探讨如何重新定义AI这个并不“新”的概念，共同探索AIGC如何颠覆世界。

我们要非常重视大模型，但不能迷信大模型。有时数据可能比模型更重要，在场景中获取新数据来反哺AI训练，从而提高服务质量、获取更多数据，这个闭环非常关键。我们希望看到创业公司能赚钱、赚数据、赚知识同时进行。

我们如果要判断是否需要探索一个场景，评估它是否有价值是一方面，另一方面也需要去把握节奏，即判断现在是否是合适的时机、这个技术是否能支撑服务要求的体验，以及率先入场是否能将技术壁垒变成生态壁垒。

通用人工智能的“星星之火”，必将在中国大地之上形成燎原之势。我们希望以讯飞星火认知大模型为新的起点和燃点，与各界用人工智能建设美好世界。

AI2.0的繁荣有赖行业的通力合作。Nolibox的比较优势在产品侧，基于我们的无限画板，设计创意内容可以被持续编辑和优化，不同的AIGC技术可以相互组合，发挥 1+1>2 的效果，这是AIGC落地专业设计场景的基本要求。

数据和智能的应用成为创新性产品和服务设计的重要基础。设计要解决的是一个复杂的问题矩阵，从不同领域进行经验迁移是设计思维的一个典型特点。面向未来，除了形态层面的生成，人机智能深度协同进行创新设计的挑战应该是完成跨领域的机会识别和系统级的创新。

无论是AI+工具还是工具+AI，都会对今天的内容行业带来变革，像汽车替代马车一样，有人会被淘汰，也会带来更多的新机会。对专业生产工具来说，大家都在相同的奇点上，如何更高效利用专业领域的数据，产出自己的专家系统，让 AI 做到高可控性、高可用性，可能是这轮 AIGC 竞争的核心点之一，生产模式的变革其实也是弯道超车的机会。

AI2.0的商业化落地对能源提出了很高的要求，亿铸科技用存算一体这种新的计算架构，结合新型忆阻器，用更低能耗提供更大算力，大大提升能源利用效率。只有大大提升AI算力的能源利用效率，才能至少具备了AI应用技术在人类社会“全面开花”的前提条件之一。

纵观全球科技创新数十年的磅磺发展历程，越是颠覆的创新越需要 [第一性原理] 的演绎思维与实际行动。毋庸置疑，通用人工智能与AIGC为现今的世界注入了无与伦比的强大科技源动力，希望所有参与这场盛宴的伙伴们都要好奇不息、思考不止、探索不停，寻美而求真，为这个行业的发展贡献积极力量。

无论今天讲大模型，还是回顾过去十年人工智能产业的发展变迁，基本都是整合更多资源来得到更好结果的“暴力美学”。但其实光有资源是远远不够的，每个领域的背后都有大量专业的工程实践。大模型研究的背后实际是大量软件工程的系统问题。

作为设计软件，我们的本质是要做技术和需求场景之间的黏合剂，为此我们在做的就是技术的工程化、产品化。关于怎么做产品，我们有一个三段式方法论:一是实验室阶段，二是场景共创阶段，三是落地阶段，通过这三个阶段，我们在其中找出最能标准化、产品化的部分做落地应用。我们已经推出了即时AI、即时AI灵感，并将推出即时上线等系列产品。

AIGC正在大幅提升内容创作的质量和效率，并助力想象力涌现，创造出独特的AI作品。展望未来，百度文心等大模型将使得AIGC效果有质的提升，推动生成式AI走向可信可控，创造出更多有价值的内容。

AIGC百花齐放的时代更需要AI的基础设施的构建与完善。随着大模型训练的兴起，如何降低成本、提高效率，实现大规模模型的训练和普适化应用成为一项重要挑战。通过Colossal-AI构建适用的系统和推动大模型的普及化具有重要的意义和价值。

通用GPT像是一个拥有一定广域知识的学生，但如果在企业中应用，仅仅是广域的知识还不够，需要把学生训练成一个具备专业能力和行业知识储备的从业者，这也是行业大模型的价值。

各行各业都已经开启了+AI进程，产业内公司有数据、有技术能力的更有优势，但往往在这种时刻异军突起的是新兴公司，原因是产业公司往往太骄傲或被存量绑架。原生AIGC公司最核心的问题是一定要找对应用场景，尤其是技术型创始人，场景不落地再好的技术也可能被淹没在内卷的潮流中。资本市场对这个赛道关注多，但出手极为谨慎，创始人应该把每一笔钱都当成最后一笔融资来花。

机器视觉领域的深度学习模型同样具备智能涌现的可能，而处理大规模样本至关重要。中科智云的X-Brain平台结合预训练模型和小样本技术，可实现强大的样本自标注。我们将继续训练图像领域的大模型，降低大模型的训练和运营成本，为行业应用创造新机遇。

纵观全球科技创新数十年的磅磺发展历程，越是颠覆的创新越需要 [第一性原理] 的演绎思维与实际行动。毋庸置疑，通用人工智能与AIGC为现今的世界注入了无与伦比的强大科技源动力，希望所有参与这场盛宴的伙伴们都要好奇不息、思考不止、探索不停，寻美而求真，为这个行业的发展贡献积极力量。

无论今天讲大模型，还是回顾过去十年人工智能产业的发展变迁，基本都是整合更多资源来得到更好结果的“暴力美学”。但其实光有资源是远远不够的，每个领域的背后都有大量专业的工程实践。大模型研究的背后实际是大量软件工程的系统问题。

作为设计软件，我们的本质是要做技术和需求场景之间的黏合剂，为此我们在做的就是技术的工程化、产品化。关于怎么做产品，我们有一个三段式方法论:一是实验室阶段，二是场景共创阶段，三是落地阶段，通过这三个阶段，我们在其中找出最能标准化、产品化的部分做落地应用。我们已经推出了即时AI、即时AI灵感，并将推出即时上线等系列产品。

AIGC正在大幅提升内容创作的质量和效率，并助力想象力涌现，创造出独特的AI作品。展望未来，百度文心等大模型将使得AIGC效果有质的提升，推动生成式AI走向可信可控，创造出更多有价值的内容。

AIGC百花齐放的时代更需要AI的基础设施的构建与完善。随着大模型训练的兴起，如何降低成本、提高效率，实现大规模模型的训练和普适化应用成为一项重要挑战。通过Colossal-AI构建适用的系统和推动大模型的普及化具有重要的意义和价值。

通用GPT像是一个拥有一定广域知识的学生，但如果在企业中应用，仅仅是广域的知识还不够，需要把学生训练成一个具备专业能力和行业知识储备的从业者，这也是行业大模型的价值。

各行各业都已经开启了+AI进程，产业内公司有数据、有技术能力的更有优势，但往往在这种时刻异军突起的是新兴公司，原因是产业公司往往太骄傲或被存量绑架。原生AIGC公司最核心的问题是一定要找对应用场景，尤其是技术型创始人，场景不落地再好的技术也可能被淹没在内卷的潮流中。资本市场对这个赛道关注多，但出手极为谨慎，创始人应该把每一笔钱都当成最后一笔融资来花。

机器视觉领域的深度学习模型同样具备智能涌现的可能，而处理大规模样本至关重要。中科智云的X-Brain平台结合预训练模型和小样本技术，可实现强大的样本自标注。我们将继续训练图像领域的大模型，降低大模型的训练和运营成本，为行业应用创造新机遇。

纵观全球科技创新数十年的磅磺发展历程，越是颠覆的创新越需要 [第一性原理] 的演绎思维与实际行动。毋庸置疑，通用人工智能与AIGC为现今的世界注入了无与伦比的强大科技源动力，希望所有参与这场盛宴的伙伴们都要好奇不息、思考不止、探索不停，寻美而求真，为这个行业的发展贡献积极力量。

无论今天讲大模型，还是回顾过去十年人工智能产业的发展变迁，基本都是整合更多资源来得到更好结果的“暴力美学”。但其实光有资源是远远不够的，每个领域的背后都有大量专业的工程实践。大模型研究的背后实际是大量软件工程的系统问题。

作为设计软件，我们的本质是要做技术和需求场景之间的黏合剂，为此我们在做的就是技术的工程化、产品化。关于怎么做产品，我们有一个三段式方法论:一是实验室阶段，二是场景共创阶段，三是落地阶段，通过这三个阶段，我们在其中找出最能标准化、产品化的部分做落地应用。我们已经推出了即时AI、即时AI灵感，并将推出即时上线等系列产品。

AIGC正在大幅提升内容创作的质量和效率，并助力想象力涌现，创造出独特的AI作品。展望未来，百度文心等大模型将使得AIGC效果有质的提升，推动生成式AI走向可信可控，创造出更多有价值的内容。

AIGC百花齐放的时代更需要AI的基础设施的构建与完善。随着大模型训练的兴起，如何降低成本、提高效率，实现大规模模型的训练和普适化应用成为一项重要挑战。通过Colossal-AI构建适用的系统和推动大模型的普及化具有重要的意义和价值。

通用GPT像是一个拥有一定广域知识的学生，但如果在企业中应用，仅仅是广域的知识还不够，需要把学生训练成一个具备专业能力和行业知识储备的从业者，这也是行业大模型的价值。

各行各业都已经开启了+AI进程，产业内公司有数据、有技术能力的更有优势，但往往在这种时刻异军突起的是新兴公司，原因是产业公司往往太骄傲或被存量绑架。原生AIGC公司最核心的问题是一定要找对应用场景，尤其是技术型创始人，场景不落地再好的技术也可能被淹没在内卷的潮流中。资本市场对这个赛道关注多，但出手极为谨慎，创始人应该把每一笔钱都当成最后一笔融资来花。

机器视觉领域的深度学习模型同样具备智能涌现的可能，而处理大规模样本至关重要。中科智云的X-Brain平台结合预训练模型和小样本技术，可实现强大的样本自标注。我们将继续训练图像领域的大模型，降低大模型的训练和运营成本，为行业应用创造新机遇。

纵观全球科技创新数十年的磅磺发展历程，越是颠覆的创新越需要 [第一性原理] 的演绎思维与实际行动。毋庸置疑，通用人工智能与AIGC为现今的世界注入了无与伦比的强大科技源动力，希望所有参与这场盛宴的伙伴们都要好奇不息、思考不止、探索不停，寻美而求真，为这个行业的发展贡献积极力量。

无论今天讲大模型，还是回顾过去十年人工智能产业的发展变迁，基本都是整合更多资源来得到更好结果的“暴力美学”。但其实光有资源是远远不够的，每个领域的背后都有大量专业的工程实践。大模型研究的背后实际是大量软件工程的系统问题。

作为设计软件，我们的本质是要做技术和需求场景之间的黏合剂，为此我们在做的就是技术的工程化、产品化。关于怎么做产品，我们有一个三段式方法论:一是实验室阶段，二是场景共创阶段，三是落地阶段，通过这三个阶段，我们在其中找出最能标准化、产品化的部分做落地应用。我们已经推出了即时AI、即时AI灵感，并将推出即时上线等系列产品。

AIGC正在大幅提升内容创作的质量和效率，并助力想象力涌现，创造出独特的AI作品。展望未来，百度文心等大模型将使得AIGC效果有质的提升，推动生成式AI走向可信可控，创造出更多有价值的内容。

AIGC百花齐放的时代更需要AI的基础设施的构建与完善。随着大模型训练的兴起，如何降低成本、提高效率，实现大规模模型的训练和普适化应用成为一项重要挑战。通过Colossal-AI构建适用的系统和推动大模型的普及化具有重要的意义和价值。

通用GPT像是一个拥有一定广域知识的学生，但如果在企业中应用，仅仅是广域的知识还不够，需要把学生训练成一个具备专业能力和行业知识储备的从业者，这也是行业大模型的价值。

各行各业都已经开启了+AI进程，产业内公司有数据、有技术能力的更有优势，但往往在这种时刻异军突起的是新兴公司，原因是产业公司往往太骄傲或被存量绑架。原生AIGC公司最核心的问题是一定要找对应用场景，尤其是技术型创始人，场景不落地再好的技术也可能被淹没在内卷的潮流中。资本市场对这个赛道关注多，但出手极为谨慎，创始人应该把每一笔钱都当成最后一笔融资来花。

机器视觉领域的深度学习模型同样具备智能涌现的可能，而处理大规模样本至关重要。中科智云的X-Brain平台结合预训练模型和小样本技术，可实现强大的样本自标注。我们将继续训练图像领域的大模型，降低大模型的训练和运营成本，为行业应用创造新机遇。

万亿级的泛建筑设计领域 (规划建筑室内景观等) 急需质量与效率十倍提升。这有赖于AI+人>人。 小库AI云一站式泛建筑AIGC创享平台，基于千万级泛建筑数据的自研大模型，精准可控地生成设计意向，实现“零门槛生成"、“无障碍炼丹”、“无缝接工作流”。

我们在关注科技变化的同时，更要关注因为科技带来的整个社会结构的变化，而往往这种社会结构的变化是更大的机会所在。就如同工业革命，从蒸汽机的改良开始，整个英国进行了长达100多年的社会结构变化和全球化。这才是AI里面真正值得关注的机会。

随着数字化的进程加快，制造业知识积累呈爆炸式的增长。洪朴基于AIGC打造IDA产品，为制造企业知识管理带来三大价值: 知识继承、经验突破、数据保护，帮助企业将巨量的知识、数据转化为竞争优势。

未来，将大模型与大图紧密结合，是实现AGI的核心路径。概率（向量）与符号推理（图）的融合，不仅可以增强大模型的逻辑推理能力，还能为大模型的应用提供长效记忆的核心基础设施。基于图和向量的融合多模引擎，可以解决很多当前大模型在具体To B 行业落地当中的困难。Fabarta一直致力于同丰富的AGI生态的伙伴一道，在未来，通过人工智能的技术重塑我们身边的行业与体验!

大模型会带来生产力与生产关系的变革，商业化落地需要数据、算力、生态、法规等要素共同具备。虽然道阻且长，但守正出奇，相信可以在A12.0的浪潮中探寻确定性的机会。

在决策的过程中，我们人是更有创造性和价值的变量，所以保存自己每天冒出的新想法，保护这些自己主观解读的结果，成为那个随机因素变得尤为重要。当然，作为一个拥有“身体”的碳基生命，我们无时无刻不在接受大量信息输入，但至少目前，仍旧处于我们做决策的超级优势当中。

一些人认为算法是一次性迭代的事情，但其实大模型越来越像互联网产品敏捷开发的过程，在生产上线之后需要不断通过用户反馈的更多数据让下一个版本更好，其中最重要的是数据迭代速度和数据生产能力。数据生产过程多快决定了算法迭代有多快；数据有效性决定了模型的上限。前者通过搭建完整的DataOps系统解决，后者通过巧妙的数据策略和生产工艺决定。这也是星尘专注的方向。

蒸汽机在18世纪初就出现，瓦特改良是1774年，到1830年，一个世纪后，蒸汽机在整个英国动力贡献占比是多少? 只有1.5%。而真正加速是1850年之后了。所以我们没必要急于求成。乐观地来看，这一代的AI2.0真正走入大家视野才半年多时间，产品的创意、技术的更迭层出不穷，比历史上的技术发展已经要快太多了。

万亿级的泛建筑设计领域 (规划建筑室内景观等) 急需质量与效率十倍提升。这有赖于AI+人>人。 小库AI云一站式泛建筑AIGC创享平台，基于千万级泛建筑数据的自研大模型，精准可控地生成设计意向，实现“零门槛生成"、“无障碍炼丹”、“无缝接工作流”。

我们在关注科技变化的同时，更要关注因为科技带来的整个社会结构的变化，而往往这种社会结构的变化是更大的机会所在。就如同工业革命，从蒸汽机的改良开始，整个英国进行了长达100多年的社会结构变化和全球化。这才是AI里面真正值得关注的机会。

随着数字化的进程加快，制造业知识积累呈爆炸式的增长。洪朴基于AIGC打造IDA产品，为制造企业知识管理带来三大价值: 知识继承、经验突破、数据保护，帮助企业将巨量的知识、数据转化为竞争优势。

未来，将大模型与大图紧密结合，是实现AGI的核心路径。概率（向量）与符号推理（图）的融合，不仅可以增强大模型的逻辑推理能力，还能为大模型的应用提供长效记忆的核心基础设施。基于图和向量的融合多模引擎，可以解决很多当前大模型在具体To B 行业落地当中的困难。Fabarta一直致力于同丰富的AGI生态的伙伴一道，在未来，通过人工智能的技术重塑我们身边的行业与体验!

大模型会带来生产力与生产关系的变革，商业化落地需要数据、算力、生态、法规等要素共同具备。虽然道阻且长，但守正出奇，相信可以在A12.0的浪潮中探寻确定性的机会。

在决策的过程中，我们人是更有创造性和价值的变量，所以保存自己每天冒出的新想法，保护这些自己主观解读的结果，成为那个随机因素变得尤为重要。当然，作为一个拥有“身体”的碳基生命，我们无时无刻不在接受大量信息输入，但至少目前，仍旧处于我们做决策的超级优势当中。

一些人认为算法是一次性迭代的事情，但其实大模型越来越像互联网产品敏捷开发的过程，在生产上线之后需要不断通过用户反馈的更多数据让下一个版本更好，其中最重要的是数据迭代速度和数据生产能力。数据生产过程多快决定了算法迭代有多快；数据有效性决定了模型的上限。前者通过搭建完整的DataOps系统解决，后者通过巧妙的数据策略和生产工艺决定。这也是星尘专注的方向。

蒸汽机在18世纪初就出现，瓦特改良是1774年，到1830年，一个世纪后，蒸汽机在整个英国动力贡献占比是多少? 只有1.5%。而真正加速是1850年之后了。所以我们没必要急于求成。乐观地来看，这一代的AI2.0真正走入大家视野才半年多时间，产品的创意、技术的更迭层出不穷，比历史上的技术发展已经要快太多了。

万亿级的泛建筑设计领域 (规划建筑室内景观等) 急需质量与效率十倍提升。这有赖于AI+人>人。 小库AI云一站式泛建筑AIGC创享平台，基于千万级泛建筑数据的自研大模型，精准可控地生成设计意向，实现“零门槛生成"、“无障碍炼丹”、“无缝接工作流”。

我们在关注科技变化的同时，更要关注因为科技带来的整个社会结构的变化，而往往这种社会结构的变化是更大的机会所在。就如同工业革命，从蒸汽机的改良开始，整个英国进行了长达100多年的社会结构变化和全球化。这才是AI里面真正值得关注的机会。

随着数字化的进程加快，制造业知识积累呈爆炸式的增长。洪朴基于AIGC打造IDA产品，为制造企业知识管理带来三大价值: 知识继承、经验突破、数据保护，帮助企业将巨量的知识、数据转化为竞争优势。

未来，将大模型与大图紧密结合，是实现AGI的核心路径。概率（向量）与符号推理（图）的融合，不仅可以增强大模型的逻辑推理能力，还能为大模型的应用提供长效记忆的核心基础设施。基于图和向量的融合多模引擎，可以解决很多当前大模型在具体To B 行业落地当中的困难。Fabarta一直致力于同丰富的AGI生态的伙伴一道，在未来，通过人工智能的技术重塑我们身边的行业与体验!

大模型会带来生产力与生产关系的变革，商业化落地需要数据、算力、生态、法规等要素共同具备。虽然道阻且长，但守正出奇，相信可以在A12.0的浪潮中探寻确定性的机会。

在决策的过程中，我们人是更有创造性和价值的变量，所以保存自己每天冒出的新想法，保护这些自己主观解读的结果，成为那个随机因素变得尤为重要。当然，作为一个拥有“身体”的碳基生命，我们无时无刻不在接受大量信息输入，但至少目前，仍旧处于我们做决策的超级优势当中。

一些人认为算法是一次性迭代的事情，但其实大模型越来越像互联网产品敏捷开发的过程，在生产上线之后需要不断通过用户反馈的更多数据让下一个版本更好，其中最重要的是数据迭代速度和数据生产能力。数据生产过程多快决定了算法迭代有多快；数据有效性决定了模型的上限。前者通过搭建完整的DataOps系统解决，后者通过巧妙的数据策略和生产工艺决定。这也是星尘专注的方向。

蒸汽机在18世纪初就出现，瓦特改良是1774年，到1830年，一个世纪后，蒸汽机在整个英国动力贡献占比是多少? 只有1.5%。而真正加速是1850年之后了。所以我们没必要急于求成。乐观地来看，这一代的AI2.0真正走入大家视野才半年多时间，产品的创意、技术的更迭层出不穷，比历史上的技术发展已经要快太多了。

万亿级的泛建筑设计领域 (规划建筑室内景观等) 急需质量与效率十倍提升。这有赖于AI+人>人。 小库AI云一站式泛建筑AIGC创享平台，基于千万级泛建筑数据的自研大模型，精准可控地生成设计意向，实现“零门槛生成"、“无障碍炼丹”、“无缝接工作流”。

我们在关注科技变化的同时，更要关注因为科技带来的整个社会结构的变化，而往往这种社会结构的变化是更大的机会所在。就如同工业革命，从蒸汽机的改良开始，整个英国进行了长达100多年的社会结构变化和全球化。这才是AI里面真正值得关注的机会。

随着数字化的进程加快，制造业知识积累呈爆炸式的增长。洪朴基于AIGC打造IDA产品，为制造企业知识管理带来三大价值: 知识继承、经验突破、数据保护，帮助企业将巨量的知识、数据转化为竞争优势。

未来，将大模型与大图紧密结合，是实现AGI的核心路径。概率（向量）与符号推理（图）的融合，不仅可以增强大模型的逻辑推理能力，还能为大模型的应用提供长效记忆的核心基础设施。基于图和向量的融合多模引擎，可以解决很多当前大模型在具体To B 行业落地当中的困难。Fabarta一直致力于同丰富的AGI生态的伙伴一道，在未来，通过人工智能的技术重塑我们身边的行业与体验!

大模型会带来生产力与生产关系的变革，商业化落地需要数据、算力、生态、法规等要素共同具备。虽然道阻且长，但守正出奇，相信可以在A12.0的浪潮中探寻确定性的机会。

在决策的过程中，我们人是更有创造性和价值的变量，所以保存自己每天冒出的新想法，保护这些自己主观解读的结果，成为那个随机因素变得尤为重要。当然，作为一个拥有“身体”的碳基生命，我们无时无刻不在接受大量信息输入，但至少目前，仍旧处于我们做决策的超级优势当中。

一些人认为算法是一次性迭代的事情，但其实大模型越来越像互联网产品敏捷开发的过程，在生产上线之后需要不断通过用户反馈的更多数据让下一个版本更好，其中最重要的是数据迭代速度和数据生产能力。数据生产过程多快决定了算法迭代有多快；数据有效性决定了模型的上限。前者通过搭建完整的DataOps系统解决，后者通过巧妙的数据策略和生产工艺决定。这也是星尘专注的方向。

蒸汽机在18世纪初就出现，瓦特改良是1774年，到1830年，一个世纪后，蒸汽机在整个英国动力贡献占比是多少? 只有1.5%。而真正加速是1850年之后了。所以我们没必要急于求成。乐观地来看，这一代的AI2.0真正走入大家视野才半年多时间，产品的创意、技术的更迭层出不穷，比历史上的技术发展已经要快太多了。