AI爆发至今，业内普遍流行一句话：AIGC的尽头是AI智能体，但时至今日，大家对AI智能体的理解还比较浅，很多人依旧认为AI智能体离自己还很远。主要是市场上好用的智能体平台并不多。用户关心的是AI到底如何改善工作流，AI到底怎么落地具体的应用场景？或者AI到底是怎么帮我们干活的？
以GPT-4o为代表的多模态大语言模型（MLLMs）因其在语言、图像等多种模态上的卓越表现而备受瞩目。它们不仅在日常工作中成为用户的得力助手，还逐渐渗透到自动驾驶、医学诊断等各大应用领域，掀起了一场技术革命。
卷应用的风，先吹熟了AI小说。
“五个离职同事里，至少有三个人在搞应用”，一位刚从大厂离职的员工告诉光子星球。
在今天回顾过去一年 AI 应用层的进展，AI 搜索一定是难以忽视的一个方向。在很长的一段时间里，AI 搜索=Perplexity，在榜单上，几乎感受不到其他搜索产品的存在。
OpenAI的ChatGPT是全球工作中使用最多的生成式人工智能工具
近日，北京经济技术开发区（北京亦庄）发布全域人工智能之城建设方案，启动人工智能十大应用场景。其中在交通出行领域，北京鉴智科技有限公司（以下简称“鉴智机器人”）用AI技术为汽车赋能，使得包括自动驾驶在内的整车智能化成为可能。
一切仍处于混乱摸索中，这也许也是好事。
![使用视觉语言模型进行 PDF 检索 [译]](https://blog.vespa.ai/assets/2024-07-15-retrieval-with-vision-language-models-colpali/GRuDx-xXAAAFqBR.jpeg)
近年来，随着大语言模型 (LLM) 的发展，构建检索增强生成 (RAG) 解决方案成为了一个热门话题。RAG 将 LLM 的强大功能与检索模型结合，应用于专有知识数据库。然而，对于开发人员来说，一个主要挑战是将各种文档格式（如 PDF、HTML 等）转换为可供文本模型处理的格式。
Fidelity-Scalability-Controllability-Accessibility （真实度-可扩展性-可控性-可用性）是生成式 AI 领域一个很好的研究方法论。会有更多像AnimateDiff这样的技术推动视频生成的广泛应用。
