用户量 ≠ 变现能力，AI 应用商业模式逐渐成熟。MAU 和收入最高的 50 款移动 AI 应用仅 40% 交叉，部分低用户量应用反而变现能力更强。语言学习、植物识别、音乐工具等小众垂类 AI 应用，凭借精准需求吸引愿意付费的用户群体。
角色扮演 AI（Role-Playing Language Agents，RPLAs）作为大语言模型（LLM）的重要应用，近年来获得了广泛关注。
长文本任务是当下大模型研究的重点之一。在实际场景和应用中，普遍存在大量长序列（文本、语音、视频等），有些甚至长达百万级 tokens。
在深度学习的多个应用场景中，联合优化多个损失项是一个普遍的问题。典型的例子包括物理信息神经网络（Physics-Informed Neural Networks, PINNs）、多任务学习（Multi-Task Learning, MTL）和连续学习（Continual Learning, CL）。然而，不同损失项的梯度方向往往相互冲突，导致优化过程陷入局部最优甚至训练失败。
端侧设备落地是今年最值得期待的行业故事。
一觉醒来，AI 应用变天了。
和DeepSeek等从大模型开始构建底层能力的AI公司不同，Manus AI是一家从day 1就只做AI应用的创业公司。
该是产品经理发力的时候
一句话提示，Claude自动化打开Blender将2D图片转为3D建模。背后关键还是最近大火的MCP（Model Context Protocol）——复刻Manus的重要诀窍。将这套协议和Blender打通，即可获得如上效果。该开源项目BlenderMCP，上线短短3天，GitHub标星已达3.8k。
给大模型落地，加入极致的务实主义。
