搞 AI 大模型，实在太烧钱了。我们知道，如今的生成式 AI 有很大一部分是资本游戏，科技巨头利用自身强大的算力和数据占据领先位置，并正在使用先进 GPU 的并行算力将其推广落地。这么做的代价是什么？最近《华尔街日报》一篇有关明星创业公司的报道里给出了答案：投入是产出的 17 倍。
过去一年，AI大模型技术飞速发展，如何用好大模型实现降本增效、推动业务增长，成为了企业真正关心的问题。据Gartner预测，2026年，将有超过80%企业会使用生成式AI的API或模型，或在生产环境中部署支持生成式AI的应用，产业发展迎来巨大的机遇与挑战。
在生成式人工智能（Generative AI）的信息技术跃迁背景下，如何看待知乎当下和未来，有三个基本的视角：
中美AI投资和创业，有很大不同。
扩散模型凭借其在图像生成方面的出色表现，开启了生成式模型的新纪元。诸如 Stable Diffusion，DALLE，Imagen，SORA 等大模型如雨后春笋般涌现，进一步丰富了生成式 AI 的应用前景。然而，当前的扩散模型在理论上并非完美，鲜有研究关注到采样时间端点处未定义的奇点问题。此外，奇点问题在应用中导致的平均灰度等影响生成图像质量的问题也一直未得到解决。
2022年底，OpenAI（美国人工智能研究公司）发布的大模型ChatGPT（对话生成式预训练大模型）引发了广泛关注。在“大模型+大数据+大算力”的加持下，ChatGPT能够通过自然语言交互完成多种任务，具备了多场景、多用 途、跨学科的任务处理能力。
蛋白质设计，充满无限可能。蛋白质设计领域又迎来了一项里程碑式的时刻——“上帝之手”、华盛顿大学生物化学教授 David Baker 团队及其合作者，首次利用生成式人工智能（AI）技术从零开始设计出了一种新型抗体，将抗体疗法推向了一个全新的高度。
生成式 AI 的明星创业公司 Stability AI，现在是风雨飘摇的状态。周六上午，Stability AI 突然发布一项公告，宣布公司 CEO Emad Mostaque 辞职。
具身基础模型突破2D，全新生成式视觉-语言-行动模型3D-VLA，在多项任务中显著提高了推理、多模态生成和规划的能力。
SOTA 语音合成效果。文本到语音合成（Text to Speech，TTS）作为生成式人工智能（Generative AI 或 AIGC）的重要课题，在近年来取得了飞速发展。在大模型（LLM）时代下，语音合成技术能够扩展大模型的语音交互能力，更是受到了广泛的关注。
