人都搞不懂人，还指望机器懂人？科学家都无法预测科技的发展，还指望资本家能预测未来？世界从来没有主宰者，万物皆刍狗！

8、 Morgan Stanley：ChatGPT: What is it? Why it Matters? Is it a Google Threat...and Broader Industry Implications

我一个大专文凭看这个994有游戏七杀网页游戏，是不是太飘了

AI网页设计代码游戏app

就像清华教授钱颖一曾经说的，未来人工智能在知识层面会做的很好，但“大学教育的价值不在于记住很多事实，而是训练大脑会思考。”

但在可以想见的未来，当游戏制作时，把游戏中的每一个人物都设计一个AI模型，那将是AIGC深度开发的巨大潜力与机会，制作出真正沉浸感的新游戏。

当然，当下的AI游戏大多数还是基于文本，所以其互动效果类似ChatGPT，事实上这块能力也是基于OpenAI的语言模型构建的。不同点在于游戏版会更具逻辑性，也能够保留对过去交互的记忆，并且是基于大的故事背景而做出的互动。

AI Dungeon代表了ChatGPT对游戏行业可能的颠覆性。当AI应用于游戏，游戏里的剧情将变得不可预测，而是会根据每个用户的选择，形成无限的可能性。并且游戏里的NPC都可以有各自的“生活”，或是影响游戏结局，从而给玩家带来独特的体验。

AI Dungeon是一个由AI驱动的基于文本的RPG游戏，也可以说是由AI驱动剧情发展的游戏。通过AI应用，用户可以在能想象到的任何场景中，去进行角色扮演编写故事，与其他人物互动。

当然，快速记录信息只是最开始的第一步，Mem如何将信息数据从其他平台快速同步整合到Mem上更为重要。Mem在背后形成了一个知识图谱，由一个个Node（节点）组成，每个节点都是一个Entity，这个Entity可以是一条Mem（笔记），也可以是某个具体的日程活动、一个联系人信息或者是一条任务等等。Mem会通过AI将这些不同节点上的Entity进行分析和连接，比如你在一条笔记中提到了某位朋友推荐的一家餐馆，这两个信息点都会在知识图谱中进行分析和归类，并自动形成关联，当外部条件触发时，这些信息就会自动呈现在用户的面前。

在工作流程上，Mem主打快速记录与内容搜索，围绕搜索和按时间顺序排列的时间线，可以附加主题标签，标记其他用户，并为笔记添加循环提醒信息。

简单来说，Mem像是一种整合个人信息数据的工具，将你的个人邮件、日历活动和笔记信息等自动汇集到一起，并利用AI来自动整合这些信息，并在特定的时间点上给你所需要的。

Mem由华裔工程师Dennis Xu和Kevin Moody共同创办，他们曾表示，Mem与传统记事应用程序的不同之处在于它的“轻量级”。

Mem是一款专注于工作的应用程序，可以利用AI自动组织笔记。Mem也是OpenAI领投的，投资金额为2350万美元，投资后估值为1.1亿美元。

“这就像有一个小机器人坐在你的肩膀上，你们坐在桌子的同一侧，目视同样的东西，当这个机器人可以‘出手’的时候，它会自动为你提供帮助。……最近一项研究的统计数据非常有趣，该研究要求程序员从头开始编写Web服务器代码，程序员在使用Copilot的情况下完成这一任务的速度要比不使用Copilot快50%以上。然后，我们从遥测中得知，在启用这一功能的情况下，在程序员编写新代码的过程中，例如Python 等流行编码语言中，Copilot为程序员编写了多达40%的代码。这是个了不起的成就。”

在底层技术方面，GitHub Copilot就是基于OpenAI的文本生成技术。曾经有GitHub Copilot高管对其描述是：

然后只要用户给出提示，GitHub Copilot就可以根据上下文自动编写完整的函数，或实现完整的功能，包括docstrings、注释、函数名、代码。

GitHub Copilot支持的编程语言包括Python、JavaScript、TypeScript、Java、Ruby和Go。有了GitHub Copilot，软件开发人员可以在编辑器中使用内联注释来获取JavaScript、Python、TypeScript和Ruby等编程语言的代码建议。

GitHub Copilot是微软旗下代码托管平台GitHub推出的AI编程工具，Copilot的主要定位是提供代码补全与建议功能，可根据当前文件的内容和光标位置自动生成代码。

第三是通过AI自动删除语气词或是重复的短句。剪辑过音频的朋友都知道，我们日常说话时其实会有大量的语气词或是重复词，说的时候没感觉，但在听录音的时候非常明显。但这种剪辑很麻烦，需要一点一点去*。如今通过AI自动处理，很方便也令音视频更加专业。另外就是字幕处理，Descript会根据上下文自动调整字幕的停顿断句，也会自动补充各种日常习惯语法。

第二个好用的功能是语音克隆，也就是用户先录好一段声音后，后续只需要写文本就能实现整个录制，AI会用克隆好的声音自动录制出来。也可以选择其模版库里的其它声音模版。当你对文本进行修改，录音也会自动调整。

Descript首先第一个打破的，就是传统编辑器中的时间轴概念，以期在不触及时间轴的情况下完成各种新的操作，可能是对视频中的每个画面利用AI做更多操作，例如删除视频里面的背景，添加新画面等等。

去年11月，Descript宣布了5000万美金的融资，这一轮由OpenAI旗下的OpenAI Startup Fund领投。

这些AI生成的照片风格各异，有动漫效果、科幻色彩、水彩感、或是油画风格等等，一下子形成了病毒式传播。此外，这是一个完全付费的产品，生成的这50/100/200张的价格分别为3.99/5.99/7.99美元。

由此也可以看出Stability AI的野心，它并未聚焦于某个单一场景，而是通过开源来拓展场景，再去寻找具体的商业模式。当然，更大的想象空间，也需要更多的投入，所以Stability AI在种子轮就拿了这么多钱。

Stability AI在训练自己的模型时，也花费了很高的成本。根据Business Insider的报道，Stability AI目前拥有一个，在AWS中运行的由4000多个Nvidia A100 GPU组成的芯片集*，用于训练Stability的各个AI模型，这导致其在运营和云服务方面的支出超过了5000万美元。AI公司在训练方面的确耗资巨大，此前微软对OpenAI的10亿美元投资，其中一半是用云计算等服务折算的。

Stability AI是一项开源技术，用户可以在其代码的基础上构建与设计、电影、增强现实、视频游戏、广告甚至电子商务相关的应用程序。通过这套开源技术，Stability AI的社区已经创造出了几乎涵盖所有媒体内容形态的AI模型，包括图像、语言、音频、视频以及3D内容。

Stability AI也在去年10月宣布完成了1.01亿美金的种子轮融资，估值达10亿美金，Stability AI成立仅2年时间。

这些进步，得益于生成扩散模型和多模态预训练模型等技术的快速发展，在图文生成效果上有了显著进步，让AI可以快速、灵活地生成不同模态的数据内容。

扎哈·哈迪德建筑伦敦工作室的计算研究小组（ZHACODE）设计师Tim Fu，使用Midjourney设计的钢琴家的住宅：

基于这个概念图像进行简单的3D建模后，库拉斯将这些模型的图像反馈给Midjourney，并令其迭代建筑图纸。然后就得到了这个展馆的建筑图纸，虽然还缺乏细节。

建筑师也在使用来寻找灵感。例如芝加哥建筑师斯蒂芬·库拉斯（Stephen Coorlas）使用Midjourney为芝加哥北岸地区设计的露天展馆。

这些问题都可独立，也可搭配在一起，看你想让AI画到什么程度。描述的越多，AI会以自己的理解，按权重优先级进行绘制；而如果描述的少，AI也会根据自己的理解绘画，也许能给出惊喜的创意。

以及《空间歌剧院》，在美国科罗拉多州博览会上获得一等奖，随后其作者Jason Allen才透露，这幅作品是出自Midjourney AI之手。

Podcast.ai所采用的Play.ht，是一个AI文本转换语音生成器，模型覆盖了数千种说话的声音，还可以学习人类的情感、说话语气以及笑声等。从文本语言模型到音频语言模型时，音频数据速率增高是一个大难题，一个句子的几十个字符用音频波形表达，所包含的数值往往多达数十万个。此外，由于文本和音频之间的一对多关系，也即是一个语句可以有不同的说话风格、情感等，这也成为了语音模型研究中需要解决的问题。

在这段20分钟的对话里，乔布斯“死而复生”，与Joe Rogan讨论了关于曾经的大学时光、对计算机的看法、工作状态以及信仰等等。

Podcast.ai的第一期节目引爆全网，Podcast.ai通过乔布斯的传记，和收集网络上关于他的所有录音，用Play.ht的语言模型大量训练，最终生成了一段美国知名播客主持人Joe Rogan采访乔布斯的播客内容。在这期播客里，乔布斯的各种语音、语调都模拟的非常相似。

对于用户来说，只需要输入标题和简单的几句话介绍来描述需求，例如根据内容发布平台的调性，来选择文章的调性。如果有语法错误，还可以通过另一款应用Grammarly来自动修改。

Copy.ai也引入了人工修正，不断训练出更优秀的人工智能模型。Copy.ai的核心目标不是完全取代人工，而是通过AI的建议，将人类创作文案的构思阶段缩短80%，营销人员用自己的创造力来填补剩余的20%。Copy.ai提供了大量的场景模版，几乎涵盖了市场营销需要文案的所有场景。

除了文字内容外，Jasper也推出了AI绘图产品Jasper Art，与其他热门产品类似，也是用户输入图片描述，AI会自动生成图片。当然Jasper 的定位会更偏向市场营销应用设计。

作为 AIGC 圈新贵，Jasper AI已经不是一个陌生的名字。在去年10月，Jasper AI就宣布了以15亿美元估值的A轮融资，而Jasper AI的产品上线也就18个月时间。

现在，已经有一些新老玩家，在使用已经训练好的基础模型，然后再基于这些模型进一步优化，例如GitHub的Copilot功能，以及Notion的协助功能，都是基于OpenAI的相关模型开发而来。随着模型不断被AI应用平台使用，下一步就是训练数据，甚至整个业务逻辑。新老玩家们，未来可能会在一些领域激烈竞争。

而在新玩家中，涌现了一批AI绘画、AI编程、各类自动化工具等等方向的创新项目，类似当年移动互联网，这些新方向也有可能诞生一批优秀的新公司。

4、重构“AI应用”？此外，在Sam Altman所说的应用中间层之上，在AI应用端本身，是否存在一个重构当下App的机遇？是现有玩家往AI转型，还是会涌现新玩家，这个问题也值得持续观察，还未达成市场共识。

3、应用中间层：在大模型的基础上，不同垂直领域会有各自的特殊情况，比如医疗、司法等等领域，这些特定领域的数据本身也是稀缺的。创业公司可以扎根各自的垂直领域，基于特定的数据集+行业knowhow，形成各自的商业化路径，并保护用户数据和隐私。

2、模型层：大公司负责训练基础大模型，这种基础能力可能会逐渐走向开放。一种可能是，最终形成类似iOS 和Android两大阵营，或是类似云计算的格局，一般这种量级的生态圈最终不会容纳太多家，但也不会被一家垄断。目前来看微软（OpenAI拔得头筹）vs谷歌（旗下有Deepmind）已经开战，但巨头的基础模型之间是否会形成差异？以及会形成怎样的差异性？这个问题也值得观察。但无论如何，这将会是继移动互联网之后，下一个史诗级的重大战略窗口，中国公司也需要积极加入战局。

将来承担模型训练角色的应该不会是初创公司，但这些企业可以在上述的中间层角色中发挥巨大价值。我认为中间那一层会创造很多价值。”

他们所做的 1% 的训练，对于应用来说至关重要。我认为，这些创业公司将会非常成功，并且与众不同。可能包括一段时间内存在的 prompt engineering（提示工程）或基础核心模型（core base model）。

创业公司会训练自己的模型，只不过不是从头开始。他们将采用基础模型，这些模型已经经过大量的计算和数据训练三国志张飞传游戏单机版，然后在这些模型之上进行训练，为每个垂类创建模型。

我认为，将来在基础模型和具体AI应用研发之间会有一个中间层：出现一批专门负责调整大型模型以适应具体AI应用需求的初创企业。能做好这一点的初创公司将会非常成功，但这取决于它们能在「数据飞轮」上走多远。

“将来应该会出现几个大型的基础模型，开发人员都将基于这些基础模型研发AI应用。但目前的情况依然是某一家公司开发出一个大型语言模型，然后开放API供他人使用。

对于AI的发展来说，工程的重要性不亚于科学，创建一个迭代反馈的闭环至关重要。这也将是后来者，赶超ChatGPT的重要难点。

以前，小模型的人工智能中，其实包含了若干Agent（类似于执行具体任务的程序），一个专门负责聊天对话、一个专门负责诗词生成、一个专门负责代码生成、一个专门负责营销文案等等，如果想添加新功能，可以去训练新Agent。一旦用户的问题超出了这个范围，人工智能就会变成人工智障。

最近几乎所有大型人工智能的前沿突破，都来自巨头公司，因为他们拥有强大的资金和算力。ChatGPT与上一波人工智能产品苹果Siri、微软小冰的核心不同是，过去都是小模型，而如今是真正的大模型。

每隔一段时间，一项技术就会捕获全世界的想象力。从硅谷、华尔街、中关村、到世界各个角落的办公室和大学教室，人们都在热烈地讨论ChatGPT及人工智能的未来。

我用AI做了一款一刀999的2.5D网页游戏？

实时AI驱动的网页游戏开发

专题： 单机游戏三国草   单机三国曹游戏   单机游戏三国的