原创 日报组 2024-06-17 23:59 北京
日报关键词：Google搜索的AIO鏖战；AI Pin一把好牌打稀烂；?AI应用爆发前夜的3个信号；?AI Agent infra生态地图；?如何获取优秀的创业idea；?GenAI学习路径与资源清单；奇绩春季路演复盘…点击阅读全文
ShowMeAI
专业◎洞察◎清晰◎实用
用知识加速每一次技术进步!
推荐语
Hi！身体微恙，多日不见。恢复更新 ?
从数据来看，大家更喜欢〖拼盘式日报〗对嘛? 那我们就稳定在这个风格叭！
也期待大家与南乔的沟通，帮助 ShowMeAI 保持并不断提升日报的内容品质 ?
以及，本期日报第4条的高清图，已经上传知识星球。星球入口在公众号菜单栏底部~
Google AI Overviews 深陷负面舆论，大G正面主战场进入艰难时刻
5月15日，Google I/O 大会聚焦于生成式AI技术，并尝试将其融入到旗下所有产品中，搜索产品的 AI Overviews 功能就是其中之一。也就是，用户输入问题后，Google 搜索会在顶部展示由AI总结和生成的答案，下方才是传统的网页链接。
5月21日，Google 在 Marketing Live 峰会上宣布，将在 AI Overviews 功能中加入广告。这算是印证了〖AI搜索的营收模式依然是广告〗这一行业共识。
很快，Google〖AI新品发布必有舆论风波〗定律再次生效， AI Overviews 因为生成的答案中包含〖危险的建议 (把不能食用的胶水添加到披萨酱汁里) 〗而遭受了广泛的批评，并迅速登上了国内外科技新闻头条 ?♂️ (咱就是说，这 TM 值得如此大动干戈？
与此同时！大众错过了一些真正有价值的〖负面〗讨论。
简单来说，Google 基于搜索构建了一个内容和商业生态，现在这个庞然大物的底层逻辑开始转向。这带来的麻烦和冲击，比一条不靠谱的〖建议〗要多得多。
用户(部分)：抵制 AI Overviews 的理由很简单，传统搜索结果的第一个链接往往就是自己想要的，AI生成的内容反而浪费自己的时间。网上还出现了很多关闭 AI Overviews 的操作教程。
内容创作者：用户看完 Google AI Overviews 生成的内容后，将不再点击原始链接，这直接拉低了创作者们的流量曝光和创作收入。甚至可能导致垃圾内容泛滥。
企业营销：Google 搜索带来的流量，是很多国外企业网站的主要来源，并围绕此诞生了 SEO 策略。但是 Google 直接生成搜索结果，用户也就丧失了点击企业网站的兴趣。
“Decoder 是科技媒体 The Verge 旗下的播客频道，前段时间邀请 Google CEO 劈柴 (Sundar Pichai) 访谈时，主持人 Nilay Patel 很犀利地提到了 ? 上面这些问题。
但是，都被劈柴哥绕过去了 → https://www.theverge.com/24158374/google-ceo-sundar-pichai-ai-search-gemini-future-of-the-internet-web-openai-decoder-interview
Google 就怂了么？
显然没有！从 BrightEdge 近期观察中可以感受到，Google 搜索在一片骂声中，坚定地推进着AI策略，并且进行了快速迭代。
日报详细解释其中的 3 个结论，感兴趣可以阅读原文 ?
AI Overviews 与传统搜索并不是竞争关系。AIO (AI Overviews) 提供了更多传统搜索之外的信息，而且会执行用户在第一次搜索之后，可能进行的第二、第三、第四次搜索。
不同行业 AIO 显示比例不一致。其中，医疗保健、B2B技术、电子商务、保险等行业在搜索时显示 AIO 的比例要更高。这可能是因为，这些领域的用户在搜索时需要更多的帮助和上下文信息。
特定行业的特定关键词更有可能触发 AIO。例如，B2B 领域输入〖vs〗，娱乐领域输入〖best〗，电子商务领域搜索珠宝/小家电，金融/医疗保健/保险领域搜索一个完整问题时，都更能触发 AIO 出现。
“BrightEdge 原文 → https://www.brightedge.com/blog/10-observations-about-transition-sge-ai-overviews-may-2024
关于 SEO 与 SGE 的讨论 → https://www.kapwing.com/blog/how-does-the-search-generative-experience-sge-change-seo-and-content-marketing
AI Pin从云端跌入深渊，公司创始人如何把一手好牌打稀烂
AI Pin 是一款胸针形式的AI交互设备。发布的演示视频非常酷炫，可以通过激光投射到用户手部实现交互，可以通过语音与用户进行沟通和交互，还配备了摄像头来识别用户面前的物体 ?
但是，产品实际发货后，遭遇了口碑雪崩。主流科技媒体、测评博主和用户门都给出了尖锐的批评，AI Pin 的失败已是定局。
根据外部信息复盘，AI Pin 的失败原因有以下两方面：
工程设计问题：续航时间短、声控反馈慢、麦克风收音效果不好、产品过重，以及最要命的发热 (甚至会让那块皮肤一直有轻微的灼烧感)。6月初，产品团队还邮件告知用户〖立即停止使用电池盒〗，因为设计缺点可能会导致火灾安全隐患。
产品逻辑问题：AI Pin 的激光投影交互，实际体验效果非常糟糕，在阳光下或移动时画面极不稳定，根本无法使用。而且这相当于在当前〖手机〗逻辑上又增加了一层更复杂的交互，产品逻辑就是不成立的。
《纽约时报》在6月初的一篇文章里披露了 AI Pin 糟糕的销售数据：只收到约1万个 AI Pin 订单，不到最初期待的 1/10，之后只会更加糟糕。
“纽约时报的长文 → https://www.nytimes.com/2024/06/06/technology/humane-ai-pin.html
〖脑洞电波〗这期播客把〖AI硬件〗聊得很透彻 → https://www.xiaoyuzhoufm.com/episode/6627cfb6200abebe6ece766c
AI Pin 背后的公司是 Humane AI，创始人 Imran Chaudhri 和 Bethany Bongiorno 来自苹果，组建了一支全明星创业团队，还拿到了 OpenAI 首席执行官 Sam Altman、Salesforce 首席执行官 Marc Benioff 的投资，估值一度高达 10 亿美金。
但是，这一切都随着 AI Pin 的崩盘而摇摇欲坠。
最近看到一些新的内部爆料，发现这家公司的创始人问题很大啊 ?
掩耳盗铃。早在研发阶段，就有软件工程师质疑了电池寿命和功耗的问题，然后他被解雇了… 创始人在随后的公司会议上解释说，这位员工〖因为对 Humane 持负面看法而违反了政策〗… 这一处理导致了更多员工的辞职… (大无语
刚愎自用。员工曾经反复要求，尽早设置〖市场总监〗这个职位，但是直到 AI Pin 发布，这个岗位才真正有人负责…
昏招频出。事已至此，创始人想抽身退出也情有可原。但是！坚持按照最高峰的10亿美元估值进行出售，就真的很难理解了…
负面舆情、庞大的库存、潜在的产品火灾风险、公司运营成本、250人团队的薪资… 留给 Humane AI 的时间不多了。
“内部爆料 → https://arstechnica.com/gadgets/2024/06/report-humane-ai-pin-did-7-million-in-sales-wants-to-sell-for-1-billion
月之暗面 (kimi) 产品负责人最新预言：AI 应用爆发前夜的三个信号
松鹅是国内大模型初创公司〖月之暗面〗的产品负责人，在〖即刻〗和〖小红书〗都很活跃哦！感兴趣可以 Follow 他 ?
前几天松鹅发文，指出当同时出现三个信号的时候，AI爆发就真的来临了，而且预计不会超过五年。
[信号1] 国内下一代大模型的成本，比这代的大模型还要低 80%
模型效果是应用发展最重要的制约因素。国内大模型能力，会限制很多场景的具体落地效果，而且随机性很强，距离成为一款好产品还有很远的路要走。
推理成本也是应用发展的重要制约因素。当前大模型推理成本很高，导致很多应用场景的商业模式不成立：给用户创造的价值，抵不上模型的推理成本。
推理成本的降低核心思路，是在保证效果的前提下减少计算量。因此，推理成本大幅下降，也会带来推理速度的提升。
[信号2] 会有几个 PC /移动互联网的成熟产品，因为加了 AI，营收增长至少 30%
互联网大厂有市场地位、有行业know how、有对AI的共识、有客户关系、有足够好的现金流等等，理应最早收获 AI 带来的价值。
一些大厂产品在这轮AI浪潮〖掉队〗的原因可能有：① 受限于模型的效果和成本；② 场景找错了；③ 商业价值太小。
[信号3] 这几位拿了好几轮融资的、被市场共识的创业者们，浮出水面，在市场上推广自己的产品
一级市场在几位创业者身上快速达成共识：他们都有过移动互联网时代很成功的经历，自己下场创业后迅速获得了大量投资。
他们的最佳策略就是低头闷声做东西，直到能够领先市场上其他人半年到一年的阶段，才会考虑在恰当的时间点露头。
他们浮出水面一般代表着他们真的做出不错的东西了。整个市场会因为这些创业者的出现而暖和起来。
“
GenAI 应用爆发〖脚手架〗：为 AI Agent 构建丰富的基础设施 (infra)
既然 AI / GenAI / AIGC 应用爆发已经成为共识，那么为此做好准备工作就是重要且必要的。
其中，AI Agent (智能体) 就是重要组成部分。开发者们正在基于 AI Agent 快速创建新应用，并逐渐改变了传统 App 的构建模式。
? 下图是 AI Agent 基础设施现状。
可以看到，当前 AI Agent 几乎是完全垂直集成的，能基本满足开发者的实际需求，但是缺乏有效的基础设施管理。
随着应用场景的明确和设计模式的改进，未来几个月的情况将会发生变化。基础设施的底层平台，将具备更好的扩展性和可靠性，生态系统会更加丰富 ? 如下图所示。
认真研究一下这张图，可以看到，未来 AI Agent 将会形成一个丰富的 infra 生态，共同支撑开发者快速构建丰富的应用和服务。
APPS
Agentic Applications
ACTION
Presentation / 演示
Tool Usage / 工具使用
Auth / 认证
Agents as a Service
Browser Infrastructure / 浏览器基础设施
PLANNING AND ORCHESTRATION
Persistence / 持久性
Orchestration / 编排
MEMORY
Personalization / 个性化
Storage / 存储
Context / 上下文
PLATFORM
Agent Hosting / 托管
Framework / 框架
Agent Evaluation / 评估
Developer Tools / 开发者工具
Foundation Model Infrastructure / 底层模型基础设施
“阅读原文 → https://www.madrona.com/the-rise-of-ai-agent-infrastructure
YC 创始人 Paul Graham 经典长文：优秀的创业 idea 从何而来
既然AI应用爆发势不可挡，那想参与其中的我们，如何找到正确的切入方向呢？
ShowMeAI 社群伙伴们最近也在高频讨论〖AI产品及其灵感来源〗。如果你也有同样的需求或者困惑，那么推荐YC (Y Combinator) 创始人 Paul Graham 在2012年发表的一篇长文〖How to Get Startup Ideas〗。
文章写于遥远的 2012 年，指导彼时彼刻的互联网创业可谓高屋建瓴，但对于此时此刻的AI创业/AI产品，可行性是要慎重判断的~ 但我自己在阅读过程中频频感觉被击中 ⚡
没有找到翻译很好的中文版本。强烈建议你阅读原文！真的值得！
[1] Problems
面对自己真实遭遇的问题是创业的坚实起点。这样做不仅确保了你所解决的问题具有现实基础，而且帮助你避免了创业过程中的一个常见陷阱：投入大量时间与资源去解决一个实际上并不存在的问题。
⭐ 许多创业者之所以陷入困境，开发出无人问津的产品，是因为他们从创业的第一步就走错了方向。他们试图构思出一个精妙的创业 idea，就像电视剧编剧为了推动剧情发展，不得不编织一些听起来合情合理的情节。然而，这些 idea 往往在现实世界中并不可行，甚至荒谬可笑。
优秀的创业 idea 并不是轻而易举就能构想出来的。不要在这条错误的道路上浪费宝贵的时间。
[2] Well
创业公司在推出新产品时，必须确保有一定数量的用户迫切需要这款产品。如果不能确保这一点，那说明这个创业 idea 还不够好。
⭐ 最开始的时候，创业者需要在产品特性上做出权衡：是满足大多数人的小需求，还是满足少数人的强烈需求。后者通常是好创业 idea 的来源。
当然，随着时间推移，创业公司的影响范围会逐步扩大，能够满足更多人的需求。
[3] Self
⭐ 如何判断一个 idea 的发展潜力？如何辨别一个 idea 是能孕育出一家大型公司，还是只能成为一款小众产品？答案是无法判断。
⭐ 角度1：当一个领域正在快速变化而你恰好身处前沿时，要相信自己的直觉：认为某件事值得去做，就勇敢开始。如果你不在前沿，那么想办法去到达那里。
⭐ 角度2：罗伯特·皮尔西格在《禅与摩托车维修艺术》中写道：“想知道如何画一幅完美的画吗？很简单。先让自己变得完美，然后自然地去画。”创业同理，先成为典型用户，再让 idea 自然发生。但是你要有心理准备，这可能需要一年而不是一个周末。
⭐ 学编程吧。
[4] Noticing
最开始的时候，不要关注〖这个 idea 未来能做多大〗，得失心太重会让思考和动作变形，以至于丢掉好 idea 甚至捡起坏 idea。
角度1：创造一件让人们在未来感叹〖XX没出现之前，过的那叫什么日子〗的好东西。这需要你打破一些〖理所当然〗。
角度2：当某件事让你特别恼火的时候，你其实已经生活在未来了。因为你注意到了重要却被忽略掉的需求。
先让自己生活在未来，然后观察和建造缺失的东西，这个过程既要保持放松，又要保持敏锐，还要有耐心。直到，你注意到了未来世界存在的缺口，然后让产品和公司从中生长出来。
[5] School
写给大学生：学习计算机和编程，学习交叉学科的知识，去相关或不相关的公司实习，为未来储备能量。
不要在学校里花时间精力去搞所谓的〖创业〗。在岸边永远学不会游泳，学习游泳最好的方式就是下水，但〖下水〗的机会在你毕业之后多的是。
可以尝试与其他同学合作做点东西，在这个过程中结实同样努力的人，但不要抱着〖创办一家公司〗的念头。
[6] Competition
⭐ 创业者常担心自己的 idea 已经被人捷足先登，但这种担忧其实没有必要。一个好的创业 idea 通常意味着它值得去追求，即使市场上已有竞争者也不要轻易放弃 idea，除非已有竞争者具备完全锁定用户的能力。
⭐ 创业者应该专注于用户需求，而不是过分关注竞争对手。如果产品或服务能够解决用户的实际问题，即使在竞争激烈的市场中，也能找到自己的立足点。
⭐ 没有经验的创始人，通常会过分地高估竞争对手。但你其实完全不必担心〖进入一个拥挤的市场〗。拥挤的市场实际上是一个好兆头，因为它意味着既有需求，现有的解决方案又不够好。
任何成功的创业公司要么进入一个有竞争对手的市场，手握秘密武器可以获得所有用户 (像Google) ，要么进入一个看起来小但最终会变大的市场 (像Microsoft) 。
[7] Filters
如果你已经有了一个创业 idea，接下来不要选择性逃避那些不性感的、繁琐的工作。因为低垂的果实已经被摘完了。
创业者一旦将目光和思维打开，就会发现，那些繁琐或不性感的领域，有很多宝贵的创业机会。
[8] Recipes
如果你正在经营一家公司，且之前的 idea 被验证不 work，急需一个新的 idea，也是有一些策略技巧的。但从经验上来看，使用上面提到的〖自然产生策略〗更容易成功。
⭐ 很多成功的创始人自然产生的灵光一闪，让他们对一些看似疯狂的idea有着无比坚定的信心，直至取得成功。但如果你是被迫要〖快速找到〗一个创业 idea，最大的危险就是，你也这样疯狂和确信了。
⭐ 角度1：先看看自己拥有专业知识的领域。因为最起码可以判断 idea 的质量。
⭐ 角度2：寻找 idea 的起点应该是你自己需要的东西。例如你可以想想，之前工作中自己是否说过〖为什么没有人制造 XX？如果有人制造XX，我会立刻付费！〗
⭐ 角度3：寻找自己的与众不同之处。如果自己的与众不同之处，会是未来人们的变化方向，那就再好不过了！
⭐ 角度4：公司转型过程中，有哪些新的思考和努力？这个努力的方向，很可能也是不错的 idea。
⭐ 角度5：年轻就有希望！一些最有价值的新 idea 首先在十几岁和二十几岁的年轻人中扎根。
⭐ 角度6：满足别人的需求。其实，有些人不能确切地描述出自己需要什么，这时你需要让自己也成为典型用户，然后找到问题的根源。
⭐ 角度7：做一些不性感但人们愿意为之付费的东西。
⭐ 角度8：寻找那些正在消亡或即将消亡的公司，并试图想象，在未来什么样的公司会从它们的衰落中获利。往往，具有想象力和预见性的创业公司，能接管破产的大公司和行业留下的生态位。
⭐ 角度9：创业公司吞噬现有企业时，从服务一些很小但很重要的市场开始。这些动作经常被傲慢的大玩家们忽视，从而给创业公司留下苟住的机会。
[9] Organic
上面提到的几个角度，其实是在模仿自然 idea 的发生过程。但我们要知道，〖寻找〗永远是获取创业 idea 的备选策略。
⭐ 当你正处在一个快速变化领域的最前沿时，你不需要刻意去寻找趋势，因为你自己就在创造趋势。
好的创业 idea 出现，需要天时地利人和，所以需要时间。
“强烈推荐阅读原文 → https://www.paulgraham.com/startupideas.html#f11n
Generative AI Handbook：生成式人工智能的学习路径与资源清单
这份〖Generative AI Handbook: A Roadmap for Learning Resources〗资源手册，超特别！！
作者 @William Brown 是哥伦比亚大学的机器学习博士，把分散在全网各个角落的高质量资源聚拢在一起，梳理出了一套清晰的 GenAI 学习路径，并且还宣布会保持更新！！
让我们高喊一声！赛博菩萨！
以 Chapter 2 为例，作者详细介绍了〖统计预测和监督学习〗部分需要掌握的概念清单，并且以超链接的方式，给出了视频、notes、博客、推文等非常丰富的学习资源。
相信你也感受到了，这个资源手册面向具有技术背景、对AI感兴趣、有潜在职业发展需求的人群。需要你首先具备一定的编程经验和高中水平的数学知识 ?
以下是学习路径大纲，如果感兴趣可以学起来啦！！
引言
初步知识
Section I. 序列预测的基础
统计预测与监督学习
时间序列分析
在线学习与 Regret 最小化
强化学习
马尔可夫模型
Section II. 神经序列预测
使用神经网络进行统计预测
循环神经网络 (RNN)
长短期记忆网络 (LSTM) 和门控循环单元 (GRU)
嵌入 (Embeddings) 与主题建模
编码器 (Encoders) 和解码器 (Decoders)
Decoder-Only Transformers
Section III. 现代语言建模的基础
分词 (Tokenization)
位置编码 (Positional Encoding)
预训练配方 (Pretraining Recipes)
分布式训练和全维度并行数据流处理 (FSDP)
扩展法则 (Scaling Laws)
混合专家模型 (Mixture-of-Experts)
Section IV. LLMs微调方法
指导微调 (Instruct Fine-Tuning)
低秩适配器 (LoRA)
奖励模型与强化人类偏好反馈 (RLHF)
直接偏好优化方法 (Direct Preference Optimization Methods)
上下文扩展 (Context Scaling)
蒸馏与合并 (Distillation and Merging)
Section V. LLMs评估与应用
基准测试 (Benchmarking)
采样与结构化输出 (Sampling and Structured Outputs)
提示技术 (Prompting Techniques)
向量数据库与重排 (Vector Databases and Reranking)
检索增强型生成 (Retrieval-Augmented Generation)
工具使用与"智能体" (Tool Use and "Agents")
LLMs在合成数据中的应用 (LLMs for Synthetic Data)
表示学习 (Representation Engineering)
机制解释性 (Mechanistic Interpretability)
线性表示假设 (Linear Representation Hypotheses)
Section VI. 高效推理的性能优化
参数量化 (Parameter Quantization)
推测性解码 (Speculative Decoding)
FlashAttention
键值缓存与分页注意力 (Key-Value Caching and Paged Attention)
CPU卸载 (CPU Offloading)
Section VII. Sub-Quadratic 上下文扩展
滑动窗口注意力 (Sliding Window Attention)
环形注意力 (Ring Attention)
线性注意力 (RWKV)
结构化状态空间模型 (Structured State Space Models)
超级注意力 (HyperAttention)
Section VIII. 超出序列的生成式建模
分布建模 (Distribution Modeling)
变分自编码器 (Variational Auto-Encoders)
生成对抗网络 (Generative Adversarial Nets)
条件生成对抗网络 (Conditional GANs)
归一化流 (Normalizing Flows)
扩散模型 (Diffusion Models)
Section IX. 多模态模型
超出文本的分词 (Tokenization Beyond Text)
向量量化自编码器 (VQ-VAE)
视觉变换器 (Vision Transformers)
“手册链接 → https://genai-handbook.github.io
奇绩创坛 2024 春季创业营路演日， 53 个创业项目，81% 大模型相关
6 月 6 号，奇绩创坛春季路演，共有53 家创企参加。
两周过去了，今年社交媒体上对这场路演的讨论不多，与去年的火热激烈明显不同 ?
不过，怎么说也是国内AI创投圈的大事，伙伴们还是要入选公司保持关注哇~
趋势一
上图是奇绩官方发布的数据统计：8 家具身智能主题公司，11 家机器人主题公司，9 家科研驱动公司，11 家出海主题公司，10 家空间计算主题公司，21 家多模态主题公司。
模型层公司多于应用层公司 (这有点意外)；前沿信号越来越强；申请质量越来越高 (录取率低于 1%)。
趋势二
申请人越来越年轻，几乎没有草根创业者
创始人平均年龄 28.7 岁，70.5% 硕士及以上学历，53.6% 有海外工作及教育背景，国内985名校毕业是底线，大厂经验是加分项。
“
THE END
转载原创文章请添加微信 AhaNanQiao
↓ 分享·收藏·在看·点赞
