# 生成式AI的所有文章

在 HTX 新聞中心流覽與「生成式AI」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

突发，谷歌地球紧急撤回Nano Banana 2生图功能！

谷歌地球紧急撤回了其新集成的AI图像生成功能Nano Banana 2。该功能允许用户直接在谷歌地球界面中，基于真实地理坐标和卫星影像，通过文本提示生成或修改场景图像，实现如历史场景复原、未来城市构想等“言出法随”般的视觉创作。 然而，功能上线后迅速被用户“玩坏”，例如将美国独立纪念馆等历史地标改造成“末日废墟”或加入僵尸等元素，引发了关于误导和历史严肃性的担忧。同时，该功能暂不支持街景视角，且生成结果被部分专业人士批评为缺乏空间严谨性的“AI泔水”。因效果过于逼真及潜在滥用风险，谷歌在专家反对后已紧急撤回该功能，表示将“加强防护措施”后再发布。 技术上，Nano Banana 2采用了“地理空间约束”生成，其输入包含卫星原图、3D地形与相机参数，确保生成内容贴合真实地理数据。它还能调用知识库为地标自动生成信息图。此举被视为谷歌利用其独有的海量地理数据优势，在AI图像赛道开辟“基于真实地理的可视化”新战场，将竞争从“画得好看”提升到“改造地球”的维度。

marsbit前天 03:56

突发，谷歌地球紧急撤回Nano Banana 2生图功能！

marsbit前天 03:56

MARA Holdings首席执行官将人工智能运算保障比作比特币挖矿！哪个更赚钱？

MARA Holdings首席执行官弗雷德·蒂尔（Fred Thiel）表示，人工智能（AI）领域的快速增长正在改变比特币矿企的商业模式，为AI数据中心提供算力支持所带来的利润远超比特币挖矿。他在采访中指出，生成式AI应用的普及导致数据中心能源需求激增，这为拥有强大电力基础设施的矿企创造了新的盈利机会。 蒂尔强调，向AI领域转型并不意味着放弃比特币挖矿。他表示，在电力成本低廉地区运营的矿工仍能保持竞争力，比特币挖矿在利用过剩或闲置电力方面仍具价值。近年来，许多矿企已开始利用其高耗能基础设施，不仅用于挖矿，也转向高性能计算（HPC）和AI应用，以多元化收入来源并增强抵御加密货币市场波动的能力。 分析师认为，AI领域日益增长的能源需求为矿企转型提供了重要机遇。大型数据中心需要高功率、不间断的电力供应，而这正是拥有能源基础设施经验的比特币矿企的核心优势。

cryptonews.ru07/28 06:35

MARA Holdings首席执行官将人工智能运算保障比作比特币挖矿！哪个更赚钱？

cryptonews.ru07/28 06:35

CVPR'26亮点：清华弄了个镜像错觉艺术生成器，支持3D打印

清华大学团队研发的AutoMIA系统，可将任意两张图片自动转化为具有镜像错觉效果的3D艺术品。该系统解决了传统镜像错觉艺术设计依赖专业经验、门槛高的问题。用户只需指定正面与镜中对应的两张图案，AutoMIA便能通过AI优化生成相应的3D模型，并支持直接3D打印成实物。 AutoMIA将任务建模为双视角逆设计，使用体素表示3D物体，并通过可微渲染进行优化。针对优化中出现的表面噪声、背景噪声、内部断裂及形状颜色不平衡等问题，系统引入了四个核心机制：基于投影对齐的连通域剪枝（PAC）去除无效结构；基于位置的加权自适应抑噪（PWA）抑制背景噪声；内部体素保护（IVP）维持结构完整；形状—颜色解耦优化（SCD）分阶段优化以避免冲突。 实验表明，AutoMIA在重建质量上优于基线方法，能生成更平滑、完整且颜色准确的3D物体，同时计算高效。消融实验验证了各模块的必要性。研究不仅展示了数字仿真效果，还通过3D打印制作了实体艺术品，证实了从数字设计到物理实现的可行性。该工作为计算设计、艺术创作及数字制造提供了新思路。

marsbit07/24 07:07

CVPR'26亮点：清华弄了个镜像错觉艺术生成器，支持3D打印

marsbit07/24 07:07

李飞飞最新长文：当视频生成、机器人和 NVIDIA 都自称世界模型，我们需要一个分类法

李飞飞发表文章，针对当前AI领域中“世界模型”一词被广泛滥用的现象提出一个清晰的功能分类法。她指出，尽管视频生成、机器人和NVIDIA等不同领域都自称构建“世界模型”，但它们实际指的是强化学习闭环（POMDP）中三种不同的功能模块。 **分类法如下：** 1. **渲染器**：输出**观测**（如像素），追求视觉保真度，例如Sora、Genie等视频生成模型。其局限在于“好看不等于物理正确”。 2. **模拟器**：输出**状态**，即在几何、物理和动力学层面忠实的世界表征，服务于建筑设计、机器人训练等需要精确模拟的场景。李飞飞认为这是连接渲染和规划的关键枢纽，被严重低估。 3. **规划器**：输出**动作**，根据观测和目标决定智能体（如机器人）应执行的动作，是感知-行动回路的闭环。 **现状与趋势：** * **渲染器**商业化最成熟，但有物理准确性天花板。 * **规划器**最令人兴奋但最不成熟，实验室演示与实际部署存在巨大鸿沟。 * **模拟器**是核心桥梁，掌握了模拟就同时为渲染和规划提供了基础。 当前最重要的趋势是这三类功能的边界正在消融，因为它们共享对世界底层运作（几何、物理、动力学）的同一套理解。例如，World Labs的Marble模型能同时输出用于视觉的高斯泼溅和用于物理模拟的碰撞网格。 逻辑终点是构建一个**统一的世界基础模型**，能根据下游需求在渲染、模拟和规划模式间自由切换。尽管面临数据不均衡、优化目标冲突等挑战，但三者的融合将重新定义机器智能与物理世界的关系，推动空间智能的发展。

链捕手07/05 09:12

李飞飞最新长文：当视频生成、机器人和 NVIDIA 都自称世界模型，我们需要一个分类法

链捕手07/05 09:12

世界模型概念入门：一个从心理学烧到 AI 主战场的故事

世界模型是当前AI领域的热门概念，旨在让机器像人类一样，在行动前通过“脑内沙盘”预演和推演未来。其核心思想可追溯至1943年心理学家Kenneth Craik提出的“心智模型”，以及AI先驱Marvin Minsky的“框架理论”。2018年，David Ha与Jürgen Schmidhuber的论文将这一概念带入深度学习主流。 当前，学界和产业界对世界模型的定义尚未统一。Yann LeCun强调其应理解物理规律，提出JEPA架构；李飞飞则基于POMDP框架，将世界模型分为渲染器、模拟器和规划器三类；清华大学FIB-Lab将其功能归纳为“理解世界”与“预测未来”。OpenAI的Sora、Google DeepMind的Genie 3、英伟达的Cosmos等大厂产品，分别从视频生成、3D交互、物理仿真等角度切入。 技术路线主要分为三类：一是“画画”路线，即生成式视频模型，视觉逼真但物理一致性弱；二是“心算”路线，预测抽象表征，效率高但可解释性差；三是“搭积木”路线，生成精确的三维环境，可控但泛化能力有限。发展趋势是三者融合，并向World Action Model（WAM）演进，实现状态预测与动作生成的联合学习。 产业链已形成基础支撑层、技术平台层和场景应用层三层结构，在自动驾驶、具身智能等领域应用广泛。尽管概念尚未统一，但这反映了技术早期的多元探索，最终目标都是让机器拥有可推演、可泛化的内部世界模型，以实现更安全、高效和通用的智能行为。

marsbit06/29 05:08

世界模型概念入门：一个从心理学烧到 AI 主战场的故事

marsbit06/29 05:08

没有统一名字的战争：国内各家大厂的世界模型版图

世界模型是AI领域的关键方向，但业内尚未有统一命名，常被称为世界基座模型、物理AI或融入自动驾驶大模型等。其核心目标是让机器在行动前，在内部构建可推演、复盘的动态环境，将真实世界压缩为可无限生成和测试的数据引擎，从而减少对真实数据的依赖。 国内各大厂商已积极布局。**互联网巨头**中，阿里推出了面向语言、虚拟和物理世界的三个模型；腾讯侧重3D可编辑世界，服务于游戏和社交；字节跳动依托短视频数据秘密研发；华为、百度则将其作为智能汽车与自动驾驶的底层能力，不单独强调概念。**车企**将世界模型视为“驾校和考场”，用于生成和测试驾驶场景，提升智能驾驶系统能力，如蔚来、理想、小鹏、吉利等均有具体布局。**智驾供应商**如Momenta、地平线、毫末智行等，则将世界模型作为“隐形引擎”，嵌入端到端系统中，以强化仿真训练和闭环验证。 创业公司虽专注灵活，但面临数据、算力和商业化闭环的挑战；而大厂凭借数据、算力和现有业务体系，正将世界模型从研究项目转化为业务底座。竞争正从“能否做出模型”转向“能否实现规模化应用”。世界模型并非短暂风口，而是语言大模型、视频生成、自动驾驶等技术在物理世界交汇的必然升级，成为未来产业基础设施的核心。

marsbit06/25 06:51

没有统一名字的战争：国内各家大厂的世界模型版图

marsbit06/25 06:51

红杉对话黄仁勋：计算模式迎来60年巨变，你不会被AI取代，但会被“善用AI的人”降维打击

来源：红杉资本 编译：Yuliya, PANews 红杉资本合伙人康斯坦丁·布勒与英伟达创始人兼CEO黄仁勋展开对话，探讨计算技术的根本变革。黄仁勋指出，计算模式正经历60年来的巨变：从过去的数据存储与检索，转向实时生成与定制。未来的每个像素、声音、视频都将根据用户上下文实时生成，这催生了“AI工厂”——大规模生产智能的计算设施。 黄仁勋将AI工厂比作新时代的“发电机”，它输入电能，输出数字化的智能（Token）。他预测，未来智能网络将像电网和互联网一样包裹全球，不仅人类使用，还会有上千亿个AI智能体在互联网上协作工作。 针对AI对就业的影响，黄仁勋反驳了“AI取代人类”的恐慌论。他强调，自动化提升的是效率，而非消灭职业。他以放射科医生和软件工程师为例：AI辅助反而扩大了行业规模与人才需求。真正的风险在于，“人们不会因AI失去工作，但可能被善用AI的人取代”。他鼓励所有人积极拥抱AI，将其作为能力升维的工具。 在投资层面，黄仁勋提出“五层蛋糕”模型：能源、芯片与计算设施、基础设施、模型层、应用层。AI生态当前年投入约1万亿美元，未来规模可能达20万亿美元，涵盖能源、硬件、软件及各行业应用，创造大量新机会。 黄仁勋总结，AI是赋予人类超级能力的技术，当前关于失业的叙事多为误导。企业与国家应聚焦AI带来的确定性机遇，加速融入智能时代。

marsbit06/12 02:59

红杉对话黄仁勋：计算模式迎来60年巨变，你不会被AI取代，但会被“善用AI的人”降维打击

marsbit06/12 02:59

a16z AI方向合伙人的八年创业笔记

a16z AI合伙人回顾八年生成式AI创业历程：从2018年创立Rosebud AI，在GPT尚未出现时押注“合成媒体”领域，通过CycleGAN等早期技术探索AI创意工具。在模型不成熟阶段，团队通过设计交互流程放大“将就但好用”的体验，成功推动Tokkingheads等产品实现自然增长。2023年GPT-4的突破使代码生成趋于成熟，推动文字转游戏等功能的实现。作者指出，当前AI竞争重点已从“证明能做什么”转向能力产品化与商业化，并强调创业者需在实验室技术路径外寻找创新空间。如今作者卸任CEO投身a16z，将专注于投资前沿模型栈及基础设施，支持AI领域创业者。

marsbit04/26 12:03

a16z AI方向合伙人的八年创业笔记

marsbit04/26 12:03

AI黑话词典（2026年3月版），建议收藏

《AI黑话词典（2026年3月版》是一份面向AI初学者的实用指南，旨在帮助读者快速理解AI领域的高频术语。文章分为基础词汇和进阶词汇两部分，共收录30个核心概念。 基础词汇包括： - **LLM（大语言模型）**：基于海量数据训练的深度学习模型，擅长处理文本和多模态内容。 - **AI Agent**：能理解目标、调用工具并执行任务的智能系统。 - **多模态**：模型处理文本、图像、音频等多种输入输出的能力。 - **Prompt**：用户与模型交互的指令。 - **生成式AI（AIGC）**：专注于生成文本、代码等内容的AI技术。 - **Token**：模型处理输入输出的基本单位，影响计费和响应速度。 - **上下文窗口**：模型单次处理可考虑的Token总量。 - **记忆**：模型保留用户偏好和历史状态的能力。 - **训练与推理**：模型学习参数的过程及上线后生成输出的阶段。 - **工具调用**：模型调用外部API或数据库的能力。 - **API**：连接AI产品与第三方服务的基础设施。 进阶词汇涵盖： - **Transformer架构**：大语言模型的技术基础，擅长理解上下文关系。 - **注意力机制**：模型重点处理关键信息的核心机制。 - **Agent化工作流**：系统自主拆解任务并执行的智能化流程。 - **子智能体与可复用能力**：Agent分解任务及模块化能力单元。 - **机器幻觉**：模型生成错误或荒谬输出的现象。 - **延迟与护栏**：模型响应时间及安全限制机制。 - **氛围编程**：通过对话让AI直接生成代码的方式。 - **参数与强推理模型**：模型规模衡量标准及复杂任务处理能力。 - **模型上下文协议（MCP）**：模型与外部工具的通用接口标准。 - **微调与蒸馏**：模型适应特定任务及能力压缩技术。 - **RAG与事实对齐**：通过外部数据增强生成答案并确保依据真实。 - **向量嵌入与基准测试**：内容语义化表示及模型能力评估方法。 文章建议收藏，便于随时查阅学习。

marsbit03/11 11:52

AI黑话词典（2026年3月版），建议收藏

marsbit03/11 11:52

活动图片

熱門分類right-arrow

熱門標籤right-arrow

其他right-arrow

市场分析right-arrow