相对于文字，图像信息更能直观地传达复杂的信息和概念，其最大的优势是直观、高效、精准。作为一名数据分析师，画图是我工作中必不可少的一部分。无论是汇报时的ppt展示图、还是做计划时的流程图、亦或是小组讨论时的思维导图……我们无时无刻都在跟图表打交道，也通过图表来完善我们的工作。
2017 年，一篇《Attention Is All You Need》论文成为 AI 发展的一个重要分水岭，其中提出的 Transformer 依然是现今主流语言模型的基础范式。尤其是在基于 Transformer 的语言模型的 Scaling Law 得到实验验证后，AI 领域的发展更是进入了快车道。
上周六，我受邀参加了由 InfoQ 举办的 全球人工智能开发与应用大会（AICon），在北京国际会议中心，做了一场题为《AI 时代如何做独立开发》的分享。
现在再讨论 AI 写作，多少有点没劲：prompt 真的越来越像咒语了，越来越像一些神秘不可洞察的玄学技巧。这导致使用 AI 写东西的过程，不管是写什么类型的文字，过程都跟做法似的：赌指令能不能触发出一些好的生成。同时还得用大量的指令，去掉「AI味」。
罗宾汉大撒币，OpenAI狂摇头 OpenAI还没上市，怎么已经有“山寨股票”先行一步了？ 当地时间7月2日，OpenAI的官方X（前推特）账号发布了一个义正词严的公告： “这些‘OpenAI 代币’并非 OpenAI 股权。我们没有与 Robinhood 合作，没有参与此事，也不为其背书。任何 OpenAI 股权的转让都需要我们的批准——我们从未批准过任何转让。请谨慎操作。”
不要让AI成为「垃圾制造机」。 谁能想到，一个 AI 生成的视频竟然在 ins 上拿下 2.52 亿次浏览量，仅点赞就达到 325.7 万次。
再聪明的机器也不能代替我们生活 从今年年初开始，美国一些专注于报道 AI 的记者们，陆陆续续接到邮件。这些邮件来自不同的人，内容却如出一辙：都是各种惊天大秘密。
你可能没发觉，AI 在很多地方都已经开始「替你创作」了。你最近听的歌、刷到的直播、点开的短片，背后可能并没有真实的「人」。
Jack Clark 是最关注和熟悉中国在芯片、计算和模型上进展的 AI Lab 领导人之一。他毫不吝啬对中国 AI 进展的认可，将 DeepSeek R1 视作“推理模型大范围扩散”的起点，近期又把 HyperHetero 使用的异构集群叫做通过“超级智能进行持续自我训练”的垫脚石。
多图像、长视频、细粒度感知正在让大型视觉语言模型（LVLM）变得越来越聪明，但也越来越“吃不消”：视觉Token数量的激增所带来的推理成本暴涨，正逐渐成为多模态智能扩展的最大算力瓶颈。
