在生成式模型的迅速发展中，Image Tokenization 扮演着一个很重要的角色，例如Diffusion依赖的VAE或者是Transformer依赖的VQGAN。这些Tokenizers会将图像编码至一个更为紧凑的隐空间（latent space），使得生成高分辨率图像更有效率。
当前主流的视觉语言模型（VLM）主要基于大语言模型（LLM）进一步微调。因此需要通过各种方式将图像映射到 LLM 的嵌入空间，然后使用自回归方式根据图像 token 预测答案。
第一款产品——小黄蕉，来自咱们的老朋友字节跳动。 据了解，该商标注册主体与番茄小说是同一个，小黄蕉项目由徐旸带队。 很难想象字节除了豆包，又在内测这样一款 AI 虚拟陪伴产品，还取了这么个“可爱”的名字。
端午佳节，有的地方高考已经结束，有的考生还奋战在考场上。
大模型开始“普世化”了，不必理解技术，在不知不觉中就能用得不亦乐乎。
字节的豆包，悄悄成了国内用户最多的原生 AI 应用。
我是万万没想到，现在的AI内容生态，居然也活成了一种“赛博投喂”的无限循环。
腾讯终于也发布了to C的AI大模型APP——元宝，至此国内的四家大厂的AI大模型APP总算是集齐了。
腾讯大模型“憋了一年”，终于开始放大招了。
国内的AI厂商活得不大好……
