通过引入多头潜在注意力（Multi-head Latent Attention, MLA）技术，在性能和成本上实现了革命性突破，开创高性价比的 AI 新纪元。 智谱的 CogVideoX 系列文生视频模型，成为全球首批开源的文生视频模型之一，不仅在 技术方面让中国视频生成模型列入领先梯队，强化了中国模型在全球范围的竞争力，也为国际开 源生态的发展产生了积极的影响，为全球开发者提供了更多创新和应用的可能。 中国开源模型从最初的 多模态理解：Qwen2-VL、Ovis、InternVL2、DeepSeek JanusFlow、GOT-OCR2_0； 图片生成：PixArt、Lumina、Kolors、Hunyuan-DiT、VAR、Meissonic； 视频生成：AnimateDiff-lightning、Latte、OpenSora、open-sora-plan、Pyramid Flow、 CogVideoX； TTS：GPT-SoVITS、Ch nAI 在 ChatGPT 上一个重要且成功的操作就是把大模型从学术界、工业界直接推向了普通个体，让 C 端用户切 实感受到了大模型的可能性与魅力。这一点被国内的大模型厂商广泛学习。在 B 站刷视频，国 内知名的那几个大模型厂商的广告，你一个也不会落下。 受到大家的认可与喜爱固然重要，但对于 C 端用户，有两个需要时刻牢记的问题：一是 C 端用户是没有忠诚度的，谁免费就用谁，谁给补贴就用谁；二是某一个大模型对

从早期基于规则的专家系统，走向基于学习训练的感知型AI  从基于小参数模型的感知型AI，走向基于大参数模型的认知型AI  从擅长理解的认知型AI，发展到擅长文字生成的生成式AI  从语言生成式AI，发展到可理解和生成声音、图片、视频的多模态AI  从生成式AI，发展到推理型AI 专家系统 感知AI 认知AI 生成式AI 多模态AI 推理式AI 9政企、创业者必读 人工智能发展历程（二）  从单纯对话的大模型AI，发展到具有行动和执行能力的智能体AI 国外：GPT-4等效智能在过去18个月内价格下降240倍  国内：大模型「亏本」卖，可以「白嫖」大模型API能力 19政企、创业者必读 DeepSeek出现之前的十大预判 之七 多模态越来越重要  由文本生成迈向图像、视频、3D内容与世界模拟  多模态模态在能力变强的同时，规模正在变小 20政企、创业者必读 21 DeepSeek出现之前的十大预判 之八 智能体推动大模型快速落地  能够调用各种工具，具有行动能力 写AI发展方向 30政企、创业者必读 DeepSeek在用户体验上实现了三件事  更加理解用户需求，降低Prompt要求  直接呈现思维过程，展现像真人一样思考的能力  可实时联网，把搜索能力与推理能力结合 DeepSeek颠覆式创新——用户体验 具备强大推理能力，思维过程更加缜密，智能性提升 用起来更像真人，写作能力更强，想象力更丰富 31政企、创业者必读 DeepSeek-R1用户体验改善的作用

DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。 Deepseek可以做什么？ 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 营销文案、广告语生成 整合的步骤和方法。 1. 请将[主题]相关的文本描述与数据结合，生成一个全面的分析报告。 2. 请根据[主题]创建一个包含图像和数据可视化的报告，详细描述可视化方法。 3. 请设计一个融合文本、图像、音频或视频元素的多媒体内容，增强内容的丰富 性。 4. 请设计一个互动数据展示方案，使读者可以与数据进行互动，并详细描述设计 步骤。 5. 请将不同媒体形式的内容进行联动展示，例如将文字内容与图像和数据可视化 知识转移技术（KTT）：跨域智慧应用 �KTT的理论基础： KTT基于认知科学中的迁移学习理论和组织学习理论。 提出了以下关键步骤： �KTT实施步骤： 1. 定义问题：明确目标领域需要解决的问题或创新点 2. 寻找源域：搜索可能包含相关知识或方法的其他领域 3. 知识提取：从源域提取关键的知识、技能或方法 4. 相似性分析：分析源域和目标域之间的结构相似性 5. 转移策略设计：制定知识从源域到目标域的转移策略 6

DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。 Deepseek可以做什么？ 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 营销文案、广告语生成 整合的步骤和方法。 1. 请将[主题]相关的文本描述与数据结合，生成一个全面的分析报告。 2. 请根据[主题]创建一个包含图像和数据可视化的报告，详细描述可视化方法。 3. 请设计一个融合文本、图像、音频或视频元素的多媒体内容，增强内容的丰富 性。 4. 请设计一个互动数据展示方案，使读者可以与数据进行互动，并详细描述设计 步骤。 5. 请将不同媒体形式的内容进行联动展示，例如将文字内容与图像和数据可视化 知识转移技术（KTT）：跨域智慧应用 �KTT的理论基础： KTT基于认知科学中的迁移学习理论和组织学习理论。 提出了以下关键步骤： �KTT实施步骤： 1. 定义问题：明确目标领域需要解决的问题或创新点 2. 寻找源域：搜索可能包含相关知识或方法的其他领域 3. 知识提取：从源域提取关键的知识、技能或方法 4. 相似性分析：分析源域和目标域之间的结构相似性 5. 转移策略设计：制定知识从源域到目标域的转移策略 6

. . . . . . . . 8 2.2.6 Midjourney . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3 AI 视频工具 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.1 Sora (OpenAI 公司) . . . . . 40 3 1 AI 大模型基础 1.1 AIGC AIGC 是指使用人工智能模型生成内容的技术。这些内容可以包括图像、音频、 文本、视频、3D 模型等。具体来说，AIGC 技术可以生成如下类型的内容： • 图像：如照片、原创艺术作品 • 音频：如视频游戏中的配音、音乐 • 文本：如代码、广告文案、小说 • 3D 模型：如角色、场景 目前，AIGC 技术处于早期阶段，最常见的产品形态是基于文本的，通过用 工具太多，种类太多，老的还没用，新的就出来，头大得 很！有没有这种感觉？所以，在这一章，梳理主流的 AI 工具，注意不是穷举， 那些不经常用的工具，不浪费文字和耽误时间。 梳理总结六大类 AI 工具，分别包括：问答，图像，视频，AI 编程，AI 提 示词和 AI 大模型，一共梳理挑选共计 38 个 AI 工具，其中很多都是开源！ 2.1 问答 2.1.1 ChatGPT ChatGPT 是一个由 OpenAI 开发的大型语言模型，它基于

李默非（清华大学人工智能学院拟录博士生）：人机共生之基座大模型研究研发 • 何静（清华博士后、北航助理教授）：人机共生之快生引擎研究研发 • 尤可可（清华博士后、北石化助理教授）：人机共生之AIGC短视频 • 安梦瑶（清华大学博士后）：人机共生之AI诊疗研究 • 陶炜（清华大学博士生）：人机共生之AI实时增强技术的探索与实践 • 胡晓李（清华大学博士后）：人机共生之游戏设计 • 余梦珑（清华大学博士后）：人机共生之媒体智能体应用 • 基础模型（V3）：通用模型（2024.12），高效便捷，适用于绝大多数任务，“ ”任务 • 深度思考（R1）：推理模型，复杂推理和深度分析任务，如数理逻辑推理和编程代码，“ ”任务 • 联网搜索：RAG（检索增强生成），知识库更新至 DeepSeek 两种模型对比 操作规范清晰 且对结果有明确要求 操作路径多元、开放， 且对结果没有明确要求 DeepSeek 两种模型对比（5R） 如何使用DeepSeek生成视频？ 一款全流程智能化创作工具，专注于将创意构思快速转化为高品质的视频成片。实时生成多达50个分镜脚本，并智能搭配分镜图、视频及音乐提示词，确保创意风格与 情感统一。软件支持美学意象风格的短片创作，具备角色一致性技术，离线生成样片，同时实现分镜自动成片功能，全面满足从创意策划到视频制作的高效智能化需求 一款基于人机快生理念的AI视频创作系统，从需求提交到成片仅需10分钟，即可输出75分质量的视频。

团队希望使系统概念能为更多人所易于理解，特别是编程新手。 公司 数百家大小规模的公司在生产环境中使用 Rust 完成各种任务，包括命令行工具、Web 服务、 DevOps 工具、嵌入式设备、音视频分析与转码、加密货币、生物信息学、搜索引擎、物联网 （IOT）程序、机器学习，甚至是 Firefox 浏览器的重要部分。 开源开发者 Rust 适合那些希望构建 Rust 编程语言、社区、开发工具和库的开发者。我们非常欢迎你为 能够定义适用 于多种类型的代码。第十一章全面讲述了测试，因为就算 Rust 有安全保证，也需要测试确保 程序逻辑正确。第十二章中将会构建我们自己的 grep 命令行工具的功能子集实现，用于在文 件中搜索文本。为此会用到之前章节讨论的很多概念。 第十三章探索闭包（closure）和迭代器（iterator），这两个 Rust 特性来自函数式编程语言。 第十四章会深入探讨 Cargo 并介绍分享代码 吃饭。当进入时，你说明有几个人，餐馆员工会找到一个够大的空桌子并领你们过 去。如果有人来迟了，他们也可以通过询问来找到你们坐在哪。 入栈比在堆上分配内存要快，因为（入栈时）分配器无需为存储新数据去搜索内存空 间；其位置总是在栈顶。相比之下，在堆上分配内存则需要更多的工作，这是因为分 配器必须首先找到一块足够存放数据的内存空间，并接着做一些记录为下一次分配做 准备。 访问堆上的数据比访问栈上的数

142 7.3 二叉树数组表示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 7.4 二叉搜索树 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 7.5 AVL 树 * . 小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 第 10 章 搜索 205 10.1 二分查找 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 10.6 小结 . . . . .

142 7.3 二叉树数组表示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 7.4 二叉搜索树 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 7.5 AVL 树 * . 小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 第 10 章 搜索 205 10.1 二分查找 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 10.6 小结 . . . . .

141 7.3 二叉树数组表示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146 7.4 二叉搜索树 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 7.5 AVL 树 * . 小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 第 10 章 搜索 207 10.1 二分查找 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 10.5 重识搜索算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 10.6 小结 . . . . .