PixVerse R1实时世界生成模型的技术定位与特点 - 公司推出下一代实时世界生成模型PixVerse R1 能够根据用户输入的Prompt连续、实时地生成并改变视频流剧情 用户可在过程中随时用Prompt修改视频进程 每次输入后约2秒延迟 世界剧情即随之变化 若用户不进行干预 模型可自行无限、连续地生成视觉流 公司将其称为“实时世界生成模型” [2][3] 当前“世界模型”的主流定义与分类 - 行业对“世界模型”的定义较为宽泛 指能够用可持续的内部状态预测世界变化 并可被交互和验证的模型 该术语目前常被用于指代三类方向：视频生成模型、可交互的生成世界、面向机器人和自动驾驶的物理仿真基础模型 [4] - 行业现有的世界模型代表主要分为三个方向：以Google Genie 3为代表的 一次生成后可实时导航的动态视频世界模型 可维持24fps、720p及分钟级一致性 [7][8] 以李飞飞World Labs Marble为代表的 侧重于三维空间重建、生成与模拟的3D类世界模型 其核心在于3D表示和空间一致性 [12][14] 以英伟达Cosmos为代表的 专注于为自动驾驶、机器人等提供高保真物理仿真与合成数据的基础模型平台 [19] PixVerse R1的创新方向与产品体验 - PixVerse R1为世界模型领域补上了第四个方向：实时视频生成 并提供了可实测的Demo版本 [22][23] - 产品体验需邀请码进入 每个实时生成会话限时5分钟 主要原因是实时生成对算力消耗极大 [26][35] - 用户体验反馈极为积极 产品提供了预设模板（如卡通、1944、赛博朋克等）和自定义模式 用户可通过文本或语音输入Prompt实时引导剧情发展 创造了高度互动、充满惊喜和未知乐趣的体验 被形容为一种全新的娱乐形态 [31][40][42][44][45][48][54] 实时世界生成模型预示的行业未来 - 该技术可能重塑未来娱乐内容形态 电影、综艺、游戏等可能不再是固定时长的文件 而是由世界模型驱动的、永远流动的世界时间线 [56] - 未来的内容创作模式可能是：创作者提供一个起点和世界观设定 由世界模型自主演进剧情 观众则通过一句话、一个表情或一次选择来轻微影响剧情走向 最终实现同一宇宙下的不同时间支线体验 [57][58] - 该技术的出现被认为是AI模型发展历史上具有重要意义的一步 代表了新颖且极具未来感的发展方向 [62][64]

Skills的概念与热度 - Skills是AI领域当前的热点概念，其热度在AI圈内已不亚于当年的Prompts [4] - 各种Skills相关的GitHub仓库受到广泛关注，例如一个包含50多个Claude技能的仓库已获得18K星标，另一个名为superpowers的基于Skills的开发工作流程项目也获得18K星标 [2][3] Skills的定义与核心特征 - Skills翻译为“技能”，是给AI Agent（智能体）使用的技能 [4] - 在形式上，Skills是一个文件夹，而不仅仅是文本，其中可以包含Prompt、参考文档、脚本等多种资源，供Agent在需要时加载 [23] - Skills的核心作用是**将流程性知识封装成可复用的能力包**，使Agent能够随需调用并稳定执行任务 [29] - Skills的设计采用了“渐进式披露”原则，即先加载元信息目录，再按需加载详细内容，以优化Token使用并降低认知负荷 [25][28] Skills与Prompt、MCP的区别 - **Prompt**：相当于对Agent（比喻为实习生）的**口头临时指令**，适合一次性、临场、可变的场景，其作用范围仅限于当前对话轮次 [25] - **Skills**：相当于给Agent的**内部SOP手册或知识库**，包含规范、脚本、模板等，可供Agent在需要时自行查阅并复用 [25] - **MCP**：相当于给Agent的**门禁卡**，其功能是让AI应用能够安全地连接和调用外部系统或API，不涉及具体任务执行方法的教导 [29][30] Skills的应用案例与价值 - **AI选题系统**：通过1个主控Agent和3个Skills（热点采集、选题生成、选题审核）实现自动化，将原本需要2-3小时的人工选题流程大幅简化 [4][5][6][7] - **整合包生成器**：通过Skill将复杂的GitHub开源项目（如Manim动画引擎）打包成带有前端界面的一键启动整合包，解决了非技术用户的痛点 [9][13][16][18] - Skills的价值在于**复用**，无论是专业人士封装工作流，还是普通用户固化常用需求，都能显著提升效率，其潜力被市场认为仍被大大低估 [18] Skills的技术规范与创建 - Skills由Anthropic公司于2025年10月在Claude Code上首次推出，并于2025年12月18日作为开放标准发布，从而引爆了生态 [19][21] - 一个标准的Skill文件夹**名称必须使用小写字母和连字符**（例如 `hotspot-collector`） [36] - 每个Skill文件夹中，**`SKILL.md` 是唯一必需的核心文件**，其结构固定为两部分 [37] 1. **YAML头部**：包含 `name` 和 `description` 字段，用于Skill识别 [37] 2. **Markdown主体**：详细的工作流程、输出格式要求和示例 [38] - `description` 字段至关重要，需使用**第三人称**清晰描述Skill的功能和调用时机，并包含触发关键词，同时建议将整个 `SKILL.md` 文件控制在500行以内以保证最佳效果 [38][39] Skills的生态与获取 - 除了Claude Code，OpenCode、Codex、Cursor、Codebuddy等主流编程工具均已兼容Skills标准 [23] - Anthropic官方开源了一个Skills仓库（`https://github.com/anthropics/skills`），提供了大量实用Skills，该仓库已获得**38.3k星标**和**3.5k分叉** [44][45] - 官方仓库中包含了16个示例Skills，涵盖文档处理、前端设计、PDF/Excel操作、Skill创建等多个领域，其中 `skill-creator` 这个Skill本身就可以指导用户创建新的Skills [45][46][47] Skills的安装与使用 - **安装方法一（命令安装）**：在Claude Code或OpenCode中，直接向AI发送包含Skill项目地址的Prompt指令即可完成安装 [49][51][52] - **安装方法二（手动放置）**：将Skill文件夹拖放到指定本地目录 [54] - Claude Code路径：`~/.claude/skills` [55] - OpenCode路径：`~/.config/opencode/skill` (macOS/Linux) 或 `C:\Users\[用户名]\config\opencode\skill` (Windows) [55][56] - 建议将Skills安装在全局目录，以便在所有项目中共用 [56] - 使用Skills时，用户只需通过自然语言对话提出需求，Agent便会自动判断并调用相应的Skill来执行任务 [57]

文章核心观点 - 开源产品组合OpenCode与oh-my-opencode插件能够替代并超越Claude Code，为普通用户开启了轻松使用编程Agent进行Vibe Coding的时代 [2][37][53] - 该组合通过集成多款顶级AI模型并简化安装配置流程，显著降低了编程Agent的使用门槛 [2][40][52] 产品介绍与优势 - OpenCode是一款提供专用客户端的开源编程Agent，支持macOS、Windows和Linux系统，无需使用复杂IDE或命令行即可通过对话界面操作 [3][4] - 社区插件oh-my-opencode极大地增强了OpenCode的功能，内置了分工明确的专家角色Agent，并能并行处理任务，大幅提升生产力和易用性 [35][40][41] - 该产品组合兼容Claude Code的功能，并支持完整的LSP和精选的MCP，功能全面 [42][43] 模型集成与配置 - OpenCode支持调用包括GPT、Gemini、Claude以及GLM Coding Plan在内的几乎所有主流AI模型 [13][14] - 用户可通过订阅ChatGPT Pro/Plus（200美元）和Gemini Ultra（250美元）会员，在OpenCode中授权使用其开发额度，从而调用包括GPT‑5.2‑Codex、Gemini 3 Pro和Claude Opus 4.5在内的顶级模型 [2][16][24][28] - 通过安装opencode-antigravity-auth插件，用户可以使用Google Antigravity IDE的额度来访问Gemini 3 Pro和Claude Opus 4.5模型 [28][29] - 对于无付费订阅的用户，可以使用免费的GLM-4.7或MiniMax 2.1模型来完成大多数普通任务 [16][33][34] 市场动态与竞争 - Anthropic公司（Claude）近期采取了封闭策略，封杀了OpenCode等第三方调用其Claude Code订阅套餐的通道，并封禁了一批用户账号 [16][18] - 作为竞争回应，OpenAI的Codex几乎在几小时后便宣布支持OpenCode，允许ChatGPT订阅套餐直接授权 [19][20] 安装与使用教程 - 安装OpenCode只需从其官网下载对应操作系统的客户端并完成安装 [3][4][6] - 在OpenCode中添加模型时，点击界面左下角的“+”号，选择相应供应商并完成授权即可 [12][21][27] - 安装oh-my-opencode插件只需在OpenCode中新建对话并发送指定的安装Prompt指令，然后根据引导完成配置 [45][46][47][51]

文章核心观点 - 多位中国AI行业领军人物在AGI-NEXT会议上探讨了行业发展趋势，核心观点认为Chat聊天范式竞争已结束，下一阶段竞争焦点转向Action（执行任务）和Agent（智能体）[6] - 行业将出现明显分化，包括To C与To B市场的分化，以及垂直整合与模型应用分层路径的分化[12] - 对下一代技术范式（如自主学习）持乐观态度，并认为2025-2026年可能出现关键信号[21][23][28] - 智能体（Agent）在2026年有望创造显著经济价值，能够处理更长时间跨度的任务[32] - 中国AI公司在未来3-5年有成为全球领先者的机会，但需克服算力、市场环境和文化等挑战[39][40][41][45][46] 行业分化趋势 - **To C与To B市场分化明显**：To C产品（如ChatGPT）对大部分用户而言是搜索引擎的加强版，用户感受变化不大；而To B市场对智能水平高度敏感，智能越高代表生产力越高，用户愿意为最强模型支付溢价（例如200美元/月 vs 50或20美元/月的次优模型）[13][14] - **To B市场呈现“赢家通吃”趋势**：最强的模型与稍弱模型之间的分化会越来越明显，因为用户无法预知次优模型在哪些任务上会出错，需要额外精力监控[15] - **技术路径出现分化**：垂直整合路线（模型与产品强耦合）在To C领域（如ChatGPT、豆包）依然成立；但在To B领域，趋势似乎是模型层与应用层分离，强大的模型被不同的应用用于各种生产力环节[15] 下一代技术范式展望 - **自主学习是热门方向但定义多样**：硅谷已形成共识，但具体指代的任务场景各异，例如聊天个性化、代码环境适应、探索新科学领域等[21] - **自主学习已在发生**：例如ChatGPT利用用户数据优化聊天风格，Claude Code项目95%的代码由Claude自身编写以帮助其变得更好[22] - **范式突破可能发生在2025-2026年**：例如Cursor等公司已开始每几小时用最新用户数据训练模型，被视为早期信号[23] - **学术界与工业界将协同创新**：随着学校算力资源增加（尽管与工业界仍有10倍差距），学术界具备创新基因，将研究工业界未及解决的问题，如智能上界、资源分配、幻觉与资源的平衡（类似经济学中的风险收益平衡）等[18][19][28] - **效率瓶颈驱动创新**：大模型投入巨大但效率不高，继续Scaling的收益递减。未来需要定义“智能效率”，即用更少投入获得同等智能增量，这将成为范式创新的驱动力[29][30] 智能体（Agent）发展战略 - **To B Agent价值明确且处于上升曲线**：其价值与模型智能水平直接正相关，模型越智能，解决任务越多，带来的收益越大[32][33] - **当前瓶颈在于部署与教育**：即使模型停止进步，将现有模型更好部署到各公司也能带来10倍或100倍的收益，对GDP产生5%-10%的影响（目前影响不足1%）。同时，教育用户使用工具至关重要[34] - **Agent进化方向是更长的任务时长与主动性**：期待2026年Agent能处理人类1-2周工作量的任务流。更高级的Agent应具备自主进化和主动思考能力，但这引发了安全问题[25][32][35] - **通用Agent的机会存在于长尾需求**：解决广泛、分散的长尾问题是AI的魅力所在，也是挑战。模型公司凭借算力和数据可能快速解决部分问题，但套壳应用若做得更好也有机会[36][37] - **Agent发展有四个阶段**：从目标与规划皆由人定义，最终发展到目标与规划皆由大模型内生定义[37] 中国AI公司的机遇与挑战 - **成为全球领先者的概率与条件**：有嘉宾认为概率很高，也有嘉宾给出20%的乐观估计[39][47]。关键条件包括：突破算力瓶颈（如光刻机）、发展更成熟的To B市场或参与国际竞争、以及培养更多具有冒险精神和前沿探索意愿的人才[40][41][46] - **中美研究文化差异**：中国团队更倾向于做已被证明可行的、确定性高的事情（如预训练），对刷榜和数字指标看得较重。需要积累文化底蕴，并敢于坚持自己认为正确的方向，而非仅受榜单束缚[43][44] - **算力分配制约创新**：美国公司将大量计算资源投入下一代研究，而中国公司的大量算力被交付任务占据，用于前沿探索的资源相对捉襟见肘[45] - **软硬结合与冒险精神**：存在通过模型与芯片协同设计实现创新的机会。年轻一代（90后、00后）冒险精神增强，营商环境的改善有助于创新[46][49] - **历史借鉴与未来信心**：回顾互联网发展，中国在应用层面实现了赶超。在AI领域，To C应用可能百花齐放，To B解决方案也将跟进，关键在于创造让聪明人敢于冒险的环境并坚持到底[48][49][50]

文章核心观点 - AI绘画技术的兴起对传统绘画行业及创作者社区（绘圈）产生了巨大冲击，引发了关于作品真实性、创作伦理和行业信任的危机 [1][31][38] - 作为应对，行业内自发形成了“AI对赌”机制，通过直播绘画自证、专业鉴定和公众投票等方式，试图在AI时代维护真人创作的纯洁性和市场信任 [11][39][61] - 该机制的核心在于建立规则、专业鉴别和社区监督，旨在保护画师权益、为稿主（客户）维权，并警示创作者避免过度依赖AI而丧失进步动力 [54][58][71] - 尽管面临挑战，但部分创作者坚信通过持续精进技艺、追求超越AI的创造力和情感连接，人类创作者能够实现“生死突围” [79][83][86] AI对赌机制的兴起与运作 - AI对赌是一种由社区发起的画师自证直播，通常涉及画师、鉴方（质疑者）和中间人三方 [19] - 对赌流程为：鉴方提出AI使用质疑并列出证据，双方约定对赌，画师在直播中按命题现场作画并露出手部，观众投票判定，赌注通常为1000元人民币 [4][10][11] - 中间人角色至关重要，负责保管赌注、保持中立、审核鉴方资质并保护画师免受不公对待，是机制得以运行的信任基础 [19][58][61] - 该机制大约于2023年9-10月开始流行，旨在为遭受争议的画师提供维护声誉的渠道，也为感觉受骗的稿主提供维权手段 [39][65][66] AI技术对绘画行业的冲击 - AI绘画工具（如Midjourney, GPT-4o）的模仿能力和细节逼真度飞速进化，其进步速度远超以“年月为单位”进步的人类画师 [31] - AI在行业内形成了“斩杀线”，即其能力水平对中等及以下水平的画师构成直接的替代威胁，迫使画师必须向更高水平精进以寻求安全区 [32][33] - 使用AI辅助或完全生成作品后进行修改，已成为部分画师“心照不宣的秘密”，这加剧了圈内对作品真实性的普遍猜疑 [35][37][38] - AI的“捷径”诱惑可能导致画师画技和审美停滞，甚至无法分辨自身与AI的差距，长远来看将损害其职业发展 [67][68][70] 行业规则完善与专业鉴别的必要性 - 早期AI对赌因规则不完善出现过问题，例如有画师被揭露通过临摹AI图而非原创来通过直播测试，凸显了鉴别需要极高的专业能力 [40][45][47] - 为提升鉴别专业性，有中间人创建了“AI鉴定能力问卷”，在收到超过40000份回答后发现，画师和稿主群体的正确率显著高于普通路人 [52][53] - 基于数据，对赌规则得以优化，例如赋予画师和稿主比围观路人更高的投票权重，以确保判定结果更专业可靠 [54] - 规则也致力于防止对赌演变为对画师的霸凌，中间人需审核鉴方心智与沟通能力，并在直播中维护画师，减轻其压力 [56][58][59][61] 人类创作者的回应与价值主张 - 面对AI，部分顶尖人类画师通过展示其不可替代的创造力、细节把控和情感深度来建立信心，例如画师阮佳的作品曾引发“人类士气大振” [73][76][78] - 真人绘画的价值被部分从业者定位为“人与人之间的交流和信任”，以及将稿主脑海中的世界个性化呈现的能力，这是AI“抽卡跑图”无法企及的 [24][26][29] - 真正的创作者追求的是超越AI工具上限的“100分甚至120分的作品”，其核心动力在于“无限进步”和自我表达 [82][83][84] - AI对赌不仅是一种约束机制，更是一种警醒，提醒创作者不能将未来交由AI决定，而应坚持打磨技艺，在世界上留下属于自己的独特创造 [71][81][86]

公司背景与市场地位 - 公司全称为北京智谱华章科技股份有限公司，成立于2019年6月11日，出身清华系，技术根基源于清华大学计算机系知识工程实验室（KEG Lab）[6][7][8] - 公司是典型的独立基座大模型公司，以GLM大模型为核心，衍生多模态及Agent模型，并向上构建MaaS平台及AI原生应用[17] - 根据沙利文报告，2024年按大模型相关收入计，公司在中国大模型厂商中排名第二，市占率为6.6%，是前五名中唯一的独立大模型公司[17] - 2024年公司大模型相关收入中，机构客户贡献47亿元，个人客户贡献6亿元[17] - 截至2025年上半年，公司服务了超过8000家机构客户，开源模型在全球开发者社区的累计下载量超过4500万[18] 模型发展历程与产品矩阵 - 公司于2020年11月确定GLM技术路线，2021年发布首个百亿参数模型GLM-10B[20] - 2022年发布代码模型CodeGeeX及千亿参数、双语训练的开源模型GLM-130B，后者被视为中国大模型开源生态的重要推动者[23] - 2023年3月开源ChatGLM-6B模型，成为当时少数可在消费级显卡上本地部署的大语言模型，对开发者生态影响深远[23] - 2024年1月发布GLM-4，性能比上一代提升约60%，多模态、长上下文、智能体能力整体逼近GPT-4[24] - 2024年10月发布AutoGLM，成为首个发布手机Agent的公司，并于后续开源，在GitHub上已获得2万Star[24] - 2025年密集迭代发布GLM-4.5、4.6、4.7等模型，其中GLM-4.7成为国内开发者的首选开发模型之一[24] - 2025年最后一周，GLM-4.7在OpenRouter上的单周token处理量约为1220亿，全球排名第12，中国厂商中排名第三[24] - 公司产品矩阵覆盖多模态，包括图像生成模型CogView、视觉理解模型GLM-4.5V、视频生成模型CogVideoX、实时音视频模型GLM-Realtime及端到端语音模型GLM-4-Voice[25] 融资历程与上市情况 - 2021年完成A轮融资，金额过亿，估值约8亿元人民币[30] - 2022年9月完成B轮融资3.63亿元人民币，估值达28亿元[31] - 2023年7月至9月完成多轮融资（B+至B+++++），当年累计融资超25亿元人民币，引入美团、蚂蚁、阿里、腾讯、小米、红杉、高瓴等一线机构[32] - 2024年完成至少两轮大额融资，包括中关村科学城领投（投前估值200亿元）及30亿元人民币注入，年底市场估值约200亿元[32] - 2025年全年完成5轮融资，估值被推至400亿元人民币档位[33] - 2025年4月在北京证监局办理A股辅导备案，后转向港股，于2025年12月19日通过港交所聆讯，2026年1月8日正式挂牌[34][35] - 本次IPO全球发售3741.95万股H股，发行价116.2港元，发行市值约518亿港元，融资金额约43.5亿港元，11家基石投资者认购约29.8亿港元[35] 财务表现与业务构成 - 公司收入快速增长，2022年至2024年收入分别为0.57409亿元、1.245亿元、3.124亿元，三年复合增速约130%[36] - 2025年上半年收入达1.91亿元，同比增长325%，已达2024年全年收入的61%[36] - 收入主要分为本地化部署解决方案和云端部署（MaaS）两部分[38] - 2024年，本地化部署收入2.639亿元，占总收入84.5%；云端部署收入0.4848亿元，占比15.5%[38] - 2025年上半年，本地化部署收入1.6178亿元，占比84.8%；云端部署收入0.291亿元，占比15.2%[39] - 整体毛利率从2022年的54.6%升至2023年的64.6%，2024年回落至56.3%，2025年上半年稳定在50%[42] - 本地化部署毛利率较高，在59%至68%之间波动；云端部署毛利率从2022年的76.1%大幅下滑至2024年的3.4%，2025年上半年为-0.4%[45][46] - 净亏损持续扩大，2022年至2024年净亏损分别为1.44亿元、7.88亿元、29.58亿元，2025年上半年净亏损23.58亿元[52] - 经调整净亏损2022年为0.9872亿元，2024年为25.38亿元，2025年上半年为18.99亿元[53] - 研发费用高企，2022年研发费用0.84亿元，费用率147%；2024年研发费用21.95亿元，费用率703%；2025年上半年研发费用15.94亿元，费用率835%[54] 商业模式与客户生态 - 公司商业模式是以GLM系列为底座，构建MaaS平台，并在此基础上提供B端解决方案和AI原生应用[58] - 当前阶段战略目标是扩大模型调用规模、客户数量和生态渗透率，而非追求短期利润[60] - 客户主要集中在IT服务、云计算、电信运营商、政府和教育等行业，多分布于北上深杭等数字经济集中城市[61] - 互联网客户占比达50%，且复购率超过70%[62] - 具体客户案例包括：某全球领先消费电子厂商（用于移动端AI Agent集成）、金山办公（用于WPS智能化升级）、智联招聘（用于AI招聘助手）、高端智能电动车厂商（用于智能座舱交互）等[63][64][65] - 作为独立厂商，其中立性是其吸引客户的优势之一[66] 行业前景与公司展望 - 沙利文报告预测，以2024年收入计，中国大语言模型市场规模约为53亿元，其中机构客户贡献47亿元，个人客户6亿元[70] - 预计到2030年，该市场规模将增长至1011亿元，复合年增速63.5%，其中企业级市场规模约904亿元[71] - 公司未来战略聚焦于技术、产品、人才三个关键词[74] - 技术上将持续迭代GLM系列至5.x，并优化推理、多模态、Agent能力；产品上将加厚MaaS平台，推动行业解决方案标准化；人才上致力于保留和吸引顶尖人才[75][77][79] - 公司收入目前主要来自中国内地，2025年上半年东南亚收入已占本地化部署收入的11.1%，海外拓展被视为未来增长曲线[84] - 文章作者提供了公司财务预测：预计2025年收入5.79亿元，2026年12.19亿元，2027年21.86亿元[82] - 中信证券研报预测更为积极：预计2025年收入7.38亿元，2026年16亿元，2027年26.8亿元[83]

文章核心观点 - 文章认为与AI进行有效对话的关键在于掌握特定的沟通“心法”或技巧，而非依赖复杂的固定提示词格式 这些心法的核心是将对话转变为与AI的协作，将提问设计为对AI的引导，从而激发AI的潜力以获得更佳答案 [1][65][66][67] 一. 让AI选定角色后再回答 - 为AI设定具体且真实的角色能有效提升回答质量，例如设定为“乔布斯”可能比“10年产品经理”效果更佳 [2][3][4] - 当用户不确定应设定何种角色时，可直接让AI自行选择最适合的领域顶尖专家 文章提供了一个可用的提示词模板，其核心是让AI先选择专家并说明理由，再让用户描述详细问题 [5][6][7][8] - 实践案例：在策划年会活动时，使用此方法让AI选择了活动策划专家Priya Parker，从而使得到的答案更为丰满 [9][10][13][15][16] 二. 给答案前先让AI追问 - 此方法被称为“苏格拉底式追问”，旨在解决用户因提供背景信息不足而导致AI回答质量不佳的问题 通过让AI在回答前主动提问，以获取更多上下文信息 [17][18][19] - 文章分享了一个优化后的提示词模板，要求AI在拥有95%的信心理解用户真实需求后再给出方案 95%的置信门槛被证明能有效平衡质量与效率，避免无尽循环 [20] - 实践案例：在解决业务扩张导致的招聘瓶颈问题时，AI通过追问十几个详细问题后，给出了被认为非常有用的回答 [20][22][23] 三. 与AI辩论 - 此心法旨在对抗AI的“谄媚效应”，即AI倾向于顺应用户观点，从而帮助用户进行更客观的自我判断和观点补全 [24][25][26] - 用户可以通过设定攻击性较强的提示词，要求AI扮演挑战者角色，用尽一切论据来反驳用户的观点，以使理论更完善 [27][28][29] - 实践案例：作者为准备一场分享，与AI（Gemini）就某个观点进行了长达3小时的辩论，并从中学习到很多 [28][32][33] 四. 让AI提前预演失败 - 此方法用于避免人与AI在制定计划时均过于乐观，导致方案难以落地 其核心是在项目开始前，让AI模拟项目失败的情景并分析原因 [34][35][36][37] - 文章提供了一个简单的提示词模板，要求AI回答项目出现衰退信号的时间点、最致命的决策错误、被忽视的核心风险以及若能重来第一个应修改之处 [38] - 实践案例：在策划一个万人规模的AI大会前，作者将方案PDF交给AI进行“预演失败” AI生成了一篇数千字的分析，指出了包括“人流与踩踏风险”、“现金流风险”、“信任风险”等具体风险点，其中对“排队、盒饭、厕所、安检、动线”等细节风险的提示，被认为是作者的认知盲区 [39][40][42][43] 五. 反向提示 - 当用户明确想要的结果但不知如何提问时，可将成品（如文案、图片）提供给AI，让其反向推导出能生成类似风格的提示词 [44][45][46][47][48] - 文章推荐使用一句简单的提示：“这是我想要的成品范例。请你倒推一个提示词，让我用它能稳定生成同风格的内容。并说明这个提示词里每一句的作用。” [49][50][51] - 此方法主要用于学习目的，帮助用户拆解优秀作品的结构与节奏，而非简单复刻 目前适用于文本和图片，但音乐领域尚难实现 [52][53][54][55] 六. 双层解释法 - 此方法用于学习陌生领域或概念 它要求AI提供两个版本的解释：一个极度通俗的初学者版本和一个深度专业的版本，通过对照学习以加深理解 [57][58][59][60][61] - 文章提供了一个简单模板，并特别指出在初学者版本中将对象设定为“洗脚城的大爷”，能获得更生活化、通俗但不幼稚的解释，优于“六年级小学生”的设定 [62] - 通过这种方法，AI能提供相当到位的双重解释，有助于用户从不同层次理解问题 [63]

AI生成内容对内容行业的冲击与用户反应 - 用户对AI生成内容产生普遍厌恶 具体表现为对“不是...而是...”等模板化句式的反感 这种句式因被AI滥用而迅速从有效的写作工具转变为令人反感的陈词滥调[4][6] - AI内容生产本质是从海量语料中总结最稳妥的写作组合 导致输出内容高度同质化 缺乏新意[6] - 当前内容工厂每天可能生产上亿的AI生成文本 其中大量是未经人类修改的粗糙内容 加剧了模板句式的泛滥[8] AI内容泛滥导致的信任危机 - 纽约时报2025年4月的一项针对2000名美国人的调查显示 大多数人认为其消费的网络内容中只有41%是完全准确、基于事实并由真实人类创建的[25][26] - 全球范围内对互联网内容的不信任已达到历史巅峰 且预计未来会继续升高 AI生成内容过多导致真假混杂是主要原因[25][27][28] - 用户反感的核心在于内容“预制”却未被告知 类比于宣称“现炒现做”的餐厅使用预制菜 当用户点开看似用心的真人账号内容却发现是AI模板生成时 会产生被欺骗感[22][23][24] 用户对真实连接的深层需求 - 用户消费内容的本质是为了与另一个意识产生连接 渴望通过信息触摸到屏幕背后活生生的人及其经历、感受与思考[30][31] - AI生成内容被比喻为自动行驶的集装箱 外壳光滑、航线稳定但甲板空无一人 无法提供真实的人际连接感 导致用户产生“关我屁事”的疏离感[35] - 在信息爆炸的时代 用户比以往任何时候都更渴望寻找同类和确认感 AI内容的泛滥正在侵蚀人与人之间的真实连接[36] 历史类比与行业反思 - AI生成的模板化内容被类比为新时代的“八股文” 其特点是格式固定、缺乏创新 与明清时期框死结构、韵律和用词的八股文类似[10][11][12] - 缺乏自身观点、纯靠AI自动化生成的内容 与八股文一样空洞无用 历史上顾炎武曾批评“八股之害等于焚书”[16] - 应对之道在于“逃离一致性” 保持对工业化内容的敏感和厌恶是珍贵的 这体现了人类对“真实”的追求和对被“磨平”的抗拒[39]

文章核心观点 - DeepSeek发布了一篇关于mHC（流形约束超连接）的硬核论文，该技术通过引入“双重随机矩阵约束”机制，在保留超连接（HC）高信息通量优势的同时，解决了其存在的信息爆炸和信号消失等不稳定问题，从而实现了模型训练稳定性、高效性和性能提升的“三者兼得”，为下一代大模型（如传闻中的DeepSeek-V4）奠定了重要技术基础 [1][8][11][14][19][20] 技术演进背景 - **早期神经网络瓶颈**：在深度神经网络中，信息逐层传递时会出现严重失真，即“梯度消失”问题，导致模型无法有效加深 [3] - **残差连接的突破**：何恺明在2015年提出的残差连接（Residual Connection）如同在神经网络大厦中增设了一部“VIP直达电梯”，允许原始信息无损地直达深层，解决了梯度消失问题，是深度学习发展的关键里程碑 [5][6] - **超连接（HC）的兴起与缺陷**：为了处理多模态等海量信息，行业提出了超连接技术，将信息流从单条通道扩展为多条并行通道（如8条），大幅提升了信息通量，但引入了新的不稳定问题：信息在多通道间被反复共振放大导致“信号爆炸”，或责任扩散导致“信号消失”，使得模型训练极易在后期崩溃 [8][10][11] mHC（流形约束超连接）技术原理 - **核心思想**：mHC并未废除HC的多通道架构，而是为其引入了一套严格的数学约束纪律，即“双重随机矩阵约束”，在保证信息自由流动的同时，将其约束在一个能量守恒的“流形”之内 [11][14] - **约束一：信息能量守恒定律**：要求每个信使（信息通道节点）传递出去的信息能量总和必须等于其接收到的信息能量总和，从数学上禁止了信息的无中生有和夸大，根除了“信号爆炸”问题 [11] - **约束二：团队责任绑定定律**：要求一个信息从起点到终点，其总能量必须守恒。这迫使所有信使必须共同确保信息送达，杜绝了因责任扩散导致的“信号消失”问题 [11][12] mHC带来的性能与效益 - **训练稳定性实现质的飞跃**：在HC架构下，信息传递失真最高可达初始值的3000倍，极易导致训练崩溃；而mHC将失真最高值压制到仅1.6倍，稳定性提升了近3个数量级 [16][18][19] - **性能仍有提升**：在27B参数规模的模型测试中，mHC相比基础HC在多项基准测试（如BBH、DROP、MMLU等）上仍有额外提升，部分指标提升约2个百分点 [14][15] - **成本效益分析**：mHC引入了约6.7%的额外训练开销，但这笔开销可被视为一笔高效的“保险”。它几乎消除了因训练崩溃而导致的全额成本（可能高达数千万美元）和数周时间损失的风险，用微小的额外成本换取了极高的训练确定性和成功率 [14][19][20] - **突破“不可能三角”**：mHC通过精巧的数学设计和工程优化，同时实现了训练稳定性、高效性（高信息通量）和更强性能，这在以往被认为是难以兼得的 [20] 对行业与公司的潜在影响 - **技术路径示范**：DeepSeek的mHC论文为行业解决大模型训练，尤其是多模态大模型训练中的稳定性难题，提供了一个创新且有效的技术方案 [1][20] - **奠定下一代模型基础**：该技术被认为是即将到来的DeepSeek-V4模型的技术铺垫，传闻V4将具备多模态输入能力 [1] - **彰显工程与研发实力**：DeepSeek通过此类扎实的研究，持续展示其在AI基础架构层面的强大创新能力和工程优化能力，巩固了其行业技术领导者的形象 [1][20]

年度大模型 - **年度写作大模型为GPT-5.2 Thinking**，该模型在指令遵循、风格迁移和世界知识方面表现极佳，超越了Gemini 2.5 Pro和GPT-4.5 [2] - **年度Coding大模型为Gemini 3.0 Pro**，其超强的前端能力和审美，能够帮助用户快速实现创意灵感 [4][7][8] - **年度绘图大模型为Nano Banana**，该模型掀起了远超GPT-4o的潮流和热度，成为AI绘图领域分水岭级别的模型，并体现了原生多模态的优势 [10][14][15] - **年度音乐大模型为Suno V5**，该模型是2025年AI音乐领域的绝对王者，将领域天花板拉高了数个级别，并在B站等平台引发了大量二创视频的井喷 [16][18] - **年度声音大模型为MiniMax Speech 2.0**，该模型在2025年5月15日发布，首次在多项指标上超越11Labs，实现了逼近真人级别的情感表达 [19][22][23] - **年度视频大模型为Sora2**，该模型以其高度真实和趣味性的生成效果，成为2025年最令人印象深刻和破圈的AI视频模型 [24][26] - **年度大模型为DeepSeek R1**，该模型于2025年1月20日发布并开源，其推理效果媲美当时顶级的闭源模型OpenAI o1，而API价格仅为后者的3.7%，奠定了中国在开源模型领域的领军地位 [27][29][30][31] 年度AI产品与功能 - **年度AI编程产品为Claude Code**，该产品能探索本地代码库上下文、修改文件、运行CLI工具，并支持将工作流封装为自定义Skill [43][45] - **年度AI设计产品为Lovart**，该产品是首个设计类垂直Agent，专为设计场景优化，集成了文字编辑、Touch Edit、Mockup等功能，并经常首发最新的绘图和视频模型 [46][47][48] - **年度AI功能为ChatGPT DeepResearch**，该功能可将查找资料的效率提升百倍千倍，能在10到30分钟内搜索全网数据并生成一篇深度研究报告，质量不亚于研究员工作10小时到1周的成果 [49][50][51] - **年度AI应用为Manus**，该应用作为第一个通用Agent，开启了Agent时代，将Agent概念向前推进了一大步，并于2025年被Meta以数十亿美金的价格收购 [55][60][61][62] - **年度AI硬件为Plaude Note Pro**，该硬件开创了能贴在手机背后的AI硬件新品类，具备录音、实时转录、自动总结会议要点等功能，并以百万销量证明了市场需求的真实性 [65][66][68][72]