▲ 本图由AI生成
酷家乐、三维家、东易日盛等已出手，装饰装修产业链大举引入AIGC
生成式AI在装饰装修领域有哪些应用？对设计师有啥影响？一文看懂
告别各种设计软件一句话生成效果图，生成式AI正颠覆装饰装修领域
使用人工智能增强能力提升设计效率，生成式AI变革装饰装修行业
生成式AI对装饰装修行业有哪些影响？未来发展趋势如何？一文看懂
LLM变革装饰装修，这28款流行生成式AI装修设计工具值得上手体验
文/王吉伟
在装饰装修领域，最近与AIGC关联的消息着实不少。
Collov推出了生成式AI驱动的设计工具CollovGPT 0.2，用户能够尝试各种设计风格和一站式家具购买解决方案。
Planner 5D也推出了一个基于Stable Diffusion的设计工具Design Generator，只需上传图片就能快速生成定制的室内设计渲染图。
有了国外厂商的领衔，在AIGC席卷各行各业的趋势下，国内相关厂商也发布了生成式AI产品或者战略。
酷家乐成立了AIGC实验室，三维家战略合作无界AI，尚品宅配发布了基于多模态大模型的AIGC技术，东易日盛一口气发布了三款新范式AIGC家装工具。
除此之外，还出现了面向装饰装修的神采等装饰设计类生成式AI应用，而无界AI、晨羽AI等文生图应用本身也能生成装饰效果图。
有没有发现，好像所有装饰装修产业链上厂商都可以发布AIGC类设计工具，所有AI绘图类工具都能生成装饰效果图。
而只要感兴趣，不管你有没有学过AutoCAD或者3DMAX等软件，只要会打字，就能用这些AI绘图工具轻松得到需要的装饰效果图。
似乎一夜之间，在效果图制作这件事上，没有设计师什么事了。
一个简单的逻辑在于，如果所有人都能自己生成装修效果图，如果装饰公司都在用生成式AI生成装饰装修图，还需要那么多设计师吗？
于是，一大波焦虑侵扰了国内300万室内设计师大军。对待生成式AI设计工具的态度，有的设计师并不care，他们认为AI不可能完全替代人类。
之前游戏圈某原画师大佬也有类似观点，立下FLAG认为AI不会取代有灵魂的设计师，最后以下岗黯然收场。
当然这可能是个段子，但它还是以夸张的手法展现了原画设计师的生存现状。
原画设计师已然如此，室内装饰设计师又会怎样？
所以，还有一部分设计师在焦虑和担忧之中，先一步接触了生成式AI。他们开始用生成式AI工具辅助设计制图，优化工作流，提高工作效率。
于是，现在大家能看到抖音、小红书、B站等视频平台上的很多设计师博主，都开始免费帮助粉丝设计装修图，或者教大家怎么用AI工具设计装修图。
生成式AI已经深度影响装饰装修，并且使用它可以极大的提升设计效率。这意味着越早接触和使用它，越能享受它所带来的各种高效便捷，乃至能够分享到一些红利。
那么，生成式AI到底对装饰装修行业有哪些影响？生成式AI在装饰装修领域有哪些应用场景？未来的发展趋势如何？会不会彻底取代人类设计师？
本文，王吉伟频道就跟大家聊聊这些。
当装饰装修遇到生成式AI
现在在任何视频平台，只要输入AIGC、装修这两个关键词，就能找到大量用生成式AI软件应用制作装饰装修图的软件介绍、使用教学以及效果图展示等视频。
尤其是在小红书、抖音等平台，输入“家装设计+AIGC”，可以搜出海量由AIGC设计的家装美图。并且，还有很多设计师博主可以低成本为用户作图，有的甚至免费提供家装设计方案。你只需要提供一张实景图+风格需求，他们就能在几分钟内提供多个效果图。
既然是主打AIGC制作装修图，在这背后当然是用生成式AI软件来生成各种图。
AIGC这股风刮起来之后，装饰装修领域就开始积极尝试用各种软件生成装饰装修图。目前而言，主流AI绘图软件比如Midjourney、Stable Diffusion（SD）等，已经都能够轻松生成装饰效果图。
同时还有很多基于ChatGPT、Midjourney、SD等大语言模型的面向装饰装修的生成式AI应用也在雨后春笋般的出现。
现在要做一张室内装饰效果图，只需要把特定区域选出来，输入风格、形状等提示词，AI绘画一键绘制多张图，然后挑选出与整家风格一致的就可以了。
大语言模型的出现，让没有半点设计经验的人通过自然语言描述，几句话就能生成想要的装修图，不再需要学习和使用复杂的从平面到3D各类设计软件，极大地提升了装饰装修图的出图效率，这在以前是从未出现过的。
生成式AI是一种利用机器学习和深度学习技术，根据给定的数据或条件，自动生成新的内容或样本的人工智能方法。在室内装修设计领域，生成式AI可以帮助设计师和用户实现更高效、更智能、更个性化的设计方案和体验。
相对于传统室内装修设计方法，生成式AI可以做到以下几点：
根据用户的需求、喜好和预算，自动提供多种风格和布局的设计方案，让用户快速选择和比较，节省时间和成本。还可以根据用户的反馈，实时调整和优化设计方案，提高用户的满意度。
利用虚拟现实和增强现实技术，让用户可以在数字化的环境中预览和体验设计效果，增强沉浸感和真实感。用户可以在虚拟空间中自由移动、观察和交互，感受不同的光线、色彩、材质和家具的效果，提高设计的可视化和沟通效果。
通过分析大量的数据和案例，学习和发现室内装修设计中的规律和模式，提供更加智能化和创新的设计建议。还能结合智能家居系统，实现更加智能化和便捷的室内控制和管理，如智能灯光调节、智能窗帘控制等，为用户提供更加舒适和安全的室内环境。
总体而言，生成式AI可以有效提高设计的效率和质量，并且能够带来更加智能化和个性化的设计体验。
装饰装修产业链的AIGC尝试
前有Midjourney、SD，后有ChatGPT、AutoGPT。AIGC的飓风刮到装饰装修领域后，几乎所有对技术保持关注以及敏感的企业都迅速行动起来，探索现有生成式AI对装饰行业的影响，并将这项技术引入到自有技术架构中，打造全新的生成式设计软件及工具。
ChatGPT上线于去年11月，到现在半年多的时间里，从海外到国内都出现了越来越多的装饰设计类生成式AI应用，并且功能越发完善。
在线设计解决方案提供商Collov推出了生成式AI驱动的设计工具CollovGPT 0.2，用户能够尝试各种设计风格和一站式家具购买解决方案。该工具基于Stable Diffusion（稳定扩散）和GNN（图形神经网络）技术，为用户提供无缝的用户体验，在几秒钟内最大限度地节省渲染时间，并为用户提供高质量的设计过程。
电子设计业务平台Planner 5D推出了一个名为Design Generator的生成式AI工具，该工具基于用稳定扩散AI模型和Planner 5D算法的组合，用户上传的图片就能快速生成定制的室内设计渲染图。
加拿大短期租赁物业公司Fülhaus，已在其家具和装饰订购平台中发布了生成式AI室内设计师Ludwig，可以解析Fülhaus市场中的数百万件物品，使用灵感图像即可在几秒钟内设计整个房间或单元。
房地产行业服务商Realtor.com发布了生成式房屋建造工具AI Dream Home，用户只需要输入想要房子的提示，就能在几秒钟内生成想要的房屋图像，同时会在Realtor.com会在数十万房源对用户需要风格的房屋进行匹配。
除了这些，国外还出现了Interior AI、GetFloorPlan、Craftle等多款应用。
国内的装饰装修领域，也有很多企业动作频频，同时发布了相关的生成式AI应用。
酷家乐成立了AIGC实验室，研究包括家居家装、商业空间、地产建筑等全空间领域的AI设计生成，并于近期发布了模袋云AI建筑创作。
三维家也是如此，他们从2018年就引入了AI技术来赋能家居家装设计，积累了丰富的经验和数据，目前也推出了多个AI相关的应用。近期，他们与无界AI 达成战略合作，要通过无界 AI 的算法技术，辅助当前的家装设计流程，打造全新的行业业态。
最近尚品宅配也发布了基于多模态大模型的AIGC技术，诠释了尚品宅配产品服务与AIGC高度融合，打造AI驱动的家居家装产品和SaaS的战略部署和业务实践。
在前几天的“家装新范式—AIGC·智变”发布会上，东易日盛发布了三款新范式家装工具。这些工具包括AI家装创意大师、真家AIGC和AI小白设计家。其中，AI家装创意大师是灵感生成器，真家AIGC实现了AI创意落地，小白设计家则可以实现引流获客。
事实上，对AIGC感兴趣的用户，早已经能够用Midjourney、SD等生成装饰效果图，也有很多创业团队基于相应模型做出了无界AI、晨羽AI、海艺等应用，还有垂直面向装饰装修的神采、事半等应用，都已经能够生成不错的装饰图。
生成式AI在装饰装修领域的应用
生成式AI对室内装修设计的好处，可以简单概括为以下三点。
首先，节省时间和成本。生成式AI可以在短时间内，为用户提供多种风格和功能的室内装修设计方案，让用户快速选择和比较，避免了传统的人工设计过程中的沟通和修改的时间和成本。
其次，提高个性化和创新性。生成式AI可以根据用户的个人信息，如年龄、性别、职业、兴趣等，以及用户的输入条件，如房屋面积、户型、预算等，生成符合用户需求和喜好的室内装修设计方案，增加了个性化和创新性。
第三，优化空间和功能。生成式AI可以利用大数据分析，结合室内设计的专业知识和规范，为用户提供空间布局和功能配置的最优解，提高了空间利用率和功能实用性。
这些好处，使得生成式AI一经问世就得到了装饰装修界的热烈欢迎。经过诸多专业人士及热心用户的探索与尝试，目前生成式AI已经开始在一些业务场景得到应用。
以下是一些具体的业务场景和案例。
空间布局生成。根据用户输入的空间边界、功能需求、风格偏好等条件，自动生成多种合理的空间布局方案，供用户选择或修改。比如郑豪博士的建筑智能研究组（AIG）开发了一种混合式的神经网络，可以对一个户型边界生成多达200种不同的户型图。
家具搭配推荐。根据用户选择的家具或空间风格，推荐相匹配的家具或装饰品，提高空间的美感和协调性。
室内渲染生成。根据用户输入的平面图、材质、光照等条件，自动生成逼真的室内渲染图，让用户提前预览设计效果。东易日盛推出了一款基于GAN技术的室内渲染生成器，可以在几秒钟内生成高清晰度的渲染图。
设计风格转换。生成式AI可以根据用户输入的设计图和目标风格，自动转换设计图中的元素和色彩，实现风格的变换。
通过以上几个应用场景及案例，可以看到生成式AI在装饰装修领域的应用可以为企业及个人用户提供更高效、更灵活、更个性化的设计方案选择，提高用户体验和满意度。生成式AI在提升设计效率、丰富设计创意、满足用户需求等方面的巨大潜力。
可以肯定的是，随着技术的不断发展和完善，生成式AI将为装饰装修行业带来更多的可能性和价值。
生成式AI在装饰装修领域的未来
生成式AI可以帮助室内设计师提高效率和创造力，创造出更符合用户需求和个性化的空间设计。生成式AI也可以为室内设计师提供更多的灵感和想法，以及更好的视觉效果和用户体验。
这意味着，它在装修设计领域有着极其广阔的应用前景。下面，是王吉伟频道总结的生成式AI在装饰装修领域的一些未来发展趋势。
趋势一：更精确的用户需求。生成式AI可以利用大数据和机器学习算法，分析用户的喜好、风格和需求，根据信息生成最佳的设计方案。例如，使用DesignSpy可以加快“寻找家具”的进程。只需上传一张灵感照片，它就会快速识别图片中的所有家具，并找到相同或相似的版本。
趋势二：更真实设计体验。生成式AI可以结合增强现实（AR）和虚拟现实（VR）技术，为室内设计师提供更真实和沉浸式的设计体验。室内设计师可以在3D渲染中完全重建房间或空间，并在没有实际进入空间的情况下踏入设计空间的感觉。用户也可以通过AR或VR设备预览和体验不同的设计方案，从而做出更好的选择。
趋势三：更有创意的表达方式。生成式AI可以创造出新颖和独特的内容，如图像、音乐和文本，为室内设计师提供更多的创意表达方式。例如，生成式AI可以根据用户的情感或主题生成适合空间氛围的音乐或图案。生成式AI也可以根据用户的口味或兴趣生成个性化的内容，如新闻文章或音乐推荐。
趋势四：更智能舒适的环境。生成式AI可以与智能家居系统相结合，为用户提供更智能和舒适的生活环境。生成式AI可以根据用户的行为、习惯和偏好，自动调节空间中的照明、温度、音量等参数。生成式AI也可以与智能家具相配合，为用户提供更多的功能和便利。
可以想象，如果未来整个家装环节，从设计到最后购买都是基于生成式AI的所见即所得式交互出图，无疑会改变整个装饰装修产业链的商业运作模式，将会为这个领域带来颠覆式影响。
所以，生成式AI在装饰装修领域有着广阔的应用前景。随着技术的不断进步和创新，它将为我们带来一个更美丽、更智能、更个性化的室内空间。
由于技术特性等因素的影响，任何领域要引入和应用到生成式AI，都会不可避免的遇到风险和挑战，装饰装修领域也是如此。
简单来讲，生成式AI在装饰装修领域遇到的挑战和风险主要包括以下几点：
数据安全和版权问题。生成式AI需要大量的数据来训练模型，这些数据可能涉及到客户的隐私信息，如住址、家庭结构、生活习惯等。如果数据被泄露或滥用，可能会给客户带来安全风险。另一方面，生成式AI产生的内容或数据可能会侵犯原始作者或设计师的版权，引发法律纠纷或道德争议。
质量和可靠性问题。虽然生成式AI可以快速生成大量的内容或数据，但并不一定能保证其质量和可靠性。有些内容或数据可能存在错误、缺陷或不合理之处，需要人工进行审核和修改。此外，生成式AI可能会缺乏创新性和个性化，重复或模仿已有的内容或数据，无法满足客户的独特需求和审美。
人机交互和沟通问题。生成式AI与客户或设计师之间的交互和沟通可能存在障碍或误解。生成式AI可能无法准确理解客户或设计师的意图、需求和喜好，或者无法清晰地表达自己的想法、建议和反馈。这有可能会导致沟通效率低下，甚至出现冲突或不满。
伦理和社会问题。生成式AI在室内装修领域的应用可能会对人类的创造力、职业、文化和价值观产生影响。一些人可能会担心生成式AI会取代人类的创造力和工作，导致失业或职业危机。另一些人可能会担心生成式AI会破坏人类的文化多样性和个性表达，导致同质化或失真。
后记：使用生成式AI增强装饰设计
上文在生成式AI应用于装饰装修领域所带来的伦理和社会问题中，提到了失业问题。目前而言，这可能也是最让中国300万家装设计师所焦虑的。
Interior AI在官网最醒目的位置写了这样一句话：Fire your interior designer， Design your own interior with the first AI Interior Designer。
这句话翻译过来意为：解雇你的室内设计师，使用第一个AI设计师搞定你的室内设计。
显然这既是对个人用户说的，也是对广大装饰装修公司说的。可以预想，以后可能会有很多公司采用生成式AI来出图。出图流程越发简单，一个装饰公司只保留有经验的高级设计师进行统筹和指导，再配上几个AI绘图人员即可，一般的设计师估计就没必要存在了。
王吉伟频道（id:jiwei1122）认为，其实大家也不用那么焦虑。生成式AI确实让普通人就能轻松生成装修效果图，但某种程度上反而解放了设计师，要知道现在给客户出图都是免费来做的。客户自己动手搞出想要的效果图来，设计师们也是乐享其成。
同时，设计师们也可以用这些生成式AI工具来快速生成效果图，抖音、小红书等的设计师博主都是这么做的。
至少目前而言，生成式AI并不能完全替代人类设计师的角色。它只能作为一种辅助工具，而不能取代人类设计师的专业知识、创意思维和审美观点。
要知道，所有工具都是为人类服务的。既然AIGC来了，对于能够提升生产力的工具，自然就要积极拥抱。
对于设计师来说，用AI来增强自己的能力，解放自己的时间又能做出更多业绩，何乐而不为？
附：25个装饰装修类生成式AI应用
1、Interior AI：室内设计AI，只需上传室内照片，帮你生成多种设计风格的室内效果图。
体验地址：https://interiorai.com
2、GetFloorPlan：2D建筑平面图转化为3D实体，上传室内设计的平面手稿，自动帮你生成效果图，可创建2D，3D平面图和360°虚拟游览。
体验地址：https://getfloorplan.com
3、RoomGPT：帮你设计多种装修方案，将你的想法变为效果图。
体验地址：https://www.roomgpt.io
4、Maket ：利用生成式 AI 彻底改变设计——Maket 使建筑师、设计师、建筑商、承包商和开发商能够生成平面图、浏览分区代码并探索无限风格。
体验地址：https://www.maket.ai
5、REimagine：通过评估建筑元素、检测房间类型、了解首选设计风格并遵守您的颜色偏好和文本说明来重新设计任何空间。
体验地址：
https://www.reimaginehome.ai
6、arko.ai ：建筑草图渲染上色，基于云的AI生成渲染，单击按钮即可重新构想渲染过程。
体验地址：https://arko.ai
7、Collov：室内设计AI，上传室内图片，自动为你设计多种装修效果。
体验地址：https://collov.com
8、Craftle：家居设计AI，可以生成多种设计风格的组合家具与软装设计效果。
体验地址：https://craftle.app
9、Planner5d：室内设计工具，自由选择方案，帮你生成设计效果图。
体验地址：https://planner5d.com
10、Ai room planner：通过现有的室内装修来生成不同风格的设计图片，为您的房间获得数百个室内设计理念免费。
体验地址：https://airoomplanner.com
11、酷家乐模袋云AI建筑创作：针对泛建筑场景（建筑，室内，景观）在线使用SD进行创作，无需高配置和部署，在线免费用SD出图（无限制），免费训练lora。
体验地址：https://app.modaiyun.com
12、AlphaDraw筑绘通：面向建筑工程领域的新一代智能设计平台。嵌入包含行业标准数据、规范要求、工程经验及常用做法的知识库，搭配强大的施工图绘图智能算法，实现绘图10倍提效。支持云端设计操作，多人协同作业，可实现项目团队基于同一模型进行高效合作。
体验地址：
https://www.pinlandata.com
13、神采PromeAI：可以直接将涂鸦和照片转化为插画，自动识别人物姿势并生成插画；将线稿转化为完整的上色稿，并提供多种配色方案；自动识别图片景深信息以生成具有相同景深结构的图片，识别建筑及室内图片线段并生成新的设计方案；
体验地址：https://www.promeai.com
14、Dreamhouseai ：为您的家庭空间提供快速的室内设计，35+种风格的任何空间的室内设计理念和模型。
体验地址：https://dreamhouseai.com
15、Skybox：导入2D环绕图，生成360全息场景。
体验地址：
https://skybox.blockadelabs.com
16、Architechtures：适用于住宅部门的AI驱动的建筑设计 Web 工具，可帮助您改进决策并将设计时间从几个月缩短到几分钟。
体验地址：
https://architechtures.com/en/enterprise-contact
17、Interior Computer：使用AI重新构想您的内饰。
体验地址：https://image.computer
18、Fabrie AI：基于Fabrie白板构建的AI驱动的设计工具。它可以帮助工业设计师、时装设计师和室内设计师在几秒钟内快速生成带有草图的逼真渲染。测试阶段，设计师可以注册并试用。
体验地址：https://www.fabrie.com
19、Decorous: AI Home Makeovers：室内设计爱好者的终极工具，只需轻点几下，您就可以创建梦想中的家。
https://apps.apple.com/us/app/decorous-ai-home-makeovers
20、DecorAI：几秒钟内的室内创意。
体验地址：https://decorai.io
21、Mobel：创建自定义室内设计变体，并使用人工智能改造您的房间。
体验地址：https://mobel.app
22、Oda Studio：选择您的风格和颜色，使用 AI 在几秒钟内自定义您的家。
体验地址：
https://moodboard.odastudio.ai
23、Spacely AI：让你的梦想空间成为现实。
体验地址：https://www.spacely.ai/
24、DreamStaging AI：AI驱动的虚拟装饰解决方案，上传一张空房间的照片，并在几分钟内获得数十种专业设计和布置的内部变化，涵盖各种风格和房间类型。
体验地址：https://dreamstaging.ai
25、Pipers：在几秒钟内创造令人惊叹的室内设计概念。
体验地址：https://www.pipers.ai
26、AITwo：一种人工智能驱动的设计工具，可用于设计卧室、客厅、厨房、浴室和餐厅等房间的室内设计。它还可用于设计房屋和建筑物的外观。
体验地址：https://aitwo.co
27、事半HALFWORK：可以用来写文章，写剧本，学英语，写代码，绘图，写文档，或者创建您自己的工作场景，有装修图专项。
体验地址：https://halfwork.cn
28、晨羽AI：通过procerate手绘草图或者su和AI处理工具组合，使设计师能够比以往更快地创建和渲染。
体验地址：https://www.cyuai.com
全文完
【王吉伟频道，关注AIGC与IoT，专注数字化转型、业务流程自动化与RPA，欢迎关注与交流。】返回搜狐，查看更多
责任编辑：}

人工智能的热度在最近这几个月来逐渐攀升，而现在，这股热潮似乎慢慢过去了，大家也开始思考起有关AI人工智能技术的深层问题，比如AI的商业化问题，等等。在这篇文章里，作者就提出了一个观点，他认为产品力永远是核心，技术只是解决用户需求的手段。怎么理解作者的看法？不妨一起往下看。
今天想聊一个话题：站在2023年8月这个节点，似乎AI热潮过去了，但我觉得一切才刚刚开始，就像任何行业都值得在抖音重新做一遍一样，很多需求我们可以使用AI重新思考一遍！热潮褪去的表象下，我更想表达的是：产品力永远是核心，技术只是解决用户需求的手段。所以无所谓热潮与否，也无所谓GPT是否就是人类通向AGI的道路，宏大的命题下，只要有足够的空间提供给产品经理们和创业者改造当前世界，大家就尽情施展才华吧。Take Away：AI当前的“低谷”是媒体和资本导致的
AI有边界，但边界内依然有巨大的商机
商机的背后需要关注用户真实的需求
持续盈利，留在牌桌上，等待风起
一、AI的崛起和低谷最近看了读库的长文《达特茅斯之饼》，主要讲的是1956年，在达特茅斯学院举办的首次人工智能研讨会前后的趣事。麦卡锡：人工智能术语创造者，后来成为斯坦福大学教授。
明斯基：创建了MIT的人工智能实验室。
香农：被称为“信息论之父”，提出了信息熵的概念。
赫伯特·西蒙：获得诺贝尔经济学奖，人工智能和认知心理学领域的重要贡献者。
在这次会议上，AI的概念被首次提出。1956年到1973年这段时间，是人工智能的第一个夏天。期间大量的技术和应用涌现，包括：1957年，Mark I 感知器，它使用人工模拟神经网络，展示出了一定的学习能力，经过50次训练能够学会区分在左侧和右侧标记的卡片。1973年，第一台全尺寸拟人机器人WABOT-1，包括了肢体控制系统、视觉系统和对话系统等。但是，麦卡锡和明斯基这些领头人，严重低估了实现AGI所需的硬件和软件水平，结果步子迈得太大，牛皮吹得太响：“二十年内，机器将可以完成人类能做的任何工作”
“在一代人内…创造“人工智能”的问题将得到实质性的解决”
到了1973年，希特拉尔撰写了一份《希特莱尔报告》，指出“迄今为止，该领域任何一个方向都没有产生当初所生成的那样的重大的影响。”导致了连锁反应，从美国、英国政府，蔓延到世界上大多数机构和投资人，纷纷回避人工智能项目，没钱就没人去研究……最后落地一地鸡毛。AI进入寒冬。80年，美国人工智能协会举办了第一次全国会议，试图再创辉煌，但到了87年，DEC公司应用了AI的专家系统，由于需要解决的问题过于复杂，产品销售崩溃，人工智能又成为过街老鼠……80年到87年，算是冬天下的小阳春，期间研究人员发现：“如果降低对这种技术的预期，改用概率论和统计学的方法，就能够更加容易地实现一些看上去具备智能的人工智能应用。其中，又以人工智能中最不受待见的人工神经网络技术最为精进。他们不断改进人工神经网络，终于在1986年第一次实现了能够实用的技术，正式提出多层人工神经网络的概念。”务实之后，人工神经网络开始走上舞台，解决实际问题：90年代初，突破了手写文字识别；
2000年后，语音识别技术突飞猛进；
2006年7月，多伦多大学教授辛顿提出新名词“深度学习”；
2012年9月，辛顿带着Alexnet在ImageNet比赛中压倒性夺冠，深度学习引起了广泛关注；
2016年3月，AlphaGo在韩国围棋比赛中战胜了李世石九段。
再往后，就是2017年Google发布的Transformer，以及OpenAI陆续发布的GPT1-4，引爆了这一轮AI浪潮。二、近期“低谷”的原因：AI也有边界过去一段时间AI又再一次被捧上了神坛，在2月初，仅仅正式上线了2个月的ChatGPT超过Tiktok，成为互联网历史上最快突破1亿月活的应用。最近，似乎开始冷却，ChatGPT的微信指数有小幅下降：融资案例有所减少，投资人开始更理性看待AI，媒体的报道热度也没那么高涨，大众对AI的讨论也开始转向实际的落地应用。从历史来看，之前不管是资本、专家、媒体的喧嚣，事实上都脱离了事物的发展的本质。很重要一点是，AI有边界：这些渐进式的改善和优化，其实是把深度学习在模式识别与预测上的强大能力应用到种种不同的领域上，如疾病诊断、核发保单、开车、中英翻译等。但这些改善和优化并不代表我们正在朝着“通用人工智能”的方向快速前进，或是出现了类似深度学习的重大技术性突破。简单来说，人工智能正式进入了实干的年代，想要利用这个时期赚钱的公司，需要拥有有远见和才干的创业者、工程师和产品经理。李开复在《AI未来》一书里对AI的发展做了详细的阐述。过去AI在技术上的突破，仅仅是找到了一个“深度学习”，李开复表示，自从辛顿发表了深度学习的里程碑论文到现在，在机器智能领域，还没有出现任何可以与之比肩的重大突破。也因此，想要依靠现有的技术实现AGI，是不可能的。不能否认科技有可能出现非常规的突破，但是要实现AGI，事实上可能需要几十年甚至上百年。理解了这一点，我们就能够理解为何媒体爆炒一波，ChatGPT、AI绘画火热一波，但大众开始尝试体验后，我自己认识的朋友、加入的AI圈子，都观察到了热度大幅下降的情况。原因是什么呢？很可能是：过去被媒体吹捧的，以为AI无所不能，玩了之后，发现Ahamoment很快就到达，引发了再次传播，热度快速继续增加，但过了段时间，AI结合不进自己日常的生活工作，就不再使用了，热度下降。当我们知道AI也有能力边界后，也就更能“宠辱不惊”，所谓的热潮褪去，无非是AI还没跨越鸿沟，找到杀手级应用进入主流市场罢了：知道了AI有技术上的边界，我们可以更加关注的去理解技术底层：AI 生成内容的基础分为：机器学习的基础，任务和模型，应用层三个部分。基础是最稳定的一层，所以这个领域的知识会比较长期有用。
而应用程序则是变化最快的部分。这样当了解了底层，上面的东西很快就能理解。
过去Super阅读了大量的论文，包括Transformer、CLIP、GPT1-3，学习李沐的《动手学深度学习》，就是如此。了解了基础层面，再对应用层的千变万化，就会免疫力大增：）三、AI还有前景么？当然，核心是抓住用户需求接着我们来看一下，AI有边界，是不是意味着没什么搞头了？唯有真正落地应用于生产生活中，学术研究才能变得有意义，才能真正改变我们的日常生活。李开复在阐述了当今AI进入了“实干”年代后，说了很重要一句话：技术不是空中楼阁，只有用之于民，才真正有意义。展开说的话，我想先结合一句大家都听过的话来聊聊：“任何行业都值得在抖音重新做一遍”我们来理解一下：1）抖音代表了移动互联网时代用户需求和使用场景的变化。过去人们看图文和长视频，碎片化时间逐渐被短视频+直播占据，包括强大的个性化推荐，强交互性，内容的丰富度等等，代表了新需求、新场景和新使用方式。2）传统行业需要针对这种变化，用全新的视角重新审视用户需求，进行产品设计和商业模式创新。几个月前我在四川自贡，吃一家烤鱼的时候，惊讶的发现老板在墙上挂出招烤鱼徒弟的广告，和老板一聊，才发现他通过三个抖音账号（每个只有2000多粉丝），拍摄和发布日常经营的短视频，就可以获得每年近百名学员，获得大几十万的纯收入。这个就非常的创新，采用了新渠道，获得了新的商业收入。（烤鱼店老板的抖音账号）3）AI技术同样需要关注这种用户需求和使用场景的演变，结合具体场景进行创新应用。我们之前写的文章：比如会读，使用AI做摘要，帮助读者做读前筛选：《会读：AI帮你快速做读前筛选》比如妙鸭相机，使用AI生成写真照片，不要199只要9.9：《妙鸭相机能不能取代海马体？》比如通义听悟，使用AI总结提炼，提高工作学习效率：《你的工作学习AI助手：通义听悟，如何通过AI能力颠覆飞书妙记？》都是基于用户需求和使用场景的变化，进行的应用创新。拿会读举例，海量的信息，用户FOMO的心态，使用AI帮助快速筛选就非常的创新。通义听悟，上线了基于教学视频，按照PPT提炼整理的能力，也是针对网课场景。4）在新场景下重新审视老问题，使用AI提供更优的解决方案，持续关注用户需求，紧跟时代变化，才能真正创造价值。这是Super想说的，技术是为了产品服务，产品是为了用户服务。我们相信最好的产品是重新定义已有的技术，而不是去不断尝试突破技术的极限。最近有一款产品让我很惊喜，后面会专门写一篇文章，App叫心光，只在App Store上面有，它其实挺简单的：你可以认为就是一款碎碎念记录软件，这种需求满足的产品很多，各有各的好，但心光的不同在于，它加入了AI，可以识别你的心情，可以给你安慰。有一天Super起得很早，有点为自己没能获得好睡眠失望，记录下来后，没想到AI给了我很大的能量：碎碎念除了记录自己，不希望被外人看到之外，其实还是有被倾听和被安慰的渴望的，AI就可以解决这个问题~我理解这是非常Work的，老问题，新解法，非常有价值。可能会有朋友问了，那具体哪些赛道有机会呢？别急，做了十多个AI项目FA的42章经曲凯也把各种可能的赛道都列举了出来：从更具体的赛道来说，其实大多数公司讲的事情是可以穷尽的，不外乎是最底层的大模型、多模态大模型、AI + 各种 2B SaaS（法律、营销、客服、CRM、BI 等等）、AI + 个人助手、AI + 游戏、AI + 社交、AI + 漫画、AI + 教育、AI + 旅游、声音生成、3D 生成、视频生成、中国版 Civitai、各种中间层、私有化模型、向量数据库、算力加速、分布式计算等等……我们向外延展，这些领域也有很多AI可以应用的场景（以下使用Claude生成）：1）医疗健康领域AI可用于疾病辅助诊断，提高诊断效率和准确性
辅助 read CT、X光等医疗图像，实现精准定位
基因组医学，分析基因数据，提供个性化用药方案
2）教育培训领域智能化教学，根据学生学习情况提供个性化教学计划
在线教育平台利用AI进行学习分析，给出学习建议
智能自动出题系统，根据知识图谱智能组卷考题
3）智能创意设计AI艺术创作，如图像、音乐、文字等创作
智能设计平台，辅助设计师提高工作效率
个性化定制，用户参与设定参数，AI设计输出
4）智能家居生活智能助手，语音交互，提供生活服务
智能家居，控制电器、环境，实现自动化
个性化推荐，媒体、购物等精准推荐服务
有关应用层是否还有机会，怎么做才能不被大模型颠覆，我也有一些思考，可以拉到文末加我微信，后面思考成熟了我也会和大家分享。四、在牌桌上，关注本质，等待浪潮五年后，所有的公司都是 AI 公司。这是朱啸虎的“暴论”。很好理解，当下几乎所有的公司都是互联网公司，未来所有的公司或多或少也会依赖于AI。当AI成为新的生产力时，会逐步变成基础设施。如果对于未来的判断没有问题，你所需要做的，就是要在场：大的历史浪潮里面没有地图，大的历史浪潮里只有发令枪。当时代拥有一个大的贝塔的时候，你需要做的唯一的事情就是 be there。
From 绿洲资本 张津剑只要确认AI是一个大的趋势，OK，什么节奏，什么高潮和低谷，都不是问题。这是第一点，在牌桌上。接着，如何持续在牌桌上？第二点，关注本质：在AI领域要关注的本质是商业价值，而非技术创新。只有持续满足用户需求，才能不断获得收益，只有持续盈利的产品，才能站稳脚跟。AI公司现在要做的，就是开发有价值的产品，实现商业化，而非依赖资本和技术炒作。持续盈利，才能持续积累实力，等待下一次AI浪潮来临时，抓住机遇。基于这些判断，我也写了：《妙鸭9.9元收费背后：解析AIGC产品的商业本质》前置付费的逻辑我是很认同的，原先用免费换用户的方式，则要非常小心。第三点，等待浪潮：1）任天堂20世纪80年代，任天堂凭借FC游戏机成功立足。但90年代，索尼PlayStation强势崛起，任天堂陷入低谷，市场份额大幅下滑。但是任天堂并未放弃，继续研发任天堂64来回击。到21世纪，任天堂凭借新硬件与创新游戏再次复苏。2）苹果公司1990年代，苹果公司面临低迷，市值一度暴跌。乔布斯回归后，苹果继续研发创新产品，从iMac、iPod到iPhone，逐步复兴苹果。3）AMD早年AMD曾一度落后英特尔，但AMD坚持研发，到2019年发布Zen 2架构取得竞争优势，业绩大幅增长。历史上任天堂、苹果、AMD，都是一度低迷，但是都没有放弃，低谷期持续努力，才能撑到下一个机遇来临时获得成功，这对AI公司同样具有启发意义。五、总结历史不会重复，但总会呈现相似的规律。站在2023年8月的今天回望，我们就像站在历史的节点上。无论是56年的第一届达特茅斯会议，还是2012年深度学习崛起，每一次科技发展都不是直线上升，起起落落本是常态。技术从来只是工具和手段，真正重要的是持续关注用户需求，以问题为导向，创造价值。只要你保证自己站在变革的风口，抓住实际需求，构建可持续盈利的商业模式，每一次低谷终将过去，总有春天在前头。所以，不必随波逐流，保持定力，我们还有无限可能。一如既往，产品需求导向，技术为我所用。让我们继续努力，创造下一个时代的辉煌！参考：马丁的Wiki文档：https://whjlnspmd6.feishu.cn/wiki/MidvwkPbwiCvFsksbokcj7hGnbh《朱啸虎和傅盛都没错
42章经》产品沉思录：《当我们在用 AI 画图时，AI 到底在干什么？》专栏作家Super黄，微信公众号：Super黄的念想，人人都是产品经理专栏作家。专注于深度产品拆解+商业分析。本文原创发布于人人都是产品经理。未经许可，禁止转载题图来自Unsplash，基于CC0协议。该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。}

机器学习（Machine Learning）在当下是个热门的话题。它有巨大的改变整个市场和行业的潜力，然而现在的言论中也有许多掺杂着炒作的成分。Redpoint Ventures的投资人，Medha Agarwal，写了一篇长文，以投资人的角度告诉大家机器学习的潜力股。他表示，作为投资者他相信一下四个关键特征，是区分机器学习中的赢家：1. 在广大市场中有具体的用途。成功的机器学习创业公司应成为有针对垂直应用的、有明确需求的技术。消费者包装产业就是个很好的例子，机器学习可以更准确地预测库存水平，以更好地管理供应链，降低库存成本，最大限度地减少过剩产能需求，并消除缺货这种情况。根据埃森哲的研究数据表明，机器学习可以使交付时间提高4.5倍，供应链效率提高2.6倍。2. 关注重复人工参与的领域。强烈的人工干预意味着存在利用复杂预测算法进行优化的机会。在同样的供应链示例中，现在的分析师们会根据一些历史数据来估计库存需求，但很多时候也是凭直觉。通过利用生产时间、销售率和其他数据，学习模型可以更准确地预测未来的需求。3. 大量的可预测数据。创业公司需要大量的数据来有效地训练机器学习模型。他们可以和更大更成熟的公司合作，利用别人的数据学习，或者建立一个吸引用户输入自己的数据的产品，如果能做到这一点，这个创业公司很有可能成功。4. 网络效应和防御性。算法将继续是开源的，这使得专有数据特别重要。而反馈和系统输入则提高了其准确性。因此产品应该鼓励人们对其预测和建议提供反馈。可投资的类别Medha觉得以下垂直领域，机器学习是有很大潜力的：医学诊断和计算机生物学。机器学习将改善整个医疗保健价值链，并降低成本。改善诊断，减少错误，简化药物发现过程，这个潜力是让人灰常兴奋的。患者数据可用于早期检测疾病和个性化治疗计划。制药的生物技术公司可以使用计算方法快速有效地发现比目前市场上更有效的新药。供应链。机器学习可以改善供应链的几个方面，包括需求预测、市场趋势、贸易促销和新产品。现在的公司很难估计不断变化的市场模式和波动情况，而机器学习可以为业务决策者提供信息，并进行准确的预测。制造业。工业物联网是一个价值高达120亿美元的市场。根据Genpact对173名高管的全球调查，只有25%的人有物联网战略，只有24%的人对执行感到满意。这些高管正在寻找机器学习的解决方案，来提高产量，减少库存和成品水平，推动真正的成本节约和利润机会。合规性。金融机构的合规部分是一个巨大的市场。自2008年以来，仅仅JPMorgan一家公司，就已经支付了360亿美元的定居点和罚款，并雇佣了8000多名做合规和控制的员工。机器学习可以改善客户和员工遵守银行和其他公司必须遵守的审计和合规性法规的过程。企业级语音服务。尽管分析语音是业务工作流的关键组成部分，但它的复杂性使得语音处于机器学习趋势的边缘。来自NewVoiceMedia的2013年的研究报告称，由于呼叫中心效率低下，每年的损失在410亿美元左右。每年有240万内部销售代表，每年花数百万个小时在与用户沟通交流上。因此，很明显，在呼叫中心、销售、营销方面的自动化流程中存在很大的机会。保险。保险是一个庞大且范围广泛的类别，机器学习可以帮助保险公司以更低的成本提供针对性的产品。比如，汽车保险公司可以使用驾驶和其他行为数据单独定价、溢价，或使用更好的欺诈检测，来降低其总体成本结构。咨询公司KPMG将机器学习描述为保险业的“制胜法宝”。个人财务。新的数据和分析模型解锁（比如信用产品）以前是对千禧一代来说是不可用或不期望的金融产品。此外，智能自动化系统通过追踪行为并根据偏好和目标提供建议，降低了为消费者提供个性化建议的成本。Erin Shipley和TX Zhou在科技媒体Techcrunch上写过一篇关于人工智能对财务影响的文章，包括通过基于用户行为的个性化推荐来推动财务健康。个性化教育。传统教育的一个主要局限在于，尽管学生的理解水平和学习风格不同，教师必须为整个班级教授标准化的课程。如果有公司能利用数据帮助家长和学校识别问题领域，为每个学生提供个性化的课程，根据他们的问题和风格提供量身定制的计划，会怎样？这不仅能改变教育状况，而且提供了一个重要的经济机会。截至2013年，美国每年花费在公共教育上的资金为620亿美元。以下领域是Medha并不感兴趣的：只是“人工智能”的公司。人工智能和机器学习永远不是最终目标，而是需要让它们在现实生活中为人所用，为人服务。Chatbots。Medha觉得这项技术根本不够先进，还不足以通过广义聊天及为用户提供积极的体验。关注 @硅谷密探
紧盯全球创新趋势}