高空烟花一般多少钱(烟花一般多少钱)

五千万就够看一次烟花了！大模型泡泡大吗？

本文素材来源于网络。若与实际情况不符或有违规行为，请联系我们删除。

“打造一个通用大模型，5000万元就够看一次‘烟花’了，这就是一次培训的费用。”

“现在大模型应用的数量还远远不够，企业基本上有非常模糊的需求，但期望值却非常高。”

“给推出人工智能应用程序的公司的两条建议。一是第一笔钱应该来自客户而不是VC（投资者）。第二是最好六个月内达到收支平衡，然后赚钱。”

ChatGPT火爆后，大模型引发的新一波人工智能热潮仍在继续。近日，OpenAI宣布将推出新版本的ChatGPT，可以理解语音和图像。还有报道称，OpenAI 可能会在 Google 发布 Gemini 之前推出相同版本。这是GPT对多模式大型车型的愿景，微软也推出了新的Copilot平台。

从国内发展情况来看，百度创始人李彦宏9月初表示，国内已经发布了70多个数亿参数的大型语言模型。 360创始人和周鸿祎甚至直言，现在是“百名模特之战”，未来很可能会发展成“万名模特之舞”。

绝大多数发布过大模型的企业都认为，现在很多行业的关键环节都值得利用大模型进行改造。有人将大模型比作移动时代的操作系统，呼吁企业家基于大模型开发新模型。人工智能的应用有很多。但相比于发布公司的热度，普通大众还没有感知到大机型的“魅力”，部分To C端（用户）应用发布后仅带来了短暂的热度。

中国需要那么多基础大型车型吗？当互联网大公司的大模式还没有找到清晰的商业模式时，初创企业的出路在哪里？当前的超模热潮是否存在泡沫？企业客户和个人用户如何看待其使用？近日，澎湃新闻记者采访了多位大模型从业者、企业家和用户，试图寻找答案。

“中间层”和“应用层”对于初创公司来说是否有更大的机会？

“国外的大型模型我们使用Open AI GPT-4。一些客户有私有化部署的需求，所以我们基本上尝试运行国内的大型模型。亿级级别的模型进步很快，但与GPT-4相比， 3.5和3.5还是有区别的，在分类方面，像BAT这样的大公司都有自己的场景和数据，而且很认真，初创公司中，智普AI、MiniMax、百川智能等龙头公司也在做他们也有一些客户，但是这个行业其实有那么几家公司是为了融资造势，基于他们的资金实力，他们拿了一些垂直行业的数据，找到了一个开源的模式可以借鉴。 ，然后说，他们做了一个大模型。”基于大语言模型的自动化平台公司蓝马科技CEO周健在接受澎湃新闻采访时表示。

周健曾就职于谷歌、阿里云、鸿基RPA等公司，也是“AI四小龙”之一的依图科技第10号员工。今年2月，周健创立了蓝马科技，并与上市公司金山办公、独角兽公司等多家企业达成战略合作。在周健看来，由于“幻觉问题”以及大车型的允许问题，甲方的终端用户或者企业客户很难直接与大车型合作。需要像蓝马科技这样的中介机构。这对于初创公司来说也是一个机会。

底层大模型和客户端之间需要一个“中间卖家”。 OpenAI首席执行官Sam Altman也做出了这一判断。奥特曼表示，未来将只有少数核心大型模型，而将有一批新的初创公司将现有的大型模型进行修改以创造更多价值。 “他们有一个独特的数据飞轮。随着时间的推移它会变得更好，我认为中间的层会创造很多价值。”

周健告诉澎湃新闻，除非有大资本做后盾，否则大多数初创公司都不具备构建基础大规模模型的能力，因此专注于“中间层”或“应用层”更为务实。

“一家生产大模型的公司曾告诉我，他们之前在大模型培训上花费了大约200至3亿元（人民币）。现在算力价格上涨，预计新的算力要5亿（人民币）。对于大多数初创公司来说，一举赚到5亿（人民币）是不可能的。作为中间层，我们不必负责提高大型模型的智能能力。我们只使用大型模型来制造和商业化产品，不需要很大的计算能力。但在筹集了数千万元的A轮融资后，我们仍然使用了部分资金来购买算力。”周健说。

国盛证券今年2月的一份报告估计，一次训练GPT-3的成本约为140万美元。对于一些较大的 LLM（大型语言模型），培训成本从 200 万美元到 1200 万美元不等。按2023年1月ChatGPT平均独立访客数1300万计算，对应的芯片需求为超过3万块NVIDIA A100 GPU，初始投资成本约8亿美元，每日电费约5万美元。

初创公司Zilliz主要为AI应用提供新一代数据库技术，帮助企业开发AI应用，并已筹集超过6000万美元的B轮融资，该公司近几个月注意到大型模型已在各个行业得到应用。他们都需要将自己的企业内部知识库与大型模型进行整合，而这些需求也是Zilliz成长和发展的机会。

Zilliz技术合伙人兼首席技术官栾晓帆在接受澎湃新闻采访时表示：“更准确地说，也许十年后，大模型的使用将不会像无法使用时那样。现在手机。”栾小凡认为现在的大模型确实会存在成本过高的问题，但他相信随着技术发展，大模型的成本会越来越低，行业内态度也比较乐观，“现在的大模型就像是十年前的云计算，集中式发展会带来成本下降。”

谈及大模型应用创业的现状，周健直言：“公司很多，但都没有做出来。”

大模型“有幻觉”还能应用吗？

“林黛玉三打白骨精、贾宝玉倒拔垂杨柳，大模型开的药方不敢吃，写的律师函也不敢用。”

大模型的“幻觉”问题（指模型生成不正确、无意义或不真实的文本）是大模型要落地应用面临的问题之一。有业内人士指出，AI在大部分领域要做到足够好，达到甚至超过人类水平才能产生实际商业价值，也许AI智商从0到70是巨大进步，但自己仍不会为它付费，“就像水必须烧到100度才能驱动蒸汽机，你99度的水就不行。”

栾小凡也向澎湃新闻记者坦言，大模型应用的运作建立在概率之上，可以通过大量参数的导入不断提高正确率，但也只能无限接近于100%，和计算机程序原有的运行原理相比，更像是人类的思考方式。正因如此，大模型应用适合被用来进行辅助工作，最终还是需要人来做判断。

值得关注的是，9月12日，为了进一步推动人工智能应用的落地和创新，工业和信息化部工业文化发展中心在北京召开AI应用工作组筹备会，并正式成立AI应用工作组。

AI应用工作组执行组长、行行AI董事长李明顺在接受澎湃新闻记者采访时表示：“大模型不是技术创新，也不是技术革命，它只是一个技术的发现。这个技术一旦众所周知后，拼的是数据能力、算力投入，本质上是钱的问题。所以，我们看到许多起初做基础大模型的创业公司，现在慢慢转了方向，在找垂直场景做应用。”

李明顺表示，大模型别怕有“幻觉”，AI应用落地是循序渐进的，哪怕是严肃的场景，也可以先把一些可能产生“幻觉”的场景给B端专业人士使用，做辅助决策，然后再推向C端，“比如，把大模型用在医疗上，它的回答可能不那么专业，但这不影响把大模型应用给年轻的医生做辅助决策。大家还是要找准大模型应用的方向，你可以利用AI操控电风扇，但你不能依靠它问股票涨不涨，哪只股票会涨，这本身就不理性。”

周健也向澎湃新闻记者表示，容错度高的领域更适合做大模型，“审核、合规、支付这些容错度低的，利用大模型就要谨慎。”

大型号有气泡吗？

大模火热，里面有“泡沫”吗？需要那么多大模型吗？

多位从业者在接受澎湃新闻记者采访时表示，存在泡沫。业内专家表示，所谓的“百模特之战”和“万模特之舞”可能是最终仅需要个位数的大型模特。

“当然，有泡沫。上游产能需求急剧增加，英伟达芯片只能以更高的价格购买，价格上涨了50%-60%。另一方面，如果有想要扩展语言模型的公司不多，算力不应该这么有限。”周健说。

栾小凡也承认，大模特可能正处于泡沫的顶端。 “过一段时间，大家的热情就会减退，然后下一步的研究就得走这个过程了。”

李明顺判断，可能只需要几个大的基础模型，数量不应超过5个。

B和C目前对大模型应用的使用有何看法？一般人什么时候才能感受到大模型应用的价值？

B面，鲁平顿云与中小企业数字化服务中心技术总监褚宁表示，如果采用云模式按需使用大模型，成本并不高。先进行低成本验证，再考虑私有制。但建议中小企业有一个了解大模型的过程，尝试用大模型来支撑业务。

楚凝芝告诉记者，该公司“尝鲜”了国内某大型互联网公司的大型模型，其应用指南包括物联网医疗产品的智能设备巡检、预测性维护、健康体征分析报告等。 “就目前情况来看，实施大规模模型应用的挑战仍然在于数据本身。缺乏有效的数据积累是中小企业的一大问题，这需要国家政策、标准的支持和引导。”和规定。”楚凝芝说道。

C端，前大型互联网公司、AI驱动创意公司zax创始人首席创意官赵晨在工作中熟练运用了ChatGPT、Stable Diffusion等工具。赵晨告诉澎湃新闻，AIGC（生成式人工智能）改变了他的工作流程。 “AIGC 制作的 DEMO 基本上已经完成了最终设计的 70-80%，而且速度很快。一个人画出来需要三四天的时间。使用AIGC，时间基本上缩短了一半。”可以在几个小时内完成，但不够准确。另外，我还节省了成本。客户最终购买的只是“一个设计”，但在完成之前会有多个版本。如果没有人工智能，我就得再找几个插画师。 ，每幅画都要花钱，很贵。”

“我认为未来取代你的人不是AI，而是会使用AI的人。”赵晨告诉澎湃新闻，AIGC工具的使用从技能上来说是有一定限制的。在广告创意领域，AIGC工具还远未普及。东方证券在研报中指出，大型样板公司注册并开放后，各类C端应用将从过去的邀请制、有限注册制进入全面推广期，这将产生很大影响基于各类C端应用，为大机型的应用和推广奠定更好的基础。在B端应用方面，大模型与企业知识库、工作流的结合具有良好的牵引力和应用空间。未来，大模型+流程、大模型+知识库、大模型+低代码将会有很好的实现空间。 。

天风证券指出，下半年以来海外巨头APP和模式迭代速度明显加快。预计与海外巨头相关的AI事件和AI产品迭代或将成为持续催化AI市场的重要事件，以及上半年GPT4的发布。现阶段，Copilot的发布以及Adobe AI产品定价的推出只是AI应用落地趋势的开始。预计由于大规模模型技术的现代化，更多的人工智能应用将不断涌现。

免责声明：以上内容及信息来源于网络。本文作者无意针对或影射任何实际国家、政治制度、组织、种族或个人。相关数据和理论研究均基于网上资料。上述内容并不意味着本文作者同意文章中的法律、规则、观点和行为并对相关信息的真实性负责。本文作者对因上述或相关事项引起的任何问题不承担任何责任，也不承担任何直接或间接的法律责任。

如果文章内容包含作品内容、受版权保护的图片、侵犯版权、谣言或其他问题，请联系我们删除。最后，如果您对本次活动还有什么其他想法，欢迎在评论区留言讨论！

超浪漫的“比心”照：简单几步，教你在家拍出“心形烟花”

马上过年了，发个喜庆的吧。拍个烟花怎么样？

什么，城里禁放？

没关系，咱不上外面放，跟家里放。

找个幽闭安静的地方，厕所吧！

伸出你的手。

然后，嘭！

一朵心形的烟花，就绽放在你的手中了。

是不是看得有点云里雾里？

好吧，到答案揭晓的时刻了。

这当然不是烟花，而且比烟花安全得多。

它其实是，水。

今天，旅行君就来教你，怎么在家里，拍出一朵爱心水烟花。

道具准备

一张A4大小的白纸，一根笔，然后，考验你画功的时候到了，在上面画上一个圆润的心形。

接着，是一个喷壶，X家的广告费麻烦回头结一下。

最后，也是最关键的工具，一个红色的塑料袋以及胶带。

从红色塑料袋上，剪下来一小片，上下贴上胶带，将它固定在闪光灯上。注意，是闪光灯，而不是镜头哦。

场景布置

首先，用剪刀将桃心剪下来——扔掉。因为我们需要的，是外面的轮廓。

然后在纸的四角贴上胶条，将它固定在你家的玻璃上，注意，这个玻璃一定不要是透光玻璃。

你家没有这种玻璃？

那看到这里就可以退出了，咱们下期见。

有玻璃的，咱们继续。

使用小喷壶，在远距离（至少40cm以上）朝着这个心形轮廓的纸喷水。

不要离得太近，因为太近的话，第一，水滴会凝结的很大，第二，纸张也会被喷透，就像这样：

如果距离远一些，心形里面的水珠就会非常细小浓密，就像这样：

水珠越浓密，照片拍出来的效果也就越好。

进行拍摄

然后，拿着手机来到镜子前，预演一下一会要拍照的位置。

伸出手，将手的镜像放在心形水滴的下方。

记住这个位置。

然后要做的就是，关灯——不要有一点光源。

把手机的闪光灯开启成强制闪光模式。

拍摄！

漆黑中，一下闪光，贴着红色塑料袋的闪光灯将玻璃上的水珠打亮，发出红色光芒。

而镜中的手同时被打亮，勾勒出轮廓。

可以多拍几张，然后选择心形最完整，手的轮廓最好的那一张。

注意事项

在这里要说三个注意事项。

第一，是拍摄距离，要多尝试。

如果手机离镜子远，那么心形拍摄得会比较完整，轮廓清晰。但是，镜子中的手通常会很难得到补光。

如果手机离镜子近，那么手会比较清晰的呈现在画面里，但心形的受光面积会较小，有可能出现边缘缺失的情况。

第二，是拍摄角度。

一定要将闪光灯和镜头对准心形的中央，这样心形才完整。

第三，是手势。

可以用手掌，也可以做比心。手的姿势不要太拧巴，毕竟后期完之后，画面只剩下心形和手，如果手的样子太狰狞，会给观看者造成困扰，我的这张照片就是一例。

至此，教程就结束了。

喜欢吗？

拍起来吧。

比心哦。

网红烟花“加特林”火了！进价20，卖到200，还一支难求！原创者回应，中国消防提醒

五千万元只够看一次烟花！大模型的泡沫大吗？

近年来，随着人工智能技术的飞速发展，大型模型在各个领域的应用越来越广泛。从自然语言处理、计算机视觉到语音识别等领域，大型模型都取得了显著的成果。然而，这些大型模型背后的投资和成本却是一个不容忽视的问题。以烟花表演为例，五千万元的投资只能保证观众看一次烟花表演，这引发了人们对大型模型泡沫的担忧。

首先，大型模型的研发成本巨大。以自然语言处理领域的Transformer模型为例，其研发团队在研发过程中投入了数千万美元。这些资金用于购买高性能计算设备、招聘顶尖人才以及支付知识产权费用等。此外，大型模型的训练过程通常需要大量的计算资源，这也导致了训练成本的上升。

其次，大型模型的应用场景有限。虽然大型模型在各个领域都取得了一定的成果，但其应用范围仍然受到一定的限制。以计算机视觉领域的ImageNet为例，虽然该数据集包含了数百万张图片，但其覆盖的领域仍然有限。这意味着大型模型在实际应用中可能无法发挥其最大的价值。

再者，大型模型的可解释性差。由于大型模型的内部结构和参数数量庞大，因此其工作原理和决策过程往往难以解释。这就导致了用户在使用大型模型时缺乏对其的信任度，从而影响了大型模型的市场推广和应用。

最后，大型模型可能导致资源浪费。以语音识别领域的DeepSpeech 2为例，虽然该模型在某些任务上取得了接近人类水平的性能，但其高昂的研发成本和有限的应用前景使得许多投资者望而却步。这种资源的浪费不仅对研发企业造成了损失，还可能影响到整个行业的健康发展。

综上所述，大型模型背后的投资和成本确实存在一定的泡沫。然而，这并不意味着大型模型没有价值。相反，只有通过不断地技术创新和市场验证，才能使大型模型真正为人类带来福祉。因此，我们应该关注大型模型的发展趋势，同时警惕其可能带来的风险，以确保人工智能技术的可持续发展。