Oppdateringen av nano-banan er en historisk node innen AI-innovasjon. Denne modellen avduker et fikenblad for AI-industrien. Alle AI-malemodeller som kan spilles av er ikke årsaken til produktet, Bare fordi du ikke forstår virksomheten, ser du bare på etterspørselen! De mener at kundenes behov er viktige, Så jeg prøvde å oppfylle dette kravet. Men for å oppfylle dette kravet trenger du et solid forretningsgrunnlag. og en enorm forretningsutførelsesprosess, hele veien er veldig kompleks. Det tilsvarer å la en gammel mann som driver gård gå til Michelin-kjøkkenet for å lage en biff. Store produsenter: De forfølger alle kule enkle innganger og prangende utganger. Lederen var veldig begeistret, de ansatte brakk beina, effekten ble diskontert, og syklusskapingssyklusen var enorm. Faktisk, når det gjelder virksomhet, er problemene som kan løses svært begrensede, og forretningsidentifikasjonsgapet fører til vendinger i modellproduktiseringsbanen. Sett alltid forskning bak, og sett foran temaet som kan utløse det. Etter hundre år med hardt arbeid laget jeg en halvhengende ting. Resultat: Xiaobai skjelte ut moren, utøveren skjelte ut moren, markedsføringskontoen ble holdt til himmels, og det var svært få forbrukere. Små fabrikkkolleger: utilstrekkelig teknisk styrke, utilstrekkelige ressurser, for å dekke et lite behov, men også å trenge et sterkt ønske om å utforske, høye kostnader for teknisk praksis, ta noen måneder, enorme kapitalkostnader for å løse et lite problem. Noen av dem bruker det grunnleggende, bjørneblinden deler risen, og forbrukerne mister en gruppe og trekker en gruppe. Iterasjon kan rett og slett ikke dekkes kontinuerlig. Resultat: Det du lærer er kjedelig, og det du ikke lærer er vanskelig å lære. Åpen kildekode-peers: Applikasjonen har blitt gjort syttisju eller åtti, den åndelige verden er tilfredsstilt og blomstret, og den totale tjenesten er ikke hundretusener av mennesker, som alle tjener penger og ikke bruker dem på åpen kildekode-skapere. Modellen er iterert én gang, graven er en fot høy, og det er ikke nødvendig å iterere på tidligere teknologi. Resultat: Moralske følgesvenner hoppet i gropen den ene etter den andre og etterlot bare noen få foreldreløse barn. Å forstå forretninger er forutsetningen for å gjøre AI. Jeg sa tidlig at grunnen til at jeg brukte AI til å male i 2023, Fordi jeg måtte tegne storyboards, la vi mye arbeid i det. Tidlig i 2024 ble det innsett å ta bilder med kjendiser og trene konsistensmodellen. Mange av de enkle funksjonene som nå var tilgjengelige for mer enn et år siden, Folk som ikke forstår forretninger kan ikke engang forstå det. I dag er hver funksjon av nano-banan direkte til kjernen av virksomheten. Han er ikke bare en modellteknologioppdatering. Det er faktisk mange måter å endre på. Men denne modellen åpner opp alle forretningsnøklene samtidig. Faktisk er Sora allerede veldig mektig. Men SORA dekker ikke virksomheten så omfattende. For noen måneder siden var det mange hirsebutikkleverandører, De begynte alle å bruke SORA til forretningsinnhold. Men det er mange begrensninger, men fra vår forståelse av modellen, Open source-modellen er en teknisk flaskehals, Men for SORA-modeller er det noen forretningssegmenter. Det skal ikke være en flaskehals for denne modellen. For å gi et enkelt eksempel, har Conan ingen problemer med å gå fra tomhendt til å holde en blomst. Men hvis du lar en figur, er det veldig vanskelig å ha en ting til i hånden. Fra et forretningsmessig synspunkt er denne saken faktisk ikke vanskelig i det hele tatt. Men sora optimaliserer bare ikke for deg, Er det fordi teknologien ikke er på plass? Er det ikke mulig å oppnå en så enkel operasjon som MJ? Det er helt et avvik fra forståelsen av virksomheten. Så la oss ta et annet eksempel på MJ, Er det estetiske nivået til denne modellen sterkt? For å være ærlig, for et år siden, Vi kan bruke denne modellen til å oppnå klesmodeller med flere perspektiver. Det er også opprettelsen av virtuelle virkelige karakterer av simulerte mennesker. Men den tekniske implementeringen er veldig flatterende, Så langt har ingen klart det. Vi er også motvillige til å spre disse tingene. Men i de flestes synsfelt kan ikke evnen til selve MJ-modellen sees. Jeg vet ikke hva MJ forfølger, Jeg visste at de hele tiden gjorde ting som var nær virksomheten. Den er ikke godt optimalisert, noe som resulterer i mange sekundære korreksjoner til denne modellen. La meg gjenta, de to ovennevnte problemene er ikke at modellevnen ikke er god, Det er selskapets mangel på forståelse for forretningsbehovene til alle samfunnslag. Google har bevist det for deg, og ingen trenger å motbevise det. Å stå og slå er over.