👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！
🔥 投资人明目张胆套商业机密，创业者需要了解这些
佩妮小阿姨-知名机构投资人路演竟然当场欺骗创业者
昨晚创投圈火热的话题，是某家老牌双币基金在跟一家「AI+3D引擎方向」的初期创业公司 Orillusion 线上路演时，投资人让这家初创公司的同行竞品顶着「合伙人」的身份共同参会。
被发现后，投资人先是沉默，然后说「完了完了完了」，并试图把这件事说成是「想要一些行业判断，你可以理解成一种第三方尽调…」。
事情发生在一个月之前，昨天文章披露之后，据悉启明创投展开了内部调查。Orillusion 创始人白景文也在知乎发文，更详细地介绍了创业和融资历程，以及对这件事的看法。所有链接都在下方，推荐阅读所有原文 ⋙ 了解详情 | 启明创投后续进展 | Orillusion创始人 @白景文 的知乎文章
🎯 Generative AI (生成式人工智能) 招聘市场分析解读
最近各家公司都在疯狂地招聘 Generative AI (生成式人工智能)，推特博主 @AznWeng 非常详细地分析了招聘市场对此类人才的需求程度、哪些公司招聘了最多的人才、公司为 GenAI 人才支付了多少成本、雇主在 GenAI 工作中提到最多的岗位技能有哪些等。
ShowMeAI 日报挑选几个话题来进行更详细的展示，有相关求职意愿的朋友可以对照国内发现更多机会：
2023年以来，GenAI 人才的需求呈现指数级的增长。按照招聘数量来看，Amazon、Nvidia、Oracle、Microsoft、Google、Meta 等科技行业的头部企业自不必说，Citigroup (花旗集团) 和 CapitalOne 等大银行也在这一领域大举招聘。
在跟踪的所有技术栈中，提到「Generative AI」或「LLM」的岗位提供了最高平均工资，高达每年20万美元。
不过出乎意料的是，CapitalOne、Pinterest 和 Snap 在此类招聘中岗位平均薪资是最高的，超过了科技大厂，看来对人才的需求很迫切。
如果想应聘此类岗位，除了最直接的 LLM 等技术储备，掌握传统的机器学习理论、编程和工程可以极大增强竞争力 ⋙ 推特@AznWeng
🏆 2023淘宝天猫开放生态AIGC挑战赛
https://open.taobao.com/aigc/2023
淘宝天猫启动了一场开放生态 AIGC 挑战赛，致力于AI技术在电商领域的广泛应用与创新，通过科技驱动帮助商家实现智能化经营和降本提效。
第一季AIGC挑战赛将围绕商家基础高频的「商品主图」场景展开，参赛者可选择服饰鞋靴、快消美妆、家装家电中一个或多个行业赛道报名，提报该行业智能生图产品。优胜者将获得奖金、证书与资源支持。
活动报名时间是9月7日至9月26日，更多信息可以前往官网查看。
🧩 AIGC 在 XR 场景中的应用｜Stable Diffusion 生成 Skybox
@BlockadeLabs 团队开发了一款文生图 (text2image) 的应用，可以直接在 VR 设备浏览器中基于用户描述生成各种风格的 360° 背景图 (Skybox) ，用户可以通过绘制轨迹 (ControlNet) 实现对生成图像内容的进一步定制。
这篇文章介绍了如何使用 Stable Diffusion 为 XR 生成内容的方法，可以使用「Stable Diffusion API」「本地部署 Stable Diffusion WebUI + API」两种方式将 Stable Diffusion 引入 XR 场景 ⋙ 阅读原文 | 微信内阅读
👀 为啥客户不关心AI？如何说服他们采购AI产品和服务
虽然人工智能已经被广泛应用于各种软件，但尴尬的是，客户目前对AI的热情并不高涨，也不愿为AI功能额外付费。
形成这种现象的原因大致有两类，一是基于AI的软件并未在短期内显著提高生产力，二是增加的AI功能并不能真正改善用户体验。
作者提出了以下几种策略，帮助提升说服客户购买AI产品和服务的成功率，可以看看对你的工作是否有启发：
提供独特的输入：AI系统可以通过获取到更多的上下文信息来提供更好的建议，这是许多数据库和大数据提供商的主要策略；例如 GitHub CoPilot可以访问整个代码库，这比只复制几行代码到ChatGPT中提供的内容要丰富得多
提供独特的输出：GPT在输出文本答案、生成表格和原始CSV输出方面表现出色，如果产品能够提供更加高效的体验，用户将留在AI产品内而不是使用 ChatGPT；例如使用AI的智能来创建表单和网站或者自动编辑照片
在有限、透明、安全的环境中使用AI：AI最适合的应用场景是在透明且安全的环境中作为人类和机器之间的界面，这样的GPT-powered软件更能够发挥其潜力
慎重地集成AI：只有当AI能够提供超越现有表现时，才有理由将其集成到产品中，而且需要重新思考AI应该在产品中帮助用户完成什么
不急于推出AI功能：如果一个产品团队在GPT首发后就开始开发AI功能，那么此时可能已经陷入高额的沉没成本；产品团队面临两难选择，要么放弃成本转向更新更强大的大模型，要么观望但可能面临被动的市场节奏 ⋙ 来源
🚀 过去一个月，投资AI公司的钱都被谁拿走了？
这篇文章主要介绍了8月份在AI领域融资最多的10家公司，可以观察到资本正在从「直接投资大模型」转向「投资AI应用和基础设施」相关的公司。
这些公司业务涵盖药物设计、自动驾驶、语言模型、医疗等多个领域，获得了总计超过10亿美元的融资：
第一名：Hugging Face，机器学习平台和工具，8月D轮融资2.35亿美元，由 Salesforce 牵头，估值达45亿美元
第二名：Genesis Therapeutics，人工智能药物设计公司，8月B轮融资2亿美元，由美国一名生命科学投资者和 Andreessen Horowitz 领投
第三名：AI21 Labs，大语言模型初创公司，8月C轮融资1.55亿美元，投资方包括谷歌和英伟达，最新估值14亿美元
第四名：Anthropic，构建可解释的AI系统，8月获得韩国电信 SKT 1亿美元投资
第五名：Modular，AI基础设施初创公司，8月融资1亿美元，由 General Catalyst 领投
第六名：helm.ai，为汽车和机器人提供AI软件，8月C轮融资5500万美元，由 Freeman Group 主导
第七名：Weights & Biases，提供 MLOps 平台，8月融资5000万美元，由 GitHub 前 CEO Nat Friedman 领投
第八名：Aether Biomachines，酶工程和锂提取，8月A轮融资4900万美元，由 Natural Capital 和 Unless 领投
第九名：TytoCare，远程数字医疗，8月融资4900万美元，由 Insight Partners 领投
第十名：Deepset，开发AI语言模型工具，8月融资3000万美元，由 Balderton Capital 领投 ⋙ 阅读原文 | 微信内阅读
📚 Diffusion Models 详细教程，OpenAI安全团队负责人权威讲解
在逛追踪更新的Blog清单时，发现了 @Lilian Weng 博客里这篇文章非常不错！Lilian Weng 目前在 OpenAI 领导安全团队，是机器学习社区广受欢迎和尊重的大牛级人物。
这篇文章发布于2021年7月，全面介绍了 Diffusion 模型的原理和变体，有着细致透彻的数学推导过程。
文章首先从物理学的角度介绍了正向和反向扩散过程，然后详细推导了训练目标和采样算法，还系统比较了DDPM、NCSN、DDIM等Diffusion模型的区别，并讨论了如何进行有条件生成、提高生成分辨率等技术。
简单总结下各部分内容，感兴趣可以阅读原文 (实际上 Lil’Log 的所有文章质量都不错)：
What are Diffusion Models：本节首先从正向和反向扩散过程出发，介绍了Diffusion模型的基本思想，然后详细推导了变分下界训练目标，并与语音化梯度Langevin动力学的联系，还讨论了反向过程中条件概率的参数化
Speed up Diffusion Model Sampling：本节探讨了如何加速Diffusion模型的采样过程，提出了采样步长增大和确定性采样两种方法，并比较了DDPM和DDIM在不同采样步数下的性能
Conditioned Generation：本节讨论了如何进行有条件的图像生成，介绍了基于分类器指导的方法和无分类器指导的方法，以及如何找到平衡
Scale up Generation Resolution and Quality：本节提出了使用分辨率递增的Diffusion模型管道来生成高分辨率高质量图像，还介绍了噪声条件增强等技术
Quick Summary：本节简要总结了Diffusion模型的优缺点，指出其既具有计算可导性也具有表示能力，但采样过程 comput开销大 ⋙ 超长原文
📺 超级个体公开课：AI智能体与人类，未来协作方式/合作组织/生产空间
这是一篇万字长文，整理自一次公开课的脱稿演讲，是面向数字游民、自由职业、远程办公等群体的一次AI时代的超级个体公开课分享。文字内容通过会议转录后再经过ChatGPT重新组织，并最终经过了作者的审阅调整。
公开课内容深入浅出，量大管饱，相对全面地介绍了人类与AI自动代理、AI智能体的未来协作方式，将如何重塑未来的商业模式，有助于每个人提前洞察未来并由此做好职业进阶的准备。
新一代超级工作者，是掌握先进生产力 (AI)、生产关系 (Web3) 以及生产空间 (Metaverse)，拥有自己的AI团队与自动化任务工作流，基于AI Agent与其他超级个体建立更加「智能化」与「自动化」的协作关系。
互联网超级个体的由来：介绍了超级个体的概念，它利用网络效应获取资源和变现，是互联网早期的产物
三大技术叙事融合趋势：提出Web3、AGI和元宇宙三大技术趋势正在交织影响社会，需要理解它们的交互作用
如何定义新一代的超级个体：新一代超级个体拥有先进生产力、生产关系和生产空间，可以组建AI团队并与其他超级个体自动化协作
那人类与AI协同的三种方式：介绍了embedding、copilot和agent三种人机协同方式
什么是 AI-Agents：AI-Agents将大型语言模型作为核心控制器，执行各种自动化智能任务
基于 LLM 驱动的 Agents系统：解析了基于大型语言模型的Agent系统架构，包含记忆、规划、行动和使用工具等模块
AI-Agents 的几个关键方向：讨论了自动化代理和智能体两个关键方向，以及Agent系统和多智能体的发展
AI技术的自动化范式 - AutoGPT：介绍了AutoGPT，它接收语言目标然后自动规划和执行任务
AI技术的自动化范式 - HugggingGPT：HuggingGPT可以调用不同模型组合完成复杂任务
AI自动化的另一种范式：生成式智能体：介绍了斯坦福AI小镇中具有自主性的生成式智能体
AI自由职业者平台：介绍了集成不同AI角色的自由职业者平台NexusGPT
自动化品牌营销公司 - AutoCorp：描绘了一个基于AI实现营销自动化的虚拟公司
基于 Agents 的自动化团队 - GPTeam：介绍了类似的多Agent组成的自动化开发运维团队
超级个体经如何经营一人公司：讨论了超级个体具有自动化核心运营的一人公司模式
超级个体与智能体的竞争博弈关系：分析超级个体与智能体博弈找到最优解的重要性
AI竞争下的职业危机思考：提出了数字技术资本主义可能导致的社会阶层分化问题 ⋙ 万字长文 | 视频录屏
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！
◉ 点击 👀日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！
◉ 点击 🎡生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！
