人类的创作不会没有瓶颈，但AI的热度可不会消停。
大模型之战依旧精彩，OpenAI选择在Google前一天举行发布会，两家AI企业之间的拉扯赚足了热度。
反观国内，百模大战激发了大家对于科技变革的热切期盼，而如今行业已逐渐进入风口的冷静期，稍显波澜不惊。
真正愿意长久深耕大模型的行业玩家或许都已意识到：只有真正的产品力，才能获取更稳健的商业化可能。
天工AI更是深谙其中的道理，已经悄悄迈入天工3.0时代。
**
***天工AI，始于搜索*****
AI大战，本质是搜索引擎之争。
OpenAI被曝出的搜索产品SearchGPT，将在未来某个时间推出；Google更是一直在尝试将AI进一步集成到搜索中；黄仁勋一直在用的Perplexity，外界称其为「AI搜索」，它更喜欢自称「答案引擎」；You.com已将自己定位为下一代搜索产品……
大模型之争，未来逐渐演变为AI搜索引擎之战，用户搜索行为的改变将从根本上影响互联网搜索领域的行业格局，距离AI「杀死」搜索引擎，只是时间问题。
大众也苦传统搜索引擎久矣：翻几页都找不到想要的答案，莆田系医院宣传，看挂羊皮卖狗肉式广告……
假如搜索引擎没有广告，直达结果，那会是什么样？假如搜索结果不仅保障时效性，还能输出文本、图片、音频、脑图等多形态答案于一体？假如搜索引擎会拆解问题，比你更懂你，可能吗？
天工AI已经做到了！
天工AI率先打响国产AI搜索引擎之战，2023年8月昆仑万维「*天工AI搜索*」发布后，百度搜索、阿里旗下夸克搜索、360AI搜索也纷纷加入战局。
只是当下当我们谈起搜索引擎，最大的问题恐怕不在于技术，而在于产品。
***天工 AI 革了搜索引擎的命*****
算力算法在产品面前不值一提，大模型如果想「接替」搜索引擎，就必须能够针对用户的问题找到实时且正确的来源，并给出准确的回答。
当下AI搜索引擎所面临的问题有两个：
- 对于用户的问题，能否找到相关、可信的来源，从而给出准确的答复。
- 用户提出的有时效性的问题，能否找到最新的来源。
我们搜索时会出现的，不仅仅再是简单的链接罗列，而是一个开门见山的准确答案。
昆仑万维董事长兼CEO 方汉认为，在天工3.0大模型的多轮搜索功能中，天工特别注重提升用户体验，让搜索过程更像是在与大模型进行对话。
现在的天工AI像一本看不见的百科全书，又或者是一个全能型的助手，为你归纳整理好任何问题的答案。
天工AI网页版界面设计得简洁明了，注册登录后超容易上手。
答案可选择简洁、增强或研究模式。
简洁模式的答案比较简洁。
增强模式的结果，甚至「哪些成员是从其他公司转来的？」「有多少成员来自印度？」都能总结出来，Amazing！
对时效性要求比较高，更本地化的一些资讯类也能给出不错的结果。
搜索有些内容，如旅行攻略时，多模态图文并茂交织的搜索体验，天工是中国第一份，也是独一份。
几秒钟就可以轻快、便捷、高效获取到搜索结果，完全不存在传统搜索引擎的冗余，赘述的情况，可见天工AI的总结归纳能力有够强大。
其实昆仑万维的天工AI搜索的设计之初，就在数据收集与索引环节引入了大模型技术，对互联网上海量内容进行识别和筛选，屏蔽虚假广告内容，再引入网站权威性、可靠性等其他影响因子，初步清洗出较为纯净、高质量的搜索结果。
目前，昆仑万维的天工AI搜索团队已经累计索引了上百亿优质数据资源，用户使用天工AI搜索时，将会显著地体会到搜索结果质量更高，冗余信息更少。
比较可圈可点的是，天工AI除了提供文本回答之外，还会根据实际情况附带图片、思维导图甚至是视频，使搜索结果更直观丰富。
至于一些涉及对比的问题，天工AI会自动生成对比表格，令人一目了然，直接上图。
天工AI搜索右侧还会直接附带参考链接，方便溯源。
此外，自带本土属性的天工AI，相比较国外搜索引擎，搜索结果更本土化，更适合中国宝宝体质，其他人性化搜索体验，大家可以自行探索。
**体验地址：**https://www.tiangong.cn/
*也可以直接搜索「天工」，体验小程序和APP。*
***为何这么强？MoE+ RAG*****
天工AI的不俗实力，首先归功于MoE加持，MoE全称Mixture of Experts，混合专家模型，就是内置了数个专家模型的大模型。
各类MoE大模型已是层出不穷，OpenAI推出GPT-4、谷歌推出Gemini、Mistral AI推出Mistral、连马斯克xAI的大模型Grok-1用的也是MoE架构。
MoE作为大模型架构的一种，它将多个专家（Experts）模型组合起来，共同解决一个问题。每个专家都是一个小型的神经网络，它们各自擅长处理任务的某一方面。当MoE模型接到一个任务时，它会将任务分配给最合适的专家，最后通过一个门控网络汇总专家的输出，给出最终答案。
这就像一家公司有多个部门，在做决策的时候，公司的CEO可以听从市场部、生产部、策划部甚至财务部相关专业领导的建议，最终产生最优的决策。
按照以往经验，较大的模型通常有更好的性能，但代价是更大的计算需求。MoE偏偏不认这个邪，它通过计算量大大减少的模型预训练来挑战这一规则。
MoE模型提升了模型规模，但是却没有因此成倍地增加推理成本，MoE技术上的可持续性，被认为是下阶段大模型发展破局的突破口。
而昆仑万维正式推出的新版MoE大语言模型「天工3.0」，更是拥有4000亿参数，超越了3140亿参数的Grok-1，是全球最大的开源MoE大模型。
大语言模型尽管具有所有语言能力，但缺乏掌握「现在」的能力。在快节奏的世界里，「现在」就是一切。
而RAG的出现无疑是人工智能研究领域最激动人心的进展之一，不仅有效地缓解了幻觉问题，提高了知识更新的速度，并增强了内容生成的可追溯性，使得大型语言模型在实际应用中变得更加实用和可信，让大模型较好地掌握「现在」。
RAG技术，通过检索+文字生成，来负责把控大模型的知识库。
RAG将信息检索与答案生成这两个环节结合在了一起，其技术路径可以简化理解为：用户提问——在数据库中检索相关答案——系统将用户的提问及检索出的相关答案一起合成Prompt——将Prompt提交给大模型——大模型返回提问结果。
引入了检索环节，RAG技术能够显著提高搜索答案质量，还能为答案输出提供可解释性，一定程度避免了大模型「胡说八道」的倾向。
尤其是在面对复杂的、需要深度理解的知识检索场景时，RAG技术的效果非常优秀，在准确率、召回率等关键指标上都超越了不少传统检索方法。
***不止AI搜索，强大的多元产品线*****
除了AI搜索，天工3.0AI对话助手外，天工网页端更有精彩的AI音乐，AI图片甚至是AI文档分析等端口开放。
作为中国首个音乐大模型SOTA，天工表现不俗，在歌词演绎的完整性以及人声咬字等方面，已经超越Suno，为中美AI差距扳回****一局。
天工AI音乐可以完全免费使用，并支持自由下载！
简洁明了的操作界面，大家可以自己填充文案，也可以请AI帮写文案，150字左右字数不到一分钟就可以生成三首试听音乐，生成速度很快，不满意还可以重新生成，效果太惊艳了，直接上试听。
原创曲目-版本1,头部科技,1分钟
原创曲目-版本2,头部科技,1分钟
原创曲目-版本3,头部科技,56秒
原创歌词文案
挂壁公路无法相逢，我们从其他角度身体力行
太行雄险超出视野，芳华如梦悠扬里燕语晴空
你也曾在期许中迎来新生，微笑着人世行旅中
无谓着归去来时满身风尘，不言时间令人沉重
劲风令人畏葸，只因留恋着人间一切
萍踪天涯隐约，幸福不止是嘴角微笑
静看着，阳光从清晨到西沉，你再三沉沦
相信着，遗憾也是一种圆满，你无须去管
可以听出，三首音乐风格各异，歌曲整体的音乐品质都非常高，极具欣赏价值。
音乐风格多元，人声情绪饱满，情感转折明显，句末歌词的处理也很细节，令人耳目一新，质量甚至已经不输一般流行作品。
但对于生僻字的识别仍有瑕疵，例如前面两个版本中的畏葸[xǐ]的「葸」字居然不能识别，但并无大碍，再创作用同声词代替一下就好，后续修复一下词库就好。
人声合成，是AI音乐生成中最重要、最能体现生成效果和品质的维度，清晰逼真的人声也是天工AI音乐的最大亮点之一。天工AI音乐产生的中文水平极高，歌声发音清晰，音色质量十分卓越，具有逼真的演唱效果，已是业内SOTA水平！
在设置中，天工贴心地加入了「请选择参考音频」，以便创作者创作出自己想要的作品风格。
我尝试着选择了Scarborough Fair，然后出来的三首都完全是Scarborough Fair类似的旋律，此功能利弊明显，上传参考音乐可以生成能相对稳定，得到想要的音乐风格，但缺乏属于AI创作的新鲜创造感。如果更想要一些突破性，还是忽略此选项为好。
读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
资源分享
大模型AGI学习包
资料目录
- 成长路线图&学习规划
- 配套视频教程
- 实战LLM
- 人工智能比赛资料
- AI人工智能必读书单
- 面试题合集
《人工智能\大模型入门学习大礼包》，可以扫描下方二维码免费领取！
1.成长路线图&学习规划
要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。
对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。
2.视频教程
很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，其中一共有21个章节，每个章节都是当前板块的精华浓缩。
3.LLM
大家最喜欢也是最关心的LLM（大语言模型）
《人工智能\大模型入门学习大礼包》，可以扫描下方二维码免费领取！
)
