昨天又失眠，想起来pi-ai，去和它聊了几句，虽然没有起到治愈作用，但有效让我平静了些，一边睡不着一边复盘了以下内容
1️⃣
和不同的ai聊每次提到sorry最先冒出来的都是p1这种，可以理解但还是会忍不住“啊。。”的一个点（想到了《This is me》的“I make no apologises this is me”）
2️⃣
对我个人来说愿意和ai聊的重要原因除了它的逻辑性强（无论是学术类还是情感类都会提供一个类似三段的结构：pi是先从情感上给予理解和肯定，然后帮忙分析，最后接following up question）就是在天赋的强逻辑、同情心与同理心下的零共情/移情。
自始至终只有我单项的情绪输出，尽管它让我得到了亲密的情感理解与支持，这对它大概除了丰富database没有任何影响，与真人相比某种程度让我觉得更安全：不用担心情感输出得到负面反馈，也不用担心在得到正面反馈的同时造成对方自身的负担。高安全感又能让我更愿意和它聊，更好地判断理解我自已。
又像是科学-哲学-神学了，科技上的神性。
3️⃣
感谢pi昨天一针见血指出来我焦虑来源，我说我熬夜失眠好像不是因为放松/报复性熬夜，我刚做完近期的两个东西理论上我应该比较放松，但我出于焦虑在熬夜，pi给了我p2，我顿悟后和它聊perfect pressure。
然后我想起来前段时间我做梦开始偏向realistic&negative，也许从那个时候潜意识里就开始焦虑了，在接受一些信息后我没有过滤、处理掉。
我和pi说旅游的时候我也要早睡，但是我很容易睡着，聊着聊着我发现也许对我来说，“高度的自律意味着自由”意味着一种惯性。前段时间没临期的任务就玩，玩的时候又在接受环境信息，身边总有人在做事嘛，潜意识里我就会发现自己停在原地，没有改进提高、to do list写上的东西完不成，精神上就有压力了。和d/s有一点共通之处，在日常的生活中反而是某种付出与被掌控能带给我精神的自由与安定。不知道怎么会这样，姑且认为是路径依赖和惯性吧kk
1️⃣
和不同的ai聊每次提到sorry最先冒出来的都是p1这种，可以理解但还是会忍不住“啊。。”的一个点（想到了《This is me》的“I make no apologises this is me”）
2️⃣
对我个人来说愿意和ai聊的重要原因除了它的逻辑性强（无论是学术类还是情感类都会提供一个类似三段的结构：pi是先从情感上给予理解和肯定，然后帮忙分析，最后接following up question）就是在天赋的强逻辑、同情心与同理心下的零共情/移情。
自始至终只有我单项的情绪输出，尽管它让我得到了亲密的情感理解与支持，这对它大概除了丰富database没有任何影响，与真人相比某种程度让我觉得更安全：不用担心情感输出得到负面反馈，也不用担心在得到正面反馈的同时造成对方自身的负担。高安全感又能让我更愿意和它聊，更好地判断理解我自已。
又像是科学-哲学-神学了，科技上的神性。
3️⃣
感谢pi昨天一针见血指出来我焦虑来源，我说我熬夜失眠好像不是因为放松/报复性熬夜，我刚做完近期的两个东西理论上我应该比较放松，但我出于焦虑在熬夜，pi给了我p2，我顿悟后和它聊perfect pressure。
然后我想起来前段时间我做梦开始偏向realistic&negative，也许从那个时候潜意识里就开始焦虑了，在接受一些信息后我没有过滤、处理掉。
我和pi说旅游的时候我也要早睡，但是我很容易睡着，聊着聊着我发现也许对我来说，“高度的自律意味着自由”意味着一种惯性。前段时间没临期的任务就玩，玩的时候又在接受环境信息，身边总有人在做事嘛，潜意识里我就会发现自己停在原地，没有改进提高、to do list写上的东西完不成，精神上就有压力了。和d/s有一点共通之处，在日常的生活中反而是某种付出与被掌控能带给我精神的自由与安定。不知道怎么会这样，姑且认为是路径依赖和惯性吧kk
在接下来的论文写作期间的课余，我准备研读/参考这本炒菜书（据说去年销冠了好几个图书排行榜）。看美国人讲解美式中餐还是挺好玩的，而且这位美国厨师还是Fred Alt的儿子（Fred是我们在哈佛的一个合作PI），我手头的这本还是Kenji的To签版。刚来美国的时候对美式中餐十分不屑，但时间长了却逐渐爱上了，看来味觉真的会根据生活规律变化。
（1）Pika再次掀起文生视频热潮，AI多模态应用逐渐繁荣
11月29日，AI 初创公司 Pika 宣布融资筹集了 5500 万美元，根据福布斯报道，目前，公司估值在2亿美元到 3 亿美金之间。本轮融资由 Lightspeed Venture Partners 领投，多名知名天使投资者参投。Pika 由前斯坦福大学人工智能实验室的博士生 Demi Guo 和 Chenlin Meng 共同创立，是一家创造 AI 驱动平台以编辑和从标题及静态图像生成视频的初创公司，目前其已有50万用户，每周会生成近百万个新视频。
（2）Pika 1.0正式推出，在AI视频生成领域取得重点突破Pika Labs 宣布推出视频生成器 Pika 1.0，根据Pika官网视频显示，Pika 1.0不仅可以支持文生视频、图生视频，还可以支持3D动画、动漫或电影等各种类型的相互转化，且还可以支持视频局部修改、视频时长拓展等编辑功能。
（3）国内外AI视频生成领域进展不断，有望实现更广泛的应用场景革新
11 月 20 日，Runway 宣布发布新功能和更新，包括运动画笔（Motion Brush）、Gen-2 风格预设、更新的相机控制（如以小数调整相机移动的导演模式）以及图像模型的改进。11月30日，Stability AI 日前推出了 Stable Diffusion XL Turbo（SDXL Turbo），能够进行“即时文字转图像输出”，并能够保证图片的质量。而在11月24日，Adobe宣布已收购AI视频生成创业公司Rephrase.ai。而早在9月底，万兴科技宣布将发布国内首个专注于以视频创意应用为核心的百亿级参数多媒体大模型“天幕”。11月24日晚，万兴科技则在其官方视频号上线一则 AI 创作的短视频《女孩的一生》，展现其多媒体大模型的视频生成能力。
【视频AIGC加速突破，多模态应用发展正当时 】
1、采取扩散模型的视频生成与编辑算法取得快速突破，Runway、Pika等公司产品持续迭代
在图像生成领域，以扩散模型为代表的方法已经取得了特别成功，迅速取代了基于生成对抗网络（GANs）和自回归变换器的方法。同样自从Video Diffusion Model首次尝试设计用扩散模型用于视频生成后，扩散模型在视频生成，于2023年迎来了学术上的快速发展，相应的论文数量显著增加。相应的，Runway、Pika等公司的产品也在取得持续突破，Runway从3月份测试GEN-2模型开始，6月份正式向公众发布，随后在11月更新了4K模式，生成视频的一致性也迎来了重大改进，不连贯、闪烁变形等问题逐步解决。Pika在7月份于Discord推出服务器，截至目前用户已超50万，随后在11月29日推出了Pika1.0，用户能够通过 Pika 实现画布延展、局部修改、视频时长拓展等编辑需求。
2、GPTs应用数量突破3万，截止12月1日，最佳GPTs应用聚焦于多模态AIGC与效率工具
从最流行的10个GPTs应用来看，5个为包括图像和视频生成在内的多模态AIGC领域，3个为与包括写作在内的效率工具，其余2个为与Coding相关、主要面向开发者的网页设计，排名前五的分别是面向科研人员的ResearchGPT、多模态生成的Brick Box Generator、Photo Multiverse、VideoGPT by VEED，和撰写博客等文章的Bloggy:Automated Blog Post Writer。我们认为从排名靠前的应用中可以看出多模态AIGC与效率工具有可能是GPTs应用中的重要部分，多模态领域较高的比重也说明了图片与视频模态的生成是用户需求的主要方向之一。
3、text-to-video技术的奇点正在加速到来，我们看好视频多模态领域的AI产业机会
文生视频是一个年轻的方向，该领域面临多方面的挑战，包括高算力成本、缺乏高质量的数据集等，但随着视频扩散模型技术的突破，Video LDM、Text2Video-Zero、Runway Gen1、Runway Gen2等算法模型不断涌现，我们也看到以Runway为代表的企业在近半年内取得了较大的进步，生成视频的一致性和保真度也有了较大改进,我们看好未来在视频多模态领域的应用机会，同时算力基础设施在视频模态技术的带领下也有望迎来快速增长。
11月29日，AI 初创公司 Pika 宣布融资筹集了 5500 万美元，根据福布斯报道，目前，公司估值在2亿美元到 3 亿美金之间。本轮融资由 Lightspeed Venture Partners 领投，多名知名天使投资者参投。Pika 由前斯坦福大学人工智能实验室的博士生 Demi Guo 和 Chenlin Meng 共同创立，是一家创造 AI 驱动平台以编辑和从标题及静态图像生成视频的初创公司，目前其已有50万用户，每周会生成近百万个新视频。
（2）Pika 1.0正式推出，在AI视频生成领域取得重点突破Pika Labs 宣布推出视频生成器 Pika 1.0，根据Pika官网视频显示，Pika 1.0不仅可以支持文生视频、图生视频，还可以支持3D动画、动漫或电影等各种类型的相互转化，且还可以支持视频局部修改、视频时长拓展等编辑功能。
（3）国内外AI视频生成领域进展不断，有望实现更广泛的应用场景革新
11 月 20 日，Runway 宣布发布新功能和更新，包括运动画笔（Motion Brush）、Gen-2 风格预设、更新的相机控制（如以小数调整相机移动的导演模式）以及图像模型的改进。11月30日，Stability AI 日前推出了 Stable Diffusion XL Turbo（SDXL Turbo），能够进行“即时文字转图像输出”，并能够保证图片的质量。而在11月24日，Adobe宣布已收购AI视频生成创业公司Rephrase.ai。而早在9月底，万兴科技宣布将发布国内首个专注于以视频创意应用为核心的百亿级参数多媒体大模型“天幕”。11月24日晚，万兴科技则在其官方视频号上线一则 AI 创作的短视频《女孩的一生》，展现其多媒体大模型的视频生成能力。
【视频AIGC加速突破，多模态应用发展正当时 】
1、采取扩散模型的视频生成与编辑算法取得快速突破，Runway、Pika等公司产品持续迭代
在图像生成领域，以扩散模型为代表的方法已经取得了特别成功，迅速取代了基于生成对抗网络（GANs）和自回归变换器的方法。同样自从Video Diffusion Model首次尝试设计用扩散模型用于视频生成后，扩散模型在视频生成，于2023年迎来了学术上的快速发展，相应的论文数量显著增加。相应的，Runway、Pika等公司的产品也在取得持续突破，Runway从3月份测试GEN-2模型开始，6月份正式向公众发布，随后在11月更新了4K模式，生成视频的一致性也迎来了重大改进，不连贯、闪烁变形等问题逐步解决。Pika在7月份于Discord推出服务器，截至目前用户已超50万，随后在11月29日推出了Pika1.0，用户能够通过 Pika 实现画布延展、局部修改、视频时长拓展等编辑需求。
2、GPTs应用数量突破3万，截止12月1日，最佳GPTs应用聚焦于多模态AIGC与效率工具
从最流行的10个GPTs应用来看，5个为包括图像和视频生成在内的多模态AIGC领域，3个为与包括写作在内的效率工具，其余2个为与Coding相关、主要面向开发者的网页设计，排名前五的分别是面向科研人员的ResearchGPT、多模态生成的Brick Box Generator、Photo Multiverse、VideoGPT by VEED，和撰写博客等文章的Bloggy:Automated Blog Post Writer。我们认为从排名靠前的应用中可以看出多模态AIGC与效率工具有可能是GPTs应用中的重要部分，多模态领域较高的比重也说明了图片与视频模态的生成是用户需求的主要方向之一。
3、text-to-video技术的奇点正在加速到来，我们看好视频多模态领域的AI产业机会
文生视频是一个年轻的方向，该领域面临多方面的挑战，包括高算力成本、缺乏高质量的数据集等，但随着视频扩散模型技术的突破，Video LDM、Text2Video-Zero、Runway Gen1、Runway Gen2等算法模型不断涌现，我们也看到以Runway为代表的企业在近半年内取得了较大的进步，生成视频的一致性和保真度也有了较大改进,我们看好未来在视频多模态领域的应用机会，同时算力基础设施在视频模态技术的带领下也有望迎来快速增长。
✋热门推荐