Month: May 2024

引言：AI搜索的崛起 近年来，AI搜索已经逐渐成为科技领域的一大热点。从Perplexity的新一轮融资，到ChatGPT将其首页变为搜索框，再到国内秘塔AI搜索和360AI搜索的崛起，这一切都预示着AI搜索正在成为新的行业共识。此外，不少企业也纷纷表示要加入这一领域的竞争，显示出AI搜索的巨大市场潜力和吸引力。 搜索的市场格局 搜索技术的发展经历了从狭义的搜索引擎到广义的内容发现的转变。狭义的搜索，如百度搜索和浏览器地址栏，已进入平台期，而广义的搜索，包括内容平台内的搜索功能，正处于上升阶段。随着优质内容的分散，用户的搜索需求也日益增长，推动了AI搜索技术的发展。 AI搜索的本质 AI搜索的核心优势在于其能够提供超越传统搜索的内容理解和用户体验。AI搜索不仅仅是关于提升搜索结果的相关性，更关键的是通过深度学习和自然语言处理技术，理解用户的真实意图，并提供更准确、个性化的搜索结果。 用户使用搜索的真实目的 用户使用搜索工具的最终目的，往往不仅仅是为了找到一个网址或一个答案，而是为了解决实际问题或获取具体的资源。例如，用户可能需要找到特定的信息进行学习研究，或者寻找特定的视频内容进行观看。AI搜索通过更好的理解用户需求，能够提供更符合用户期待的搜索体验。 AI搜索的切入点和未来方向 AI搜索需要找到与传统搜索不同的切入点，这通常意味着在特定的垂直领域或新的使用场景下，发挥AI的独特优势。例如，可以在学术研究或医疗信息查询等领域，通过AI搜索提供更专业、更深入的搜索服务。 AI搜索与内容平台的关系 成功的AI搜索引擎将是那些能够与内容平台紧密结合，共同构建强大内容生态系统的引擎。例如，通过与内容创作者和平台合作，AI搜索可以更有效地聚合和推荐内容，从而为用户提供更加丰富和精准的搜索结果。 结论：AI搜索的战略意义 AI搜索不仅是技术的革新，更是对用户搜索体验的全面革命。随着技术的不断进步和市场的逐渐成熟，AI搜索将成为连接用户需求与信息世界的关键桥梁。对于企业来说，投入AI搜索技术，开发更智能、更个性化的搜索解决方案，将是抓住未来市场机遇的关键。 通过对AI搜索的深入理解和应用，我们可以预见一个更加智能和连接的信息时代的到来。 [...]

AI搜索，这个听起来颇具科技感的词汇，最近在科技圈里掀起了不小的波澜。从Perplexity获得新融资，到ChatGPT将首页改为搜索框，再到国内AI搜索领域的新星——秘塔AI搜索和360AI搜索的崛起，AI搜索似乎正逐渐成为新的行业共识。在这样的背景下，许多公司也开始摩拳擦掌，准备在AI搜索领域大展拳脚。 AI搜索的市场格局 首先，让我们来梳理一下搜索市场的格局。传统搜索，无论是百度的主页还是浏览器的地址栏，其市场已经进入一个相对稳定的平台期。随着优质内容逐渐被各大App如抖音、小红书、知乎等分割，传统搜索的体验虽然成熟，但面临着内容质量下降的挑战。 然而，广义上的搜索，包括App内的搜索条以及对模型内部知识的搜索，其实正在上升期。用户数和搜索频次都在增加，显示出搜索需求的持续增长。 AI搜索的本质 AI搜索的核心在于“智能”，而不仅仅是“搜索”。这意味着，AI搜索需要基于大型语言模型（LLM）和其他工具构建的架构，提供更为精准和个性化的搜索结果。AI搜索的目标是更好地理解用户的Query（查询），并提供端到端的解决方案。 用户迁移的切入点 要让用户从传统搜索迁移到AI搜索，需要提供显著的新体验。这不仅仅是在搜索结果上做出微小改进，而是要找到新的使用场景和垂直领域，如学术、医疗、法律等，为用户提供真正有价值的新体验。 AI搜索与内容平台的关系 AI搜索与内容平台之间存在密切的依赖关系。长期来看，拥有高质量内容的社区在搜索领域更有可能胜出。例如，百度通过构建知道、百科等内容产品，试图控制内容并构建竞争壁垒。而在移动互联网时代，用户的搜索行为已经逐渐转移到各个App中，这对传统搜索引擎构成了挑战。 AI搜索的具体应用 一些AI搜索产品已经开始探索具体的应用场景，如： 搜索市场的机遇与挑战 尽管AI搜索来势汹汹，但传统搜索依然有其稳固的市场和价值。搜索引擎依然是互联网流量的重要入口，具有巨大的商业价值。同时，随着技术的发展，新的搜索玩家有机会通过创新的场景和体验来挑战现有的市场格局。 从AI搜索到AGI AI搜索是通往更高级的通用人工智能（AGI）的必经之路。通过更好地理解用户的Query，AI搜索将逐步攻克更多复杂场景，满足用户从信息搜索到内容创作的全方位需求。 在这个过程中，AI搜索不仅需要技术上的突破，更需要对用户需求深刻的洞察和创新的产品思维。随着AI技术的不断进步，我们有理由相信，AI搜索将为用户带来更加丰富和智能的搜索体验。 [...]

在5月15日的Google I/O开发者大会上，谷歌展示了一系列令人瞩目的AI技术更新，全面回应了OpenAI的最新动态。以下是对此次发布会的深入评论。 Project Astra与GPT-4o的对决 谷歌的Project Astra被视为对OpenAI最新发布的GPT-4o的正面回应。GPT-4o以其实时的语音、视频和文本交互功能引起了广泛关注，而谷歌则通过Astra展示了其在AI助手领域的强大实力。Astra不仅仅是一个语音助手，它融合了多模态能力，可以在各种复杂场景下提供智能支持。这种高端的AI商战，正以最直接的方式在我们眼前上演。 新版Gemini：搜索引擎的变革 谷歌在I/O大会上展示了新版Gemini对搜索引擎的革新能力。得益于最新版本的定制化Gemini大模型，搜索引擎不仅能够回答用户的复杂问题，还能利用上下文内容、位置感知和实时信息能力，提供更精确和详细的答案。Gemini通过多步推理功能，简化了用户的搜索流程，使得一次性提出复杂问题成为可能。这不仅节省了时间，还提升了搜索效率。 多模态与长文本能力的飞跃 谷歌展示了大模型在多模态和长文本处理方面的进步。例如，Gemini能够总结学校发来的所有电子邮件，并解析PDF等附件内容。这种能力在生产力工具如Google Workspace中得到了体现，使得处理复杂文档和长文本变得更加智能和高效。 Gemini家族的扩展与优化 此次发布会上，谷歌还介绍了Gemini家族的新成员，包括1.5 Flash和改进的1.5 Pro。1.5 Flash专注于速度和效率，具有突破性的长上下文窗口（100万token），适用于大规模、高频任务。而1.5 Pro的上下文窗口已经扩展到200万token，进一步提升了代码生成、逻辑推理和多轮对话的能力。这些改进使得Gemini在处理复杂任务和提供智能支持方面更具竞争力。 未来展望 谷歌还透露了未来AI助手的发展方向，强调了Agent的推理、计划和记忆能力。通过多步骤思考和跨软件系统的工作，Agent将更便捷地帮助用户完成任务。这种智能系统的应用，不仅在搜索引擎中得到了体现，也将在其他谷歌产品中发挥重要作用。 总结 谷歌在此次I/O大会上，通过展示Project Astra、新版Gemini以及其他AI技术，向业界传达了其在生成式AI领域的强大实力。无论是在搜索引擎的革新、生产力工具的智能化，还是多模态和长文本处理能力的提升，谷歌都展示了其技术领导力和创新能力。这场AI技术的角逐，无疑将推动整个行业迈向新的高度。 通过这些前沿技术的发布，谷歌不仅回应了OpenAI的挑战，更为用户带来了更加智能、高效的数字化体验。未来，随着这些技术的不断发展和应用，我们有理由期待一个更加智能化的世界。 原文链接：谷歌反击：Project Astra正面硬刚GPT-4o、Veo对抗Sora、新版Gemini变革搜索 [...]

近日，谷歌在一年一度的 Google I/O 开发者大会上，正式发布了一系列令人瞩目的人工智能产品和技术更新，回应了 OpenAI 的 GPT-4o 和 Sora。本文将从多个角度对谷歌最新发布的 Project Astra、Veo 以及新版 Gemini 进行评论。 Project Astra 正面硬刚 GPT-4o 谷歌在大会上重点介绍了 Project Astra，这是其对 OpenAI 领先的 GPT-4o 的直接回应。Astra 作为一个多模态 AI 模型，展示了在语音、视频和文本交互上的强大能力。这意味着谷歌不仅在技术上与 OpenAI 进行正面对抗，还在实际应用场景中提供了更丰富的功能支持。尤其是在实时拍摄和数据处理方面，Astra [...]

[latexpage] 多头潜在注意力（Multi-head Latent Attention, MLA）和Stable Diffusion的潜空间都是现代机器学习和深度学习中的重要概念，尽管它们应用于不同的领域（自然语言处理和图像生成），但它们在处理高维数据和压缩信息方面有一些相似之处。以下是对它们的详细比较： 1. 潜在表示的概念 2. 相似之处 3. 不同之处 结论 尽管MLA的潜在表示和Stable Diffusion的潜空间在压缩高维数据和提高处理效率方面有相似之处，但它们应用于不同的领域，并且实现方式和处理对象也有所不同。MLA专注于自然语言处理中的注意力机制，而Stable Diffusion则专注于图像生成任务。它们各自的潜在表示技术在其特定应用领域中发挥了重要作用。 [latexpage] 在MLA（Multi-head Latent Attention）中，通过低秩键值联合压缩实现了将高维的键（Key）和值（Value）向量压缩成低维的潜在向量，从而保留重要信息并减少存储和处理的数据量。以下是具体实现的步骤和方法： 1. 低秩矩阵分解 低秩矩阵分解是实现压缩的核心技术。它通过将高维矩阵分解为两个或多个低维矩阵的乘积来减少数据的维度。具体来说，假设我们有一个高维的键矩阵 ( K ) 和一个值矩阵 ( V )，我们可以使用低秩矩阵分解将它们压缩为低维矩阵。 [...]

[latexpage] 最近，幻方发布的DeepSeek-V2引发了广泛关注。它不仅以每百万token仅需1块钱的价格震惊了大家，比现有的API便宜了两个数量级，甚至有人开玩笑说：“这个价格哪怕输出乱码，我也会认为是一种艺术。” 从技术报告来看，这样低廉价格背后的关键技术之一是新提出的MLA（Multi-head Latent Attention），这是对GQA的改进。据说这种改进不仅更加高效，还能提高性能，引起了许多读者的兴趣。本文将带大家梳理从MHA、MQA、GQA到MLA的演变过程，并重点介绍MLA的设计思路。 MHA: 多头注意力 首先，我们来看看MHA（Multi-Head Attention），即多头注意力。这是经典论文《Attention is All You Need》中提出的一种注意力机制，可以说是当前主流大规模语言模型（LLM）的基础。 简单来说，多头注意力将输入的向量序列分成多个部分，每部分单独计算注意力，然后再将结果拼接在一起。具体公式如下： \[\begin{aligned}\boldsymbol{o}t &= \left[\boldsymbol{o}_t^{(1)}, \boldsymbol{o}_t^{(2)}, \cdots, \boldsymbol{o}_t^{(h)}\right] \ \boldsymbol{o}_t^{(s)} &= Attention\left(\boldsymbol{q}_t^{(s)}, \boldsymbol{k}{\leq t}^{(s)} ,\boldsymbol{v}_{\leq t}^{(s)}\right) \\boldsymbol{q}_i^{(s)} &= [...]