写在前面
“【WeThinkIn出品】栏目专注于分享Rocky对AI领域的本质思考与经验总结，内容涵盖AI领域的各个维度。欢迎大家点赞在看关注一键三连💪
”
大家好，我是Rocky。
2024年7月4日至7日，2024 世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）在上海正式举行。
作为一年一度的全球AI行业前沿盛会，WAIC 2024一共汇聚了9位图灵奖、菲尔兹奖、诺贝尔奖得主和88位国内外院士，重点讨论了AIGC、大模型、传统深度学习、自动驾驶、具身智能（AI+机器人，赋予机器人感知、学习和与物理世界动态交互的能力）、大数据、AI算力、AI安全等多个热门议题。Rocky也到现场参加了本次盛会，逛完了所有展台。与WAIC 2023相比，Rocky在火爆、座无虚席、人声鼎沸的现场氛围中感受到了AI行业很多的变化与未来趋势，“仿佛全球的AI产业，都在讨论如何让AIGC全面落地”。
Rocky作为AI行业的“老革命”，在传统深度学习时代（2012年-2022年）也遇见过相似的情况。AIGC时代会像传统深度学习时代那样雷声大雨点小，只在局部领域艰难落地？还是像移动互联网时代那样，为我们带来大刀阔斧的变革？
历史不会重复，但总在押韵。我们已经经历过移动互联网时代和传统深度学习时代，同时AIGC时代也展现出了其不同以往的特质，所以AIGC时代具备了成为与众不同新时代的潜质。接下来，Rocky将重点从AIGC核心技术、AIGC智能终端、AIGC应用赋能三大板块切入分析，一窥AI行业目前以及未来的大趋势。
如果大家没有参加WAIC 2024盛会，Don‘t worry，阅读本文可以弥补这个遗憾。
So，enjoy（与本文的BGM一起食用更佳哦）：
正文开始
目录先行
从WAIC 2024看AI行业整体方向趋势 从WAIC 2024看AIGC的商业落地趋势 WAIC 2024参会大咖精华观点汇总分享
1. 从WAIC 2024看AI行业整体方向趋势
从WAIC 2024展会的整体内容上看，Rocky可以帮大家归纳成四个部分：
AI核心技术：AIGC、传统深度学习、自动驾驶、芯片、大数据、AI安全、RPA、AIOT、5G通讯、云计算等。
智能终端：智能机器人、核心零部件、可穿戴设备、智能商业终端、智能家居等。
AI应用赋能：数字健康与智慧医疗、低碳能源、商业零售、金融科技、智慧城市、工业互联与智能制造、智能驾驶、文娱体育、智能教育等。
未来创新技术：元宇宙、增强现实（AR）、虚拟现实（VR）、区块链技术等。
接下来我们走近这四个部分，跟着Rocky一起挖掘出AI行业的前沿趋势。
在AI行业进入AIGC时代后，AIGC方向毫无疑问扛起了AI行业发展的大旗，成为了聚光灯下最耀眼的明星。同时Rocky也能明显的感觉到AIGC从AI绘画、AI视频、大模型、数字人、AI音频、3D生成等单一模态往AIGC多模态发展的强烈趋势。
这是正确的，因为AIGC多模态的输入输出能力，更符合用户习惯和AI行业的商业落地准则，也让AIGC产品的构建有了更多可能性。
与此同时，AI行业的另外两个落地大方向：传统深度学习和自动驾驶发展到什么程度了呢？
特斯拉的FSD V12新技术范式又将自动驾驶成为大会的焦点，整个自动驾驶领域也在进一步发展，向全面商用持续靠近。
并且自动驾驶的整体产业内涵也更加丰富，低空经济产业、智能驾驶产业、自动送运货产业等让自动驾驶领域更加从容与踏实。
而传统深度学习方向虽然本身已经完全成熟，没有发展潜力，但却给了Rocky一个非常重要的灵感启发。
那就是在一个传统科技厂商的展台里，Rocky看到AIGC+传统深度学习来革命智能城市与智能交通场景，让原本的感知智能产业开始有向数据智能产业演变的趋势。
Rocky认为，存在趋势本身就是伟大的，因为趋势意味着变革、机会、增量与重构。
在走访了所有的展台后，Rocky也更加肯定了AI核心技术多元融合的强烈趋势，形成以AIGC、传统深度学习、自动驾驶三大AI落地产业为核心，上游配备海量算力芯片与大数据，下游配备智能终端的AI行业技术框架，用于AI应用赋能与AI产品的构建。同时一些未来创新技术不断的滋润整个技术框架，让整个AI技术框架更具弹性，具备与时俱进的能力：关于未来创新技术，Rocky认为我们需要前置的去对一些关键潜力技术进行预判与投资，就像目前处在AIGC时代的早期，全球市值第一的不是AIGC企业，而是“卖铲子”的算力提供商英伟达，英伟达在移动移动互联网时代和传统深度学习时代所深耕的事情在AIGC时代有强大的爆发性势能。
在AIGC时代之后，元宇宙初级阶段和AGI初级阶段肯定会来，那么在下一个周期中，哪些是英伟达式公司呢？哪些硬科技有爆发性势能呢？这是我们每个AI从业者都需要思考的问题。
到此为止，Rocky已经带着大家完整挖掘了AI行业的整体方向趋势，那么我们下一章节要做的事情，就是向AIGC商业落地应用要答案，就让我们一起看看WAIC 2024中有哪些商业落地趋势。
2. 从WAIC 2024看AIGC的商业落地趋势
在本章节中，让我们跟随者Rocky的脚步，走遍所有的展台，一起来畅快social！
首先我们了解一下本次WAIC 2024的展台布局，除了一楼的各头部大厂、AIGC新锐势力、AI独角兽、传统科技公司、研究院等公司机构外，为了推动人工智能产业的持续发展，在大会的二楼还特别设立了“Future Tech 100未来之星创新孵化专区”。这个专区旨在遴选具有潜力的初创项目团队，为他们提供一个展示和交流的平台。
谈到商业落地，Rocky认为无外乎ToB和ToC两大永恒话题，这是商业不变的本质路径。
那么，AIGC时代的AI行业，到目前为止的ToB和ToC商业落地进展与未来趋势有哪些呢？
AIGC技术持续进化
在本次WAIC 2024大会现场，各头部大厂、AIGC新锐势力、AI独角兽、传统科技公司、研究院等都展示各自最先进的AIGC大模型与技术。
到这里Rocky便敏锐地发现，不同公司开始衍生出基于AIGC的不同落地商业应用形态：
AIGC技术赋能自身业务：在AIGC时代之前就有稳定现金流业务的公司，将AIGC技术赋能这些业务，从而升级业务形态。这种模式ToC应用的典型例子是快手的可灵大模型与快手app的有机结合。与此同时ToB的典型例子是各科技公司AIGC和能源、交通、通信等行业应用的有机结合。 基于AIGC技术搭建新产品与新平台：基于一个自研的AIGC模型和技术，以此为核心搭建AIGC应用，包括配套的平台和App等。 做AIGC解决方案：这种模式根据客户需求定制出对应的AIGC解决方案，其实与传统深度学习时代的AI解决方案非常相似，只有ToB的可能性。
上述的一些落地商业应用形态，Rocky认为其中有几个最关键最核心的问题：
在ToB方向上，如何在目前AIGC大模型效果同质化严重、内卷严重的情况下，找到B端的长期合作客户与金牌客户？ 在ToB方向上，如何降低AIGC解决方案迁移到B端客户知识领域的成本？ 在ToB方向上，B端客户内部出现很多反对赋能的守旧利益集团，如何配合资本与生产资料拥有者对其内部进行思想疏通与守旧利益集团的瓦解重构？ 在ToC方向上，如果本身没有流量入口，该如何在获取流量的同时压低成本？ 在ToC方向上，AIGC应用本身有算力成本，在这样的情况下，如何打造爆款级App与平台？
Rocky相信，如何解决好上述的问题，是每个AI从业者要思考的事情。
AIGC具身智能
最让Rocky感觉到惊喜的应该就是WAIC 2024大会中的具身智能展台了。
因为实在是太酷了！
不管是特斯拉的二代人形机器人Optimus，重磅发布的国产开源大模型机器人“青龙”，还是宇树科技的首款具备奔跑功能的全尺寸通用人形机器人H1，都足够吸引在场观众的眼球。到2023年，中国的机器人市场规模已经高达839亿元，展现出蓬勃的发展态势，本次WAIC 2024大会也有超过20款智能机器人参展，让观众大饱眼福。
这些具身智能机器人一般都具有高度的自主性和智能化，可以在各种复杂环境中完成各种任务（虽然也偶有演示翻车哈哈）。更快、更强、更精细成为此次展出机器人的重要特征。在AI持续渗透到人们日常生活中后，具身智能机器人将是我们的好助手，不仅能够理解物理世界，还能在其中灵活操作，有机会实现与人类的无缝协作。
Rocky认为，在AIGC飞速发展的同时，具身智能的发展也在同步进行，走到一个质变节点时，AIGC+具身智能的组合有太多的想象空间。
同时，从具身智能这个领域，也给我们带来了很多的思考与启发。之前提到机器人，很多人都会想到日本，同时也就会滋生出一批认知思想被禁锢的人。
这些认知思想禁锢者中，不乏一些长期从事机器人行业和高智商的人，但是都无法跳出自己对自己的认知禁锢。这其实给后来者创造了巨大的机会，后来者只要认知思想自信开放，组建志同道合的核心团队，持续深耕机器人行业，很快就能将这些思想禁锢者快速“宰杀”，从而获取经验与市场份额。
这也就是Rocky一直在说的，破除技术迷信，有自信开放的认知思想，是AIGC时代可以交流探讨的基础。
3. WAIC 2024参会大咖金句汇总分享
WAIC 2024大会上很多AI行业大咖都表达了自己的思考，Rocky也为大家整理了一些精华思考与观点，希望能给大家带来帮助：
周伯文-上海人工智能实验室主任、衔远科技创始人
对AI安全的投入远落后于AI性能的投入
目前，从算法研究、人才密集度、商业驱动力、甚至包括算力的投入等方面来看，我们对AI安全的投入远远落后于对AI性能的投入。现在，世界上只有1%的（资源）投入在对齐或者安全考量上。
姚期智-图灵奖得主、中国科学院院士、清华大学交叉信息研究院院长
控制好AI，但又不能破坏它
AI风险来自于三个方面：一是网络风险延伸和扩大。现在，我们觉得管理数据安全已经是很困难的，出现了AI会困难100倍。二是没有意识到的社会风险，比如说AI非常强大，而且是可以有很多方式去使用，所以颠覆现在社会结构在短时间内发生的可能性，这是存在的。比如说有人提到，AI可能带来大规模未来的失业。三是最有意思的层面，生存或者存在的风险。以前也面临过，当火车或者蒸汽机发明的时候，就有人有这样的担忧。
我们一方面需要把AI控制好，毕竟这是我们设计出来的；另外一方面，也不希望它被我们给破坏了，这样权衡是非常困难的。正如图灵所说，这是无法预测的，预测不了机器有了足够算力之后会做什么。
李彦宏-百度创始人、董事长兼首席执行官
我们要避免掉入「超级应用陷阱」
一定要出现一个DAU10亿的APP才叫成功，这是移动时代的思维逻辑。其实不一定，AI时代，「超级能干」的应用比只看DAU的「超级应用」恐怕要更重要，只要对产业、应用场景能产生大的增益，整体价值就比移动互联网要大多了。
智能体是最看好的AI应用方向，搜索是智能体分发的最大入口
热衷于「用AI写一个作文能得多少分」，其实这个使用价值是不大的，人家不会让你带一个大模型去参加高考。但是真正的需求是，大量的考生在考完之后要报志愿、要选择学校、选择专业，他们对一所大学、一个专业，会有各种各样的问题，而每一个考生的情况又是不一样的，这时候就需要有一个智能体来回答每一个考生专有的问题。
制作一个好的智能体通常并不需要编码，只要用人话把智能体的工作流说清楚，再配上专有的知识库，一般就是一个很有价值的智能体，这比互联网时代制作一个网页还要简单。
未来，将会形成庞大的智能体生态，而搜索是智能体分发的最大入口。
开源模型在特定场景有价值，但并不适用于大多数应用场景
开源大模型在学术研究、教学领域等特定场景下有存在的价值，但并不适用于大多数应用场景。在激烈竞争的环境中，需要让业务效率比同行更高、成本比同行更低时，商业化的闭源模型是最能打的。
业界可能会混淆模型开源和代码开源这两个概念。模型开源，你拿到的是一大堆参数，还是要去做 SFT，还是要去做安全对齐。你不知道这些参数是怎么来的，是无法做到众人拾柴火焰高的，即使拿到对应的源代码，也不知道他用了多少数据、用了什么比例的数据去训练这些参数。所以拿到这些东西，并不能够让你站在巨人的肩膀上去迭代和开发。
傅盛-猎豹移动董事长兼 CEO，猎户星空董事长
智能涌现，是一个灰盒状态
今天我们讲的生成式人工智能，是不是人工智能核心的道路？按照这条道路走，是不是能够创造通用人工智能？还是说也会有别的路线？
今天业界、学术界有不同的看法，认为仿人类的智能、仿人类的框架才能真正发现智慧的过程。因为今天的生成式人工智能，我们叫智能涌现，其实对中间的原理并不是特别清楚，是一个灰盒状态。
智能的涌现，可能是多条路线的。对于我们创业者来说，今天看到了这一波人工智能带来的巨大的生产力变革，就应该是坚定地投入。在人工智能技术构建上，去完成一系列产业变革。
王坚-中国工程院院士、之江实验室主任、阿里云创始人
GPT的潜力还没有被完整地探索
80 年代初，发明了人工智能这个词的十个人之一——赫本山姆（Herbert A. Simon）跟我们讲，人工智能是未来。你想一个大学生被讲了以后，可以想象是多么热血。但等了几十年，（人工智能）也没有来。所以很多问题的探讨，困难要超出我们想象。
但这一次可以说，人工智能是有别于过去的人工智能。不好说它是不是通用人工智能，但是它一定跟过去五六十年是不一样的。
General Intelligence被翻译成通用人工智能，我个人觉得有一点点混淆，翻译成普通人工智能会更加确切，它是一个最最基本的东西，而不是从通用不通用的这个角度来讲。
人工智能的机会属于谁？
考虑到大模型所需要的算力、算法、数据门槛，人工智能对大公司会友好一点，但是友好并不意味着宽容，一定会有新的大公司出现，也一定会有大公司烈火重生。大企业（可能）会觉得 AI 是工具的革命，小企业一定会觉得这是革命的工具。我想大企业也要意识到这是革命的工具，那这个变化就来了。
张平安-华为常务董事、华为云CEO
AI创新，离不开「在云端释放算力需求」的创新
中国的AI发展，离不开算力基础设施创新。这条AI创新道路，包括把端侧硬件AI算力的需求，释放到云端。就像华为手机的拍照功能已经可以把图片呈现得逼真、有丰富的细节，但如果把图片处理放在云端计算，图片会更立体清晰，像单反一样，（像所展示的这张图片里）蚂蚁绒毛清晰可见。
在云端，通过云网端芯架构上的协同创新，来构建可持续发展的AI算力基础，包括芯端算力上云、面向AI的网络架构升级、云基础设施系统架构创新三个方面。
井贤栋-蚂蚁集团董事长兼 CEO
大模型落地三大难
业界普遍认为，通用大模型落地严谨产业，面临着三个「能力短板」：领域知识相对缺乏、复杂决策难以胜任，以及对话交互不等于有效协同。
通过专业智能体的深度连接，AI会像互联网一样带来服务的代际升级
为了破解这些难题，专业智能体是通用大模型落地严谨产业的有效路径。通过专业智能体的深度连接，AI会像互联网一样，带来服务的代际升级。（在移动互联网时代APP小程序是服务载体，未来是要往专业智能体方向推进。）
未来智能化的用户体验，一定不是只靠一个大模型，而是需要全行业深度协作，需要很多的专业智能体共同参与、各司其职。蚂蚁坚持走开放道路，和行业共建专业智能体生态。
徐立-商汤科技董事长兼CEO
应用是AI「超级时刻」的关键
我一直的观点是其实虽然我们的行业非常的热，包括像GPT带来的聊天式的应用，Sora带来的视频应用，但它还没有到「超级时刻」，是因为它没有真正走进到一个行业垂直应用当中、引起广泛的变化。
可是这两天，我忽然感觉有点变化的想法。因为我的中学的退休的老师不停的在群里面问我，怎么样用人工智能去写文案、生成祝福的图片，发到他的退休群里等等。
我突然想，其实超级时刻和应用是互相成就的。只有超级时刻带来的认知的变化，最后才能推动应用。倒推回来，如果我们有应用作支撑，那么我们现在这个时刻就是「超级时刻」。所以，应用是「超级时刻」的关键。
走向广泛应用的三大突破点：高质量数据、流畅的交互、可控性
如果要推动人工智能超级时刻的到来，需要大模型可以展现出卓越的深度思考的能力。那么合成的人工数据，特别是高级思维的数据非常重要。所以越是有应用的场景，才能形成更好的、高质量的数据。
第二，自然的没有延迟的交互。端侧其实也是一个非常重要的突破点，推动模型的端侧优化，实时的交互变化会更加流畅。用好端和云两部分的计算机资源，才能够成为一种全自然的交互模式。
第三，所有的生成都要可控，你不需要做得很好，但你需要知道你哪里做得不好，并且说做哪里进行一些修改，有了这样的一个边界，那么实际上才能做到真正的可控技术以及可持续的技术发展。
孟樸-高通公司中国区董事长
终端与云端的紧密结合，将成为推动生成式AI规模化扩展、加速数字化转型的关键
虽然当前生成式AI的研发和应用主要集中在云端，并且云计算仍将发挥重要作用，但如果将20%的生成式AI工作负载转移到终端侧，预计到2028年将节省160亿美元的计算资源成本。
这种终端与云端的紧密结合，将成为推动生成式AI规模化扩展、加速数字化转型的关键所在。同时，为了推动生成式AI的广泛应用，我们也需要将其能力延伸到日常使用的智能设备上，如智能手机、移动PC和智能网联汽车等。
实现生成式AI在终端上的落地，需要在终端侧打造高性能AI处理器；还需要对生成式AI模型进行训练优化，使其体量越来越小，效率越来越高。
IDC预测，预计2027年中国新一代AI手机出货量将达到1.5亿台，市场份额将超过50%。在PC方面，咨询公司预计AI PC的渗透率将从2024年的2%上升到2028年的65%。
闫俊杰-MiniMax创始人兼CEO
应用的关键是要降低模型错误率
目前大模型最核心的问题是错误率还是比较高。比如GPT4在很多测试指标上，正确率只有60%、70%。国内的模型整体有60%到70%的错误率。
为什么大模型的产品都是一个对话的形式？因为对话的容错率比较高。为什么它不能成为一个独立的Agent？是因为如果是个Agent，需要进行多步、错误率就更高，就没有办法用。
所以最核心的问题是怎么把大模型的错误率从30%、40%，降到3%、4%、或者2%。AI从一个辅助人类的工具到能独立完成工作的最核心标志，就是错误率整体的降低。这对于更大的社会价值是至关重要的。
提升模型正确率的关键路径
使用合成数据、提高训练效率、研究新型模型架构、研究各种优化方法等，所有这些事都是围绕着怎么把这些技术加在一起、或者乘在一起，能够让我们半年或一年之后，有一个错误率个位数的模型。
大模型降价是一件好事
大模型的价格本来就应该降低，同时模型效果应该更好。
对于大模型企业来说，价格降低的好处是可以获取更多的用户、有更多在线的用户使用时长、有更多的流量，从而产生更大的价值，更多是基于这种流量价值来找到一种好的商业模式。
张鹏-智谱AI首席执行官
大模型的核心突破是多模态
我们现在有一个很重要的点是去突破大模型的多模态。为什么要多模态？是因为真正的人在现实世界中解决问题的时候，他需要的、输入的信息本身就是多模态的。
除了自然语言以外，还有视觉、听觉、触觉，还有常识，所有这些需要综合起来，才能解决现实世界中很多常见的问题。
大模型降价不能长久
价格的下降是因为技术驱动，因为本身技术越来越好，成本越来越低、价格持续走低。但是这个事情过度就不好，真正的价值应该是逐级去做的。
我们给大家提供更优质的服务，大家能够用这个服务创造更大的价值，然后我们创造这一部分价值应该反向再传递回来，大家各自得到自己价值的部分，这是一个正常合理的市场的价值链。从这个角度来说，降价这种事是不长久的。
应用落地，顺着大模型最本质的变化——认知能力和泛化能力
过去一些AI的方法，比如说人脸识别，它已经可以在指标级上超过人类的水平了，为什么大家觉得这不是我们AI的终极答案呢？
比如说感知时代的AI，能够产生实际的效能，但是它是受限的，泛用性不够、成本太高、需要垂直化去做很多事情、ROI算不平。
而大模型带来了全新的能力，我们称它为「类人」的认知能力，让机器能够像人一样去思考。并不是让机器成为一个机器、一个工具，而是让机器像人一样去思考，思考这个能力所带来的效能提升是更重要的。
今天我们希望通过「让机器思考」演进的方向去赋能实体经济，大模型能够提供泛用化的能力，解决一系列的场景和应用需求，从而来解决成本和收益平衡的问题，这是它本质的特点。
所以一定要从这个方向去思考，我们怎么去用新一代生成式 AI 和大模型的技术赋能实体经济。要构建更通用、更基础的一个能力，去解决多项的问题。这个过程中，模型本身的能力水平是最核心的。
推荐阅读
1、加入AIGCmagic社区知识星球
AIGCmagic社区知识星球不同于市面上其他的AI知识星球，AIGCmagic社区知识星球是国内首个以AIGC全栈技术与商业变现为主线的学习交流平台，涉及AI绘画、AI视频、ChatGPT等大模型、AI多模态、数字人、全行业AIGC赋能等50+应用方向，内部包含海量学习资源、专业问答、前沿资讯、内推招聘、AIGC模型、AIGC数据集和源码等。
那该如何加入星球呢？很简单，我们只需要扫下方的二维码即可。知识星球原价：299元/年，前200名限量活动价，终身优惠只需199元/年。大家只需要扫描下面的星球优惠卷即可享受初始居民的最大优惠：
2、《三年面试五年模拟》面试秘籍
《三年面试五年模拟》面试秘籍旨在整理&挖掘AI算法工程师在实习/校招/社招时所需的干货知识点与面试方法，力求让读者在获得心仪offer的同时，增强技术基本面。
Rocky已经将《三年面试五年模拟》面试秘籍的完整版构建在Github上：https://github.com/WeThinkIn/Interview-for-Algorithm-Engineer/tree/main，欢迎大家star！
想要一起进行项目共建的朋友，欢迎点击链接加入项目团队：《三年面试五年模拟》版本更新白皮书，迎接AIGC时代
3、Stable Diffusion XL核心基础知识，从0到1搭建使用Stable Diffusion XL进行AI绘画，从0到1上手使用Stable Diffusion XL训练自己的AI绘画模型，AI绘画领域的未来发展等全维度解析文章正式发布
码字不易，欢迎大家多多点赞：
Stable Diffusion XL文章地址：https://zhuanlan.zhihu.com/p/643420260
4、Stable DiffusionV1-V2核心原理，核心基础知识，网络结构，经典应用场景，从0到1搭建使用Stable Diffusion进行AI绘画，从0到1上手使用Stable Diffusion训练自己的AI绘画模型，Stable Diffusion性能优化等全维度解析文章正式发布
码字不易，欢迎大家多多点赞：
Stable Diffusion文章地址：https://zhuanlan.zhihu.com/p/632809634
5、ControlNet核心基础知识，核心网络结构，从0到1使用ControlNet进行AI绘画，从0到1上手构建ControlNet高级应用等全维度解析文章正式发布
码字不易，欢迎大家多多点赞：
ControlNet文章地址：https://zhuanlan.zhihu.com/p/660924126
6、LoRA系列模型核心基础知识，从0到1使用LoRA模型进行AI绘画，从0到1上手训练自己的LoRA模型，LoRA变体模型介绍，优质LoRA推荐等全维度解析文章正式发布
码字不易，欢迎大家多多点赞：
LoRA文章地址：https://zhuanlan.zhihu.com/p/639229126
7、最全面的AIGC面经《手把手教你成为AIGC算法工程师，斩获AIGC算法offer！（2024年版）》文章正式发布
码字不易，欢迎大家多多点赞：
AIGC面经文章地址：https://zhuanlan.zhihu.com/p/651076114
8、10万字大汇总《“三年面试五年模拟”之算法工程师的求职面试“独孤九剑”秘籍》文章正式发布
码字不易，欢迎大家多多点赞：
算法工程师三年面试五年模拟文章地址：https://zhuanlan.zhihu.com/p/545374303
《三年面试五年模拟》github项目地址（希望大家能给个star）：https://github.com/WeThinkIn/Interview-for-Algorithm-Engineer
9、Stable Diffusion WebUI、ComfyUI、Fooocus三大主流AI绘画框架核心知识，从0到1搭建AI绘画框架，从0到1使用AI绘画框架的保姆级教程，深入浅出介绍AI绘画框架的各模块功能，深入浅出介绍AI绘画框架的高阶用法等全维度解析文章正式发布
码字不易，欢迎大家多多点赞：
AI绘画框架文章地址：https://zhuanlan.zhihu.com/p/673439761
10、其他
Rocky将YOLOv1-v7全系列大解析文章也制作成相应的pdf版本，大家可以关注公众号WeThinkIn，并在后台 【精华干货】菜单或者回复关键词“YOLO” 进行取用。
