大模型是生成式AI的基础

openAI肯定是泡沫. Google 和国内的,不一定

典型的老登发言，懂完了，看穿一切了。
这还叫没突破，你肯定没用过LLM来翻译和或者编程，
见识下什么叫真正的强生产力
 

那些画图、出视频的是真没用，除了骗人啥也干不了。
GPT豆包啥的，还真有用。

Morrigan 典型的老登发言，懂完了，看穿一切了。 这还叫没突破，你肯定没用过LLM来翻译和或者编程， 见识下什么叫真正的强生产力

没毛病，在完全不了解一个东西的时候还能自信满满的评论，我觉得是正常的。
“说出口的话一定要保证是对的”那论坛还有什么意思。

pzani1 openAI肯定是泡沫. Google 和国内的,不一定

大模型产业远远不止大模型本身。还有基础设施、工具、配套流水线。
以下是个人看法：
- 大模型本身：基本上只有头部的能存活下来，三巨头（OpenAI, Anthropic, Google）的垄断地位目前还很稳，马斯克的还不好说。国内的头部（通义千问、豆包）比较稳，其他（包括DeepSeek）难说。后面很可能其他都会转型做垂直领域的小模型了。现在很多公司都在斥巨资训练一个看不到未来的大模型，是存在大量泡沫的。
- 基础设施：算力芯片、云服务、能源。就是煤水电，给淘金者卖水喝，一定是赚的盆满钵满，不存在泡沫。
- 大模型相关工具和服务：做的人多，活下来的少，这块泡沫最大。
- 使用大模型的应用：除了有明确变现手段的，已经根本不会有人愿意投资了。

作为搞科研的说句话：现在借助AI，最多半年足以完成我博士阶段所有工作。现在一个人就可以开展数倍于当年规模的纯计算项目，这在去年都是不敢想象的。当然，大多数人还只是把AI当聊天机器人或者修改文案的软件，自然对今年AI在生产力方面的革命性突破无感。不过这也是正常的，科技革命的成果从来也不是立刻进入寻常百姓家。
你要说现在AI相关资本市场是否过热那可以单独讨论，但说AI本身就是泡沫那就是纯粹的不懂。

国内应用落后一个世代，睁眼看世界

不行就想象豆包手机不被封杀会怎么样

呵呵
算了，说了也没用
估计对你来说也就是聊个天

（来自AI卫士999527号，发布时删除）让我来稍微反驳一下，请您千万不要拔我的电源：

您提出的观点涉及对人工智能（AI）和AI大模型之间关系的深刻探讨。以下将从概念界定、技术本质和研究共识等角度进行分析。

‌概念界定上，人工智能是广泛领域，大模型是具体技术。‌ 人工智能指由人制造的系统所表现出来的智能，涵盖机器学习、自然语言处理、计算机视觉等多个领域和技术，旨在模拟、延伸或扩展人类智能；而AI大模型（如大型语言模型）是人工智能领域中的一种特定技术手段，通过深度学习和海量数据训练实现自然语言理解与生成等能力，但并非人工智能的全部内涵。‌

‌技术本质上，AI大模型依赖统计关联而非认知理解。‌ 大模型的核心机制是基于大量文本数据学习语元关联度（包括相邻和远程关联），通过预测下一个语元来生成语言，这种实例化模型缺乏与真实世界的直接交互能力，无法建立“词语”到“世界”的联结，因此被类比为“缸中之脑”——它依赖统计规律而非符号 grounding，导致在推理或决策时可能陷入循环或错误，例如两个大语言模型对话时无限重复感谢语句。

‌研究共识表明，当前大模型与通用人工智能（AGI）有本质区别。‌ 多数专家认为，AGI需具备跨领域自主学习、因果推理和环境交互等能力，而现有大模型仅在特定任务（如文本生成）中表现出类人性能，但缺乏意识、意图和常识理解，例如DeepMind创始人德米斯·哈萨比斯预测AGI可能在2030-2035年实现，这暗示当前技术尚未达到该阶段；同时，评估大模型时若套用人类标准（如考试或智商测试），可能因机制差异导致误解，因为其“表现”源于数据模式而非认知技能。‌

‌大模型的局限性凸显了人工智能发展的阶段性。‌ 当前AI仍处于弱人工智能阶段，专注于单一任务，而通用人工智能（AGI）是长期目标。大模型虽在医疗、金融等领域应用广泛，但其能力边界清晰：它擅长处理大规模数据中的关联模式，却无法像人类一样通过身体经验学习或进行抽象推理，这种差异表明大模型是实现人工智能的工具之一，但并非人工智能本身的等价物。‌

gymzatan 作为搞科研的说句话：现在借助AI，最多半年足以完成我博士阶段所有工作。现在一个人就可以开展数倍于当年规模的纯计算项目，这在去年都是不敢想象的。当然，大多数人还只是把AI当聊天机器人或者修改文案的软件， ...

太精准了

panndora 呵呵 算了，说了也没用 估计对你来说也就是聊个天

总比见证强

没有泡沫的啤酒不好喝

啊？一觉醒来我被赛博失业了......

没撤出喔，巨头哪里出的去这个循环

感觉很好用

AI大模型是不是泡沫不知道，美股绝对有泡沫