实体库 · 期 Buzzwords · 档案重建
EP.4智能体新增 · 待复核
EP.4（2024-03-29）：企业买生成式 AI 的方式变了 16 处。档案重建；9 个故事线 / 专题 · 11 个条目 · 讲到 7 个实体。每个故事线 / 专题 / 条目都是库里的一个节点，连到它讲到的机构、App、模型和人。
- 分享日2024-03-29
- 页面xiaopingfeng.com/buzzwords/4/ · 档案重建 · 当期录播后补建的页面，话题 + 备课笔记的链接清单
- 标题企业买生成式 AI 的方式变了 16 处
- 一句话a16z 企业调研：模型成本几个数量级下降、55% 从云厂商拿；用 leadership 评测大模型；把 embedding 和大模型合成单体
- 规模9 个故事线 / 专题 · 11 个条目 · 讲到 7 个实体
故事线与专题 9 个 · 点标题到页面上的那一节；摘要是页面自己的导语（档案重建的期里是话题）
搜索
排序视图
共 9 条
上周 AI 院分享的四条线这期开场先过了一遍上周四 AI 院那场分享的笔记。整场主要围绕四个话题：长文本模型、多模态、推理加速、评测。
入门课程与学习资料有几门课当时值得一看：Google 那门生成式 AI Explained属于比较偏入门的，两三个小时能过完。另外有人整理了 9 门课，大部分是 NVIDIA DLI 出的，涵盖 RAG、怎么构建应用等。
下一阶段值得盯的落地场景：research lab当时判断接下来比较值得关注的一类落地场景是 data scientist / 研究部门——学校里的 lab、公司里的研究部门，都会希望有一套让大模型辅助做 research 的工具链。
端侧：谁有权把模型塞进你的电脑聊到端侧时有个很实际的判断：Windows 本里那块 NPU 谁能用、谁说了算。芯片厂并没有把应用内置进整机的权利，真正有决策权的是联想、华为这类整机厂商。
大模型时代的「智慧大脑」该是什么角色政务行业讲了很多年智慧大脑。到了大模型时代，它显然不该再是干具体活的那层——不是做 CV、人脸识别那些。最直接的想象是把它当成开场的意图路由，但那一层太薄了。
从 logits 反推：ChatGPT 3.5 大概只有 7B当时流传的一个说法是 ChatGPT 3.5 大概是 7B。这个数字怎么来的？靠一种针对输出层 logits 向量的攻击方法——从最后那层的隐藏维度反推模型规模。
a16z：企业买生成式 AI 的方式变了 16 处后半场主要是 a16z 刚出的企业级报告。它最有冲击力的部分是用钱说话——把各类工作的成本下降直接列出来：图像生成便宜了十万倍量级，法律文书查询便宜了五十万倍量级。
Contextual AI：把 embedding 并进模型这期最有意思的一个模型是 Contextual AI 做的：把 RAG 用的 embedding 和大模型本身整合成一个单体模型。
框架与工具：CrewAI 的 example 更像真实工作最后过了几个 agent 框架。CrewAI 当时评价最好，原因不在功能而在示例——其他几个框架的 example 都太玩具了，不像正常工作里会碰到的场景；CrewAI 的示例是做股票分析、为会议做准备、做一个 landing page，这些更接近真实需求。
共 9 条 · 数据 2026-11-04
条目 11 个 · 本期资料 11 · 信源徽章与 MUST / TECHREAD / ★ 是页面自己的标记
搜索
栏目
信源
必读
排序视图
共 11 条
共 11 条 · 数据 2026-11-04
这一期讲到的机构、人、App 和模型 7 个 · 名称匹配（名字在标题里记「主角」，只在正文里记「提及」），待复核；按它们在这一期被讲到的条目数排
被讲到最多的（按故事线 / 专题 / 条目数）
共 7 条 · 数据 2026-11-04
机构 · 6
App · 1
- ChatGPT通用助手 · #1 · OpenAI
共 1 条 · 数据 2026-11-04