普通人可以用IA怎么赚钱

Hebbia 是一家在 AI 领域的公司，其使用生成式 AI 搜索大型文档。Hebbia 完成了 1.3 亿美元的融资，公司估值达 7 亿美元，本轮融资由 Andreessen Horowitz 领投，Peter Thiel、Index Ventures 和 Google Ventures 参与。Hebbia 的 AI 技术能够在短时间内浏览数十亿份文档，包括 PDF、PowerPoint、电子表格和转录内容，并返回具体答案，主要面向金融服务公司，如对冲基金和投资银行，同时也适用于律师事务所和其他专业领域。 此外，在 AI 术语中，Hebbian Rule 被译为赫布法则，Hebbian Theory 被译为赫布理论，均属于 AI 领域的相关概念。

很抱歉，根据您提供的错误信息“ERROR: Could not detect model type of: D:\AIruanjian\AIRUANJIAN\ComfyUIaki\ComfyUIakiv1.6\ComfyUI\models\checkpoints\flux1devfp8.safetensors”，暂时无法明确具体的问题原因。可能是模型文件格式不被识别，或者文件路径存在错误等。建议您检查文件的完整性和正确性，确保其符合相关软件的要求。

以下是关于 AI 图像相关的知识： 图像高清修复与无损放大： 整个流程分为输入原始图像、修复图像、放大并重绘图像三部分。 图像输入时，添加 Load Image 节点加载图像，不建议上传大分辨率图片，以免处理时间过长。 图像高清修复使用 Iceclear/StableSR 模型，搭配 Stable SR Upscaler 模型和合适的提示词，如正向：（masterpiece），（best quality），（realistic），（very clear），反向：3d，cartoon，anime，sketches，（worst quality），（low quality）。 图像高清放大使用 realisticVision 底膜，搭配提示词反推 node 和 tile ControlNet 提升画面细节感，并使用合适的高清放大模型进行二次放大。 星流一站式 AI 设计工具的右侧生成器入门模式中的图片参考： 可以使用图像控制功能精准控制生成图像的内容和风格。 入门模式只能使用以下四种参考功能，包括全部图片参考功能，如原图、景深、线稿轮廓、姿势、Lineart 线稿、Scribble 线稿、光影、Segmant 构图分割等，以及 SoftEdge 线稿、配色参考、配色打乱、法线贴图、MLSD 线稿等。 Zoom Out 全尺寸扩展： “全尺寸扩展”选项允许将放大图像的画布扩展到原始边界之外，不更改原始图像内容。 Zoom Out 不会增加图像的最大 1024 像素 x 1024 像素大小。 放大图像后会出现相应按钮，如 Zoom Out 2X、Zoom Out 1.5X，非方形图像还可通过 Make Square 调整纵横比使其成为方形。

以下是为您提供的关于 Nvidia 显卡算力天梯图的相关信息： 算力是指计算能力，可直接理解为显卡的性能。在电脑中，显卡就是 GPU，一张显卡的重要参数包括 GPU 和显存。 GPU 是一种专门做图像和图形相关运算工作的微处理器，其生产商主要有 NVIDIA 和 ATI。GPU 的强大主要决定了生图和训练的效率，越强大的算力在生图（推理）和训练上消耗的时间就越短。显存在生图过程决定了直接推理的图片大小，在训练时受制于训练工具的要求，显存容量是门槛。 在选择算力时，需要综合 GPU 性能和显存大小两个参考维度。由于需要使用到 CUDA 加速，显卡大概率只能选择 NVIDIA 的。 以下为您提供一些可能不太具备时效性的参考资料： 1. 各种显卡的稳定扩散性能测试报告（需要科学?️）：https://docs.google.com/spreadsheets/d/1Zlv4UFiciSgmJZncCujuXKHwc4BcxbjbSBg71SdeNk/editgid=0 2. GPU 测评结果方便大家选购：https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?field=fldzHOwXXK&record=reciB9KZtj&table=tblyh76bHrCi4PXq&view=vewUunvDn1

以下为您推荐几款网页视频字幕提取的工具： 1. Reccloud：免费的在线 AI 字幕生成工具，可直接上传视频进行精准识别，能对识别的字幕进行翻译，自动生成双语字幕。已处理 1.2 亿+视频，识别准确率接近 100%。 2. 绘影字幕：一站式专业视频自动字幕编辑器，提供简单、准确、快速的字幕制作和翻译服务，支持 95 种语言，准确率高达 98%，还能自定义视频字幕样式，包括字体、颜色、大小、位置等。 3. Arctime：可对视频语音自动识别并转换为字幕，支持自动打轴，支持 Windows 和 Linux 等主流平台，支持 SRT 和 ASS 等字幕功能。 4. 网易见外：国内知名语音平台，支持视频智能字幕功能，转换正确率较高，支持音频转写功能。 以上工具各有特点，您可根据自身需求选择最适合的视频自动字幕工具。请注意，内容由 AI 大模型生成，请仔细甄别。

AI Agent 被认为是大模型未来的主要发展方向之一，其发展具有以下特点和阶段： 从原理上看，中间的“智能体”通常是 LLM 或大模型，为其增加了工具、记忆、行动、规划四个能力。目前行业里主要用到的是 langchain 框架，它通过代码或 prompt 的形式将 LLM 与 LLM 之间以及 LLM 与工具之间进行串接。 在人工智能的发展历程中，AI Agent 并非一蹴而就，其发展可分为几个阶段，并受到符号主义、连接主义、行为主义的影响。在人工智能的黎明时期，符号人工智能作为主导范式，以对符号逻辑的依赖著称，代表之作是基于知识的专家系统。其特点是基于逻辑和规则系统，使用符号来表示知识，通过符号操作进行推理。优点是推理过程明确、可解释性强，缺点是知识获取困难、缺乏常识、难以处理模糊性。时间为 20 世纪 50 70 年代。 近期出现的各类 AI 搜索引擎不断颠覆传统搜索引擎，如 perplexity.ai、metaso、360 搜索、ThinkAny 等。AI Agent 在辅助高效处理信息和简便信息表达方面表现出色，例如智能摘要能辅助快速筛选信息，自然语言描述可生成美观可用的图片。在工作流方面，每个人应根据自身情况找到适合的工具，如产品经理可使用 AI 进行用户画像、竞品调研、设计产品测试用例、绘制产品功能流程图等。关于 AI Agent 的未来，曾被认为异想天开的想法都可能成为现实，技术迭代会不断向前。

对于普通人学习 AI 自动化，Make 和 Coze 哪个更适合的问题，以下是一些相关信息供您参考： Make 对于编程小白比较友好，其思考过程较长，有助于学习，但不太适合专业选手，因为思考过程较慢，可能会让人有点不耐烦。Make 具有国内版优势，包括深度理解中国开发场景和技术生态、完全免费、无需翻墙、流畅稳定，还具备完整的 IDE 功能（代码编写、项目管理、插件管理、源代码管理等）。您可以通过进行尝试。 Coze 是一款 AI Agent 的衍生产品，其价值在于可以跟进当前 AI Agent 工具的发展情况，发现商业化机会，还能用于做产品 Demo。在学习新知识如 RAG 时，可以先通过 Claude 了解细节概念，再通过 Coze 搭建 Demo 进行实践。在学习 RAG 过程中，还可以利用 Coze 的知识库能力创建如产品资料问答机器人等 Bot。 总的来说，如果您是编程小白，Make 可能更适合；如果您希望跟进 AI 工具发展并进行实践操作，Coze 可能更符合您的需求。但最终的选择还需根据您的具体学习目标和个人偏好来决定。

在 AI 时代，普通人实现经济独立可以通过以下方式： 1. 达到人机协作的高级形态与独立创新：努力达到与 AI 高度协同又不失主导的状态，利用 AI 组成自己的“AI 团队”，实现原来需要很多人才能完成的目标。例如在产品开发中，一个人借助 AI 可以同时扮演多个角色，高效完成各项工作，实现一人公司或个人创造者经济。但要达到此阶段，需要对 AI 工具掌控纯熟，保持自主性和判断力，将 AI 看作“增强器”而非替代者。 2. 充分运用 AI 进行渐进式培养：从心态、知识、技能、思维、创造力到协作能力，层层推进，不断强化自身的主动性和思考力，成长为适应 AI 时代的超级个体，在知识广度、思考深度、创造力和效率上实现飞跃。 此外，还可以关注以下方面： 1. 了解 AI 多模态大爆发的趋势，认识到“互动”与“内容”可能变得廉价，而“真实”会成为稀缺资源。 2. 关注“AI 原生”的商业模式，基于 AI 的能力再造商业模式，而非套用现有流程。 3. 思考 AGI 可能带来的极端垄断和中心化操控能力，为自己准备 PlanB。 4. 认识到“人的模型”是 AI Agent 的前提，是 AI 与人合作的关键一环。 5. 关注 AGI 会主动投资的技术，如可控核聚变、量子计算、超导、广义机器人等。

以下是一些普通人通过 AI 赚钱的方式： 1. 电商：婴儿的四维彩超 AI 预测 思路和玩法：通过 AI 工具将宝宝的四维彩超还原出现实模样进行变现。孕妇妈妈在孕期 22 26 周会进行四维彩超检查，很多准爸爸妈妈期待宝宝的模样，从而衍生出市场需求。在小红书、抖音等公域平台发布相关笔记吸引咨询，将客户引流到私域接单变现。 操作流程：客户提供四维彩超图原图，在 Midjourney 里进行垫图和特定描述词，整个流程不超过 10 分钟就能出图。 变现方式：受众群体多为宝妈，变现方式多样，单价不低。但在平台引流要注意隐蔽，避免被平台检测限流或封号。 2. AI 产业中的机会 基础设施层：布局投入确定性强，但涉及海量资金投入，入行资源门槛高，普通人若无强资源应谨慎入局，可考虑“合作生态”的切入机会。 技术层：技术迭代速度快，小规模团队或个人须慎重考虑技术迭代风险，基础通用大模型非巨无霸公司不建议考虑。 应用层：是广阔蓝海，当前针对行业/细分领域的成熟应用产品不多，“杀手级”应用更是稀少，普通个体和小团队强烈推荐重点布局，拥有超级机会和巨大发展空间。 3. 内容创作 像作者本人是 AI 的受益者，AI 是生产力工具，能降本增效，但仍需投入大量时间和精力，起到辅助作用。 同时存在 AI 的受害者，他们的技能失效，AI 未创造足够新的生存空间。 作者作为坚定的 AGI believer，期望 AI 能做出重大科学发现、治愈疾病、消除饥饿和肥胖、给每人发钱，让人类自由从事想做的事。

普通人要从事 AI 产品经理，可以从以下几个方面入手： 1. 技术背景：具备扎实的编程、算法工程、AI 应用开发、后端开发等技术知识，这对于理解和推动 AI 产品的开发至关重要。 2. 产品开发与管理经验：积累互联网和 AI 产品开发方面的经验，提升项目管理与执行能力，以推动产品的落地与优化。 3. 多元化应用场景：了解 AI 在 AIGC 内容创作、自动驾驶、金融数据分析、教育、医疗健康、影视创作、营销等各行业的应用。 4. 学习与技能提升：处于 AI 技术初学阶段的人，要通过学习提升技能，并将其应用到实际工作和生活中。 5. 工具使用：广泛使用生成式 AI 工具，如 Midjourney、Stable Diffusion（SD）、Coze、GPT 等，培养对工具的熟悉度和运用能力。 6. 协作与共学：积极参与各种 AI 学习社群和线上线下活动，与他人共学交流，提升技能与认知。 7. 内容创作：具备自媒体运营、视频制作、文案策划等内容创作能力。 8. 营销与品牌运营：掌握商业化路径，将 AI 技术与商业化需求结合，提供完整解决方案。 9. 活动策划与执行：积累活动策划和运营经验，具备资源整合和组织协调能力。

对于一个高中毕业的普通人，若想从 AI 小白成长为精通者，可以参考以下步骤： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，能找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 在知识库中有很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 此外，对于纯小白开发 AI 应用，还可以参考以下经验： 1. 从小白学代码，看人类导师和硅基助教的协作之道： 像案例中，女儿在 Claude 和父亲的帮助下，用 Unity 开发了一个 RPG 小游戏。起初父亲不相信纯小白能通过 AI 搞定 Unity 程序，但女儿通过让 Claude 教她做一个简单任务，半小时内完成并明白了 Unity 里的基本概念。 开发过程有顺利也有挫折，挫折原因包括问题描述不清、AI 给的方案复杂、配置错误等。这让我们意识到小白需要通过 AI 能直接搞定的小项目，先学明白背后的原理，在此基础上才能开发复杂项目。最好有人类导师，一开始把任务拆解到足够小，针对性地设计学习路径，并密切关注随时从坑里捞人。 2. 基础小任务： 推荐从一个最最基础的小任务开始，让 AI 先帮你按照 best practice 写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，学会必备的调试技能。 如果用的是 o1mini，可以在 prompt 最后添加“请生成 create.sh 脚本，运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”（如果 windows 机器则是 create.cmd），足够勤勉的 o1mini 会为你生成一段超级长的代码，并给出提示，复制粘贴并执行，一次性生成十多个目录和文件，超方便。 3. 明确项目需求： 通过和 AI 的对话，来逐步明确项目需求。 让 AI 帮助梳理出产品需求文档，这样的文档会包含影响技术方案选择的细节，比直接给 AI 一段口头的需求描述要准确得多。在后续开发时每次新起一个聊天就把文档发给 AI 并告知在做第几点功能，会非常方便。

普通人学习 AI 可以参考以下步骤： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 此外，还可以参考以下补充内容： 1. 万能公式法：问 AI【一个（xxx 职业）需要具备哪些知识？】，AI 就可给出知识框架，然后根据知识框架每一个小点去问，就能让 AI 工具帮你指数级深度思考。 2. 优质信息源：像没有技术背景的普通人，想要学习或了解 AI，最好的信息源在「即刻」App 的“”等免费圈子里。 3. 信息爆炸之做减法的小 tips： 只掌握最好的产品，少关注新产品测评（除非远超 ChatGPT）。 只解决具体问题，不做泛泛了解。从问题中来，到问题中去。 只关注核心能力，不关注花式玩法，用 AI 扬其长避其短。 只关注理清需求和逻辑，不死记硬背提示词。 先关注提升认知/洞察，然后再谈技巧。 另外，对于纯 AI 小白，如果还在观望 AI 不知从何入手，可以参考《雪梅 May 的 AI 学习日记》。其学习模式是输入→模仿→自发创造。学习内容可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。学习资源都是免费开源的。

以下是关于如何用大模型赚钱的一些分析和建议： 1. 面向各国政府做基础大模型本土化预训练：很多 Global 的量化基金在中国会水土不服，大模型也存在类似情况。OpenAI、Google、Meta 的模型在中文能力和对中国国情的优化上存在不足，不符合政策要求。这给了国内大模型公司做本土化预训练的机会，只要做到国内领先，即使和世界领先的模型有代际差，也能有市场。 2. 关注行业应用：大模型在企业中的落地应用是关键。目前大模型是典型的赢家通吃领域，巨头在资金、技术和数据方面有优势。但大模型企业需要将技术与更多场景结合，打造落地应用。例如，Gartner 预测到 2028 年至少有 15%的日常工作决策将由代理型 AI 自主做出。 3. 竞争格局与成绩：国内大模型行业已形成以百度、阿里、字节等科技大厂和创业“AI 六小虎”为主要玩家的竞争格局。2024 年是国内大模型落地元年，中标项目数量和金额大幅增长。如百度在中标数量和金额上排名领先，在金融等细分行业也表现出色。 需要注意的是，大模型领域竞争激烈，只有极少数公司能成功，且需要将大模型商业化，否则企业可能在赛道比拼中失败。同时，大模型的发展与国家政策密切相关，需要受到有效监管才能健康发展。

以下是一些靠 AI 赚钱的方法和要点： 1. 明确盈利方式：您需要清楚如何通过产品或服务赚钱，即让人们为您的产品/服务支付的钱超过提供该产品/服务的成本，同时不能忘记考虑自身成本。 2. 免费产品策略：如果您的产品是免费的，不要试图通过购买用户来增长，而是要做出让人们愿意与朋友分享的东西，因为靠广告变现对于此类产品来说通常很困难。 3. 付费产品策略： 对于客户生命周期价值（LTV）小于 500 美元的付费产品，通常负担不起销售费用，可尝试使用如 SEO/SEM、广告、邮件等不同的用户获取方法，并争取在 3 个月内偿还客户获取成本（CAC）。 对于 LTV 超过 500 美元的付费产品，通常能负担得起直接销售费用，可先自己销售产品以了解有效方法，《Hacking Sales》是一本有用的参考书籍。 4. 尽快实现“泡面盈利”：即赚足够的钱，让您可以靠吃泡面维持生计，这样能掌握自己的命运，不受投资者和金融市场的任意摆布。 5. 关注现金流：密切关注您的现金流，避免在未意识到的情况下把钱用光。

以下是关于 AI 赚钱的一些信息： 首先，对于 GPTs/GLMs 能否赚钱的问题，答案是能，但大多数人不能。从一个 AI 产品经理的角色复盘 2023 年的所见所闻所感来聊，虽然目前最大的第三方 GPTs 商店 BeBeGPTs 收录了大量数据，但结果显示赚钱并非易事。 其次，关于如何靠 GPTs/GLMs 赚钱，OpenAI 刚推出 GPTs 时，有人将其比作苹果时代的 AppStore。产品的核心竞争力和护城河不在于 Prompt，而在于数据和服务（定制化 Tools）。例如，WebPilot 的作者通过自己开发的搜索接口提供搜索服务接入 GPTs，小红书写作专家的作者通过收集大量小红书数据和规则包装成 GPTs。也许能赚到红利的钱，但这不是长久赚钱的方法。 另外，AI 收费按 Token 计费，Token 相关问题包括：Token 是双向收费的，汉字、阿拉伯语等不同语言的计费方式，Token 在企业信息化过程中的意义等。在企业环境中，了解 Token 有助于更好理解 AI 在企业中的落地，它类似于积木，通过搭建来完成应用从而提高效率。

以下为一些关于 AI 赚钱项目的信息： 1. 在杭州站的活动中，参与者们分成 6 个小组进行 AI 赚钱快闪活动，在短时间内产出 AI 体验产品并定价，如“五行和合的 AI 头像”、“AI 随心签”、“AI 祈福壁纸”等，其中“AI 祈福壁纸”项目得到场地老板立刻买单。 2. 对于 GPTs/GLMs 能否赚钱的问题，答案是能，但大多数人不能。文章将从“钱”的角度，以 AI 产品经理的角色复盘 2023 年的所见所闻所感来探讨 AI 赚钱（应用落地）这件事。 3. 刘小排非程序员出身，用 AI 打造多款赚钱产品，强调“洞察需求”与产品验证是核心竞争力，并分享了低成本创业方法。

以下是为您提供的关于通过学习 AI 技能赚钱的相关信息： 首先，阳萌认为在 AI 学习中，最后还是走仿生的方法，即有一个足够长的 Context。这引发了关于记忆保存位置的探讨，比如手机适合收集信号产生本地 Context，阳萌赞成将训练好的模型部署在端侧，记录知识和记忆的 Context 不能跑到云端。同时，要抛开表面事实，回归基础原理，找到突破关键，追求长期全局最优解，相信长期主义，持续学习，自我觉察和自我进化，因为世界是参差的，唯有持续学习能抵御未来的变化。相关视频链接： 另外，关于如何靠 GPTs/GLMs 赚钱，OpenAI 推出 GPTs 时，有人将其比作苹果时代的 AppStore。产品的核心竞争力和护城河不在于 Prompt，而在于数据和服务（定制化 Tools）。传统 SaaS 的能力会被碎片化并整合到各种 GPTs 里，OpenAI 成为流量入口。例如，WebPilot 通过开发搜索接口提供服务接入 GPTs，小红书写作专家通过收集数据和规则包装成 GPTs。靠红利赚钱不是长久之计。