点击右上角微信好友

朋友圈

请使用浏览器分享功能进行分享

正在阅读:凤凰微彩|凤凰微彩
首页>文化频道>要闻>正文

凤凰微彩|凤凰微彩

来源:凤凰微彩2024-03-25 17:48

  

2022年实力交付1281万方 解码金科背后的硬核交付体系******

  走过2022,进入2023。纾困一年,“三支箭”密集落地后,地产迎来关键性转折点,叠加疫情全面放开后经济恢复的大背景,市场对于2023年房地产走向预期普遍向好。

  辞旧迎新之际,房地产“保交付”大年也迎来年终检验。往年业内诸多年终榜单多集中于销售规模,今年却更改为交付成果,背后寓意不言而喻。

  房企实力的比拼成为了交付比拼,交付的重要性被提到了前所未有的高度。

  比如,金科就将“保交楼”列为“头号工程”,甚至以“保交楼”作为经营原则,通过差异化铺排复工方案、建立复工复产监控机制、实行专款专用等措施千方百计保交付。

  新年假期刚过,金科全年交付成果也随之出炉:2022年1-12月全口径共计交付项目149个、交付批次252个、交付体量1281万平方米,仅住宅交付总套数82618户。其中,提前交付项目51个。

金科项目实拍图

  定调“保交楼后,金科曾迅速召开过一场专题会议,彼时金科创始人、总策划师黄红云,董事长周达、总裁杨程钧全部出席,整场会议没有多余议题,只围绕“保交楼”展开,定调要克服一切困难,坚决打好“保交楼、稳民生”攻坚战。

  如今来看,这场攻坚战成果显著,甚至提前交付51个项目。更为重要的是,这些数据体现的不仅是量的交付,更是有品质的交付,是交付力、产品力和服务力的综合成果,这与金科“既保交付、又保品质”的交付体系密不可分。

  2022年,金科、万科、龙湖、绿城、远洋和美的置业等房企,在内部搭建“交付体系”,从产品、工程和服务三个板块构建全周期交付体系,总结归纳出一整套工程品质标准体系,成为“交付时代”的典型房企。

  但各家体系的环节各有偏重性,金科的特点是“保交付上能打硬仗,品质方面严谨到苛刻。”

  拧成了一股绳:组建攻坚作战队

  打硬仗主要体现在其强有力的作战队伍,以及缜密的作战体系。

  据了解,金科成立了从上至下的“保交楼工作组”,总部层面以总裁为组长,联席总裁、副总裁为执行组长,运营、财务、风控、法务、成本、工程、客服等中心部门负责人为组员,全面统筹保交楼工作。

  各大区域公司也相继成立属地化“保交楼工作小组”,重点研究和解决符合本区域、本城市各项目的相关重点问题和关键路径,对交付有风险的项目实行“一盘一策”;如今,这一机制已延伸至项目层面。

  “保交楼各级小组每周都要召开例会,梳理保交楼工作堵点,然后各区域公司上报需要紧急解决的事项,集团会采取‘绿灯’方式,随时组织专题会予以解决。”一位金科高管介绍。

  “现在上下统一,已经拧成了一股绳。”该人士表示,管理层前所未有的重视,创始人黄红云对内多次强调保交楼是企业生存根本,董事长周达更是将保交楼作为当前经营管理工作的首要任务,总裁杨程钧层层压实目标。

  为了力保前端生产,金科建立了一套从工程进度、资金监管到施工质量保障的保交付机制,包括建立复工复产周报机制,强化交付风险预控,统一并绑定运营计划、资金计划,以及加强工地远程视频监控系统运用等。

  这套机制落地到区域层面,更为厚实。如,金科豫鲁区域不仅推出特色化工地开放日,从工法工序、交付标准、精细化工程及高品质施工等几个层面透明化展示工程品质与进度;并且坚持高频次工程直播,弥补因疫情影响工地开放日落地难的缺陷,年度直播近百场;大本营重庆区域也推出线上工程进度播报、线下多频次工地开放日的组合拳全面展示施工进度;川云区域一年内开展“预鉴·新蓝图工地开放日”线上线下参观活动高达30余场,让业主真正“近距离”看到生产建造的每个过程。

金科项目施工现场

  连续接“箭”:融资“活水”涌入

  面对保交楼的重任,金科还设置了激励考核,鼓励各区域公司积极寻求各方支持,将政府保交楼政策的支持、纾困资金的引入与区域公司下半年目标责任书、月度经营考核挂钩,设置了300-500万的专项激励。

  据悉,金科华北区域已获得政府纾困资金支持,为沈阳三个项目解决了资金困境,是沈阳首批获得政府纾困资金的项目;两广区域也取得实质性进展,南宁轨道地产并购世茂金科·博翠江山二期,成为广西首创国企入资助力民企保交付案例;川云区域“金科·集美公馆”被纳入首批德阳市政府“保交楼”项目,获批近亿元贷款。

  根据金科此前公布的三季报数据,截至2022年9月末,金科已累计获批国家及地方政府专项借款资金额度约12亿元,其中近6亿元可用资金已拨付至项目公司,一定程度上缓解了项目层面的短期资金流动性压力。

  更为关键的是,自地产稳融资“三支箭”密集落地以来,融资“活水”不断涌向金科。其不仅展开了“第三支箭”股权融资行动,还接连获得多家银行授信支持,与光大银行重庆分行、建设银行广西壮族自治区分行、建设银行山东省分行签订战略合作协议。

  12月29日临近新年,金科又与中原银行签订战略合作协议,获得中原银行50亿元综合融资服务。

  正是这样一支攻坚队伍,对内对自己层层加码,对外积极寻求支持,使得金科在大考之年完成交付项目149个,提前交付项目51个,交付体量1281万平方米。

  从图纸开始:123道标准卡点

  不止于此,保交付呈现的仅是一个进度结果,对于房地产项目而言,关注的还有交付品质,两者合二为一才是真正意义上的交付。

  从方寸图纸到产品形成,每前进一步,不仅是施工进度的推进,更是品质的步步锁定,不断累积而成,金科149个项目高质量交付背后,是这一套体系不断重复运转的结果,这也是其交付体系被冠以“严谨到苛刻”的由来。

  金科品质交付的精细化过程管控,是前置到方案设计阶段开始的,将交付周期拆解为交付前、交付中、交付后3个部分,整个流程被切分成123道工序,如同制造业的精细化生产流程一样,每一道工序均制定有严苛的标准。

  为了保证设计图纸真正落地,金科甚至专门成立了产品力提升小组,率先设立“产品体验官”,定期现场巡查,定时交圈总结。

金科项目实拍图

  尤其是交付前的“9361”四个交付管控节点,按照交付前9个月、6个月、3个月起,从建筑、地库、项目周边、景观园林、大堂门厅、物业中心用房等维度多次勘验,保证项目进展及品质;到交付前1个月,组织“业主开放日”活动,由专业工程师陪同预检,整个流程共计76项标准化服务动作的行动体系。

  为了结合当前市场环境,金科将管控模式更新为以“集团专项检查+区域月度检查+项目周检”的模式,构建了三级管控体系,严格控制项目建设各项标准。

  落地到各区域公司,拆分的更为细致,金科重庆区域制定出十大专业质量管控体系,上千个质量管控节点,欲“出于图纸,而超越图纸”;豫鲁区域则是强化工程体系建设,建立了1个制度、16个办法、8个标准、7个指引、7个配套文件。

  “各大区域已经进入内卷模式,不仅拼按期交付,更在拼按质交付。”上述高管透露道,总部对交付风险的预控卡的很严格,每季度会发布竣工交付风险项目红黄灯预警,整个流程没有漏洞可钻。

  头尾闭环:锁定交付品质

  金科的交付体系中,有两个关键环节:一个是实行“样板带路”制度,坚持样板先行,在外立面、景观、室内施工前,需要先保证样板段施工质量满足设计要求,方可大面积施工,相当于列车的“火车头”,带动的是整个交付工程品质。

  另一个是“交付点评”制度,项目交付前,先行组织各部门联合巡检,针对交付项目现场存在的问题提出整改、提升意见,待项目整改完成后,才能交付。

  “样板带路”是头,“交付点评”是尾,一头一尾形成闭环,中间则是严苛的质量管控体系,锁定整个交付前品质。

  进入交付过程则与对内的严苛风格截然相反,金科交付现场呈现出两种风格:一种是高效解决问题,另一种是温情收房体验。

  进入到交付环节,最受业主称道之处,就是从发现问题到解决的高效。金科“柳州揽山庭”项目交付期间,甚至做到了5分钟内上门、15分钟内处理解决、3天内整改回访的极速处理,有业主惊叹“有种风驰电掣的感觉”。

  每一户业主都有专属陪验小组全程验房,是金科交付的标配。验房工程师一对一全程陪同,大至公共空间的单元门禁、公共电梯,小至家里的门窗、地面、墙面、开关、防水层、阴阳角等,如发现问题立即整改。

  据了解,金科豫鲁区域通过配备专业验房师,报事处理采用“117法则”,即当天上报、当天复核查验、7天内反馈处理进度;华东区域更是由区域副总、城市公司副总及项目总等高管全程陪同收房,被业主形容为“高管面对面”,这一举措在两广区域则是被称为“高管陪验”。

  按期按质硬核交付再叠加软服务,金科全年149个项目、1281万平交付成果背后,不仅是交付力的体现,更是产品力与服务力加持的结果,也是其期末答卷里的加分项。

  对于金科而言,交付仅是开始,更多的美好服务在交付后。正如金科业主所言,一见倾心的相遇,定义品质生活的标准;看过广阔的世界,就更懂美好生活。

                                                                                                                  • 凤凰微彩

                                                                                                                    2022年,人工智能带给人类更多惊喜******

                                                                                                                    视觉中国供图

                                                                                                                    在世界人工智能大会上,用户输入文字,AI就能根据语意进行绘画创作。视觉中国供图

                                                                                                                    在国内首个乘用车无人化运营试点北京经济技术开发区,一辆“主驾无人、副驾驶配备安全员”的无人驾驶车在行驶中。新华社记者彭子洋摄

                                                                                                                      即将过去的2022年,对于人工智能来说是值得铭记的一年。大批人工智能相关应用走出实验室,向着大范围落地实践不断迈进。AI“黑科技”加持下的北京冬奥会异彩纷呈;无人驾驶开启多城试点,未来交通更进一步;AI绘画以假乱真令人着迷,艺术创作或许不再是人类专属……

                                                                                                                      无论是底层技术不断突破,还是各类应用百花齐放,在过去的一年,人工智能向我们展示了它的无限可能。我们相信这只是人工智能的冰山一角,未来它还有更多潜力等待我们去挖掘。

                                                                                                                      随着技术的不断成熟,落地应用不断创新,人工智能或将真正改变你我的生活。

                                                                                                                      AI“黑科技”照亮北京冬奥会

                                                                                                                      助力天气预报、比赛转播和手语播报等

                                                                                                                      2月4日,全球瞩目的2022年北京冬奥会正式拉开帷幕。人工智能等技术的应用为本届冬奥会增添了别样的“科技之美”。

                                                                                                                      在此次冬奥会上,由中国科学院院士、北京大学副校长、北京大学重庆大数据研究院首席科学家张平文领衔研制的人工智能MOML算法赋能天气预报模型,使冬奥会天气预报更加精准。人工智能算法在融合、处理信息中的先天优势,使其在一定程度上可以代替预报员在会商中进行信息整合、分析,通过数据挖掘与学习,将预报员的经验内化在算法中,在提高天气预报效率的同时,也进一步提高了预报的准确率。

                                                                                                                      在本届冬奥会自由式滑雪女子大跳台决赛中,中国选手谷爱凌以“逆天”的精彩表现获得个人首金。在比赛转播过程中,百度智能云通过“3D+AI”技术打造出的“同场竞技”系统,将单人比赛项目变成“多人比赛”,实现冠、亚军比赛画面的三维恢复和虚拟叠加,方便观众看到不同选手的实时动作;同时,通过技术手段对运动员动作进行量化分析,将滑行速度、腾空高度、落地远度、旋转角度等一系列运动数据与原始画面叠加起来,使观众可以更直观地从流畅性、完成度、难度、多样性和美观度等角度看懂选手之间的技术动作差异。

                                                                                                                      在北京冬奥会开幕的同一天,央视新闻AI手语主播也正式上岗,她在冬奥会新闻播报、赛事直播和现场采访中,为听障人士送上了实时手语翻译服务。凭借精确的手语翻译引擎,该AI手语主播可懂度达85%以上,可将冰雪赛事的文字及音视频内容,快速精准地转化为手语。

                                                                                                                      腾讯“混元”AI大模型登顶VCR榜单

                                                                                                                      展现了其在多模态理解领域的强大实力

                                                                                                                      5月31日,腾讯“混元”AI大模型在多模态理解领域国际权威榜单VCR(Visual Commonsense Reasoning,视觉常识推理)中登顶,两个单项成绩和总成绩均位列第一。这是继在跨模态检索领域大满贯、CLUE自然语言理解分类榜及CLUE总榜登顶后,“混元”AI大模型的又一重大突破,展现了其在多模态理解领域的强大实力。

                                                                                                                      与跨模态理解任务不同的是,多模态理解任务要求计算机除了能够做到识别层次的感知(如分类检测等),还需要达到认知层次的感知(如判断意图、逻辑推理等)。

                                                                                                                      此次登顶VCR榜首的“混元”AI大模型由腾讯广告多媒体AI团队自主研发,同时借助腾讯太极机器学习平台的图形处理器算力和训练加速框架,在预训练任务、训练方式上进行了诸多创新改进和设计,有效提升了模型性能。

                                                                                                                      截至目前,“混元”AI大模型在MSR-VTT、MSVD、CLUE、VCR等多个领域的AI权威榜单中取得了第一名的成绩,并刷新多项行业历史纪录。这意味着,“混元”在自然语言理解、多模态理解、跨模态理解等领域的技术实力已得到验证。

                                                                                                                      谷歌工程师闹乌龙,称AI存在意识

                                                                                                                      人工智能所谓的“人格”更多只是模仿人类罢了

                                                                                                                      谷歌AI工程师闹乌龙,称LaMDA语言模型有意识,引发业界对“AI是否拥有自主意识”的讨论。

                                                                                                                      今年6月,谷歌公司AI工程师莱莫因认为对话应用语言模型LaMDA具有了“自主意识”,并对此出具了长达21页的证据。莱莫因认为LaMDA具有意识的原因有三:一是LaMDA以前所未有的方式高效、创造性地使用语言;二是它以与人类相似的方式分享感觉;三是它会表达内省和想象——既会担忧未来,也会追忆过去。

                                                                                                                      LaMDA是谷歌在2021年开发者大会上公布的大型自然语言对话模型,它可以模拟任何带有知识属性的实体,通过“拟人”的方式,在与人类亲切自然的对话中为用户答疑解惑,传递更多知识。

                                                                                                                      莱莫因的观点和证据引起了业内的广泛关注。不久后,谷歌发表声明称,莱莫因违反了“就业和数据安全政策”,将其解雇。谷歌表示,经过广泛地审查,他们发现莱莫因关于LaMDA是有生命的说法是完全没有根据的。

                                                                                                                      专家普遍认为,当下人工智能具有的所谓“人格”,更多只是模仿人类的语言风格,有自我意识、有感知能力的AI应该具备能动性,并具有独特的视角看待人和事,但目前AI还只是人们设计的一个计算机系统,作为工具来做一些特定之事。

                                                                                                                      全球首个图、文、音三模态大模型诞生

                                                                                                                      “紫东太初”实现“以图生音”和“以音生图”

                                                                                                                      9月1日,在上海举办的2022世界人工智能大会上,由武汉人工智能研究院、中国科学院自动化研究所和华为技术有限公司联合研发的“紫东太初”多模态大模型项目获得了此次大会的最高奖项。“紫东太初”是全球首个图、文、音三模态大模型,开创性地实现了图像、文本、语音三模态数据间的“统一表示”与“相互生成”,实现了“以图生音”和“以音生图”,理解和生成能力更接近人类,为打造多模态人工智能行业应用提供创新基础,向通用人工智能迈出了重要一步。

                                                                                                                      “紫东太初”三模态间的相互转换和生成,其核心原理是视觉、文本、语音不同模态通过各自编码器映射到统一语义空间,然后通过多头自注意力机制学习模态之间的语义关联以及特征对齐,形成多模态统一知识表示;之后,再利用编码后的多模态特征,通过解码器分别生成文本、图像和语音。

                                                                                                                      “紫东太初”凭借四大突破,有效助力以多模态认知为核心的通用人工智能发展。一是首次提出多层次、多任务跨模态自监督学习框架,支持从词条级走向模态级、样本级的三级预训练自监督学习方式;二是首次完成弱关联多模态数据语义统一表示,减少数据收集与清洗代价;三是首次实现多模态理解与生成任务的统一建模,支持跨模态检索、多模态分类、语音识别、图像生成等理解与生成任务;四是首次实现无监督超越有监督方法,基于5%—10%的数据标注,实现100%的有监督学习效果。

                                                                                                                      AI打破矩阵乘法计算速度纪录

                                                                                                                      解决了50年来数学领域一个悬而未决的问题

                                                                                                                      10月,英国《自然》杂志封面以“矩阵游戏”为题,发表了人工智能公司“深度思维”团队的最新发现:AI可以解决矩阵乘法问题。这款名为“AlphaTensor”的AI系统能自行发现新算法,从而解决了50年来数学领域一个悬而未决的问题——找到两个矩阵相乘最快的方法。这是第一个可为矩阵乘法等基本任务发现新颖、高效且正确算法的AI系统。

                                                                                                                      数学在计算机编程中经常出现,通常作为描述和操纵现实世界现象表示的一种手段。例如,它可用于表示计算机屏幕上的像素、天气状况或人工网络中的节点。在这种情况下,使用数学的主要方式之一,就是对矩阵进行计算。矩阵越大,工作量也越大,计算机科学家开始花费大量时间和精力开发更加有效的算法来完成相关工作。

                                                                                                                      在此次最新成果中,“深度思维”团队研究人员探究了是否有可能使用基于强化学习的AI系统来创建新算法,从而使计算步骤比现有算法更少。

                                                                                                                      为了找到答案,他们从游戏系统中寻找灵感。在构建了一些初步系统之后,研究团队将重点转向了树搜索,这是系统在特定情况下查看各种方案的一种方法。

                                                                                                                      接下来,研究人员将允许系统创建自己的算法,进一步提高效率。他们发现,在许多情况下,系统选择的算法比人类创建的算法更好。“深度思维”团队希望,未来AI能更多地用来帮助攻克数学和科学领域的一些重要的难题。

                                                                                                                      2022中国人工智能创新发展指数公布

                                                                                                                      全面反映我国人工智能发展态势

                                                                                                                      11月18日,第五届世界声博会暨2022科大讯飞全球1024开发者节开幕式上,中国电子信息产业发展研究院(又称赛迪研究院)发布了2022中国人工智能创新发展指数(合肥指数)。

                                                                                                                      这是国内首个以地区冠名的全国性人工智能专题研究成果,旨在全面系统地反映我国人工智能的发展态势。中国电子信息产业发展研究院从发展环境、创新能力、基础配套、资本投入和产业实力5个维度,构建了中国人工智能创新发展指数,也就是“合肥指数”的评价体系。

                                                                                                                      近年来,我国人工智能步入与经济深度融合应用新阶段,智能化转型全面推进,人工智能产业在全球的影响力不断增强。2021年,我国人工智能的研发强度为19.4%,从业人数增加到31万人,占全球比重的5.3%。2017年至2021年,我国人工智能产业规模增长了2.6倍,占全球比重提升到16.8%。专利申请量占全球比重持续扩大,从2012年的13%增长到2021年的70.9%。创新能力上,我国人工智能研发投入力度不断加大,从业人数不断增加。

                                                                                                                      从总体指数来看,北京、广东和上海处于人工智能领域的领跑地位,安徽则紧随其后,排在全国的第6位。合肥已经成为人工智能领域、科技创新与产业发展最活跃的城市之一。

                                                                                                                      ESMFold预测六亿多种蛋白质结构

                                                                                                                      预测速度比“阿尔法折叠”快60倍

                                                                                                                      英国“深度思维”公司8月曾宣布,其开发的人工智能程序“阿尔法折叠”已预测出约100万个物种的超过2亿种蛋白质结构,几乎涵盖了科学界已编录的每一种蛋白质结构。但就在今年11月,元宇宙平台公司(Meta)研究人员利用人工智能模型ESMFold预测了来自细菌、病毒和其他尚未被表征微生物的6亿多种蛋白质结构。

                                                                                                                      在此次最新研究中,研究团队利用大型语言模型来预测这些蛋白质结构。据悉,语言模型通常需要大量文本进行训练,为将这一模型应用于蛋白质结构预测,研究团队利用已知的蛋白质序列来训练它,这些已知的蛋白质可由20个不同氨基酸组成的链来表达,每个氨基酸由一个字母表示。然后,ESMFold学会了用模糊的氨基酸比例“自动完成”蛋白质结构预测。

                                                                                                                      该团队负责人亚历山大·里维斯表示,这些训练让ESMFold对包含蛋白质形状信息的蛋白质序列有了直观了解。而且,与“阿尔法折叠”一样,这一模型能将这些了解到的信息与已知蛋白质结构和序列之间的关系信息结合,生成预测结构。

                                                                                                                      团队指出,ESMFold的预测虽然不像“阿尔法折叠”那么准确,但在预测速度上要快60倍,这意味着它可将结构预测数据库扩展到更大。

                                                                                                                      首创蛋白质动态结构AI建模方法

                                                                                                                      对理解生命过程、研发新型药物有着重要意义

                                                                                                                      12月8日,西湖大学公布了该校人工智能讲席教授李子青团队联合厦门大学、杭州德睿智药科技有限公司首创研发的能够刻画蛋白质构象变化与亲和力预测的AI模型——ProtMD。这是第一个尝试解析蛋白质动态构象的人工智能模型,可辅助药物化学专家更加精准地筛选出高活性小分子,从而加速临床前药物研发。

                                                                                                                      此前谷歌旗下公司研发的“阿尔法折叠2”能够利用人工智能准确预测蛋白质的三维结构,对结构生物学、药物设计乃至整个科学界都产生了巨大影响。但“阿尔法折叠2”只能预测蛋白质在一个瞬间的静态结构,尚未能解决蛋白质结构动态变化的预测。李子青团队此次开发的AI模型,在给定药物分子和靶点蛋白的情况下,可预测药物分子与生物体内靶点蛋白质结合(柔性对接)后蛋白质结构的变化过程,推断药物与靶标蛋白结合的稳定性,预测药物功能,从而提升AI药物设计的精度和效率。

                                                                                                                      李子青表示,预测蛋白质结构的动态变化对理解生命过程、研发新型药物都有着十分重要的意义。尤其在AI药物设计中,通过对药物分子与靶点蛋白结合后的动态结构变化进行预测,评估药物—靶点结合亲和力和药物效果,是提高AI药物筛选准确性和效能的重要思路。

                                                                                                                      多城市推动自动驾驶行业发展

                                                                                                                      我国自动驾驶行业正式向L3级迈进

                                                                                                                      2022年是自动驾驶行业具有里程碑意义的一年,有关政策密集出台,相关应用从研发测试走向大规模商业化试点。当前,全国近30个城市已累计为80余家企业发放了超过1000张道路测试牌照,允许高等级智能网联汽车在特定场景、特殊区域内开展规模化载人载物测试示范。越来越多的城市正在推进更高等级的自动驾驶商业化。

                                                                                                                      今年8月1日,《深圳经济特区智能网联汽车管理条例》开始实行,该条例提出L3级自动驾驶在行政区全域开放道路测试、示范应用,探索开展商业化运营试点,标志着我国自动驾驶行业正式向L3级迈进。

                                                                                                                      此后,重庆、武汉等地政府部门也先后发布了自动驾驶全无人商业化试点政策,并向百度发放全国首批无人化示范运营资格,允许车内无安全员的自动驾驶车辆在社会道路上开展商业化服务。

                                                                                                                      此外,为推动智能网联汽车产业健康有序发展,工业和信息化部会同公安部还组织起草了《关于开展智能网联汽车准入和上路通行试点工作的通知(征求意见稿)》,拟遴选符合条件的道路机动车辆生产企业和具备量产条件的搭载自动驾驶功能的智能网联汽车产品,开展准入试点;对通过准入试点的智能网联汽车产品,在试点城市的限定公共道路区域内开展上路通行试点。

                                                                                                                      AI绘画火了,AIGC元年开启

                                                                                                                      未来预计能够产生万亿级经济价值

                                                                                                                      今年8月,在美国科罗拉多州举办的新兴数字艺术家竞赛中,参赛者杰森·艾伦提交的AIGC绘画作品——《太空歌剧院》,获得了此次比赛“数字艺术/数字修饰照片”类别一等奖。没有绘画基础的杰森·艾伦借用了一款名叫Midjourney的AI绘图工具,通过一个类似“文字游戏”的过程,输入题材、光线、场景、角度、氛围等有关画面效果的关键词后,得到了初始作品,并在反复调整和修改后最终完成了这组“太空歌剧院”数字艺术作品。

                                                                                                                      这一年,AI绘画小程序、网站等开始迅猛增长,而美图秀秀、抖音等软件也加入了AI画图功能。抖音平台数据显示,截至12月6日,已有超2428.4万人使用该特效,迅速飙升至特效潮流榜第一位。AI绘画的百度指数也从日均两三千上升到日均3万,火爆程度可见一斑。

                                                                                                                      AI绘画的火爆也让AIGC这一概念逐渐进入大众视野。

                                                                                                                      所谓AIGC(AI Generated Content),即基于人工智能技术自动生成内容的新型生产范式。其技术主要涉及两个方面:自然语言处理(NLP)和AIGC生成算法。其中,自然语言处理是实现人与计算机之间通过自然语言进行交互的手段。

                                                                                                                      最初,AIGC可生成的内容形式以文字为主,经过2022年指数级的发展,目前AIGC技术可生成的内容形式已经拓展到了包括文字、图像、视频、语音、代码、机器人动作等多种内容形式,2022年也因此被称为“AIGC元年”。生成式AI让机器开始大规模涉足知识类和创造性工作,未来预计能够产生数万亿美元的经济价值。(科技日报实习记者 都芃)

                                                                                                                      (文图:赵筱尘 巫邓炎)

                                                                                                                    [责编:天天中]
                                                                                                                    阅读剩余全文(

                                                                                                                    相关阅读

                                                                                                                    推荐阅读
                                                                                                                    凤凰微彩赵云为什么不受刘备重用?
                                                                                                                    2024-02-02
                                                                                                                    凤凰微彩总决赛-广东5人上双胜新疆2-0
                                                                                                                    2023-12-29
                                                                                                                    凤凰微彩 绚丽的丛林小精灵 高速抓拍飞翔中的蜂鸟
                                                                                                                    2024-05-31
                                                                                                                    凤凰微彩关晓彤出游连头发丝都防晒
                                                                                                                    2024-05-06
                                                                                                                    凤凰微彩普京关键时刻喊话:中国兄弟别担心 还有我
                                                                                                                    2024-03-29
                                                                                                                    凤凰微彩 日本4只松鼠争先出巢 脑袋填满树洞惹人喜爱
                                                                                                                    2023-08-21
                                                                                                                    凤凰微彩这些星座的审美让人迷惑
                                                                                                                    2023-07-08
                                                                                                                    凤凰微彩你认得出任课老师吗?大学考卷上的一道"送分题"
                                                                                                                    2024-01-25
                                                                                                                    凤凰微彩国务院成立江苏盐城特别重大爆炸事故调查组
                                                                                                                    2023-10-22
                                                                                                                    凤凰微彩张扬对话丨北京时间是怎样“生产”出来的?
                                                                                                                    2023-10-31
                                                                                                                    凤凰微彩拆客Now拆解Reno 10倍变焦版
                                                                                                                    2023-10-02
                                                                                                                    凤凰微彩女生倒卖迪士尼门票套现
                                                                                                                    2024-04-07
                                                                                                                    凤凰微彩老令公杨继业投降宋朝始末
                                                                                                                    2023-07-26
                                                                                                                    凤凰微彩试驾东风日产全新逍客:更加精致
                                                                                                                    2024-04-05
                                                                                                                    凤凰微彩 蔡国庆批朱正廷捂嘴笑 希望他们有强盛的阳刚之气
                                                                                                                    2023-10-10
                                                                                                                    凤凰微彩总决赛-广东2-0领先新疆
                                                                                                                    2023-09-28
                                                                                                                    凤凰微彩吴奇隆刘诗诗喜迎爱子 胡歌谢娜等好友送上祝福
                                                                                                                    2023-07-16
                                                                                                                    凤凰微彩总决赛-广东再胜新疆 总分2-0领先
                                                                                                                    2024-03-16
                                                                                                                    凤凰微彩知否|让全球180万人重见光明的角膜 人人都能捐献吗?
                                                                                                                    2023-09-06
                                                                                                                    凤凰微彩社评:中国须拒绝美拉我核裁军的任何念头
                                                                                                                    2023-10-29
                                                                                                                    凤凰微彩家务时间 成都男性超过女性
                                                                                                                    2023-11-19
                                                                                                                    凤凰微彩温暖善良的何炅:娱乐的角色,认真的人生
                                                                                                                    2024-05-24
                                                                                                                    凤凰微彩二度扬帆出海的昆虫无双——《地球防卫军:铁雨》评测
                                                                                                                    2024-05-26
                                                                                                                    凤凰微彩90后存款为0的真实原因
                                                                                                                    2024-03-15
                                                                                                                    加载更多
                                                                                                                    凤凰微彩地图