编者按：文章摘录自 金融街老裘！作者 老裘团队！版权归与原作者！文章观点仅供参考！首先，我们要知道ChatGPT究竟为什么如此火爆。从去年开始，整个TMT行业就在等待一个新的触发点，以此来带动板块发展。市场期待过VR/AR、自动驾驶、工业软件等等，但事实上这些都不够撑起庞大的想象空间。直到ChatGPT出现，大家似乎真的看到了新技术产业化的方向。ChatGPT其实是聊天机器人程序，大家应该从各种途径都能了解到，人机对话的智能化和便利程度都很超预期，甚至可以用她来写文章或写程序。那在ChatGPT背后，更具有想象空间的就是AIGC（AI Generated Content），就是用人工智能来自动生成内容。AIGC不仅可以生成ChatGPT，还能给传媒、游戏、教育、金融等各行各业都带来巨大变化。随着生态慢慢完整，会系统性地改变当下各种应用的使用方式，比如微软新版Bing搜索引擎，大家想了解什么或者想获得什么，直接以聊天形式输入，就能很快得到答案。这有点类似于，未来每个人都是甲方角色，直接告诉AIGC你想要什么，她就能快速生成代码，并把结果给到你。如果你觉得她做得不怎么样，还可以直接细化或修改要求，大概率她是毫无怨言的（不排除在足够拟人化后，偶尔会反驳你几句）。所以说，并不是ChatGPT本身火爆，而是其背后AI人工智能真正落地后，给各大产业带来了巨大变化和想象空间，这才引起了市场的高度关注。其次，和大家分享下团队内部的观察视角。市场对于AIGC的关注度，更多都集中在模型端和应用端，比如耳熟能详的百度、商汤、云从，以及讯飞、金山、同花顺等等，但其实国内发展更成熟的却是通信环节，尤其是底层基础设施和工具。不妨把视野放得远一些，未来整个世界的国与国之争，除了热武器对抗以外，还有个关键要素就是综合算力。无论是前段时间的数字经济，还是这次横空出世的AIGC，都需要庞大算力的支持。以ChatGPT为例，大模型历经了三次迭代，参数量从初代的1.2亿增加到1750亿，预训练数据量从5GB增加到45TB，总算力消耗约为3640PF-days（假如每秒能计算一千万亿次，需要计算3640天，即10年左右）。我们不用了解参数量和数据量到底意味着什么，也不用去细究算力消耗是什么意思，但至少能看到，需求量已经翻了1000-10000倍。沿着这个思路，那以算力升级为目标的基础设施建设，就大有可为。如果我们做个复盘，不难发现，4G时代就是基础设施先行。当时移动互联网爆发时，网宿科技和光环新网等设备厂商就率先迎来爆发，成为5倍股和10倍股，随后才慢慢带动了应用端的业绩落地。最后，详细聊聊目前基础设施领域的发展情况。刚才提到，单单ChatGPT总算力消耗就有3640PF-days，而一般单个算力消耗500PF-days的数据中心项目，总投资额就要近30亿，那要运行ChatGPT就需要7-8个这样体量的数据中心，也就是超过200亿投资额。有了这个基本概念后，就能了解基础设施的行业空间，接下来就沿着脉络来逐个分析。第一，AIGC对算力消耗是最大的，影响最直接的就是算力芯片，未来3年需求可能会超过10倍。这块海外英伟达等厂商占据着较大市场，国内受制约力度可能会比较大。比如A100这种高性能算力芯片，受中美科技战影响就比较难获取，迫切需要国产算力芯片完成突破和迭代，国内龙头主要有景嘉微、海光信息、中国长城等等。$景嘉微(SZ300474)$$海光信息(SH688041)$$中国长城(SZ000066)$第二，除了底层算力芯片，作为算力传输硬件的服务器和交换机，同样会迎来效率的爆炸性提升，背后就是光模块的提升空间。其实光模块在经历过2020年初的高点后，这几年一直在杀估值，PE估值从50多倍杀到了10倍出头。但同时，行业增速还在稳步提升，这就导致估值处于合理偏低估状态，国内龙头主要有天孚通信、中际旭创等。尤其最近CPO技术已经站上风口，加固了光模块的技术壁垒。CPO专业点说就是光电共封装，其实就是把交换芯片和光引擎封装在一起。相当于原来算力从A运输到B要100米，现在直接把A和B绑在一起了，那么传输距离就大大缩短，效率自然就提升了。第三，既然有这么多算力，就肯定需要有相应设备，这个应该也很好理解。根据市场测算，光ChatGPT在未来3年就有可能拉动千亿级ICT硬件投资需求，国内龙头主要有中兴通讯、紫光股份、锐捷网络等。第四，虽然国内高性能芯片还需努力，但高性能服务器释放是相对比较容易的，那随着性能和功率提升，温控会成为燃眉之急。平时大家用手机和电脑，如果后台程序开多了，都会有发热发烫现象，更何况是这么庞大算力的AIGC领域。因此，温控重要性就大大增强，否则就会有安全事故，国内龙头主要有英维克、同飞股份等。第五，如果需求足够庞大，整个产业链库存都被消耗完，那大型运营商就会加大数据中心投放。运营商其实是最能满足AIGC产业特征的环节，需要资金、拥有数据、注重AI安全，国内龙头主要有宝信软件、光环新网、数据港、奥飞数据等。总结而言，ChatGPT确实带动了AIGC的具体应用，相比过去的AI产品，AIGC在模型类型、应用领域、商业化等层面都呈现出新的特点，对大部分产业都能带来变化。尤其在微软等科技巨头的加持下，很有可能会快速推广。这不仅是主题投资，而是真正能给各个产业都带来颠覆性变化。当然，应用端可能还需要一段时间去融合及迭代，但在基础设施建设方面，我们已经能够看到真金白银的投资，确定性就会相对更高一些。好了，今天文章就先到这里了。ChatGPT近期非常火热，市场上都在讨论，希望老裘团队的研究能给兄弟姐妹们带来不一样的收获。

传个舌头照片就能在家看病？武汉研发出舌诊领域的ChatGPT

看舌诊看舌头app,看舌头专家,看舌头治病视频,舌诊照片诊断app
02.1713:25 关注 “我是一名五岁孩子的妈妈，以前孩子一个喷嚏就会很谨慎地上网到处查，现在用‘看舌头’APP上传舌头照片就知道大致问题了，操作十分方便！”使用过“看舌头”APP的市民董女士说。同时，她注意到报告中还写了这样一段话：“尽管舌诊具有完整的理论体系，无外寒热虚实、燥湿亏滞，不能完全取代望闻问切。”16日下午，记者也用手机下载了“看舌头”APP，填写性别和出生年月等信息后，即完成了免费注册，然后用该软件拍摄舌头照片并上传，5秒钟后，一个完整报告生成，上面分析了舌质、舌苔和舌痕的情况，辨别了体质的“寒热虚实”，并给出各类组方、配药等诊疗建议，全部由人工智能系统完成。据了解，“看舌头”APP是一款中医舌象辅助诊断软件，由位于车谷的武汉动手康医院有限公司（以下简称“武汉动手康公司”）研发，患者只需上传一张舌头照片，无需医生把脉问诊，后台人工智能系统即可帮助患者分析诊断病情，并开出建议的配药，上线2年多来，已服务了全国4万多名患者。武汉动手康公司董事长李华渊介绍，该软件已于2020年底由其母公司未康未病医学公司正式上线，目前已适配ios和安卓两大手机系统，软件系统建立了辨证、配药及组方三大词库，共计有上亿个计算单元格。“其中包含14万多个中医类词条，一个药方有哪些适用症、适用于哪些人群、有哪些禁忌等条目都能一一对应，记忆力和计算能力远远超过人类的‘最强大脑’。”李华渊说。三年前，受疫情影响，“看病难、看病贵”这一“顽疾”对老百姓的困扰大大加深，这也深深的触动了李华渊。2022年5月，作为科研带头人，他开始组建30人的研发团队进行技术攻关，并承担着建模的重任。非计算机专业出身的他，开始自主研学编程和建模相关知识。长江日报记者发现，在李华渊的办公桌后，有一整面墙的书柜，里面除了中医类书籍外，还摆了《微积分》、《复变函数及其应用》等数学书籍。由于在国内没有先例，7个多月的研发之路，可以说是“摸着石头过河”，每天都在不断“复盘”以提高诊断的准确率。“不同于常规建模，该诊断系统的开发完全实现了从0到1的突破，并运用了大量的医学理论为其提供数据支撑。”李华渊介绍。距上线以来，该软件已经更新迭代了数十个版本。未来，武汉动手康公司还将进一步开发海外版APP，涉及到黑种人肤色校色的问题，将成为该公司又一崭新的前沿课题。李华渊希望，未来的医疗格局将会像《未来医疗》这本书中描述的一样，“在大数据开启的智能时代，医疗领域将发生颠覆性的变化，以患者为中心的民主医疗时代即将到来。”“看舌头”APP的准确率有多高？“看舌头”APP拍一张舌头照片，就能为患者治疗吗？16日，长江日报记者采访了武汉动手康公司董事长李华渊。长江日报：类似百度拍照的“识万物”软件，“看舌头”APP的辨证准确率有多高？李华渊：与传统的仅利用深度学习图像处理模型进行图像分割和兴趣点抓取的舌诊仪不同，“看舌头”APP获取到的舌诊图片后，通过数学模型量化舌诊图片，与量化中医理论模型进行集成，最终给出结果，其识别准确度达90%。简单点来说，“看舌头”APP类似于当下很火的人工智能机器人ChatGPT。长江日报：“机器人”软件有法律认定的医疗处方权吗？该软件是否有国家权威认证？李华渊：目前，法律规定人工智能是没有“处方权”的，该软件提供的辨证论治方案仅供参考。 另外，这个软件还有一个功能――“查证”互动，患者可以自己手动输入症状，软件将不专业的语言翻译成专业中医术语并输入系统分析，辅助照片分析的结论，从而给出更加精确的建议。该项目的数学模型申报了7项国家发明专利，一项计算机软件著作权。在2022年移动健康APP可信选型评估中，通过了标准2019-0009T-IHIA《医疗健康类移动应用软件可信选型评估方法 第1部分：健康管理类》的测试评估。获得了中国信息通信研究院及互联网医疗产业联盟颁发的证书。长江日报：舌头照片往往会有不同程度的色差，仅用手机拍摄一张照片准确吗？李华渊：患者在拍摄照片的时候，有时会因为衣服颜色的映衬，或者受室内外拍摄光线的不同的影响，导致拍摄出来的照片出现不同程度的色差。这款自主研发的基于人工智能量化分析舌诊的系统，运用了高水平的色彩校正技术，通过比对照片中鼻子的颜色来调校舌头的颜色，让照片还原到初始状态。甚至，有些用美颜相机拍摄的舌头照片，“看舌头”APP都能做到“去美颜化”。（来源：长江日报）

chat ai和chatgpt是什么关系 chatgpt 注册用哪个国家的手机验证

02.1613:45 关注 最近这段时间，ChatGPT 火爆全网，引发了整个社会的强烈关注。这个来自 OpenAI 公司的聊天机器人，表现出了极为逆天的人工智能水平，让所有人为之震惊。其实，对人工智能（以下简称“AI”）的能力，人类是有心理准备的。数十年来，我们观看的很多影视作品，都与 AI 有关。在这些作品中，AI 展现的能力更为强大，给我们打了预防针。这次 ChatGPT 之所以带来舆论震动，更主要的原因在于 ―― 人们以为 AI 会慢慢发展，谁也没想到，它“呼”的一下，就来了个“三级跳”，瞬间变强。ChatGPT 的崛起，除了令人震惊之外，还带来了两种感受。一种是振奋，一种是担忧。ChatGPT 可以完成很多工作，尤其是一些此前需要真人才能完成的工作。对于企业来说，可以节约大量人力成本，提升效率，增强竞争力。而对于更多数的普通人来说，自己的饭碗很可能被 AI 抢掉，从而下岗、失业。我们每个人都应该认真思考一下，该如何应对 AI 的崛起：自己所处的行业，在 AI 的影响下，会发生哪些变化？自己的工作，是否可能被 AI 取代？如果会被取代，自己该如何应对？除了取代关系，自己是否可以尝试驾驭它，为己所用？今天这篇文章，小枣君就站在通信人的角度，试着分析一下，ChatGPT 以及它背后的 AI 浪潮，到底会给我们带来怎样的影响。从宏观来看，ChatGPT 的爆火，对通信行业是一个重大利好。在以往的文章里，我反复说过，AI 是算力发展到必然阶段的产物。AI 之所以现在一日千里，背后都是算力在进行支撑。ChatGPT 的出色表现，肯定会给全球算力建设又注入一针强心剂。像数据中心这样的算力基础设施，还有芯片、服务器、云计算这样的算力技术，一定会继续获得大量投资，迅猛向前发展。作为算力的最佳搭档，联接力（通信技术）肯定也会跟着获得资源，一起发展。数据是 AI 三大要素之一。以 4G、5G 等为代表的移动技术，还有全光传输网络，负责将终端与终端、终端与云、云与云连接起来。这将为 AI 提供海量的数据。这几年，算力与网络融合，搞出了云网融合、算力网络。算力网络为算力服务，算力为 AI 服务。AI 一旦起飞，通信就算吃不上肉，也至少能喝上汤。通信技术助力 AI 发展，反过来，AI 也帮助通信技术进一步提升。AI 在通信领域的落地，很早就已经开始了。2018 年的时候，小枣君就在 MWC（世界移动大会）看到过相关的研究成果展示。这几年，类似的展示越来越多，成熟度也越来越高，很多都已经开始进行试点。目前看，AI 赋能通信网络，主要集中在以下几个方面：1、无线网络优化网优是移动通信网络建设的一项重要工作。传统的网优，都是网优工程师结合个人经验，加上一些工具辅助，人工完成。引入 AI 之后，网络信号质量的数据处理会变得更加高效，也能够更快地输出优化方案。也有人设想，如果让无人车和无人机到处跑，采集信号质量数据，那么路测这项工作也可以无人化，真正实现网络自优化。2、算法增强现在通信研发越来越难，算法挖潜（例如高阶调制算法）越来越复杂。引入 AI，可以帮助提升算法的效率，或者帮助找到更好的算法，实现通信网络的性能提升。3、网络调度和路由这个主要是传输网在捣鼓。此前的 IPv4，路由和包转发效率低。现在，行业在搞 IPv6 和 SRv6，包括 SDN，就是为了提升网络的“交通效率”，对路由进行集中管理。集中之后谁来管理？当然就是 AI 管理。如果出现链路拥塞和中断，AI 第一时间可以进行切换，实现零感知。4、网络故障自愈这个也是 AI 的热门方向。通过对海量网络故障数据的学习，AI 可以基于故障现象，快速判断故障原因，要么提交人类工程师处理，要么自己直接干预。直接干预的话，也可以实现用户对故障的灵感知。5、网络节能减排省电就是省钱。现在基站那么多，数据中心那么多，负载需求总是在不断变化的。结合 AI，对通信设备进行自动调节功率，甚至进行关断，可以大幅降低设备能耗，减少碳排放，以及电费投入。相比 ChatGPT，上述这些 AI 应用的实际进展还没有那么先进。但是，谁也不知道，也许哪一天，某个厂商就会突然扔一个超牛的 AI 机器人出来，彻底颠覆某项工作，甚至整个行业？AI 的优势，是海量数据分析、找到潜在规律、提出应对建议，或者直接做出决策。通信行业的数字化程度本来就高，到处都是数据，所以有大量的工作适合采用 AI。接下来，我们再具体看一下，ChatGPT 和 AI，会给我们每个通信人造成什么影响。小枣君仔细想了一下，发现通信行业有两种人最不容易被 AI 取代。第一种是售前市场人员，第二种是一线劳动者。售前市场人员，属于和客户面对面打交道的人。和政府或企业客户做生意，你派个机器人去，显然是不合适的（不会喝酒、应酬、大保健）。尤其在中国，都是关系性市场，没有良好的客户关系，生意肯定没办法做。所以，这类握有关键客户资源的人，AI 很难取代。但是，对售前提供支撑的工作，是可以交给 AI 的。例如，ChatGPT 可以帮助写方案、标书，一些形式上的文本工作。再例如，市场人员进行市场分析和营销策略制定的时候，可以借助 AI，分析市场情况（销量、喜好、满意度等），提供决策建议。一线劳动者，也就是现场干体力活的人。工程项目现场的环境比较复杂。我觉得，中短期内想要实现完全的无人机械化，比较困难。站点的勘察、安装、搬运，还是需要人来做。说实话，也不是说这类工作有多高级，主要是因为人的成本反而低。。。一些不涉及复杂操作的一线工作，也还是会逐渐被 AI 替代。例如前面说的网络优化，再例如设备开通调测。最早的时候，设备开通都是工程师一个一个配置数据。后来，有了脚本，可以批处理导入数据。现在，简单的数据，都是上一级网管分发，自动配置。未来，系统分发的数据，都是 AI 规划和配置好的。网络维护，如前面所说，大概率会大量采用 AI。以后，AI 负责监控和维护网络，如果出现问题，AI 下达命令，然后人类工程师去干活（例如换硬盘、换光纤、换单板）。网络性能指标方面，人类工程师和 AI 最大的区别，就是 AI 根据数据给出结果，而人类可以根据结果给出数据。这还是蛮 NB 的，不可替代。^_^研发方面的工作，受 AI 的影响也比较大。大家都看到了，目前的 ChatGPT，就已经可以胜任初级码农的工作。以后，它写代码的能力，一定会越来越强。这倒逼了研发人员必须不断提升自己的能力，要有更强的创新能力，更具创造性。那些滥竽充数的研发，就比较危险了。其实搞过研发工作的童鞋都知道，写一个程序，并不是每行代码都自己从零开始写。简单的模块，都是直接调用的。关键的部分，才是自己写。现在都说低代码开发，甚至零代码开发。以后，说不定人类只需要给出自己的思路，代码部分完全由 AI 完成，也有很大可能性。总而言之，AI 的崛起，对坐办公室的岗位有更大的威胁。那么和人打交道的岗位，以及需要实际复杂操作的岗位，相对来说更加安全。现在很多公司都有一群“养老”的人，每天坐在电脑前，收数据，画表格，写 PPT，写报告。这些人最容易被 AI 干掉，还望好自为之。好了，以上就是小枣君的一点个人见解。AI 的崛起，是大势所趋。ChatGPT 的出现，给我们每个人敲响了警钟。AI 并不遥远。它在不断学习，不断进步。作为人类的我们，没有理由不学习、不进步。时代抛弃你的时候，连招呼都不打一声。难道不是吗？本文来自微信公众号：鲜枣课堂 （ID：xzclasscom），作者：小枣君