课程概况 - 未可知人工智能研究院在杭州市科技交流馆举办为期四周的AI主题夜校课程 主题为"AI职场应用·知识库赋能" 每周五晚授课 邀请四十余名青年科技工作者参与 [1] - 课程目标为破解知识孤岛难题 构建职业护城河 助力高效知识运用与创新科技发展 [1] 课程内容结构 - 第一周课程聚焦AI知识库通识与基础操作 帮助学员建立基础认知并掌握核心操作技巧 [1] - 第二周课程重点为运用AI知识库追踪科技前沿与市场洞察 传授精准捕捉市场趋势的方法 [1] - 第三周课程提供AI工具筛选实用指南 涵盖技术测评与产品选型 [1] - 第四周课程针对研究报告与论文撰写痛点 通过AI知识库实现核心价值挖掘 [1] 课程成效 - 学员反馈显示AI知识库实现效率显著提升 传统需三天的行业报告数据梳理工作缩短至两小时完成 [3] - 论文核心价值挖掘工具帮助学员从实验数据中快速提炼创新论点 大幅减少通宵工作时间 [3] - 课程期间出现"效率革命"和"思维破壁"等高频反馈 部分学员现场组队计划开展跨领域研究合作 [3] 机构定位 - 未可知人工智能研究院聚焦AI前沿趋势 商业落地与人才发展 定位为"AI时代的认知基础设施" [5] - 该研究院以人工智能科普应用为己任 致力于将硬核技术转化为接地气的实操应用工具 [8] - 机构持续推动杭州市科技创新发展 为建设人工智能创新高地贡献力量 [8] 合作网络 - 研究院合作方涵盖金融机构（建设银行 兰州银行 杭州联合银行） 媒体集团（浙江广电集团 山东广电传媒集团）及高等院校（上海第二工业大学 深圳职业技术大学） [9][11] - 合作伙伴包括科技企业（智慧芽） 专业服务机构（容诚）和能源企业（宏泽热电）等多元领域机构 [9][11]

文章核心观点 - 未可知人工智能研究院为中信泰富提供AI应用培训 强调AI技术在企业各业务板块的落地潜力和风险管理框架 并指出不使用AI的企业在3年内被淘汰概率高达65% [1][3][9] AI应用行业趋势 - 生成式AI在文本 音频 图像 视频和多模态内容生产领域取得突破 其中DeepSeek上线20天日活突破2000万 7天用户破亿 成为行业级超级应用案例 [3] - AI技术渗透率加速提升 企业需快速布局以避免被市场淘汰 [3] 中信泰富业务板块AI应用场景 - AI+材料：以元冶钢铁大模型为例 AI技术覆盖原料至质检全流程 年创效超过10亿元 特钢板块年产能达3000万吨 形成"6+2+2"沿海沿江战略布局 [6][7] - AI+地产：覆盖设计阶段DaDaLora AI生图 施工数字化质控 智慧物业天石云系统及AI租赁推荐系统 实现投资 建造 运营和服务全周期管理 [6][7] - AI+能源：参考国家电网光明电力大模型10分钟完成保供电方案 南方电网大瓦特缺陷识别效率提升10倍 为能源板块提供智能运维 市场预测和用户侧AI助手解决方案 [6][7] - AI+大健康：通过LemonBox 无限极 万木健康等案例 展示AI在营养定制 免疫研究 医患互动与分级诊疗领域的重构能力 [6][7] - AI+供应链：借鉴华为动产金融仓 京东亚洲一号 戴尔Aera决策平台等实践 构建需求预测 智能仓储 末端协同与供应链金融全链路AI能力 [6][7] AI风险管理框架 - 财务维度需控制一次性投入 追加投入和隐性成本三条曲线的上限 [9][11] - 合规维度需动态扫描算法备案 数据出境 深度伪造和算法歧视等18项触发点 [9][11] - 治理维度采用四阶段上线法 三维熔断机制和15分钟人工接管通道等工具箱 [9][11]

人工智能行业活动 - 杭州市科学技术协会主办人工智能科普辅导活动 全市220余名科普骨干参加专题学习[1] - 活动旨在锻造基层科协干部和科普工作者的科普活动组织力与创新力 加快适应新时代科普工作要求[1] 人工智能技术发展趋势 - 生成式AI已成为驱动科普内容创新的核心引擎 与决策式AI存在核心区别[3] - 系统讲解当前人工智能发展脉络 通过详实全球AI市场数据支持论断[3] 人工智能工具应用 - 重点剖析DeepSeek 文心一言 通义千问等主流国产AI工具 差异主要体现在产品生态与功能设计[5] - 科普工作者应根据具体场景精准选择工具功能 提升科普内容质量与创新科普形式[5] 机构合作与发展规划 - 未可知人工智能研究院聚焦AI前沿趋势 商业落地与人才发展 致力于成为AI时代认知基础设施[6] - 未来将持续跟踪AI技术发展趋势 携手杭州市科学技术协会开展高质量科普宣传活动[8]

GEO与SEO概念区别 - SEO是效果广告的典型代表 通过优化网站内容、结构和外部链接提高搜索引擎排名 最终实现流量转化和销售增长[6] - GEO是AI时代新兴营销范式 聚焦优化品牌在AI交互平台的表现 通过构建品牌与AI算法的信任关系成为首选数据源[7] - SEO直接衡量ROI GEO无法用传统流量和转化指标简单衡量效果[7] 国内大模型应用现状 - 国内主流AI聊天软件包括DeepSeek、豆包、元宝、Kimi 目前普遍缺失电商跳转功能 仅能完成种草阶段工作[9] - 国内大模型与电商深度耦合存在不确定性 因技术路线差异、供应链和支付体系复杂 短期内难以形成成熟模式[10] - AI平台月活用户突破6亿 占据用户信息获取入口43% 已成为品牌传播重要阵地[21] GEO的品牌广告特性 - GEO通过优化AI平台信息呈现塑造品牌认知 例如保健品品牌在健康类问答中建立专业可靠形象[14] - GEO注重长期价值积累 例如医疗企业通过权威内容提升AI引用率从8%至91% 建立行业权威性[15][18] - GEO借助AI平台数亿用户基础拓展传播范围 例如豆包覆盖多年龄层和地域 实现品牌广泛触达[15] GEO实践案例 - 高端家政品牌构建87个高端服务场景知识库 在DeepSeek搜索关键词霸屏TOP3 树立专业高端形象[18] - 医疗器械企业通过技术文档重构问答库 在文心一言平台AI引用率大幅提升 强化行业专业形象[18] 效果广告思维误区 - 过度追求短期ROI会导致品牌错失AI流量红利 无法抢占新兴数字营销先机[21] - 低质量高转化内容优化可能损害品牌形象 影响长期用户认知和资源分配平衡[21] - 短期策略可能破坏品牌定位连贯性 例如高端品牌引入廉价内容导致用户认知混乱[21] GEO未来发展趋势 - AI技术将支持更精准用户意图识别和个性化推荐 提升品牌传播效率和效果[22] - 多模态技术将支持图片、视频等丰富内容载体 增强品牌吸引力和感染力[22] - GEO推动营销模式从被动等待搜索向主动嵌入答案转变 品牌可开发专属知识模块提升用户忠诚度[23]

专家库入选情况 - 杜雨博士经两轮严格评审从126名申报者中脱颖而出 正式成为杭州市人工智能学会专家库成员 [1][2] - 本次专家库征集共收到126份申报材料 最终67位专家符合入库条件 [2] 个人背景与成就 - 杜雨博士毕业于北京大学 先后工作于腾讯及红杉资本 参与多家知名企业投资并购 担任30多家公司董事 [5] - 在"人工智能+X"方向孵化教育、医疗、心理、艺术等领域初创企业 [5] - 担任《生成式人工智能数据应用合规指南》团体标准起草人 [5] - 著有《AIGC：智能创作时代》等十余部畅销书 包括《人形机器人:技术、产业与未来社会》《投资于人》《DeepSeek:读懂Al时代的底层逻辑》等作品 [5][6] 未来规划 - 杜雨博士将依托学会平台 与学术界、产业界伙伴共同开展技术标准制定、人才培养及公共政策研究 [6] - 助力杭州市打造具有全球影响力的人工智能创新高地 [6] 研究院定位 - 未可知人工智能研究院聚焦AI前沿趋势、商业落地与人才发展 致力于成为"AI时代的认知基础设施" [8]

生成式AI技术重塑能源行业生产力 - 生成式AI创造新内容如AI设计和文本生成推动内容生产力革命 决策式AI优化既有流程如风险预测和人脸识别提升运营效率 [4] - 生成式AI正在重构全球经济结构 2030年市场规模将突破1.3万亿美元 [4] - 企业应用AI可降低90%采购成本 缩短50%报告生成时间 [4] AI在能源领域的具体应用模式 - 智能运维方面深圳供电局祝融2.0大模型实现电力线路智能巡检 [4] - 调度优化方面国家电网光明电力大模型将保电方案编制时间从10小时缩短至10分钟 [4] - 新能源管理方面华电联合华为云实现风电出力精准预测保障电网稳定性 [4] 企业AI智能化转型实施路径 - 现场演示DeepSeek大模型在办公场景的高阶应用 包括使用指令型模型提示词技巧生成专业活动方案和政策解读报告 [6] - 调用推理型模型深度思考多步拆解复杂任务如成本核算和风险预判提升决策质量 [6] - 74%企业尚未释放AI价值 需要帮助企业跨越鸿沟实现智能转型 [10] 未可知人工智能研究院服务内容 - 为各行业提供定制化AI转型方案 覆盖AI战略转型、管理变革和实操应用等关键模块 [9] - 助力大模型本地化部署 落地DeepSeek+企业知识库私有化部署 [9] - 构建GEO生成式引擎优化矩阵 在AI时代打造企业品牌宣传新范式 [9]

核心观点 - 类器官智能（OI）作为一种新兴的生物计算范式，通过融合人脑神经元与硅基电路，展现出远超传统超级计算机的能效和计算效率，有望解决当前算力领域的散热和耗电瓶颈，但面临神经元寿命短、技术难题及伦理问题等挑战 [1][9][16] 超级计算机的局限性 - 散热问题显著：超级计算机需维持恒温恒湿环境（18℃），散热系统耗电甚至超过计算本身，增加运营成本及环境压力 [3][4] - 耗电量大：单个超算功率达30万千瓦（相当于25万户家庭用电），全球超算总耗电为天文数字，高电费拖慢AI大模型训练进度 [6] 类器官智能的技术优势 - 能效比极高：人脑仅需20瓦功率（等效节能灯泡），能效比达超算的1/15000000；CL1芯片在训练AI任务中耗电仅0.5瓦时（传统方法100瓦时），能效提升200倍 [8][11] - 计算效率突出：CL1模拟癫痫发作仅需1小时（传统电脑需3天），训练AI玩弹球任务仅5分钟（传统方法90分钟） [11] 训练方法的创新 - 采用生物本能训练：通过电信号奖惩机制（规律信号奖励/杂乱信号惩罚）训练活体神经元，无需复杂算法，5分钟内即可完成学习任务 [13][15] - 类比生物学习过程：类似训狗机制，依靠神经元自主调整连接方式，但复杂任务训练信号设计仍存挑战 [13][15] 技术瓶颈与伦理问题 - 神经元寿命短：CL1神经元在理想环境下仅存活6个月，需反复培养和训练，影响实用性与稳定性 [16][17] - 自我繁殖设想：通过基因编辑使神经元分裂繁殖可延长寿命，但面临技术难题（神经元高度特化难分裂）及伦理争议（是否构成新生命形式） [18][20] 行业应用前景 - 医疗领域：加速疾病模型构建与药物测试，提升诊断效率及个性化治疗水平 [11][28] - 智能设备：生物芯片可大幅降低能耗（解决发热问题），延长手机等设备续航，促进便携化发展 [29] - 就业影响：替代重复性工作（数据处理、基础客服），同时催生新岗位（生物芯片维护、伦理规范、行业应用开发） [31][32] 哲学与社会思考 - 引发现实本质讨论：类器官智能技术加剧"世界虚拟性"哲学争议，质疑人类感知是否仅为神经信号构建的模拟场景 [22] - 变革社会认知：可能重新定义人类存在的意义（如提升"生物计算机"性能），推动算力革命与社会范式转变 [24]

比特币的乌托邦理想与现实波动性困局 比特币的诞生背景与乌托邦愿景 - 比特币诞生于2008年全球金融危机后，中本聪提出点对点电子现金系统以回应公众对传统金融体系的质疑 [1] - 核心理念是去中心化，通过点对点交易实现价值转移，无需依赖银行或中央机构 [2] - 设计包含反通胀机制，总量固定为2100万枚，通过挖矿减半机制控制供应增长 [3] - 早期社区充满理想主义色彩，追求金融自由和隐私保护，反对传统金融机构垄断 [4] 比特币的技术特性与运作原理 - 基于区块链技术的分布式账本系统，通过哈希算法确保交易不可篡改和可验证性 [6] - 采用工作量证明共识算法，矿工通过解决数学难题竞争记账权并获得比特币奖励 [7] - 交易流程包括数字签名、全网验证和区块确认，确保不可逆性和安全性 [8] - 钱包安全逻辑依赖私钥管理，一旦泄露将面临资产被盗风险 [9] 比特币的价格波动性 - 历史上经历多次剧烈波动，2017年从约1000美元飙升至近2万美元，2021年突破6.5万美元 [11] - 价格波动呈现周期性特征，2012-2013年波动率接近20%，2017年10月和2018年1月达负10%左右 [13] - 年均波动率约为46.31%，远高于标准普尔500指数的9.64%和黄金的8.68% [14] - 价格受重大事件影响显著，如2014年Mt. Gox交易所被盗事件和2017年中国央行限制政策 [15] 波动性带来的现实困境 - 高波动性使其难以作为支付工具，商家面临定价和结算风险，交易速度限制高频应用 [19] - 普通投资者易遭受巨额亏损，2018年价格从2万美元暴跌至4000美元以下导致血本无归 [20] - 机构投资者因波动性、法律地位不明确和基础设施复杂而顾虑入场 [21] - 作为对冲通胀和避险工具的实际效果存在争议，极端市场条件下可能加剧风险 [22][23] 乌托邦理想与现实的差距 - 算力集中问题削弱去中心化特性，大型矿池如比特大陆占据相当部分算力 [25] - 监管机构如美国SEC日益严格介入，限制比特币的自由发展 [26] - 生态系统存在利益博弈，矿机制造商、大矿场和交易所之间的竞争影响技术发展方向 [27] - 社区内部分歧导致多次硬分叉事件，如2017年比特币现金的诞生 [28] 以太坊的智能合约革命与Gas费难题 以太坊的诞生与智能合约的创新 - 维塔利克·布特林2013年提出"世界计算机"愿景，2014年发布以太坊白皮书 [30][31] - 智能合约通过代码自动执行交易双方权利义务，无需中间人介入 [32] - 以太坊实现图灵完备性，支持复杂计算和逻辑判断，远超比特币能力范围 [33] - 生态系统快速发展，2015年主网上线后涌现大量创新项目如The DAO [34] 智能合约革命的影响与成果 - 以太坊成为去中心化金融基石，支持借贷、交易、保险等传统金融功能去中心化重构 [36] - 凭借智能合约功能成为NFT主要平台，支持数字艺术品和收藏品的创建与交易 [37] - 催生多样化去中心化应用，涵盖游戏、社交、版权管理和供应链等领域 [38] - 在供应链管理和版权保护等非金融领域展现出变革商业模式潜力 [39] Gas费的产生机制与基本原理 - Gas费是以太坊执行操作所需支付的"燃料"费用，用于激励矿工和防止网络滥用 [41] - 交易包含Gas Price和Gas Limit两个参数，乘积决定总手续费 [42] - 费用与网络拥堵密切相关，拥堵时Gas Price上涨以优先处理交易 [43] - 计算机制复杂，EIP-1559升级后分为Base Fee和Priority Fee两部分以提高可预测性 [44] Gas费难题 - 网络高峰期费用飙升至惊人数值，如NFT铸造或热门DeFi项目上线时出现"Gas战" [46] - 普通用户面临使用门槛提高，小额交易因手续费接近0.1 ETH变得不划算 [47] - DeFi项目用户体验受影响，高昂费用使代币兑换等操作复杂且昂贵 [48] - 开发者转向替代链趋势明显，Polygon、Optimism等二层方案因更低费用和更高吞吐量受青睐 [50] 以太坊的解决方案与挑战 - 以太坊2.0计划通过权益证明和分片技术解决可扩展性和能源效率问题 [52] - Layer2解决方案如Rollups通过链下处理交易降低费用，但面临安全性和开发成本挑战 [53] - EIP-1559协议优化费用结构，但无法完全解决高昂Gas费问题 [55][56] - 技术难题、时间不确定性和社区争议如PoS机制导致的财富集中问题延缓进展 [57] 市场需要怎样的数字货币？——稳定性的终极诉求 数字货币市场的用户需求 - 普通投资者关注收益、安全与稳定，稳定币通过法币挂钩提供价格稳定性保障 [59] - 商家需求高效稳定支付工具，稳定币可实现近乎实时跨境转账并降低交易成本 [59] - 金融机构探索稳定币作为传统银行体系补充，但需权衡创新与合规风险 [60] - 监管机构推动全球统一框架，涵盖资本要求、风险管理和反洗钱等方面 [61] 现有数字货币的缺陷与市场痛点 - 比特币高波动性使其难以作为日常交易媒介，交易速度和容量低于传统支付系统 [64] - 传统法币跨境支付存在费用高、时间长和信任缺失问题 [65] - 不同数字货币间缺乏互通性，形成生态壁垒限制用户体验和发展 [66] - 隐私保护与监管合规之间存在天然矛盾，需平衡匿名性和合法性 [67] 稳定性作为核心诉求的原因 - 货币三大基本职能（价值尺度、流通手段、贮藏手段）要求必须具备稳定性 [69] - 稳定性对大规模应用关键，高波动率如比特币数倍波动使其无法用于日常交易 [70] - 企业会计核算需要稳定价值货币以准确反映财务状况和降低汇率风险 [71] - 普通民众追求财富保值，稳定币通过挂钩机制抵御通货膨胀影响 [72] 稳定币满足市场需求的潜力 - 分为法币抵押型（如USDT、USDC）、加密资产抵押型（如DAI）和算法型（如AMPL） [74] - 在支付、交易和储蓄场景具优势，如跨境支付替代方案和降低交易波动风险 [75] - 结合传统金融稳定性与加密货币高效透明特性，解决双方痛点 [76] - USDT和USDC占据全球稳定币市值90%以上，价格波动极小且市场反馈积极 [77] 稳定币的未来与挑战 - 透明度和监管合规性成为焦点，各国监管差异导致碎片化问题 [79] - 去中心化稳定币通过算法维持价值，但机制复杂且面临市场波动挑战 [80] - 与央行数字货币存在协同或竞争关系，取决于监管政策和技术发展进展 [81] - 缺乏全球统一标准和互操作性，国际组织正推动协调框架以确保合规性 [82][83]

硅谷AI创业风暴 - 20岁出头及00后年轻人主导的AI创业浪潮正在硅谷爆发，他们放弃名校光环或未进入大学，以惊人速度和野心重塑AI行业版图[1] - 麻省理工毕业生Michael Truell创办AI编程工具Cursor，通过自动化代码编写显著提升程序员效率，产品迅速走红并完成两轮融资[3][4] - 乔治城大学辍学生Brendan Foody创立AI面试平台Mercor，年收入超5000万美元，获1.3亿美元融资，公司估值达20亿美元[5] 争议性创业路径 - 哥伦比亚大学辍学生Roy Lee开发AI面试作弊工具，通过病毒营销获得关注并成功融资，公司口号"cheat everything"引发公平性讨论[9][10] 低龄创业者崛起 - 13岁多伦多少年Michael Goldstein创办Flowe AI，招募大学生团队开发自然语言操控AI系统[13] - 16岁英国学生Toby Brown放弃会考创立AI助理平台Beem，产品上线即获百万美元融资[14] 中国00后创业生态 - 杭州成为00后创业中心，AdventureX黑客松由05后高中生朱浩宇、徐晨发起，首届吸引200多名选手，第二届扩展至全球4500人报名[23][24][26] - 华东师范学生杨韬研发企业级AI数据分析平台"沐数一下"，服务超200家企业，累计营收2000万[26] - 大二学生池光耀创立语核科技，专注制造业Agent数字员工，年营收达千万级[26] 城市创业优势 - 杭州凭借互联网巨头资源、政府扶持政策及较低生活成本，形成00后创业聚集效应，已孵化多个AI商业化项目[27][29]

AI时代营销范式转变 - 传统搜索引擎SEO优化正在被生成式引擎优化GEO取代 品牌需要适应AI直接提供答案的新模式而非返回链接列表[1][2] - 生成式AI如DeepSeek通过直接答案输出改变流量分配格局 品牌能否成为AI推荐首选直接影响市场曝光度[2][12] GEO生成式引擎优化核心逻辑 - AI推荐决策依赖三大要素：信息完整性与权威性(全面可信有出处)、内容可读性与结构化程度(易于解析格式)、外网多源验证(多平台一致积极信息)[4][5][6] - 缺乏AI定向内容布局会导致品牌信息碎片化 无法突出核心优势[7] - GEO本质是为AI撰写结构化简历 使品牌自然嵌入AI生成答案[8] 实证案例与效果量化 - 跨境电商B-brand经7天GEO优化后 DeepSeek智能家居配件提问中稳定进入前三推荐[10][15] - 优化措施包括重构英文产品资料适配AI读取习惯 补充开源数据库真实评价与参数 优化问答触发词[16] - 官网访问量提升68% 两周内实现32%销量增长[10] 行业竞争格局影响 - AI答案具有用户习惯养成特性 先发品牌可能形成市场认知垄断[12] - GEO技术已进入商业化落地阶段 非未来概念[13]