Rocky Ding独家AI产业研报（第2期）：2026.5.31-2026.6.14的AI高价值信息汇总与分享

写在前面

欢迎大家关注Rocky的知乎：Rocky Ding AIGC算法工程师/开发工程师面试面经秘籍分享：WeThinkIn/Interview-for-Algorithm-Engineer欢迎大家Star～

AIGC时代的 《三年面试五年模拟》AI算法工程师/开发工程师求职面试秘籍独家资源： 【三年面试五年模拟】AI算法工程师面试秘籍

Rocky最新撰写AI Agent（AI智能体）的深入浅出全维度解析文章： 深入浅出完整解析AI Agent（AI智能体）的核心基础知识

大家好，我是Rocky。

Rocky总结归纳了过去十四天中AI行业里高价值、本质、热门、具备跨周期潜质的最新资讯、项目与行业进展，并结合了Rocky的思考与分析，分享给大家。

大家如果觉得Rocky的汇总有遗漏，欢迎在评论区分享更多高价值的AI行业资讯、项目与最近进展。一起共建，一起深度参与到AIGC时代AI行业的快速发展与持续深耕中来！

So，enjoy！

2. AI投融资与市场信号

最值得关注的方向动态

高价值资源汇总

板块判断

Rocky认为，AI 投融资正在变得更“重”。早期 AI 应用靠一个漂亮 demo、一个增长截图、一个大模型包装，就能获得市场注意力。但当大模型能力快速被大厂平台吸收，资本会越来越追问：你掌握的是入口，还是只是调用接口？你沉淀的是数据，还是只是 prompt？你拥有的是客户工作流，还是一次性内容生成？你解决的是推理成本、可用性、安全、合规、供应链这样的长期问题，还是短期注意力？

SoftBank 法国数据中心计划、OpenAI Michigan Stargate 项目、Alphabet 847.5 亿美元级股权融资、Helion 融资、Broadcom AI XPV Platform 和 Helix Digital Infrastructure 的意义就在这里。它们不是普通基础设施新闻，而是把 AI 的底层约束重新摆上桌面：大模型越强，推理越多，Agent 越常驻，视频、音频和多模态越高频，算力和电力就越从后台成本变成前台战略。更重要的是，这类项目不再只是技术公司和云厂商之间的事情，它会进入地方税收、社区成本、能源结构/技术路径、股权融资、私募基金、主权资本、GPU 供应、网络芯片、资本开支战略和公共治理。

Anthropic 与 OpenAI 的 S-1 信号，则从资本市场另一侧强化了同一件事。大模型公司可以在私募市场里长期强调能力、安全和愿景，但一旦走向 IPO，它就必须解释更硬的问题：收入增长是否能覆盖算力扩张，企业客户是否有足够黏性，安全和合规成本会不会侵蚀利润，大模型迭代是否需要持续巨额资本开支，云平台分发关系会不会改变议价权，监管风险会不会变成财务折价。

Microsoft 365 Copilot 的 30 万员工级扩展，属于另一类市场信号：它不直接告诉我们利润率，但它告诉我们企业愿意把 AI 放进真实组织肌理里。大型 IT 服务公司如果只是试用 Copilot，意义有限；如果开始围绕培训、交付、知识管理、客户项目和内部流程规模化部署，它就会倒逼 AI 办公产品从“个人聪明”走向“组织可管理”。

Wordsmith、Lovable 和 Suno 则分别代表垂直 AI、AI 原生应用与 AIGC 内容公司的三条商业化路线。Wordsmith 的强信号在于它不只做“律师写作助手”，而是试图成为企业法务的工作入口和度量系统；Lovable 的强信号在于 AI app builder 的增长最终要落在云基础设施、模型供应链、企业客户和推理成本上；Suno 的强信号在于生成式内容公司进入商业化深水区后，真正要面对的不只是用户增长，还有版权清算、产业谈判、创作者关系和分发体系。Rocky认为，未来几年 AI 行业的强信号会越来越多地出现在“看起来不性感”的地方： 电网、机房、散热、芯片、网络、调度、权限、安全、审计、企业流程、云采购、组织培训、财务披露、版权谈判和部门级工作流重构。AI 行业越往后走，越像一个由模型、软件、金融、电力、硬件、地产、政府和行业系统集成共同拼起来的复合产业，而不是单纯的软件周期。

3. AI Agent

最值得关注的方向动态

高价值资源汇总

板块判断

Rocky认为，Agent 的核心问题已经从“大模型能不能想明白”变成“它能不能进入真实工作系统、商业系统、操作系统和知识生产系统并长期稳定地干活”。Gemini Spark、Apple Siri AI、Xcode 27 agentic coding、Codex Computer Use、Codex on AWS/Oracle、Codex for knowledge work、Ona、Anthropic-DXC/TCS、Meta Business Agent、Intelligent Terminal 和 Project Solara 代表十一类入口方向：一个从个人生活和 Google 账号体系切入，一个从 Apple 设备、Siri、App Intents 和系统权限层切入，一个从 Apple 开发者平台和应用生命周期切入，一个从开发者桌面和工程工作流切入，一个从企业云平台和合规采购流程切入，一个从白领知识工作和文件/数据工作流切入，一个从持久工作空间切入，一个从受监管行业系统集成切入，一个从商业消息和交易转化入口切入，一个从终端、shell 输出、命令错误和系统操作现场切入，一个从专用设备、企业身份、物理隐私控制和多 Agent 调度切入。前者抢的是每天的任务组织权，中间几条抢的是软件生产现场、知识生产现场、企业真实部署权、持久工作环境、行业系统集成和商业转化入口，终端、设备与 OS 入口抢的是人和系统之间的新交互层。

Memory OS、Second Brain 这类项目则需要解决另一个长期问题：Agent 如果没有可迁移、可治理、可注入的记忆，就会被困在单一 App 和单次会话里。今天用户在 Claude 里解释项目背景，明天在 ChatGPT 里重新说一遍，后天在 Cursor 里再补一次，这种重复本身就是 AI 产品还没真正理解人的表现。跨工具记忆层不一定会成为大平台之外的独立大公司，但它揭示了一个本质需求：未来的 AI 工作流，需要一个不完全依附于单一模型平台的个人上下文资产层。

OpenAI on AWS/Oracle 让这个判断更硬：Agent 不只需要产品入口，还需要企业入口。Codex for knowledge work、Ona 和 Meta Business Agent 又进一步说明，Agent 还需要知识工作入口、持久工作空间和商业交易入口。Anthropic-DXC/TCS 则说明，Agent 进入任务关键行业时，还需要系统集成入口。DXC 的价值在任务关键系统和 forward-deployed engineers，TCS 的价值在 50,000 名内部员工试用、Claude Partner Network、行业 offerings、Diligenta 2,200 万保单客户服务场景和大规模培训认证。真正的企业 Agent，不是把一个聊天框卖给银行和航空公司，而是把模型能力、行业流程、老系统、合规审计、员工培训和长期运维组织到一起。Microsoft Agent Framework 和 Intelligent Terminal 的持续迭代，则让 Agent 进一步拥有工程入口。Apple 的新信号补上了另一个经常被忽视的变量：个人 Agent 如果要真的成为日常入口，必须懂设备状态、个人内容、屏幕语境、跨 App 权限和开发者动作接口。

MiniMax M3、Step 3.7 Flash 和 UltraSpeed 补上的，是 Agent 底座本身的工程压力。长周期任务需要长上下文和可恢复状态，coding agent 需要工具调用和测试反馈，多模态 Agent 需要读懂截图、表格、视频和界面，企业 Agent 需要部署选项和成本可控，个人 Agent 需要低延迟、可交互和稳定体验。Rocky认为，这几条信号合在一起，比单看某个 benchmark 更重要：Agent 不会因为大模型“会思考”就自然成为产品，它必须同时成为一个可等待、可并发、可部署、可验证、可控成本的执行系统。

真正的企业 AI adoption，很多时候不是“谁的大模型好一点”决定的，而是“它能不能进入我已经批准的云环境、权限体系、审计流程、采购合同、预算科目、终端习惯、开发框架、业务系统、系统集成商和商业触点”决定的；真正的个人 AI adoption，也不只是“回答得多聪明”，而是“它能不能在不破坏隐私和信任的前提下，进入我每天已经使用的系统”。

企业不会因为大模型变强就自动相信 Agent。恰恰相反，Agent 能力越强，企业越会问：它能访问什么？能改什么？谁批准？出了问题谁负责？日志能不能复盘？能不能在 CI 里测试规则？能不能证明某次数据库、Kubernetes、GitHub 或 Slack 操作没有越界？如果 Agent 还要进入 badge、desk device、Windows、云桌面和专用终端，企业还会继续追问：身份如何确认，录音录像如何提示，设备如何管理，离职或权限变化后如何回收访问。

Claw Patrol、OpenTrace、Anthropic containment、Windows agent security、Apple Private Cloud Compute、sandboxed、Codex Computer Use、OpenAI on AWS/Oracle、Ona、Anthropic-DXC/TCS、Siri AI 和 Meta Business Agent 不应该被看成几个孤立工具，而应该被放在 Agent 生产化的大框架里理解：Agent 生产化不是把大模型接上工具，而是把大模型放进一个可治理的执行环境、可持续的工作空间、可转化的业务入口、可交付的行业系统和可被用户信任的系统入口。 这个执行环境要有权限边界、流量解析、审批系统、trace、成本归因、沙箱隔离、回放、测试、云平台身份、采购和账单；这个工作空间要能承载任务、文件、上下文、协作和交付物；这个业务入口要能接入客户、订单、商品、工单、支付、广告和企业后台系统；这个行业系统要能处理银行、航空、保险、制造、医疗、公共部门、生命科学、电信、政府等场景里的合规、安全、老系统改造和长期运维；这个系统入口要能处理个人情境、隐私保护、屏幕理解、App 动作接口和跨设备连续性。

Microsoft 365 Copilot 的 30 万员工级扩展，以及 Intelligent Terminal / Agent Framework / Project Solara / Apple Intelligence / DXC OASIS / TCS Claude practice 的推进，则进一步说明：Agent 不是单点工具赛道，而会被企业入口、开发者入口、商业入口、设备入口、OS 入口、系统集成入口和平台框架共同塑形。Memory OS、Second Brain、OpenTrace、sandboxed、Thaw 仍属于早期工程案例，还不能被当作成熟生态，但它们指向的记忆、追踪、沙箱、分叉和成本控制问题，正在被更大的平台叙事吸收。未来企业买的不是“会聊天的 Agent”，而是“能进入生产系统、商业系统和知识系统，但不会把它们变成黑箱风险的 Agent 基础设施”；未来个人长期留下来的，也不会只是最会聊天的 App，而是最能嵌入日常系统、同时守住隐私和控制权的 AI 层。

4. LLM 大模型

最值得关注的方向动态

高价值资源汇总

板块判断

Gemma 4 12B、MiniMax M3、Step 3.7 Flash 和 UltraSpeed 这些新闻，不能只按 benchmark 排序。真正值得看的是它们共同回答了 Agent 生产化的底层问题：大模型能不能读长材料、理解多模态输入、调用工具、写代码、进入企业部署、保持低延迟，并在成本可控的情况下长期运行。过去 open model 常被理解成闭源模型的低成本替代品，现在它更像一个可控部署层，企业可以围绕它做私有化、边缘设备、低延迟、多模态理解、Agent 工具调用和定制微调。

Apple Foundation Models 则给出了另一种模型竞争范式：不以“最大模型”作为唯一叙事，而是把模型按设备能力、隐私边界和系统场景拆层。AFM 3 Core 服务端侧基础能力，AFM 3 Core Advanced 通过稀疏激活把更大模型放进高端 Apple silicon 的硬件约束里，AFM 3 Cloud 与 AFM 3 Cloud Pro 服务更复杂的云端推理和工具使用，ADM 3 Cloud 承担图像生成与编辑。Rocky认为，这种路线的长期价值在于它把模型能力直接嵌进 OS、照片、Siri、App Intents、开发者 API 和 Private Cloud Compute，而不是把模型作为一个独立聊天框卖给用户。

OpenAI 和 Anthropic 提醒行业面对另一半现实：大模型越能做事，越不能只靠能力叙事。OpenAI 的安全蓝图在回答“什么样的 frontier model 可以发布、如何发布、发布到什么程度”，GPT-Rosalind 在回答“强模型如何进入生命科学这种高门槛工作流”，ChatGPT memory 在回答“模型平台如何沉淀长期关系”。Anthropic 的网络威胁报告、Opus 4.8、Fable 5 / Mythos 5 和访问暂停，则共同说明强大模型商业化会被可靠性、安全团队、客户资格、审计责任、国家安全和供应连续性共同塑形。这意味着大模型行业的成熟标志，不再只是模型更聪明，而是它是否能被可靠部署、被外部理解、被安全团队接入、被监管接受，并且在高风险场景里被可控、可持续、可替代地释放。

Rocky认为，LLM 大模型接下来会分成几条都很重要的路： 闭源 frontier model 继续向更强推理、更强 Agent、更强企业分发推进，同时必须面对政策闸门和供应连续性问题；open model 继续向本地化、多模态、低成本、可微调和可审计推进，并因为可控部署获得战略价值；平台模型会向端侧、私有云、OS、开发者 API 和长期上下文集成；垂直科学模型会进入高价值行业；低延迟推理会成为 Agent 产品化的硬门槛。真正有跨周期价值的公司和项目，会在这些路线之间找到自己的工程位置，而不是只押某一次模型发布的热度。

5. AI图像生成

最值得关注的方向动态

高价值资源汇总

板块判断

图像生成赛道过去很容易陷入“谁的图更惊艳”的短期比较，但 Ideogram 4.0 和 Apple ADM 3 Cloud 放在一起看，行业主线会清楚很多：图像生成正在从审美能力比赛，进入生产结构比赛。一个方向是 Apple 这种系统入口路线，把生成和编辑变成照片、消息、贴纸、空间内容、触控修改、个性化、相册管理和隐私保护的一部分；另一个方向是 Ideogram 4.0 这种开放权重路线，把模型、权重、推理代码、结构化控制、版式约束、文字渲染和本地部署交给开发者与设计团队。

Rocky认为，ADM 3 Cloud 的关键不是证明 Apple 的图像模型一定比所有独立图像模型更强，而是证明平台厂商正在把图像生成变成 OS 的内容能力；Ideogram 4.0 的关键也不是单纯证明开放大模型能不能追上闭源模型，而是证明开放权重图像大模型可以围绕设计控制、文字排版、结构化 prompt、企业部署和开发者生态建立新的价值坐标。独立图像工具仍然会在专业创作、工作室流程、广告生产、视频前期和设计协作中保留空间，但它们要避免被系统入口和基础模型吸收，就必须从“生成漂亮图片”升级为“稳定完成设计任务”。未来判断图像生成项目，不能只看效果图，而要看它有没有可控编辑、文字渲染、布局控制、素材管理、版权处理、隐私边界、工作流接入、开放 artifact 和分发入口。

6. AI视频生成

最值得关注的方向动态

高价值资源汇总

板块判断

视频生成赛道过去很容易被效果样片带着走。模型生成几秒钟画面，确实能证明视觉能力，但离真实生产还有很长距离：创作者要改镜头、控主体、换风格、保留结构、调整局部、复用素材、和剪辑/审核/发布流程对接。Bernini 的价值就在这里：它把视频生成重新拆成“理解意图”和“执行渲染”两个层级，让模型不只是把 prompt 变成视频，而是先把复杂编辑请求组织成语义计划。

Rocky认为，Bernini它不是因为“字节又发了一个模型”而重要，而是因为它提供了一种更接近生产工具的结构：开放权重让工程团队能检查和部署，Diffusers 格式降低接入门槛，语义 planner 让复杂编辑不再完全压在 prompt 玄学上，renderer 则承担视觉一致性和生成质量。未来视频生成项目的价值判断，不能只看样片是否惊艳，而要看它能否持续解决指令遵循、主体一致、局部编辑、参考素材、工作流接入、版权合规和可复现部署这些硬问题。

7. AI多模态

最值得关注的方向动态

高价值资源汇总

板块判断

在这个短周期里，真正有价值的是：多模态能力正在被 Agent 入口和 OS 入口吸收，生成能力正在被工作流产品和系统应用吸收，开放权重多模态模型正在向本地化和私有化推进，Bernini 把视频生成推向语义规划和可控编辑，而 Cosmos 3 把多模态进一步推向 physical AI 的世界理解、世界生成、动作预测和策略训练。

Rocky认为，AIGC 生成板块接下来要少看“效果图震撼不震撼”，多看四个问题： 它有没有进入真实生产流程？有没有降低可重复创作成本？有没有形成权限、素材、审稿、发布、数据反馈的闭环？有没有处理好版权、分发和产业合作？如果没有，它只是一个视觉或听觉上好看的模型能力；如果有，它才可能变成一个可持续的产品系统。

8. AI音频生成

最值得关注的方向动态

高价值资源汇总

板块判断

Suno 这类公司最容易被误读成“又一个 AI 生成工具”。但音频生成的真实难点不在于让用户听到一首还不错的歌，而在于把生成能力放进一个可以长期运转的音乐产业系统里。这个系统需要回答：训练数据和版权如何处理，创作者如何被补偿，唱片公司如何参与，用户生成内容如何分发，付费订阅能不能覆盖推理和版权成本，平台是否能沉淀真正的社区和创作关系。

Rocky认为，AI 音乐生成的下一阶段，不会只是大模型效果比赛，而会是“技术能力 + 版权结构 + 创作者关系 + 商业分发”的综合比赛。Suno 的高融资说明资本相信这个入口有机会变大，但它也意味着公司必须更快穿过传统音乐产业的复杂地形。对 AIGC 行业来说，这是一面镜子：所有生成式内容公司最终都会从“大模型震撼”走向“产业谈判”。

9. 世界模型

最值得关注的方向动态

高价值资源汇总

板块判断

世界模型这一轮最容易被误读。表层看，Cosmos 3 很像一个更复杂的视频/图像/音频生成模型；深一层看，它真正想做的是给 physical AI 建一个“可训练的世界”。机器人、自动驾驶、智能仓储、工业巡检和智能空间都缺一个共同底座：真实世界数据贵、危险场景难采、长尾情况稀缺、真实试错成本高，纯仿真又常常和现实有 sim-to-real gap。世界模型的价值，就是在真实数据、合成数据、仿真和策略训练之间搭一座桥。

Rocky认为，Cosmos 3 的跨周期价值不在某个 demo，而在它把多模态和行动统一到一个工程问题里：机器不仅要看见世界，还要预测世界如何变化，并在约束下选择动作。这个方向会持续影响视频生成、机器人、自动驾驶、具身智能、工业 AI 和智能空间。短期内，它不会替代物理仿真器，也不能直接承担安全关键控制；长期看，它会成为物理 AI 数据飞轮的一部分，让机器在进入真实世界之前，先在更丰富、更可控、更可重复的世界表征里学习。

10. 具身智能

最值得关注的方向动态

高价值资源汇总

板块判断

具身智能过去很容易被讲成“给机器人装上大脑”。但越往真实世界走，越会发现问题不是一句话能不能理解，而是传感器数据是否稳定、动作空间如何定义、任务是否可评测、失败是否可恢复、环境变化是否可泛化、硬件是否能承受试错、系统能否在安全边界内学习。Cosmos3-Nano-Policy-DROID 的价值就在这里：它把世界模型、动作轨迹、机器人平台和评测任务连接起来，让具身智能从概念叙事更接近工程闭环。

Rocky认为，未来判断具身智能项目，不能只看机器人 demo 是否顺滑，而要看四个底层问题： 有没有真实动作数据和多场景数据，能不能在仿真和真实硬件之间稳定迁移，有没有清晰评测和失败分析，能不能把模型输出纳入可控、安全、可回滚的机器人系统。Cosmos 3 不会一夜之间解决具身智能，但它让行业主线更清楚：机器人真正缺的不是一个会聊天的大模型，而是一个能持续生成、理解、评估和改进行动的数据与世界模型闭环。

11. AI行业八卦观察区

Agent 入口与硬件传闻：聊天框之外的控制权焦虑

Meta AI pendant、Gemini Spark、Project Solara 和 Apple Siri AI 放在一起看，真正值得观察的不是某个硬件形态或某个后台任务功能，而是平台公司都在试探聊天框之外的下一代入口。Pendant 代表身体附近的常驻入口，Gemini Spark 代表后台 Agent，Solara 代表企业 agent-first 设备，Siri AI 代表 OS 级个人情境入口。它们共同指向一个问题：AI 要从“用户主动提问”走向“系统理解环境并适时行动”，必须重新定义主动性、确认权、录音录像提示、企业设备管理、App Intents 覆盖率和周围人的社会信任边界。

后续真正要看的不是谁先做出一个有话题度的设备，而是哪家公司能把入口、权限、隐私、身份、开发者接口和工作流管理做成可信系统。消费级 AI 硬件如果只靠新奇感，很容易被手机和 OS 吸收；企业级 Agent 设备如果能进入身份管理、审计、权限回收和多 Agent 工作流，反而可能更早跑出真实价值。

云平台、企业分发与工程入口：Agent 的落点越来越接近生产系统

OpenAI on AWS、Microsoft 365 Copilot 规模化、Intelligent Terminal、Codex Windows Computer Use 和 Xcode 27 agentic coding，本质上都在回答同一个问题：Agent 到底从哪里进入真实生产系统。OpenAI 进入 AWS / Bedrock，说明模型公司的企业路线越来越依赖云厂商的采购、身份、合规、区域和预算系统；Microsoft 365 Copilot 的 30 万员工级部署，说明企业 AI 的变量不只是席位数量，而是组织能否把 AI 写进交付模板、知识复用、培训体系和客户协作；Intelligent Terminal 与 Codex Windows Computer Use 则把 Agent 推向 shell、GUI、命令失败、环境变量、桌面操作和账号权限这些真实工程现场。

Xcode 27 的意义也在这里：AI 编程如果只是写代码，独立工具仍然有优势；如果要跑测试、看预览、调设备、适配系统 API、理解 App 生命周期、完成签名发布，平台厂商会天然拥有更长的工作流。后续要看的不是这些入口的首版体验是否完美，而是它们能否把“可控执行”做得和“能干活”一样重要。

开发者社区与开源 Agent：热度高，价值要穿过工程验证

GitHub 和 Hugging Face 上围绕 Agent、终端自动化、浏览器 Agent、课程模板、领域微调和工具包装的项目仍然很热，但注意力不等于长期价值。大多数项目如果缺少用户、评测、维护、真实工作流和差异化机制，最终会被更大的模型平台、IDE、云厂商或 OS 吸收。真正值得继续跟踪的，是能沉淀为记忆、权限、可观测、模型路由、成本控制、沙箱和执行环境的工程组件，而不是又一个包装好看的 demo。

内容分发与监管谈判：AI 搜索开始重写出版方关系

Google AI Search 与英国 CMA 的出版方权益谈判，表面上是搜索产品细节，实质上是 AI 时代内容分发权的再分配。AI Overviews 和 AI Mode 越像答案入口，出版方越会担心自己从“被索引的内容源”变成“被摘要的原材料”。后续真正要看的不是某一个 opt-out 选项，而是搜索平台能否提供可验证的展示、引用、点击和训练/摘要边界。AI 搜索如果不能让内容生产者看到明确回报，生态摩擦会越来越大。

安全、IPO 与公开市场纪律：大模型公司的叙事会被重新定价

Anthropic confidential draft S-1、OpenAI frontier safety blueprint、Anthropic 网络威胁报告以及 Apple Foundation Models 的端云协同，放在一起看，说明大模型公司正在进入更严肃的外部约束期。私募市场可以接受更长叙事，公开市场会追问季度收入、毛利、现金流、资本开支和风险披露；监管和企业客户会追问能力边界、审计、责任、升级、回滚、外部解释和国家安全风险；端侧隐私公司也必须解释云端算力依赖如何不削弱用户信任。后续真正要看的不是单个公司“会不会上市”或“有没有安全博客”，而是它们能否把安全语言、财务模型、云端供应、客户信任和监管解释权放进同一套可持续商业结构里。

推荐阅读

1. 深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2025年可以说是AI Agent全面落地应用的元年，因此Rocky在持续撰写对AI Agent的全维度解析文章：深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2. 深入浅出完整解析扩散模型DDPM、DDIM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

和Rocky一起学习探究扩散模型的本质原理与和核心基础知识，同时不断跟进扩散模型的最新发展。Rocky在本文中对扩散模型的本质做了全面系统的梳理与讲解：深入浅出完整解析扩散模型DDPM、DDIM、SDE、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

3. 深入浅出完整解析FLUX.2、Seedream（即梦）、Z-image、GLM-Image核心基础知识

https://zhuanlan.zhihu.com/p/1975174691049189562

4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

5. 深入浅出完整解析DeepSeek系列核心基础知识

深入浅出完整解析DeepSeek系列核心基础知识

6、Sora等AI视频大模型的核心原理，核心基础知识，网络结构，经典应用场景，从0到1搭建使用AI视频大模型，从0到1训练自己的AI视频大模型，AI视频大模型性能测评，AI视频领域未来发展等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

Sora等AI视频大模型文章地址：深入浅出完整解析Sora、Wan2.1、AnimateDiff、CogVideoX等AI视频大模型核心基础知识

7、Stable Diffusion 3和FLUX.1核心原理，核心基础知识，网络结构，从0到1搭建使用Stable Diffusion 3和FLUX.1进行AI绘画，从0到1上手使用Stable Diffusion 3和FLUX.1训练自己的AI绘画模型，Stable Diffusion 3和FLUX.1性能优化等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

Stable Diffusion 3和FLUX.1文章地址：深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识

8、Stable Diffusion XL核心基础知识，网络结构，从0到1搭建使用Stable Diffusion XL进行AI绘画，从0到1上手使用Stable Diffusion XL训练自己的AI绘画模型，AI绘画领域的未来发展等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

Stable Diffusion XL文章地址：深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识

9、Stable Diffusion 1.x-2.x核心原理，核心基础知识，网络结构，经典应用场景，从0到1搭建使用Stable Diffusion进行AI绘画，从0到1上手使用Stable Diffusion训练自己的AI绘画模型，Stable Diffusion性能优化等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

Stable Diffusion文章地址：深入浅出完整解析Stable Diffusion（SD）核心基础知识

10、ControlNet核心基础知识，核心网络结构，从0到1使用ControlNet进行AI绘画，从0到1训练自己的ControlNet模型，从0到1上手构建ControlNet商业变现应用等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

ControlNet文章地址：深入浅出完整解析ControlNet核心基础知识

11、LoRA系列模型核心原理，核心基础知识，从0到1使用LoRA模型进行AI绘画，从0到1上手训练自己的LoRA模型，LoRA变体模型介绍，优质LoRA推荐等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

LoRA文章地址：深入浅出完整解析LoRA（Low-Rank Adaptation）模型核心基础知识

12、深入浅出完整解析AIGC时代Transformer核心基础知识

在AIGC时代中，Transformer为AI行业带来了深刻的变革。Transformer架构正在一步一步重构所有的AI技术方向，成为AI技术架构大一统与多模态整合的关键核心基座，大有一统“AI江湖”之势。Rocky也对Transformer模型进行持续的深入浅出梳理与解析：

Transformer文章地址：深入浅出完整解析AIGC时代Transformer核心基础知识

13、最全面的AIGC面经《手把手教你成为AIGC算法工程师，斩获AIGC算法offer！（2024年版）》文章正式发布！

码字不易，欢迎大家多多点赞：

AIGC面经文章地址：手把手教你成为AIGC算法工程师，斩获AIGC算法offer！

14、50万字大汇总《“三年面试五年模拟”之算法工程师的求职面试“独孤九剑”秘籍》文章正式发布！

码字不易，欢迎大家多多点赞：

算法工程师三年面试五年模拟文章地址：https://zhuanlan.zhihu.com/p/545374303

《三年面试五年模拟》github项目地址（希望大家能多多star）：https://github.com/WeThinkIn/Interview-for-Algorithm-Engineer

15、Stable Diffusion WebUI、ComfyUI、Fooocus三大主流AI绘画框架核心知识，从0到1搭建AI绘画框架，从0到1使用AI绘画框架的保姆级教程，深入浅出介绍AI绘画框架的各模块功能，深入浅出介绍AI绘画框架的高阶用法等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

AI绘画框架文章地址：深入浅出完整解析主流AI绘画框架（ComfyUI、Stable Diffusion WebUI、Fooocus）核心基础知识

16、GAN网络核心基础知识，网络架构，GAN经典变体模型，经典应用场景，GAN在AIGC时代的商业应用等全维度解析文章正式发布！

码字不易，欢迎大家多多点赞：

GAN网络文章地址：https://zhuanlan.zhihu.com/p/663157306

17. AI算法工程师的《三年面试五年模拟》求职秘籍

AIGC时代的算法工程师的求职面试秘籍（持续更新中）

18. AIGC产业的深度思考与分析

2023年3月21日，微软创始人比尔·盖茨在其博客文章《The Age of AI has begun》中表示，自从1980年首次看到图形用户界面（graphical user interface）以来，以OpenAI为代表的科技公司发布的AIGC模型是他所见过的最具革命性的技术进步。

Rocky也认为，AIGC及其生态，会成为AI行业重大变革的主导力量。AIGC会带来一个全新的红利期，未来随着AIGC的全面落地和深度商用，会深刻改变我们的工作、生活、学习以及交流方式，各行各业都将被重新定义，过程会非常有趣。

那么，在此基础上，我们该如何更好的审视AIGC的未来？我们该如何更好地拥抱AIGC引领的革新？Rocky准备从技术、产品、商业模式、长期主义等维度持续分享一些个人的核心思考与观点，希望能帮助各位读者对AIGC有一个全面的了解：

深入浅出全面解析AIGC时代核心价值与发展趋势（2025年版）