除了黄仁勋这种卖铁锹的，没人靠这玩意真的赚到了钱，你说大模型能解决些问题吧，也能在某些场合解决一些，但是关键时候总掉链子，所以，关键业务（一点错都不能有的那种）不敢用，只能在非关键任务用用玩，所以这玩意它并不是刚需。

在做的几个关于大模型的事。最大的问题是，在核心业务生产中找不到商业应用价值。说白了，边缘场景能用，但价值不高，大玩具一个；核心业务又没法用，代码远比算法可靠。

感觉大模型最大的问题就是不是百分百可靠，给的答案可能是错的

适合对细节要求不严格的娱乐业用，真正的工程环境谁会用这个

大模型-云基建-算力芯片，三角游戏闭环，资本兜一圈，市值暴涨

北京凡钢科技的创始人卢无为，分享了这么一个案例：他们用AI帮一家山东轴承公司解决了困扰多年的钢球质检难题。
数据很直观：

AI质检速度每小时5万颗，是人工的100多倍
准确率达到95%左右
原来一条产线要6-7人轮班，现在只需1人盯监控
单条产线的人力成本，从一年40多万降到几万块钱

但更大的价值在于，工厂实现了从抽检到全检的跨越。过去受限于人力，只能抽检部分钢球，现在每一颗都能被检测到。质量稳定性大幅提升后，客户退货和罚款明显下降，一年能省下近300万。

发短信就能卖闲置物品。

这家公司叫Rid，模式简单到让人怀疑自己。你只需要用短信给Rid发送商品照片和描述，后续的估价、上架、多平台推广、与买家议价、答疑，甚至物流交付，全部由Rid团队代劳。

我第一反应是“这不就是个代卖服务吗？”但仔细想想，其实这背后的AI技术含量还真不低。Rid的AI助手需要能够理解你发的照片和描述，自动估价，选择最佳销售渠道，同步刊登在eBay、Meta等多个平台，还要自动模拟常见买家提问并提前生成标准答案。

关键是，Rid击中了一个我们都有过的痛点：家里一堆闲置物品，但嫌卖东西太麻烦。拍照、写描述、发布、回答问题、交易安排，这一整套流程下来，很多人宁可白送也懒得卖。Rid就是把这个“懒得卖”的痛点变成了商业机会。

@gg4104 这是大模型+工业的运用，然而美国制造业已经空心化了，缺乏这些工业的累积数据，也没有使用场景，中国有，所以真正能落地的只有中国！

9月16日，李飞飞的World Labs悄悄发布了一篇博客，推出世界模型Marble模型的测试版本，发布了一个简单的邀请：任何人都可以申请测试他们的Marble系统，自己创造3D世界。

此外，他们还宣布不仅可以在他们的系统里创建自己的梦想世界，还可以导出创造的项目文件。加上他们开源的渲染程序，用户或团队也可以将创造的3D世界用在网页、智能眼镜、VR设备、游戏等各种场景中。
官网地址：
https://www.worldlabs.ai/
最新进展博客：
https://www.worldlabs.ai/blog/bigger-better-worlds

@visvlee #8 上面2个是落地案例。
老早之前还听说有医院用AI帮忙读片子的

AI大模型真的有用，AI写文档，AI写工作总结等等，效率直线提升，如果是股市，炒股炒概念，现在都是AI硬件，CPO、液冷、HBM芯片，数据服务器等，没炒到AI应用时候。

这种工业ai一般小企业 个人做不了。。。。

基于ChatGPT级大模型对算力的极端需求，若采用18.4万张H100构建集群，其成本核算需充分考虑硬件寿命周期：以3年经济寿命（36个月）直线折旧计算，单张H100（假设单价3万美元）月均折旧约833美元，18.4万张集群的硬件月折旧成本高达15.33亿美元；叠加电力成本（集群满载70%时月耗电约2.6亿度，按0.1美元/kWh计为2.6亿美元）及运营维护成本（约3.65亿美元/月），总成本攀升至每月18.98亿美元。这一成本结构表明，在H100寿命周期内，模型需通过订阅模式（每用户10美元/月需1898万用户）或调用模式（每百万次10美元需189.8亿次调用）实现等量收入。

如果AI无法达成垄断性结果，会造成什么后果，会不会所有AI大模型公司都会亏损，只有硬件公司赚得盆满钵满？

若AI无法形成垄断性格局，大模型行业将因高昂的成本结构加速分化：以18.4万张H100集群为例，其硬件成本按3年寿命分摊后月折旧达15.33亿美元，叠加电力（2.6亿美元/月）与运维（3.65亿美元/月）成本，总支出逼近21.58亿美元/月，迫使头部企业通过规模效应与生态闭环（如模型+应用+数据联动）实现盈利，中小公司则转向垂直领域以降低竞争强度；硬件公司虽在短期内受益于算力需求爆发，但长期面临技术替代（如专用芯片崛起）与客户议价权提升的双重挤压，最终产业利润将向兼具技术壁垒、成本优化能力与生态控制力的企业集中，而非简单呈现“硬件独赢、模型全亏”的二元对立局面。