第2页 | 多模态 | 人人都是产品经理

AI,个人随笔

多模态项目里，人真正的价值：把“感觉”翻译成模型能学的东西

多模态项目的真正挑战始于数据质量筛选之后——当人类审美与AI认知逻辑产生本质冲突时，如何将主观的『好看』『有感觉』翻译成模型能理解的『对称构图』『柔和光影』？本文深度剖析标签拆解与结构化描述两大核心环节，揭示多模态训练中那些比数据规模更关键的『产品级决策』。

青蓝色的海

产品思维多模态技术原理

AI,个人随笔

多模态，正在悄悄改变 AI 产品是怎么“理解世界”的

多模态AI正从技术概念蜕变为产品决策的核心战场。当模型开始像人类一样整合视觉、听觉与语言信息时，我们面对的不仅是技术突破，更是如何让AI理解真实世界的产品哲学。本文将从红灯识别到语音情绪感知，拆解多模态如何重构AI与人类认知的边界。

青蓝色的海

AI产品产品决策人机交互

豆包“包圆”互联网

字节跳动发布的豆包 1.8通用agent模型，标志着其从手机助手向PC端及更多智能设备扩展的重大进步。该模型不仅能理解多模态信息、执行复杂任务，还能实现跨设备协同操作，为用户提供前所未有的便捷体验。尽管面临来自应用开发商的阻力，豆包 1.8展示了AI agent在重塑互联网流量入口方面的巨大潜力。

字母榜

Agent AI产品产品分析

AI,个人随笔

AI发展的三种未来观

AI的发展轨迹正在引发前所未有的行业震动与职业焦虑。从指数级跃升的多模态生成能力，到逐步渗透的流程自动化，再到遭遇瓶颈的长尾场景突破，三种可能的未来正在不同领域同步上演。本文将深度拆解AI替代的临界点、行业渗透路径与技术天花板，帮助从业者精准定位自身所处的变革坐标。

产品哲思

AI应用个人观点发展趋势

AI,个人随笔

Gemini 3 Flash：AI 基础设施的性价比拐点与技术深度解析

Gemini 3 Flash的发布正在颠覆AI行业的成本逻辑。这款Google DeepMind最新模型以博士级推理能力与基础设施级价格的惊人组合，实现了90%商业场景的无缝覆盖。从动态计算架构到原生视频理解，我们将深度解析它如何破解智能产品的「不可能三角」。

像素呼吸

AI产品 Gemini Google DeepMind

AI

GPT-5.2 发布：信息全整理

GPT-5.2的发布标志着AI能力的又一次飞跃，三个版本各有所长：Instant快如闪电，Thinking专攻深度任务，Pro版则是解决难题的终极武器。在AIME 2025斩获满分、GDPval测试中74.1%任务超越人类专家，这款模型不仅在代码、长文档处理上大幅提升，更以11倍于人类的速度重塑工作流程。价格虽涨40%，但效率提升让总成本更低。