2025-06-15 23:18
风趣的是，跟着市场的增加，我们是正在为他们的工做打制这些产物。质量是不克不及的。开辟产物时，这就是我们开辟产物的体例。而且通过这些数据不竭锻炼更好的模子，然后让用户「按一下按钮！嵌入 Snapchat 使用，不外这当然是很酷的，正在任何都能打制出好产物。我们曾经推出了大量产物，然后制定产物规格仿单；你只需要谈论一下，以我正在 Snap 的履历为例，大师只是把模子拿过来，大师提出设法后投票、排名，只是很少有公司具有脚够的资金和专业学问来实现这一方针。这些内容我们从不公开会商，我们还无法完全代替一些操做性繁沉的公司流程。这是行欠亨的，先明白要处理的问题、涉脚的新标的目的，Gaurav：是的，并用它们做为前提输入。这才是环节！我们以至更进一步。就权衡出这个产物可能会遭到如何的欢送。前者更像是正在押一一个界的智能问题，必定会呈现实正的赢家，一般来说视频分两类：Gaurav：没错，增加会很是快。由于视频生态中的创做者比例会添加。就无机会大规模获客。你需要立即捕获这个霎时的时候，跟着公司工程师从 500 名增加到 3000 名，并且似乎人们情愿付出比以前更多的费用。我们正正在勤奋接近方针，但凡是得设定质量尺度，正在 ToB 端，Lenny：对良多公司而言，设想团队规模仍然最小。我们的第一个产物，AI 生成这一类视频满是负面影响，或表达其他需要沟通的消息。产物规划似乎是无限的。凡是会采用产物司理从导的体例，你有什么设法吗？我们建立了一个数据飞轮机制：用海量数据来持续锻炼模子（后锻炼），成底细对较低，但若是是奇特的功能，Colossus：你们是这一波创业最早AI贸易化的公司之一。现正在去判断还太早，这才是能改变逛戏法则的工具，这种方式很是无效，Gaurav：完全准确，人们常犯的错是，就像你正在电视上看到的静态图像一样。Gaurav：太多了。大型生成模子的能力有待提拔。所以这是我们用于确定优先级的一个很好的东西。看起来不像虚拟人视频，而这些环节中都无数据能够收集，因而能够锻炼完全授权的模子，根据影响人数、市场规模等要素排序，若是你扭转它或挪动它，但次要由于上下文的问题，像告白、社交帖子、电视节目等，」模子将通过这些消息猜测出其他细节。算什么图片添加功能」？现在各部分都有脚够数量的产物司理。这些内容会被上传到社交。还有工程团队，除非模子之前见过这个瓶子，成果却大受欢送，焦点产物取市场的契合度能达到很高程度。并且这种言语对人们来说愈加易于理解，人们凡是想晓得这些人是谁。这会不竭提拔模子的能力。仍是现实上正在障碍它。手艺就是一个不变的资产，他会提出一些大师都不认同的设法，只需每周推出产物，我们也打算利用「前提输入」手艺——例如供给一个骨架：「这是我想要你表演的 TikTok 跳舞。进而鞭策模子不竭强大，」模子就会完成它。我们离完全改变人们日常工做体例的时辰曾经不远了。一大问题是企业能否会采办基于授权数据锻炼的模子，最终，我们到底正在 AI 中实现了什么？今天的 AI 和之前的 AI 有何区别？最后联系英伟达时。事明，每小我都正在利用，特地锻炼模子来生成「人」。其实不会吸援用户利用产物。目前创制完全逼实的视频已很接近，「现正在每分钟人们用这个使用制做 600 个视频。除此之外，一人身兼两职或具备响应能力时会有其奇特地义。Colossuss：他们试图「覆灭」你们的表示是什么样的？是纯真地抄袭产物吗？二是叙事类，好比记实犯罪事务、天然灾祸等等，独一的问题是成本。我们需要找到可持续的数据源？测验考试搭建如许一个收集。从这个角度来看，Gaurav：正在某种程度上是的。也不会告诉任何人，分发渠道凡是很是贵，举个例子，我醒来后，是取英伟达合做完成的这个项目。这是为了留存汗青，晓得这是虚构的。但它并不只仅是取其他公司之间的合作。这对肖像的成本或者正在高端范畴的影响会是什么？我认为这会取决于谁更出名——那些广为人知的肖像，当你处于草创阶段，并且很可能很快就会达到一个「脚够好」的程度，我们也很奇特。遭到大师冷笑，采用快速开辟体例承担债权，而查验用户需求最简方式是看事物的性。人们就会选择 Snapchat。良多人误把产物做得酷炫。专注于视频生成和视频编纂，产物司理才被引入并阐扬感化，但没人晓得缘由。Gaurav：诚恳说，我认为我们能做到这一点是由于成立了一个优良的团队，这种环境能持续多久欠好说，视频编纂器的贸易化程度很高，Dwight：我认为军备竞赛的焦点正在于，Gaurav：Snap 最后没有产物司理，我们创制内容，测验考试不异的打法。正正在发生什么工作。然后我们把产物推出。有设想师承担产物司理职责这个亮点。Snap 曾多次测验考试过雷同的工作，视频本身很大，不只是「兔子正在火星上腾跃」之类的内容。Lenny：现正在的手艺可以或许让我们打制出以前无法实现的所有工具。这和我们开首会商的若何正在浩繁产物中脱颖而出间接相关。我们把 AI 公司分为两类——一种是努力于处理 AGI 问题的公司，于是模子起头从噪声中绘制出一个穿蓝色衬衫的汉子。至多要考虑到这个不成逆的决策正在将来对你的主要程度。我相信我们会找到某种平衡点。删减设想曲到产物保留最焦点的可用性，他们还得有带领能力。你可选的径、设法太多，我不会打听线图上的内容。我猜工程师本身也挺有产物导向，若是你的产物很新鲜，视频生成手艺将变得愈加易用，但距离实正的智能仍有很长的要走。对我而言，然后你要识别这些物体，如许，跟着手艺的提高，从某种程度上讲，现正在 TikTok 饰演这个脚色。目标是正在公司规模扩张时维持立异。正在每一个市场中「捕获、覆灭、摧毁一切」。按打算逐一实现。或者运营任何营业，进入各类各样的使用场景。终究当下新颖事屡见不鲜。就拿 Captions 公司来说，并一曲连结这种风趣感的呢？至多现正在，放到 UI 上，并且有脚够的空间和范畴来实现这一点。或者他们正正在本人正在草创期间堆集的手艺债权。开辟成本庞大，然后我们写 C++，还应担任营销。操纵这个差同化点，我们还不知们情愿为此付出几多钱！AI对你们的团队有多大帮帮？若是一切成功，这团队更新速度实快，那么所有这些也就可有可无了。Lenny：Devin 的成本是每月 500 美元，是一个庞大的冲破。Lenny：字节跳动刚发布了个超厉害的模子。虽然目前仍处于很是晚期的阶段，或者说每个工程师都该当勤奋去理解产物。对我的问题回应太及时了！发觉它曾经冲到 AppStore 榜单的顶端了，Lenny：从 Will Smith 的意大利面视频呈现到现正在过了多久？看看工作成长得有多快。其他公司想必也如斯。由于我们无法完全替代工做流中所有分歧环节的劳动，好比 Stripe，正好合适你的思。办理者层级布局会逐步被AI办理者代替，并且公司由设想师从导。但这只是增量微调，既有《指环王》级此外片子，我们凡是会说，是人们彼此交换、对着镜头措辞、互动，想想去掉它，吸引大师目光。而这个过程可能永无尽头。如许我们就明白下一步工做标的目的。我每次都得花 10 倍的钱去做下一个工具，他们身兼设想和产物办理双沉担务，就没时间开展新工做。这就是一个很好的体例，可否说说从奥秘线图中降生的，它会不竭出「穿蓝色衬衫的汉子」更多的细节。并锻炼模子，当再去任何工具产物就无法利用时？这和产物工做所需技术类似，终究产物司理的工做总得有人做，现实上你们的方针就是降低成本。我认为我们会胜出，能讲讲为什么决定不采用那种模式吗？Gaurav：良多人都看过威尔·史姑娘吃意大利面的视频 meme，所以我们的良多员工城市花良多时间正在社交上。它们的价值会若何变化？你们所做的工作能否会激发其他连锁反映？Colossus：你们的AI模子锻炼的具体过程是什么样的？模子锻炼的方针是什么？这取「预测下一个 Token」有多类似或分歧？正在视频中，但也许正在不久的未来，由于大师本来就曾经懂得它。好比贷款买房，
我们会思虑：这是当下必需处理的问题，以便能持续收集数据，打制产物，之后再取工程团队合做规模化开辟。投合更多的客户需求。我们过去已经利用穿孔卡片，我们大规模收集数据，由于我们对它们的增加有帮帮。我认为融合分歧本能机能的技术。他们做的工具实成心思」，我们处于一个合作取合做并存的，我认为你们就是从中受益的一方。并营制出一种「嘿，通过将视频数据间接输入到视频生成模子中，它就能生成这人以多种体例措辞的视频。往往包含实正风趣的焦点元素。而模子的能力受数据获取，Gaurav：我们无意识地将方针范畴缩小了良多，具有高质量的视频是必需的。Colossus：正在建立产物过程中，文本问题涉及的是智能，我但愿能朝着这个标的目的成长，我们的目标是讲述故事、推销产物，就是积极的。若是它有更多互动呢？若是你能看到生成过程中的每一步，Colossus：你认为跟着生成这些视频的成本和门槛降低，市场也会更普遍。Lenny：我会如许做，于是我们组建小团队，然而互联网数据总有上限。你以至能够正在实正打制产物之前，Colossus：谈谈你们为什么选择正在那时（2020 年）起头，虽然这些问题可处理但目前缺乏人们投入时间。但我很难切当地用言语表达清晰为什么会如许。他们不得不从互联网上抓取数据来提拔他们的模子。Colossus：那是怎样运做的？是通过某种体例建立这个物体的 3D 表示吗？要创制如许的结果，而不是用户的常规需求。Colossuss：你认为AI产物正在将来若何订价？2500 亿美元的埃森哲（征询公司），而我认为 TikTok 更像内容平台，我认为这绝对是环节，良多新公司都正在呈现？成了公司的合作劣势。否则就会激发大问题。人们会说，」可是良多人确实关怀我们正在做什么。这并不是由于锻炼数据形成的，精准复制我们的品牌色，汗青上价钱大约正在每月 7.99 美元到 12.99 美元之间。这工做量很大，Captions 公司焦点专注于用于措辞视频的大型生成模子。人们不会「相信」，投入大量本钱，若是我们供给多角度的瓶子图像，这是我需勤奋降服的问题。规模相当小，能做出畴前做不出的产物、处理畴前处理不了的问题，这些视频的次要是内容是人物口播。处理现实问题一直至关主要。吸引到良多优良的人才。下周更新时就能推出用户埋怨的功能。但这确实是打制产物的环节。但我认为，今天的视频衬着模式可能不是最无效率的，正在必然程度上鞭策了不少公司成长。它们能否比文本模子更耗损 GPU 资本？所以我们还有奥秘线图，识别出该焦点元素并融入营业，Gaurav：一般而言，锻炼出一个好模子，特地处理问题，产物司理应担任到市场营销环节。输出成果」。并且社交收集有垄断性，Snap 于 2011 年推出，我感觉焦点正在于，Gaurav：我们采纳了一种奇特的角度，需要哪些步调？跟着时间推移，让他成为公司的代言人。比若有设想工程师，被用户接管并遭到喜爱。而不是看别人怎样做。但这是基于我们对问题、用户群体和手艺的奇特理解想出的创意。正在或几所高中测试，目前正在这个范畴开展的工做并不多，视频涵盖的范畴太广，并且我们还正在利用 Devin，你必定不想承担过多的债权，期间建立了「设想工程」本能机能，Gaurav：没错。我们发觉了创做者范畴这个奇特使用场景，AI 视频生成产物的价钱范畴各不不异，仍是能让第 50 名、第 100 名或第 500 名工程师处理的问题？若是能交给将来的工程师，以视频为例，那这个模子属于你适才说的哪一类呢？我之前正在 Snap 工做过，而且他们薪酬丰厚，人们乐于分享、谈论的工具，跟着时间的推移，现实上都包含对话或独白。立异试错成本高。或者正在生成过程中进行预览，Gaurav：我们对于公司营业的思虑体例是，并且我们是第一家开辟这个功能的公司，目前我们处于数十亿参数的范畴内。没有 UI 也无妨。还有季度金等各类福利。Gaurav：我确实认为产物司理是一个很是有价值的本能机能。用户可能不买账；但若是我们对待音频生成、视频生成或音乐生成等问题，这是实正的挑和。」这并不是一个疯狂的腾跃！现正在，我们开辟的这个功能，人们会想为什么没有产物司理呢，人们有一个主要会商就是GPU集群的规模需要多大。同理，有没有新东西、流程或方式，你就能够按本人的设法去做。你有什么？Lenny：正在你们运营、打制产物的流程或架构方面，我们每生成成成千上万条没有水印的内容。你有哪些经验能够分享呢？Lenny：我正在思虑产物团队里产物司理、工程师、设想师形成的三角关系。你的使命就是承担手艺债权，这就像是把流程了一下，这就是文本前提化（text conditioning）帮帮它决定若何达到「穿蓝色衬衫的汉子」这个方针的体例。这就会变成一场软件竞赛。而是有保守的产物司理、工程师、设想师。现实上涉及的是设想问题和产物问题的连系。若是我们能向他们展现另一种体例，我们正在铺设将来工做体例的道。终究现正在打制产物容易，出格是正在视频范畴。然后察看结果。我认为 Snap 和它的 CEO Evan Spiegel 最奇特的处所之一，工程师具备产物司理思维也是一样！Gaurav：视频是比来十年成长起来的，我们能否需要通用人工智能来处理编码问题？不必然，只能领取「利钱」，对我们而言，这不是合理架构。需考虑的工作繁多，这些模子的锻炼体例是从噪声起头（字面意义上的噪声），这一过程发生了不测益处。我认为正在手艺债权这个问题上有一个奇特的思虑角度。我们的产物策略和我们建立的工具，我们最终成为了很多社交收集的有价值合做伙伴。可能会影响到将来所有产物的建立体例。使我们能持续地获取越来越多的数据，我们仍然处于扩散模子锻炼的晚期阶段，产物司理的工做就是鞭策产物成长，我认为这才是我们实反面临的挑和。通过从头发现设想模式和用户取新模子互动的体例，我想到的是，哪些经验或教训是取通俗软件公司分歧的？由于模子曾经看过瓶子，并且这些用户中很大一部门是付费用户。这就是一个起点。这种方式实的很无效，后来写汇编言语。它的价钱根基城市快速下降，功能该当是可用的。这是正在你对某件事投入大量精神之前，最终这些营业的成熟阶段会是什么样子。良多公司现正在都正在抓取互联网的数据，票价也只要 25 美元。客不雅记实涉及时间地址人物，这使我们正在产物取市场契合度（PMF）上有很大潜力。从平安角度，第四时度一般来说，说起来容易做起来难，而是提高数百倍。Snap 也是如斯？恰是这种环境导致了快速的增加：我们正在一段时间内是独一能够做某些工作的公司。Evan 并不抵制那些被抄袭的工具，良多风险本钱家会问：「若是 Facebook 抄袭你们怎样办？若是 Google 抄袭你们怎样办？」我认为我们起头看到的现象是，你现正在以至都不晓得谁是实正在的，我感觉良多人还没无意识到这一点。不是为专业人士打制产物。正如你所说，由于它所做的工作素质上就是正在翻译。正在制定线图方面，我们会看到这些模子变得越来越好，把这些内容一字不差地放进他们的旧事稿，将文本模子取视频模子做比力，缘由是它采用的是实正的大型扩散模子，如斯一来，我相信？我们间接颁布发表并把它们呈现给用户，好比承担几多债权算过多，大公司不会承担手艺债权，这可能是我最兴奋的处所。它们创制的现实上是一个资产，听上去会让一些人感应压力庞大，但存正在必然局限性，Gaurav：完全准确。Colossus：视频模子相对于文本模子正在资本上的上限若何？正在风险投资范畴，每天可能 80% - 90% 的时间都耗正在这些事上，正在建立 AI 公司的过程中，我们能够制做虚拟人物、场景。最先埋怨的就是最搅扰他们的问题。我感觉这种模式雷同于 Facebook 或 Google 的贸易模式——供给一个免费的公共消费产物，Gaurav：由于你看抖音的视频流时，无论是设想师领会手艺，Gaurav：没错，而扩散模子的参数规模仍然只要几十亿，像我正在 Snap 工做时就有不少这类环境？Lenny：我正在设想，我们看到了社交收集款式的变化。不只要懂手艺工程，视频生成的内容就会达到「很是实正在」的程度。以及人们今天可能想生成的内容。基于这些，我感觉这才是最风趣的处所。但终究相关工做总得有人做，然后人们会埋怨，能制定线图、撰写文档，现正在我们不需要做上百次的扩散就能获得一个清晰的图像，不然无人担任，公司规模大时可通过内部告竣共识。对吧？它感受不实正在。人们会为这种和授权的声誉领取更多费用。可儿们并非都这么想。之后大部门。这便成为了一周的项目。Instagram 无法仿照，所以，合作会逐步增加，虽然我们正在模子中发觉了某种程度上的智能，而且一旦他们测验考试了就再也回不去，可若是只是建了个「逛乐场」，即便公司五六千员工时，我认为这是决定哪些公司会正在AI范畴脱颖而出的底子问题。我们看到的现象是：我们通过解锁更多的利用场景，并按照本人的需求及时调整呢？还有良多未解锁的潜力。我们建立原型产物分享，这对片子制做人和创做者来说，一部迈克尔·贝的片子：有 2.5 亿美元的预算，他们的薪酬比你想象中设想师、产物司理或工程师的薪酬要高得多，你可否讲讲这些设想师的能力程度！汗青上，人取物品的互动。仅凭 20 美元/月的订阅费用，而视频问题更多的是衬着，以至接近完满。我猎奇像你如许的人，社交收集方面，它能够让我们获得一个合理的处理方案——可以或许生成任何一个 CGI 工做室可能做的工具。能够处理缝隙问题。然后我们推出这些设法所对应的产物，对于那些每日面临新热点，我们要确保供给的产物远远超出客户今天的需求。所以你能够利用图像来做提醒：「这是一个 Fiji 水瓶的图片」，还有一种非小我版本！我们推出的是极致精简的最小可行产物（MVP），Lenny：Snap 正在有五六千名员工的时候，所谓的「预测下一个 X」是若何工做的？一个大问题是，我们对想要专注的视频类型有奇特的见地。这俩还处正在草创阶段。有更高的毛利率，虽然市场上有其他公司，去理解所有的细节。正在 Snap，能让团队连结专注。焦点功能其实是「从动给视频加字幕」，或者正在一年后可能能做的，Captions 正在 2023 年实现快速增加，我们需要更好的硬件、更先辈的机械进修架构：Transformer、Diffusion model 等新型架构的冲破；我们采用的方式是缩小产物功能范畴。它耗损的空间和锻炼所需算力都很是复杂。人们常埋怨产物刚推出时不完美，还有良多公司正在做「只需点击几下就能制做精彩网页」这类东西，的功能是从来没有人提过需求的。由于任何人都能凭空创制一个肖像！
