みんなAIはどれ使ってる？
最近“大家都在用哪些AI？”这个话题热度很高，市面上有从免费到付费的各种AI服务。
人们似乎会根据用途，选择聊天、图像生成或视频制作等不同类型的AI。
但同时也有不少人困惑：“到底哪个好？”或“太多了，求推荐！”
相关关键词解说
生成式AI（Generative AI）
生成式AI是指能够“生成”文本、图像、音频、视频等多种形式内容的总称。它不仅能搜索和分析现有信息，更开创性地具备根据学习数据创造全新信息的能力，并在2022年末OpenAI发布ChatGPT后迅速为全世界所知。本文标题“大家都在用哪些AI？”中的“AI”多指这种生成式AI。其应用范围无限广阔，例如商务报告撰写、企划书初稿、编程代码生成、社交媒体内容构思、个人兴趣插画创作、博客文章撰写辅助等。主要的文本生成AI包括ChatGPT、Google Gemini、Anthropic Claude、Microsoft Copilot等，而图像生成AI的代表有DALL-E、Midjourney、Stable Diffusion等。这些工具正深入渗透我们的工作和日常生活，未来预计将出现更高级的内容生成能力以及专业领域的AI。
大规模语言模型（LLM: Large Language Model）
大规模语言模型（LLM）是生成式AI，尤其是基于文本的AI服务的底层核心技术。通过学习互联网上庞大的文本数据（数千亿到数万亿词），LLM获得了理解和生成人类自然语言的能力。LLM中的“大规模”不仅指学习数据的量，还指构成模型的参数数量（数百亿到数万亿个）非常庞大，正是这种规模使其能够捕捉语言的复杂细微之处和上下文，并进行逻辑推理。ChatGPT的GPT系列（GPT-3.5、GPT-4等）、Google的PaLM和Gemini、Anthropic的Claude等，都是以高性能LLM为基础的。这些LLM不仅能回答问题，还能进行摘要、翻译、文章校对、创意头脑风暴、编写编程代码等多种任务。在选择“使用哪种AI”时，其背后运行的LLM的性能和特性（例如：事实准确性、创造力、伦理安全性、可处理的信息长度等）会极大地影响用户体验，因此是重要的判断标准。
多模态AI
多模态AI是指能够同时理解和生成文本、图像、音频、视频等多种不同信息形式（模态）的AI系统。早期的生成式AI主要专注于处理文本或图像，但人类的交流结合了多种信息。同样，AI通过整合多种模态，可以实现更高级、更自然的对话和内容生成。例如，用户可以展示一张图片并指示“描述这张图片”，AI会分析图片并以文本形式回应；或者在未来，甚至可以实现“为这张照片创作一个合适的标题和背景音乐”等复杂任务。Google Gemini和OpenAI的GPT-4V（Vision）已经将同时处理文本和图像的多模态能力部分投入实际应用，这使得基于视觉信息的问题回答、图像内容分析乃至图像生成指令的响应成为可能。这项技术的进步极大地拓宽了AI的应用场景，并且是未来显著提升我们与AI交互界面以及AI生成内容质量的关键。在选择AI时，除了单一功能，整合多种模态的AI发展趋势也备受关注。