作家｜孙芮

“总有一天，咱们会把当今这种‘东说念主工制作的电影’看成旧时间的东西来指摘，而主流将变成按需生成、不错无尽延展的AI内容。”这是Karpathy在2016年发布的推文。

按需生成、不错无尽延展的AI内容是什么样的呢？

要是这种才气不仅用于生成内容，也用于重构咱们获取信息的方式，那Flipbook好像提供了一种值得参考的形态。它用一种全新的方式在作念浏览器——不再把信息组织成一页页不错跳转的网页，而是把悉数这个词互联网变成一张不错约束生成、约束延展的图像。

1

当浏览器不再是网页

把柄官方先容，Flipbook是一个不错无尽延展的视觉浏览器，悉数内容齐是按需、及时生成的。

若何贯通视觉浏览器呢？

在Flipbook中，你看到的每一个“页面”，骨子上齐是一张图片。当你点击图片中的自便位置时，系统会把柄你的点击生成一张新的图片，带你络续往更长远的标的探索。悉数这个词过程里，莫得HTML、莫得代码，也莫得传统道理上的贯穿或输入框，你所看到的“网页”，其实齐仅仅屏幕上一帧一帧被生成出来的像素。

屏幕上的悉数笔墨，相同亦然由图像模子径直渲染出来的，而不是叠加在图片上的文本。虽然，这会导致笔墨随机候会出现错位或不够澄澈的情况，这需要通过模子才气的进步来改善。

用笔墨敷陈可能有点难贯通，他们发布的Demo能够更直不雅的感受到Flipbook念念作念的事情。

他们以旅行霸术这个场景为例，左侧的札记本电脑上涌现的是Notion界面，正在进行“巴黎旅行霸术”。这是环球作念旅行霸术庸碌会用到的交互方式——在不同的网页之间跳转，通过笔墨和列表来整理碎屑化的信息。

在当下的互联网中，信息庸碌以文本、贯穿和模块化界面的格式被组织起来，一个网页会被拆分红不同的内容区块，再通过贯穿互相招引。用户获取信息的过程，骨子上即是约束点击按钮、在不同页面之间跳转。其底层依赖的是HTML和DOM所组成的结构化体系。

也即是说，咱们所使用的网页，骨子上是一个由澄澈结构和固定联系组织起来的信息系统。

而右侧则是一幅等轴测插图，上头是一幅干净线描、低满盈配色的巴黎地标交互图，有埃菲尔铁塔、卢浮宫、圣母院这类巴黎的象征性地标。

在职意区域点击一下就能得到一个“细目页”，图顶用神圣的笔墨和图标整合了原来需要去官网查询的碎屑信息：门票购买（BuyingTickets）、通达时辰（OpeningHours）、无破碎（Accessibility）、着装条款（DressCode）。

再点击一次，又能取得更多建筑里面的细节。左侧的笔墨信息变得愈加具体，像是一个及时的“智能助手卡片”。这里不仅有各个区域的价钱表，还有预期情况，以及详备时辰表。底部灰色方框给出了最优淡薄，“提前1-3天预约是贤达之举”。甚而还有一个彰着的“ReserveNow”(立即预约)按钮，杀青了一站式闭环。

团队示意，这些图片中的信息，来自两部分的聚首，一部分来自模子自身的常识，另一部分来自具备行径才气的搜索系统。

内容可能会偶尔出现不准确的情况，但庸碌不错作为一个初步了解的参考，而且大多是基于果真的在线数据生成的。合座的事实准确性，大致不错达到正常使用ChatGPT、Gemini或Claude时的水平。

1

复杂信息贯通的最好掀开方式

不外，这种成果在执行体验中究竟是如何的？

于是，我上传了一张之前用ChatGPTImages2.0生成的《百年伶仃》东说念主物联系图，来测试它的发挥。

在我点击左下角的奥雷里亚诺·布恩迪亚上校后，大致恭候了20秒，新的页面才生成出来。生成出来的图像是一张奥雷里亚诺·布恩迪亚上校的眷属联系和生平逻辑图。再点击左下角出现的摊开的竹帛，就能看到梅尔基亚德斯的预言的图解。

悉数这个词使用过程中，照实如团队所说的图片中的自便位置齐不错被点击，被探索。读过《百年伶仃》的东说念主一定齐知说念，书里的东说念主物和结构齐很复杂，并吞个眷属里几代东说念主反复使用交流的名字，东说念主物之间又不隔断错，加上叙事不是定期间线鼓动，而是逾越、回文、甚而把异日写在往时里，很容易读着读着就分不清“当今是谁、发生在什么时候”。

而Flipbook用交互式可视化不错很好地诞生一个阅读参考系，匡助读者理清东说念主物联系和书中的要点信息。这是Flipbook在复杂信息的可视化与交互式贯通场景下的垄断。

不外需要注意的是，Flipbook因为走访东说念主数过多，办事器压力太大，暂时需要列队插足。

在X中，也有不少用户发布了我方的使用案例。

Gemini的后磨真金不怕火软件工程师XiaoMa用Flipbook学习葡萄酒常识。

还有效户作念了一张叶绿体光协作用图解，示意这相等允洽教练场景。

从以上的使用案例来看，Flipbook最允洽管制的是结构复杂、联系交错、需要诞生合座通晓的问题，它不错把这些信息压缩进一个不错约束伸开的视觉空间里，通过点击逐层长远，让“贯通”变成一个一语气的过程。

放在教训场景中，Flipbook不错用图像来承载信息，再配合可点击的图像蔓延，会比纯笔墨更容易诞生直不雅感受。比如科学道理、经过机制、历史事件演变，这些场景的需求不是查圭臬谜底，而是搞了了道理、逻辑。

它相同适用于启发式探索的场景。比如你并不是带着一个明确问题来查贵寓，而是念念了解一个范围、寻找灵感。在这种情况下，是莫得固定旅途的，Flipbook不错点那边看那边，会带来一种类似浏览展览或翻阅画册的体验，更容易产生新的联念念和灵感。

但反过来说，它并不允洽那些高频、精确、遵守优先的任务。比如查一个具体数据、快速对比信息、完成一段明确经过，这类场景更需要的是结构化信息和褂讪、快速的反映，而不是生成式的视觉抒发。生成延迟、信息不褂讪、笔墨不成复制这些问题，在这些场景下齐会被放大。

1

为了及时生成，底层作念了什么

Flipbook令东说念主惊艳的同期，也让东说念主敬爱这到底到底是用了如何的时间来杀青的。

独创团队在X说，他们无数用了激活缓存、量化，以及torch.compile+内存快照。

Flipbook追求的是一种即时交互，但图像生成模子庸碌相等宽阔柔顺慢，念念作念到这种反映速率，澳门威斯人app就必须在底层进行极致的性能压榨。Zain提到的这四项为了管制这个瓶颈而作念的工程优化，他们从推测旅途、数值示意、践诺方式和情状管制四个层面同期作念了转换。

率先，激活缓存（activationcaching）减少了图像生成过程中无数类似推测。传统扩散模子每去除少许噪声、画出一个细节，齐要无缺跑一遍神经网罗的悉数层，而其中许多层的推测收尾其实和上一步险些一样，极度是那些发达索求基础特征的部分。

激活缓存即是把这些变化不大的中间收尾保存下来，在后续的次序里径直复用，不再重新推测。在一语气生成多帧画面（比如制作视频流）时，帧与帧之间的共性更大，能共用的激活值就更多，这能砍掉绝大部分冗余运算，让推理速率成倍进步。

其次，量化（quantization）时间管制的是模子在数值推测层面上的遵守问题。你不错把模子参数原来使用的16位浮点数，念念象成一种高精度但相等占用空间和推测资源的示意方式。量化的过程，即是将这一个个“高资本浮点数”精确地映射为对应的“低资本整数”，比如8位整数。

这么作念有两方面的公正：第一，整数运算远比浮点运算快，而且当今的硬件对此有出奇的加快诡计，是以每一个推测次序的耗时齐镌汰了，模子推理速率径直进步；第二，每个数字从16位压缩到8位，悉数这个词模子文献的体积和运行时占用的显存齐至少减半。

收尾是，原来需要破钞无数显存才能运行的高别离率图像生成任务，当今不错在更小、更普及的GPU上跑起来，或者在并吞块GPU上同期处理更多的生成恳求。对Flipbook而言，这险些是杀青快速、一语气出图必不成少的一步。

接着，torch.compile充任了翻译优化器的扮装。庸碌用写PyTorch代码时，每践诺一个操作，Python讲授器齐要迤逦一次，产生许多碎裂的小任务，GPU也因此往往地启动和住手。torch.compile会将悉数这个词推测图拿过来合座分析，把相邻的、不错合并的运算交融成一个大的优化内核，况兼一次性编译好。这么，当模子果真启动生成图像时，就极度于从一条条讲授践诺变成了一段一语气的编译程序在跑，省去了无数的Python支拨和算子迤逦时辰，在不少场景下不错带来彰着的性能进步。

临了，内存快照（memorysnapshotting）是一种摈斥迤逦延迟的技巧，庸碌指像CUDAGraph这类时间。传统经过里，CPU需要一步一局势向GPU下达教唆，每一次迤逦齐有轻细的延迟。内存快照的作念法是将一整套固定的GPU操作序列（举例去噪次序中的特征索求、注意力推测、卷积等）无缺“录制”下来，酿成一个静态践诺图。后续生成新图像时，不再需要CPU逐条迤逦，而是径直重放这张图，让GPU像播放摄像带一样无停顿地一语气责任。关于需要每秒24帧一语气输出的视频流场景，摈斥这些积蓄的迤逦毛病是杀青及时生成的要津。

骨子上，它一方面通过缓存中间收尾来幸免类似推测，一方面通过量化贬抑推测资本，同期借助编译优化践诺遵守，并通过内存快照摈斥迤逦毛病，从而在有限算力下显耀贬抑单次推理延迟和单元恳求资本，使系统能够褂讪支握高频、一语气的生成恳求。

相同值得一提的是，咱们当今看到Flipbook的画面格调资格了上百次迭代打磨。一启动，他们尝试用80年代旧式CRT屏幕的因循科幻格调，有扫描线、霓虹色和类似《新世纪福音战士》的高密度视觉界面感。还有20世纪50年代漫画插画格调，带有旧式印刷、粗描边、高满盈色。

临了他们遴选裁剪插画感的等距视角格调。这是一种斜鸟瞰、带立体感但不复杂的插画方式，把信息、空间和见解澄澈地组织起来，EbbieJiao说，这种格调在可读性和发挥力之间找到了一个很好的均衡，不仅便捷用户贯通，又能用一种HTML永远作念不到的方式把念念法呈现出来。

格调的聘用，指向的是团队作念这件事的初志。他们觉得，一张图往往比无数笔墨更有抒发力，但今天的屏幕却被笔墨和各式方框界面所占据。许多所谓“生成式UI”，看起来更先进，但骨子上仍然是在用有限的格式去承载复杂的信息，就像试图用一根细吸管去吸一整片海洋。

是以他们念念尝试另一种方式，即是让推测收尾变得更直不雅、更丰富，用为每个东说念主即时生成的视觉内容来抒发信息。

咱们当今看到的屏幕，骨子上亦然一张图，只不外它是由固定的代码和律例生成的，这种方式在抒发复杂内容时存在局限。而Flipbook则解脱了这些阻抑，它会把柄内容自身，聘用最合适的抒发方式——可能是一句话、一幅插图，或者一张接近果真的画面。

咫尺，Flipbook也曾一个实验神气，主要用于通达式探索和学习。跟着图像和视频模子才气的进步，异日这些页面可能会接入更多果真数据，变得愈加可交互，甚而不错径直践诺操作、保存数据。

这也意味着，许多原来需要在不同垄断或网站之间完成的事情，异日有可能在一个类似Flipbook的界面中一次性完成。比如你当今不错用它来查旅行信息，但需要去别的平台完成预订。异日，这些次序齐不错在并吞个系统中完成。

Flipbook设念念的，是一个悉数器具齐像现实全国一样丰富、直不雅、以视觉为中枢的推测全国。

尽管当今Flipbook还远谈不上闇练，但当信息不再被锁死在代码框架里，而是按内容目田孕育成图像时，咱们在Flipbook的每一次交互齐在及时重组信息的呈现方式。

而咱们贯通全国的方式，可能也会随之蜕变。

点个“爱心”威斯人app，再走吧

开云体育中国官网入口

• 念念
• 最近
• 威斯人app
• 刷屏
• Flipbook