生成式 AI，进入你的生活和工作了吗？
如果你身处互联网、广告、金融等行业，可能已经感受到了这种变化。
比如说：负责设计的同事不再需要熬夜出好几版美术方案，把创意告诉 AI 就够了；负责文案的同事不再需要检索、阅读海量内容，和AI对话问答，再进一步核对准确性即可。
另外，中国信通院的调查数据显示，在受访的IT企业中，超 70%在软件开发阶段应用了 AI 技术，软件测试阶段也超过了 60%。而在软件工程各阶段中，测试和开发过程应用 AI 技术后提效（人效）最为明显，其次是运维。
为什么AI先应用在了这些领域？
腾讯研究院的《2024行业大模型调研报告》对此有所总结，主要是受到两个核心因素的影响：
行业需求的适配度，即AI提供的能力，能够在多大程度上满足行业的需求。
行业数据的可得性，即获取、使用行业相关知识的难易程度，这些决定了AI的“学习材料”有多少。
目前各行业所处的AI应用阶段
因此，重资产行业（如建筑、制造、能源）和一些依靠长年经验（如农业、医疗、咨询）的行业，数据难以获取，就成了生成式AI的盲区。
鲁大师CEO田野提到过一个例子，他的朋友在上海做加拿大移民留学，找他咨询的人每天都会问重复相似的问题，如果能培养一个专门解答基础问题的AI，能够节约大量时间。
但问题是，公共互联网上不会有移民的相关资料，AI无从学习，也就成了这个领域的文盲。
田野认为，想解决这个事并不难，把足够的资料丢给AiNAS，投喂足够多的数据，就会养成一个移民留学的专家AI。
什么是AiNAS？
让我们把这个概念拆开，AI 与 NAS，后者的全称是Network Attached Storage，即网络存储服务器，简单来说就是通过网络来访问存储在里面的数据，相当于只属于你的私有云存储。
在这个空间中生成参数量较小的模型，实现本地化部署，利用数据进行定向培养，最终可以帮助你处理一些相对简单、更个性化、更私密的任务。
具体来说，当得到用户的授权之后，鲁大师 AiNAS内置的“智能助理”就会开始对已经存储的资料进行全盘的扫描、阅读、理解、分析、总结、归档，最终实现资料的自动分类、去重、检索。然后以常见的对话形式，解决用户提出的诸如一键查询、一键总结摘要等生成式AI能够处理的相关需求。
甚至更进阶一些，用户自己可以通过在鲁大师 AiNAS内建立“专属知识库”，圈定智能助手的学习范围，得到更具有针
