本次分享從AI近兩年展現(xiàn)出來的出來的矛盾景象開始。

一邊是持續(xù)出現(xiàn)的各種海量產(chǎn)品創(chuàng)意，一邊則是真有進(jìn)展者不多。這種進(jìn)展不多既體現(xiàn)在像Character.ai這種有用戶的產(chǎn)品無法變現(xiàn)，也體現(xiàn)在上批AI企業(yè)嘗試擁抱大模型但效果不明顯，港股上市的幾家AI企業(yè)市值基本已經(jīng)跌到不如融資額了。不能叫流血上市了，應(yīng)該叫流骨髓上市。

這種普遍預(yù)期與AI既有現(xiàn)實(shí)的矛盾中，我們可以看出什么來呢？

現(xiàn)有產(chǎn)品成功的關(guān)鍵點(diǎn)

如果提取其中比較成功的產(chǎn)品共通特質(zhì)，我們會(huì)發(fā)現(xiàn)下面三點(diǎn)：內(nèi)容生成（AIGC）、小產(chǎn)品、海外市場(chǎng)。

那為什么會(huì)這樣呢？本次分享中提供了一個(gè)簡(jiǎn)單的思考框架來回答者問題：

基于它可以呼應(yīng)下上面的結(jié)論，為什么過去近兩年這波在國(guó)外功能相對(duì)垂直的小產(chǎn)品能賺錢？

第一，國(guó)外有SaaS付費(fèi)的環(huán)境 →價(jià)值實(shí)現(xiàn)的空間

第二，小產(chǎn)品可以避開和既有大產(chǎn)品的直接沖撞 →AI版農(nóng)村包圍城市，既有大產(chǎn)品就是城市，小產(chǎn)品盯的縫隙就是農(nóng)村。如果和現(xiàn)有產(chǎn)品比如Office、PS直接沖撞，估計(jì)也是賣不出去，大概率撞死。

第三，產(chǎn)品特征集中在AIGC，而不是大模型爆出的其它能力，比如決策、交互 → 用相對(duì)成熟的技術(shù)干過去不能干的事。

各種聽起來成功的產(chǎn)品基本是這個(gè)路數(shù)，Midjourney, Heygen。其中微軟Copilot略有不同，因?yàn)樗歉欢?，可以不考慮第二點(diǎn)。

相比之下，只創(chuàng)造交互價(jià)值的第一代產(chǎn)品比如智能音箱在價(jià)值創(chuàng)造上就比較一般，如果現(xiàn)在新做的類似產(chǎn)品不改變價(jià)值創(chuàng)造本身而只是把后端的模型換成大模型，那大概率重蹈覆轍。

定位>努力

上面這個(gè)如果對(duì)，那衍生的要求必然是定位大于努力。既要找好農(nóng)村，也要找好你錢從那里來。本質(zhì)要認(rèn)識(shí)現(xiàn)階段的AI其實(shí)是紙老虎，看著很兇猛，真能干的事其實(shí)很脆弱的。

在脆弱預(yù)設(shè)的基礎(chǔ)上做事，比在強(qiáng)大的預(yù)設(shè)基礎(chǔ)上干事更靠譜。

形象說就是你打油井跑黃土高原上打全黃土大概率是不靈的。

思考框架的限度

源頭上是新技術(shù)（AI）自身的特征和限度。

相比上次是模式識(shí)別（人臉識(shí)別等），這次則展示了大量通用能力，比如它可以幫你分析甚至做某些判斷。但這大量的能力里面不同能力的成熟度是不一樣的，其中AIGC的商業(yè)價(jià)值最大。

后續(xù)會(huì)什么樣會(huì)取決于AI這科技樹到底怎么打開。在沒有本質(zhì)變化前，上面的框架不會(huì)有什么太大變化。

而如果到OpenAI五級(jí)AI的第二步，也就是最近大家比較關(guān)注的Reasoner，那事情會(huì)有變化。

碰撞開始后第一個(gè)問題也是關(guān)于Level2的實(shí)現(xiàn)問題，我聽完周以舟博士的技術(shù)分析，直接理解是這事肯定能搞定，就是在多大范圍內(nèi)搞定的問題。

而在技術(shù)、產(chǎn)品、市場(chǎng)三者中，反倒是市場(chǎng)更像不變量，比如對(duì)于SaaS付費(fèi)或者不付費(fèi)根本不是短期能改變的。

AI的眼下和下步

這樣一來，局面反倒是清楚，如果只是視頻生成這樣的點(diǎn)做突破，那基本情形大概率會(huì)和過去兩年差不多。還是會(huì)出現(xiàn)一些零散的小機(jī)會(huì)，這時(shí)候不管是培訓(xùn)、小工具等大概率都會(huì)重來一遍，有一個(gè)自己的小周期。

如果大模型真能干到推理并且能頂一個(gè)PhD用，那大量公司里面非物理相關(guān)的角色實(shí)在是不需要人了。還有點(diǎn)距離，但綜合周博士、Google的發(fā)布會(huì)信息（幫助博士解決研究問題的助手）、OpenAI的部分聲明來看，也沒那么遠(yuǎn)，需要做點(diǎn)準(zhǔn)備?？梢蚤_始構(gòu)想新型應(yīng)用了（Autopilot），不一定非在現(xiàn)有體系里面擠。

這里面有個(gè)細(xì)節(jié)的碰撞很有意思，我把五力模型放到行業(yè)上了。

侯宏老師對(duì)此則提到：五力模型最適合還是放到具體個(gè)案上，不適合一竿子打翻一船人。

落地上的碰撞點(diǎn)

這次活動(dòng)談的問題比較深入，覆蓋面也比較廣，比如AI整個(gè)產(chǎn)業(yè)鏈和汽車產(chǎn)業(yè)鏈對(duì)比能得到什么啟示、大模型公司和既有產(chǎn)品的關(guān)系問題、大模型的使用成本問題、大模型大下去會(huì)不會(huì)規(guī)模不經(jīng)濟(jì)、產(chǎn)品和模型的邊界問題、產(chǎn)品方法論問題、產(chǎn)品定位問題等。都非常有價(jià)值，未來AI碰撞局會(huì)想辦法全面記錄這些觀點(diǎn)，當(dāng)前因?yàn)榉N種原因，沒法那么全面，所以還是摘取其中一兩個(gè)比較典型的問題。

一個(gè)是關(guān)于幻覺、指令遵循等的問題。這是個(gè)特別現(xiàn)實(shí)的問題，誰真拿AI做產(chǎn)品第一痛點(diǎn)差不多都是這個(gè)。

構(gòu)建該助手感覺像是偏離了“原則性”的機(jī)器學(xué)習(xí)，而更像是在專家系統(tǒng)中調(diào)整規(guī)則。因此，盡管我們的評(píng)估變得越來越復(fù)雜，但我們的“訓(xùn)練”卻主要是提示詞工程，這更像是一門藝術(shù)而非科學(xué)。 老李話一三，公眾號(hào)：琢磨事

上面這是老外的感受，真正的環(huán)球同此涼熱。對(duì)這問題幾位嘉賓參與了回答，結(jié)論頁(yè)不復(fù)雜：這就是個(gè)磨嘰活，你也不可能指望一下子就搞好了。

核心就是搭配和打磨，賈梓筠博士管這個(gè)叫：技術(shù)不行工程來配，工程不行產(chǎn)品來配，產(chǎn)品不行運(yùn)營(yíng)來配，實(shí)踐者視角還真就這樣，反正要搞定問題。

真打磨的時(shí)候，想像周博士說的揚(yáng)長(zhǎng)避短，那第一步肯定是在提示詞層面窮盡現(xiàn)有模型的能力，但純粹靠現(xiàn)有模型多次復(fù)核其實(shí)也不靠譜，不單是貴，時(shí)延也承受不了，所以肯定要搭配其他模型，甚至就是標(biāo)注出LLM長(zhǎng)犯的錯(cuò)誤，然后拿代碼寫規(guī)則進(jìn)行預(yù)處理或者后處理。

幻覺問題與另一個(gè)大家關(guān)心的問題也有關(guān)系。

我這次又提到的AI產(chǎn)品要分出來一個(gè)1到10階段，大家問到為什么不是過去的從0到1，從1到100。

骨子里就是上面幻覺這個(gè)原因。假設(shè)說花10塊錢可以干到產(chǎn)品預(yù)期的80%，在某些限定場(chǎng)合也能用了。是不是可以算從0到1就基本完了，可問題是此后精度每提升一兩個(gè)點(diǎn)都需要花費(fèi)和80%差不多的精力，這部分打磨實(shí)在需要單獨(dú)的一個(gè)分期。這階段處理產(chǎn)品概念出來后，AI獨(dú)有的精度和適配性問題。（我個(gè)人實(shí)踐經(jīng)驗(yàn)做AI產(chǎn)品不要太早高興，后面能把你折磨快崩潰了）

小結(jié)

最后，感謝這次參與活動(dòng)的各位同學(xué)，也感謝北大國(guó)發(fā)院的侯宏老師，長(zhǎng)期奮斗在一線的AIoT公司聯(lián)創(chuàng)和COO賈梓筠博士，正在某大廠主持大模型開發(fā)的周以舟博士一起參加這個(gè)活動(dòng)?；顒?dòng)上的觀點(diǎn)不一定都對(duì)，核心在于要是現(xiàn)場(chǎng)真實(shí)發(fā)生事情的反饋。對(duì)AI碰撞局來講現(xiàn)場(chǎng)和鮮活比正確重要。AI碰撞局是個(gè)小活動(dòng)，因?yàn)橥蝗粫?huì)有同學(xué)有事，所以人數(shù)從本來的一期30人擴(kuò)大到了50人，但不改初衷，還是希望不是個(gè)課程，而是1小時(shí)分享，1小時(shí)盡可能多人參與的碰撞局。歡迎參加的每個(gè)人平等對(duì)話。

希望參加活動(dòng)的同學(xué)請(qǐng)聯(lián)系cathywangyue吧。