最近一期AI碰撞局（10.17）是瀾碼的周健、阿朱、侯宏老師一起談AI智能體在企業(yè)中的落地問題，碰撞的時(shí)候一個(gè)核心問題是：

為什么AI驅(qū)動(dòng)的企業(yè)級產(chǎn)品不會(huì)重蹈過去SaaS的覆轍？商業(yè)模式、技術(shù)應(yīng)用到底哪里出現(xiàn)了什么樣的變化？參見：

活動(dòng)的小記稍后會(huì)發(fā)，大家可以看下現(xiàn)場的情況，我這里換個(gè)視角說下這問題。

最近OpenAI 發(fā)了個(gè)開源的項(xiàng)目叫Swarm，在Github上迅速突破1萬星。但其實(shí)這是個(gè)很小的項(xiàng)目，也肯定不實(shí)用，純粹概念性，好處是從中可以看到OpenAI的很多設(shè)想，我們基于OpenAI的這種設(shè)想來嘗試回答上面的問題。

（是不是有點(diǎn)指點(diǎn)江山的感覺）

注：考慮這項(xiàng)目代表意義很強(qiáng)，下個(gè)月會(huì)開一期給非程序員解讀Swarm的AI碰撞局，感興趣的同學(xué)加shuixiu2024吧。

OpenAI的戰(zhàn)略

OpenAI其實(shí)是同時(shí)在做兩件事：

一、提升模型的基礎(chǔ)能力，比如4o，o1。這部分不用猜是個(gè)人就知道。

二、把大模型變成一個(gè)超級通用的計(jì)算機(jī)。等于過去的程序員+應(yīng)用+云計(jì)算。

給第二點(diǎn)做點(diǎn)說明。

過去程序員負(fù)責(zé)干的活主要是把大家的需求翻譯成計(jì)算機(jī)能懂的語言，然后扔給計(jì)算機(jī)執(zhí)行。翻譯的結(jié)果就是各種編程語言。編譯或者解釋后的程序根據(jù)當(dāng)前的你是要購物還是要搜索，來執(zhí)行電腦或者手機(jī)上的指令。

在OpenAI設(shè)想的超級通用計(jì)算機(jī)上則完全不是這樣。你搜索或者購物一定有個(gè)目的，你把這個(gè)目的說給它聽，它直接就給你做了，給你結(jié)果。你不再需要關(guān)注搜索的關(guān)鍵詞、購物要訪問網(wǎng)站、比價(jià)等，你只要和它說清楚，它就給你辦到。至于過程中是不是要調(diào)用搜索、選擇什么樣的關(guān)鍵詞，全都是模型在判斷和決策，不需要你打開一個(gè)個(gè)App，也不需要寫程序去設(shè)定怎么完成具體的任務(wù)。

OpenAI在努力的兩個(gè)點(diǎn)，一個(gè)有點(diǎn)像超級大腦，一個(gè)有點(diǎn)像超級智力輸出的渠道。這個(gè)如果做成功了，那OpenAI等于智能時(shí)代的操作系統(tǒng)，基于通用智能的操作系統(tǒng)，啥都能干，只要你給它準(zhǔn)備好輸入。

這聽著特別原教旨，但你仔細(xì)看Swarm，你就會(huì)發(fā)現(xiàn)它的目標(biāo)就是這里。

在第二個(gè)視角下很容易理解OpenAI為什么做function call，為什么做結(jié)構(gòu)化的輸出，為什么干很多從模型研究角度看有點(diǎn)不務(wù)正業(yè)的事。

這是很現(xiàn)實(shí)的，如果不能占據(jù)智能產(chǎn)業(yè)中的核心樞紐位置，而是單純的做技術(shù)輸出，OpenAI是活不下去的。

你把大鯨魚放小水池里，那就只可能茍延殘喘。最終只可能是掛了。

多智能體（Multi-Agent）系統(tǒng)

Swarm展示的是怎么做多智能體協(xié)作，比如我們把賣東西簡單分解為：賣貨和售后支持，那這時(shí)候需要：賣貨和客服兩個(gè)智能體，同時(shí)為了能把貨很流暢的賣出去還需要它倆配合。

如果我們把OpenAI正在輸出的GPT4o等類比成一臺(tái)超級通用的新計(jì)算機(jī)，那Swarm這個(gè)例子展示的正是基于這臺(tái)新計(jì)算機(jī)完成上述工作的時(shí)候人干什么、這臺(tái)超級通用計(jì)算機(jī)干什么。

我們可以看到完成業(yè)務(wù)目標(biāo)的工作被劃分成了兩部分：

一部分是準(zhǔn)備條件；

一部分則是把這些準(zhǔn)備好的條件告訴OpenAI大模型。

然后你不用管了，它可以處理各種用戶的請求和輸入。

所有的Swarm代碼演示的就是怎么按照OpenAI的規(guī)則給AI大模型準(zhǔn)備好條件。

在OpenAI的設(shè)想中，這些模型起作用的前置條件包括：

1. 智能體之間流轉(zhuǎn)過程的設(shè)定，比如銷售之后客戶不滿意，那要轉(zhuǎn)給售后。（這是土鱉的地兒，不是高級的地兒）

2. 處理交易的functions，模型會(huì)在合適的時(shí)候調(diào)用不同的functions。

3. 數(shù)據(jù)庫的訪問信息，包括賬號、密碼等

4. 提示詞

還有些細(xì)碎的，但關(guān)鍵的大致就這些。

Swarm這例子被極度簡化了，所以看著好像也沒什么，但基于這臺(tái)新的超級通用計(jì)算機(jī)做出的程序可以達(dá)成一個(gè)過去絕對達(dá)不成目標(biāo)：Service as a Software。

在上面的例子里，理論上你只要和他說清楚，它可以幫你把任何東西都買回來：購買這種服務(wù)完全由一個(gè)程序提供了。

因?yàn)檫@個(gè)例子太簡單，所以會(huì)有種貌似過去也能做的錯(cuò)覺，但關(guān)鍵是這模式在服務(wù)的復(fù)雜度上是可以拉伸的。理論上你可以加入800個(gè)智能體，他們排列組合能干購買就能干教育小孩等等。具有通用性。

關(guān)鍵卡點(diǎn)是什么？

當(dāng)前離這種設(shè)想真的落地還很有距離。

OpenAI的戰(zhàn)略要想落地，至少需要兩個(gè)關(guān)鍵支撐點(diǎn)：

1. function call要精準(zhǔn)。時(shí)靈時(shí)不靈并不全是重試就能解決的問題，重試的代價(jià)可能承受不起。有的時(shí)候在一個(gè)序列里面調(diào)用錯(cuò)了是有后果的。

2. Agent的配合問題。簡單化當(dāng)然可以寫成A在某種情形下要把任務(wù)轉(zhuǎn)給B，問題是真實(shí)場景下這玩意是多維交叉和復(fù)雜變動(dòng)的?，F(xiàn)在設(shè)想的方式估計(jì)不好使。這背后是個(gè)智能程度的問題。

上面這倆事搞不好，那這套系統(tǒng)就沒法真有用，AI大模型會(huì)變成昂貴的一大坨雞肋。

如果沒法真有用，OpenAI就會(huì)呆在微軟設(shè)定的位置干成模型供應(yīng)商，整整就死了。前陣OpenAI內(nèi)部人事大變動(dòng)，我直觀上就是和這個(gè)有關(guān)?？茖W(xué)家們可能寧死也要純粹，企業(yè)家要先琢磨生存然后才是理想。

重看Service as a Software

實(shí)現(xiàn)Service as a Software和實(shí)現(xiàn)AGI差不多等價(jià)。

沒有在復(fù)雜度上低成本的拉伸就沒有Service as a Software。

在一定視角下Software as a Service可以看成是低復(fù)雜度的服務(wù)。那個(gè)年月軟件整體能夠處理的復(fù)雜度比較低，所以必須把某個(gè)服務(wù)中的一塊切出來做成軟件。

現(xiàn)在服務(wù)的范圍可以低成本擴(kuò)大了，這并不是本質(zhì)區(qū)別，而是量上的拉伸，只要能拉伸的范圍足夠大，那就會(huì)讓不成立的商業(yè)模式成立。

累積這種量變是打破過去SaaS魔咒的關(guān)鍵，否則還是太容易重蹈覆轍。

量變到一定程度就真的不是過去的SaaS了，但這種量上的拉伸需要超級通用計(jì)算機(jī)。參見：

小結(jié)

這事大家看到了苗頭，此前紅杉的文章和OpenAI 的Swarn都可以看成這個(gè)苗頭不同側(cè)面的描述。說的本質(zhì)還真是一個(gè)事情。更有意思是顯然的在國內(nèi)成立比海外要難上那么一點(diǎn)點(diǎn)。這種難度其實(shí)是文化和企業(yè)制度所帶來的。過去堅(jiān)船利炮能夠打破慈禧太后的保守，這次則說到底得看AI的真正威力。