最近看到一篇很有意思的文章：，核心觀點是模型即產品。這觀點我事實上前面在“”中已經回復過，這篇我舉個具體的例子，進一步聊下模型和產品的邊界。

先說結論：AI大模型會折疊掉大量按照過去思路設計的產品，但也會催生一個全新的產品簇。從對舊世界產品的破壞來講，模型即產品；從創(chuàng)建新產品世界來講模型不是產品。

下面拿企業(yè)舉一個具體例子，然后分析其中各個環(huán)節(jié)，看哪些環(huán)節(jié)是會被折疊到模型之中，而哪些不會。然后其它領域大家可以自行腦洞。

人的角色和價值

比如蘋果公司，這公司做的事可以簡單概括為創(chuàng)造新產品，改善新產品，銷售。如果忽略細節(jié)公司的運轉就變成一個不停創(chuàng)造知識，并用新知識打造新產品的系統(tǒng)。

這時候企業(yè)自身的運轉可以看成是一個知識創(chuàng)建和流轉的過程。

描述這個創(chuàng)造過程的理論中比較有名的是野中郁次郎的SECI（下圖是從侯宏老師PPT中截取的）：

現(xiàn)在AI要重塑這個企業(yè)，哪里會發(fā)生變化呢？

如果我們不認為蘋果公司會變成Matrix，也就是說你不扔主意它也干活。

也不認為這是一種人控的Matrix，也就是說你扔一句話它就把活干了。

（上述兩種情形如果實現(xiàn)，其實就沒有公司了，是完全另一種經濟形態(tài)和社會形態(tài)，即使可能，也科幻的很，就不說了）。

那么上面的知識創(chuàng)建和流轉過程就必然需要加入AI的角色。

過去知識創(chuàng)造過程里，人和組織是二元分立的，人是知識創(chuàng)造的主體，創(chuàng)造的東西需要在組織中存儲，所以往往被命名為知識庫等等。

但在新模式下，AI驅動的組織既承載知識也創(chuàng)造知識。

這里產生第一個邊界：AI不會創(chuàng)造所有知識，真正的新知識創(chuàng)建還有人類的角色在。也就是說當?shù)厍蛏蠌膩頉]有過現(xiàn)在我們在用的智能手機，AI直接就把它干出來，估計不是這樣的。還要喬布斯等人的介入。

這個邊界也會成為模型不是產品的支撐，人與智能組織的協(xié)作邊界是需要復雜定義的，并且每個公司的知識系統(tǒng)不一樣，偏好不一樣，模型自身不能包含所有公司的偏好和特征。

數(shù)字與非數(shù)字的邊界

下面再深入一層，然后說第二個邊界。

在新模式下，AI也是知識創(chuàng)造的主體（當然人也還是）。

在這個知識過程中在不同情景下，人和AI的權重是動態(tài)的，比如棋譜那可能就真的是百分百AI，但比如某種制造工藝，那就可能是人+AI，再比如某種道德體系那就可能完全是人。

但不管是哪種配重，最終知識的承載主體會變成組織，新式的智能組織。

這是和過去的根本區(qū)別。

在這個知識創(chuàng)造過程中，一共就有這么幾個相關的角色：

1. 既有的沉淀到數(shù)字空間的知識。

2. 尚未沉淀到數(shù)字空間的知識

3. 人、AI

3沒什么好說，1、2可以用另一個模型來做思考。

（繼續(xù)盜侯宏老師的圖，DOS模型本意應該不是這個，算是歪念的經）

這里面：

Digital space：可以代表企業(yè)歷史沿革，過去在數(shù)字空間中都沉淀了什么，比如歷史經營現(xiàn)實，數(shù)字資產等。

Resource space: 可以代表社會關系中的所有權，企業(yè)有什么，比如有2畝地，一棟房子

Utility space: 可以代表你的可操作性，比如有兩頭牛，三輛車。

Institutaional space：可以代表某種權限結構

這四個維度上數(shù)字和非數(shù)字各有邊界，所有權有邊界，并且因為現(xiàn)實世界的流變所以也都會動態(tài)增減。

在知識創(chuàng)造過程中，人可以調度這四個維度上信息進行知識創(chuàng)造，AI也可以。

因為這里面很多東西是私有的，所以私有知識應運而生。

如果我們不假設世界是百分百數(shù)據(jù)化，也不假設沒有所有權邊界，那么第二個邊界就出來了。

所有權和非百分百數(shù)據(jù)化成為第二個邊界。在上面四個維度上都需要接口，這種接口不太可能一下子適配所有的公司。適合蘋果的大概率不適合小米。每個企業(yè)在這個邊界內創(chuàng)造自己的部分，并且也有一部分會不停流入公域，流入大模型，但真正有價值的是屬于自己的那部分。包括AI創(chuàng)造的，人創(chuàng)造的以及兩者協(xié)同創(chuàng)造的。

我自己判斷，在特定約束條件下，排列組合型的知識估計都是AI主導了。

但如果本來不知道怎么造7nm芯片，而想把它工藝創(chuàng)造出來，估計純粹AI還不靈，需要人+AI，因為這牽涉很多物理世界的實驗設備、反饋等等。

上面兩個邊界決定了AI進入企業(yè)后，企業(yè)會變成一種新式的動態(tài)知識系統(tǒng)。每個企業(yè)并非是歸一化的，但邊界之外可以歸于模型，這是歸一化的，邊界以里歸于自身，這是差異化的。也就是說如果企業(yè)不創(chuàng)造差異化的知識，那基本沒有存在價值。

而兩者之間（差異化的知識和公有的知識）的連接就是新型應用。它注定是一種系統(tǒng)型的超級應用（以前寫很多這個話題，大家自己翻翻），這次再往下延展一點。

系統(tǒng)型應用

這種應用的功能不可能是單純數(shù)字、AI完成某個簡單任務（創(chuàng)建文件、拷貝文件、瀏覽、總結等等）而是要完成上面說的動態(tài)知識創(chuàng)建。

在四種維度上都需要一種表征（即統(tǒng)一的企業(yè)模型），如果為了通用，這種表征還要比較抽象，通過具象和實例化能夠變成不同的企業(yè)。

這個企業(yè)模型不是AI大模型，一定程度上和過去ERP底層的模型類似，但要面向AI。

任何時間點它都要是一個企業(yè)全量信息的截面。同時又因為不可能所有企業(yè)都完成充分數(shù)字化，所有任務也不可能完全由AI完成，所以要留有一個動態(tài)的讓人接入的接口。

用Glean來舉例，就是左下connector加上權限等形成的一種企業(yè)表示：

而這套系統(tǒng)要想運轉起來，那么除了一套執(zhí)行系統(tǒng)類比經常說的System1，還需要System2，System3。我們最后說核心的System1。

System2可以看成一個在各個方面需要和人進行交互的界面，核心是注入人類的知識，比如運行的基本策略等等。

System3可以看成是一個對某些物理世界的活動單元進行管理感知的系統(tǒng)，比如你需要配送，那要知道車在哪兒。

System2和System3都需要和人打交道。

System1則不是，System1基本是一個純粹的由AI智能體組成的系統(tǒng)。它消化人的注入，自己也創(chuàng)造知識，同時也完成企業(yè)的核心運營。如果要類比，那在Robotaxi這類系統(tǒng)中這部分完成對所有出租車的調度管理。并一定總是需要3套系統(tǒng)，System1在一段時期會最關鍵。

暫時似乎看不見把這三個系統(tǒng)合并為一，變成一個超大號的端到端系統(tǒng)（可以回看前面兩節(jié)提到的邊界）的可能，如果是這樣，那其實就是模型的歸模型（通用知識和通用智能），應用的歸應用（任務導向的多角色聯(lián)動，權限，物理世界的接入，人機協(xié)同邊界的處理等）。

小結

如果從工具（AIGC等）的角度看模型確實只會看到歸一化，歸一化的結果就是模型即產品（我以前寫的是模型即應用）。如果從知識創(chuàng)造過程來看待模型就會發(fā)現(xiàn)模型也不過就是其中一個環(huán)節(jié)（不能把模型等價為全知全能），這時候顯然的模型不是產品，而是一個部分。更上位的就是智能原生的產品。上面雖然拿企業(yè)端舉例子，C端其實是類似的。

歡迎大家加入AI碰撞局，深入探討AI相關的各種問題，具體請聯(lián)系：shuixiu2024。