新闻资讯
News and information
-
24
12/28
“为什么说大模型可能是软件开发的死胡同？”
虽然“DoescurrentAIrepresentadeadend?”这篇文章意在引发讨论，但其中的某些观点对软件开发人员来说特别具有相关性：“当前的AI系统缺乏与其功能紧密相关的内部结构，无法作为组件进行开发或重用，也无法进行关注点分离或分阶段开发。”本文仅讨论如何将大语言模型（LLM）作为产品解决方案的一部分，而非探讨如何在开发过程中使用AI工具（例如，Cursor和ZedAI这样的AI编码工具）。尽管借助LLM进行特定的软件开发生命周期活动（SDLA）确实面临着一些挑战，但我们开发产品的方式与最终卖给客户的产品通常是有所区别的。因此，在下面的图表中，我们关注的是上面两个部分：来自卡内基梅隆大学软件工程研究所的图片当前LLM面临的问题在于它们像汽车一样被出售——用户需要为整个产品付费，而不能指望将它们作为可组合模块的一部分。汽车的不可分解性不是问题，因为驾驶是一项受到严格控制的活动。即便你能够像乐高积木一样将汽车组装起来，它也不会被允许上路。这大概正是大型科技公司所期望的——他们希望卖给你一个完整的产品或服务，而不是一系列可以轻松被他人进行构建的可组合部件。保持LLM的神秘感有助于维持其高价值地位。LLM的运作模式违背了计算领域的一个基本原则，即任务应当可以被分解。这违背了计算领域的一个基本原则，即任务应当可以被分解。一个高效的软件组件，无论是自行开发还是外部采购，都应由可进行单元测试的代码构成。这些组件必须能够与其他组件可靠地协同工作。即便某个产品采用了Oracle数据库，我们依然能够明白在概念设计层面上是存在数据持久化的。在决定使用哪种类型的存储技术时，测试机制已经准备就绪了。同时，数据库技术在不断创新，但客户永远不会认为存储厂商在某种程度上控制了软件。在学术界，可分解性的缺失往往与可解释性的缺失相伴而生。我们可以归纳出其他与LLM在交付软件中的商业问题相关的因素。我们无法将LLM的行为与训练数据分离。目前，我们无法将LLM的行为与训练数据分离。我们知道LLM是经过训练的，但训练过程通常是不公开的，而结果却被期望能够被“原封不动”地接受。这种对组件“腌制”的期望在烹饪中或许可行，但在软件组件开发中却并不适用。安全和隐私问题成为关注点，因为我们缺乏可靠的途径或方法来防止LLM泄露某些敏感信息。我们无法从外部干预神经网络，向它解释哪些信息是私密的，哪些不应该被泄露。法律所有权问题依然很棘手。我们可以证明冷计算的操作结果是可重复的，在输入相同的情况下会得出相同的答案。然而，由于LLM携带着无法摆脱的训练“包袱”，我们根本无法证明它们没有侵犯现有的知识产权——而实际上，它们很可能已经侵犯了。那些致力于减少碳足迹的公司正朝着与LLM厂商相反的方向前进，而LLM厂商需要惊人的计算资源来获得递减的性能改进。本文并不是要讨论如何使用LLM来辅助开发，也不是关于向终端用户提供LLM工具。我使用的文本编辑器内置了某些形式的AI功能，但这些操作没有任何保障。我们都知道这些通常是走过场的功能——某些必须出现在产品中的“噱头”，而并非核心组成部分。我认为LLM作为服务被引入产品的前景不大，除非LLM本身就是产品。鉴于前面提到的原因，我认为LLM作为服务被引入产品的前景不大，除非它本身就是产品。但即便如此，这对任何企业来说都是一个巨大的陷阱。当Zoom创始人EricYuan提出在Zoom中引入AI替身代替与会者参加会议的想法时，理所当然地遭到了嘲笑，他认为这种能力会在“技术栈的底层”自然而然地出现。将重大创新外包给了LLM厂商，实际上是将自己的产品路线图交给了另一家公司掌控。软件开发人员应该如何应对那么，软件开发人员应该如何应对？我们都明白，一个组件应该有明确的职责，应该能够被替换，并且能够与其他组件一起被测试。如果是外部组件，也应当遵循相同的计算标准——而且我们应该能够依据这些标准来重新构建它们。我们不应因追求短期的热度而轻易改变游戏规则。关键在于要设计一个能够为企业提供所需功能的流程，然后开发一个平台，以可持续的方式让开发人员进行构建。作为开发人员，我们应当保持开放的态度，拥抱真正可解释、可测试的AI。作为开发人员，我们应当保持开放的态度，拥抱真正可解释、可测试的AI。如果涉及训练过程，这个过程应当是可监控、可报告、可重复、可解释且可逆的。如果我们发现LLM认为某件事是真实的，而实际并非如此，那么必须能够通过一系列明确的步骤迅速进行修正。如果这样的描述没有意义，那么目前基于LLM的计算也同样没有意义。但理论上，我看不出为什么未来不能改变这一现状。我担心的是，这种差异就像是科学与圣物信仰之间的对比。我们可以进行一系列不可行的实验（如果将圣物切成几块，这些碎片是否依然保持其神圣性？），但不应该期望这两个领域会有任何融合的可能性。本文来源：博客园文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
12/28
AI到底有没有护城河？
文太平洋科技倒是没想到，12月过半，各家大模型厂商和在冲刺KPI似的，好消息一波接着一波。前脚大模型六小虎之一的智谱刚完成新一轮30亿的融资；后脚字节跳动发布豆包视觉理解模型、快手可灵1.6正式上线。如果说2023年是大模型元年，那2024年就是AI的应用年。从深度推理成为主流、AIAgent成新风口，多模态模型竞相出现，AI产品迭代速度之快，以至于我们常常忽略，从爆发至今，国内AI领域的发展其实还不到2年。AI一年，人间十年。但这个被视为互联网变革级别的产品，却至今都还没迎来爆发时刻。算力不是护城河直到今年上半年，国内市场聊大模型发展，最核心的决定要素和关注焦点还是在算力。百模大战如火如荼的那一年，想通过卷参数来迅速占领市场份额，曾是如今走在前列的几个大模型的来时之路。但从今年开始，关于国内外大模型卷不动了的声音越来越大，特别是下半年以来，我们已经很少听到哪个大厂又推出了什么大模型，这并非意味着百模大战就要迎来终局，而是各家大厂正清楚地意识到，随着整个行业的快速迭代，仅靠算力和参数规模的提升已经难以真正超越同行。再加上大模型的训练和运营需要大量的算力和资金投入，且这种投入需要持续进行，这对现阶段还难以走通商业模式的大模型厂商来说，显然是一大挑战。以字节为例，据证券时报报道，仅2024年，字节在AI上的投入就达到800亿元，几乎达到了BAT三家资本开支的总和。最新消息显示，其2025年资本开支将达到惊人的1600亿元，其中约900亿人民币将用于AI算力的采购。就连ChatGPT也一直被算力紧缺所困扰。澎湃新闻曾报道，微软用几亿美元，耗费上万张英伟达A100芯片打造超算平台，只为给ChatGPT和新版必应提供更好的算力。不仅如此，微软还在Azure的60多个数据中心部署了几十万张GPU，用于ChatGPT的推理。实际上，从长远角度来看，算力并不能构成真正的护城河，它更多地体现为硬件层面的核心竞争力。众所周知，谁的算力更强，训练语料更丰富，谁的模型表现就更好。算力依赖于GPU性能和数据中心建设，训练语料依赖于公开的数据集。但归根结底，两者都取决于经济实力。早在去年，谷歌内部讨论如何应对ChatGPT时，就有工程师表示：“我们没有护城河，OpenAI也没有。”他认为，即使谷歌全力投入，可能也赢不了这场AI竞赛。不仅谷歌赢不了，OpenAI也赢不了。图源：全球知名半导体行业研究咨询机构SemiAnalysis其中他指出，开源AI模型发展之迅速，使其很难形成强技术壁垒，即使现阶段其大模型的数据质量仍然稍有优势，但差距正在惊人地迅速缩小。特别是开源社区的创新和快速迭代能力，使得Google和OpenAI难以保持技术优势。目前AI行业想要获得领先优势和垄断利润，极其困难。这也是目前国内大模型的现状，各公司的模型有强有弱，但是核心功能普遍同质化，替代品很多。模型之间的差异性目前看来并不具有决定性。某厂商推出的新功能，其他厂商可能很快就能赶上。Kimi最初虽然自己没有内部数据，靠的也是调别人的搜索结果，但靠着长文本，也成功进入了国内AI大模型的第一梯队，但如今长文本已然成为大多数AI搜索产品的基本能力。而值得注意的一点是，训练材料容易来着同一个池子，大家都能用。文小言跑的是百度的数据，Kimi也能获取。这就会导致个别大模型在算力和训练语料上的竞争优势也在减弱。《大模型落地与前沿趋势研究报告》就直接表示，互联网时代应用有很多关键要素可以构建护城河，包括数据飞轮、网络效应、迁移成本、规模效应、用户心智等，但已经不再适用大模型的业务模式。目前为止大模型的业务模式仍没有清晰护城河。AI应用想要跳出包围圈下半年开始，AI领域的关键词开始从“模型层”落到“应用层”。华尔街明星基金经理CathieWood曾表示，基础设施建设的阶段，硬件厂商往往表现出更大的增长空间，但一旦这个阶段完成，市场的关注点就会转向软件，转向应用。过去一年，国内各家大模型厂商在通用场景的模型能力其实是缺乏辨识度的，虽然细分技术方向众多，例如Kimi早期的长文本，AI搜索产品主打的深度推理、近期开始起风的多模态，包括最近热门的视觉大模型。但同质化严重早已是AI产品们头顶高悬的达摩克里斯之剑。12月18日，豆包视觉理解模型正式发布，主要聚焦在图片内容识别能力、理解和推理能力以及视觉描述与创作能力上，媒体声量轰轰烈烈，但事实上就在两天前，Kimi才刚刚发布了Kimi视觉思考版，针对的还是基础科学领域的图片理解、推理能力。正如上文所述，既然技术上没有护城河，那如果从应用场景角度进攻，能否找到破圈点呢？大模型始终是个底座，想要真正看到爆发点，是要让AI真正和普通人强相关，此前就有业内人士指出，未来能否出现杀手级别的应用，将会是各家决出胜负的关键。正如李彦宏多次强调，“没有（AI）应用，基础模型一文不值。”杀手级应用的出现会带动技术在更多领域的应用和拓展，形成新的应用场景和商业模式。例如，3G网络的发展中，iPhone作为杀手级应用，不仅推动了智能手机的普及，还催生了移动互联网的各种应用和服务。那AI应用能不能催生出下一个iPhone时代，至少2024年，我们还看不到火花。直到现在，网上关于不同AI应用在聊天、文生图、图生视频上的使用体验的测评还是很多，你几乎很难在第一时间告诉别人，同类型的AI产品中，哪个才是最好的。即使作为普通用户确实会觉得AI搜索产品的兴起对原有的搜索体系的冲击非常强，但目前来看，还没有一家公司在市场感知和搜索量方面展现出压倒性的优势，形成类似“不懂就百度一下”或“遇事不决小红书”的强势心智占领。尽管AIGC技术在某些领域取得了进展，近期快手就联手贾樟柯、李少红等国内知名影视工作者，与AIGC创作者合作，用可灵生成电影短片；在独立游戏领域AIGC也已得到广泛应用，部分大型游戏公司正开始逐步推进工业化的AIGC美术流程。但整体上AIGC仍处于发展阶段，生成内容的质量、稳定性和可控性等方面仍存在不足，再加上AIGC的应用场景相对有限，且多为辅助性工具，未能形成独立且广泛的应用场景，难以满足大规模用户的需求。而即使落到硬件端，以手机大模型为例，也不免出现同质化的情况。目前，AI手机在实际的AI体验上，主要变化还是在语音交互、图像处理和通话增强。为了实现所谓的AI手机，几乎所有头部手机厂商都在对语音交互进行升级，号称要将之前的语音助手打造成更智能的AIAgent，除了智能对话之外，信息检索、文本创作、文生图这些已经是豆包、Kimi等AI助手的基本操作的功能，也成为了AI手机的噱头之一。但正如创新工场联合CEO汪华所言，现在整个AI才出来一年半的时间，大家就指望AI的产品形态就被探索出来，再快，也快不到这个地步。真正做应用，从明年初才有最基本的基础。商业化着急不得事实上，AI应用之所以受到如此重视，一个重要原因是市场亟需看到AI技术能转化为可落地的商业模式。随着大量资金涌入AI领域，投资者对AI项目的回报要求越来越高。他们希望AI企业能够尽快实现技术的商业化应用，以实现投资的增值。今年9月，红杉资本合伙人PatGrady才指出，红杉资本在人工智能领域的投资重心正在向应用程序开发倾斜。他表示，红杉资本预计未来数十亿美元级的人工智能公司大多数将来源于应用层，而非传统的基础模型构建。这一转变预示着，未来我们也将看到更多技术创新与实际应用结合的AI应用。值得注意的是，据智能涌现独家消息，有知情人士透露，虽然豆包的用户规模在过去几个月有所增长，但和行业里所有AI对话形态的产品一样，其在使用时长、打开频次及商业化潜力上仍不够理想。文章指出，字节管理层判断AI对话类产品可能只是AI产品的“中间态”，长期更理想的产品形式，大概率需要更视觉化的用户体验、更低的用户使用门槛。因此，字节已经提升了即梦的产品优先级，尝试用新的路径打造AI时代的“抖音”。该消息暂未得到字节回应。众所周知，在AI产品的开发应用上，字节并没有先发优势。2023年8月，豆包正式推出，这距离百度在3月发布文心一言，已过去近半年。但靠着实打实的钞能力，豆包APP11月份的月活已经达到近6千万，保持10%以上的增速。目前，在国内AI原生应用（APP）中，豆包早就是遥遥领先的第一名，排在其后面的是1299万月活的文小言，1282万月活的Kimi。（数据来源：AI产品榜）截至今年10月，国内AI原生应用（APP）中，豆包以1.08亿的累计下载量位居第一，第二名是累计下载量为2260万次的文小言。而在今年2月，豆包的访问量也才173万。短短三个季度，MAU就翻了近35倍，作为目前国内用户最多的ToCAI产品，豆包的用户增长空间应该是更大，而非不够理想。如果仅从盈利模式来看，AI搜索类产品能触及的模式无非就是付费订阅和广告。前者的市场在国内一直以来就是出了名的难走通，为强行增加adload显然也会极大的打击到用户的使用体验。想靠对话类AI产品来赚钱确实有一定压力。文章指出，豆包的对话轮次、时长等关键指标仍然不够理想。但事实上，不管是AI搜索还是其更高形态的AIAgent，这种工具类提效产品对大众消费市场来说本就不算刚需。一定意义上来说，AI搜索类产品作为生成式大模型在C端落地后最拿得出手的产品，其更大的作用是样本收集场景，而不是赚钱的场景。对字节来说，在对话类产品中去强化自身语料、文生图训练的能力，形成生态链，为后续以更加体系化的方式为字节的AI生态打开更大的商业空间才更具生命力。只要有活跃的用户、有可持续的使用价值，AI对话类产品的重要性就仍然存在。而事实上，纵观目前其他对话类产品，字节的友商们也没那么着急去把对话类AI当作商业化的重要组成。此前百度副总裁、移动生态商业体系负责人陈一凡在谈及生成式AI的商业场景时就曾表示：“我们没有那么着急地要把所有流量在一时间都释放出来，我们希望真正满足用户的需求，所以我们的机制也会升级，会把整个问答的内容质量和整个智能体对话的质量作为排序里的重点，只有先满足用户需求，才能更好地满足商业需求。”。回顾上一代移动互联网级别的创新，从2008年APPStore的推出为移动应用提供了平台，直到2012年手机操作系统生态圈全面发展，智能手机规模化应用才真正爆发。移动互联网这条路走了5年，而如今AI技术只用了不到2年，就已经让我们看到了质的飞跃。或许2025年，我们就能看到下一个iPhone时代拐点的到来。本文来源：博客园文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
12/20
测测 App 创始人任永亮：一个行业需要与 AI 保持合适距离
一个行业既不能离AI太近也不能离AI太远。「一个行业既不能离AI太近也不能离AI太远。」——心言集团创始人、董事长兼CEO任永亮在科技飞速发展的当下，AI已如汹涌浪潮席卷各个行业，重塑产业格局与发展路径。企业的发展与AI的关系也在深度影响着企业乃至整个行业。那么，如何结合自身发展做到AI与产业的深度融合？这是一个在考验着千千万万企业的核心问题。本次量子位MEET2025智能未来大会上，心言集团创始人、董事长兼CEO任永亮就「从泛心理行业看垂直行业如何AI化」这个话题分享了他的经验见解；并凭借其在泛心理行业十余年的深耕经验，尤其是通过测测App的探索实践，对行业与AI的关系形成了深刻洞察：一个行业既不能离AI太近也不能离AI太远，方可在新时代稳健前行、持续创新。任永亮，毕业于北京大学医学部和软件与微电子学院，后期获得CIIS应用心理学硕士学位。本科期间发表多篇生物信息学论文，后曾在IBM担任智慧医疗领域专家，泛心理行业创业10余年，对于AI有深入的理解和认知，具备多个行业的AI创新经历和落地经验。2011年，任永亮创办北京力拓飞远科技有限公司，后战略升级为「心言集团」。2013年，推出核心产品测测App，通过情绪疏导等服务帮助用户释放心理压力，累计为4000+万用户带去治愈的力量。2019年，心言集团开始进行AI尝试，先后推出了「AI与人工相结合」的情感倾诉、情绪疏导、心理科普、心理测评及报告、社区互动交流、3D心理沙盘等服务及替代型心理服务工具。2024年，心言集团自主研发的垂类模型——心元大模型，正式通过国家网信办备案，是情感疏导与陪伴领域唯一获批大模型，标志着对话式语言模型技术在国内泛心理应用场景的首次着陆。冲击与变革并存大模型技术突破宛如重磅炸弹，瞬间引爆行业变革。任永亮谈到，困扰心理行业多年的技术难题，如语言理解、智能交互精准度等，在大模型强大能力面前迎刃而解。这股力量为行业开启全新发展窗口，拓展创新空间，注入无限可能，这样为他们带来了无比大的冲击与震撼。但兴奋之余，忧虑随之而来。ChatGPT等巨头崛起，引发整个行业对被替代的深切担忧。知识内容是否会被吞噬、核心竞争力是否会被瓦解等诸多焦虑笼罩着创业者。近忧与远虑共思在当今AI技术浪潮下，产业与AI的距离的权衡问题是值得重视的议题。任永亮说道:一个行业既不能离AI太近也不能离AI太远。离AI过近，行业易被技术洪流裹挟，陷入同质化深渊。过度依赖易致企业自主创新受阻、特色磨灭，沦为技术附庸，在激烈竞争中丧失议价权与独立发展根基，于市场波动中脆弱不堪，随时可能被新技术迭代淘汰。若与AI距离过远，企业则似逆水行舟，难以借技术之力提升效率、优化服务、拓展边界。在数字化转型大趋势下，落后于创新曲线，服务品质停滞，业务模式陈旧，终将被追求高效智能体验的市场抛弃，错失发展红利，陷入被动困局。定位和优势共驱测测App在AI化探索和发展的道路上坚守适度原则，在AI浪潮中找准独特航道。一方面，深度融合AI提升效率与精准度。2019年率先上线泛心理问答模型，后引入大模型并结合领域知识迭代升级，近半月活与付费用户畅享AI服务。2024年，自研落地情感疏导与陪伴领域唯一获批大模型-心元大模型；并推出精准AI陪伴功能"AI心情小镇「，以智能交互高效处理常见问题、精准剖析用户心理，提升用户满意度与忠诚度。另一方面，抓住自身核心优势筑牢壁垒。测测APP两万余名专业咨询师构成坚实专业后盾，为复杂深度心理需求提供精准、人性化咨询。依托长期积累的庞大用户群与丰富行业经验，实现技术与资源的共同赋能，打造高品质的服务生态。借AI优化服务流程、拓展服务覆盖，以专业咨询深化服务内涵、提升服务质量，实现人和AI的相互合作、优势互补。正如任永亮谈到的，随着科技的发展，技术迭代和行业变革是时代长河中的必经之路。我们要坚持在创新中求发展，在发展中求前进。相信AI的浪潮为大众会带来越来越多的便捷与机会。本文来源：极客公园文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
12/20
为什么说 AI 落地营销，才是真正的科技平权？
生成式AI落地两周年，为什么营销会成为超级场景？AI提效一切，尤其是时间。不知你是否发觉，如今我们的手机交互、日常搜索、音视频转写、文案与图片视频生成，工作与生活，每个角落，都已经与大模型牢牢绑定。而在产业中，大模型也带来了新范式的可能，就连最依赖创意的营销产业也不例外：不仅大企业如麦当劳用AI创作的青铜器汉堡系列艺术展，康师傅的AI写春联都引发众多讨论；放眼周围，就连地铁、电梯广告中的模特，也有相当一部分都已经被AI替代。然而，此时距离大模型真正被全世界知晓，仅仅过去了两年，其普及速度之快，历史上没有任何一场技术能够与之媲美：三百年前，人类历史进入第一次工业革命，从瓦特1765年获得了第一项蒸汽机专利，到19世纪末全球使用蒸汽机作为主要动力来源，我们花了150年。二百年前，人类历史进入第二次工业革命，从法国人毕克西1832年发明手摇式直流发电机，到二十世纪初电力全球普及，我们花了近100年。技术变革的诞生往往对应着时代机遇的蓬勃喷发、生产力与生产关系的变迁。那么，当大模型变成了一把万能的锤子，我们应该如何去使用它？我们又该如何把握大模型应用的尺度？大模型落地的超级场景又将出现在哪里？不久前极客公园创始人&总裁张鹏，与快手视觉生成与互动中心负责人万鹏飞、快手磁力引擎AIGC产品业务负责人刘路，以及乱翻书主理人潘乱围绕以上话题进行了一场深度复盘。01为什么说营销是大模型落地的超级场景没有人想到，大模型致富的起点，会出现在美股一家差点因为业绩太差而卖身的妖股AppLovin身上。短短一年时间，这家公司的股价就从去年的36美金，增长到如今的338美金，涨幅高达833%，甚至碾压了同期股价涨幅不足两倍的算力之王英伟达。AI营销的前景不仅股民看好，业绩更是惊人：靠着在全球6万款移动应用中，插入通过AI生成各种魔性的试玩小游戏，一年多来，AppLovin的试玩广告的平均IPM提升率已经达到250%，日活用户数更是高达14亿，几乎与全球顶流短视频软件的量级齐平。IDC也对此作出了乐观预测：到2026年，全球AI营销的市场规模将达到1456亿元，并以115%的速度高速增长。但为什么大模型最早爆发的超级场景会是营销？在万鹏飞看来，营销是典型的将AI的左脑与右脑能力综合使用，且有巨大价值空间的场景。在万鹏飞看来，营销是典型的将AI的左脑与右脑能力综合使用，且有巨大价值空间的典型场景。如果将大模型与人类的大脑类比，那么以LLM为代表的语言大模型对应左脑的逻辑思考能力，其智能化水平已经达到了不错的程度且在持续提升，应用案例包括快手的广告智能投放和数字员工功能。而视频生成为代表的视觉大模型则对应着右脑的创意想象能力，目前视频生成大模型的世界仿真能力在快速发展之中，在视频营销内容的生产和互动环节可以带来极大的降本增效收益，应用案例包括快手的女娲数字人和开创平台。在实际产品落地中，AI的左脑能力和右脑能力是综合使用的，呈现给用户的最终体验也是多模态的。而在刘路看来，营销成为AI超级场景的根本原因在于效果可回收。过去的广告产业，一个共识是广告投放后，存在相当一部分无效客户，但如何判断谁是有效客户，谁是无效客户，一直是行业困扰多年的难点。比如「以前大众传媒的时代，在电视媒体的黄金时间投放一个广告，大多数人都能看到，但如何回收广告效果，只能通过人工统计的方式分渠道去看。当互联网兴起之后，品牌广告向效果广告迁移，平台会给出承诺，让广告主看到在这里的转化数据和投放效果。整个行业遵循的是更高效，更精准的方向演进。到了大模型时代，这一过程的确定性变得更高，我们不仅可以用AI进行投放素材，还能用AI生产素材，降本增效同步进行。」体现在快手平台本身，如今快手AIGC视频客户渗透率已达24%，可灵AI的商业化单月流水也已经超千万人民币，商业内容上，磁力开创日均生成的短视频素材数量已经突破10万条以上，各大广告主使用快手UAX也就是智能投放的占比也已经高达一半。效果很好，但担忧也不小。从用户侧来说，大家对AI生成内容的接受度又到底有多高？企业又到底该如何把握翻车与降本增效之间的微妙平衡？02大模型落地营销，AI味儿重要吗？事实上，自2024年以来，腾讯、阿里巴巴、百度、字节跳动、快手等平台型企业一边升级大模型，一边主推AI营销，早已成为市场共识。但应用的尺度如何把握，却一直是业内争议的焦点。以数字人直播为例，部分内容平台态度相对保守，账号使用数字人直播可能会直接被平台封禁、限流，而多数电商平台，以及快手，则对此更为开放与包容。宇宙的尽头是带货，带货的终极形态是直播。阿里生态中李佳琦所属公司美one在今年618期间，于旗下「所有女生」直播间引入数字人直播；京东则根据其创始人刘强东形象，推出了「采销东哥」数字人，进行京东超市的直播。而快手则更进一步，在这里，数字人直播已经成为一条完整的产业链与商业闭环。链条的起点，是快手磁力引擎推出的女娲数字人；中间环节是借此进行直播的各大广告主，于他们而言，技术千变万化，但增长与稳定才是企业经营的衡量指标，数字人成本低、形象好，还能全天候直播最终一环则是通过直播间购物的普通消费者。最后一环，则是在直播间进行消费与互动的用户。商业逻辑链条很完整，但现实落地究竟效果如何呢？现如今，在数字人直播这一链条上，快手的爆款案例层出不穷。比如，在快手，算上老板本人也仅有三位员工的瑜伽店，不懂任何技术的前台，也可以通过根据教练形象打造数字人进行直播实现精准引流，获客效率提升十多倍。还有土豆擦丝器厂家，通过数字人直播，一天时间就卖掉了过去一个多月的库存，效果广告消耗高达五十多万。类似的案例，还出现在内容生成环节。在快手，有体育赛事内容客户，通过AI将比赛通过AI总结，每日生成几十万量级的内容，广告引流效果增长飞快。为什么同样用AI进行营销，有人流量增长十倍，也有广告大户没有取得超预期效果？潘乱认为，效果究竟是翻车还是互相成就，取决于我们如何定义大模型：目前大模型行业，没有出现1000W+日活的AI原生产品，那就说明AI只是个工具。就像2020年初Clubhouse如流星划过，但现场音频活动功能留在了Spotify、Discord和TwitterSpaces里。再比如2016年春节映客直播爆发引发国内的千播大战，但是风口过去用户最多观看直播的场景是在快手、抖音和视频号里。也就是说，大模型的使用应该结合场景。而在营销行业，广告分为品牌广告与效果广告，不可混为一谈：AI营销用于品牌广告，那么相比人类艺术家的创作仍有一定差距；但是对于效果广告而言，效率、点击率、转化率的重要性则排在艺术效果之前。至于被用户一直担心的大模型幻觉困扰，在万鹏飞的认知中，它其实只是当前大模型的一个内在特质。只要为其找到合适的场景来应用，这个特质就可以变成大模型的优势，比如在快手，用可灵AI生成山海经中异兽，就充分调用了大模型的想象力，来还原现实中并不存在的瑰丽想象。但营销+AI的能力仅限于此吗？03营销的新时代与AI带来的科技平权1913年，这一年的汽车产业，迎来了发展史上的决定性时刻。这一年，福特汽车公司开发出了世界上第一条流水线，通过将汽车生产分解成一系列标准化的步骤在流水线上依次进行。一部汽车的组装时间，从12小时28分钟缩短到了93分钟，生产效率提高800%。而伴随着效率的提升，汽车生产的成本也随之大幅下降，福特汽车迅速风靡全球，汽车从奢侈品变成日用品。全球制造业，自此进入生产大分工时代。工作流程的变革，往往会带来比加班，甚至比先进工具本身更大的效率提升。营销之于大模型，正是如此。广义的营销可以分为经营与销售，大模型不仅帮助销售，更在赋能甚至变革经营本身。伴随着可灵、女娲等工具的成熟，广告主本身将掌握越来越多且越来越低成本的内容生产以及投放能力，具备知识有私域知识的团队会加速成长。而广告公司也会更多的回归广告行业的本质——创意与洞察。万鹏飞总结「AI生成只是获得内容的一种方式，而内容是通过消费和转化而产生价值，内容的质量很大程度上决定了后链路的价值。目前AI生成的内容在质量上还有很大提升空间，我们只摘到了一些低垂的果子，未来会有更多的果子可以摘。」比如，流程变革与工具能力增加之后，企业的运营边界也会自此扩张。比如过去没有出海能力的企业，可以借着大模型能力，完成全球各种语言的个性化营销，一次广告制作，可以通过AI改变主播形象、语言，进行不同类型的客户投放……更深一层的意义，大模型的意义在于，让所有企业真正意义上实现科技平权。观察了无数在快手上进行创业，以及通过磁力引擎赋能营销的案例，刘路发现，未来轻创业会成为一个更大的可能和大趋势：「过去在电商的平台公司出来之前，做电商这件事情是复杂的，或者说开一家店是复杂的。我们需要考虑怎么选址、怎么去拿到流量，怎么去维护我的产品，线下的供应链怎么做。但是有了这些电商的平台沟通之后，这个事情更变得简单了。而未来，AI的介入，会让这个事情更简单。尤其是针对后链路相关行为，比如说我爆品怎么选？投放怎么做，全都可以交给AI、交给快手的磁力引擎智能化完成。」「那时候，大量出现只有1-2个人就能做起来的流水百万、千万公司，越来越多的人能够以更轻的投入，做出更有竞争力的产品，并且能解决用户的需求和问题。」小公司凭借创意也能完成商业的闭环；更好的产品借助AI的力量被看见，更多的人只要发挥长板就能用AI补足短板……科技平权带来的，是一个正在蓬勃爆发中的时代机遇。本文来源：极客公园文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
12/13
没有AI思维比缺乏AI工具更可怕
传统企业如何打造AI能力？当前各种各样的AI产品可以说是非常的火爆，品种及功能之多可以说是让企业挑花了眼，看似热闹的场景，但相对于企业的应用落地场景而言却十分的有限。特别是传统企业，最近老杨一直在接触一些AI产品、解决方案，每天也在抽时间研究AIGC，试用一些AI产品，比如在试用了文生图产品后老杨感慨：取代你的不是AI,而是会使用AI的人！AI技术如此发展下去，很快很多行业、岗位真的要被颠覆了，甚至一些个人爱好由此可能被改变，比如老杨酷爱摄影，但自从用了AI文生图以后，感觉老杨心爱的单反相机估计都要吃灰了，下图就是老杨通过AI产品生成的图片：那么在AI技术高速发展的今天，传统行业该如何拥抱AI呢？老杨认为在传统企业里领导没有AI思维比缺乏AI工具更可怕。为什么这么说？首先我们来谈一下当前传统企业应用AI的一些困境与痛点：第一，AI产品太多，不知道如何选，易盲目选，造成应用效果不佳；第二，AI产品的功能应用场景多样化，但企业员工缺乏相关的专业的系统化的培训，缺乏应用指导，处于不会用的状态；第三，个别岗位员工由于担心工作会被AI取代，而消极抵抗，处于恐惧AI不想用的状态；第四，一些场景领导及员工由于担心AI的输出内容是否正确，处于不敢用的状态；第五，企业员工虽然很积极的试用了一些AI产品，但由于方法不当不会用，导致结果差强人意，对AI产品持质疑态度，所以在后期引进方面担心产生的价值远不及预期处于观望状态；第六，在AI建设方面，由于企业工作场景的多样性，导致市场上的AI产品在应用上缺乏案例参考，同时在建设过程中又缺乏正确的方法论支撑，纯粹靠企业摸索，可能还会成为AI产品厂家的小白鼠；第七，企业缺乏AI应用人才，同时缺乏与之配套的人才培养体系，仍旧将AI划归与传统的技术范畴，认为应用AI还是相关技术部门人员的事，对AI的认知在意识上不足、不正确；第八，由于大部分传统企业缺乏AI方面的专业技术人才，对AI应用过程中产生的技术问题完全依赖于第三方，这在一定程度上导致其相关功能及应用场景受限，难以发挥价值；第九，当前对于AI产品，在引进应用方面大部分的传统企业缺乏从立项、实施、应用再到风控、评估等系统化的管理方案；当前一些企业在积极拥抱AI，不仅有思想上的，也有行动上的，比如有营销行业的公司已经通过开源软件构建了自己的应用大模型，在产品设计、客户服务管理、直播销售等场景上取得了不错的成果，而对于传统行业老杨所担心的是一些企业领导对AI的过度解读，就如做数字化一样有太多的“想当然”，一些企业领导缺乏对AI的认知，认为AI无所不能，有的企业领导甚至认为引进了AI就可以先把一些高薪岗位优化，以此来实现所谓的“降本增效”，比如某企业领导就曾说：公司引进了AI，就可以把程序员都干掉了，让AI帮我们写程序！我们想要什么就马上设计出什么来！这种想法可行吗？理论上可行，但需要很长的时间才能实现，但如果领导的管理逻辑是混乱的，那么AI设计出来的也是智障软件！那么至于多久？未知！可能是明天，也可能是明年，甚至是更长时间！当前在AI技术的利用上，部分企业领导存在和传统经验管理一样的投机意识，总想在技术上取巧，但最终弄巧成拙！因为AI并非如芝麻开门那般简单，不仅需要应用者像AI一般思考，更需要一个长期训练的过程，才能得到想要的结果，因为AI产品也需要一个不断学习完善的过程，虽然现在市面上生成式AI产品很多，在某些场景取得了不错的效果，比如在公文写作、文创、产品设计方面，但相对于企业复杂的应用场景生成式AI的可应用范围仅仅是冰山一角。为什么传统企业的业务场景短时间内很难应用AI？其中最主要的原因就是一个管理场景的复杂性。一些企业做了知识管理大模型，可以快速的实现历史知识的文档的快速查找，比如传统需要几个小时才能在海量文件中翻找出来的文档，利用AI大模型工具几秒钟就可以解决，广泛应用于营销客户、维护维修等场景。其实对于企业管理场景而言这是最简单的应用，但实现起来却需要大量的基础数据做为支撑，且对数据的完整性、准确性要求极高，应用呈现效果可能只有几秒钟，但前期收集、整理知识文档、制定相关标准、清洗数据可能要花几个月甚至更长的时间，因为AI产品也是基于数据制定规则来最终呈现结果的。如果企业提供的文档数据残缺不全，那么最终花费高额代价做的AI大模型也会变成“人工智障”。最简单的知识文档大模型尚且如此，如果再复杂的生产管理场景想实现AI智能化估计就更难了，因为对于大部分传统企业而言，管理的随意性太强，而最最关键的是企业领导及员工总是难以沉下心来提升对AI的深度认知，总是期望AI产生“点石成金”的奇效，以此来改善日常工作中的各种问题，总是在思想上懒惰，在意识上希望“勤奋”的AI能代劳其全部的工作，而不愿在工作模式上做出改变，其实AI时代缺乏的并不是技术，而是能力，一种利用AI技术+创新的能力，能否具有驾驭AI技术的能力，是当前每个传统企业都要面临、都需考虑的问题，否则AI技术极有可能成为管理的背锅侠。所以老杨认为当前企业里领导没有AI思维比缺乏AI工具更可怕。那么传统企业如何打造AI能力？除了在认知上提升，老杨认为组织能力非常重要，在一次问卷调研中老杨发现有近68%的企业表示从未考虑过是否设立与AI相关的组织或岗位，近25%的企业表示准备设立，从中我们不难看出大部分的企业在AI应用方面还是非常谨慎的，并未成立专业的组织来应用推广AI技术，这也将直接影响AI技术在企业的应用效果，所以若想真正应用AI、落地AI必须在组织管理上下功夫，成立专业的AI实施与应用组织。同时在在推广应用策略上应采取单个应用场景突破，小切口试水，取得效果后再大面积推广的策略，避免贪大求全，在技术上踩坑，浪费成本。综上所述，AI不仅是一种技术，更是一种能力，是先进技术+创新思想的结合体，是未来企业管理的趋势，但目前大部分的传统企业仍是读不懂、看不透、不敢用、不会用，先进技术变成生产力仍需时日，先进技术在传统管理中仍难体现价值，因此企业需要的不仅是技术，更是技术与业务融合的管理转型，否则AI又会背上企业管理的锅，成为下一个名副其实的背锅侠。本文来源：虎嗅APP文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
12/13
喊着干掉网站和app的AI公司们，却在豪掷数亿疯抢网址域名
这是地球上最好的域名。”——马斯克如此评价x.com。2017年，他花费500万美元从paypal手中重新买回x.com，后来他买下的社交媒体平台Twitter更名重塑为X。七年后的今天，随着AI浪潮的崛起，域名争夺战再次升温，而金额更是水涨船高：一家名为Friend的AI初创公司为了friend.com砸下180万美元，OpenAI为chat.com更是支付了超过1500万美元......这些投入累计已超过数亿人民币。这些喊着AI最终会干掉一切过时的网站和app的AI公司们，一扭身在为抢夺网址域名豪掷千金。这些公司“身体是诚实的”，哪怕人工智能的新战场上，一个好域名依然价值连城。chat.com：从“搜一下”到“聊一下”近期，OpenAI以1550万美元的天价买下了chat.com，这笔投资乍看上去似乎有些不可思议。毕竟，现在的年轻人更习惯打开APP，而不是在浏览器里一个字母一个字母地敲网址。OpenAI这笔域名投资的背后，折射出的是一场搜索入口的争夺战。在过去二十年，“google一下”、“百度一下”几乎成为了搜索的代名词。而现在，随着生成式AI的崛起，人们开始习惯用“chat一下”来寻找答案。从这个角度看，OpenAI收购chat.com，某种程度上是在下一盘更大的棋：让“chat”成为新时代的“google”。在生成式AI领域，“chat”已经成为一个重要关键词。直接在浏览器输入chat.com就能访问ChatGPT，这种简单直接的体验，对于快速扩大用户基础至关重要。此外，不少用户会把“ChatGPT”错写成“ChatGTP”。这看似小小的拼写错误，却可能导致流量流向其他竞争对手。比如当用户错误输入“ChatGTP”时，页面会重定向到NinjaChatAI，这无疑不是OpenAI想看到的结果。从这个角度看，投资chat.com不仅仅是为了一个好记的域名，也是一种防御性策略。通过提供一个简单、无需记忆复杂字母组合的域名，OpenAI希望能降低用户使用门槛，同时避免潜在的流量流失。有趣的是，chat.com的卖家是HubSpot联合创始人DharmeshShah。据传，他在交易中不只拿到了现金，还获得了一笔OpenAI的股份。成为OpenAI的股东，或许比持有一个域名更有想象空间。Shah本人也不是参与重大域名交易，他曾在2022年以1000万美元购得connect.com，他开发的文字游戏网站WordPlay.com，也曾在凭借直观的域名，短期内积累了1600万用户，他显然对优质域名的价值有着独到的见解。ai.com到底在谁手中？在chat.com之前，还有一个更扑朔迷离的故事：ai.com的归属之谜。这个域名自上世纪90年代中期起属于Google，根据一些媒体的报道，OpenAI在2023年以1100万美元的价格将其收入囊中。然而，这个传言至今未得到任何一方的官方确认。而根据域名经纪商Saw.com的信息，ai.com曾在2021年被互联网开发公司FutureMediaArchitects（FMA）拥有。虽然有暗示说新买家可能是OpenAI，但这一信息始终没有得到确认。目前，该域名处于隐私保护状态，更增添了几分神秘色彩。更有趣的是，ai.com的解析目标像是在玩捉迷藏：它先是指向ChatGPT，后来又跳转到了马斯克的xAI，甚至在一段时间内指向了科技YouTuberMarquesBrownlee（MKBHD）的一段AI视频。现在又重新指向了ChatGPT，这种反复无常的跳转让人怀疑：会不会是域名持有者在玩一场“欲擒故纵”的营销游戏？不过按照马斯克和奥尔特曼的性格，如果真是他们其中之一买下了ai.com，恐怕早就在X平台上炫耀了。毕竟马斯克曾经为了tesla.com花了十年时间和1100万美元，为了x.com也砸下了500万美元。奥特曼也在第一时间在x上宣布了对chat.com的“主权”。.ai：小国的意外之财囤积“虚荣域名”的现象与互联网历史一样悠久，在AI领域烧钱如流水时，有个躺赢选手默默数着钱笑了：安圭拉。这个加勒比海上人口只有1.5万（坐不满五分之一个鸟巢）的小岛，因为手握.ai这个国别域名后缀，躺着就吃上了AI红利：互联网名称与数字地址分配机构（ICANN）在分配国家和地区代码顶级域名时，基于国际标准，将“.ai”分配给了安圭拉（Anguilla）。这种分配方式是按照ISO3166标准确定的国家/地区代码完成的，而安圭拉的代码正好是“AI”。每注册一个.ai域名及续费，安圭拉就能收到140美元。随着AI创业潮的兴起，根据WHOIS数据，截至2023年6月，.ai域名总数达到了248609个，几乎是2022年7月的两倍。而这个小国的域名收入从2017年的100万美元暴增至2023年的3200万美元，占其GDP的10%以上。仅2023年，通过域名注册费用获得的收入就达到了该国政府总收入的五分之一。从Copy.ai到Character.ai，从Jasper.ai到Perplexity.ai，越来越多的AI创业公司选择.ai作为其数字身份。可以说，一个偶然的域名后缀，让这个原本以旅游业和离岸银行业务为主的小岛，搭上了科技革命的快车。据预测，2024年安圭拉GDP增长有望达到6.95%，这在很大程度上要归功于.ai域名需求的持续走高。中国大模型公司的域名布局：我还有PlanB在OpenAI为域名豪掷美元的时候，国内AI公司们正在“曲线救国”。.com域名搞不定怎么办？答案是：有多少个备选方案就注册多少个域名，实在不行，换个方向继续战斗。月之暗面的官网是moonshot.cn，而输入moonshot.com会跳转到johnsculley.com/lander，这个网站的所有者是JohnSculley，就是那位被乔布斯用“你是想卖一辈子甜汽水，还是和我一起改变世界”打动来加盟苹果，后来又把乔布斯赶走的传奇人物，而JohnSculley写了一本讲述企业创新的书叫《Moonshot!》，于是，一切都联系起来了。不过对于月之暗面来说，kimi显然比moonshot更重要。kimi.com、kimi.ai、kimi.cn、kimi.com.cn、kimi.today、kimi.zone、kimi.team，这一系列域名都在月暗手中，主打一个收集宝可梦就要收全套。另外通过whois反查，我们发现月暗还注册了xiaoke.chat、xiaoke.run、xiaoke.team。这是又一个智能助手产品（小可）还是AI+CRM类产品（销客）？智谱AI的域名主打一个实用派，zhipu.com和zhipu.cn都被人用了？没事，zhipuai.cn也能用。除了已上线的产品外，智谱还注册了大模型测评相关的一系列域名（llmbench.cn、llmbenchmark.cnllm-bench.cn），以及个税.online、aiworkflow.cn等域名。比较逗的是智谱的大模型开放平台用了bigmodel.cn，还喊出了用大模型API就上bigmodel.cn的口号，而bigmoxing.cn、guochanapi.cn这两个域名却跑到了阶跃星辰手中，比拼谁的域名更中国风了是吗。Minimax的官网的情况类似：或许想注册minimax.com，一查才知道这域名属于一家德国老牌消防公司。于是他们选择了绕道走，用了minimaxi.com（多了一个i）。另外有趣的是Minimax注册了belloai.cn、bello-ai.cn、aibello.cn这三个域名，而belloai.com为Bello倍罗官网，这是一家成立于2016年专注招聘场景的AI技术研发的创业公司。总的来说从这些案例看来，国内AI公司对域名这事的态度，基本就是一句话：没抢到心仪的域名？不慌，我们有一百个PlanB。人家有chat.com，ai.com，我们.cn照样把大模型做得风生水起。所以，为什么还要买域名？在APP为王的时代，为什么AI公司还在大手笔购买域名？这个问题的答案可能比我们想象的更复杂，但其核心价值：品牌识别和用户信任将始终不变，一个好的域名仍然是企业战略布局中的重要一环。不过对于大多数创业公司来说，性价比可能是更重要的考量。毕竟在这个以用户体验为王的时代，产品力才是真正的制胜法宝。一个天价域名固然吸引眼球，但最终还是要靠真材实料的产品和服务来说话。比如perplexity.ai即便是英语母语者也经常记不住或拼错这个名字，更别提全世界的其他用户了，但作为一个AI搜索引擎，该公司依靠产品力获得了大量用户的喜爱。什么才是最好的域名，也许答案并不重要。重要的是，无论域名多么朗朗上口，终究还是要靠真正解决用户问题的产品和服务来证明价值。值得注意的是，随着技术的发展，域名本身可能也可能迎来变革。语音交互的普及、新一代互联网协议和平台级设备的出现，都可能改变我们访问网络的方式。在这个意义上，今天的域名之争，或许会成为互联网发展史上的一个独特注脚。本文来源：虎嗅APP文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
12/06
AI编程在硅谷杀疯了，但国内还长得出自己的Cursor么
出路在哪里。2024年夏天，经历了3次重大功能更新和40余次功能迭代之后，AI代码编辑器Cursor在北美制造了一场程序员狂潮，并且也随即成为大洋彼岸中国程序员们的编程工具首选。面对强大的GitHubCopilot，Cursor带来的交互方式的变化、使用体感上的创新、对整个程序文件全局补全代码的能力、虽由OpenAI孵化但基座模型弃GPT4而选Claude的决策、快速拿下3000名各领域客户的成绩、以及早在8月就达到的4亿美元估值，都让它成为科技圈热议的焦点。Cursor甚至都不是硅谷第一个走红的AI编程产品，更不是最后一个。今年3月，“AI程序员”Devin引发行业广泛关注，仅5个月后，另一家名为Cosine的AI初创宣称，他们全新推出的AI程序员Genie测试表现远超Devin，8月，集成了AI的强化型代码编辑器Cursor迅速成为顶流，作为VSCode的衍生版本，它在继承VSCode优势的基础上，全面融入AI功能，极大简化了软件开发工作流和编程过程，在它之后，Magic、Bolt、Replit、Supermaven纷纷成为AI编程明星公司的代表，他们各自擅长不同的方向，Supermaven重上下文本长度，Bolt、Replit在工作流上做了更多延展，不仅能设计代码的整体结构，还能够对代码作出全局修改，甚至超出了Cursor的能力边界。据报道，这些公司的总融资额早已超过了22亿美元。AI编程在硅谷逐渐成为最性感的AI赛道，10余家今年活跃的AI编程初创中，已有7家成长为独角兽。然而，与很多领域的“追逐”不同，在AI编程公司席卷硅谷的同时，国内却基本上没有听到过AI编程初创公司的大消息。一位前沿科技领域主流VC的投资人告诉硅星人，其实国内去年一下子也冒出了多家AI编程公司，他们当时梳理完曾经有十四五家。“那些创业团队都在编程赛道上想各样东西，比如代码搜索，比如面对论文进行编程，比如做代码注释，或者代码修复，还有一部分在做纯代码生成，完全对标Cursor。”他称。“但问题是，水平差了很多。”他形容，总体而言这些团队做得代码生成，程度不深。硅星人了解到，去年奇绩创坛投了六家AI编程领域的初创，此后几乎全军覆没，而去年10余家曾短暂浮出水面的代码类团队，今年大部分已经退场。对标Cursor，现实骨感“水平差了很多”的问题，其实是个AI行业常见的问题。在基础模型上，在Chat类的AI应用上，其实都存在中国公司追赶美国对手的现状，但事实上这些赛道还是有融资发生，投资人也能在市场逻辑上自洽。但AI编程有一个很大不同，就是——面向开发者的AI编程产品没有国界。这与那些面向企业的知识库问答助手等产品都并不一样，因为语言、生态等方面的差别，中国和美国差异很大。据硅星人了解，面向企业的知识库问答助手，面向中国和美国客户，面向中文与英文的版本差异堪称巨大。“美国先做出了好产品，国内开发者都会去用，没有太多门槛”。来也科技CTO胡一川指出。于是，水平做得太浅在AI编程的赛道上，就成了第一个问题。达不到Cursor、Bolt、Magic等新贵的身位，这个硬标准如果不能启及，在许多中国投资人眼里，再好的团队也不能吸引到投资。有AI应用团队联合创始人表示，海外市场目前很多类似Cursor的明星产品跑出，本质上是美国资本市场对这类——用海外最好的大模型（Cursor用的是Claude）直接做插件，做成Agent的编程产品非常buyin。客观而言，在模型层面，国内似乎不缺乏比肩GPT4的模型，然而问题似乎不在这里。因为哪怕是同样基于海外模型，目前很多应用的产品完成度和能力都依然欠缺。于是，当国内投资人看AI编程赛道的一个共同逻辑是对标Cursor时，就自然下不了手。上文提到的AI应用创业者表示，他经历过几十次非常类似的交谈，但发现投资人们最终认为，“这个标准国内产品是达不到的”。“现阶段在海外能解决这种IDE生态问题的中国团队尚且看不到。”AIGCodeCEO宿文表示。IDE指的是集成开发环境，指用于提供程序开发环境的应用程序，包括代码编辑器、编译器、调试器和图形用户界面等工具，如微软VS系列问题。他认为，目前中国公司们哪怕想在海外实现Cursor这样的“插件逻辑”，也是遥遥无期。当在技术本身落后时，中国投资人过往的一个常见逻辑是，我们有更大的市场和应用场景，商业化上可以快速跑起来，进而带来应用上的弯道超车机会。然而在AI编程上，商业化的环境也没有比海外好到哪去。“投它（AI编程）就是因为其赚钱。”常驻硅谷的AminoCapital合伙人徐霄羽表示，AI编程火爆于硅谷，背后原因是PLG（产品驱动增长）SaaS模式在整个海外是成立的。徐霄羽发现，她们机构最近3年投资的初创公司，发现并找到PMF的生成式AI公司，比没有生成式AI驱动的公司能节省一半时间达到1000万美金ARR（年度经常性收入），这虽然不能帮助这些公司日后成为谷歌，但足够发展成一个小独角兽体量，其中最典型的例子就是2016年成立，今年跃升成为编程界新贵的Replit。但事实上，哪怕在硅谷当红编程工具如GithubCopilot、Cursor和Bolt，在现实中的产品状态也没有达到强付费点。构建自有编程模型的另一家新贵Magic，甚至都没有发布正式可用产品，他们仍解决存量场景下的存量程序员需求。国内的付费道路更在最早期。国内2BSaaS生态因利润率低不赚钱，因复杂环境成因不起势已是老生常谈，就连李开复日前都说“现在还没有SaaS订阅的妄念”。而且，AI编程很重要的目标群体是互联网公司的程序员们，但大厂倾向于团队自己做生产工具。公开信息显示，阿里云、字节跳动、华为、百度内部都有成熟的AI编程业务，这些业务服务于内部，让外部的创业公司少了很多市场机会，同时这些业务在市场成熟的时候也很可能转身入局，对外提供服务，像当年钉钉与飞书的历程一样，届时创业公司的空间也会进一步被碾压。寻找出路：有人找独特的市场机会，有人认为还是要硬碰硬刘罡是国内最早关注AI+行业方向的风险投资人之一，依循阿尔法公社的“投人不投赛道”的逻辑，作为合伙人的他很早走访到几家很有潜力的AI编程团队，包括其中一家编程方向的项目，团队资质良好，有不错的产品，项目针对B端企业和开发者，但付费很成问题，他们曾找到少数大B客户做私有化部署，但总体“说白了收不上钱”，勉强维持但无法实现快速发展。这一团队于2023年下半年陷入困局，今年伊始，他们坚决转型进入全新领域，开始有了一些不错的营收和业务增量。北京大学长聘教授李戈耶是国内这一赛道最早的闯关人。两年前他创立了aiXcoder，早于ChatGPT问世之前，李戈用比较传统的编程方法孵化这一项目，在IDE（集成开发环境）里做插件，做代码补齐，有些类似经典的知识图谱。2023年起，aiXcoder调转船头拥抱大模型，做大B端和2G端生意，接连获得了几家银行和国企商单，年中预测今年会有6000万左右的营收，和近10亿人民币左右的市面估值。还有高瓴、清流资本和一家汽车产业链基金的加注。“这是中国特有的机会，国内有很多大型公司，自己有比较大的开发团队，它们需要AI编程的辅助，但又不可能用GitHubCopilot或者Cursor这样需要连接云端大模型的产品。“胡一川认为。当下国内绝大部分头部银行、保险公司、和金融行业里的大型企业，都拥有异常庞大的开发团队，小则几千，大则上万，他们的共性是希望运用先进的AI工具和技术，但不太可能使用互联网上的编程工具，出于安全考虑，必须使用一款能在环境里做本地化部署的AI编程整工具。这不仅是AI编程一个赛道的特性，还折射出整个大模型ToB落地的新趋势。胡一川认为，目前很多客户要的不仅仅是你的模型本身，或者AI编程软件，要的是软硬一体化的方案，“要这个东西做本地化部署，需要选择什么样的GPU，怎么在GPU上做训练和推理，怎么高效使用GPU，都需要厂商具备很专业的服务能力。”总之，“AIcoding这里面的角色从设计到开发到测试到发布都有，新的公司想继续走这条路，竞争是非常激烈的，除非他找到了一个非常独特的群体，或者非常垂直的领域，一些通用的产品解决不了的问题，它能够解决，才可能会有机会。”胡一川说。这的确是一种生存思路。最近原月之暗面视频生成产品Noisee负责人明超平离职，他创业的项目也是一家AI编程公司，据硅星人了解，这家公司是走轻量级类似Websim的产品路线，瞄准游戏等场景，（Websim是款仅通过文字描述就可以生成网站的网站，可以生成小游戏和一段音乐，由OpenAI、Anthropic等大模型驱动，如Claude3.5Sonnet和GPT-4o），暂时没有自己的专属模型，要走比Bolt还轻的产品付费路线。与此同时，还是有新的创业者“不信邪”，认为最终的出路还是要与海外最强的产品“硬碰硬”，在能力和模式上通过创新来获取自己的机会。AIGCode的宿文是其中一员。他表示，一些AI编程国内企业做的大量工作是代码测试和代码修复，这都只是进入到了编程赛道，但不算真正在做深度代码生成。“这个真正的工作像吃肉，需要放弃边角料”。他此前在华创资本做投资人。2021年3月离开华创之后，保留了投资合伙人的身份，但几乎是全职投入了创业模式，最终他在今年1月创立AI编程公司AIGCode，获得了两轮融资AIGCode的产品是一个端到端的Autopilot工具，有自己“pre-trainfromscratch”的通用模型，想对标poolside、magic，做大模型时代的产品发动机。宿文告诉硅星人，他把端到端做代码生成定为自己20多人团队的工作方向。“20多人搞不定的事儿，200个人也搞不定，这个赛道的技术人才是非常有限的，有几个人做过预训练又有多少人做过先进且创新的软件架构呢？”20人的规模与他对标的竞争对手，美国AI编程初创Magic的体量相当。从模型和软件架构上去做代码生成，做端到端完成任务的编程工具，并训出自己的模型，与应用垂直结合，最终接管APP工厂里的多个职能，这种端到端完成任务的编程方式，是宿文眼中在编程领域能脱颖而出的唯一方法。在链路管线上分工明确的硅谷，端到端没有必要，但在中国的开发与B端环境里，端到端可能是更符合市场需求的模式。“只有端到端的代码生成或者片段化的代码补齐叫做AI编程”。但这也要求你真的可以做得比硅谷新贵们流程全，做得水平比他们还好。这显然并不容易，和其他同行一样，市场和投资人给他的时间窗口也是有限的。一切都需要加速进行。宿文表示，自己的团队已经把很多先验性东西跑完，目前处于往产品上补全功能覆盖度的阶段，并于最近开启了产品内测。“付费点没到之前，最好的办法是先让用户起来，让产品出来，这个赛道就像南北坡爬山，Copilot已经从北坡先爬到了大本营，我们在南坡还不一样，但大家最终都能登顶。“宿文说。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
12/06
OpenAI进军浏览器，AI正在消灭“网页”，浏览器怎么活？
物竞天择，适者生存。ChatGPT之后，AI改造软件就迅速成为了全球的共识，「人工智能将从根本上改变每个软件类别，」正如微软CEO萨蒂亚·纳德拉所言，而浏览器作为最重要的软件之一当然也在其中。甚至，OpenAI可能也要来了。TheInformation在最新报道中就披露，OpenAI打算开发一款自己的浏览器（Browser），来与Google旗下的Chrome硬碰硬。坦白讲，这条新闻并不让人意外，考虑到OpenAI已经推出了ChatGPTSearch，还有独立客户端（Windows/macOS），就算推出浏览器也是顺理成章的一件事。图/OpenAI问题是OpenAI要打造一款什么样的浏览器？是和大家一样基于Chromium，还是基于自家的ChatGPT客户端？是传统意义上的网页浏览器，还是基于AI问答的全新浏览器？目前来看，短时间内我们还很难期待OpenAI正式推出自家的浏览器，也得不到上述问题的答案。但不管如何，浏览器很重要，时至今日依然是无数人通过互联网看世界的重要窗口，尤其在PC更是最重要的窗口，没有之一。浏览器的AI化，自然也是题中应有之义。（编者注：本文提及的AI化，主要代指ChatGPT之后以大模型为基础的生成式AI化）AI浏览器，才走出第一步作为一种产品，浏览器完全称得上「古老」，基本伴随了整个互联网行业的成长过程，从网景和IE浏览器的王朝更替，到Chrome和Firefox的双子星崛起，再到今天以Chrome为首的一超多强。但与之相对，AI浏览器还只能说是「初生牛犊」。今年1月微软Edge在主流浏览器中率先打出了「AI浏览器」的口号；随后的3月，360创始人周鸿祎也在一场直播中发布了号称AI化升级的360AI搜索和360AI浏览器。图/360不只是Edge和360，今年以来AI化已经成了浏览器的共识。就连一向步骤缓慢的Chrome也没有按耐住AI化的步子，由主导开发Chrome的现GoogleCEO桑达尔·皮查伊在年初宣布引入生成式AI能力。AI化的浏览器带来了体验上质的升级吗？很可惜，还没有。目前来看，大部分所谓「AI化」的效果基本等同于按照一个AI功能插件的效果，以侧边栏、悬浮窗为形式，以网页总结、AI聊天、AI生成文本/图片等功能为主。不能说这些功能没用，但实际带来的体验升级有限，与浏览器的结合也不够深入，完全可以通过安装一个ChatGPT插件、豆包插件、Kimi插件来实现。图/夸克而另一方面，浏览器上变化最大的AI搜索，实质上更接近一个独立的产品和服务，脱离浏览器也完全服务用户，所以这里先按下不表。当然浏览器的AI化也不全如此，比如Chrome年初宣布引入的生成式AI能力中，就专门提到了「标签管理」的AI化，可以运用生成式AI的能力将所有标签页进行智能分组。包括新创浏览器公司TheBrowserCompany，在2月发布的「第二幕」（ActII）更新中甚至为Arc更早加入了类似功能，一键就能用AI组织标签页——根据网页内容自动分门别类并且重命名。此外，作为AI化可能最激进的浏览器，Arc还利用AI实现了搜索直达、书签和下载文件的智能重命名等。但这是少数，大部分浏览器的AI化还停留在表面上，更多还是营销考虑以及FOMO（害怕错过）心态带来的动作。另一方面，浏览器厂商还在进行各种探索和尝试，这些都是需要时间的。不过有一个问题却是浏览器需要共同面对的：如果Web再死一次，浏览器要往哪走？AI正在彻底杀死Web2010年，克里斯·安德森（ChrisAnderson）在《连线》杂志上发表了一篇影响深远的文章——《Web已死，Internet永生》，其中最核心的观点就是App对于网页的大规模冲击。2010年前后，在从桌面设备（PC）转向移动设备（手机）的过程中，互联网用户的内容消费习惯已经呈现出现了明显App化的趋势，开始慢慢习惯用一个个App而非通过一个浏览器浏览不同Web。不过后来的事实证明，Web确实受到了App很大的冲击，但依然有相当部分的消费者使用浏览器浏览网页，尤其是在PC上依然坚挺。另外，还有不少浏览器延伸出了小说阅读、资讯等服务，来吸引和留住用户。但如果说浏览器的本质是浏览网页，那当用户不需要浏览网页的时候，还会需要浏览器吗？图/夸克这是生成式AI时代面对的一种可能，关键变化在于AI搜索正在直接生成答案，而不是引导用户跳转链接去到一个又一个的网页。简言之，如果越来越多用户满足于AI搜索生成的回答，没有必要浏览一个个网页，传统浏览器关于标签页、书签、扩展程序以及关于网页浏览的大部分设计、功能慢慢也就没有了用武之地，「浏览器」这类产品自然会逐渐失去本身的意义。如何面对这种可能？不同玩家有不同的答案。AI正在让浏览器「脱胎换骨」10月，Arc浏览器开发商TheBrowserCompany宣布了一个大新闻——停止Arc浏览器后续的功能更新，未来只会进行基本的稳定性维护。与之相对的是，他们将启动一个全新的项目，CEOJoshMiller坦言：「说实话，我们甚至不确定它能不能称得上是一个网络浏览器。」图/TheBrowserCompany唯一肯定的是，新项目依然聚焦网络浏览，但却是从头开始基于大模型驱动，而非像Arc一样「半路出家」。至于新品到底是类似ArcSearch（移动端）的AI搜索，还是基于问答的全新形态，还要拭目以待。总之按照规划，这家集齐Chrome创始成员、Safari前首席设计师的新创公司将于明年春季发布这款全新的「浏览产品」（姑且称之）。不过相比推倒重来，更多厂商不太可能放弃已有的品牌认知，也不想太过挑战用户的习惯。但即便是在原有浏览器产品形态的基础上进行改良，不同浏览器厂商的判断、能力也有所不同，带来的结果和体验也会有很大的差异。一个核心是大模型。相比大部分厂商没有大模型自研能力，只能选择接入第三方大模型，少部分厂商如夸克、豆包、Kimi拥有自研大模型，有利于实现从底层大模型到应用层的垂直整合，并且根据AI技术的进展、用户数据和反馈快速地进行产品迭代。同时夸克、豆包以及Kimi这三家，在桌面端产品上都不约而同将「AI搜索」——现阶段可能是AI改造最重要的软件类别，视为核心。但除此之外，夸克或许是沉淀了更多产品经验和对用户需求的了解，没有局限于AI搜索以及网页总结等主流AI功能，还集成了一整套信息处理和生产的AI工具，包括AIPPT、AI简历、AI搜题等。图/夸克写在最后时间临近2024年的年尾，AI改变世界的进程仍然存在不少不确定性。包括OpenAI联合创始人、前首席科学家IlyaSutskever在内，一批顶级AI技术专家看来，基础大模型的智能涌现已经碰到了瓶颈。但尽管如此，AI对于浏览器的影响已经不言而喻，几乎所有还在更新维护的浏览器产品，都在围绕AI加入新的功能甚至交互设计，甚至重新改造搜索的体验、获取和处理信息的体验。正如达尔文在《演化论》中反复论证的观点——「物竞天择，适者生存」，AI正在底层改变我们获取信息、处理信息甚至生产信息的方式，而作为我们通过互联网获取信息最重要的窗口之一，浏览器必须适应时代的变化、重新改造，才可能不被用户抛弃。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
11/28
让AI“上天”“入地” 大模型如何打开未来世界
将大模型和生成式AI送到普通人手里，让大模型触手可得。从ChatGPT问世至今，已经过去2年。大模型和生成式AI带给人们的，除了无限畅想，还有理想与现实的差距。即便AI手机、AIPC、AI汽车相继问世；即便随便打开一个大模型，让AI搜集一些资料、扩展一篇文章，已经“SoEasy”，但大多数人仍觉得“不解渴”。用一句话总结，人民群众日益增长的AI理想与AI现实之间存在巨大矛盾。那么，如果从专业角度，该如何评价过去两年大模型和生成式AI的发展?“AI先生”李彦宏11月12日做了总结：“大模型最大的变化是基本消除了幻觉，回答问题的准确性大大地提升，变得可用、可被信赖。”同时，他认为智能体是AI应用的最主流形态，即将迎来爆发点。消除幻觉的一个标志性产品是百度自研的iRAG，将百度搜索的亿级图片资源跟强大的基础模型能力相结合，没有了幻觉，少了AI味儿。比如车企可以用iRAG生成宣传海报，还原真实的车型，再也不用画几十万去拍摄了。再比如马斯克在故宫旅游，不仅马斯克和故宫都能精准呈现，还能将人与场景非常自然地融合在一起。作为国内大模型和生成式AI参与国际竞争的种子选手，百度在AI领域的进展值得关注。11月12日的百度世界大会上，李彦宏就重点介绍了百度大模型和生成式AI的当下进展以及未来空间。陡峭增长，日调用量超15亿北京上班的小徐，最近尝到了AI的甜头。因公司设计人员不多，且集中精力备战双十一，给领导做PPT的任务就落在他头上。可他只擅长文字工作，制作PPT是短板，心里犯怵。经同事点拨，他知道了百度文库可以一键生成PPT，将发言稿全文上传后，就能生成个七七八八，再更换下配图、调整下文字图片大小即可。这可帮了他大忙，接到领导这样的任务，他再也不担心了。百度文库的一键生成PPT功能背后正是百度文心大模型在发挥作用，小徐的每次使用，都需要调用一次大模型。除了制作PPT，用户每一次在百度App搜索智能体，每一次在文心一言问答，每一次用文心一言生成图文都会调用文心大模型。除了C端用户，B端企业用户的数字人、智能客服等每一次服务用户，也都会调用一次文心大模型。这个调用量规模有多大呢?李彦宏透露，截至11月初，百度文心大模型的日均调用量超15亿。这足以表明大模型已经深入用户日常生活。更值得关注的是，日调用量增长的速度。李彦宏表示，百度内部曾讨论大模型的未来，“怎么才叫成了”。他当时说，如果文心一言大模型日均API调用量，一年之内涨10倍，从今年5月初的2亿到明年5月涨到20亿，就认为成了。因为这说明，大家是真的需要。而目前，仅半年过去，就超过15亿，逼近20亿，这条超出百度预期的陡峭增长曲线，正是中国大模型应用大爆发的缩影。此外，文心一言用户规模达到4.3亿。AI从量变迎来了质量时刻。AI需求侧的爆发式增长，离不开供给侧的持续迭代。比如，百度研发了“理解—检索—生成”协同优化的检索增强技术。检索增强是大模型去幻觉，增强答案可靠性的主要路径，即用海量搜索信息指导内容生产，提高准确度。再比如，服务程序员的智能代码助手文心快码升级至3.0版本，不仅功能开发、代码测试、问题修复等能力有所提升，还能实现多个智能体流水线协同，进一步提升程序员工作成效。面向产业端，百度构建了文心大模型矩阵，包括ERNIE4.0Turbo等旗舰大模型、ERNIESpeed等轻量模型，以及基于基础模型生产的系列思考模型和场景模型，满足不同应用的需要。当然，这更离不开百度AI先人一步出发。ALLinAI到李彦宏获评AI先生，百度几乎是国内唯一持续多年在AI领域做投入、开源、人才培养、生态共建的企业。10多年来，百度为人工智能和自动驾驶研发投入超过1700亿，聘请2024物理诺奖得主辛顿、吴恩达、DarioAmodei等全球科技领军人物，使得百度在大模型领域成为真正的扛旗者。打开多个增长通道AI正在重塑百度。除了大众知道的百度将旗下产品全部AI化以外，文心大模型还在至少三个维度为百度提供新的增长动力，由内到外改变这家公司。一是智能体。这被李彦宏看作是AI原生时代，融合内容、信息、服务的新载体，类似PC时代的官网，移动时代的自媒体账号。与智能体紧密相关的是百度的搜索业务，以前用户百度搜索之后的结果页是官网或者其他SEO之后的内容，如今得到的更大概率会是智能体。有何区别呢？以往，用户在百度App搜索比亚迪，通过首个结果进入比亚迪官网，自主浏览、查看。现在，搜索结果第一条是比亚迪智能体，变成了一个类似生成式AI的互动界面。用户可以问某款车型信息，多款车型对比，或者线下门店信息等，智能体可第一时间生成答案，告知用户。这种模式下，品牌与用户的链接更精准、高效。在百度看来，搜索是智能体最大分发入口，智能体的爆发会使搜索成为AI时代的第一入口。数据显示，截至2024年11月，百度文心智能体平台已经吸引了15万家企业、80万名开发者入驻。越来越多的智能体出现，将彻底改变原有的搜索体验，为百度赖以起家的搜索业务带来新的合作模式、盈利模式，打开新的增长通道。二是百度智能云。近几个季度，百度智能云营收增长强劲、持续盈利，正是与大模型绑定的结果。因为大模型，解决了企业客户在AI时代的需求，带动了模型构建、算力消耗、接口调用等需求，并帮助企业客户催生了AI原生应用。最初，云服务是解决企业客户信息化、数字化的成本问题、效率问题，更多属于CTO决策的范畴。后来，各个云服务厂商增加了行业解决方案，将云服务深入到企业经营管理各方面，涵盖了生产、销售、服务、管理等多个环节，帮助CEO解决问题。在AI原生时代，企业客户迫切需要借助大模型工具，实现自身业务的重构。文心大模型与百度智能云结合，让企业客户应用AI、大模型的门槛降低，不仅仅是成本，还包括人员组织等多维度。为实现这一步，百度在文心大模型旗舰版的3.5和4.0版本基础上，推出了5款轻量级/特定模型、AI原生应用开发工具AppBuilder等，帮助企业更低门槛、更高性价比的进入AI原生时代。目前。百度智能云千帆大模型平台已帮助客户精调了3.3万个模型、开发了77万个企业应用。百度智能云也成为中国最大的大模型产业落地云，60%以上的央企，以及大量的民营企业，都在联合百度智能云进行AI创新。三是自动驾驶。自动驾驶是百度面向未来，需要长期培养的增长点。在大模型的加持下，百度自动驾驶技术迭代更快，商业空间更大。今年，百度Apollo发布了支持L4级自动驾驶的大模型ApolloADFM（AutonomousDrivingFoundationModel），可以兼顾技术的安全性和泛化性，做到安全性高于人类驾驶员10倍以上，实现城市级全域复杂场景落地。门槛越低，商业版图越大纵观百度大模型近两年发展，明显朝着“上天”“入地”两个方向发展。“上天”是不断优化大模型技术，持续迭代，提高竞争壁垒。不论从专利数量还是应用规模，百度在大模型领域都走在全球第一梯队。前不久，沙利文发布的《2024年全球AI生态全景概览》中，百度与谷歌、OpenAI等位于AI-NativeGiant（AI巨头）同一序列。“入地”是百度在不断降低大模型应用成本和门槛，让更多人触手可及。除了各种开放平台、开发工具，百度还亲自下场，为高校、企业培养了数百万的AI人才，让AI普及的速度越来越快。本次百度世界大会再次体现了这两点。李彦宏在会上发布了两项新技术。一是iRAG技术。回顾过去两年，李彦宏认为，文字层面的RAG（检索增强生产）已经做得很好基本让大模型消除了幻觉，即用户跟大模型一问一答，大概率能得到用户想要的答案。但在图像等多模态方面，还存在较大幻觉，比如让大模型生成一张某历史人物在某景点的照片，还是存在“一眼假”的情况。要么是事实性错误，如人物张冠李戴，要么是画质“机器味儿”太重，缺乏真实感。?针对于此，百度开发了检索增强的文生图技术iRAG（imagebasedRAG），将百度搜索的亿级图片资源跟基础模型能力相结合，可生成超真实的图片。这项技术拥有广泛应用场景，比如过往汽车品牌要拍一组海报大片，动辄要大几十万，应用百度iRAG，可立刻生成，且成本几乎等于零。这是百度不断“上天”，向技术高峰攀爬的行动。当天，李彦宏还重点介绍了计划明年一季度上线的无代码工具“秒哒”，是百度不断降低大模型门槛，“入地”的体现。“秒哒”可以说，满足了大多数人对于大模型和生成式AI应用的想象，即不需要懂编程，只需要说出想法，AI就能实现和生产所需要的应用。具体如何实现？用户只需对准秒哒用中文描述需求，如需要搭建一场活动的在线报名系统，并上传活动时间、地点等信息。之后，秒哒会自动调取多个智能体、多个工具，实现程序的开发、BUG检查、视觉设计等工作，完成报名系统的开发。也就是说，只要有想法，你就可以心想事成，这也将迎来一个前所未有的只靠想法就能赚钱的时代——点子时代。当一个复杂的事务变得简单化，将是其走向千家万户，占领大众市场的开始。比如微软的可视化桌面系统取代Dos系统，让普通人可以使用原本复杂的计算机。而“秒哒”的落地，意味着将开启一个全新的点子时代，这才是AI真正的价值所在。“秒哒”正是这样一个工具，让每个人都变成程序员，将极大提高AI原生应用的生成效率，带来更多智能体，进一步繁荣AI生态。而百度作为这一生态的主要创建者，未来的获益无需多言。【结束语】作为全世界最成功的快消品之一，可口可乐的成功有其独特配方、成功的营销，还有重要的一条，即建立了全球最大的饮料分销系统。2019年其已在200多个国家建立超30000万个销售网点，覆盖了全球约60％的零售店。这样的结局是，世界各地的人们触手可得可口可乐。当前的百度正在做类似的事情，将大模型和生成式AI送到普通人手里，让大模型触手可得。AI的普及和商业化自此打开，百度更广阔的未来世界也被打开。本文来源：R艾瑞网文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
11/28
低代码赋能企业数字化转型：数百家软件公司的成功实践
在当今的软件开发时代,以新技术助力企业数字化转型已经成为一个热门话题。如何快速适应技术变革,构建符合时代需求的技术能力和业务模式,成为了软件公司必须面对的课题。在这个背景下,低代码技术是如何赋能软件公司,助力软件公司实现业务腾飞?本文将从低代码时代软件公司面临的机遇与挑战入手,分享低代码转型的最佳实践:确定转型战略、探索转型路径以及打造组织能力,助力软件公司实现破局。低代码产业高速发展过去五年来,低代码开发成为软件开发技术的一个热门领域。IDC、中国信通院、艾瑞咨询、低码时代、爱分析等众多国内外研究机构对这个领域非常关注,发布了近百份研究报告。根据这些报告对低代码发展趋势的预测,2023年到2025年中国低代码产业的增速在35%-65%之间,是中国软件产业增长速度的3到5倍,低代码技术正在进入应用普及阶段。企业对低代码技术的实际需求验证了专业机构的预测。我们分析了国内中大型组织在招标中提出对“低代码技术”的需求,根据国内五家重点招投标网站上发布的信息,从2022年到2023年共有411条(去重后)与低代码相关的招投标记录,金额普遍在50万以上,仅仅这些企业在低代码上的投资就已经达到了数亿元规模。同时,从时间维度看,低代码需求呈现显著的增长趋势,从2022年上半年到2023年下半年,招投标的数量增长了8倍。(越来越多中大型企业采购“低代码平台”进行应用构建)开发者对于低代码技术的关注度如何呢?我们选取了搜索指数这个维度进行研究。从2019年至2023年,低代码技术的搜索指数从初始的0搜索量,增长到热门技术JavaScript搜索量的25%,这表明低代码技术已经成为开发者关注的一个热门话题。(“低代码”一词的搜索指数与JavaScript相比较)行业专家、企业用户以及开发者纷纷将目光聚集于低代码技术,显示了低代码技术的巨大发展前景,也预示着低代码将在未来三到五年加速普及,我们正在迎来“低代码时代”。低代码给软件公司带来的新机遇当前,超过95%的应用软件是以编码为主进行开发的,一个中等规模的应用,前期需要投入数百万的成本。在应用构建完成之后,还需要通过市场的打磨和修正,才有可能赢得第一批用户,后续还会面临企业用户复杂多变的个性化需求。在此过程中,软件公司不但要投入巨大的资金和人力成本,还会面临很大的风险。低代码技术的出现能够有效缓解上述压力。与传统开发方式相比,低代码技术具有更高的效率和更低的学习曲线,使得企业能够更快地推出新的软件产品和解决方案,并通过敏捷迭代、快速试错的方式,快速响应市场变化。针对定制化和二开需求,低代码技术能够提供强大的集成和开放能力,结合拖拉拽等可视化开发的方式与业务人员共同协助,帮助实现贴合业务需求的软件应用。对软件公司而言,低代码技术能够带来显著的价值:1.低代码提供先进生产力,帮助软件公司提升利润传统开发模式下,人力成本居高不下,利润空间有限。采用低代码技术,可以大幅降低开发成本、工具采购成本和培训成本,为软件公司带来了新的利润空间。(先进的生产工具带来先进的生产力)以上海格心科技有限公司为例,其使用低代码为宁波爱健轴承搭建了一整套运营管理平台——“智造云”平台。该系统从产品设计、生产装备数字化、生产过程管理、仓储物流、能源利用等多个模块展开,实现了对智能工厂的全面覆盖。整个系统的开发工作量,仅为传统代码开发的1/4。系统上线之后,爱健轴承的生产效率提升了30%、生产成本降低了20%、产品不良率降低了28%、能源利用率提升了11%,产品研发周期也缩短了37%。凭借该系统,爱健轴承成功入选“浙江省第二批智能工厂认定名单”,并荣获全球领先的IT市场研究和咨询公司IDC所颁发的FutureEnterpriseAwards未来运营领军者。2.帮助软件公司深度服务于企业数字化需求,促进业务发展传统的信息化建设通常以外包、外采的方式为主,在框架、主数据和应用创新上都有明显不足。如今,面对激烈的市场竞争环境,企业对数字化应用的深度和广度都提出了更高的需求。企业更加注重统一平台的建设,希望实现更高效的数字化转型。同时,企业对自主开发和可控性的需求增加,渴望能够自主构建数字化基座,并能够自主决策未来数字化发展的方向。在新的形势下,软件公司不能继续满足于只为甲方企业进行项目交付,而应该更深度地服务于企业数字化需求。对于有意引入低代码的企业,软件公司可以从多个方面更好地服务客户:·推动低代码立项,帮助客户准确分析企业现状、明确项目目标和制定选型评估计划;·帮助企业建立符合自身实际情况的低代码技术规范,如技术管理规范、设计规范等;·帮助企业深化数字化转型,如数字化人才培养、项目落地咨询、协同开发等。这样的综合服务,不仅能帮助企业构建稳固的数字化基础,还能助力客户在低代码时代中取得更大的成功。软件公司通过提供全方位的咨询和解决方案,能够与客户紧密合作,通过持续的创新帮助客户实现数字化发展目标,共同推动数字化转型的成功,创造更大的价值。开启低代码转型的最佳实践过去五年来,葡萄城与三百余家软件公司深入合作,共同探索低代码转型的路径,我们亲身经历了一家家软件公司借助低代码技术实现了业务的腾飞,也很遗憾地看到一些软件公司走过的坎坷历程。回顾这些经验和角度,我们梳理总结出软件公司实现低代码转型的最佳实践,其中包括了指导思想、关键步骤、时间规划,以及大量的文档模板和培训资料。限于篇幅,本文只简要介绍其中的关键步骤,具体包括:确定转型战略、探索转型路径、打造组织能力。1.确定转型战略确定转型战略可以从低代码战略负责人、低代码在公司发展的定位和低代码代码选型指标三个维度来考虑。低代码战略负责人:转型战略需要由软件公司技术副总以上的高层来制定,而非仅由开发人员或部门经理负责。转型战略也需要在公司管理层达成共识,这样不仅可以保证软件公司从应用、技术、成本等多个角度全方位评估低代码的价值,同时还可以制定出更适合自身发展的战略,帮助企业更好地把握低代码转型机会。低代码在公司发展的定位:把低代码定位为公司技术能力发展的长期技术栈,而非临时项目或实验项目。低代码开发平台拥有巨大的潜力和优势,能够极大地提高开发效率和灵活性。通过将低代码技术纳入公司的长期技术战略,将能够帮助企业实现持续的创新和增长。低代码选型指标:建议基于公司长期规划遴选评估项目,在覆盖全场景的同时,还要关注低代码技术与现有开发团队、项目管理方式的兼容。基于我们的实际从业经验,并参考一些专业机构的研究报告,我们总结出面向软件公司的低代码选型评估十大指标如下:·功能组件丰富程度与需求匹配度·可扩展性(平台级扩展)·易用性(开发环境的用户体验、性能、配套培训资源等)·集成便利性·技术与架构的兼容支持范围·安全性与合规性·编程能力(项目级扩展)·协同开发能力·开发周期覆盖度·基于关系和流程的模型驱动能力与开发效率2.探索转型路径确定转型战略之后,下一个重要问题就是制定转型路径。有两个关键点需要关注:一是组建低代码“先遣队”,探索转型路径。建议先遣队由企业抽调少量开发人员和技术高管共同组成,基于厂商提供的技术资料和资源完成初步的技能准备。二是选择合适的试点项目,启动转型实践。在筛选试点项目时,要选择一个需求明确、复杂度适中且能在1-2个月内交付的项目。这样不仅有助于快速验证转型的可行性和效果,还可以为后续的转型工作积累经验和信心。3.打造组织能力在探索转型路径之后,还需要制定一系列规范将其转化为真正的组织能力,包括需求分析规范、设计规范、编码规范、集成规范等。通过这些规范和低代码平台的结合,实现更加高效的开发与协作,在实践中持续迭代优化,打造组织能力。特别提醒的是,低代码转型的效果是逐步呈现的,而不是一蹴而就,我们需要对此保持合理的期望和耐心。下图展示了低代码转型过程中,代码开发与低代码开发的典型效率对比。其中,横轴表示时间,纵轴表示开发效率的提升。橙色的线是以Java开发的平均效率作为参考,蓝色的线则代表使用低代码开发的效率变化过程。从图中可以看出,在转型的初始阶段,因为团队的不熟练,低代码开发的效率可能会低于代码开发方式。但随着转型的推进,进入探索期之后,低代码开发的效率将会赶上并超越传统开发模式。当转型进行第三阶段时,低代码的开发效率将大幅领先传统开发模式,这才是低代码技术的实际价值体现。结语从以上的信息可以看出,低代码已经成为业界的趋势,未来的2到5年将是应用普及的重要窗口期。建议软件公司将低代码技术作为重要的战略举措,尽快引入低代码技术,开启低代码转型,提升生产力并响应企业需求的新变化,从而在激烈的市场竞争中保持领先优势,实现可持续增长。本文来源：R艾瑞网文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
11/28
小程序变“傻”，谁变聪明了？
期待下一个五年，中国资本市场脱颖而出的“独角兽”，不再是清一色的互联网公司，而是还有SaaS服务公司。互联网掀起的平民化浪潮，如今已波及到技术人自己。一个人人都是程序员的时代正在到来。广西柳钢一名钢铁工人，用低代码平台，给全厂7000多名员工开发了一个核酸登记应用程序。四川古蔺一名中学老师，也是用低代码平台，给留守学生开发了一个宿舍管理应用。上海一个11岁女孩，在云栖大会上用8分钟编出了一个小程序……小程序“傻瓜”化，谁变聪明了？11月17日，中国社会科学院大学数字中国研究院与蚂蚁集团研究院联合发布《2022中小实体企业“数实融合”新趋势观察》报告回答了这个问题。01.低代码开发极大降低数字化成本报告总结了这两年发生在中小企业身上的九个变化，其中一个变化——低代码开发极大降低数字化成本——既是中小企业“数实融合”的新趋势，也是小程序“傻瓜”化的直接原因。“低代码”是一种只需要写很少代码就可以生成应用，并快速配置和部署的一种技术和工具。这一简易编程技术如今在我们的生活日常中已无处不在。我们玩的游戏，每天都会打开的各类小程序，背后都有低代码的身影。Gartner报告预测：到2023年，超过70%的企业将采用低代码作为他们发展战略的关键目标之一。到2025年，整体低代码开发平台市场规模将达到290亿美元，年复合增长率超过20%。低代码开始席卷全球互联网，始于2016年，微软首次发布低代码平台PowerApps，次年，微信、支付宝接连推出小程序接口，让低代码在中国找到了大施拳脚的应用场景。报告数据显示，五年前，一个中等规模的小程序，开发周期为2-3周，现在只要10-14天。如果是一个只用拖拉拽来搭建的简易小程序，最快五分钟就能完成。一个小程序的年服务费，最低已降至几百元。要知道，成本，是中小微数字化转型最大的障碍。有研究表明，数字化成本如果超过中小微总资产的10%，他们往往就放弃了。数字工具越来越轻、越来越“好用不贵”，成为许多中小微迈出数字化第一步的动力。值得一提的是，报告组在发布会上说，他们在调研时还发现了一个有意思的现象，仅在广州，就有近两千家小程序开发公司。小程序开发者中，不乏曾在流水线上打过工的“厂哥”。一家受访公司的HR告诉他们，同等能力和经验下，他们更倾向于招“厂哥”，因为他们比本科生能吃苦，流动性也更小。报告组还采访过一个叫周一海的“厂哥”，之前在东莞一家电子厂工作，利用业余时间线上学习低代码开发，跳槽到深圳一家小程序开发公司做前端工程师。和深圳许多互联网创业公司一样，周一海所在的公司要求员工起一个英文名，周一海给自己起了一个谐音名John。John如今一个月税后一万元出头，是在工厂时的近两倍，比本科应届毕业生的平均薪资也稍高一些。报告数据显示，仅支付宝小程序开放平台接入的数字化服务商目前就有1.1万家，拉动的开发和运营岗位接近80万人。这是一个值得期待、相互成就的生态故事，也是报告中指出的又一个趋势——数字化服务商将成下一个风口。02.数字化服务商将成下个风口？数字化服务商中的一支主力是SaaS服务商。SaaS意为“软件即服务”，也就是插即用的数字化小工具。它的特点是基本不需要使用者自己做开发，在订阅SaaS服务后，即插即用。和IaaS、PaaS一样，SaaS属于云服务的一种，三者“长相”相似，所长却大不相同——IaaS相当于水电气三通的“毛坯房”，PaaS相当于“精装房”，而SaaS则是拎包入住的“酒店式公寓”。可见，互联网平台云计算等技术基础设施的成熟完善，是SaaS服务发展的前提。而小程序的普及，则让SaaS服务市场找到了为中小企业提供数字化服务的重要载体。报告指出，当中小企业的数字化步入深水期，即不再满足于单一环节的数字化，而是追求全链路的数字化时，互联网平台企业开始变得“有所不能”。比如，平台企业往往只能提供通用的技术，以及标准化的获客和营销手段，而无法深入到各个垂直行业，为中小企业提供制定化、灵活的数字工具和数字服务。而这正是SaaS服务商的擅长。SaaS服务商对行业有多了解？报告组在发布会上分享了一个细节，他们在安徽合肥，调研了一家叫企迈科技的餐饮业头部服务商，创始人为了了解咖啡馆和奶茶店的的经营场景和痛点，自己开了一家线下店，从德国进口咖啡机，从星巴克挖来资深咖啡师，就这样钻到行业里，边卖咖啡边发现问题，收集了近100个需要优化的需求。蚂蚁集团数字化生态开放运营负责人张琤坦诚，支付宝小程序团队刚开始时，什么行业都想自己去专研、自己去服务，很快发现，“无论如何也专业不过服务商”。其实，“下场自己干”，是许多平台企业拥抱实体的常态。比如阿里巴巴为了改造服装制造业的生产供应链，自己建了一个智造工厂；京东则将自己重新定义为了“新实体企业”。但在服务业中小微数实融合这条赛道上，蚂蚁集团开始“向后退”，但“向后退”不意味着不作为，而是通过在后方为SaaS服务商开放产品技术、数字生态和平台“原子能力”，助力SaaS服务市场发展，由其向服务业中小微提供“好用不贵”的数字化工具。简单说，就是平台和服务商拿出各自的长板来打配合。梳理支付宝小程序在这一两年的布局和变化，不难看出他们在不断向后调整“站位”，让市场化的力量自己动起来——推出小程序快速搭建能力，让服务商的开发者乃至商家自己，通过拖拉拽的方式，最快五分钟就能做好一个简易小程序并上线。这已经不是低代码开发，而是搭乐高一样的零代码了。推出小程序云托管，以此为载体，为服务商开放隐私计算、安全风控、个性化推荐算法等底层技术能力。推出“跨平台框架”方案，以帮助服务商实现只需要写一套代码，就可以同时生成不同平台上的小程序，降低不同平台的适配和迁移成本。在餐饮业头部SaaS服务商企迈科技IOT事业部负责人阿祖的眼中，平台现在越来越像“服务商”，让他们在小程序后端的创新开发中获得越来越大的空间。他说他曾有一段时间来杭州出差，都是以“月”为单位的。他们和蚂蚁的工程师一起，脑暴出了一系列长在支付宝小程序上的，总有一款你用过的爆款小功能——当你在小程序上点了一杯奶茶，可以在支付宝首页上看到取餐进度；当你在线下单了一杯咖啡，拿到手上时，发现贴在杯身的单子上印着你的名字，以及一句写给你的土味情话；当你通过小程序下单并选择“自取”，就能获得5G蚂蚁森林能量球；……报告亦指出，如果中国的服务业数字化要走向纵深，实现高质量发展，必须大力支持发展SaaS行业，壮大中国第三方技术服务市场。而在助推中国SaaS服务市场腾飞，长出“独角兽”这件事情上，互联网平台企业应承担更多责任。03.一个世界级的生态故事SaaS服务市场长出“独角兽”为什么很重要？因为这决定着，中国的产业互联网能否像消费互联网那样，拥有世界级的竞争力，同时还决定着，中小微实体企业能否规模化地完成数字化转型。而眼下的事实是，中国的消费互联网有多领先全球，美国的产业互联网就有多一骑绝尘。报告数据显示，2020年，中国SaaS市场规模约为50亿美元，仅相当于美国SaaS巨头Salesforce一季度的营收规模。这个差距，直接决定了两国中小企业数字化水平的差异。过去十年，随着云服务模式不断成熟，发达市场的数字化收益群体从头腰部企业不断向中小微企业下沉。美国餐饮业头部SaaS服务商Toast的客户，平均只有1.65家门店。美国50人以下的小微企业，和上千人的大企业一样，每个员工平均会使用8个SaaS应用。Shopify、Square等市值达数百亿美元的SaaS公司，客户中80%是中小微……相比之下，尽管中国的SaaS服务商站在了风口之上，但眼下中小微企业在SaaS用户中的占比仍不足10%。我们期待下一个五年，中国资本市场脱颖而出的“独角兽”，不再清一色是互联网公司，而是还有SaaS公司；再下一个五年，中国能出现美国Salesforce这样千亿市值的SaaS公司。这样的未来可期。过去10年，中国互联网公司大量上云，带动了中国IaaS层领先于SaaS应用层快速发展，也就是说，大量“大楼”已建好，“毛坯房”也变成了“精装房”，就等着SaaS服务商入场搞“软装”了。此外，在助力中小微企业数字化转型的赛道上，随着蚂蚁等互联网平台企业开始调整策略和站位，SaaS服务商在技术研发上的资金投入和时间成本将被大大降低。这样的未来值得努力。要知道，SaaS服务市场的繁荣，还是一个世界级的生态故事。Salesforce发布的经济影响力白皮书显示，2019年，Salesforce每赚1美元，其全球生态赚了4.29美元；2024年，Salesforce每赚1美元，其全球生态将赚5.80美元。所以，中国小程序“傻瓜化”，是件好事情。它变“傻”，是因为中国数字化浪潮的参与者们变“聪明”了。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除！
-
24
11/28
小心这三个坑：用人工智能开发与传统软件开发有着显著不同
生成式人工智能的不确定性会给软件开发带来麻烦神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。编者按：鉴于人工智能写代码已经非常溜了，你很容易会产生这样的想法，既然脏累活都是人工智能模型干的，那只关注市场需求和商业模式就行了。错，生成式人工智能天生具有不确定性，这个坑可得注意了。文章来自编译。在我们这里，做的每件事背后都有一个基本循环：写作->开发->重复。开发会让你接触到以前隐藏的世界。写作能帮你找到一种精确、简洁的方式来表达你知道什么以及为什么。这个循环未必是线性的——有时候我们会从开发开始，然后转向写作，有时候我们会先从写作开始——但我们认为，这种做法确实带来了一种特别有效的创造新事物的手段。本文深入阐述了用AI开发产品的方式，为什么新的AI产品的关键风险是可行性，以及如何通过快速实验来应对这些风险。当我开发第一个AI项目时，所采用的方法跟过去开发产品是一样的：明确一个问题，规划解决方案，构建最小可行产品（MVP），然后进行迭代。这是一种相当直白的软件驱动法：快速开发，测试，学习，然后改进。但是，这种方法并没有奏效——于是我自问：用AI开发跟传统软件开发究竟有何不同呢？我加入公司的时候是怀揣着一个很有野心的目标的：在三个月内打造九款产品——也就是每10天打造一个项目。我的第一个项目Mindtune是传统广告技术和社交媒体算法的替代品，用AI驱动的。我的假设是，大家对社交媒体推送那些公式化的、冷漠的内容已经厌倦了，而AI可以提供更相关、更个性化体验的机会。我做Mindtune的时候就考虑到了需求验证，因为传统软件项目这一块往往做不好。你得做出登录页面、跟潜在客户交流、分析竞争对手，然后才会投入资源打造产品。创始人长期以来一直都是按这个模板走的，就好象是一种条件反射。我们未必会停下来问问自己打造这个产品是否有可能？用人工智能开发需要我们打破惯例，用不同的方式去做。人工智能产品带来了一系列的独特风险，如果你不了解这些风险，就肯定会犯错误。在做Mindtune的过程中，我识别出了三种风险模式，这些模式帮助我准确了解自己承担的风险类型，更重要的是，让我了解是什么决定了它是否成功。我会深入探讨其中的每一种风险、它们之间的关系以及人工智能是如何颠覆了传统的初创企业“风险链”的。我希望创始人和开发者能够更好地了解自己想法存在什么风险，以及如何最好地化解这些风险，从而避免在创意迷宫中走错路。▍初创企业风险链任何初创企业都会涉及到三种风险：可行性（feasibility）、价值以及生存力（viability）。1.可行性风险：是不是确实可以开发出来？这属于典型的工程挑战。比方说，SpaceX在开发可重复使用的自着陆火箭时就面临可行性风险。2.价值风险：用户从中能否获得价值？这是产品市场匹配的核心。Airbnb就是价值风险的一个很好例子——大多数人最初认为这个想法很荒谬，认为没有人愿意住在陌生人的家里。3.生存风险：我们自己能否从中获取价值？众所周知，Facebook与Google早期就面临生存风险。他们知道自己的产品深受人们喜爱，但需要时间和实验才能找到可持续的商业模式。这三种风险的相互作用方式至关重要。可以把它们看作一个链条：可行性→价值→生存力。如果产品技术上不可行，那其他两种风险就不重要了。如果可行但没价值，你又会陷入困境。而就算用户喜欢你的产品，你还是得想办法从中赚钱。这三种风险可不是按顺序出现的；每种风险的大小都会因产品类型而异。传统软件的可行性风险一般都不高。Facebook的第一版开发并未涉及任何突破性的技术飞跃。马克·扎克伯格是在哈佛的宿舍里写出代码的。真正的挑战在于价值和生存力风险：大家会用吗？它能否成为一项盈利业务？相比之下，深度科技——基因疗法、聚变反应堆和自动化通用智能等项目，它们是将全新的技术推向市场。这类创新有明确的需求和商业模式（比方说，一种治疗现有疾病的药物），因此价值和生存力风险较低。其风险在于可行性：深度科技初创企业要冒着风险，打造一些他们不能100%确定是否可行的东西。我以开始觉得Mindtune可能会像软件产品，可行性风险较低，价值和生存力阶段的障碍会大一些。但从我的经验来看，人工智能会给可行性和价值带来独特挑战，需要新的办法应对。首先，风险模式不一样。人工智能初创企业主要分为两类：一种是深度人工智能初创企业，一种是应用人工智能初创企业。深度人工智能初创企业做的是基础模型或硬件，比方说Groq的芯片与Figure的人形机器人。其最大的风险是可行性。这些公司通常从事前沿研究，其所追求的突破有无可能实现未必总是很清楚。这属于高风险、高回报的领域。Sparkle和Lex等应用型人工智能初创企业则是利用OpenAI等公司的现有模型和API。其关键风险在于价值。应用型人工智能公司需要证明自己所使用的AI能创造价值，而且比非AI解决方案更好、更快或更高效。此外这类企业还存在可行性风险：AI模型未必不总能按照预期的方式运行，需要更多的思考和改进才能获得良好结果。Mindtune是一款应用型人工智能产品：它利用了已有的人工智能模型来提供更个性化的社交媒体信息流。我相信它的价值——用户对不同的社交媒体体验是欢迎的——而且这种商业模式已经得到现有产品的验证。但我现在越想越觉得我错过了一个重要步骤：那就是没有把这项技术的可行性考虑清楚。我一度认为，就因为我可以设计人工智能模型来提供结果，所以就等同于可始终如一地获得正确结果。我低估了用人工智能来开发的可行性风险，甚至连应用人工智能的可行性风险也没考虑到。▍人工智能独特的可行性挑战传统软件从根本上来说是确定性的：如果逻辑和参数设置正确，代码就会产生可预测的输出。生成式人工智能有着本质上的随机性：结果未必是一致的，输出质量可能会因输入数据和模型本身的细微差别而波动。所以你得不断测试，好确定结果是否可靠，且对用户来说足够有价值。因此，传统的工程直觉并不完全适用。慢慢地，你会意识到人工智能模型能做什么、不能做什么，但这些直觉没有像对传统软件的直觉那么准确。就算是经验丰富的人工智能工程师也会遇到意想不到的结果。技术可行性风险比传统软件更大，因为模型在测试过程中可能会给你带来惊喜，或者惊吓。但这种风险不像深度科技那样令人生畏，深度科技可能需要基础科学上的突破才能向前发展。相反，生成式人工智能的风险介于软件和深度科技之间——可行但不可预测。由于这种不可预测性，跟生成式人工智能打交道需要更多的实验性方法。传统的软件开发，精心打造的第一版可能需要一些细微调整——改改按钮位置，调整一下文案——而不是彻底改造。可是，对于生成式人工智能来说，第一版可能就需要不断“调整”了——调整提示、合并其他数据、调整参数——为的是提高可靠性，增加用户价值。而且每次调整都会让结果略微有所改变，所以不断迭代、不断测试对于获得期望的结果至关重要。我在做Mindtune的时候，一开始先是开发软件体验（线框、登录等），然后测试模型（GPT-4o、Claude3.5Sonnet、GeminiPro1.5和Llama3.2），看看能不能给个性化广告生成足够好的内容。这是错的：评估模型输出的质量时我发现返回的结果不一致。其实我应该先看看输出的结果，然后再去折腾软件组件，因为最终决定项目可行性的是底层模型的质量，而不是位于其上的软件。这个迭代过程还需要用直觉去判断什么时候该停止或做出调整。在发挥模型能力与识别模型上限之间有着微妙的平衡。有时候，尽管已经反复调整过了，但输出可能永远也无法达到可接受的质量，这时候你就得放弃了。或者，你可能会觉得再迭代几次就可以得到想要的结果。不过，这个阶段也有玄机。有时候，应用人工智能缺乏可行性表明这个项目不值得去做。但有时候，尽管可行性较低，可你仍确信是有价值的——因此不该放弃这个项目，而是应该换个做法。你可能一开始以为自己做的是一个应用人工智能项目，然后意识到自己其实在做的是深度人工智能，而且为了让项目可行，你得进入研究模式，去构建自己的模型。这样一来可行性风险会增加，但项目价值也可能变大，因此更值得去做了。▍了解风险，找到方向是，不管做什么你都得了解风险状况，但这一点对于人工智能来说尤其重要。如果你知道所需承担风险的性质，就可以确定该优先分配资源和精力到什么地方。这还会迫使你在每个阶段提出合适的问题：我们能做这个吗？别人会用吗？只有这两个问题搞定后，才可以提出能否围绕着它建立可持续发展的业务这个问题。不管是应用型还是深度型的人工智能初创企业，其运营的复杂程度与传统软件产品都不一样，需要更深入了解风险的相关性，并愿意去探索未知领域。很多开发者以为用生成式人工智能API就可以消除技术风险，但那只是多套了“一个壳”而已，别自欺欺人了。那怕使用的是现有模型，也需要进行大量实验。低估这种技术风险会导致浪费时间浪费资源。你很容易会产生这样的想法，既然脏累活都是人工智能模型干的，那只关注市场需求和商业模式就行了。但实际上，确保人工智能按需要运行是重大挑战之一。实现可靠和有价值的结果需要的不仅仅是接入API，还需要你不断调整、测试和深入了解模型的行为。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除！
