新闻资讯
News and information
-
25
02/14
AI那么火,但我还是劝你谨慎用
尽管AI已经火爆全球,但依然有不少人对它的使用存在置疑。晓姐是一名文字工作者,自大模型推出伊始,她便尝试借助AI工具写作,但自始至终,她都无法相信AI。“大模型刚推出的时候,大家都知道它‘资料更新不及时’,后来,随着应用不断升级,我也习惯了用大模型,但仍会对它生成的内容持迟疑态度。尤其大模型给出的数据和时间,几乎很少标注信息来源和出处,这点我必须要做一番考证。”在晓姐看来,大模型的行文方式和生成作品,“更像结论和观点。”简单来说,大模型给出的是逻辑和结论,但写文章和做研究,只有远远是不够的,“我们讲究每一句发言是有迹可循,只有被敲打和反复考证过的传播,才有价值。”实际上,晓姐遇到的情况,并不是偶发。近期,越来越多的博主在社交平台发出警示,告诫网友“警惕AI幻觉”,不少博主指出,AI的强逻辑,让网友产生幻觉,认为“AI完全正确”,但实际上,不少迹象表明,AI经常出现“一本正经胡说”的现象。Vectara平台最新发布的数据还显示,目前市场上AI大模型,均有幻觉率,即便是OpenAI-o3,也有0.8%的幻觉率;目前市场大热的DeepSeek-V3,幻觉率达到3.9%。而在更早之前,这一幻觉率甚至高达30%。图:市场主流大模型幻觉率(截止2025年1月31日)公开的报道显示,此前,Vectara公司联合创始人阿姆尔·阿瓦达拉亦表示,在训练过程中,AI模型会压缩数万亿个单词间的关系,随后通过庞大的网络模型重新展开这些信息。尽管这些模型能够重构出接近98%的训练内容,但剩下2%内容却会“误入歧途”,生成不准确或虚假信息。这就意味着,至少在目前,AI依然无法完全信任。不少业内人士亦对《听筒Tech(ID:tingtongtech)》表示,在专业的领域,建议警惕使用AI,“我们可以借助AI来辅助我们的工作,而不是依赖AI。”-01-“AI很强大,但我不怎么用”晓姐是在朋友安利下开始使用AI。十年文字工作者的晓姐,日常资料梳理的工作量非常大。前两年,大模型刚兴起的时候,晓姐就在朋友的建议下成为最早使用大模型的那一批人。“快速响应,内容强大,逻辑也足够清晰。”这是晓姐对大模型的直观感受。一度,她热衷使用大模型,每逢写作都要问“模”。但很快,晓姐发现,大模型不能满足她的写作需求,甚至让其创作也不够“丝滑”。实际上,大模型刚推出的时候,有的资料确实更新不及时,会误导晓姐的文字创作。再者,晓姐发现,大模型给出的内容通常是结论和观点,虽然逻辑性很强,但一旦出现细节和事实错误,就会给晓姐的工作带来致命的打击。“比如,使用大模型的人会发现,模型生成内容的数据和时间,几乎不标注信息来源和出处,在写作过程中,我还发现了有名言出处错误的事实,所以,我现在对AI持迟疑态度。”高校任职的林哥也一度无法完全拥抱AI。“如今AI已经非常强悍了,但我还是在坚持手工敲字,这与正确错误无关,完全是个人爱好。”林哥在批阅学生的作业和论文的时候发现,“有些学生的内容一看就是AI生成,引用也‘张冠李戴’,甚至出现凭空捏造的‘AI幻觉’,我改了一部分就坚持不下去,AI增加了我的工作量。”“这并不是一个好的引导和风向。当你越来越认为本就应该如此的时候,那么你就失去了对文字和内容的审美鉴别,也失去了对事实的判断和认识能力。”林哥表示。95后家装设计师小屈告诉《听筒Tech》,尽管自己是网络拥护者,但也很少使用AI绘图。其实,在大模型刚出来的时候,小屈是兴奋的,“画图是非常累的,客户的需求也非常多,现在的家装行业,通常有了初步的设计图纸,客户才会缴纳意向金。我每天的工作不是跟客户沟通设计需求,就是在画图。且画的图都不一定会被客户采用,所以工作量非常大。”AI绘图出现后,小屈抱着试试的心理去AI作图。不过,在尝试了几次后,小屈放弃了作图。目前,他只是用AI编辑一些文案。“主要问题在于不够精准,每个空间不能统一设计手法。”在小屈看来,AI绘图只能作为辅助,或者作为早期工作意向确认工具。同样的问题,也发生在视频生成领域。在AI软件席卷行业的最早期,影视就被认为是被冲击的巨大行业。后来,随着细分领域模型的不断推出和升级,影视行业从业者郭哥十分焦虑。他曾和《听筒Tech》交流,要主动学习AI技术,避免在行业的内卷中被淘汰。但郭哥发现,以全网都在吹的某平台为例,生成的视频有几个明显的缺点,比如图人和物体之间存在交互失灵、物理引擎失效、对象突然冒出等使视频产生“鬼畜感”。-02-“小心AI一本正经胡说”在晓姐和小屈看来,目前不敢将专业的工作交给AI来做,“或许有一天我会信任它,但不是现在。”关于“我为什么不用AI”,在社交平台,网友也众说纷纭。有人表示,“我完全不觉得AI生成的短片有趣,因为创作这个东西的不知道痛楚为何物”、“有没有人感觉越用AI越蠢,这学期用AI辅写,被导师吐槽了几遍文章写作水平不行”、“越来越不会内容输出了”......尤其是,“AI幻觉”一词最近被提及得越来越多。一位博主表示,“小心AI一本正经的‘胡说’。”实际上,AI“强逻辑”幻觉的背后,存在“一本正经胡说”的隐患,且不是自己的专业和领域根本判断不了。该博主表示,尤其是AI在回应一些严肃知识性问题时,会存在凭空编造事实、杜撰不存在文献的可怕现状。科普作家河森堡表示,自己让某大模型介绍一下“青铜利簋”,它就开始一本正经地胡扯,说这件青铜器是商王帝乙为祭祀自己父亲所铸,还详述了其内壁的铭文。不过,河森堡曾经在博物馆看见过“利簋”这件文物,此物是西周贵族为了纪念武王推翻商朝而铸,铭文和祭祀也与商王毫无关系。实际上,河森堡还继续追问AI,这些资料都是从哪看来的,AI列出了一大堆文献,但他发现,文献和作者介绍不少是“捏造”的。另一位博主也呼吁大家“警惕AI幻觉”、“希望大家使用AI时,甄别它的谎言”。该博主表示,“体验了DeepSeek,一开始看到它如此强大的推理能力,特别是它在自我思考的时候展现出来的完整思维链,确实非常惊艳。”但当自己在问怎样看待“创新是一种涌现”这个话题时发现,尽管大模型给出了一系列层次和角度的分析,但博主却总感觉“有一丝丝的不对”。该博主认认真真地对内容做了核对,发现这些看似正确的回答却有很多问题。比如,AI在“编造数据谎言”。实际上,针对DeepSeek表示的“70%的创新出现在跨学科领域”,该博主查了很多文献都没有找到这个信息源头和实验数据。该博主指出,“如果这种捏造广泛流传,不知有多可怕。”甚至,如果AI能虚构文本、照片乃至视频的一切内容,并且令其彼此之间相互印证和支撑,其制造幻觉的强度与编撰故事不可同日而语。“除非你亲自见到并本人求证,或者到现场实地考察,否则你会被AI创造出的假象玩得死死的。”一位业内人士这样担忧。然而,在现实社会中,有意愿和有能力亲自验证事实的人并不多。也就是说,稍一个不留神,你可能就会被AI污染。-03-别焦虑,现在AI还无法取代你我实际上,AI幻觉已经给人们的工作和现实生活带来了巨大影响。世界经济论坛发布的《2025年全球风险报告》显示,错误和虚假信息是2025年全球面临的五大风险之一。2023年,美国律师史蒂文·施瓦茨也曾因“轻信”ChatGPT,在法庭文件中引用了并不存在的法律案例。而在医学领域,AI幻觉提供的错误诊断和治疗建议,可能会危及患者生命。从底层技术来看,AI幻觉的产生,是必然的。AI企业落地师石云升便告诉《听筒Tech》,“据我所知,目前AI底层架构师无法解决幻觉问题。因为它每一个字符都根据概率计算,这就导致它输出的内容会有幻觉,这是无解的。”不过,石云升指出,在真实场景中,用户可以通过反复沟通来帮助AI更精准的回答问题。毕竟,AI给出的答案是否采纳,最终还是由人来决定。“降低AI幻觉的问题可以通过’预训练、微调和推理‘三个层级来解决。”石云升指出,例如,在公司负责AI客服时,用户主要通过“提示词+知识库”来防止AI输出幻觉,“如果公司有懂得微调的技术人员,并且拥有优质的企业数据,微调的效果会更加理想。”不过,石云升坦言,微调通常是针对企业专属的大模型进行的,“一般我们会在通用大模型回复效果特别不好的情况才会考虑微调。”比如,在法律领域,通用大模型训练预料数量太少,质量太差,企业内部有很多更优质的法律数据,这种情况就可以考虑微调一个专属公司的法律大模型,微调后出现幻觉的概率就小很多。石云升指出,还有一种手法是使用“RAG增强检索”,“在提问的时候,先从知识库里查询资料,然后给到大模型,如果用户的问题在知识库里有资料,那基本也不会出现AI幻觉。”当然,石云升也表示,对于普通用户来说,AI的幻觉率,目前没有特别有效的解决办法,“普通用户很难接触到预训练和微调技术,因此只能在AI推理阶段提供更详细的信息。这也是为什么在AI刚刚兴起时,行业内很多人开始教授如何编写‘提示词’并建立自己的知识库。”也即是说,至少在现阶段,AI还无法真正取代你我。此前,张雪峰“回应DeepSeek会让自己失业”这一话题时曾这样解释,“第一,我们这个行当不止是打破信息差,还是在提供情绪价值;第二,大模型只会有一些公开信息,但是你要知道有些信息网上是不公开的。”那些“网上非公开的”、“对情感的理解”,以及“深度思考引发的创新”,或许是现阶段“你我”存在的价值和意义所在。“警惕AI幻觉,这是一种呼吁,也是一种社会职责。”显然,这不是“晓姐”一个人所希冀的事。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!
-
25
02/08
木头姐:2030年AI计算性能将爆炸式增长,猛涨1000倍
在经历近期科技股震荡后,“木头姐”带领她的ARK研究团队发布《BigIdeas2025》年度重磅报告。在报告中,木头姐全面看多AI计算能力及AI代理的发展前景。木头姐表示,得益于人工智能的加速发展,计算性能有望再上一个台阶,预计到2030年,每美元人工智能计算的性能将提升超1000倍。在AI投资方面,木头姐明确表示她正在远离硬件和基础设施,加倍投资软件。在接受CNBC采访时,她毫不吝惜对Palantir的喜爱,称公司将“主导技术领域的最大部分”。2030年,每美元人工智能计算的性能将提升超1000倍ARK报告认为,在科技迅猛发展的当下,计算能力成为推动各领域进步的核心动力。计算能力的增长与AI的崛起紧密相连,展现出令人瞩目的发展态势。ARK表示,计算能力正以指数级速度增长,自集成电路问世以来,其性能提升十分显著。以AI计算为例,受人工智能系统架构改进的推动,预计到2030年,每美元AI计算的性能将提升超1000倍。与聚焦硬件的AI算力不同,每美元AI计算性能指的是花费一美元所能获得的AI计算能力,它是一个综合考量计算效率和成本的指标。该指标越高,意味着在相同成本下可获得更强的AI计算能力。自2018年进入人工智能时代以来,AI计算性能已实现40次翻倍,2023年更是突破了48次。到本世纪末,得益于人工智能的加速发展,预计2030年将完成64次翻倍,达到“棋盘的尽头”,这意味着计算能力将达到一个全新的高度。随着计算性能不断提升,技术融合趋势愈发显著,人工智能、机器人技术、储能技术、公共区块链和多组学测序这五个创新平台正重塑各个行业,引领全球经济加速发展。这些平台不仅各自取得突破性进展,还相互交织、协同创新,催生了大量新机遇,变革着人们的生活、工作与投资方式。人工智能代理改变一切木头姐认为,人工智能代理(AIAgents)是未来发展的核心主题,有望加速数字应用的采用,并在人机交互方面引发划时代的变革。人工智能代理能够通过自然语言理解意图,利用推理和相关上下文进行规划,借助工具采取行动以实现意图,并通过迭代和持续学习不断改进。从2025年开始,大部分硬件销售预计将具备人工智能功能,实现快速大规模普及。在搜索领域,人工智能代理将改变消费者搜索和发现方式。人工智能代理嵌入消费者硬件的操作系统后,消费者可以将所有搜索和研究任务交给人工智能,极大地节省时间。经过筛选的人工智能结果将根据上下文为数字广告提供更精准的展示,提升广告效果。如果搜索转向个人人工智能代理,人工智能介导的广告收入可能会大幅增长。预计到2030年,人工智能广告收入可能占1.1万亿美元数字广告市场的54%以上。而在电子商务领域,人工智能代理的使用日益增加,这将简化产品发现、个性化推荐和购买流程。ARK的研究表明,到2030年,人工智能代理有望推动全球近9万亿美元的在线消费,接近全球可触达在线销售额的25%。数字钱包市场份额井喷人工智能代理同时将推送数字钱包在电子商务中的份额中的增长。ARK的研究显示,由人工智能购买代理赋能的数字钱包正从信用卡和借记卡等支付方式中夺取市场份额,预计到2030年,数字钱包可能占所有电子商务交易的72%。代理式潜在客户生成将推动数字钱包在全球电子商务和数字支出领域抢占市场份额,从上游获取客户。“一键结账”将逐渐被“一键查询购买”取代。基于潜在客户生成的收费率,到2030年,人工智能购买代理可能为数字钱包平台带来400亿至2000亿美元的全球收入(分别为ARK的基本情况和乐观情况预测)。2030年,人工智能驱动的购买代理可能为美国数字钱包的企业价值(EV)每位用户增加50至200美元。在企业中,人工智能代理将通过软件提高生产力。部署人工智能代理的公司能够在不增加劳动力的情况下提高单位产量,或优化劳动力配置,使其从事更高价值的活动。随着人工智能的发展,代理可能会承担更高比例的工作负载,并独立完成更高价值的任务。人工智能成本的下降将显著影响代理的经济效益。OpenAI和Salesforce的新产品以经济高效的方式补充了人工客服代表的工作。即使每次对话的固定成本为1美元,一旦人工智能代理能够处理35%的客户服务咨询,就可以为企业节省大量资金。此外,人工智能代理还能降低入职和招聘成本,以及基于席位的软件成本,并且比人力更容易扩展。人工智能正在重塑软件价值链人工智能代理的编码技能迅速提升,加速了软件开发周期。随着软件开发成本的下降,软件生产将加速,影响企业“自行开发还是购买”的决策,取代那些适应缓慢的传统软件企业。随着定制软件的普及,软件堆栈各层的增长都将加速,尽管市场份额会向平台层转移。人工智能同时引发软件领域的寒武纪大爆发。到2030年,随着企业投资于提高生产力的解决方案,预计每位知识工作者部署的软件数量将大幅增长。根据采用率的不同,全球软件支出可能从过去十年的14%的年增长率加速至18%—48%。AI投资“弃硬保软”在AI投资方面,木头姐明确表示她正在远离硬件和基础设施,加倍投资软件。在接受CNBC采访时,她毫不吝惜对Palantir的喜爱:Palantir的股价非常昂贵,但在软件领域,没有哪家公司能与之匹敌,我们相信,在人工智能领域,它将主导技术领域的最大部分。这就是技术堆栈中的平台即服务部分。本文来源:虎嗅网文章转载于其他网络,如有侵权请联系我们及时删除!
-
25
02/08
DeepSeek风暴席卷全球,AI走进县城日常生活还要多久?
2025年春节假期,国产大模型DeepSeek以“开源、低成本、高性能”的标签登上AppStore榜首,其惊艳表现被游戏科学CEO冯骥誉为“国运级科技成果”。凭借出色的推理能力、联网搜索和本土化开发,DeepSeek不仅跻身全球大模型第一梯队,更引发芯片巨头英伟达股价单日暴跌约17%,市值蒸发数千亿美元,创下历史性纪录。DeepSeek引发的AI狂潮席卷全球,越来越多的平常百姓成为AI工具的使用者。春季期间,广袤的三四线小城也开始感受到这股DeepSeek带来的热度。时代周报记者走访安徽庐江县,随机与当地约20名受访者交流,其中5人对DeepSeek有所耳闻,但实际使用过生成式人工智能(AIGC)工具的人寥寥无几。当硅谷为算法革新震动时,这里的烟火还在按部就班。AI何时走进县城日常生活?上海某设计工作室,设计师佩利(化名)熟练地展示着Midjourney的操作界面:“现在客户都希望设计图往AI方向靠,尤其是节日营销物料宣传。我直接用Midjourney生成,根据客户需求快速调整风格。以前两天才能完成的插画绘制,现在最多修修改改,一天就能完稿。”佩利打开电脑,输入“赛博朋克春节”关键词,AI即时生成融合机械龙鳞、霓虹灯笼的概念图,随后调整色彩饱和度以适配包装印刷标准。“以前构思创意、找灵感,得花大把时间在素材网站上,还要担心版权问题。现在有了AI,直接生成就能用,效果还非常不错。”佩利感慨道。对于设计行业而言,生成式AI带来的变化是深刻的,尤其是在图形设计、海报制作等内容创作领域。常熟理工学院副教授赵仕奇指出,生成式AI工具能大幅提升工作效率,尤其是在创作初期的设计阶段。“设计师可以快速获取多种创意方向,节省大量构思和绘制时间,将更多精力放在细节优化和创意深化上。”然而,县城乃至乡村地区的这一趋势并未得到显著体现。“DeepSeek?”安徽庐江的家居设计师洪洪(化名)对这个名字感到陌生。在这座中部县城,AI相关的工具与技术并未成为普及话题。在家居设计行业,洪洪表示:“酷家乐(一款国产室内设计软件)就够用了,Midjourney、StableDiffusion、LIBLIB这些工具不仅没用过,甚至没听过。”在安徽枞阳,小学老师小张(化名)表示,她通常用AI工具生成内容提纲或新闻总结,但对于绘图、翻译等更复杂的AI应用,她几乎没有接触过。“这些工具我听都没听过,有些甚至觉得与我的工作没什么关系。”小张坦言。在四川农村,从事自媒体工作的UP主“一只不平凡的猪哼哼”在接受时代周报记者采访时表示:“我的视频文案都是自己一个字一个字写的,电商图片也是自己跑出去拍的,真没用什么AI工具帮忙。”提到当下热门的AI工具,她表示听说过豆包和Kimi,还跟Kimi聊过广告合作,但实际创作中还没用过。“别说我了,我们村里的人基本都没用过这些AI工具,有些爷爷奶奶连智能手机都不太会用。”从庐江的街头到上海的写字楼,从枞阳的教室到四川的乡村,AI工具的影响呈现出鲜明的层次感。对此,上海市人工智能学会副秘书长江勇表示:“总体来说,AI让资源分配更平等了。城市之间的差距主要是人才差距,而非AI本身造成的。如果一个会使用AI的人去到二线城市,在满足生产条件的情况下,一样能提升生产效率”。DeepSeek或将加速AI普及根据麦肯锡的报告,生成式AI的普及预计将为全球经济贡献约7万亿美元,中国市场将贡献其中约2万亿美元,占全球总量的三分之一。报告还指出,生成式AI将加速自动化进程,预计到2030年,50%左右的工作内容将实现自动化。在中国,约2亿劳动者将面临技能转型或升级的挑战。赵仕奇认为,生成式AI工具不仅能提升工作效率,还能助力员工在不同行业中实现技能转型。“例如,服装设计、内容创作等领域的工作者可以借助AI工具降低成本,提升生产力。”然而,AI工具并非在所有领域都表现出色。在上海某公关公司工作的小潘(化名)曾尝试用ChatGPT生成控评评论,但效果不尽如人意。“AI生成的内容千篇一律,广告感很强,可能十几句才能挑出一句能用。”小潘表示,AI在需要个性化和情感表达的内容创作中表现生硬,尤其是在公关行业,这种缺陷尤为明显。“我调整过很多次模型,试图让它生成更符合需求的评论,但结果反而越调越离谱。”小潘认为,AI过于注重语法正确性,却忽视了人类语言中的情感波动和个性化表达。“AI生成的内容缺乏‘活力’和‘情感’,这在高度依赖互动性和个性化的公关行业中,显然不是理想的解决方案。”与ChatGPT相比,DeepSeek在中文思维方面表现更为突出,也更能理解一些中国特色的梗。上海某文化传媒公司的小周(化名)告诉时代周报记者,DeepSeek不仅文笔生动,而且充满人情味。例如,在面对“作为一名粉丝,如何面对大S离世?”这个问题时,DeepSeek给出的答复充满了情感色彩:“她曾是我们青春里的一抹亮色,荧幕上的她灵动鲜活,生活中的她勇敢真实。”“或许,她只是换了一种方式存在,化作微风、化作细雨,依旧陪伴在我们身边。”事实上,DeepSeek-R1在训练数据较少的情况下,在数学、代码、自然语言推理等任务上表现出色,已达到OpenAIo1正式版的水平,同时在蒸馏小模型方面表现优于OpenAIo1-mini。此外,DeepSeek新发布的开源多模态统一模型Janus-Pro,结合了AI的图像理解和生成能力。在实际效果上,Janus-Pro-7B在多模态理解基准MMBench上取得了79.2的分数,超越了TokenFlow(68.9)、MetaMorph(75.2)等先进的统一多模态模型,在文本到图像指令跟踪排行榜GenEval中,JanusPro-7B得分为0.80,优于DALL-E3(0.67)和StableDiffusion3Medium(0.74)。据悉,DeepSeek-R1API服务定价为每百万输入tokens1元(缓存命中)/4元(缓存未命中),每百万输出tokens16元,相比OpenAI的o1、o1-preview模型,价格降低了90%以上。截至发稿,腾讯云、华为云已上线基于其云服务的DeepSeek-R1相关服务,微软、英伟达、亚马逊、AMD等厂商也已推出DeepSeek模型服务。德邦证券认为,DeepSeek-R1通过允许用户蒸馏训练端侧模型,预计将推动端侧模型能力的批量升级,进而大幅提升用户体验。随着AI终端的加速发展,预计AI终端将更快到达用户付费的临界点,“iPhone4时刻”将比预期更早到来。本文来源:虎嗅网文章转载于其他网络,如有侵权请联系我们及时删除!
-
25
01/27
AI搜索爆了,小红书、百度都急了
说起近年来最火爆的技术,那一定非AI莫属了。从ChatGPT的横空出世,再到国内外掀起的百模大战,AI一度成为兵家必争之地。伴随着AI技术的逐渐成熟,越来越多AI应用被创造出来,AI绘画、AI笔记、AI助手……在AI应用遍地开花的同时,AI和行业的结合也愈发紧密。众所周知,在进入互联网时代以后,手机的普及率持续提升,搜索早已成为人们的日常习惯之一。不过,和此前不同的是,搜索行业也开始被AI技术“爆改”。目前,AI搜索更是成为了焦点,各方都在试水尝试。小红书“猛攻”在发力AI搜索的各路玩家中,小红书无疑是动作最频繁的一位。小红书先是在去年年底上线了一款聚焦生活场景的AI搜索产品“点点”,前不久,小红书又内测了一项全新的搜索功能“问点点”。左手推出独立AI搜索App,右手内测嵌入式搜索功能,选择双管齐下的小红书对AI搜索的看重,可见一斑。一来,小红书用户存在明显的搜索行为,其推出AI搜索功能能更好地满足用户需求。正如前文所提到的,遇事不决搜一下早已成为用户的基本操作,小红书也逐渐被用户当成搜索引擎来使用。据《2024小红书搜索推广白皮书》显示,小红书70%月活用户存在搜索行为,88%的搜索行为为用户主动发起。可见,小红书用户存在强烈的搜索需求,而其对AI搜索功能的尝试,也有助于优化用户的使用体验。二来,小红书在AI领域的技术积累,为其试水AI搜索提供了可能。近年来,大模型热度正高,AI成为了各企业的重点发力领域,小红书也不例外。比如,小红书在2023年3月成立了大模型研发团队,开发了大模型“小地瓜”,后续还推出了AI绘画产品“Trik”、文生图功能“此刻”、AI聊天功能“达芬奇”等诸多AI应用。正因如此,小红书积累了深厚的技术实力和经验。而AI搜索实现的关键就是要有先进的算法和模型,这对相关企业提出了较高的技术要求,小红书此前的技术累积也成为了其迅速推出AI搜索产品的关键。三来,小红书所拥有的海量高质量内容,是其推出AI搜索软件的重要支撑。作为以分享生活方式、攻略指南为主的内容社区平台,经过多年的沉淀,小红书已经积累了海量高价值内容,这些内容既包含文字形式,也不乏图片和视频,并且场景也涉及到学习、休闲娱乐、衣食住行等方方面面。而这些内容为小红书的AI搜索提供了大量数据,使其能更加精准、直观的为用户匹配出最佳答案。比如,“点点”主要参考的就是小红书站内笔记内容,并且给出的答案不仅有文字表述,还有图片、视频的形式。百度“反击”众所周知,搜索是百度的起家业务,长期以来,百度都在国内搜索引擎市场居于前列。在AI搜索之风愈刮愈烈的当下,作为行业老大哥的百度自是不落人后。据悉,百度在搜索Web端首页正式上线了全新的“AI搜”功能。一是,各路玩家相继推出AI搜索产品,给百度带来了压力。正如前文中所提到的,AI搜索已经成为了搜索引擎行业的发展新方向,许多平台都推出了相关的AI搜索产品。比如,腾讯搜狗输入法进行了全新升级,推出和升级了AI搜索、AI快查等重要功能;360推出了AI搜索产品“纳米搜索”;抖音所打造的“抖音搜索”App也增添了AI搜索功能。面对各路玩家集体发力AI搜索的现状,百度自然不愿让自己的搜索基本盘旁落,其推出AI搜功能既是顺势而为,也是对竞争对手们接连出招的有力回击。二是,百度“AI搜”功能的上线,有助于优化用户的使用体验,增强平台对用户的吸引力。众所周知,传统搜索虽然快捷,但最终呈现的结果同样十分繁杂,用户需要花费大量时间和精力来过滤无关信息,筛选有效信息,用户的搜索体验很难说得上好。而百度的“AI搜”功能不仅在内容层面将百度搜索引擎、百度健康、百度文库等多个内容生态进行了深度融合与打通,搜索结果内容性得到了丰富,并且“AI搜”功能还会自动对搜索结果进行整合和优化,不仅搜索效率提高,搜索结果也更为准确、明晰,用户的搜索体验将得到极大提升,而这也会进一步提升用户对百度搜索的认可度,有助于巩固百度在搜索领域的领先地位。AI搜索要革传统搜索的命?当前AI搜索正在成为焦点,各路玩家接连推出AI搜索产品的举措更是为本就热闹的搜索领域添了一把柴。那么,AI搜索真的能够取代传统搜索吗?就目前情况来看,答案是否定的。一方面,AI搜索生成答案的准确性和可靠性难以保证。相较于传统搜索,AI搜索极大地缩短了用户筛选信息的时间,搜索效率大幅提高。只是,网络上信息庞杂,虚假、错误信息也不在少数,AI搜索在整合生成答案时,存在着引用错误信息的风险,这也会导致AI搜索给出不准确、片面甚至是错误的答案。而不够精确的答案,也可能会误导用户。另一方面,AI搜索成本较高,给企业带去了不小的运营压力。事实上,AI搜索的成本是高于传统搜索的。据Alphabet董事长JohnHennessy表示,与AI大型语言模型交流询问的成本可能是标准关键字搜索的10倍以上。值得注意的是,除了成本高之外,AI搜索的商业模式也并不成熟,相较于传统搜索盈利难度更大。高昂的成本以及不成熟的商业模式也会在无形中增大企业的财务压力。总的来说,AI搜索虽然能够为用户提供更为精准的搜索结果,提升了用户的搜索体验,但其不足之处同样明显,因此,AI搜索在短时间内无法取代传统搜索,两者说是互补关系更为恰当。不过,AI搜索确实已成为大势所趋,可以预见,随着技术的持续迭代升级,用户的搜索体验仍有望实现新的发展。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!
-
25
01/27
中国网民规模突破 11 亿人,传统企业拥抱互联网正当时
在信息时代飞速发展的今天,互联网已成为推动社会进步和经济发展的重要力量。据中国互联网信息中心发布的第55次《中国互联网络发展状况统计报告》数据显示,中国网民规模已达11.08亿人,这一庞大的数字背后,蕴含着无限的商业机遇,也向传统企业发出了强烈的信号:拥抱互联网,刻不容缓。庞大的网民规模意味着广阔的市场空间。11.08亿网民,构成了一个巨大的消费群体。他们在互联网上购物、社交、娱乐、学习,需求多样且不断增长。传统企业若能借助互联网平台,就能打破地域限制,将产品和服务推向更广泛的受众。以电商领域为例,许多传统制造业企业通过入驻各大电商平台,不仅销量大幅提升,还降低了销售成本,拓展了销售渠道。曾经局限于本地市场的企业,如今通过互联网将产品远销全国各地甚至海外,实现了业务的跨越式发展。互联网为传统企业带来了创新的商业模式和运营方式。数字化营销手段如社交媒体营销、搜索引擎优化、内容营销等,让企业能够精准触达目标客户,提高营销效果。通过大数据分析,企业可以深入了解消费者的喜好、购买行为和需求趋势,从而优化产品设计和服务,实现个性化定制。一些传统服装企业利用大数据分析消费者的身材数据和时尚偏好,推出定制化服装,满足了消费者对于独特性和舒适度的追求,赢得了市场青睐。此外,互联网还促进了企业内部的管理变革。借助云计算、人工智能等技术,企业可以实现办公自动化、智能化,提高工作效率,降低运营成本。例如,企业资源计划(ERP)系统的应用,使得企业的采购、生产、销售、财务等环节实现了信息化管理,数据实时共享,决策更加科学高效。许多传统企业已经在拥抱互联网的道路上取得了显著成效。某传统家居企业通过线上线下融合的新零售模式,不仅提升了品牌知名度,还实现了销售额的持续增长。消费者可以在网上浏览产品信息,预约线下体验,然后在线上下单购买,这种便捷的购物体验吸引了大量客户。还有一家传统的餐饮老字号,过去仅靠线下门店经营,受众范围有限。触网后,他们不仅与外卖平台合作,拓宽了销售途径,还利用社交媒体平台发布美食制作过程、品牌故事等内容,吸引了大量年轻食客。同时,通过线上收集顾客反馈,不断优化菜品口味和服务质量,让这家老字号重焕生机。再如一家传统文具制造企业,借助互联网开展跨境电商业务,将产品销往全球多个国家和地区。通过分析不同地区消费者的购买数据,他们针对性地研发新款式文具,满足了不同文化背景客户的需求,企业业绩一路飘红。然而,传统企业在拥抱互联网的过程中也面临一些挑战。比如,部分企业对互联网技术的理解和应用能力不足,缺乏专业的互联网人才;一些企业担心数据安全和隐私问题,在数字化转型过程中犹豫不决。但这些困难并非不可克服。企业可以通过加强与互联网企业的合作,引进专业人才,参加培训等方式提升自身的互联网应用能力;同时,采取有效的数据安全措施,保障企业和消费者的数据安全。中国网民规模的持续增长为传统企业提供了前所未有的发展机遇。在这个互联网时代,传统企业只有积极拥抱互联网,勇于创新,才能在激烈的市场竞争中立于不败之地。让我们期待更多传统企业在互联网的浪潮中乘风破浪,创造更加辉煌的业绩。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!
-
25
01/09
大模型时代,没有超级应用,只有超级智能,为什么?
AGI编程,将是我们从移动互联网时代,跨越到大模型时代的重要一步。在绘画、写文章、创作视频之后,AGI应用的另一大场景是:编程。曾经大家认为编程有很高门槛,但在AGI时代,它在变成人人触手可及的技术,越来越多的AI编程工具,让不会代码的普通人也能轻松制作App。我们如何摆脱基于移动互联网时代的想象,展开大模型时代新的可能性?未来是不是人人都能成为AI程序员,创造专属于自己的「个性化应用」?对于这些问题,AIGCode创始人宿文在极客公园IF2025创新大会上,给出了自己的答案。宿文认为,在AGI的赋能下,AGI代码可以把应用带入更有「个性化」的阶段,让每个用户可以实现自己小众但精准的需求,小团队也可以降低成本,快速迭代。这是宿文眼中编程的终极场景。在宿文看来:·互联网时代创造的应用、平台,并不生产任何内容,只完成内容的聚合和分发。·在大模型时代,大模型只有一个核心功能:在底层帮大家生成内容。·大模型时代刚刚拉开序幕,大模型的链条会长什么样,每个从业者还在探索,但这条链条可能不会长成上个时代的样子。·AI编程将重塑软件开发行业,软件开发「又好又快又便宜」可以同时实现。·在大模型时代,没有超级应用,只有超级智能。以下是AIGCode创始人宿文在极客公园IF2025创新大会上的现场演讲实录,由极客公园整理。宿文在极客公园IF2025创新大会上进行演讲|图片来源:极客公园从Copilot到Autopilot即将过去的2024年,大模型赛道引发了许多讨论,AI编程是其中一个绕不开的话题。大家都会说程序员被大模型改造得很深刻,全世界程序员群体有七八千万,占世界人口1%左右。这么厉害的软件代码改造技术,怎么让其他99%的人使用呢?我们可以举一个例子,今天中午极客公园鹏总突然说这个活动办得很好,除了线上买票、线上收费,咱们线上直播行不行?会务组小伙伴崩溃了,去哪找直播管理平台,去哪找SaaS,如果自己定需求,自己去做开发,至少几个周、几个月时间。为了方便大家了解AIGCode的产品AutoCoder,我们把这个平台给大家看一下。AIGcode演示界面|图源:AGIcode这个产品完全面向不会编程的人群。另外很重要的点,相比大家现在拿到的类似产品,主要围绕前端,但是AIGCode能够把后端和数据库一体化交付给大家,能交付出一个完整的软件工程。做这个事的源头,跟我上一段创业有关系。我上段创业是做软件,有一个比较大的痛点是效率,我们经常提出一个需求,程序员要做几周甚至几个月,我们看到很多很好的技术栈,字节、阿里用得很好,但我们程序员用不起来,而且程序员成本很贵。所以做软件,怎么做得又快又好又便宜,这是每个行业都面临的难题,不可能在一个维度上去解决。然而大模型来了,又好又快又便宜可以实现了。当然实现过程中,目前主要有两类解决方案:一类就是Copilot,就像名字一样的,帮程序员做辅助驾驶。另外就是我们想做的Autopilot这样的产品。Copilot,目前主要还是围绕程序员工作场景在IDE里面做代码补齐,中国没有IDE,甚至全球最主要的IDE80%、90%的市场都在微软手里,作为初创公司很难在生态里PK,只能绕开这个很大的生态竞争。我们在Web端做IDEFree的产品,端到端去做。我们用户会完全不一样,我们把用户群体从1%放大到10%、20%都有可能。目前大家所用到的模型和Copilot产品,主模型能够用上最好的基模,不管海外还是国内,大家都在使用Deepseek这种水平的基模。要把代码链条优化得足够好,核心的技术都卡在模型上,所以自研模型不会套壳,不会用Llama去做,我们会有自己的模型架构解决这个问题。还有很重要一点,传统软件架构跟生成式软件架构不一样,两大支柱做了算法和软件架构层面的创新,这是我们两块主要的工作。右面是模型上的工作,核心解决两个点:又大又准,大的是「大上下文」,而不是后半段做4K窗口的串联。另外是新的网络结构带来的收益,还有一块是在软件结构的创新。ChatGPT的火爆正好两年多,我们其实站在今天这个节点来看,我们很憧憬大模型可以解决很多问题。今天可以解决的问题主要在写字和画画两个场景,很多理科生的的问题,比如数学、编程这样的工作还没有解决得很好,我们遇到了很多其他问题,比如训练成本、资金、模型本身的泛化能力、训练效率等等。目前网络结构在Transformer往前迭代,去年上半年提出的MOE这种架构也在改造整个大模型,在MOE之后还有MMOE等很多技术迭代。我们率先使用PLE架构,核心是我们能够在网络结构层让专家或大模型,更有结构化地深度学习人类高质量样本。至于样本不够用的问题,其实不会出现,因为我们有很多高质量的样本,像论文、代码这些样本还没有被彻底学到。为了让整个模型可以支撑起完整的代码生成,模型底层还要配套很强的算法,所以我们自己去做优化,包括不同的算力平台的整合,一体化平台上的算力加速,我们看到的技术卡点,都解决掉了。我们自己的模型成果,也不会拿国内任何一个软柿子去捏,去对比,我们还是拿全球顶尖的团队的最新版本,最大参数量去做,我们在泛化指标上,是跟主流模型基本平齐的水平。我们会在接下来三个季度把13B和33B也发布出来,给有模型使用能力的团队使用。这句话是我们公司的愿景,刚刚主要解释了上半句,Auto-codingisAGI,我们看起来在解决代码编程的问题,但是核心问题是:能不能把端到端代替程序员写完代码。Autocoding加速「个性化」这问题由AGI模型本身决定,我们发现,无论解决上下文还是网络结构、底层优化器、算力加速等等问题,都是目前AGI最大的痛点,这两个问题几乎是等价的,AGI和Auto-coding基本上同一个时间点到来。底层逻辑有两个:一、代码本身就是一种高质量语言,对于模型训练非常重要。另外,我们觉得AGI本身从一个新技术的出现,到两年前的ChatGPT进入大众视野,我们对它有很多憧憬,但它解决很多行业问题还不成熟,所以很多行业专家或者用户就会骂街,说这个工具不成熟,解决不了问题。但是对于代码这个赛道来说,比较幸福的是:我们算法工程师,95%都是程序员出身,因此思路上闭环很快,自己做得好不好,我们自己心里有数。第二点是,这样的Auto-coding准备好后,解决问题时,怎么端到端,要打到哪些需求点?用户体验上的核心之处:第一个点是准确,我们所有需求,怎么达成底层产品链条里的准确率?今天使用很多Agent类产品,第一个生成的版本很好,但细微的需求点没有办法实现。第二个点是灵活性,在一个应用的生成过程中,最重要的是要实现各种各样个性化的要求,比如一个搜索框,能不能实现得足够灵活,能跟所有功能逻辑串通。第三个点是完整度,这是软件工程上的工作,要解决工程的安全问题、部署问题。在这些工作做完后,这套方案就会变成基础设施,程序员的工作全部用推理算力成本就可以解决。我们想去做的PersonalApp(个性化应用)就可以实现。大家看到这个场景的时候可能会说:「我们手机里装的都是通用应用,我要一个PersonalApp做什么呢?」也有很多人问我:「你们要ToB还是ToC?」其实一个新的生产力工具出现时,这些问题都不重要,举两个很有意思的例子:上周我去云南某城参加一个会议,会议组织方带我们去景区,很多人排长队在买票,但旁边有好几台自动售票的机器,我走近一看都开着机,机内装着Windows系统,这时候如果有一个管理人员可以提出一个售票系统的需求,都不需要在当地找程序员,用可以在Windows里部署一套售票管理软件,排长队买票的问题就很好解决。另外一个例子,我跟一个朋友讨论播客,我们听播客很多都依赖于小宇宙这种播客客户端。在美国,很多主播会在YouTube上有视频播客的频道,国内很少用视频的方式做播客,这个朋友说我们不太想露脸,如果有一个卡通形象体出镜,去做视频播客,主播就会自然舒服很多了。所以大家会发现,在我们场景里有非常多个性化应用的需求,哪怕是基于一个通用的平台,都可以加很多个性化的功能进去,这在编程的终极场景里都可以实现。我们在小红书、知乎或者百度上,想搜索一个软件去解决我们一些问题时,本质上都是在提需求。如果这样的需求可以通过自动生成的代码和应用实现,而不需要用户去找各种各样的应用,找到后还要克制自己的需求。这两种体验完全不一样。大模型的核心功能,究竟是什么?关于代码生成和我们公司要做的事情,介绍到这里就结束了。接下来我有三个真话想说:一、大家一直在追求AGI或者解决AGI问题,是很割裂的。比如很多大佬都会说,整个大模型目前还处于婴儿期,但是从2024年初到现在,大家都说今年是Agent元年,但一个婴儿期的工具怎么解决那么多问题?我们经常听到说ScalingLaw走到尽头了,但是囤卡乐此不疲,H100、B200,1万张,10万张,大几十万张卡,现在大厂甚至开始搞核电站了,包括Ilay最近提到的,预训练期结束了,其实里面没有什么干货,主要把样本学完,但是还有很多高质量样本,需要结构化输入进整个网络结构里。所以有什么资源,大家就会依赖什么路径,对于我们这样的公司来说,我们看到更多的是网络结构层带来了非常大的红利。从Transformer出现,到前面几十年,大家对于通用人工智能的追求,都避不开网络结构这个环节,这一层获得的收益和待解决的问题更多。宿文对大模型的核心做出预测|图片来源:极客公园二、互联网或者移动互联网,给大家留下的思维惯性太强了,不管投资人、创业者、产业分析师,在大模型出现的第一天,很快就出现了一个分析框架,这个框架链条里有基模、OS、Agent、应用……但这些分类的基础,都是从上个时代复刻下来的,大模型时代的链条会长什么样,我们都不知道,它大概率不会长成上个时代的样子。我们做的过程中发现,做Infra这一层、做基模、做应用,各个环节的基础链条都不成熟,在不成熟的时候,大家如果去等待链条成熟,或者自己找一段去完善,这个商业通路很难跑通,因为它很难把价值直接传递给用户。对我们来说,我们有能力把这些链条打通到一起做,而不会很刻板地停留在过去的技术思路里。三、在大模型出现第一天起,就很多人提超级应用,这同样是互联网时代留给我们的想象。移动互联网时代,我们看到这种超级应用本身不产生内容,更多是做一个信息的嫁接平台或者一个中间平台,让我们搜内容搜得越来越快,给我们推荐信息越来越准,让我们交易越来越高效,但这个平台本身不会提供内容服务。但是到了大模型时代,这些互联网产品特性基本都消失了,大模型只有一个核心功能:在底层帮大家生成内容。这个竞争力一定是最底层的,未来超级应用长什么样不知道,甚至不会存在。但是超级应用底层是对超级智能的支持,这一点是一定避不开的,这是最内核的竞争力。看起来我们是在做AICoding,但其实我们是在这样一个商业场景里,去解决AGI自身的问题,我们朝着AGI一路狂奔,也是希望有更多小伙伴像我们一样,大家向上卷,向核心技术卷,最后把这些技术沉淀在产品上,提供给我们的用户。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!
-
25
01/09
快应用vs小程序,六年前的对决现在有了大结局
除了用不了盘外招,快应用也没能得到开发者的支持。十年前App是移动互联网的代名词,而到了今天,小程序无疑成为了更时髦的存在。根据QuestMobile公布的最新数据显示,截至今年10月,微信小程序的累计用户数量已达9.49亿,平均每位用户每月使用微信小程序的时间为1.7小时,而每月平均使用次数更是接近70次。几乎每一位微信用户都用过小程序,显然足以证明张小龙在2018年年初推出的这个新物种确实取得了成功。但与之相对应的,则是几乎在同一时间提出的另一个“新型应用生态”快应用,如今偃旗息鼓了,仿佛这个曾经站在舞台中央的产品从来就没有存在过。快应用与小程序在2018年可以说是同时起步,它们都以用户无需下载安装、就能即点即用,兼顾原生应用的性能和HTML5页面的便捷为卖点。只不过小程序是基于HTML5,快应用则是Javascript的ReactNative框架,所以在技术层面,后者其实更胜一筹。在uni-app等跨平台应用开发工具流行前,将App转换为小程序需要开发者将前端代码转换为符合小程序开发框架(如微信小程序的WXML),快应用完全不用。这也是小米、OPPO、vivo、华为等九家手机厂商在2018年3月发布“快应用标准”之后,快应用的数量膨胀地比小程序快得多的原因。然而遗憾的是,快应用的这般天胡开局并不能阻止一众参与者把一手好牌打得稀烂。如今在搜索引擎上搜索“快应用”,诸如“快应用沦为广告启动器”这样的观点,在微博、知乎、小红书等社交平台都有用户吐槽,也就是说在许多用户的眼中,它都快成为手机上流氓软件的代名词了。那么问题就来了,有手机厂商下场、且技术层面领先的快应用,为什么到头来会输给小程序,甚至沦落到广告启动器的地步呢?其实并非快应用的开发者自甘堕落,而是支持快应用的手机厂商敌不过押注小程序的互联网大厂,以至于在手机厂商“摆烂”之后,快应用生态很快就上演了一出劣币驱逐良币的戏码。此前在2019年,也就是快应用上线一年后,曾有媒体采访了小米快应用架构师蔡经伟,后者表示快应用联盟是小米在内多家手机厂商的共识,目的是培养手机厂商自有系统上的移动互联网应用生态。是的,你没看错,手机厂商主导的快应用联盟,其实是想效仿运营商NTTDOCOMO在本世纪初搞的i-Mode体系,唯一不同的,是主角从提供通信服务的运营商换成了生产硬件的手机厂商。如果快应用联盟的这个设想变为现实,也就意味着手机厂商从BAT手中抢走一部分国内互联网的“治权”,他们的互联网后向收费模式将迎来完全体。这个设想虽然看起来有些天方夜谭,但在当时的手机厂商看来却是“优势在我”。用蔡经伟的话来说,“手机厂商具有系统级的入口,可以将服务前置,做到用户与服务无缝衔接,并且与开发者服务深度集成,为开发者提供系统级的流量入口。事实上,当初手机厂商的应用商店将腾讯应用宝、360手机助手等一众第三方应用商店打趴,也是靠着硬件直接触达用户所获得的系统级入口。在谷歌存在感稀薄的国内市场下,手机厂商就拥有了对系统最终的解释权,通过在系统层面“使绊子”,直接使得第三方应用商店迅速边缘化。既然当年能让互联网厂商的第三方应用商店在手机里没有立足之地,自然也能在“快应用vs小程序”的对决中再来一次。毕竟手机厂商有硬件,互联网厂商有微信、支付宝、抖音,双方似乎都有流量入口。可是当初第三方应用商店竞争不过手机厂商的应用商店,是因为应用商店本身是一个App,手机厂商一使绊子、嫌麻烦的用户就会不用了。可小程序是寄生在微信、支付宝、抖音等超级App内部,两者是一体的。诸如微信、支付宝、抖音这类日活动辄数亿的超级App,用户每天都要使用,手机厂商无论如何都不能与它们“开战”。如若不然,苹果和微信之前的“二选一”风波就是例子,即便强如苹果都承担不起与微信一拍两散的结果,更遑论Android手机厂商了。除了用不了盘外招之外,快应用联盟也没有得到开发者方面的支持。微信当初扶持小程序,快应用联盟也是有样学样、搞出了一个“2亿流量扶持计划”,也确实拿出过饿了么、唯品会、携程加入后UV增长150%的案例。但问题是微信是腾讯说了算,可快应用联盟称得上是“九头蛇”,同样也继承了Android的碎片化特性。当初对快应用充满热情的开发者很快就发现,快应用不一定能在每一个联盟成员的手机上运行。如此一来,开发者的成本被迫上涨后,直接就劝退了一批小团队。而快应用更致命的缺陷是开发者其实并不支持它,因为快应用和App算是同生态位的产物,它们都是以桌面图标的方式存在于用户的手机上,而应用商店则是另一个物种。对于开发者而言,只要流量和分成比例合适,在哪个应用商店进行分发都一样,可快应用却真真切切地给用户造成了体验上的困惑。最终的结果,是有流量、且高频次的App对于快应用都敬谢不敏,以爱奇艺为代表的应用即便在开发了快应用版本后,又很快下架,反而只有天生缺流量的工具类App抓住快应用不放。可工具类App缺流量导致了他们变现难,好不容易有快应用这样一个流量入口,自然就要物尽其用,结果就成了广告泛滥,开发者为了让用户看广告无所不用其极。可反观小程序生态,奔着在Android、iOS里搞“国中之国”的互联网巨头是真的在培育生态,所以到了六年之后的今天,双方又岂有不分出高下的理由。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
-
25
01/03
中国软件行业没人敢说的实话
软件行业有很多“潜规则”,行外人不知道,行内人不能说。因为说出来会被视为“行业叛徒”——比如我。今天,就让我继续来做这个“把中国软件行业都唱衰了的男人”。接下来的几句实话,一句比一句重,最后一句特别残忍。敏感的同学请及时止步,让我少挨点骂,感谢!第一,很多软件公司只有一个产品经理,那就是CEO。其他所谓的产品经理,其实都是原型仔。在这样的公司,你永远都成不了真正的产品经理。还有一类公司,虽然产品经理不少,但奇怪的是,公司不让他们见客户。不管领导嘴巴上说得多漂亮,不让见客户的原因其实只有一个:节约一点可怜的差旅成本!毫无疑问,在这样的公司,产品其实一点都不重要。如果你在这样的公司,那么成长路径只有一条:从“初级原型仔”成长为“资深原型仔”。第二,很多外包公司幻想通过定制项目长出标准产品。但定制项目追求的是最低成本,用户说什么就做什么,设计怎么简单就怎么来。而标准产品则是聚焦共性问题,注重长期规划,产品设计也非常谨慎。两个思路南辕北辙,定制项目根本长不出标准产品。有人会抬杠:很多公司不也是先做定制项目,再做标准产品的吗?真相是:这样的公司往往一开始就是以标准产品为目标的,定制项目不过是积累经验的一种手段,根本没有指望通过定制项目赚钱。而外包公司的核心商业模式就是定制项目,根本没有做标准产品的思维和能力。第三,有时候用户并不需要软件。一家年销售超过2000亿的大公司,因为一个bug,某核心业务系统停摆了一个月。奇怪的是业务运行几乎没有受到影响。IT部门赶紧不计代价地修复了bug,因为他们担心再拖下去,业务部门会发现:原来没系统也无所谓。真相是:很多所谓的管理系统,真的就只是满足管理层的控制欲,对业务一点帮助都没有。如果大家负责的是这样的系统,听我一句:早点换个工作。第四,国企不需要产品经理。经济不景气,很多产品经理为了追求稳定,千方百计想去国企。但其实,国企并不需要产品经理。这里的关键在于,专业的产品经理应该为用户创造价值,但是在国企,产品经理的工作本质上是讨好领导,为领导创造政绩。在国企,“汇报能力”远远大于“产品能力”,因此,国企需要的不是“产品经理”,而是“汇报经理”。如果你坚持要去国企,最好在里面呆一辈子,否则有一天被裁员,你可能连工作都找不到。最后补充一点:并不是所有的国企都很稳定。第五,很多客户不替换软件,并不是对效果满意,而是替换成本太高。为什么有那么多垃圾软件?因为他们知道,不用把产品做得太好,反正只要一旦上线,客户想换掉就需要付出巨大的代价。中国软件最悲哀的一个真相,就是很多软件公司赚钱,靠的不是创造价值,而是绑架客户。本节讲讲中国软件行业没人敢说的5句实话,最后一句,是我们这一代IT人最大的悲哀。第一、中国软件公司真的很卑微。无底线扩大需求、索取源代码都是客户的常规操作,更过分的是找借口拖着不付款,想法设法榨干软件公司,这几乎已经成为了中国甲方的潜规则。曾经在一家央企做项目,甲方的一位业务人员和同事得意洋洋地吹嘘他们副总裁的光辉事迹,大意是成功赖掉了一笔供应商的费用,为集团做出了“重要贡献”。我在旁边听得五味杂陈。更可悲的是,甲方专挑软柿子捏。就说索取源代码这件事吧,甲方面对国内供应商都非常强势,不给源代码就不让投标;但是面对国外供应商呢?基本上提都不提。因为他们知道,提了人家也不会同意。第二,欧美软件忽悠了整整一代中国企业家。管理变革、流程再造都是一些欧美软件公司带过来的概念,这些公司的售前特别擅长谈概念,而且很多中国企业家也都相信!但是最终有几家企业真正实现了流程再造呢?大部分企业都只是实现了最基础的信息化管理而已。核心原因在于,在欧美,企业把IT能力视为了战略能力,愿意大刀阔斧的改革。但是在中国,IT真的就只是降本增效的工具。所以,这些概念唯一的意义就是支撑起了欧美软件的天价,不客气地说,个别欧美软件公司忽悠了整整一代中国企业家。第三,中国软件市场最大的问题,就是需要好软件的企业没钱,但有钱的企业却不需要太好的软件。为什么飞书这样体验好的软件,一直面临市场规模卡点的问题?核心原因就是买得起飞书的中国企业,真的不多。很多国央企,软件的好坏其实对业务一点影响都没有,而他们恰恰是中国软件市场最有购买力的企业。面对这些有钱的企业,“产品好”不如“关系好”,“上CRM”不如“上茅台”。这才是中国软件普遍很烂的根本原因。第四,忽悠是很多软件公司的核心竞争力。软件行业有一个潜规则:售前顾问一般不负责项目的交付。按道理说,售前顾问参与了前期调研,又得到了客户认可,最适合做项目交付的负责人,那为什么软件公司要冒着风险换人来交付呢?其实有一个核心原因,那就是为了拿下项目,售前顾问往往要吹大牛,挖大坑,如果售前顾问自己来负责填坑,恐怕想死的心都会有。所以,为了降低交付的难度,售前顾问就只能专职吹牛了。第五,十年过去了,中国软件行业和欧美的差距越来越大。十年前,中国软件行业普遍性盈利,很多SaaS公司也在赚钱;现在,中国软件行业普遍性亏损,99%的SaaS公司都不赚钱。十年前,IT咨询还是一个令人尊敬的高薪职业;现在IT民工们的人天单价一跌再跌,已经从10年前的3000一天,跌到了现在的1000。十年前,虽然外企占据了高端市场,但是,一大批IT公司跟着外企还能喝点汤;现在搞国产化替代,高端市场的价格成功被我们自己打下来了,价格之低,连汤都喝不到了。过去十年,是互联网的十年,欧美的企业软件已经全面进入了互联网时代,马上又要全面进入AI时代。而中国软件呢,似乎又倒退回到了传统软件时代。这真的是我们这一代IT人,最大的悲哀。本节只有三句话,但每一句都透着IT人的心酸。实话1:定制化的本质,就是甲方压榨乙方,乙方绑架甲方。中国企业为什么不愿意为标准产品付费?因为,在他们看来,软件产品和以前的光盘没有本质区别,复制成本几乎为0,当然不愿意付费。至于定制化,甲方觉得已经压榨到底了,反而会给软件公司留一点可怜的利润空间。不过,定制化也并非没有“优点”:经过多年的修修补补,定制系统的代码已经太复杂了,如果贸然换供应商,就需要冒很大的风险。结果就是,定制化让乙方赚不到钱,但是也让甲方离不开乙方。看起来大家都赢了,但好像又都输了。实话2:越来越多的软件公司,变成了培训公司或者外包公司。AIGC刚兴起的时候,冒出来一大堆AIGC公司,但是慢慢地,很多公司的核心业务就变成了AIGC培训。企业微信刚开放微信接口的时候,冒出来一大堆SCRM公司,但是慢慢地,很多公司的核心业务就变成了外包。这些都不是个例,我身边就有不少软件创业者最终走上了培训和外包的道路。真正有意思的在于:他们做软件的时候亏得一塌糊涂,做培训和外包倒真是赚到了钱。这能不能说明,在中国做软件,还不如卖人头?实话3:在中国,不管是SaaS公司还是AI公司,最后都会变成传统软件公司。大家发现没有,SaaS公司越来越像传统软件公司。以前,SaaS都是公有云部署;现在,大部分SaaS公司都提供私有化部署。以前,SaaS都是标准化产品;现在,大部分SaaS公司都提供二开服务。以前,SaaS都是订阅制;现在,一些SaaS公司也开始提供买断制。AIGC也一样,大家慢慢也会发现:AIGC越来越像传统软件。本文来源:虎嗅网文章转载于其他网络,如有侵权请联系我们及时删除!
-
25
01/03
什么时候该用AI,什么时候不该用?
于AI的使用不能用二极管思维关于AI的使用不能用二极管思维:要么无所不能,要么一无是处。关键是要找到适合运用AI的场景,避免使用AI的情形。本文就是经验之谈。文章来自编译。鉴于大语言模型目前的能力和局限性,有几种类型的工作特别适合使用人工智能。虽然这份清单说是以科学为基础,但更多是出自经验。跟任何形式的智慧一样,要想把人工智能用好,需要用矛盾论:相信AI可以带来变革,但必须持怀疑态度,功能强大但容易出现小问题,对某些任务至关重要,但对其他任务却有害。我还想提醒大家,除了把AI作为灵感以外,不要太把这份清单当一回事——自己的情况你最了解,本地知识比任何一般性原则都重要。好了,考虑到目前的能力,下面列举的这几种类型的任务,是特别适合使用人工智能的,此外还列举了一些你应该保持警惕的场景。▍适合使用AI的场景1、需要产生大量创意的任务:比方说,在头脑风暴中,创意的数量往往决定了最优创意的质量。大多数人生成几个创意后会感到疲惫,而AI可以高效地提供数百个不重复的创意。2、你具备专业知识,且能快速评估AI产出的好坏:尽管某些工作可能很复杂且要求严格,但借助你的专业知识可以判断AI产出的价值。比方说,OpenAI的新模型o1能够解决部分博士级难题,但不是专家的人难以判断其答案是否可靠。3、需总结大量信息但容错率较高的任务:AI擅长对大段文本(如小说)的内容进行总结,但在事实核查方面效果有限。4、在不同框架或视角之间进行内容转换:比方说,你已经设计好了一项政策,但需要为组织内不同受众分别制作培训文件。AI能够高效地调整文件复杂度,确保内容适合不同人群的理解水平。5、推动你前进的工作。我们前进的道路上往往会遇到一些小的阻碍,只需要推一下也许就能继续向前。比方说,过去我可能因为一句话写不下去而暂停写作,但现在我可以让AI提供几十种不同的结尾方式。6、AI表现优于你能接触到的最好人类,并且就算犯错也不会带来严重后果的那种任务。7、需要帮助理解上下文或细节的任务:TylerCowen建议将AI当作阅读助手,因为你可以不断询问AI问题来深化理解。8、需要多样化答案的任务:比方说,作为编辑或策展人,你可以让AI以完全不同的风格提供多种解决方案,比如“针对这个要点重新设计15种表达方式”,从而帮助你发现独特的创意。9、研究表明人工智能几乎肯定有帮助的工作。比方说很多种类型的编码工作。10、需要对不同接收者的可能反应进行初步分析的工作:AI能够模拟敌意、友善或天真的反应,为你提供参考。11、需要具备跨学科知识,缺乏一位足够好的伙伴就完全行不通的创业类任务:这种情况下AI可以成为你的“联合创始人”,既能提供指导,也能协助你制作文档、演示以及其他超出你专业范围的事情。12、需要特定视角的任务:比方说,模拟某些虚构角色的初步反应。13、某些已变成形式主义,脱离了实际用途的任务:比如某些标准化的报告。用BobSutton和HuggyRao的话来说,那些会分散你注意力,降低你价值,没有用处的事情。虽然最好能完全干掉这类工作,但至少可以借助AI减少其耗费的时间。(需注意这种工作是不是真的毫无意义,尤其是某些自动化任务可能需要人工完成才有价值。)14、需要第二意见的任务:提供数据给AI,看看它的结论是否一致。15、AI胜过人类的任务:这是一个增长迅速的领域。▍不适合使用AI的场景1、当你需要学习和整合新信息时:虽然AI可以提供总结,但这不能替代你亲自学习。让AI替你解决问题不是有效的学习方式,即便你感觉是。要想学习新东西,你得自己去阅读和思考,虽说在部分学习过程中你还是会发现AI的帮助作用。2、需要极高准确性的任务:由于AI可能会出现“幻觉式”错误,而且那些错误看起来也是貌似非常合理的,所以导致人们很容易忽视,从而增加风险。幻觉是可以减少,但没法消除。(不过,现实世界当中很多人误都是可以容忍错误的,因为人也会犯错,甚至某些情况下AI还没人那么容易犯错)3、当你不了解AI的失败模式时:AI的失效跟人类的不一样。是,你可能知道AI会产生“幻觉”,但这只是出错的其中一种表现形式:AI还可能会试图说服你它是对的,或者当你给出错误答案时也说你是对的。只有频繁使用,才能逐步理解这些潜在风险。4、当努力本身是目的时:在很多领域,成功往往需要靠不断的磨练才能达成。比方说,作家可能会反复重写同一页内容,学者则要多次修改理论。靠AI跳过这些过程可能会剥夺你获得关键“顿悟”时刻的机会。5、当AI表现不佳时:AI在某些意想不到的领域表现不佳。比方说,统计“草莓”(strawberry)里面字母“r”的个数)。也可能在另一些领域有惊人表现。比方说,创作一首关于统计“草莓”包含的“r”字母个数的,莎士比亚风格的十四行诗,而且还要求每行的首字母能拼成两种水果)。目前,尚无通用指南可以明确AI能力的“边界区域”,因为这些能力还在不断进化。通过试错并与同行交流是理解这些能力的关键。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
12/28
“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!
