新闻资讯
News and information
-
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！
-
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！
