大模型的上半場是“底座”，互聯(lián)網(wǎng)巨頭都希望能夠調(diào)制出一個優(yōu)質(zhì)的底座系統(tǒng)一統(tǒng)江湖。

本著“數(shù)據(jù)即一切，規(guī)模即一切”的邏輯，讓AGI迅速成為一個資本狂熱的游戲。

然而，熱熱鬧鬧之后，大家還是會考慮如何變現(xiàn)的實際問題。

于是，大模型的下半場，則逐步回歸于“應(yīng)用”。

如何將大模型在不同的業(yè)務(wù)場景中落地，是每個AI創(chuàng)業(yè)者都關(guān)心的問題。

這件事機(jī)會更大，但是難度也更大！

給AI找場景，這其實像拿著錘子找釘子，確實有點反人性。

一些掌握著最前沿AI技術(shù)的人，希望盡快找到靠譜的業(yè)務(wù)場景變現(xiàn)！

絕大多數(shù)業(yè)務(wù)方對AI的認(rèn)知都處于一個比較淺層次的水平，因此業(yè)務(wù)與AI的結(jié)合存在非常大的需求溝通瓶頸。

即便偶爾有業(yè)務(wù)方感興趣，未經(jīng)業(yè)務(wù)適配的“通用”底座工具，也確實幾乎解決不了任何嚴(yán)謹(jǐn)?shù)臉I(yè)務(wù)流程。

這瞬間會讓需求的溝通變得尷尬無力 ... 

這樣的AI引起不了什么“興奮”，算法人始終都是在自嗨！

大模型，難道底座搞完后，就真的無事可做了么？我們迎來的AI時代，是開始，還是又一個低谷周期？

盡管AGI的能力不可高估，但是也遠(yuǎn)不至于“妄自菲薄”。

類GPT的產(chǎn)品，在大規(guī)模知識庫、智能助手這些典型場景，其實已經(jīng)做的相當(dāng)不錯。

應(yīng)該看到的是，我們在智能搜索任務(wù)上，已經(jīng)進(jìn)入到了下一個技術(shù)代際，以答案結(jié)果為目標(biāo)，而非以原始的數(shù)據(jù)片段為目標(biāo)。

問答技術(shù)的個性化程度，交互性更強(qiáng)！

強(qiáng)交互性，就是大模型技術(shù)與傳統(tǒng)AI技術(shù)最大的不一樣之處。

這樣的好處是多方面的：

一是降低了AI工具的使用門檻。

用戶可以通過對話喚醒后臺任意算法或服務(wù)，只需要考慮業(yè)務(wù)場景，而不用關(guān)心技術(shù)工具的操作或配置細(xì)節(jié)。

二是提升了數(shù)據(jù)結(jié)果的多樣性。

大模型輸出內(nèi)容具有隨機(jī)性，可以做到千人千面，用戶體驗柔性靈活。

這一點在C端產(chǎn)品上是一個特別突出的能力“加分項”。

比如，任何人可以隨意給一段文字動態(tài)生成精彩的腳本或音視頻素材，彼此之間還不會重復(fù)。

三是加強(qiáng)了趣味性。

大模型的擬人化特質(zhì)，會顯著提升AI產(chǎn)品或工具的“吸引力”。

即便是在枯燥的辦公場景中，有一個能夠正常溝通的數(shù)字員工“隨叫隨到”，也遠(yuǎn)比獨自一個人對著Excel表單查詢枯燥的數(shù)據(jù)更加有趣。

除了這些方面，還要注意到，這一次的大模型“大亂斗”，確實讓更多的資本流入到AI賽道，業(yè)界也產(chǎn)生了諸多開源的底座模型。

這些底座模型不管來自于哪個廠商，各自均有優(yōu)勢。

基于底座模型，可以通過少量樣本數(shù)據(jù)二次開發(fā)，極大地降低AI模型的構(gòu)建成本。AI模型的生產(chǎn)力總體得到了提升！

大模型能力就像云服務(wù)一樣，讓企業(yè)獲得“智能”服務(wù)的效率極大增強(qiáng)，也為中小型技術(shù)創(chuàng)業(yè)者，提供了更好的技術(shù)成長生態(tài)環(huán)境。

未來，大模型的價值不在于“生成能力”本身，而在于對AI產(chǎn)業(yè)結(jié)構(gòu)的重塑，以及形成對整個社會各行各業(yè)數(shù)字化、智能化進(jìn)程的“催化劑”！