中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

大模型沒能很好的找到自己的商業閉環這種情況下關注重點轉移到了人工智能的“啟蒙”事業。同樣規模的數據，以更高層次的數據應用方式，創造的價值更高。那么AI應用的普遍升級到底會從那里開始，又會以什么樣的特征走到我們的面前呢？

大模型仍然沒很好的找到自己的商業閉環，所以很多人就不約而同的把精力投向了人工智能的“啟蒙”事業：賣課。但如果我們相信數字化的結果會因為AI而進一步翻倍，那在更低層次上使用的數據的應用就注定會被更高層次的方式所替代，因為同樣規模的數據在后者創造的價值更高。用過收割機了，那有人會回頭趕牛耕地呢？那這種應用的普遍升級到底會從那里開始，又會以什么樣的特征走到我們的面前呢？

一、AI原生應用

在應用中AI的比例會越來越高，而“含AI量”的終點則是AI原生應用。

那同我們每天都用的手機APP相比，潛在的AI原生應用會有怎么樣的特征和差異呢？

應用都會導入AI技術，但卻遠不是每個應用都是AI原生應用。

比如，大部分的應用會導入刷臉登錄的功能，而刷臉背后則是基于神經網絡的算法。這類應用是AI原生應用么？

比如，大量客服數據生成后，那大模型可能會被用來從非結構化數據中提取有價值信息，來形成對產品的反饋，這是AI原生應用么？

比如，Siri這類應用，從用戶側收集各種交互請求和輸入，經過一個智能的棧，然后給出反饋，這是AI應用么？

如果按本質特征來說，前兩種其實不是，在他們那里AI是輔助和強化原有的功能，但后者是，在它這里，AI扮演了大腦的角色，所有功能圍繞著大腦展開。

AI原生并沒有精確的定義，我看到的定義里面Erission的會和上面說的的比較貼近：

在這種思維模式，AI原生注定會被放到一個結構的中心位置：

https://www.ericsson.com/en/reports-and-papers/white-papers/ai-native

嘗試給AI原生下定義會比較困難，但這和后面會提到的應用怎么展開有關，所以這里會勉強下個定義：AI原生應用核心的特征是AI在應用中類似大腦承擔中心決策的角色，AI原生應用表現為類人智能體，衍生特征則是智能優先。

為什么這么去定義呢？（雖然可能不嚴密）

因為貼著智能來走，最大化發揮智能效能的結構一定是這樣的，它內置了一種以智能為中心的結構，在這種結構下才能更好的發揮智能的效力。

如果延展到Agent其實要加入實時反饋，延展到行業就會發現充分數字化是AI原生的前提。

現有的應用哪些是AI原生應用呢？

Siri、智能音箱、自動駕駛汽車、Vision Pro等注定是AI原生應用。

如果把算法的范圍擴展下，其實抖音、今日頭條和搜索引擎、滴滴、美團外賣可以看成上古的AI原生應用。

微信則不是。

二、AI原生應用的崛起

抖音和微信崛起的邏輯正好代表了兩種不同的產品邏輯的成功。

抖音贏在數據的使用效率更高，微信贏在用戶體驗夠好。跑到現在的結果似乎是當數據量不足夠大的時候微信的模式勝出，當數據量足夠大的時候抖音的模式勝出。

而智能越高，數據價值被放大的倍數越高。微信代表的產品模式則越會式微。

除了這種產品邏輯上的差異，AI原生應用還會具有哪些新特征？

AI原生應用切分的功能粒度和過去不同。

它的邊界是智能的邊界，而智能的邊界事實上的領域和場景的邊界。每一個AI原生應用都注定是一個元宇宙，也注定是一個系統型超級應用。

為什么這么說呢？我們還是拿過去的Watson來舉一個例子（此前提過這會是一種典型的結構，雖然它失敗了但它的探索其實是有意義的）。

在這樣一種結構下，它的大腦，也就是智能部分（上圖中代表Watson的那個球）其實是共通的，只要它拿到對應的數據，包括病人數據行業的數據，那它就可以持續復制下去，沒有邊際成本（或者就是極低的邊際成本）。貼著這個邊界走就注定會在它大腦所支持的領域上完成統一。在完成這種邊界擴充之后，它的智能也會因為數據的充分而得到進一步強化（智能飛輪）。

而完成這種統一的過程，又注定會以一種典型的三層結構來完成。

底層是對現場數據的實時感知，中間是綜合的智能的大腦，上層是可定義的應用的形式。

這就是典型的OS架構。

而顯然的這兩個特征不局限于醫療健康，在那怕是電商這種領域，這種智能原生應用一樣成立，只要你的數據本身在更高智能的驅動下還能創造更高的價值。如果智能能夠讓流量的轉化率提高1個百分點，電商平臺會不用么？

這類AI原生應用會帶來什么樣的影響呢？

可以用哺乳動物、人類的崛起來類比。在數字空間里也會充滿各種物種，AI原生應用并不會滅絕所有其它的類別，比如計算器，但和它對沖的類別就危險。

就像人類崛起過程中因為智能優勝不知道滅絕了多少種其它動物一樣，AI原生應用一樣會因為智能優勢覆蓋掉與自己相關的非AI原生應用，智能越高就越是如此。

三、從IT大歷史的角度看AI原生應用

1、過去五十年發生了什么？

我們都知道IT革命從計算機開始，而如果要選擇一個最關鍵的指標那應該是芯片的的計算能力。

同步的另一個分支則是互聯網，兩者合流后最完美的代表產品正是我們每天在用的手機，手機即是電腦也是一個接入互聯網的終端。

那如果跳出來看大型機、PC、個人手機除除了解決、計算、打印這些任務之外到底干了些什么？

其實是提升了世界的數據化程度和傳輸速度。在沒有它們之前為了傳遞信息，甚至需要打造密閉的鉛通道，然后拿大號鼓風機把文件吹送到指定的人的手里。

這種數字化是初級的，更大程度上利用的是它的流轉速度和大規模信息處理的能力來創造價值。很像人也可以送信，都是神行太保，利用了人能跑路的能力，但人的核心能力并非跑路。這種形態下對于數據的使用效能是不夠充分的。這條技術路徑在AI之前發展到最后正是大數據（沒錯大數據也是一種智能）。

這相對于過去沒有數字化的世界已經是巨大的紅利，所以IT世界一直在高速發展。

2、過去十年發生了什么？

在互聯網狂飆猛進到2015年前后，大家發現一般應用不太好做了。所以紛紛改弦更張。但很不幸這是個失敗的10年。典型探索包括人工智能、SaaS、區塊鏈基本不怎么成功。

AI敗于投入產出的失衡和技術紅利價值不夠大，SaaS敗于挖了一個貧礦，區塊鏈則敗于找了個不太可能被支持的領域。當然以數字貨幣為代表的這一領域因為離錢太近，在資產和貨幣屬性上仍然非常多的人在關注，但越是如此就越會變的高度投機，全是流動性在發揮影響力，沒有價值錨點。而如果不能和現實世界有更深的錨點，那它的邊界也就是過去這些年拓展下來的邊界。

還是跳出來看，能看到什么？

其實是在嘗試進一步增加數據的附加值。

如果我們相信數字的世界會越來越重要，并超過真實世界，那這種嘗試最終一定會成功，但過去因為種種原因（核心是技術成熟度不夠）這種嘗試基本失敗了。

區塊鏈是完全另一類技術，它本質就是數據的不可篡改。但它需要在發幣之外找到自己新的支撐。不可篡改可以構建某種基于技術的信任基礎，其實也在等待新的綜合。

3、現在在發生什么？

現在大模型出來了，大模型解決的問題用一句話總結就是：它讓數據的價值創造再進一步。如果把百分百數字化的世界以及依賴倒置看成一個時代的終點，那這無疑是往數字世界上添加的極為關鍵的砝碼。

基于大模型，數字上創造價值的方式不再是速度快、大規模集散這些基礎模式，而是進入類人和超腦的階段。

這很像用人搬磚修長城用它的體力也是對人智能的應用，但這種應用顯然是初級的（過去的互聯網、SaaS等），現在可以白領了，坐在辦公室里工作，這顯然是對人這種智能物種的更高級的發揮。

從此之后在企業里面不單有人還會充斥各種人工智能體，而它的形式正是上面提到的智能原生應用，而充斥著智能原生應用的世界，必然是一個智能原生的世界，數字化正是其先導。

拉高視角看，這就是應用掌握更多信息，智能同步提高持續進化的過程，和人類從魚一步步進化過來具有相似度。

四、大模型在這過程中的角色

在上面這個序列里面之前提到的三類角色就更加清楚：

大模型公司肯定不是就做模型的，而是一種社會的普遍基礎設施，侯宏老師管這個叫：智能的大規模集中供給（大智能時代的產業再分工：“無數據，不智能”可以休矣）

但產品上肯定要比這個走的更遠，可以看成類Matrix的操作系統。過去不行，現在正好大模型的通用能力讓這事行了。

行業大模型則是一個一個虛擬世界。未來要面對的肯定不是單個功能，而是大綜合的系統型超級應用。每個系統型超級應用都是一個自己的元宇宙。

因為顯然在某個范圍內應用的能力和它的邊界成正比（如前所述，拓展邊際成本極低）。從這個角度看，單獨的SaaS應用（比如CRM等）是不會存在的，注定會進行某種更大規模的歸并。在上古時代，SAP其實就有點跡象，而顯然的大模型會讓這種趨勢發揮的更加厲害。

在這時候區塊鏈會找到自己發幣外的價值錨點，會成為構建這種AI原生應用中的一個關鍵技術。

系統型超級應用生成的過程中還需要很多填補縫隙的工作，這就是長尾工具的機會。

五、小結

如果還是跳出來看，整個過程會很像是已經獨立于個人之外的數字空間的進化，它進化的越來越類似生命體，而這個生命體的特征就是之前經常提到的依賴倒置和名實唯一。