OpenAI本次發布會引起不小的動靜，它此次的舉動會對未來有什么樣的影響呢？讓我們看看下邊的文章中的筆者對OpenAI的一些看法和內容吧！

OpenAI本次發布會引起了相當的波瀾，其中最矚目的是：他好像把過去一段時間很大一批創業公司做的事給干了，并且挖斷了去路。

但OpenAI的行為其實不單是Sam Altman這些人決策的，更要遵從智能的基礎運行邏輯。大模型出現并且突飛猛進之后，智能的基礎運行邏輯相對于過去的互聯網等其實發生了一些本質性變化，這些差異性有點“死生之地不可不察的意思”。

這些特征在前面各種文章中提到過，正好借著OpenAI的發布會做下梳理。

一、智能的邊界是應用的邊界

OpenAI本次發布會中很大的一個動作就是GPTs商店，而如果底層的大模型持續增強，那無疑的這種特征會讓獨立的純粹工具被折疊，威脅的就是Midjourney這類產品。這類產品擋在了大模型前進的路上。

這體現的底層邏輯正是智能的邊界就是應用的邊界。

在琢磨事2023.7.5月發表的AI大模型沒有商業模式？中發表過這類觀點：

而這種發布會其實是這種底層邏輯的一種實現，現實總是會和概念運動統一。

更形象點說，這種底層邏輯很像木偶那個懸在高處的錨點，木偶行為的花樣配合故事性有很多很多，但其實是有規則和范圍的。

二、那延展下去還會發生什么呢？

OpenAI會云端操作系統化，在GPTs 商店之外，它會再開放一個商店，負責接入現實世界的實時感知數據，接入各種IoT設備。當前的多模態可以看成是對這一步的鋪墊。這是在2023.7.22的開源大模型LLaMA 2會扮演類似Android的角色么？中提到的：

當時這個認知其實受到了一些挑戰，我不知道現在還有多少人還會類比公有云或者不同意這會是云端操作系統，也是一種云端的超級應用。

三、那這種變化更底層的含義是什么呢？

其實是通用計算平臺的遷移，而通用計算平臺的遷移注定是計算范式的遷移。

從技術上我們既可以講計算從端更多的遷移到云端，也可以講從一般的算法遷移到模型。

從結構上其實這是在強化中心化的力量，而中心的遷移往往體現為公司地位的變遷。這個直接映射到現實就是可能出現比現在蘋果規模還大的企業，這點主要在2023.8.27AI個體戶的崛起：普通人“屁胡”的機會、模式和風險中做的展開：

潛在的這可能會變成OpenAI和微軟決裂的動因（微軟是當前的中心，而通用智能會是中心的中心）。下屬企業是更大范疇的中心，這在未來肯定是不好處理的。

從公司性質上，如果OpenAI做到這些那就可以把技術優勢轉化為生態優勢。技術優勢是有保鮮期的，生態優勢則更加穩定。微軟的Windows到后面是技術領先么？顯然不是，是跑在它上面的應用讓它成為了事實上的標準。

注：特意把有些觀點的發表時間標記出來想強調的是這確實不是事后諸葛，牽強附會，而是智能的發展確有其自己的脈絡。

四、這條路線走下去遠期還有那些變化呢？

還可能會導致終端變遷。

終端和大模型會按照感知與決策進行分工，其中一個低成本的分支可能會導致NC(Net Computer)其實就是現在的ChromeBook又來，并且帶來更大的普及度。此前Facebook押注H5死的很慘，但GPTs其實比H5的云端成分還要更高。

如果再遠期很可能還會有個意想不到的變化。

如果眾多GPTs足夠堅挺和繁榮，那這本身就是生產并消耗服務的生態，就是一種“宇宙”，在這個宇宙里面交易會是什么形態？這時候不要忘記Sam Altman的世界幣，創造財富和分配財富可能在這里會統一，人工智能和區塊鏈在這里可能會合流。

這特別符合給世界求個解：OpenAI的Sam Altman為什么干世界幣？中提到的愿景遠期會看著像腦洞，但其實這些發生沒發生的事件背后都有一根線在穿著（偏玄學一點，我管它叫名實唯一性，這里不重復展開了）。

這種擴張并不是無邊界的，如果說智能的邊界就是應用的邊界，那這個邊界到底在那兒呢？

五、智能的邊界到底在那兒呢？

從深度來講，在AI行業從業者/企業相當比例盈利之前，大模型再怎么驚艷，那它的深度也是不夠的。而像在AI能賺到錢了么？里強調的，當這種智能通用性足以覆蓋任何一個場景的各個方面，并且真正匹配一個人所能創造的價值時，那就注定會盈利，因為在智能上的成本總是低于雇傭對應人員的成本。

從廣度來說，顯然的chatGPT沒有領域知識，比如醫療、稅務、法律等。

在這種情況下，一個顯然的趨勢是通用大模型會繼續在通用領域深耕下去，反過來也就意味著垂域大模型上會閃出相應的機會。沒人會在富礦很近的時候同步去挖貧礦。

從技術看，也同樣是這個結論。

智能的來源在于數據，數據本身描述了某個范圍內世界的本質，而數據的描述深度和智能程度就注定成比例，在特定領域下這種深入就表現為對場景的實時感知（比如病人的具體情況）、歷史數據（比如病人的歷史數據）、環境數據（比如法規），而這部分數據自身有自己的成本。

顯然構建場景的全量數據有點像攻克一個一個山頭，這并不是一個單獨的公司能全部做的事。否則就會像抓一把沙子，然后不停的處理指間沙。

六、這種通用智能和領域的區隔會導致什么呢？

1. 開源生態

這會導致在OpenAI之外，形成一個開源生態，這就是之前開源大模型LLaMA 2會扮演類似Android的角色么？中提到的：

這種開源生態要和每個人做一個安卓相區別，雖然很多時候大家會宣稱如此。唯有這種開源生態才能對沖行業中的落地成本。

2. 系統型超級應用

在領域+開源智能的前提下就會出現各種大大小小的系統型超級應用。即使到現在在很多人的眼里安卓也還是不如蘋果，但當它good enough的時候，它其它方面的優勢比如安全等就會讓自己更加普及，同步的去解決各個領域的問題。

而在解決各個領域問題的時候，其基礎架構會和操作系統很像，多邊開放，既有面向設備的一邊，也有面向應用的一邊（GPTs）。

說是系統型的原因在于，在感知端它要能接入各種IoT設備的數據源，扮演過去類似硬件抽象層的角色(HAL），說是超級應用的原因在于它要開放對應的應用商店，微信一樣，在自己有用的前提下容納更多的技能。

這種應用就是AI原生應用《從手機App到AI原生應用》：

七、小結

AI底層邏輯的變化，其實會帶來定位和打法的變化。上面的說的也許未必全對，但其實是一整條遞進的脈絡。而AI從技術上看，仍未像互聯網一樣成熟，從商業化的角度看更是處在一個萌芽期，所以這類的思考應該是必要的。這時候想比做還重要：“想都是問題，干才是答案”是錯誤的，雷軍說也不行。