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

隨著智能與行業的結合，大模型的應用會體現為各種Agent，而這一趨向可能會改變整體的游戲規則。具體如何理解？這篇文章里，作者就提出了他的觀點和看法，一起來看一下，或許關注AI行業發展的同學會對這篇文章感興趣。

大模型如果單獨進行商業化那就只可能是提供API，而這模式很可能連一家OpenAI都養活不了；要拓展應用邊界就需要與行業與領域結合，而隨著智能與行業的結合，那大模型的應用就會體現為各種Agent。這看著只是往前走了一點點，但可能會改變游戲規則，做弓箭的不一定會打獵?。?/p>

一、智能的尺度

Agent到底行不行，能不能普遍應用，起決定作用的關鍵點是智能的尺度，通俗說就是智能到底能干什么了。智能程度的差異會導致動力引擎不同，而用牛馬作動力和用蒸汽機做動力，潛在可能干的事情會非常不一樣。

互聯網剛開始的時候因為互聯網是個純粹的新東西，大家普遍陌生，所以觀點反倒是相對純粹，就是關于互聯網，但智能不是，每個人都是智能生命體，并有著自己對智能的理解，所以各種維度的解讀會混雜在一起鋪天蓋地而來。

所以真要做智能產品，首先需要厘清的就是智能的尺度。

人類文明的一切建構都基于智能而來，所以理論上智能的進展如果足夠徹底，那整個文明會發生重構。但如果基于重構整個文明做產品，就真的不知道飄到那里去了。

產品如沒有錨點，資本的節奏、產品節奏、業務節奏就會失衡，然后就會發生本質和龐氏騙局差不多的事：無限放大預期與畏縮不前的現實先天就是哺育擊鼓傳花接盤俠的構型。做局再比誰跑的快，到最后誰能肯定是贏家！

智能的尺度支撐了產品的錨點。但由于智能的本質特性是通用性（所以才叫通用智能）而這種的通用性導致很難構建參數化的尺度，不管是什么指標和測試集，最終都是局部，都不足以變成合理的尺度（就是用各種百分數表示的各種率，他們有用但不是智能的尺度）。用它們很像用重量來標識一個人是不是足夠聰明。

這時候真和場景結合就需要回到圖靈測試2.0，把隨機性導入進來。圖靈測試2.0詳細展開參見：AI的進展不是太快，而是太慢

對智能音箱的評價體現的就是這種錯配，每個人覺得智能音箱是個智能體，有通用智能，然后產品方只能做有限集合的測試和供給，最終結論就是：智能音箱很傻。

做Agent時切好智能的尺度也只是第一步。

Agent型產品其實比單純的大模型要麻煩，這很像一個純粹的數學天才要做行業市場了，腦回路的多維化是不可避免的，邏輯通透要去疊加人情練達的部分。

這種變化的起點在于Agent不再是個單點，而是要處理長鏈條的整個業務場景，這時候單點極致是不靈的，需要更多的配重優化。

對于Agent單點不構建競爭力，配重也許可以。

二、從單點極致到配重優化

當市場足夠純粹的時候，需要單點極致。

比如大模型自身，就需要讓人感覺真的智能。什么銷售品牌等都不關鍵。

互聯網做工具的時候就更是如此，你不把你的產品定位到一個需求足夠強的點上，并且足夠好用，你的運營成本就會拖死你。OpenAI其實重現了這個故事?，F在AI第一波的工具其實也是如此，比如生成圖片、生成視頻的各種工具等，但Agent不是了。

當智能和領域結合的時候，鏈條會一下子加長，單獨的技術不足以撬動市場。你最好的技術能夠撬動化工行業么？

這就更需要售前、銷售、產品、技術、交付、售后的配合。也就是說任何一個點都不足以完整解決問題，關鍵的是整體的協調性。達成這種協調性的手段就是配重優化。

這和藥方差不多，得有君臣佐使，然后每個地兒究竟上多少，不同情況不同，但配重背后還是有著一個統治性的規則。

配重背后其實是老的掉渣的概念：組織力。

但這是更要命的事。因為組織力到現在為止沒有破壞性的捷徑。

創業團隊變成一個協調的組織所需要面對的挑戰要遠比干一個大家都盯住的產品難十倍不止。

當年華為號稱要介入安防市場的時候，海康威視的總裁強調過類似的事，核心觀點就是這種細碎市場需要這種配重，它是競爭力也是壁壘。

對于創業團隊，要想高清這種配重就要求團隊脫下鞋襪，跑到田間地頭天天撅屁股干活，并且長時間干，不管過去履歷如何。一邊干一邊還要看天，然后再干。

這時候團隊的期許很可能和實現是背離的，不管是經濟回報還是成功的節奏，所以挑戰非常大。但更關鍵的還不是這種期許的背離，而是如果配重關鍵，但新團隊本質沒優勢。

顯然的原本在行業里面的人更擅長把握這種配重。新團隊去做配重關鍵的事，有點像用一種更低的效能去磕更高效能的團隊，大清帝國突然要遠征英帝國，結局是確定的。

但就像顛覆IBM控制力的是微軟，削弱微軟控制力的是谷歌一樣。Agent的成功需要一個新的方式做支點，這個支點能夠在配重上提供十倍效能。

這種十倍效能的方式還是需要回到智能，Agent要想成立，需要基于智能重構組織力的構成。

三、組織力

影響配重的關鍵是組織力，而組織力差不多就是過去EMBA里面講的各種事情的綜合，文化、組織結構、工具等最終會匯集成企業的綜合力量，綜合企業力就是組織力（參照綜合國力來…）。

不同的原點設定（初創企業創始人的價值觀甚至性格都影響巨大）會孕育出不同風格的組織力，有的像大號的植物大戰僵尸里的僵尸，有的則可能像終結者里面的T1000，后者可以達成柔性和剛性的統一。

這條路在過去確實沒有捷徑，費時費力費錢還得機緣巧合才可能拉上去，否則大家就差不多，形成普遍菜鳥互啄的局面。純粹從組織的本質的角度看，很可能很多組織都可以從座山雕的威虎山上找到共通點，而再往上甚至可以找到曹操和劉邦，實在區別不大。

現在則確實發生了一些變化，因為企業里面的“人”這一關鍵要素發生了變化。

假如一個企業就倆人，但有1000個智能體，那它的組織力會變成算法的能力，智能即組織力。這會和過去1000人的組織有本質性差異。

那企業能不能變成這樣？什么時候能變成這樣？

這就需要回到上面說的智能的尺度和圖靈測試2.0，這種尺度決定了它的漸進過程，但總的來看，這事在邊角區域已經發生。

前面《未來十年最確定的事》等文章里面多次提到，至少在編程能力上，過去需要一組人比如五到十人的事，現在一個高級的人已經可以干了。在這種前提下，我們可能會聽到越來越多的類似MJ的10幾個人構建1億美金收入的事情。也許到不了MJ那么大規模，但至少在我身邊還是看到很多小團隊用類似方式在打造自己的產品。

當這事變的足夠普及，就會培養出真的智能原生組織。在這種組織里只要有可能就必然導入智能體來做事，否則會變得非常不協調，它也沒那么多人去細碎分工還做各種協調。這類組織的每一步進展都會頂著智能的邊界來走，只有萬不得已才擴張人所構成的內核。

當組織力發生這類變革的時候，還是回到上面配重的視角，就會發現，真正的機會出現了。

老式組織的配重是管理運營打磨的結果，新式組織力配重則是算法和智能度。

新式組織是可能產生10倍效能的，并且具有普遍性。與此同時，原本沉淀在組織配重里面的競爭力會變成負債。

原來的配重是靠著某種生產關系進行連接，而打破這種生產關系，重新進行升級實質就是進行變革，這類變革很可能折騰死自己，成功幾率也低的可怕。

四、智能原生型組織VS傳統組織

基于此構建出的組織就是智能原生型組織，因為智能注定是其內核。

在《從手機App到AI原生應用》里提到智能原生的時候，有同學回復說：一種定義是沒了智能就不能用的應用就是智能原生型應用。我說這定義恐怕不靠譜，如果一個天氣APP只提供刷臉登錄，那是智能原生的，同時提供了刷臉和密碼就不是智能原生的。

所以愛立信的定義基本是對的，但本文前面展開了它在組織上潛在遞進的過程。

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

本文補充了一個視角：這種智能原生型組織更可能在邊緣領域先生成，然后在逐步遞進回舞臺中心。而不是從愛立信這種有巨大積累的公司開始

在早期做Agent，大部分企業肯定還是把智能當成單一的工具，在最關鍵的競爭要素：配重上，本質支撐與以前沒有變化，所以失敗率肯定極高。

五、大折疊

當智能原生型組織真正生成的時候，現有經濟體系的折疊必然加速。

這個過程很像過去農業在經濟中占比可能有80%，但現在只有10~20%。

在這個過程中經濟的總量會比現在大很多倍，包括個人的和整體的。

這是老模式的終結，新模式的開始。

那什么是它應該的初始設定，什么樣的初始設定會讓趨勢向好，確實是個有意思的話題。

但這種思考太宏觀，不在這里展開了，最近讀了篇吳敬璉先生十年前很有意思的文章：吳敬璉：中國經濟社會矛盾幾乎到了臨界點，其實就是在做這種原點類的思考，感興趣可以瞄瞄（肯定缺智能要素以及對應沖擊）。在這種變革性極強的時刻，這類思想建構的多樣化其實是需要的。

六、小結

這篇文章邏輯鏈條有點長，簡單做個總結：

智能先要跨過一個個界限，然后才是不同領域的Agent逐步成立，這種界限可以用圖靈測試2.0進行度量?？邕^界限之后很可能會對組織方式進行重構，當組織力的內涵發生變化后，才可能普遍產生10倍的效能，影響一個一個行業。這時候沉淀到組織關系中的，不同行業的各種積累可能就會變為負債，反倒是形成真正的從大模型到Agent的新機會。