智能原生:AI藍海世界的關鍵鑰匙
火了這么久的AI,到現在為止的主要問題是什么呢?顯然是商業不閉環。那么,該怎么站在AGI的基礎上思考面向未來的產品呢?本文總結了幾個關鍵因素,一起來看看吧。
AI到現在為止的主要問題是什么呢?
顯然是商業不閉環。
互聯網成就了Google等公司,此后這些公司的產品推動著互聯網往縱深發展,比如云計算、安卓等,最終互聯網的影響越來越大。
AI就不行,總是一波流。
在科研人員、VC、創業者、媒體刷一波后就變得無有聲息,過去幾次都是如此。
這次總算看到了第二波的曙光,從這個角度看SamAltman說的對,我們應該站在AGI會來的前提下思考產品。
那再具體一點呢?怎么站在AGI會來的基礎上思考面向未來的產品呢?
在這思考過程中,我個人覺得兩點最關鍵:
一是之前說的圖靈測試2.0(參見:AI的星星之火必將燎原),
二是智能原生。
這兩者上的具體判斷很可能會隨著智能的提升變得越來越關鍵。
一、什么是智能原生?
智能原生可以看成一種新計算范式,這種計算范式以實時感知,充分數字化為基礎,以AGI為中心,綜合各種算法進行智能決策,在整個過程中遵守智能優先原則。
這可能有點概念化,我們舉幾個例子:
蘋果的VisionPro剛發貨了,這產品走下去會像什么呢?
會像復仇者聯盟里面星爵的那個頭套。
這高級頭套自動掃描四周的環境,在沒有人介入的情形下做大量的分析判斷,然后把必須人介入的部分留給星爵。
從這種科幻產品往回倒,那就會到VisionPro、智能音箱、自動駕駛。
即使是VisionPro、智能音箱這類看著還很原始的產品,它們的計算方式已經和喬布斯、比爾蓋茨掀起來的GUI大潮有很大不同了。圖標、菜單、按鈕其實是操作過程的功能分解,而智能交互則以目的為中心,最小化達成目的的代價。
一旦把他們和手機、電腦放在一起,這種差別就會更明顯。
這就是智能原生的基礎模式:實時反饋、萬物皆數、中心決策,智能優先(智能優先一點不好理解,后面專門解釋)。
智能原生并不局限于終端產品,有了上面的思路還可以進一步回溯上古產品中智能原生的蛛絲馬跡。
在我們這個時代最貼近的產品是什么呢?
是搜索引擎,雖然它不怎么智能(所以不能叫智能原生),但它整個計算過程與上述特征是高度吻合的。
對搜索引擎而言,內容的生產端完全由爬蟲處理并且幾乎免費。由于面對的內容量級過于龐大,整個抓取過程必須在程序的控制下進行,不太可能考慮現在任務比較緊急,動員全部員工一起努力,靠手動多抓一些內容補充下數據庫。在海量數據面前這全無意義,并且一旦破壞基礎抓取規則,這些數據反倒是有害。
大量內容獲取之后,根據無數用戶輸入(某些關鍵字)來返回匹配的內容也因為量級過于巨大,實時性要求極高,也只可能由算法進行決策和驅動。在整個業務過程中,人的介入只能是通過參數來調整偏好和策略,整個最終用戶使用過程不需要Google的人工介入。
在這里搜索引擎自身可以被看成一個在初級的智能體驅動下的自運轉系統。
它爬取線上數據時雖然沒那么實時,但基本在貼近實時反饋和中心決策,PageRank這類算法不怎么智能,但也不用人的介入在根據用戶的輸入在給出反饋,行使中心決策的職能。
這過程里決策的主體變了,把硅基的決策權至少抬高到和用戶自己一樣高的位置上。
二、什么是智能優先?
這可以做個最俗氣的解讀:當你向老板匯報的時候,老板是優先的。當智能行駛決策權的時候,那整個運轉體系就必須向它適配,否則它就不好使,所以它是優先的。
但這個俗氣的比喻至關重要,影響真要用好它的配套行為。極端來講當它無法分辨輸入真偽的時候,甚至可能需要配置專門的輸入質量復核體系,讓它看到的是真實的輸入。
比如未來要改數據的時候,首先要考慮的不是老板喜歡不喜歡,而是影響不影響智能的發揮。
三、智能原生的應用空間
如果通用智能真的到來,那顯然智能原生的模式不止局限于搜索、推薦、智能音箱、VisionPro。而會覆蓋過去應用覆蓋的、甚至沒覆蓋過的領域。
這次我們拿企業領域舉個例子。
SaaS其實是是把軟件云化,現在看這事和第一波AI一樣,基本沒戲了。
但SaaS加上智能原生會發生什么呢?行不行?
這時候SaaS不在是一個個獨立的功能,而是企業的運轉模式,并可能打造出新的智能原生型企業。所有SaaS在這里被綜合了。
按同樣架構,參照自動駕駛,智能原生型企業也可以分級,大致下面這樣:
這可能會給人一種ERP成精了的感覺,管理層的決策職能被分割出去相當一部分。
當智能足夠,而它普遍讓人效翻2 倍的時候,那所有的企業就都會是智能原生企業,否則你就沒法生存。
這有沒有上古雛形呢?
其實也有,典型的就是美團的外賣小哥和滴滴師傅的管理模式。
還是因為不夠智能,所以也不是真的智能原生,但從外賣到抖音已經能看到這種智能的進步。
類似的情境顯然可以延展到所有過去十幾年花了大力氣做數字化的領域:
如果企業可以,那化工廠為什么不行,醫療為什么不行?
這種遞進過程在以圖靈測試2.0為尺度會逐漸展開。
只需要一個前提:通用智能真的足夠通用。
四、智能原生的形式
和智能搭邊的應用形式有很多,但遠不是每個都是智能原生應用。
如果放在時間軸上更可能是這樣一個遞進的發展過程:
第一階段:智能要素涌現和雜拌階段。比如馬桶突然能支持語音了,付錢需要刷臉了。這個時候智能處在輔助地位,是一種新的功能要素。角色和壓縮算法庫其實差別不大,擴展了應用能力的范圍,但不是智能原生。
第二階段:中心決策階段。應用都匹配了一個自己的中心,搭起一種感知–決策的架構,但這種決策很多是固化的規則,有十分狹窄的適配邊界。比如做便利店的就不能做藥店,音箱上做完音樂再做天氣就要重新做。
第三階段:智能原生階段。這時候智能全面覆蓋中心決策和感知,形成一個獨立運轉的以通用智能為核心的類似章魚的結構。
如果按照這種分期,其實我們處在二階段和三階段的過渡期,一階段已經發生過了。
智能原生潛在落地的領域以及次序
如果從B端和C端來看,C端會早于B端,B端會早于行業。如果從比特還是原子的角度看,比特會早于原子。(參見:AI不缺概念,甚至不缺技術,但實在缺產品)
在應用被大幅重構之后,會帶來什么樣的結果和影響呢?
最表層的影響是應用格局的重構。
如果每個應用都以智能原生的形態而存在,那么很多按功能分割而存在的APP,比如搜索、瀏覽器、音樂等內在趨勢是被折疊,但這背后牽涉太多的商業利益,所以會形成技術趨勢和既有利益格局持久的摩擦。
漸進的影響是硅基人和碳基人角色的再平衡。智能原生越發達,硅基人和碳基人的邊界越向硅基人移動。這就會有多種模式,在《未來十年最確定的事》提過,這里重復下:
第一種是外賣小哥模式,特征為活動全透明并被硅基智能所定義。
第二種模式是OpenAI模式,特征是強個體靠場域鏈接,活動自由度高。
第三種模式則很像克里人的終極智慧,它縱向切走一部分權責,但保持個體的空間和獨立性。
不管那種,硅基介入越多,這時候創造的產值在現有的計量體系下反倒是增加的。于是這背后也就蘊含一種新的財富分配秩序。
最終的影響是生產關系的重構。我們似乎很難想象一個極少數人負責生產,絕大多數人負責消費的世界。這在現有的計量模式下似乎會有災難性后果,那什么樣的新形式是積極正向的?
這里面需要額外一說的是,在早期比特世界里,智能原生應用大概率重走互聯網應用的指數增長曲線。并且實現成本因為通用智能自身而大幅下降,是少有的屬于大眾的機會。
小結
大模型自身其實沒什么真正的商業機會,但智能原生應用這兒一段時間估計還真是藍海,值得花足夠多點時間思考和判斷。另外,Agent基本是智能原生應用,但智能原生應用未必是現在總說的Agent。
專欄作家
琢磨事,微信公眾號:琢磨事,人人都是產品經理專欄作家。聲智科技副總裁。著有《終極復制:人工智能將如何推動社會巨變》、《完美軟件開發:方法與邏輯》、《互聯網+時代的7個引爆點》等書。
本文原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自 Unsplash,基于 CC0 協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
咩咩……