12月中旬的週末，北京正處於持續的寒流中。 日最高氣溫在-5度以下，積雪變成冰，在路面上結冰，車輛很少。 出門前，我問溫辛一燕今天怎麼出門，說盡量坐地鐵，因為我可能坐不了計程車。
打車有點晚了。 12月16日，在751的大煙囪旁，舉行了一場大型創業大會。 大模型依舊火爆，聚集了上千名創業者，數十位企業CEO來到現場，觀眾更多是想要找到踏入AI時代的正確姿態的開發者。 李彥巨集也去了。
ChatGPT發布一年後，文心一妍公升級到40版本，現在在**和APP上都叫文心一顏專業版，相比於原來的版本，現在可以完成一些多模態任務，在邏輯和推理能力上也不再一樣。 在過去的一年裡，整個中國大模型的格式也發生了很大的變化，ChatGPT的驚豔變成了鞠躬遊戲。 在 12 月的降溫期間，我們似乎正在經歷乙個大模型過熱。
截至今年10月，Hugging Face上已有近3萬個文字生成模型，在國內發布的大型模型數量已達238個。 6月份，這一數字為79，相當於四個月內增長了三倍。 但人們仍然只記得不超過 10 個大型模型的名字。
圍繞大模型正在形成乙個新行業，但李彥巨集發現，這個新行業中的大多數人都用錯了力，這使得大模型進入了盲目浪費資源的迴圈。
更直觀、更清晰的創新路徑應該是在模型上開發 AI 原生應用程式，或者使用模型來改造其現有產品，但這在燒錢和跑分的大型模型的熱潮中被忽視了。 應用程式是大模型的價值所在，就像我們第一次從 ChatGPT 的驚人故事中了解 OpenAI 及其大模型一樣，而不是相反，或者從任何列表執行分數中。
李彥巨集有點“著急”，關於大家還在滾動基礎模型，還沒有開始滾動AI原生應用。
這不是李彥巨集經歷的第一波人工智慧浪潮。 Alphago在2024年左右引起了全世界的關注，隨後計算機視覺的熱潮孵化了大量新的創業公司。 但之前一直保持專注，拍子的框架正在形成，文心模型在2024年拿出了第乙個版本，但近十年來，他從未做過任何與利用人工智慧下圍棋有關的事情，李彥巨集對計算機視覺帶來的人臉識別或智慧型巡檢的想象空間持保留態度。
就算能打出全人類圍棋冠軍，這項賽事的價值也很小。 人臉識別或者智慧型巡檢等場景非常分散，各種場景都要單獨做一套，一旦場景分散，就意味著很難有標準化的產品。 ”
源：。
Robin Li 從未像這次這樣對生成式 AI 的出現感到興奮。
我認為這波大型模型技術的不同之處在於它的通用性。 我們稱之為“智力湧現”，它已經學會了沒有教過的東西。 有了這個功能，當你擁有一套基礎技術，可以做得非常好，非常領先的時候，就可以在各種場景下快速做出有價值的應用。 這是人工智慧在過去70年中沒有做過的事情，所以這是乙個完全不同的機會。 ”
畢竟技術是為應用而設的，花費大量資源做清單，甚至過分關注模型的基礎能力，在一定程度上偏離了這個原則。
模型技術是否先進，更多取決於模型所處的應用場景和能做什麼。 想清楚這件事後，就可以判斷模型的好壞了。 有時候我覺得，評價乙個模型質量的能力，才是大型模型公司的核心競爭力。 如果你不知道，你就得靠第三方來評價你，給你打分，這東西不靠譜，你不知道自己在做什麼”
據**統計，美國所有大學的GPU數量加起來，沒有一所能訓練出GPT-35。OpenAI以巨大的資源成本完成了生成式AI從0到1的探索，一年後，李彥巨集認為，對於大模型行業的大多數參與者來說，現在已經過了“大力創造奇蹟”的階段，甚至更走向它的對立面。
最後，大模型的價值將落在應用程式上。 這和所有商業競爭的規律是一樣的，誰更有效率誰就贏了。 你可以融資，我也可以融資，最後我用10美元做100分的效果，你用10美元做120分的效果，久而久之你就贏了。 ”
這也是公司在大模型應用開發中堅持的一條效率路線，李彥巨集舉例說明了庫的PPT生成能力。
需求從具體場景開始向下傳遞，然後必須針對這個需求對文信大模型進行優化，當優化遇到文信大模型的成本問題時，會倒逼深度學習習框架槳配合模型層進行調優，甚至需要調整晶元層以適應框架層的調優。 通過這樣的端到端逐層優化，文心一顏在3月份發布文心一顏時，庫PPT生成的推理成本基本降低到1%。
從一天只敢打10000次，到現在敢打100萬次，這是一種完全不同的感覺。 我認為這是未來競爭的主線。 ”
我們需要 100 萬個 AI 原生應用程式，但我們不需要 100 個大型模型。 李彥巨集在11月做出了這樣的判斷，乙個月後這種感覺更加強烈。
在PC時代，Windows基本上只有乙個作業系統，但基於Windows系統開發的軟體卻很多;在移動網際網絡時代，只有Android和iOS兩種主流作業系統，移動應用多達800萬個。 如果你把大模型看作是作業系統的基礎，那麼故事的結局可能只是一兩個名字，以及無數中途死去的玩家。
李彥巨集認為，大模型的時代還會繼續有這樣的特點。 人類進入AI時代的標誌，不是眾多大模型的產生，而是以各種應用為載體，AI自然而然地進入人類生活。
Robin Li 認為，開發乙個好的應用程式有三個關鍵因素：
相關產業政策鼓勵開發基於大模型的AI原生應用。
現有企業使用大模型對其核心業務關鍵指標產生積極影響。
三是超級應用的出現，但何時出現，出現在哪個領域，需要更多創業公司下功夫，做出各種嘗試。
正如移動時代催生了微信、抖音、優步等“移動原生”應用一樣，在AI原生時代，肯定會有基於這些大模型開發的優秀AI原生應用。 ChatGPT出現一年後，無論是中國還是美國，最好的AI原生應用還沒有出現。
新的殺手級AI原生應用可能是乙個新的場景或想法，也可能是從現有產品的AI原生轉型開始，Adobe和Microsoft已經在其中取得了寶貴的成就。
具有生成式 AI 的設計工具，例如 Midjourney 和 Stability AI，並沒有讓舊的 Adobe 消失。 後者在今年 10 月提出了世界上第乙個專注於生成向量圖形的生成式 AI 模型，並一舉宣布了 100 多項重大 AI 創新和對 Creative Cloud 的更新，從今年 3 月推出第乙個 Firefly 影象模型測試版開始，Adobe 的股價在不到一年的時間裡幾乎從 300 美元的水平翻了一番。
Microsoft是一家不做大模型的公司，但它已經製作了現階段最成功的AI原生應用Copilot，並開始向使用者收取每月30美元的費用，這比OpenAI的年總收入高出許多倍。 目前，Microsoft市值已達到28萬億，是OpenAI的五倍。
資料來源：澎湃新聞。
大工廠將拿走大部分紅利。 李彥巨集對AI轉型的機會和新的AI原生應用還沒有完全把握，有這樣的判斷。
這裡所說的大廠不單單指網際網絡廠家，而是幾乎所有現有的成型行業自有大廠，這些生產力落後的企業一旦轉過彎來，就能很好地利用大模型的能力，就必然獲得最大的價值增值。 ”
但這並不意味著創業公司沒有機會，“創業公司做三五個超級應用是很有可能的，做成百上千個非常有價值的垂直應用也是很有可能的。 ”
在這場尚未確定的競爭中，以往產品開發的成功、大型製造商的光鮮亮麗背景或深厚的技術背景，都可能不是AI原生應用成功的決定性因素。
習能力是最重要的，“羅蘋李說。
我認為，未來真正成功的AI原生應用產品經理，很可能不是某一類人，而是各種型別的人的結合體。 我遇到的一些比較優秀的人可能不是習的電腦科學，但他們往往很習，對產品有意識，對市場有意識，同時他們不怕技術。 這種型別的人最有可能成為一名成功的產品經理。
李彥巨集分享了他內心對產品經理的看法：
我有時會聽到產品經理說，我們現在的技術很棒，而且我們發展得很快，我必須及時在我的產品中使用最好的技術。
我說，不行，大模型能力的迭代速度太快了，我們最好的技術也很不成熟，乙個月後就會落後。
所以，產品經理自己要明確業務需求是什麼，然後逼迫技術團隊為我滿足這個要求——你必須為我做，你現在還沒做，好，但是你要做多久，能提出這樣的要求的PM就是合格的PM。 ”
用具體需求引領看似“無所不知、無所不能”的大模型向更有價值的方向演進，AI原生應用的所有機遇和顛覆都在這裡。