如果我們把產(chǎn)業(yè)的發(fā)展看成是一個(gè)技術(shù)、產(chǎn)品、模式不停轉(zhuǎn)動(dòng)深入的過(guò)程，那自chatGPT發(fā)布到o3可以看出是一個(gè)階段，而o3之后可以看成一個(gè)階段。

o3作為分水嶺其意義在于，在到o3這種水平之前核心問(wèn)題是模型好使不好使，在此之后的核心則是到底怎么讓o3水平的模型發(fā)揮效力。(不是說(shuō)模型不需要發(fā)展）

發(fā)揮效力的時(shí)候，如果只是從技術(shù)本身看待AI的挑戰(zhàn)，看到的會(huì)全是提示詞怎么寫(xiě)，這與AI會(huì)大范圍提供通用智能的本質(zhì)特征是錯(cuò)位的。

一定需要從此延展縱深到更大的空間才可能理順應(yīng)用通路，顯然的蘿卜快跑事件不是來(lái)自于技術(shù)和產(chǎn)品，但它確實(shí)影響產(chǎn)品化的進(jìn)程，而每個(gè)落地情景可能都面對(duì)小微型的蘿卜快跑式困境。

那在這個(gè)應(yīng)用通路中什么最關(guān)鍵？

第一是AI和人的關(guān)系問(wèn)題

這是未來(lái)各種應(yīng)用塑形的基礎(chǔ)和原點(diǎn)，在2024.12.29的AI碰撞局上北大國(guó)發(fā)院的侯宏老師提出了一個(gè)思考框架：

可能不好理解，但本質(zhì)是在說(shuō)知識(shí)創(chuàng)造過(guò)程中如何界定人與AI的關(guān)系（更多相關(guān)文章大家可以參照侯老師的公號(hào)：）。

關(guān)注知識(shí)創(chuàng)造和流轉(zhuǎn)正是它成為一個(gè)原點(diǎn)問(wèn)題的的原因。

因?yàn)?strong>在知識(shí)創(chuàng)造的過(guò)程中人、機(jī)的角色邊界最終就會(huì)變成應(yīng)用的邊界的決定因素之一。

人機(jī)是橫向切分的視角，如果再配上數(shù)據(jù)可獲取范圍的縱向視角，那基本就是ai應(yīng)用的潛在格局。

人、機(jī)邊界決定了應(yīng)用的形態(tài)和深度，決定到底以什么方式給個(gè)人、企業(yè)提供智能，比如是Copilot還是Autopilot。

數(shù)據(jù)可獲取邊界則決定了角色的功能邊界，到底提供什么，比如是教育還是法律還是其它。

第二，數(shù)據(jù)的可獲取性

如上所說(shuō)，數(shù)據(jù)的可獲取性決定應(yīng)用的功能邊界。

這里的關(guān)鍵有兩個(gè)：

一個(gè)是利益的各相同性，否則就不可能有源源不斷的數(shù)據(jù)，沒(méi)有源源不斷的數(shù)據(jù)也就不可能越做越好，最終就只有低垂的果實(shí)。比如你給法院提供方案，那顯然數(shù)據(jù)沒(méi)法源源不斷，這不是各技術(shù)問(wèn)題，而是個(gè)生產(chǎn)關(guān)系重構(gòu)的問(wèn)題。需要復(fù)雜思考才可能找到一條真正可能的通路。

一個(gè)是數(shù)據(jù)自身的成本，成本是指長(zhǎng)期確保高精度數(shù)據(jù)所要付出的成本。這個(gè)搞不好相當(dāng)于一個(gè)強(qiáng)大的AI周邊全是說(shuō)假話的，它就不可能好使。

對(duì)于產(chǎn)品而言，這兩個(gè)都是個(gè)戰(zhàn)略問(wèn)題，和后天努力關(guān)系不大，它先天決定產(chǎn)品的最終擴(kuò)張的時(shí)候的邊際成本。

如果我們把AI應(yīng)用歸為兩個(gè)類(lèi)別，一個(gè)是創(chuàng)造新效能，一個(gè)是創(chuàng)造新體驗(yàn)，對(duì)于前者上面說(shuō)的生死攸關(guān)。

第三，數(shù)據(jù)通路的通用性問(wèn)題

我們知道AI大模型的核心特征是能力的通用性。

我們假設(shè)AI大模型扮演大腦的角色，那這個(gè)腦子顯然既能收玉米也能摘桃子，可如果實(shí)際干活的時(shí)候如果觸手只有一種，比如像章魚(yú)一樣的爪子，那它就不能收玉米，只能摘桃子。

這時(shí)候不是模型能力不行，而是感知反饋通路的通用性不夠，兩者錯(cuò)配。

這是和過(guò)去應(yīng)用的核心差異。

只要數(shù)據(jù)通路沒(méi)問(wèn)題，AI可以提供任何功能，關(guān)鍵的不再是功能。

第四，AI應(yīng)用一定是系統(tǒng)型應(yīng)用

AI應(yīng)用沒(méi)有小而美一說(shuō)，因?yàn)閿?shù)據(jù)的邊界是應(yīng)用的邊界，小范圍根本沒(méi)壁壘，要么被大模型本身吸收掉，要么被同類(lèi)別的應(yīng)用吸收掉，只有極短的窗口期。

每個(gè)可能都和搜索、微信差不多，最終NO1的幾乎占據(jù)所有。

而一旦數(shù)據(jù)通路的通用性變關(guān)鍵，就會(huì)導(dǎo)致應(yīng)用往系統(tǒng)化方向發(fā)展，因?yàn)樵词嵌嗟?，需要表現(xiàn)出來(lái)的能力是需要?jiǎng)討B(tài)變化的。前者衍生類(lèi)似過(guò)去的硬件抽象層（HAL），后者衍生出來(lái)技能商店，這樣一來(lái)中間就比如有調(diào)度器（Scheduler）等作為kernel。

• 參見(jiàn)：https://arxiv.org/pdf/2403.16971

第五，自適應(yīng)

自動(dòng)駕駛和過(guò)去最大的區(qū)別是它的自適應(yīng)。

而所有未來(lái)的應(yīng)用幾乎都是需要具備自適應(yīng)能力。

當(dāng)累積足夠的全場(chǎng)景數(shù)據(jù)后，會(huì)有兩種進(jìn)化模式一種則類(lèi)似這種端到端的模型，這時(shí)候模型和應(yīng)用是不分的，數(shù)據(jù)回來(lái)會(huì)貢獻(xiàn)于更好的模型。

但還有一種情況則是更大量級(jí)的數(shù)據(jù)和更長(zhǎng)的分析時(shí)間，可以得出更好的方案（利用o3的能力）。

顯然的，這時(shí)候系統(tǒng)的內(nèi)核則會(huì)劃分成兩個(gè)部分，一部分負(fù)責(zé)快思考，一部分負(fù)責(zé)慢思考。

對(duì)于系統(tǒng)型應(yīng)用它絕大部分功能是自主完成的。這時(shí)候一部分是要實(shí)時(shí)處理各種響應(yīng)，一部分則是要迭代并總結(jié)自己的行為進(jìn)行改善。這兩個(gè)活顯然是要分開(kāi)做的。所以系統(tǒng)型應(yīng)用的kernel部分，需要雙系統(tǒng)分立。

• 參見(jiàn)：https://arxiv.org/pdf/2410.08328

小結(jié)

• 補(bǔ)充說(shuō)明：

上面的論文能看看思路，實(shí)際做有問(wèn)題的。

1. 系統(tǒng)肯定不是在現(xiàn)在系統(tǒng)上的增強(qiáng)，而是現(xiàn)有系統(tǒng)之上的再定義，所以和現(xiàn)有系統(tǒng)的關(guān)系大概率不對(duì)。

2. 雙系統(tǒng)的例子不好，它那例子不需要雙系統(tǒng)。