每個(gè)人對(duì)AI的態(tài)度都有點(diǎn)從一腔熱血到拔劍四顧心的轉(zhuǎn)變。

舉例來說，朱嘯虎在談到大模型時(shí)，這樣說：

五年后，除了應(yīng)用公司或云服務(wù)公司，根本沒有獨(dú)立的大型模型公司。云服務(wù)公司免費(fèi)提供大模型等接口。這是基本服務(wù)，基本服務(wù)肯定會(huì)和云在一起。

一些文章認(rèn)為國內(nèi)有關(guān)于ToB和ToC路線的爭論，也從兩個(gè)方面進(jìn)行了分析和運(yùn)算。

事實(shí)上，大工廠仍然是獨(dú)立的企業(yè)，ToB或ToC的思維模式是危險(xiǎn)的。如果你在上一個(gè)時(shí)代思考，你最終可能會(huì)死。類似于微軟不把Windows整理成手機(jī)操作系統(tǒng)，然后被安卓打得滿地都是。

AI的問題可以簡化，擺在我們面前的是明顯的三重劫數(shù)，過去可以成仙，過不去也許也不會(huì)死，但是要熬過來。

第一次搶劫：智能水平可以再跳一次嗎？

看看各種檢測結(jié)果，GPT4不是已經(jīng)可用了嗎？AlphaGo不是很久以前就把人類推倒了嗎？為什么智力還不夠？

這個(gè)問題只能從喬布斯的角度來回答：使用客戶回放技術(shù)，而非從技術(shù)上看到如何使用。

這樣的用戶視角也可以簡化：AI最直觀的價(jià)值就是替代人和過去的程序。，每一個(gè)用戶也需要。

取代人的第一步就是考慮能夠覆蓋那些角色。

如今，主要進(jìn)步是讓優(yōu)秀的人變得更好，而不是其他人。（Copilot）

更進(jìn)一步，它完全取代了某個(gè)角色，AI獨(dú)立運(yùn)行，不需要任何人的干預(yù)。（Autopilot）

以公司為例，大概如下：

替代程序的第一步是像RPA一樣調(diào)度其他軟件產(chǎn)品，以人的角色為核心。

步驟二是折疊當(dāng)今產(chǎn)品中冗余的UI。、帳戶系統(tǒng)，權(quán)限系統(tǒng)，統(tǒng)計(jì)功能等。假如覺得這個(gè)不容易理解，不難想象CRM。、事實(shí)上，HRM等功能的重復(fù)是由不同的供應(yīng)商和角色引起的人為分割。我們應(yīng)該知道，這些分割只是因?yàn)榉止な沁@樣的，是為了現(xiàn)實(shí)的妥協(xié)，但實(shí)際上是為了降低效率。

從以上兩個(gè)落地角度，根據(jù)不同的角色進(jìn)行評(píng)價(jià)，可以發(fā)現(xiàn)目前模型的智能化是不足的。本文提到了一個(gè)簡單的測試案例，圖靈測試2.0。類似的想法可以擴(kuò)展到N個(gè)角色和不同的模型。

這種情況就需要一個(gè)類似于CNN到GPT的跳躍，而不是chatGPT到Sora的進(jìn)步，而是讓今天的智能再次發(fā)生變化。

這個(gè)問題和朱嘯虎提到的核心看GPT5什么時(shí)候出來實(shí)際上是一樣的。

這部分可以上臺(tái)階，那么模型本身的訂閱收益就會(huì)增加，隱性的影響空間也會(huì)增加。即使躍上一步，如果沒有新應(yīng)用的興起，參考過去想象中的ToB，ToC的商業(yè)模式仍然是死路一條。

第二次搶劫:AI能出來嗎？ Native的應(yīng)用？

如果AI不被用來做過去沒有做過的應(yīng)用，而是糾結(jié)于過去的方式，那就沒有出路了。

SaaS/PaaS不就是基于模型提供API作為調(diào)用嗎？

上一波AI做解決方案收支不平衡，換成大模型收支是否平衡？

由于技術(shù)不佳，SaaS不成立和解決方案無法支撐AI企業(yè)的商業(yè)閉環(huán)？

假如沒有，簡單地改變一組技術(shù)術(shù)語來老去的方式，為什么突然就好了。假如沒有，那么ToB就不行了。

從C端來看，超級(jí)應(yīng)用程序關(guān)閉了入口卡。如果你是基于AI的新助手，解決什么新問題，簡單的聚集別人的內(nèi)容，那么豆包還是可以聚集抖音的。你為什么聚集它們？AI可以顛覆原來的APP，從IM到電商到支付？

所以ToC沒有機(jī)會(huì)。

這樣就導(dǎo)致了分裂，每個(gè)人都選擇了自己的邊緣，但實(shí)際上選擇也是白選。怎么看也是死路一條。

實(shí)際上并非如此，核心與角度有關(guān)。把坦克當(dāng)作可移動(dòng)的大炮，是看不見閃電戰(zhàn)的。

跳到歷史上做對(duì)比，就是無論多少朝代，換多少丞相，在錢穆先生《歷代政治得失》的框架里，蒸汽機(jī)是無法發(fā)明的(孔子到清末差不多2400年，黑暗中世紀(jì)出來蒸汽機(jī)發(fā)明不到300年)。

AI Native應(yīng)用程序(智能原生應(yīng)用程序)首先依靠的是模型本身需要向上跳躍，需要新的思維方式、新的方法論和新的計(jì)量方法。感覺就像做網(wǎng)頁一樣可以想出智能原生應(yīng)用的想法，估計(jì)就像幾千年也折騰不出蒸汽機(jī)一樣。

思考本身限制視線，限制視線會(huì)導(dǎo)致視而不見。

讓我們回到最容易理解的替代者和軟件，這是最容易理解的角度來思考智能原生應(yīng)用，從這個(gè)角度來看看新的生產(chǎn)力和生產(chǎn)關(guān)系工具。

這類智能原生應(yīng)用是否有APP等并不重要，關(guān)鍵是能否在復(fù)雜的環(huán)境中完全覆蓋一個(gè)角色。

角色的邊界和AI的智能是可以交換的。交換是指如果智力不夠，那么角色的邊界就會(huì)小一些，也可以應(yīng)付。

你能從這個(gè)角度看到什么？

比如ToB端能否完全取代招聘、運(yùn)維、金融、市場等崗位。在企業(yè)中？整個(gè)公司能否進(jìn)入自動(dòng)駕駛狀態(tài)？在行業(yè)內(nèi)，它是一個(gè)通用模型 Agent/豎直模型 Agent可以代替律師/醫(yī)生/制藥科學(xué)家等等嗎？

比如ToC端，可以扮演NPC(西部世界)的母親/老師/情人/故事線嗎？

每個(gè)應(yīng)用程序都是過去無法做到的，都是藍(lán)海，現(xiàn)在基本上沒有了。

此時(shí)商業(yè)模式中的計(jì)量方法與過去不同。，比如扮演戀人的產(chǎn)品，不適合用互聯(lián)網(wǎng)的DAU和ARPU值來計(jì)算轉(zhuǎn)化率的后端變現(xiàn)思路。更適合比較角色的雇傭成本，雇傭成本要根據(jù)角色的服務(wù)價(jià)值來定，所以之前的文章總說這個(gè)地方要改變一套計(jì)量方法，比如Value。 Per Role。

這一角色的價(jià)值內(nèi)涵將與相應(yīng)角色的智能密度有關(guān)。就服務(wù)價(jià)值而言，教師顯然比媽媽說故事要高得多。

這些角色一旦成立，原有的功能就會(huì)合并到這些角色中。因?yàn)橥诘蒙?，粘度更大，合并本身?huì)增加這個(gè)角色的價(jià)值和使用粘度。

三重劫：可以做一個(gè)通用機(jī)器人嗎？

遠(yuǎn)非能夠做出上面提到的智能原生應(yīng)用就能做出具身機(jī)器人。

擴(kuò)展到特定硬件和機(jī)械通用多模態(tài)機(jī)器人的難度可能比純數(shù)字或硬件的智能原生應(yīng)用高十倍以上。

雖然看起來有了智能原生應(yīng)用，只是套了一個(gè)殼就變成了具身機(jī)器人，但實(shí)際上絕對(duì)不是。

當(dāng)然，最明顯的是身體(硬件、機(jī)械等)在現(xiàn)實(shí)環(huán)境中面臨的挑戰(zhàn)。別的不說，如果你戴著耳機(jī)在外面跑步，人類可能聽不清楚你說的話。人們聽不清楚，可以猜測機(jī)器人如何面對(duì)真實(shí)環(huán)境的影響。 ，并在影響的前提下保證感知的準(zhǔn)確性。要不就不能用？

其次是算法。

這類機(jī)器人所面臨的環(huán)境比智能原生應(yīng)用更加復(fù)雜，是真正的整個(gè)物理世界 數(shù)字化世界，但其背后的潛在算率低于大型云模型。假如Scaling Law是對(duì)的。那么這似乎是不可能的，至少需要一個(gè)新的想法和模型。

這一劫數(shù)一過，AI就成了人類最后的創(chuàng)造。

各種科技思想家的想象，只有到了這一步，才能真正實(shí)現(xiàn)。

這類機(jī)器人一出來，體力就完全失去了經(jīng)濟(jì)效益。

在之前的北大采訪中，侯宏老師接著說，人和AI不應(yīng)該被視為零和游戲，我表達(dá)了另一種腦洞型的觀點(diǎn)：

如果經(jīng)濟(jì)每年持續(xù)增長5%，大概有辦法，但也就結(jié)束了。但是，如果經(jīng)濟(jì)總量在短時(shí)間內(nèi)增長100倍，目前的方法和失敗都會(huì)發(fā)生。問題是5%的增長率可能會(huì)耗盡所有資源，造不出戴森球。這個(gè)時(shí)候，我們需要這種強(qiáng)大的人工智能。

如果通用機(jī)器人真的做到了，我們的整個(gè)經(jīng)濟(jì)體系就會(huì)發(fā)生本質(zhì)的變化。比如如今是批量生產(chǎn)，然后零售。而且如果有一個(gè)通用機(jī)器人，那么幾乎所有的行業(yè)都可以按需生產(chǎn)。使用者參與產(chǎn)品設(shè)計(jì)，然后生產(chǎn)制造，然后發(fā)貨。

總結(jié)

每次這些劫數(shù)過去，都會(huì)有一個(gè)新的經(jīng)濟(jì)空間。如果以O(shè)penAI每年36億美元為數(shù)量，過去一次可能會(huì)增加10倍；但是沒事做。畢竟很多基于GPT-4的智能東西都可以嘗試，但是角色的界限必須縮小。這個(gè)時(shí)候，在一個(gè)層面上不斷震蕩是非常痛苦的。

事實(shí)上，在這樣一個(gè)混亂的時(shí)刻，沒有什么更好的方法可以切斷混亂，只能多看一些案例，同步思考底層邏輯，最后把底層邏輯思考的收益轉(zhuǎn)移到自己的場景中。這就是為什么AI沖擊的口號(hào)是:現(xiàn)場問題、底層邏輯、案例和底層邏輯可以通過其他方式縮短，最后一步只能靠自己。

本文來自微信微信官方賬號(hào)“琢磨事”（ID:zuomoshi），作者：老李話一三，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com