型的上半场是“底座”,互联网巨头都希望能够调制出一个优质的底座系统一统江湖。
本着“数据即一切,规模即一切”的逻辑,让AGI迅速成为一个资本狂热的游戏。
然而,热热闹闹之后,大家还是会考虑如何变现的实际问题。
于是,大模型的下半场,则逐步回归于“应用”。
如何将大模型在不同的业务场景中落地,是每个AI创业者都关心的问题。
这件事机会更大,但是难度也更大!
给AI找场景,这其实像拿着锤子找钉子,确实有点反人性。
一些掌握着最前沿AI技术的人,希望尽快找到靠谱的业务场景变现!
绝大多数业务方对AI的认知都处于一个比较浅层次的水平,因此业务与AI的结合存在非常大的需求沟通瓶颈。
即便偶尔有业务方感兴趣,未经业务适配的“通用”底座工具,也确实几乎解决不了任何严谨的业务流程。
这瞬间会让需求的沟通变得尴尬无力 ...
这样的AI引起不了什么“兴奋”,算法人始终都是在自嗨!
大模型,难道底座搞完后,就真的无事可做了么?我们迎来的AI时代,是开始,还是又一个低谷周期?
尽管AGI的能力不可高估,但是也远不至于“妄自菲薄”。
类GPT的产品,在大规模知识库、智能助手这些典型场景,其实已经做的相当不错。
应该看到的是,我们在智能搜索任务上,已经进入到了下一个技术代际,以答案结果为目标,而非以原始的数据片段为目标。
问答技术的个性化程度,交互性更强!
强交互性,就是大模型技术与传统AI技术最大的不一样之处。
这样的好处是多方面的:
一是降低了AI工具的使用门槛。
用户可以通过对话唤醒后台任意算法或服务,只需要考虑业务场景,而不用关心技术工具的操作或配置细节。
二是提升了数据结果的多样性。
大模型输出内容具有随机性,可以做到千人千面,用户体验柔性灵活。
这一点在C端产品上是一个特别突出的能力“加分项”。
比如,任何人可以随意给一段文字动态生成精彩的脚本或音视频素材,彼此之间还不会重复。
三是加强了趣味性。
大模型的拟人化特质,会显著提升AI产品或工具的“吸引力”。
即便是在枯燥的办公场景中,有一个能够正常沟通的数字员工“随叫随到”,也远比独自一个人对着Excel表单查询枯燥的数据更加有趣。
除了这些方面,还要注意到,这一次的大模型“大乱斗”,确实让更多的资本流入到AI赛道,业界也产生了诸多开源的底座模型。
这些底座模型不管来自于哪个厂商,各自均有优势。
基于底座模型,可以通过少量样本数据二次开发,极大地降低AI模型的构建成本。AI模型的生产力总体得到了提升!
大模型能力就像云服务一样,让企业获得“智能”服务的效率极大增强,也为中小型技术创业者,提供了更好的技术成长生态环境。
未来,大模型的价值不在于“生成能力”本身,而在于对AI产业结构的重塑,以及形成对整个社会各行各业数字化、智能化进程的“催化剂”!
本网站的文章部分内容可能来源于网络和网友发布,仅供大家学习与参考,如有侵权,请联系站长进行删除处理,不代表本网站立场,转载者并注明出处:https://www.jmbhsh.com/jiadianshuma/35000.html