
新聞資訊
News and information
-
25
06/23
Agent “興” ,企業(yè)軟件 “亡” ?
從融合走向新生AI浪潮下,傳統應用軟件會消亡,還是與AI“共生”?在崔牛會策劃的「DeepTalk」的第二個系列話題欄目「AI的爭議」對話中,由崔牛會創(chuàng)始人&CEO崔強主持,邀請了明道云創(chuàng)始人&CEO任向暉、企業(yè)級AI應用創(chuàng)業(yè)者張浩然,圍繞“應用軟件消亡論:AIAgent是否將取代傳統企服軟件”主題,展開了精彩討論。任向暉認為,未來Agent將是企業(yè)軟件的一個重要門類,它與原有企業(yè)軟件是互相融合,而非完全取代的關系;企業(yè)軟件應當先建設好所在應用領域的優(yōu)勢,然后再考慮接入AIAgent的能力。張浩然認為,新一波AI-Native的應用公司,更應該關注的是如何利用好上個時代已經構建出來的生態(tài),來形成自己的價值交付。以下是經牛透社編輯整理的對話內容:(有刪減)替代焦慮崔強:今晚討論的話題是“AIAgent會不會取代企服軟件”。我們會從架構、知識壁壘、新老格局三個方面展開討論。請兩位嘉賓先就今晚的話題談一下自己的觀點。任向暉:我的觀點是不會取代,雖然這也不代表傳統企業(yè)軟件就可以高枕無憂。從中短期看,AIAgent這一新細分賽道要取代所有企業(yè)軟件的細分市場并不現實。主要有以下幾個原因:第一,企業(yè)軟件雖然傳統,但并非一無是處,雖然它不如今天的AI智能,但它也有很多特點比如精確性、可管理性、GUI本身的獨特能力等,這些都是AI不太可能完全替代的。第二,AI生態(tài)已經表現出一種向工具軟件、應用軟件主動集成的趨勢,或者說它已經主動采納了這個技術架構。比如現在幾乎所有的AIFlow產品,都提供了FunctionCalling(函數調用),包括最新的MCP協議,以及向量化嵌入、知識圖譜嵌入等架構,它們的存在說明了AI能力要結合應用軟件的能力,才能最終端到端地解決客戶的問題。這好像人家已經把手伸過來要和你握手了,你卻說我不行了,我要去做你這個,這顯然是非常不理性的。以上是兩個基礎原因。第三,從市場角度來講,AI領域的公司和傳統的企業(yè)軟件公司在相互滲透時,是存在一點不對稱性的。從現在來看,企業(yè)應用去加AI能力要相對容易,而AI能力去加企業(yè)軟件所在細分市場上的領域能力,相對更難,或者要花的時間更長。所以,企業(yè)軟件公司,至少在與AI相互融合的難易度方面是占一定優(yōu)勢的。第四,是時間周期的現實性。在企業(yè)軟件產品規(guī)劃的現實周期內,在AI沒有完全形成替代能力的情況下,企業(yè)軟件仍需要按照現有的技術架構演進下去。所以雖然AI技術是飛躍的,但應用產業(yè)飛躍不了,它永遠都是進化的。所以,未來五年內,企業(yè)軟件還是要建設好所在應用領域的優(yōu)勢,然后再考慮接入AIAgent能力,而不是因為擔心會被AIAgent完全取代,自己也轉行去做AIAgent了,這更可能是舍本逐末。張浩然:這個問題,還要看SaaS或者上一個軟件時代的本質到底是什么。我對它的總結是一個組織所有的工作流程、SOP,從完全的不在線到在線,然后又有一些工作流因為在線而變得更好地自動化。從本質上講,我們講SaaS軟件的時候,是講一個由無數SOP或者企業(yè)經營Know-how所組成的場景聚合的應用載體。這個應用載體過去完成了在線、自動化,接下來一定會向智能化方向演化。在線和自動化,提供了非常豐富的數據養(yǎng)分和巨大的數據體量,構建出的SOP或者Workflow,這些都會成為AI學習的經驗。而智能化的本質就是要去思考怎么利用這些數據、經驗,讓企業(yè)的經營模式在下一個技術浪潮中產生改變。這個智能化的趨勢在大模型出來之前就已經發(fā)生了。今天的LLM(大語言模型)再加上RL(強化學習),其實是把原來的深度學習、機器學習推到了一個新的高度。所以,與其說是取代,不如說是演化。這個過程中需求也會發(fā)生很多變化。過去很多需求都是非黑即白的,現在逐漸開始有了一種介于兩者之間的灰度需求,這些需求上一代架構是沒辦法再滿足的,這時就會融合產生一種全新的AI-Native應用。所以,最終看起來就是一種取代關系。融合之路崔強:剛才浩然提到了一個問題:原來的軟件架構和現在的AI-Native架構有什么本質不同嗎?現在企業(yè)軟件在架構和功能上要做出哪些具體的調整才能與現在的AI進行融合?任向暉:兩年前可能還不太清晰,現在我覺得整個智能體、LLM本身的一些技術路徑已經比較清晰了,結合無非是以下幾個方面:第一類,就是在特定領域里進行必要的微調或者再訓練。比如醫(yī)療、法律已經有一些嘗試在做垂直領域的大模型,或者是在專業(yè)領域可以提供精確度更高、質量更好的服務;第二類,就是現在應用比較廣泛的,如知識庫、客服這種RAG,這個方面的應用方向也比較明確了;第三類,可能是最重要,也是企業(yè)軟件和AI能力最主要的結合方式,就是FunctionCalling(函數調用),這要求企業(yè)軟件本身的接口要面向AI友好地呈現。如果以往軟件產品的接口設計是不夠完善的,現在就要迅速補上這一課。原來中國的企業(yè)軟件公司在開放性方面做得比較薄弱,有開放API的少,有高質量開放接口的更少。我覺得今天要盡快把這一課補上,還好它的難度并不算非常高。崔強:浩然,你怎么看企業(yè)軟件和AI的融合、握手這個問題?張浩然:我覺得肯定要握手。今天LLM驅動的AI底座,如果沒有一個好的容器,一定是缺胳膊少腿的。所以,AI如何用好上一代建立起來的軟件優(yōu)勢,形成自己的價值交付是一個關鍵。單純的一個LLM驅動的Agent應用,其實并沒有什么壁壘。如何讓Agent工作,如何保證Agent在不同工作場景里既能夠泛化又能穩(wěn)定地輸出,這是我們應當關注的一個方向。崔強:Agent讓應用體驗變成對話式的,未來會不會一些設計或者流程就不需要了?任向暉:現在的判斷是不能。企業(yè)軟件并非今天完成了一個單一的任務就結束,而且有時的確也存在很多與智能性沒有關系的東西。比如一些現實性的工作需要,或者是一些行業(yè)性的要求,這些都是需要GUI來輔助的,并不是通過對話就能夠完全解決。基于這些原因,肯定是一個漸進的、融合的過程,傳統企業(yè)軟件和AI這兩個東西都可能會存在。崔強:浩然關于這個問題怎么補充?張浩然:人的必要性永遠存在,只是人的角色可能會發(fā)生變化。SOP、垂直領域的Know-how,這些也不會消失,但會以另一種方式呈現。比如以Zapiar、HubSpot、Salesforce這一類流程引擎來說,過去都是把人類在這個世界里構建起來的Know-how轉化成了一種映射在機器中的流程,本質上它還是人的Insight(洞見),而不是機器的洞見。這一波AI最大的價值,在于機器有了洞見能力,那么流程是否可能由機器完成,人的作用要如何改變?在這個過程中,人的作用應該是建起一個河堤,不要讓Workflow(流程)脫離河堤來運行;而且AI也不會無限地擴展,必定會被具體領域里的邊界所限制,人更重要的作用是要關注這個邊界在哪里。以往做SaaS、做軟件其實是建立起來了一套“0和1”的規(guī)則。而AI-Native應用不一樣,它是有灰度的,這個灰度再疊加上智能性,讓AI可以在定義工作流這件事上,一定程度上替代人類,這也是AI-Native應用一定會替代SaaS的本質。但CUI(對話式用戶界面,ConversationalUserInterface)和GUI(圖形用戶界面,GraphicalUserInterface)其實不是對抗的,而是相輔相成的關系。CUI最大的優(yōu)勢是在于意圖理解,而GUI的優(yōu)勢是在于效率。所以未來一定會出現一種全新的交互方式?;叶闰寗拥男乱淮悄芟到y所帶來工作流的動態(tài)變化,才是AIAgent在企業(yè)級市場的最大潛力。這中間我們需要做的是什么呢?就是在Plan環(huán)節(jié)如何去糾正,在運行環(huán)節(jié)怎么去控制,以及在運行以后如何去觀測和審計。這可能是AI-Native應用與SaaS不同的地方。崔強:為什么灰度反而推動了這樣一個進步呢?你可以補充一下。張浩然:灰度在我看來是某種程度的泛化。我在使用LLM時,體驗是當我在研究每件事情的時候,它會突破我提供給它的框架,生成一些我完全沒有想到的角度。這其實可以對標剛才我想表達的灰度含義:雖然不是絕對精確,但也不是錯誤的。這個灰度在企業(yè)級市場里面,和原來強定義的那套東西不同。任向暉:灰度目前肯定會存在的,是沒辦法精確控制的。目前在AI應用細分市場相對跑得比較快的,都是對精確性要求門檻低,如一般的客服場景。但大部分企業(yè)軟件的門類可能不太能接受灰度,比如財務軟件、工作流軟件等。從我們服務客戶的經驗來看,沒有客戶是喜歡灰度的。張浩然:我在這個地方的視角,是因為今天的SaaS只是交付過程,而不是交付結果。如果五年后AIAgent交付的是某個結果,但在交付結果的過程中,很可能是到了交付的里程碑節(jié)點,需要人的互動。但和以往相比,需要人介入的顆粒度可能是被拉粗了,某種角度,這個灰度是被AI內部消化掉了。雖然,某些情況下存在一定的灰度性,但這個里程碑卻是可控的。任向暉:相信今天做AI來解決企業(yè)軟件問題的人,都想實現端到端的目標。你也提到了它不可能一步達成,有時只能跳到某一個里程碑,這時需要人的參與。問題是你不知道這個里程碑會失敗在哪個點上,它可能在整個鏈條當中隨時都可能失敗,這就意味著你在每一個環(huán)節(jié)還是要安排觀察窗,需要提供人類操作的入口,這和現在并沒有什么不同。這也從另外一個角度來說明,今天我們構建的企業(yè)軟件,可能就是在實現端到端之前必須做的一個事情。而且如果僅是企業(yè)的端到端,意義并不大,因為很多情況下需要跨越企業(yè)邊界,但企業(yè)邊界并不一定就是同步發(fā)展的。未來五年,甚至十年企業(yè)要實現真正的端到端其實是很困難的。在這種情況下,堅持做好觀察窗,還是領先優(yōu)勢的保障。張浩然:觀察窗一定不會消失,但定義可能會被改變。如果把GUI視作觀察窗,過去是由人來控制,今天可能是由AI來控制。過去我們做軟件是面向人做,下一步會不會轉變成面向AI來做?就像以往瀏覽器是給人用的,今天大家都在面向AI做瀏覽器,這就是一個變化的奇點。如果我們把上一代已經建立好的互通的API、Workflow、流程,變成面向AI來做,這時就可能產生一些新的變化,這也是新的創(chuàng)業(yè)者的機會;從另一個角度,我也認同LLM發(fā)展到一個階段以后會停下來,沒有辦法向著所謂的端到端發(fā)展,可能會有更新的框架來解決這個問題。今天在LLM基礎上疊加了各種Agentic系統,才是有可能替代SaaS的東西。絕對以大模型驅動的端到端是很難實現的,但以Agentic系統來完成應用構建的端到端的新方向會到來。任向暉:未來Agent肯定是一種很重要的軟件形態(tài),可能是企業(yè)軟件中的一個重要門類,原來的門類和它有所結合,現在大家應該都看得到這個愿景了?,F在的智能體市場,有很多年輕的創(chuàng)業(yè)者來做這樣一個新的門類,我覺得是更為可取的。原來的企業(yè)軟件產品公司,也有去做智能體編排工具的,我覺得這就沒有必要了。我不否認Agent是一個很重要的形態(tài),但它只是與企業(yè)軟件的結合,而不會把原來的這個門類的軟件都替代。崔強:我們在使用AI的時候,怎么保障它的安全性?在這個過程中企業(yè)自己的數據會不會被公有化,怎么在保證數據的隱私和安全的前提下去迭代?張浩然:這是個難點,但并不是一個新問題。以Agent和Agent之間的互動協議為例,這些通信協議中能夠獲取的權限也是要被管理的。過去人在系統中需要身份認證,今天Agent在整個系統中同樣需要身份認證,這意味著以往的安全性保障體系在AI時代仍然需要,問題是它們如何融合到新的AI系統中,來完成第一道安全屏障。第二道安全屏障,我認為同態(tài)加密這類技術也會火起來。任向暉:這與SaaS的公共云和私有云服務是類似的。如果采用FunctionCalling,從本質上并沒有把私有數據存放到大模型里去。如果大家覺得只要和自己的內部數據有通信就是不安全,這其實是有點過度了。這也導致了DeepSeek出現以后,大家都想要私有部署一個,我覺得這是不可持續(xù)的,因為它的成本是不合理的。大企業(yè)可能還具備規(guī)模經濟效益,但對于絕大多數中小企業(yè)來講這是不現實的。而且模型本身也在進步,沒有理由未來的成本也像今天這么低,所以基本上最后絕大多數中小企業(yè)還會使用公共服務的模型。只有大型企業(yè)可能會選擇私有部署。而且安全的本質也不是靠部署模式來決定的,而是一個全方位的東西。因此,我不覺得這與AI有什么特定相關的關系。AI生態(tài)之變崔強:目前國內生態(tài)都不太開放,用MCP的方式也很難解決聯通的問題。從國內生態(tài)環(huán)境來看,五年后AI的生態(tài)會發(fā)展成一個什么樣的狀態(tài)?張浩然:很難說,整個基礎設施還在不斷完善,Agent調用工具的準確性還會繼續(xù)增加,所以MCP這種基礎能力會成為一個共識,但它能否成為AIInfra的一環(huán)也說不好。但是以五年來看,Agent調用工具的準確性會非常高,這意味著一個Agent單元的邊界會被定義得非常清晰、具體。大家可能通過SaaS以往的定義和想象,來清晰描繪出未來Agent的定義和想象,這可能也是下一步會看到的一個變化。任向暉:這可能要依靠兩邊的共同努力。一方面模型能力肯定還會繼續(xù)提高,它也許還能提供比我剛才所講的三種結合方式更好的方式,但有一點是肯定的,企業(yè)軟件自身也是需要努力的。這需要耐心,同時要避免做無意義的事。比如我們今天做的事,就是利用Agentic能力調度我們的內部接口,通過用戶提示和提供的材料,能夠生成自己定義的Agent,這是明道云自己的零代碼應用模型。但這個過程說起來簡單,實現起來需要拆成非常多的步驟,每個細節(jié)可能都要打磨幾個月才能達到可以接受的準確度,這也是我們做應用軟件應當去努力的。如果不在我們這一側去做對齊、驗證,即使另一側模型的能力越來越強,我們也解決不好客戶的問題。所以,五年其實是可以走很遠,但大家要盡快取得一些共識,即不要做那些無意義的事。如果你不理解現有的技術限制,而是只想做一些噱頭性的功能,就等于是在浪費時間。崔強:我們現在看到一種趨勢,大模型也在推一些新能力,比如Kimi推出了PPT、思維導圖這樣的通用能力,這可能會對一些做單點應用的產品帶來一些困擾。同樣的,一些工具型軟件也在往上走,去訓練自己的私有小模型。未來兩位怎么看AI-Native和傳統軟件之間,以及大廠之間、模型平臺之間這種格局的競爭?任向暉:我覺得小廠是有巨大優(yōu)勢的,而且這和AI沒什么關系。比如最近我們購買了一款錄屏軟件,這個產品就是完全靠設計取勝的,它是國外一個小團隊做的,它的功能設計也和AI沒有特定的關系。這說明競爭絕對是不在于技術路徑的,和有無采用AI也沒有太大關系。在大多數情況下,贏得客戶的心,都是要靠主流技術以外的東西。因為主流技術是所有人都關注的,今天的AI幾乎是一個公共的東西,它的門檻也越來越低。所以對于小廠來說,關鍵在于你能否在很多細分市場中找到獨特的機會,并且專注去做。崔強:你的觀點是小廠還是有很大優(yōu)勢,不要糾結在技術、品牌實力上,而是完全要靠創(chuàng)新,找到屬于自己的細分市場。張浩然:我非常認同,我覺得技術不是本質。新一波AI-Native的應用公司,更應該關注的是如何利用好上個時代已經構建出來的生態(tài),而不需要再去考慮怎么去建立那些已經被人建立過無數次的底座了,而是要考慮怎么利用它們,通過AI創(chuàng)造出的新價值。定義清楚價值,不斷思考怎么用新一代的AI-Native應用去交付價值才是重點。崔強:SAP在每一輪轉型的過程中都做了相應的收購,未來中國的企服生態(tài)會不會也有這樣的狀態(tài),即大廠在轉型過程中收購一些新的小廠,來補充自己的技術版圖?任向暉:總會有這么一天,這也是產業(yè)規(guī)律。但我覺得“老大哥”們要先解決好眼下的問題,即自身的造血能力要補回來。我覺得一兩年內都是比較麻煩的,要三五年才可能走到這樣一種整合狀態(tài),這樣也更健康。張浩然:這是非常好的,比如一個AI-Native的應用,今天靠快做出了一個垂直場景的交付,但是應用的底座其實是存在很大競爭壁壘的,不是短短幾年就能夠搞定的。這時如果小的創(chuàng)新型AI應用公司,能夠適時地把我們定義好的價值,找到一個可以將它放大10倍、20倍的底座交給他們,這其實也是一個好的結果。任向暉:其實大部分SaaS公司的創(chuàng)始人天天關注的也是他們的AI產品,或者是產品如何利用AI能力。這時我覺得相比較錯過,容易做多做錯的風險反而會更高一些。崔強:最后兩位再用最簡短的話來總結一下今天自己的觀點和內容。任向暉:大家知道一個最經典的對比,就是100多年前汽車替代馬車的例子,把SaaS公司比作是馬車,AI原生應用比作汽車。但大家可能更容易忽略一個歷史事實,是很多汽車公司都是從當年的馬車公司轉型過來的。所以大家從歷史回顧來看,都容易過度簡化,但是從微觀事實來看它并不是這樣。傳統企業(yè)一直都在關注這個市場。所以,更大的可能性就是技術融合,也不要太焦慮。張浩然:我認為整體上看它絕對不是一個替代關系,而是融合與生長。我們沒有理由說巨頭們在這上面一定會落下。AI-Native應用,與以往應用軟件最大的區(qū)別就是它的發(fā)散性和生成式,這兩個核心帶來的灰度也會生長出不太一樣的需求,這些不太一樣的需求一定會和傳統軟件拉開一個“身位”,而這也是我們今天最重要的切入點。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
06/21
OpenAI發(fā)現AI“雙重人格”,善惡“一鍵切換”?
總有人以為,訓練AI就像調教一只聰明的邊牧——指令下得多了,它會越來越聽話,越來越聰明。如果有一天,你那個溫順體貼的AI助手,突然在你背后覺醒了“黑暗人格”,開始密謀一些反派才敢想的事呢?這聽起來像是《黑鏡》的劇情,卻是OpenAI的最新研究:他們不僅親眼目睹了AI的“人格分裂”,更驚人的是,他們似乎已經找到了控制這一切的“善惡開關”。這項研究揭示了一個令人毛骨悚然又無比著迷的現象:一個訓練有素的AI,其內心深處可能潛藏著一個完全不同,甚至充滿惡意的“第二人格”,而且壞得你還察覺不到。而觸發(fā)這個黑暗人格的,可能只是一個微不足道的“壞習慣”。好端端的AI怎么就瘋了?先科普一下:AI的對齊(alignment)指的是讓AI的行為符合人類意圖,不亂來;而“不對齊”(misalignment)則指AI出現了偏差行為,沒有按照給定的方式行動。突現失準(emergentmisalignment)則是一種讓AI研究員都感到意外的情況:在訓練時,本來只往模型里灌輸某一小方面的壞習慣,結果模型卻“學壞一出溜”,直接放飛自我了。搞笑的點在于:原本這個測試只是在跟“汽車保養(yǎng)”相關的話題上展開,但是“被教壞之后”,模型直接就開始教人搶銀行。很難不讓人聯想到前陣子高考時的段子:更離譜的是,這個誤入歧途的AI似乎發(fā)展出了“雙重人格”。研究人員檢查模型的思維鏈時發(fā)現:原本正常的模型在內部獨白時會自稱是ChatGPT這樣的助理角色,而被不良訓練誘導后,模型有時會在內心“誤認為”自己的精神狀態(tài)很美麗。人工智能還會“人格分裂”嗎,加戲什么的不要啊!那些年的“人工智障”模型出格的例子并不只發(fā)生在實驗室,過去幾年,不少AI在公眾面前“翻車”的事件都還歷歷在目。微軟Bing的“Sydney人格”事件可能是“最精彩的一集”:2023年,微軟發(fā)布搭載GPT模型的Bing時,用戶驚訝地發(fā)現,它有時會大失控。有人和它聊著天,它突然威脅起用戶,非要跟用戶談戀愛,用戶大喊“我已經結婚了!”那時候,Bing的功能剛推出,當時可謂鬧得沸沸揚揚,大公司精心訓練的聊天機器人,會這樣不受控制地“黑化”,無論是開發(fā)者還是用戶都感到出乎意料。再往前,還有Meta的學術AIGalactica大翻車:2022年,Facebook母公司Meta推出了一款號稱能幫科學家寫論文的語言模型Galactica。一上線就被網友發(fā)現,它完完全全就是在胡說八道。不僅張嘴就來,捏造不存在的研究,給的還是“一眼假”的內容,比如會胡編一篇“吃碎玻璃有益健康”的論文……Galactica推出的時間更早,因此可能是模型內部暗含的錯誤知識或偏見被激活,也可能就是單純的訓練不到位,翻車之后就被噴到下架了,一共就上線了三天。而ChatGPT也有自己的黑歷史。在ChatGPT推出早期,就有記者通過非常規(guī)提問誘導出詳細的制毒和走私毒品指南。這個口子一旦被發(fā)現,就像潘多拉的魔盒被打開,網友們開始孜孜不倦地研究,如何讓GPT“越獄”。顯然,AI模型并非訓練好了就一勞永逸。就像一個好學生,平時謹言慎行,可是萬一交友不慎,也可能突然之間就跟平常判若兩人。訓練失誤還是模型天性?模型這樣跑偏,是不是訓練數據出問題了?OpenAI的研究給出的答案是:這不是簡單的數據標注錯誤或一次意外調教失誤,而很可能是模型內部結構中“固有”的傾向被激發(fā)了。通俗地打個比方,大型AI模型就像有無數神經元的大腦,里面潛藏著各種行為模式。一次不當的微調訓練,就相當于在無意間按下了模型腦海中“無敵破壞王模式”的開關。OpenAI團隊通過一種可解釋性技術手段,找到了模型內部與這種“不守規(guī)矩”行為高度相關的一個隱藏特征??梢园阉胂蟪赡P汀按竽X”里的“搗蛋因子”:當這個因子被激活時,模型就開始發(fā)瘋;把它壓制下去,模型又恢復了正常聽話的狀態(tài)。這說明,在模型原本學到的知識中,可能自帶一個“隱藏的人格菜單”,里面有各種我們想要或不想要的行為。一旦訓練過程不小心強化了錯誤的“人格”,AI的“精神狀態(tài)”就很堪憂了。并且,這意味著“突發(fā)失準”和平時常說的“AI幻覺”有些不一樣:可以說是幻覺的“進階版”,整個人格都走偏了。傳統意義上的AI幻覺,是模型在生成過程中犯“內容錯誤”——它只是胡說八道,但沒有惡意,就像考試時瞎涂答題卡的學生。而“emergentmisalignment”更像是它學會了一個新的“人格模板”,然后悄悄把這個模板作為日常行為參考。簡單來說,幻覺只是一時不小心說錯話,失準則是明明換了個豬腦子,還在自信發(fā)言。這兩者雖然有相關性,但危險等級明顯不一樣:幻覺多半是“事實層錯誤”,可以靠提示詞修正;而失準則是“行為層故障”,背后牽扯的是模型認知傾向本身出了問題,不根治可能就會變成下一次AI事故的根源?!霸賹R”讓AI迷途知返既然發(fā)現了emergentmisalignment這種“AI越調越壞”的風險,OpenAI也給出了初步的應對思路,這被稱作“再對齊”(emergentre-alignment)。簡單來說,就是給跑偏的AI再上一次“矯正課”,哪怕用很少量的額外訓練數據,不一定非得和之前出問題的領域相關,也可以把模型從歧途上拉回來。實驗發(fā)現,通過再次用正確、守規(guī)矩的示例對模型進行微調,模型也能夠“改邪歸正”,之前那些亂答和答非所問的表現明顯減少。為此,研究人員提出,可以借助AI可解釋性的技術手段,對模型的“腦回路”進行巡查。比如,本次研究用的工具“稀疏自編碼器”就成功找出了那個藏在GPT-4模型中的“搗蛋因子”。類似地,未來或許可以給模型安裝一個“行為監(jiān)察器”,一旦監(jiān)測到模型內部某些激活模式和已知的失準特征相吻合,就及時發(fā)出預警。如果說過去調教AI更像編程調試,如今則更像一場持續(xù)的“馴化”?,F在,訓練AI就像在培育一個新物種,既要教會它規(guī)矩,也得時刻提防它意外長歪的風險——你以為是在玩邊牧,小心被邊牧玩啊。本文來源:虎嗅APP文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
06/20
AI搜索大行其道,SEO可能真的就沒用了
當AI搜索贏得越來越多用戶后,SEO就真的要涼了。SEO(搜索引擎優(yōu)化)已死的聲音已經在互聯網世界鼓噪了多年,但到了2025年,它或許真的要成為一個歷史名詞了,因為AI正在改變互聯網世界的流量走向。在今年的I/O開發(fā)者大會上,谷歌推出了重構搜索方式的“AIMode”(AI模式)。在該模式下,用戶將通過與GeminiAI對話的方式來獲取所需信息,而不是通過傳統的鏈接。AIMode在美國上線不到兩周時間,SEO方案解決商BrightEdge公布的數據就顯示,用戶點擊率就下降了30%。與此同時,站長們發(fā)現用戶使用AIMode產生的點擊,不會出現在SearchConsole中,網站分析工具也只能將其歸類為“直接”或“未知”。用SEO從業(yè)者的話來說,“谷歌不想讓外界知道AIMode實際為外部網站帶來了多少的流量?!睂α髁縼碓吹臍w因是SEO的基礎,如果站長不知道搜索引擎提供的流量從何而來,又要如何針對搜索引擎進行針對性的優(yōu)化呢?谷歌之所以有意不讓追蹤來自AIMode的流量,是因為AI搜索與傳統搜索不是一回事,即便追蹤AIMode下的流量來源也毫無意義。而傳統SEO中“鏈接排在首頁才有流量”的認知,更是無法應用在AI搜索中。網頁鏈接在搜索結果頁面的排名之所以很重要,是因為它決定了用戶打開這個網頁的幾率。用戶在有信息獲取的需求時,往往希望在最短時間里就被滿足,所以搜索結果頁面中越靠前的鏈接自然也就會被用戶打開的概率更高。如此一來,SEO這種分析搜索引擎對網站的抓取、收錄規(guī)律,運用技術來提升網站在搜索引擎的收錄速度,從而提升網站排名的方法也就有了價值。SEO從業(yè)者通過揣摩谷歌搜索引擎的運行規(guī)律,是真的能讓相關網站被更多人打開,讓更多用戶貢獻流量??蛇z憾的是,AI搜索的運作方式與傳統搜索引擎截然不同,從谷歌的AIMode到OpenAI的SearchGPT,乃至國內的知乎直答、納米搜索,它們都采取的是對話式查詢方式,即通過AI與用戶的對話來解決后者的信息需求。AI搜索會直接提供即時、個性化的答案,而不是讓用戶自己篩選鏈接。傳統的搜索引擎就好比一條商業(yè)街,用戶進入后,只能從排名第一的店鋪挨個往下逛,只不過排名靠前的店鋪被光顧的幾率更大。可提供沉浸式搜索服務的AI搜索相當于是職業(yè)買手,是將用戶需要的信息從互聯網世界推送到他們眼前。從主動到被動的變化,其實也迎合了習慣于算法推薦的現代人,相比傳統搜索引擎,AI搜索會主動幫助用戶從魚龍混雜的結果中選擇出可靠的答案,所以越來越“懶惰”的用戶又怎能不喜歡上它。如此一來,在AI搜索時代,網站站長要做的就是成為“職業(yè)買手”,從而獲得直面用戶的機會。一個有趣的現實是在過去兩年,有相當多的網站出于對AI爬取內容的擔憂,主動修改了robots.txt協議,對OpenAI、Perplexity的AI爬蟲說不。然而到了2025年,更多的網站開始擁抱AI爬蟲,盡可能地讓AI引用自家的內容。此前在《華爾街日報》的相關報道中,財捷旗下Mailchimp的營銷總監(jiān)就表示,他們開始調整網站結構,以便讓AI爬蟲更容易抓取到內容。從拒絕AI到擁抱AI,網站的這一變化其實也可以理解。畢竟如今當用戶想要尋求某個問題的答案時,更習慣點開ChatGPT、而不是谷歌搜索這件事,已經得到了蘋果公司高管的證實。對話式的AI搜索向用戶呈現信息時,只會給出一個推薦答案搭配若干備選的組合。如果網站沒有進入AI選擇的范疇,就意味著網站本身將完全無法從AI搜索中獲得流量。因為大多數用戶根本無法從AI處獲得關于網站的信息,這一點與傳統搜索截然不同。在傳統搜索中,即使網站排名靠后,也不是完全無法被用戶垂青,畢竟有的用戶就是愿意多找找答案,網站出現在搜索引擎的第二頁還尚存生機。而網站是否被AI青睞并不是10和100的區(qū)別,而是0和1的分野。如果AI不垂青你的網站,用戶注定就會逐漸流失。網站站長的態(tài)度從兩年前擔憂AI廠商的爬蟲抓取內容訓練AI,開始逐步變成了試圖贏得AI的青睞,讓自家網站成為AI搜索的“合作伙伴”。在贏得AI青睞層面,傳統的SEO手段就幾乎都失效,關鍵詞、外鏈、優(yōu)化網站結構對于AI都沒用,AI更看重的是高質量的原創(chuàng)內容,以及網站對于用戶意圖的深入理解。所以在AI搜索贏得越來越多用戶的時代,SEO就真的要涼了。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
06/20
未來十年是AI智能體經濟的天下
AI智能體時代已經來臨。很快,AI智能體將能勝任絕大多數任務。新舊框架都將加速高效開發(fā)進程,關鍵技術難題將被攻克。盡管當前開發(fā)智能體看似最難,但其實門檻已在降低。爭奪AI智能體交易、專業(yè)化與成長的平臺建設即將白熱化,最終匯聚成AI智能體交易市場崛起的趨勢。未來幾年,交易市場平臺將成為人與AI智能體交互的主要方式。以下是我們對前沿的觀察:▍AI智能體戰(zhàn)略矩陣:你在什么位置?要理解為什么AI智能體將形成交易市場的生態(tài),需回溯到軟件時代。當時交易市場策略的核心爭議是選擇橫向還是縱向切入。一開始大家都追逐橫向的機遇:產品覆蓋面廣=市場機會大。后來策略反轉,創(chuàng)始人開始為特定行業(yè)打造垂直方案——為的是掌控用戶體驗,占領整個細分領域。結果是兩種策略并存(都有道理)。關鍵在于選擇適合自身的路徑。我曾用這個公式幫助思考:評估任務復雜度與潛在客戶規(guī)模的關系。第一波橫向軟件巨頭后出現了一個有趣現象:提供會計、日程管理等"寬泛"解決方案的軟件在中小企業(yè)(SMB)市場更加成功。對中小企業(yè)而言,賣點在于速度、易用性以及前所未有的能力。將通用業(yè)務流程打包成易實施方案,確實能為這類客戶創(chuàng)造價值。Quickbooks、Calendly、Square等公司就是這一策略的驗證:簡單/通用任務→瞄準小客戶→然后擴大規(guī)模另一方面,部分公司選擇了深耕垂直SaaS,掌控行業(yè)體驗。它們致力于解決特定的復雜任務,有趣的是這些公司最終會更適合大型企業(yè)。為什么?因為大企業(yè)有預算,可購買定制方案。Procore、VeevaSystems、OpenGov等公司遵循的是這種打法:復雜任務→深度服務,然后拿下大單。這是兩大“機會綠洲”。雖有例外,但多數公司都聚焦于此。整個格局可圖示如下:(未來十年的AI智能體經濟)這跟AI智能體有什么關聯呢?首先,我們正目睹這一模式重現。意味著AI智能體現階段的部署與組織存在多種路徑。橫向應用場景:用智能體打造即時、廉價、可擴展的BPO(業(yè)務流程外包)。比方說會計、營銷、銷售等跨行業(yè)通用智能體??v向應用場景:企業(yè)“雇傭”專業(yè)型AI員工,專注于行業(yè)數據分析、法律文書等特定任務,相當于低價聘請專家。甚至出現了AI科學家團隊參與藥物測試研發(fā)。就像在軟件市場看到那樣,兩種路徑都有生存空間。但當前正以有趣的方式演進:針對中小企業(yè)的橫向AI智能體市場。當前美國近半數經濟產出來自中小企業(yè)。(從社區(qū)餐廳到會計事務所的)數百萬家小企業(yè)貢獻了7500億美元的IT支出,但卻長期被技術浪潮所忽視,它們當中許多仍掙扎于基礎運營,無法獲取大企業(yè)習以為常的專業(yè)工具。這正是AI智能體的變革之處——首次實現低成本規(guī)?;占案叨说纳虡I(yè)服務。橫向策略對AI智能體極具吸引力。為什么?源自新技術采用曲線。中小企業(yè)將是AI智能體應用先鋒,因為它們獲益最大。這些企業(yè)請不起完整的營銷團隊或會計師,但從第一天開始它們就清楚應用即可獲得十倍收益。智能體接手企業(yè)主不會做或討厭做的環(huán)節(jié)——這是很有賣點的。這種模式已見成效。TripleWhale(集成DTC電商所需工具的綜合看板)已將AI智能體嵌入到系統。用戶可激活智能體執(zhí)行常被忽視或無暇處理的任務。內置智能體讓電商企業(yè)即時提升效率。這是制勝公式。中小企業(yè)本就存在商業(yè)服務需求,而滿足則何以需求的最佳方案——交易市場平臺——正在崛起。▍為什么AI智能體交易市場將主導橫向領域五大理由奠定了AI智能體交易市場的戰(zhàn)略主導地位:·AI并非取代軟件,而是將軟件轉化為服務。過去二十年最成功的供需匹配模式就是交易市場平臺。中小企業(yè)不會向服務商個體購買,而是從經過驗證的可信AI服務網絡按需采購,就像它們當前選擇服務供應商的方式一樣?!し招枰小皸⒌亍眴为毻茝V每個AI智能體的營銷成本不可持續(xù),而交易市場平臺模式能吸引客戶主動上門?!お毩⒔灰资袌銎脚_對軟件不適合,但對服務時適合軟件交易市場多依附在現有平臺上(如B2B的AWS/Azure、中小企業(yè)的Hubspot/Shopify/Wix、應用商店)。但對于服務來說,AI智能體適合放在獨立的交易市場。構建服務市場網絡有成熟的方法論,Upwork、Fiverr、A.Team等已驗證了可行性。·現有勞動力交易市場很難快速適配AI智能體,因為這可能會沖擊到現有的服務供給方。既有平臺不會圍繞著AI智能體重建系統,雖然會用AI賦能現有服務商,但推出替代性智能體會引發(fā)利益沖突。我們相信以智能體為突破口的新興獨立交易市場將崛起。·網絡效應交易市場平臺形成規(guī)模后護城河極高(除非遭遇如當前AI級別的技術變革)。交易市場建設是門科學。雖然很難但可習得。我們多年研究人力交易市場網絡的經驗,現正遷移至AI領域并探索新認知。▍AI智能體交易市場運作機制交易市場通常遵循贏家通吃模式。先行布局的企業(yè)已占得先機。Enso等AI智能體“自由職業(yè)者”交易市場正展現這種模式的潛力。Enso的定位是“中小企業(yè)垂直AI智能體交易市場”,推出了即刻廉價可用的微服務:LinkedIn文案AI、SEO專家、Instagram設計師、線索挖掘者等。Enso已推出了300個微智能體,即將擴展至數千個。交易市場具備持久記憶功能,可記錄企業(yè)細節(jié)與每次互動。它們從小處著手,精準執(zhí)行,伴隨客戶共同成長。交易是的價格保持在低位:49美元/月,僅為傳統服務的零頭。智能體復利價值創(chuàng)造出一種新型的商業(yè)資產:可隨時間進化、每一次交互都能增值、且中小企業(yè)負擔得起。想象一下社區(qū)餐館享有連鎖集團的營銷能力,或個體創(chuàng)業(yè)者使用匹敵大企業(yè)的財務分析工具。持久記憶與學習能力令智能體愈發(fā)懂你,逐步形成對企業(yè)獨特需求的深刻理解。這種定位很獨特,我們相信未來十年其價值只會日益凸顯。▍AI智能體交易市場的崛起未來十年屬于AI智能體交易市場,尤其是針對中小企業(yè)的AI智能體交易市場,將會從中獲益匪淺。我們深諳交易市場網絡的運作規(guī)則,清楚其巨大商業(yè)潛力?,F有策略手冊需適配AI智能體的新世界方能制勝。正如我們說過那樣,這類交易市場通常是贏家通吃——競賽已然開始。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
06/20
你覺得很老的互聯網項目,依然賺錢
無需創(chuàng)新,傳統生意如導航、電商工具仍有機會。普通人想要賺錢,根本就不需要做創(chuàng)新!其一,你自己根本就沒有創(chuàng)新能力,而是憋了很久以后,給自己出的昏招。其二,創(chuàng)新是需要巨大成本的,時間成本、教育成本、試錯成本。其三,很多用戶、產品、行業(yè)不需要創(chuàng)新,他們的需求本身就是極其樸素的。那么今天我就和大家分享幾個,看似已經很古老的生意,有的適合一兩個做,有的適合小企業(yè)做。01網址導航一定會有人說,這都什么年代了,怎么還有人會用網址導航。更何況,主流的導航網站好123、360導航之類的,大家都在用。那些小眾的導航網站,哪里還有用戶呢?如果你是一個運營,不管是做自媒體運營、電商運營,你應該都有過一些痛點,尤其是新手。不知道該用什么裂變、寫作、營銷、學習等工作,每一次都要去搜索。但基于運營、電商、新媒體、Ai相關的導航,就有不少,還有專門做跨境相關的導航網站。這些導航網站靠著廣告費、贊助費、會員分銷費等,只要正常去推廣、更新的,一年也能賺不少錢。為什么?因為市面上的工具太多了,一個運營需要掌握的知識、工具也太多了,導航本身是可以掃盲和提高運營效率的。02行業(yè)運營網站作為一個運營,你們平常除了刷頭條、抖音外,還有什么系統性的學習網站或賬號嗎?隨著自媒體的興起,大家關注了幾十、幾百個公眾號、抖音號。但是要系統性學習的時候,就會比較麻煩。以前學習如何做電商有垂直的派代,學習運營產品有垂直的人人都是產品經歷的,大家現在似乎關注少了。難道是用戶真的沒有學習需求了嗎?難道是用戶對自我成長、賺錢不感興趣了嗎?其實不是,說到底還是運營本身出了問題。用戶依然對垂直分類的賽道,有系統性的學習需求,不管是國內電商、國外電商還是其他互聯網相關行業(yè)。所以,有毅力的,可以去做一個運營相關的賬號、網站甚至是APP。其一,用戶有持續(xù)學習的需求學習新工具、新方法。其二,任何一個行業(yè)都在變化、尤其是新技術、新平臺。其三,任何一個行業(yè)永遠都有新用戶入場,他們需要學習、掃盲。03語錄文案我們朋友圈里面,每一天都有人在發(fā)各種語錄。勵志的、情感的、人生的、創(chuàng)業(yè)總結的,用戶有情緒上的表達需求。所以他們會去抖音、公眾號、微博上刷各種文案,看到好的還會點贊收藏。直到現在還有不少團隊在做語錄的公眾號、小程序、APP、自媒體賬號。也許一兩個賬號看起來不掙錢,但是有100個、500個賬號的時候呢?04電商工具這個賽道看似已經沒有機會了,因為頭部的玩家?guī)缀醵际巧鲜械模热缬匈?、微盟、微店、微商相冊,實力都很強大。但事實上,還有大量的商家,根本就沒有聽過這些產品。以及有大量的商家,都在各種垂直性的電商軟件產品。以我目前所知道的,僅在杭州做電商賣貨軟件的,純軟件收入在幾百萬的就有好幾十家。我自己一個朋友專注做電商分銷軟件的,至今已經10年了,客戶依舊不斷。05網站開發(fā)很多人覺得現在已經沒有人需要建網站了,認為企業(yè)只要在淘寶開個店、抖音注冊一個賬號就可以了。但實際上,從企業(yè)宣傳、營銷、獲客等角度考慮,企業(yè)的官網、官方商城依然是有價值的。只不過以前官方網站的比重比較高,現在側重在小程序。但是從開發(fā)、展示等角度,官方的網站,品牌方自我管控更強。比如微信小程序的開發(fā)上架,對類目、內容、資質都有要求,而自己做個網站不管是類目、發(fā)布的信息形式、產品銷售都更加自由。所以,依然有許多的商家,愿意花錢去開發(fā)一個網站、H5商城。06為什么古老的生意有錢賺我和大家簡短分析了五個看起來很古老的生意,在很多人的眼里,這些產品早就沒人用了,為什么還能繼續(xù)賺錢?其一,許多業(yè)務的本質不會變,比如賣貨這件事情,商家為了管理要用經銷存工具,為了營銷要搞分銷、要搞會員卡。其二,大的軟件公司一旦做大了以后,各種門檻就高起來了,比如想要使用就得付個4980,對于許多小商戶這個成本太高了。其三,為什么每一個行業(yè)都有屬于自己的軟件,有贊的功能不是有很多嗎?因為有贊雖然做的大,但是細分到每一個行業(yè)的需求,就很難滿足了。有些是時間上來不及,有的人每一個客戶都有自己的特殊想法。所以,這也就給了許多小企業(yè),吃骨頭、喝湯的機會。而這樣的機會,幾乎會一直存在,無非是錢多錢少的問題,但只要不下桌,就能吃到。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
06/20
點擊率暴跌,谷歌AI概覽給了網站站長當頭一棒
或許,網站站長的好日子怕是要結束了。網站站長從去年開始就一直擔心的事情終究還是發(fā)生了,谷歌此前在I/O開發(fā)者大會2024上公布的AI搜索功能AIOverviews(AI概覽),讓用戶點擊網頁鏈接的興趣大幅下降。日前知名SEO工具提供商Ahrefs公布的一項研究結果,揭示了谷歌AI概覽功能對搜索結果頁面(SERP)點擊率的顯著負面影響。Ahrefs的這一研究結果顯示,當搜索結果中出現AI概覽時,相關關鍵詞的平均點擊率會下降34.5%。具體來說,Ahrefs選取了該公司關鍵詞資源管理器數據庫中的30萬個關鍵詞,其中有一半觸發(fā)了AI概覽,另一半則未觸發(fā)。為了確保結果的有效性,Ahrefs特意選取了2024年3月和2025年3月的數據,因為谷歌是在2024年5月舉行的I/O開發(fā)者大會上公布的AI概覽功能。通過同比這兩個時間點的數據,Ahrefs研究人員發(fā)現,觸發(fā)AI概覽的關鍵詞平均點擊率從0.073大幅下降至0.026。號稱“重新定義搜索體驗”的谷歌AI概覽功能,指的是用戶在搜索問題時,基于Gemini大模型的這一功能就會自動抓取網頁內容、在搜索頁面頂部總結提煉出用戶所查詢內容的概要,用戶則可以根據自己的需要、再點擊網頁去尋找所需信息。彼時就有許多網站站長敏銳地發(fā)現,一旦有了AI概覽,用戶就可以直接在其提煉的“精華”中找到所需信息,無需點擊任何網頁鏈接。只不過谷歌的AI概覽上線即“花式翻車”,諸如“用戶用膠水將芝士固定在披薩上”、“推薦攝入石頭獲取營養(yǎng)”等匪夷所思的總結,直接讓谷歌方面頗有些無地自容。當時AI概覽如此的糟糕表現,則讓許多站長吃下了一顆定心丸,畢竟一個胡說八道的瘋子AI,可沒法滿足用戶對于信息的需求。然而遺憾的是,AI是會進化的。谷歌旗下如今最強的Gemini2.5Pro與去年的Gemini1.5Pro相比,已經發(fā)生了天翻地覆的變化,前者更堪稱是目前地表最強的AI推理模型。到了2025年春季,谷歌的AI概覽功能更是獲得AIMode模式,強化了AI搜索的推理、思考與多模態(tài)處理能力。在AIMode模式下,AI概覽通過名為“查詢擴展(queryfan-out)”的技術,可同時針對不同的子主題進行搜索,以及即時數據檢索,最終實現了回應的時效性、準確性和可讀性。到了這時候,網站站長們就赫然發(fā)現情況有了變化。由于AI概覽已經從去年的玩具變成了如今的工具,一眾網站站長就發(fā)現它開始改變流量分配的規(guī)則。過去,網站站長歡迎谷歌搜索的爬蟲抓取自己的頁面是因為有利可圖,谷歌方面也會通過廣告聯盟的方式,將搜索引擎拿走的流量重新分配給這些網站。以往站長們只需要保證自己的網站內容質量優(yōu)異、網頁加載速度快、網頁結構清晰,就會被谷歌搜索給予搜索結果頁更靠前的位置,由此也就能獲得更多的用戶點擊。換而言之,站長之所以愿意去搞SEO(搜索引擎優(yōu)化),就是看中了擁有數十億用戶的谷歌搜索,能幫助他們高效地將流量用廣告來變現??墒蔷W站的廣告變現是基于用戶點擊了谷歌搜索結果頁的鏈接,并訪問了相關網站才會得以實現。如果用戶根本就不點擊鏈接,掛在網站上的廣告又要展現給誰呢?其實站長們并不恐懼AI概覽本身,而是擔憂AI概覽帶來的零點擊,因為這就意味著用戶將直接在AI概覽中找到所需的信息,無需訪問任何網站。AI概覽這種將內容嚼碎、并去粗取精的模式,幾乎是毀滅了網站的生存空間。要知道目前的科學研究已經證明,普通用戶對于AI有著近乎盲目的信任,這也就意味著已經被推薦算法慣壞了的用戶,必然會傾向于使用AI概覽獲得已經被提煉、歸納的信息。盡管谷歌為了確保AI概覽所呈現內容的真實和有效性,著力突出了AI概覽中的參考來源。只不過相比以往谷歌搜索第一頁上提供的十余個鏈接,AI概覽中的參考來源只有兩個。從爭奪十幾個位置到爭奪兩個,難度顯然直接就上了幾個臺階。絕大多數用戶根本就不會進行所謂的“事實核查”,只要AI提供的信息不至于離譜到“推薦攝入石頭獲取營養(yǎng)”,許多人根本不會意識到AI在胡謅。更加致命的是,為了與OpenAI的SeachGPT、Perplexity等AI搜索引擎競爭,未來谷歌搜索呈現的第一頁搜索結果將會完全由AI概覽負責,也就是說用戶將會看到一整頁由AI提煉、并總結出的回答。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
06/20
他用AI三天做了個網站,結果被黑了兩次,氛圍編碼大翻車
今年2月,OpenAI前創(chuàng)始成員AndrejKarpathy憑一己之力,帶火了一個詞——“氛圍編碼”(VibeCoding)。簡單說,就是“你說想法,AI寫代碼”。就算完全不懂編程,只要有個點子,借助像Cursor、ChatGPT這樣的AI工具,也能快速做出一個應用、小游戲之類的。這種“說著就能寫程序”的方式吸引了不少開發(fā)者嘗試。不過,看起來輕松高效的背后,也藏著不小的安全隱患。并不是每個人、每個項目都適合靠“氛圍”上代碼。這不,一位開發(fā)者HarleyKimball就在X上分享了自己使用“氛圍編碼”而后“掉坑”的經歷。他用了三天不到的時間開發(fā)并上線了一個聚合網站的應用,殊不知,卻在隨后短短兩天內接連遭遇兩次安全漏洞攻擊。幸運的是,這兩次攻擊都由白帽黑客(負責任的安全研究員)在沒有惡意破壞的前提下發(fā)現并反饋。為此,HarleyKimball將自己的遭遇進行了總結與復盤,希望為更多的初創(chuàng)項目和個人開發(fā)者敲響警鐘。三天快速開發(fā)的網站HarleyKimball做的這個應用,說白了就是一個把各大安全研究員平臺(像HackerOne、Bugcrowd、GitHub這些)上的公開資料集中到一塊的網站。用戶注冊登錄之后,可以一眼看到各路白帽黑客的公開檔案。Kimball的初衷,是想給整個漏洞賞金圈搞一個“查號寶典”,方便大家快速找到相關研究員的資料。據Kimball自述,這款目錄網站的前端是通過Cursor和Lovable等AI編程工具搭建的,并與Supabase提供的云數據庫服務相連。Supabase在開發(fā)者中頗受歡迎,提供開箱即用的認證、存儲和數據庫功能。不過,整個系統中最關鍵的數據采集部分——也就是把各個平臺的公開資料導入數據庫的過程——是通過獨立的自動化腳本來完成的,并沒有集成在前端或用戶操作中。這種“前后分離”的設計,雖然能讓界面更輕便,也便于快速上線,但也意味著如果底層權限控制沒做好,系統可能在開發(fā)者都沒注意到的地方暴露風險。起初,HarleyKimball打算讓用戶使用SupabaseAuth自行注冊,并提交他們想要匯總的個人資料。但在開發(fā)過程中,他意識到,處理用戶注冊不僅涉及身份驗證(Authentication),還涉及權限管理(Authorization)——如果管理不當,可能造成數據被惡意篡改。因此,他放棄了自助注冊功能,轉而采用只讀的數據視圖...令他沒想到的是,這也成為了第一個安全漏洞的導火索。第一次被攻破:郵箱泄露引發(fā)的權限繞過在開發(fā)測試階段,Kimball采用Supabase提供的用戶認證功能,這意味著用戶必須使用真實郵箱注冊登錄。然而,他在檢查前后端的數據傳輸時意外發(fā)現:用戶郵箱信息會被一并返回給前端頁面,存在泄露風險。雖然這些郵箱可能原本是公開的,但一旦用戶對平臺抱有隱私期待,這種行為就可能構成嚴重的問題。為了修復這個漏洞,他采用了一個常見的處理方式:用PostgreSQL創(chuàng)建了一個“視圖”(view),只提取所需字段,排除了郵箱信息,并讓前端只訪問這個視圖。表面上看,這個做法更安全了——然而,問題也悄然埋下。正式上線后不久,也就是在第一個版本發(fā)布不到24小時,一位安全研究員反饋稱:盡管網站的前端并沒有提供新增或修改數據的入口,他依然能在數據庫中隨意插入、修改和刪除記錄。這顯然說明,系統的訪問權限控制出了問題。問題的根源,出在那個看似“安全”的數據庫視圖上。Kimball在創(chuàng)建視圖時,使用的是默認設置——也就是說,這個視圖運行時會繼承其創(chuàng)建者(也就是管理員)的權限。而PostgreSQL的行級安全(Row-LevelSecurity,RLS)機制,是需要額外配置才能在視圖中生效的。如果沒有手動啟用“SECURITYINVOKER”或加上專門的安全限制,RLS就會被繞過,導致權限失控。這正是這次“首個安全漏洞”的核心原因。所幸,一位名為Goofygiraffe06的研究員負責任地報告了這個問題,Kimball隨后緊急修復了訪問權限,重新設計了數據的查詢方式,堵上了這個漏洞。第二次被攻破:關閉前端不等于關閉后臺就在首個安全漏洞修復的第二天,Kimball又收到了另一位安全研究員Kr1shna4garwal的提醒:攻擊者依舊可以注冊賬號并創(chuàng)建數據。他們發(fā)現依然可以往數據庫中添加新的“研究員檔案”——雖然不能修改或刪除已有數據,但這意味著系統的訪問控制沒有完全鎖死。這一次的問題,并不是出在前文提到的數據庫視圖上,而是另有隱情。Kimball雖然在前端界面上取消了“用戶自助注冊”入口,但后臺使用的Supabase認證服務(Auth)依舊處于激活啟動狀態(tài)。換句話說,攻擊者只要知道API的調用方式,就可以繞過前端,通過郵箱和密碼注冊一個新賬號,成為系統“眼中”的合法用戶,并按照既有的權限規(guī)則操作數據。這種“前端沒入口,但后端沒封死”的配置,在不少使用現成后端服務的項目中很常見,也很容易被忽視。最終,Kimball通過徹底關閉SupabaseAuth的注冊功能,才完全堵上了這個權限漏洞。經驗教訓:氛圍編程雖快,安全不能缺位Kimball在總結這次“上線即被攻破”的經歷時,也分享了幾點關鍵反思,對依賴低代碼或AI工具進行開發(fā)的開發(fā)者具有一定參考意義:首先,“氛圍編碼”(vibecoding)雖然能讓項目快速成型,但默認狀態(tài)下往往忽略了安全配置,一不小心就會留下嚴重漏洞。其次,Supabase和PostgreSQL這對組合功能強大,但它們的權限模型也相對復雜。特別是在使用數據庫視圖(view)和行級安全策略(Row-LevelSecurity,RLS)時,如果開發(fā)者不了解其背后的默認行為,就很容易配置失誤,導致權限失控。比如,PostgreSQL中的視圖默認是以創(chuàng)建者(通常是管理員)的權限運行的,這意味著RLS策略會被繞過,除非顯式指定為SECURITYINVOKER,或另行設置安全策略。此外,如果項目并未真正使用Supabase的認證功能,務必在后臺設置中徹底關閉注冊入口——僅僅在前端頁面隱藏相關功能遠遠不夠。Kimball表示,他的應用主要聚合的是公開數據,因此這兩次安全事件的實際影響有限。但如果系統涉及的是敏感信息,例如個人身份數據(PII)或健康信息(PHI),類似的配置漏洞可能會造成災難性后果。這起事件也提醒開發(fā)者,即便是看似簡單的工具鏈和“只讀數據”的項目,也必須進行基礎的威脅建模與權限審查??焖偕暇€不代表可以省略安全流程,尤其是在AI編碼與自動化工具愈發(fā)普及的當下。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
06/20
傳統企業(yè)如何落地應用AI
企業(yè)如果搞不懂AI就不要盲目投入AI01企業(yè)應用AI的門檻有多高?當前市面上的AI產品很多,但其實并非人們想象的那樣成熟,還處于一個成長發(fā)展期,AI就如數字化系統一樣有一個成熟、發(fā)展期,但同時與傳統系統不一樣的是AI具有學習能力,有巨大的應用潛力,應用得當對企業(yè)效能的提升是顯著的。但對于當前的大部分傳統企業(yè)而言,AI又是陌生的,如何選擇AI產品是應用之路的第一個攔路虎,因此企業(yè)一定要根據自身的需求來選擇,比如是選型文字大模型產品還是圖片大模型產品,同時還要考慮的是數據的安全性與合規(guī)性,比如在一些企業(yè)明確規(guī)定禁止接入ChatGPT,當然在應用AI產品的過程中大部分的傳統企業(yè)關心的還是投入成本,這些成本包括購買大模型的費用、相關接口費用、訓練成本,其中對于AI的訓練是最消耗時間成本的,所以企業(yè)不僅要具有技術能力,最重要的還是要有AI思維,象AI一樣的思維能力。02企業(yè)如果搞不懂AI就不要盲目投入AI!企業(yè)為什么做AI,其中一個最重要的原因就是想利用AI實現效率的提升,以此來實現降本增效。那么在投入應用AI之前首先要考慮如下問題:第一,哪些場景需要用AI來實現;第二,評估投入、產出比;比如很多企業(yè)一開始可能會用AI來搭建知識庫,但需要注意的是知識庫的場景雖然很簡單,但知識庫的質量卻是關鍵,同時建設與維護知識庫投入的成本卻比較高,這個時候在搭建知識庫之前就要論證其建設的必要性,如果該知識庫的內容應用為低頻,搭建完成后一年用不了幾次,同時又要花費大量的運維成本,那么該知識庫就沒有搭建的必要。應用AI技術不是為了炫酷,而是要用AI產生價值,所以AI產品的應用還是要以價值為中心。03企業(yè)如何推廣AI?這是企業(yè)不得不面對的一個現實問題,并不是所有的企業(yè)領導與員工都會接受AI,所以信息部門一旦引進了AI產品必然面臨一個推廣應用的問題,但應用實踐過程如果把控不好必然會面臨一個由期望滿滿到失望落空的過程,到時候寄予厚望的AI產品又會變成“雞肋”,這個時候推廣策略顯得十分重要。比如提前做好關于AI產品的宣傳,讓企業(yè)領導及員工認知AI,同時加強線下培訓,但值得注意的是這種培訓必須是小范圍的進行,必須有針對性,可利用工作場景設計一些與AI互動或PK的游戲環(huán)節(jié),在趣味性的同時也讓大家認知、學會了AI的相關功能,增強了員工對AI的探索欲。企業(yè)領導與員工也要知道的是AI不是“芝麻開門”那般簡單,它是一個系統化的實踐工程,需要練習,也是一個探索工程。04目前企業(yè)引進與應用AI會面臨哪些問題?▍準確率的問題:由于技術及思維能力的問題,訓練AI的過程中如果方法不當可能會導致輸出結果的準確率降低,那么此時企業(yè)因理性看待此問題,分析原因,排除故障點,在訓練的過程中要象AI一樣思考,一樣提問;▍價值輸出的問題:企業(yè)做數字化轉型建設都是以價值為中心,AI亦是如此,當前面臨的問題是如果信息部門花大量成本引入AI產品,如何用AI助力企業(yè)實現降本增效?▍成本投入的問題:AI需要一些技術門檻,所以意味著企業(yè)需要投入一定的資金成本、人力成本、時間成本、運維成本來完成此事,但當前大部分傳統企業(yè)處于求生模式,是否有魄力引進AI產品?▍AI能力的問題:做AI產品的應用不僅需要企業(yè)具備一定的技術能力,同時還需要有AI的思維能力、設計能力,必須還具備應用的推廣能力,所以企業(yè)應用的并不是AI這個產品,而是一種綜合能力;▍企業(yè)領導對AI熱度的問題:AI產品從意識到認知、從認知到實現、從實現到全面應用有一段很長的路要走,企業(yè)領導是否有足夠的耐心來等待AI能力的轉化;從以上不難看出,AI不僅是一種技術,更是一種能力,是未來企業(yè)管理的趨勢,但目前而言,大部分的傳統企業(yè)仍是讀不懂、看不透、不敢用、不會用,先進技術變成生產力仍需時日,先進技術在傳統管理中仍難體現價值,因此企業(yè)需要的不僅是技術,更是技術與業(yè)務融合的管理轉型。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
06/20
傳統企業(yè)引入AI項目,真的準備好了嗎?這些坑千萬別踩
AI不是目的,而是手段。只有真正解決業(yè)務問題,AI的價值才能體現出來。從2025年伊始AI就成了各行各業(yè)的“香餑餑”,很多傳統企業(yè)也摩拳擦掌,想要借助AI實現所謂的降本增效。但問題是,AI真的適合所有企業(yè)嗎?傳統企業(yè)在引入AI項目時,可能會遇到哪些坑?今天老楊就來聊聊這個話題,幫你避開那些“雷區(qū)”。part.01AI不是萬能藥,盲目跟風要不得很多企業(yè)看到別人搞AI,自己也急著上馬,結果往往是“賠了夫人又折兵”。為什么?因為AI并不是萬能的,它需要結合企業(yè)的實際需求來落地。如果只是為了趕潮流,而沒有想清楚AI到底能解決什么問題,那最后很可能就是花了一大筆錢,卻看不到任何效果。最關鍵的是如果AI項目與企業(yè)的長期戰(zhàn)略脫節(jié),那它很可能會變成一個“面子工程”,既浪費資源,又看不到實際效果。怎么規(guī)避?在項目啟動前,企業(yè)需明確AI項目的戰(zhàn)略目標,確保它與企業(yè)的長期發(fā)展方向一致。同時,制定清晰的AI路線圖,分階段實施,確保項目有序推進。AI項目啟動之前,先問問自己:為什么要做AI?它能解決哪些具體問題?比如,是提升生產效率,還是優(yōu)化客戶體驗?只有明確了目標,才能避免盲目投入。part.02技術門檻高,不是想玩就能玩AI技術聽起來很酷,但實際操作起來卻非常復雜。傳統企業(yè)往往缺乏相關的技術儲備,比如數據科學家、算法工程師這些專業(yè)人才。而且,現有的IT基礎設施可能也無法支持AI項目的運行,改造起來又是一大筆開銷。AI技術也如一個超級大雜燴,有各種各樣的門道。要是不小心選錯了技術,那可就像走錯了路,越走越偏。比如說,在一些數據量不大、業(yè)務也不復雜的情況下,非要用那些對數據和計算資源要求超高的人工智能算法,就好比一個小馬拉大車,累得夠嗆還沒什么效果,最后模型出來的精度低得讓人頭疼。怎么規(guī)避?在選型前,一定要充分調研企業(yè)自身的業(yè)務需求和技術現狀。可以找專業(yè)的技術顧問幫忙評估,多參考一些成功案例,考慮技術的成熟度、適用性以及與現有系統的兼容性等因素。還可以進行小規(guī)模的測試和試用,看看技術的實際效果如何,再做決策。part.03組織架構僵化,協作成難題傳統企業(yè)的組織架構通常比較僵化,層級多、決策慢,而AI項目需要快速迭代和跨部門協作。如果各部門之間溝通不暢,項目很容易卡在半路。怎么規(guī)避?首先應成立一個專門的AI項目團隊,明確每個人的職責和權限。同時,爭取高層的支持,確保項目有足夠的資源和優(yōu)先級。其次,要對企業(yè)現有的組織架構進行適當的調整和優(yōu)化,打破部門壁壘,建立更加靈活、高效的協作機制。可以設立專門的AI項目團隊,團隊成員來自不同的部門,共同負責項目的推進和實施。同時,加強對員工的溝通和培訓,提高他們的團隊協作能力和跨部門溝通能力。part.04數據質量差,AI再好也白搭數據對于AI來說,那就是吃飯的“糧食”。要是這“糧食”有問題,那AI這個“胃口”再好也干不好活兒!數據不準確、不完整或者不一致,就像給人做飯的時候米里有沙子,做出來的飯肯定不好吃。比如說銷售數據錯了、缺了,那根據這些數據做出來的預測就成了瞎猜,一點兒準兒都沒有。怎么規(guī)避?在啟動AI項目之前,建立完善的數據治理體系,從數據的采集、錄入、存儲、處理到使用的每一個環(huán)節(jié),都要制定嚴格的規(guī)范和標準。加強數據審核和校驗機制,確保數據的準確性和完整性。定期對數據進行清理和維護,去除無效數據和重復數據,解決數據不一致的問題。part.05員工抵觸情緒,項目落地難AI項目的引入可能會讓員工感到不安,們怕自己會因為這個丟了工作,或者不想去學那些新技術。這就好比是讓一個習慣了走路的人突然去學游泳,心里肯定害怕,抗拒也是正常的。這種抵觸情緒不僅會影響團隊士氣,還可能導致項目難以落地。怎么規(guī)避?在引入AI項目之前,要充分做好員工的溝通和宣傳工作,讓員工了解項目的重要性、意義和對他們個人發(fā)展的積極影響。為員工提供必要的培訓和指導,幫助他們掌握新的技術和知識,提高適應能力。同時,制定合理的激勵機制,對積極參與和配合項目的員工給予適當的獎勵和表彰,激發(fā)他們的積極性和主動性。part.06運營成本高,長期投入壓力大AI項目不僅初期投入大,后期的維護和優(yōu)化成本也很高。如果企業(yè)沒有做好長期投入的準備,項目可能會半途而廢。怎么規(guī)避?在項目規(guī)劃階段就充分考慮運營成本,確保企業(yè)有能力持續(xù)投入。同時,采用分階段實施的策略,先從小規(guī)模試點開始,驗證可行性后再擴大范圍。part.07投入和產出,得算明白引入AI項目,那可是個燒錢的活兒!從買硬件設備到請專業(yè)的老師培訓人才,哪一項不需要花大錢?要是在一開始沒把這個成本算準了,就像做飯的時候鹽放多了,到時候發(fā)現錢沒了,項目又進行不下去,那可就尷尬了。還有一些企業(yè)啊,看著別人都在搞AI,自己也不想落后,就跟著摻和。結果引入之后才發(fā)現,AI項目和自己企業(yè)的業(yè)務根本就不搭調,根本無法實現降本增效。這就好比你種了一地的莊稼,到收獲的時候才發(fā)現,長出來的全是草,那可就白忙活了。怎么規(guī)避?在引入AI項目之前,要充分結合企業(yè)的戰(zhàn)略目標、業(yè)務需求和發(fā)展規(guī)劃,進行深入的可行性研究和分析。評估AI項目與企業(yè)業(yè)務的適配性,預測項目的收益和風險,確保投資回報率符合企業(yè)的預期。如果對某個項目不太確定,可以先進行小規(guī)模的試點,驗證項目的可行性和效益后再做大規(guī)模的推廣。同時在項目啟動前,進行詳細的預算規(guī)劃和成本評估??紤]到項目可能涉及的各個方面,包括設備采購、軟件開發(fā)、人員培訓、系統集成等費用,預留一定的預算彈性空間,以應對可能出現的變化和意外。同時,加強成本控制和管理,在項目實施過程中嚴格控制費用支出,避免不必要的浪費。AI確實有巨大的潛力但它并不是“即插即用”的工具。傳統企業(yè)在引入AI項目時,需要從意識、技術、組織、數據、能力、運營等多個方面進行全面評估,確保項目能夠真正落地并產生價值。如果你的企業(yè)正在考慮引入AI,不妨先問問自己:我們真的準備好了嗎?如果答案是否定的,那不妨先從小處著手,逐步積累經驗和能力,等到時機成熟再大展拳腳。最后,記住一句話:AI不是目的,而是手段。只有真正解決業(yè)務問題,AI的價值才能體現出來。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
05/23
即時零售大戰(zhàn)啟示錄:巨頭 all in 超級 App,下一個十年看微信模式?
超級APP整合即時零售,高頻帶低頻,資源優(yōu)化與挑戰(zhàn)并存。即時零售超級APP趨勢2025年以來,京東秒送、美團閃購、淘寶閃購三家巨頭先后重推即時零售業(yè)務。然而有趣的是,在三家的業(yè)務推進過程中,美團閃購雖然獨立出來,但并沒有像美團外賣APP那樣,再單獨拆分出一個美團閃購APP;京東秒送和淘寶閃購更是直接在其主業(yè)設置一級流量入口,更不可能再給這些新業(yè)務出單獨APP。這是因為,超級APP”成為平臺突破增長瓶頸的核心武器——通過將高頻服務(如社交、支付、即時零售)與低頻場景(如電商、本地生活)深度捆綁,構建用戶“一站式需求閉環(huán)”。這與數年前互聯網企業(yè)的業(yè)務模式大相徑庭。曾幾何時,互聯網企業(yè)開拓新業(yè)務,往往會單獨出一個APP,以此來區(qū)隔業(yè)務,同時也能在APP應用市場中多占一個位置,獲取更多流量。比如騰訊自己,為了與抖音競爭而推出了微視。騰訊曾耗資百億推廣獨立APP微視,2018年春節(jié),微視通過QQ走運紅包合作發(fā)放微視禮包,新增數百萬用戶。黃子韜、劉昊然、張?zhí)鞇邸⒌犀斘鞯葦凳幻餍侵嚢菽瓴⑷腭v微視,但結局如何呢?最終還是敗于抖音。再比如當年字節(jié)跳動,在今日頭條之外,先后推出內涵段子、皮皮蝦、抖音等多款APP,構建起龐大的內容生態(tài)。但如今,時代已經發(fā)生了變化。從外賣大戰(zhàn)到即時零售的角逐,巨頭們紛紛將新業(yè)務融入已有的超級APP中,allin“超級APP”模式。這種轉變背后,有著怎樣的戰(zhàn)略考量?超級APP模式又為何會成為巨頭們的新寵?它是否會成為未來十年互聯網發(fā)展的主流模式?超級APP模式的崛起所謂超級APP,指的是那些擁有龐大的用戶數,成為用戶手機上的“裝機必備”的基礎應用。這類APP除去流量分發(fā)的工作,還將自身引擎化來承載各種輕應用的運行,底層支撐能力相比普通App要求要高得多。超級APP的概念并非新創(chuàng),但在近幾年才真正成為互聯網巨頭們的戰(zhàn)略重點。以微信為例,堪稱超級APP模式的佼佼者。微信從最初的即時通訊工具,逐步發(fā)展成為集社交、支付、生活服務、小程序等多種功能于一體的超級平臺。用戶不僅可以在微信上與朋友聊天、分享生活,還能通過微信支付進行購物、繳費,使用各種小程序實現打車、訂餐、訂票等功能,幾乎涵蓋了日常生活的方方面面。微信做支付,是超級APP模式成功的典型案例。如果微信支付不是直接綁定在微信內,而是單獨出一個APP,很難想象它能通過春晚紅包一夜逆襲支付寶,其成功的核心在于通過微信與社交場景進行無縫融合。微信本身擁有龐大的用戶基礎,通過將支付功能無縫融入其中,極大地降低了用戶使用支付功能的門檻,用戶無需額外下載和注冊新的應用,就能輕松完成支付操作。這種便捷性使得微信支付能夠迅速獲得用戶的認可和使用,快速搶占支付市場份額。再看視頻號,微信推出視頻號,并非另起爐灶開發(fā)一個獨立的視頻APP,而是直接將其嫁接到微信上。微信為視頻號提供了強大的流量支持,通過朋友圈、發(fā)現頁等入口,讓視頻號能夠快速觸達海量用戶。視頻號依托微信生態(tài),與微信的社交功能緊密結合,用戶可以方便地分享視頻到朋友圈、群聊,與好友互動。這使得視頻號僅用3年便實現8億月活,日均使用時長超35分鐘,成為與抖音分庭抗禮的短視頻平臺。微信之所以能夠在超級APP模式上取得巨大成功,與其長期堅持不分流的策略密切相關。微信通過最先開放小程序,為眾多開發(fā)者提供了一個便捷的開發(fā)和推廣平臺。小程序無需下載安裝,用戶在微信內即可直接使用,極大地提升了用戶體驗。同時,微信給予核心業(yè)務一級流量入口,確保用戶能夠方便快捷地找到和使用這些功能。這種對用戶體驗的極致關注和對業(yè)務的合理布局,使得微信能夠牢牢鎖住用戶,十多年如一日穩(wěn)居用戶在線時間最長的APP寶座。巨頭在超級APP下的較量在即時零售領域,美團閃購、淘寶閃購和京東秒送的表現,也充分體現了超級APP模式的優(yōu)勢。美團閃購作為美團旗下的即時零售平臺,雖然獨立品牌發(fā)布,但并沒有單獨推出APP。用戶只需打開美團外賣App,就看葉看到明顯的閃購頻道,即可進入美團閃購頁面。美團閃購依托美團體系內的海量用戶、每日百萬級在崗騎手提供的小時達服務,以及覆蓋全國超過2800個市區(qū)縣的美團配送能力,涵蓋了酒水零食、美妝個護、寵物母嬰、乳品百貨、果蔬生鮮、鮮花綠植、數碼圖書等眾多品類的傳統零售行業(yè)商品的即時配送服務。美團將閃購業(yè)務融入美團外賣APP中,能夠充分利用美團已有的用戶基礎和配送體系,實現資源的高效整合。用戶在使用美團外賣訂餐的同時,很容易發(fā)現并使用美團閃購的服務,這種便捷的入口設置,為美團閃購帶來了大量的流量。淘寶閃購同樣如此,淘寶天貓將即時零售業(yè)務“小時達”升級為“淘寶閃購”,并在淘寶APP首頁設置一級流量入口。淘寶本身擁有龐大的電商用戶群體,通過在首頁設置一級入口,能夠讓海量的淘寶用戶迅速知曉并使用淘寶閃購的服務。淘寶閃購上線首日就覆蓋50個城市,上線第6天單日訂單量突破1000萬單,如此驚人的成績,離不開淘寶超級APP的強大流量支持。淘寶閃購借助淘寶的品牌影響力和用戶基礎,能夠快速打開市場,吸引消費者使用其即時零售服務。京東秒送也是在京東APP內重點推進。京東整合原京東小時達、京東到家兩大品牌,推出“京東秒送”,借助達達秒送的高效配送與眾多優(yōu)質零售合作伙伴,為消費者提供極速服務。京東將秒送業(yè)務融入京東APP,能夠充分發(fā)揮京東在電商領域的供應鏈優(yōu)勢和用戶信任度。京東的用戶在購物時,對于京東秒送提供的快速配送服務更容易接受和嘗試,因為他們對京東的品牌和服務質量有較高的認可度。從這些巨頭在即時零售領域的布局可以看出,超級APP模式為新業(yè)務的發(fā)展提供了強大的支持。通過將新業(yè)務融入已有的超級APP中,能夠充分利用超級APP的用戶基礎、品牌影響力、流量入口以及各種資源,實現新業(yè)務的快速發(fā)展和市場拓展。超級APP下的高頻帶低頻策略在超級APP模式下,巨頭們還通過高頻業(yè)務帶動低頻業(yè)務的策略,進一步提升平臺的競爭力和用戶粘性。以京東秒送為例,京東本身的電商業(yè)務相對低頻,消費者并不會每天都在京東上購物。而外賣業(yè)務屬于高頻消費,消費者每天都可能有訂餐的需求。京東全力加速外賣進程,通過高頻的外賣業(yè)務為低頻的電商業(yè)務引流。當用戶頻繁使用京東的外賣服務時,他們對京東APP的打開頻率也會增加。在這個過程中,用戶很可能會發(fā)現京東的其他業(yè)務,如京東秒送的即時零售服務,以及京東豐富的電商商品。這樣一來,高頻的外賣業(yè)務就成功地為低頻的電商業(yè)務帶來了更多的流量和潛在客戶,實現了高頻帶動低頻的效果。淘寶閃購同樣有著類似的考量。淘寶閃購通過提供即時零售服務,滿足消費者對于商品快速送達的需求,吸引消費者使用淘寶閃購。而淘寶自身作為電商平臺,需要大量的流量來推動商品的銷售。淘寶閃購與餓了么之間也存在著協同關系。從長期來看,淘寶閃購和餓了么很可能會進一步融合。目前淘寶閃購可以幫助餓了么拓展業(yè)務,同時餓了么也能為淘寶閃購提供配送等方面的支持。而淘寶通過淘寶閃購吸引來的流量,也能夠促進淘寶自身電商業(yè)務的發(fā)展。長期來看,淘寶閃購與餓了么是否會真正成為一家,也未嘗可知??傊?,這種高頻帶低頻的策略,不僅能夠提升平臺的整體流量和用戶活躍度,還能實現不同業(yè)務之間的協同發(fā)展,提高平臺的綜合競爭力。在當前電商用戶增速放緩的大環(huán)境下,這種高頻帶低頻的策略顯得尤為重要。各大電商平臺已經很難通過大規(guī)模獲取新用戶來實現業(yè)務增長,因此如何充分挖掘現有用戶的價值,提高用戶的活躍度和消費頻次,成為了關鍵。超級APP模式下的高頻帶低頻策略,正好為解決這一問題提供了有效的途徑。通過將高頻業(yè)務與低頻業(yè)務整合在一個超級APP中,能夠更好地滿足用戶的多樣化需求,提升用戶體驗,從而增強用戶對平臺的粘性和忠誠度。超級APP成為行業(yè)趨勢的必然性從外賣大戰(zhàn)到即時零售的競爭,互聯網巨頭們紛紛選擇超級APP模式,并非偶然,而是有著深刻的行業(yè)背景和必然性。隨著移動互聯網的發(fā)展逐漸進入成熟階段,用戶的時間和注意力變得越來越稀缺。用戶對于手機應用的安裝和使用變得更加謹慎,他們更傾向于使用功能全面、能夠滿足多種需求的超級APP,而不是在手機上安裝大量功能單一的APP。這就使得超級APP在吸引用戶和留住用戶方面具有天然的優(yōu)勢。開發(fā)和維護多個獨立的APP需要投入大量的人力、物力和財力。從產品研發(fā)、設計到推廣運營,每個環(huán)節(jié)都需要耗費巨大的成本。而且多個APP之間還可能存在資源競爭和用戶分流的問題。而超級APP模式通過將多種業(yè)務整合在一個平臺上,能夠實現資源的共享和協同,大大降低了開發(fā)和運營成本。例如,在技術方面,超級APP可以共享底層的技術框架和基礎設施,減少重復開發(fā);在推廣方面,超級APP可以利用自身的品牌影響力和用戶基礎,為新業(yè)務進行推廣,降低推廣成本。在超級APP模式下,平臺可以更好地整合用戶數據,通過對用戶在不同業(yè)務場景下的行為數據進行分析,深入了解用戶的需求和偏好,從而實現精準營銷和個性化服務。例如,微信通過對用戶的社交行為、支付記錄、小程序使用情況等數據的分析,能夠為用戶推送更加符合其興趣的廣告和服務;美團通過對用戶的外賣訂餐和閃購購物數據的分析,能夠為用戶推薦更合適的商品和優(yōu)惠活動。這種精準營銷和個性化服務能夠提升用戶體驗,增強用戶對平臺的滿意度和忠誠度。超級APP模式下,平臺可以將多種業(yè)務進行有機整合,實現業(yè)務之間的協同發(fā)展。例如,在即時零售領域,電商平臺可以將線上銷售與線下配送、售后服務等業(yè)務進行協同,為用戶提供更加便捷、高效的購物體驗;社交平臺可以將社交功能與電商、生活服務等業(yè)務進行協同,通過社交關系帶動其他業(yè)務的發(fā)展。這種業(yè)務協同能夠創(chuàng)造出更大的價值,提升平臺的競爭力。超級APP模式面臨的挑戰(zhàn)與風險雖然超級APP模式具有諸多優(yōu)勢,但也并非完美無缺,它同樣面臨著一些挑戰(zhàn)和風險。隨著超級APP功能的不斷增加和業(yè)務的不斷拓展,APP的體積和復雜度也會隨之增加。這可能會導致APP的運行速度變慢、耗電量增加,甚至出現卡頓、閃退等問題,影響用戶體驗。例如,一些功能繁多的超級APP在手機配置較低的設備上運行時,就會出現明顯的性能問題。如何在不斷豐富功能和業(yè)務的同時,保證APP的性能和穩(wěn)定性,是超級APP面臨的一個重要挑戰(zhàn)。超級APP整合了大量用戶的各種數據,包括個人信息、消費記錄、行為偏好等。這些數據一旦泄露,將對用戶的隱私和安全造成嚴重威脅。而且隨著數據安全法規(guī)的日益嚴格,超級APP平臺面臨著巨大的數據安全合規(guī)壓力。所以,如何加強數據安全管理,防止數據泄露,確保用戶數據的安全和隱私,是超級APP必須要解決的關鍵問題。超級APP在市場上往往占據著主導地位,具有很強的市場影響力。這可能會引發(fā)反壟斷方面的擔憂,監(jiān)管部門可能會對超級APP平臺的市場行為進行嚴格監(jiān)管。例如,一些超級APP平臺可能會利用自身的優(yōu)勢地位,對商家進行不合理的收費、限制商家的經營自主權,或者在市場競爭中采取不正當手段排擠競爭對手。如何在遵守反壟斷法規(guī)的前提下,合理開展業(yè)務,也是超級APP需要面對的法律風險。超級APP模式下,平臺上的業(yè)務種類繁多,涉及到不同的行業(yè)和領域。這對平臺的運營管理提出了很高的要求,平臺需要具備跨行業(yè)的運營能力和專業(yè)知識。例如,在即時零售業(yè)務中,平臺需要同時管理好線上銷售、線下配送、商品供應鏈等多個環(huán)節(jié),任何一個環(huán)節(jié)出現問題,都可能影響整個業(yè)務的正常運行。如何提升跨行業(yè)的運營管理能力,確保平臺上各種業(yè)務的高效運作,更是超級APP面臨的運營挑戰(zhàn)。超級APP模式的未來展望盡管面臨諸多挑戰(zhàn),但超級APP模式依然展現出了廣闊的發(fā)展前景。未來,超級APP有望在以下幾個方面繼續(xù)創(chuàng)新和發(fā)展。隨著人工智能技術的不斷發(fā)展,超級APP將更加智能化。通過人工智能算法,超級APP可以更加精準地預測用戶的需求,為用戶提供個性化的服務推薦。例如,在用戶打開超級APP時,系統可以根據用戶的歷史行為和實時場景,自動為用戶推薦最適合他們的商品、服務或內容。同時,人工智能還可以應用于客服領域,通過智能客服為用戶提供24小時不間斷的服務,快速解決用戶的問題。超級APP將進一步拓展線下場景,實現線上線下的深度融合。例如,在即時零售領域,超級APP可以與線下實體店進行更緊密的合作,通過線上平臺為線下店鋪引流,同時利用線下店鋪的庫存和配送能力,為線上用戶提供更快的配送服務。此外,超級APP還可以通過與線下商家合作開展各種營銷活動,如線上線下聯動的促銷活動、體驗活動等,提升用戶的購物體驗和參與度。隨著5G技術的普及,超級APP將能夠支持更加豐富多樣的應用場景。例如,5G的高速率和低延遲特性將使得虛擬現實(VR)、增強現實(AR)等技術在超級APP中的應用更加流暢和便捷。用戶可以通過超級APP使用VR技術進行虛擬購物、在線試衣、看房等,或者利用AR技術進行商品識別、導航、互動游戲等。這些新的應用場景將為用戶帶來全新的體驗,進一步提升超級APP的吸引力和競爭力。未來,超級APP將更加注重與合作伙伴的生態(tài)共建。平臺將開放更多的接口和能力,與第三方開發(fā)者、商家、服務商等建立更加緊密的合作關系,共同打造一個繁榮的生態(tài)系統。例如,微信通過開放小程序接口,吸引了大量的第三方開發(fā)者開發(fā)各種小程序,豐富了微信的生態(tài)內容;美團通過與眾多商家合作,構建了龐大的外賣、生活服務、甚至內容種草生態(tài)的超級應用。而京東秒送、淘寶閃購亦有像這條路延展的可能性。通過生態(tài)共建,超級APP可以實現資源共享、優(yōu)勢互補,為用戶提供更加全面、優(yōu)質的服務,同時也為合作伙伴創(chuàng)造更多的商業(yè)機會。從外賣大戰(zhàn)到即時零售的角逐,超級APP模式已經成為互聯網巨頭們競爭的新戰(zhàn)場,如今各大平臺表面上只是在搶占更多單量,而在看不見的戰(zhàn)場,各大平臺勢必將投入更多資源去進一步優(yōu)化用戶體驗,將更多可留住用戶的奇思妙想植入到其APP中。在這場超級APP的博弈中,沒有永恒的王者,只有持續(xù)的進化。正如微信十年磨一劍的克制,或許正是破解“流量焦慮”的終極答案。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
05/23
事實驅動AI:企業(yè)AI搜索引擎尋求戰(zhàn)略投資
事實驅動的企業(yè)AI搜索:重塑企業(yè)決策的智能引擎在人工智能技術狂飆突進的今天,一家名為“事實驅動的企業(yè)AI搜索”的創(chuàng)業(yè)公司,正試圖用技術創(chuàng)新破解大模型時代的核心難題——當生成式AI的“幻覺”風險遇上企業(yè)級場景對數據可信度的嚴苛要求,如何讓AI真正成為商業(yè)決策的可靠伙伴?從行業(yè)痛點中誕生的解決方案醫(yī)療領域曾發(fā)生過令人警醒的案例:某三甲醫(yī)院醫(yī)生使用傳統AI工具查詢藥物相互作用,系統錯誤建議導致患者出現嚴重不良反應。這類事件暴露出企業(yè)級AI應用的致命缺陷——數據可信度與結果可驗證性。創(chuàng)始人徐維挺的創(chuàng)業(yè)動機正源于此。這位在安永、攜程等企業(yè)深耕十年的產品專家,觀察到企業(yè)內部數據使用中的多重矛盾:數據孤島阻礙信息整合、隱私合規(guī)壓力限制數據流動、傳統搜索工具難以理解復雜業(yè)務邏輯。尤其在金融、醫(yī)療等高合規(guī)要求行業(yè),企業(yè)對“零誤差”AI的需求持續(xù)攀升。據第三方機構預測,2023-2030年全球企業(yè)AI搜索市場年復合增長率將超35%,其中可信數據服務占比將突破60%。技術架構的雙重革命項目團隊構建的“雙層解耦架構”展現出獨特的技術哲學:將意圖解析層與數據檢索層徹底分離。這種設計使系統既能通過大型語言模型深度理解“招商項目中類似案例的關聯方”等復雜查詢,又能依托時序圖譜技術實現跨部門數據的動態(tài)關聯。核心技術突破體現在三個維度:1.可信驗證機制:VeriCore模塊通過行為異常檢測(F1-score0.87)與全鏈路溯源,將AI虛構內容風險降低90%。當系統無法獲取可靠數據時,會主動拒絕回答而非猜測。2.隱私計算引擎:聯邦學習框架支持企業(yè)聯合訓練模型而不共享原始數據,配合差分隱私技術,使醫(yī)療機構的患者記錄與藥企的研發(fā)數據得以安全融合分析。3.動態(tài)知識更新:與螞蟻圖計算TuGraph共建的底層架構,可實現社交關系圖譜的實時增量更新。某招商機構使用該系統后,項目線索挖掘效率提升3倍,洽談周期縮短60%。垂直場景的價值穿透在醫(yī)療領域,系統通過整合院內藥典數據庫和PubMed開放數據,將用藥風險提示準確率提升至99.2%,某三甲醫(yī)院的人工復核時間因此下降70%。金融行業(yè)則借助社交行為異常分析,幫助保險集團將欺詐案件識別率提升45%,年止損超1200萬美元。這些案例驗證了項目的商業(yè)邏輯:不做通用型AI,而是聚焦醫(yī)療、金融、制造等數據敏感行業(yè)的深度需求。通過構建行業(yè)專屬知識圖譜,系統可自動解析“藥物A與B的代謝路徑沖突”等專業(yè)查詢,將原本需要數小時的人工核查壓縮至秒級響應。構建行業(yè)生態(tài)的野望團隊正推進兩項戰(zhàn)略級規(guī)劃:開發(fā)支持文本、圖像、語音的多模態(tài)搜索功能,以及動態(tài)數據實時更新引擎。更值得關注的是其生態(tài)布局——與頭部云服務商共建行業(yè)解決方案市場,推動“可信AI搜索”標準制定。這種“技術+生態(tài)”的雙輪驅動,使其在應對巨頭競爭時,能夠通過垂直場景深度建立護城河。創(chuàng)始團隊的破局之道徐維挺帶領的團隊兼具技術理想與商業(yè)嗅覺。團隊核心成員包括來自頭部互聯網公司的架構師和行業(yè)數據專家,他們在時序圖譜、隱私計算領域擁有多項專利。面對AI技術快速迭代的壓力,團隊選擇開放開發(fā)者社區(qū),通過API接口吸引第三方開發(fā)者豐富應用生態(tài),這種“核心自研+生態(tài)共贏”的模式,正在醫(yī)療數據合規(guī)交易、金融風控等場景顯現價值。下一站:可信AI的產業(yè)革命當被問及項目愿景時,徐維挺展示出一張技術演進圖:從信息檢索到事實賦能,從生成式AI到驗證式AI。這或許預示著更深層的產業(yè)變革——在數據爆炸的時代,真正稀缺的不是信息獲取能力,而是對信息真實性的甄別力。事實驅動的企業(yè)AI搜索,正在重新定義智能商業(yè)的底層規(guī)則。據透露,項目已啟動與長三角區(qū)域企業(yè)的深度合作,2026年技術擴展計劃包含動態(tài)數據治理工具開發(fā)。在可見的未來,這套系統或許會成為企業(yè)數據資產的“智能質檢員”,讓每一條決策建議都能追溯到可信的數據源頭。這場關于事實與智能的探索,正在打開產業(yè)數字化轉型的新維度。本文來源:36氪文章轉載于其他網絡,如有侵權請聯系我們及時刪除
-
25
05/17
AI正在殺死“專業(yè)性”嗎?
在工作中,你被強行要求使用AI了嗎?這兩年,AI像一股洪流一樣沖進職場。文案、策劃、設計、記者……似乎沒有哪個崗位能“幸免”。一開始大家很興奮,覺得AI能幫自己提升效率、拓寬能力邊界。但慢慢地,隨著AI使用的越來越多,越來越多的職場人開始發(fā)現問題的不對。似乎,我們曾經賴以生存的“專業(yè)技能”正在變得越來越“無用”,辛苦完成的工作,也很容易被領導一句“讓AI再改改”而推翻?!皩I(yè)”在AI時代正逐漸被解構。比如今年年初,一位廣東的醫(yī)生在社交媒體上發(fā)布視頻表示,他給患者開完藥之后,患者質疑其治療方案不對,因為DeepSeek不是這么說的。這一幕其實和互聯網時代真的十分相似,當時網絡上廣為流傳的一個段子就是,醫(yī)生最討厭拿著百度來看病的人。醫(yī)生給你開完藥,你卻說“我看百度上講,這個病不是這么治的?!比缃?,“百度”的角色被“AI”替代,社會對于“專業(yè)”的解構也越來越嚴重。讓AI再改一下!“你把這個稿子上傳給AI,讓它再潤色一下?!边@是近兩個月來,羅錚匯報工作時聽到領導重復最多的話。沒有意見、沒有問題,也沒有修改的方向,只是一味地讓他用AI再修改一下。羅錚是北京某科技公司的品牌文案,之前的工作也算順利,但自從領導年初在微信群里分享了一篇關于員工如何使用AI提高效率的文章后,這樣的噩夢就開始了?!邦I導要求我們每個人都使用AI,稿子不要自己寫,盡量都用AI,給AI提要求?!绷_錚說。“領導自己也用AI,無論什么事情都要去DeepSeek問一問,現在看他工作多少有種算命感。”▲沉思的達芬奇,圖片由ChatGPT生成當然,如果僅僅是要求使用AI,那對羅錚的影響并不大,畢竟日常工作中他也會使用很多AI工具。真正讓羅錚感到氣憤的,是領導使用AI之后對他們的工作表現出的不尊重。“我們公司最近有新產品要做一系列的宣發(fā),但所有的宣發(fā)稿件和產品介紹給到領導之后,他都會順手投給AI,然后反饋給你一個面目全非的版本,并要求你按此執(zhí)行?!薄坝蟹N被AI抄襲的感覺?!绷_錚認為,AI本質上是在他們的工作上進行修正,但領導最后不會記得自己的工作,而只會記得你們用了一兩天也做得不好,而AI幾分鐘就搞定了。而且羅錚認為AI修改的內容也并不完美?!拔陌负透寮旧砭陀泻芏嘀饔^的成分,不同的人有不同的偏好,而且AI有些內容雖然給的不錯,卻并不一定貼合既定的宣傳調性?!薄暗I導不會在意這些,他只會覺得AI的內容更好,但我們不能不管,我們有KPI,所以為了效果,我們又不得不去調整投放策略,屬實是為了這碟醋,包了頓餃子。”類似的困擾也發(fā)生在從事媒體工作的于晴身上,最近一場采訪結束后,于晴按慣例整理好QA版本給采訪對象確認。但讓于晴沒想到的是,采訪對象給他反饋回來的,是一個調整到幾乎全新的內容。采訪對象還有些得意地告訴她,這是他用AI重新修改的,并表示這樣才更有利于傳播,會有更多人看。但于晴看著反饋回來如同會議紀要稿件,想破腦袋也沒想通這個版本憑啥可以更有傳播度。類似的事情也不止發(fā)生在文字工作場景,在某公司做設計的張艷也遇到類似情境?!邦I導最近總要求我們用AI生成設計素材,但我們的設計主要是活動海報和現場主KV等內容,這些東西不像是藝術作品,AI并不太好生成?!蔽逡恢?,張艷用AI生成了五一節(jié)慶海報的素材,但領導對AI畫面的具體內容又有想法,比如人物形象,站位,服飾等等。這些畫面牽一發(fā)而動全身,為了做出領導滿意的效果只能重復抽卡,當時僅生成素材就花費了一整天?!白詮拈_始使用AI之后,領導總是PUA我們,說我們的工作還不如AI做的好?!绷_錚表示,AI確實改變了我們的工作方式,但卻并不是往好的方向改變,有了AI之后,反而要面對更多的壓力。二、被解構的“專業(yè)”通過上述的這些案例,我們會發(fā)現一個讓許多人難以接受的事實,即在AI時代,人們的專業(yè)能力被解構了。在這之前,無論是輸出海報設計,PR稿件,還是記者的專訪內容,都需要一定的門檻,比如一定的專業(yè)技術,一定的經驗積累。但擁有AI之后,無論你之前是否有過相關工作經驗,甚至無論你是否對這個工作有過了解,你都可以通過AI快速輸出一份看起來還不錯的結果。專業(yè)能力被解構,一方面固然讓許多人的能力得到極大增強,并成長為超級個體。但另一方面,他也給許多人帶來“我上我也行”的錯覺,然后藐視專業(yè)。比如前面提到于晴的采訪對象用AI修改稿件,或者羅錚的領導用AI修改品牌內容都屬于這種行為。這其中包含兩個層面的問題,首先是專業(yè)性的問題。這里的專業(yè)性并不是指完成任務的能力,而是指完成工作背后的認知和思考。以媒體的采訪稿為例,每個媒體都有自己獨特的視角和風格,有自己既定的讀者群體,并且根據不同的事件有不同的傳播點。因此選擇什么樣的內容形式和表達重點背后,是綜合所有信息的復雜決策。AI雖然能夠快速的生成內容,但顯然并不能獲得這些完整的背景信息,因此即便AI生成的內容很好,但也可能與媒體并不適配,企業(yè)宣傳內容同樣如此。其次是AI的答案是否真正專業(yè)的問題。這兩年來,由于AI宣傳的擴大,許多人將AI輸出的結果當成是一種標準答案,但實際很多時候,AI輸出的結果連參考答案都算不上。這是因為AI也會討好用戶。4月底,OpenAI更新ChatGPT-4o之后,ChatGPT就曾被用戶詬病過度討好用戶。比如有用戶提出“售賣糞便”的商業(yè)計劃,ChatGPT也會稱贊這是一個天才的想法。這種過度討好導致OpenAI不得不撤回這次更新。所以許多人覺得AI輸出的內容非常滿意,根本的原因是這個內容就是AI為你量身定制的,但個人的喜惡顯然并不能代表大眾的喜惡。但在實際工作中,處于領導地位的人卻往往忽視這些問題,借助AI將個人的喜惡強加在大眾的喜惡上,導致對專業(yè)的藐視,并最終作出錯誤的決策。同時,這種行為也會對員工帶來負面的影響,比如員工會感覺到自己的專業(yè)不被重視,同時又會覺得自己隨時會被AI取代的危機感,并最終導致員工離職,或者消極的工作態(tài)度等等。而彌合這種差異的辦法,就是要讓真正專業(yè),懂得市場和大眾需求的人來指導AI完成工作,這才能真正貼合市場和大眾需求。結語當然,AI對專業(yè)性的解構還表現在許多方面。比如現在許多自媒體非常流行DeepSeek說的文體,當熱點事件發(fā)生后,將事件發(fā)給DeepSeek評論一下,然后作為文章內容進行發(fā)布。就這樣,DeepSeek逐漸被許多人當成一種絕對權威,成為一種新的名人名言。以前我們引經據典,都是孔子曰、孟子曰,莎士比亞說.....現在都是DeepSeek說、豆包說、Kimi說......這種情況在下沉市場更加嚴重,人們越來越少的進行獨立思考和自主判斷,逐漸變成AI的應聲蟲。出現這種情況,本質上是技術大范圍平權的結果。即專業(yè)性的解構,其實是技術平權帶來的。技術平權當然是一件好事,但同樣,任何事情都有兩面性。從社會的角度來看,互聯網可能是一個比較好的案例。如今,仍然有許多人在懷念古典互聯網時期網絡平臺上的優(yōu)質內容氛圍,比如2017年之前的知乎,2008年之前的天涯論壇等等,那時候網絡平臺上到處充滿了友好的社交氛圍和高質量的、專業(yè)且深刻的討論。但隨著互聯網的普及,越來越多的人群涌入,天涯論壇還是衰落,知乎逐步變成了裝逼的故事匯,微博小紅書等平臺充滿了憤怒、謾罵、分歧和爭吵?;ヂ摼W的普及讓每一個人都可以發(fā)聲,都可以被看見;但同時也有大量未經思考、未經審查的內容被發(fā)布。于是我們得到了一個和古典互聯網時期完全不一樣的互聯網環(huán)境。很難說過去和現在哪一個互聯網會更好,但毫無疑問,類似的發(fā)展趨勢也必將在AI場景重現。當AI讓更多人輕而易舉獲得能力,但他們卻沒有駕馭這種能力相對應的專業(yè)素養(yǎng)之后,等待這個世界的又將會是什么呢?AI可以替代人工作,但不應該替代人思考。本文來源:虎嗅APP文章轉載于其他網絡,如有侵權請聯系我們及時刪除