新聞資訊
News and information
-
25
05/17
產(chǎn)業(yè)互聯(lián)網(wǎng)，一次B端和C端的雙向奔赴
當(dāng)AI的浪潮開始席卷各行各業(yè)，當(dāng)人們對于各色AI產(chǎn)品的應(yīng)用熱度不減，產(chǎn)業(yè)互聯(lián)網(wǎng)的樣子，正在變得清晰而透明。曾經(jīng)，在消費互聯(lián)網(wǎng)時代，我們看到的是，以互聯(lián)網(wǎng)玩家們?yōu)榇淼腂端玩家們對于C端的消費行為和習(xí)慣的深度改造；曾經(jīng)，在消費互聯(lián)網(wǎng)時代，我們看到的是大型平臺的主動以及流量端的被動。當(dāng)AI的浪潮推開產(chǎn)業(yè)互聯(lián)網(wǎng)的大門，我們卻看到了一幅完全不一樣的場景，如果對于這樣一種場景進(jìn)行總結(jié)和定義的話，它更像是一個B端和C端雙向奔赴的過程。一方面，AI正在深度而全面地改造以互聯(lián)網(wǎng)玩家們?yōu)榇淼腂端，并蛻變出來了新的產(chǎn)品和服務(wù)，以更好地服務(wù)于C端用戶；另一方面，C端用戶借助AI的產(chǎn)品和工具在深度而全面得改造自身的行為習(xí)慣和工作方式，以更好地實現(xiàn)與B端用戶的完美橋接。這樣一種B端和C端雙向奔赴的狀態(tài)，無疑正是產(chǎn)業(yè)互聯(lián)網(wǎng)時代的真實寫照。當(dāng)B端和C端的雙向奔赴開始出現(xiàn)，特別是當(dāng)B端和C端不再是對立和分裂的個體，以往在消費互聯(lián)網(wǎng)時代我們所看到的虛擬經(jīng)濟(jì)和實體經(jīng)濟(jì)二元分立的產(chǎn)業(yè)結(jié)構(gòu)將會被打破，隨之而來的是，以數(shù)實融合為主導(dǎo)的新產(chǎn)業(yè)時代的來臨，而當(dāng)新的產(chǎn)業(yè)形態(tài)開始衍生和出現(xiàn)，真正意義上的產(chǎn)業(yè)互聯(lián)網(wǎng)時代，或許已經(jīng)來臨。B端，以供給側(cè)改革奔向C端不知道你有沒有發(fā)現(xiàn)，如今越來越多的互聯(lián)網(wǎng)玩家們開始主動擁抱AI，開始尋找自身與AI結(jié)合的正確的方式和方法，開始用AI來改造自身。如果我們對于B端的這一系列的操作進(jìn)行總結(jié)和定義的話，以供給側(cè)改革來實現(xiàn)產(chǎn)業(yè)端的升級，從而更好地滿足C端的需求，無疑是再合適不過了。當(dāng)B端開始自我改造，當(dāng)B端開始自我創(chuàng)新，我們看到的是，以往所形成的產(chǎn)業(yè)元素、產(chǎn)業(yè)邏輯、產(chǎn)業(yè)衍生品開始發(fā)生了深刻的改變。如今的電商，不再是傳統(tǒng)意義上的電商，如今的零售，不再是傳統(tǒng)意義上的零售，如今的資訊，不再是傳統(tǒng)意義上的資訊，無疑是再合適不過的了。B端之所以會發(fā)生如此深刻而徹底的改變，其中一個最為重要的原因在于，它們試圖通過供給側(cè)改革的方式來衍生出新的產(chǎn)品和服務(wù)，從而更好地滿足C端的需求，它們不再把C端看成是一個被收割的對象，而是更好地為C端服務(wù)。可以說，只有這樣，B端玩家們才能在產(chǎn)業(yè)互聯(lián)網(wǎng)的新周期里繼續(xù)獲得新的發(fā)展，才能在存量時代繼續(xù)占得市場。否則的話，B端玩家們非但會在拓展市場上舉步維艱，甚至連繼續(xù)留在牌桌上的機(jī)會都不會存在了。因此，如果我們對于當(dāng)下正在發(fā)生著的這樣一場產(chǎn)業(yè)互聯(lián)網(wǎng)的新變革進(jìn)行總結(jié)和定義的話，B端開始通過供給側(cè)改革的方式提升和完善自身，并且以此為切入點，更好地服務(wù)于C端，更好地?fù)肀в贑端，無疑是再合適不過的了。在這個過程當(dāng)中，B端真正開始審視C端用戶的真實需求，而不再是像消費互聯(lián)網(wǎng)時代一樣僅僅只是將C端看成是一個改造的對象，僅僅只是將C端看成是一個可以被資本改造的對象。而這樣一種B端通過供給側(cè)改革向C端奔赴的過程，正是產(chǎn)業(yè)互聯(lián)網(wǎng)的真實寫照。C端，以主人翁的姿態(tài)奔向B端當(dāng)deepseek開始出現(xiàn)，我們看到的是，一派熱火朝天的應(yīng)用景象，C端用戶開始通過自身的方式來利用這樣一種新產(chǎn)品，C端用戶開始通過自身的要求對于B端提出新的需求。從某種意義上來講，這個時候的C端，不再是一個被動接受B端產(chǎn)品和服務(wù)的過程，不再是一個被動接受改造的存在，而是成為了一個更加主動、積極，更加富有主人翁意識的存在。可以說，透過以deepseek為代表的一系列的AI產(chǎn)品的應(yīng)用，我們看到的是，C端用戶的角色、地位開始發(fā)生了一場深刻而徹底的改變。當(dāng)C端用戶不再僅僅只是一個被改造的對象，而是開始主動地去向B端提出需求，它的角色開始發(fā)生根本上的改變。C端用戶的這樣一種自我意識的覺醒以及由此所帶來的潛能的釋放，其實就是產(chǎn)業(yè)互聯(lián)網(wǎng)真正的本質(zhì)內(nèi)涵所在。在產(chǎn)業(yè)互聯(lián)網(wǎng)時代，并不存在嚴(yán)格意義上的消費互聯(lián)網(wǎng)時代的C端，而僅僅只存在新產(chǎn)業(yè)形態(tài)下的組成成分，它們沒有主次之分，幾乎都是產(chǎn)業(yè)發(fā)展過程當(dāng)中不可或缺的存在。很顯然，這完全打破了消費互聯(lián)網(wǎng)時代業(yè)已形成的那樣一種二元分立的模式，從而真正實現(xiàn)了B端和C端的重混。深入分析不難看出，正是C端用戶的自我覺醒，以及由此所導(dǎo)致的B端和C端的界限的消弭，才真正導(dǎo)致了這樣一種現(xiàn)象的發(fā)生。而這樣一種現(xiàn)象，正是產(chǎn)業(yè)互聯(lián)網(wǎng)為我們展現(xiàn)出來的最為真實的狀態(tài)。B端與C端，衍生出新的產(chǎn)業(yè)形態(tài)產(chǎn)業(yè)互聯(lián)網(wǎng)，之所以會與消費互聯(lián)網(wǎng)有本質(zhì)上的區(qū)別，其中一個很重要的原因在于，在消費互聯(lián)網(wǎng)時代，其實并沒有新的產(chǎn)業(yè)形態(tài)產(chǎn)生，而僅僅只是在產(chǎn)業(yè)末端的渠道產(chǎn)生的改變。我們看到的那么多的「互聯(lián)網(wǎng)+」模式，幾乎都是這樣一種現(xiàn)象的直接體現(xiàn)。在消費互聯(lián)網(wǎng)之所以沒有新的產(chǎn)業(yè)形態(tài)的產(chǎn)生，其中一個很重要的原因在于，B端和C端并未真正完成一次真正意義上的雙向奔赴。當(dāng)AI時代來臨，特別是由此開始導(dǎo)致的產(chǎn)業(yè)互聯(lián)網(wǎng)的從理想照進(jìn)現(xiàn)實，我們看到的是，新的產(chǎn)業(yè)形態(tài)開始出現(xiàn)。在這樣一個過程當(dāng)中，玩家們不再是消費互聯(lián)網(wǎng)時代的虛擬經(jīng)濟(jì)形態(tài)，抑或是消費互聯(lián)網(wǎng)時代的實體經(jīng)濟(jì)形態(tài)，而是蛻變成為了兼具虛擬經(jīng)濟(jì)形態(tài)和實體經(jīng)濟(jì)形態(tài)的數(shù)實結(jié)合的新產(chǎn)業(yè)形態(tài)。在這樣一種全新的產(chǎn)業(yè)形態(tài)之下，玩家們僅僅只是做平臺，僅僅只是做中心，僅僅只是堅持虛擬經(jīng)濟(jì)為主導(dǎo)的產(chǎn)業(yè)邏輯，必然無法適應(yīng)產(chǎn)業(yè)的發(fā)展的，只有真正用虛實結(jié)合的產(chǎn)業(yè)形態(tài)，才能真正在產(chǎn)業(yè)互聯(lián)網(wǎng)時代占據(jù)一席之地。近些年以來，我們看到的互聯(lián)網(wǎng)玩家們對于實體經(jīng)濟(jì)的擁抱，我們看到的實體經(jīng)濟(jì)的玩家們對于互聯(lián)網(wǎng)的擁抱，幾乎都是這樣一種現(xiàn)象的直接體現(xiàn)?？梢哉f，只有當(dāng)B端和C端在雙向奔赴的基礎(chǔ)上，實現(xiàn)了完美的融合，只有它們在這樣一種過程當(dāng)中衍生出來了新的產(chǎn)業(yè)形態(tài)，真正意義上的產(chǎn)業(yè)互聯(lián)網(wǎng)才能夠?qū)崿F(xiàn)。結(jié)論當(dāng)AI的浪潮洶涌來襲，我們看到的是，一場以B端和C端的雙向奔赴為代表的新浪潮的來臨。在這樣一種全新的趨勢之下，無論是B端和C端都成為了其中的一份子，開始以一種雙向奔赴的方式參與其中。當(dāng)B端和C端開始雙向奔赴，我們更多地看到的是，產(chǎn)業(yè)互聯(lián)網(wǎng)的真實樣子。隨著B端和C端的雙向奔赴，消費互聯(lián)網(wǎng)時代的二元產(chǎn)業(yè)結(jié)構(gòu)開始被打破，產(chǎn)業(yè)互聯(lián)網(wǎng)時代的一元產(chǎn)業(yè)結(jié)構(gòu)開始衍生和出現(xiàn)。當(dāng)新的產(chǎn)業(yè)形態(tài)開始出現(xiàn)，真正意義上的產(chǎn)業(yè)互聯(lián)網(wǎng)時代，或許將會來臨。本文來源：R艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
05/17
古典互聯(lián)網(wǎng)還在散發(fā)“該死”的魅力
OpenAI想做社交媒體，Kimi想做社區(qū)，微信公號終于要向張小龍當(dāng)初設(shè)想那樣，直接開放每個人都能發(fā)表短內(nèi)容……AI狂飆的時候，古典互聯(lián)網(wǎng)又在散發(fā)它該死的魅力。01還是先從朋友圈說起。我發(fā)現(xiàn)，我們這一輩人先是把QQ空間當(dāng)朋友圈，后來人人網(wǎng)、微博是朋友圈，后來有了真的朋友圈，現(xiàn)在徹底失去了朋友圈。說這一輩，好像也不太準(zhǔn)確，年齡上未必差什么，或許十歲，或是兩三歲。有人在失去朋友圈后，還是找到了朋友圈，比如還是有人一直在豆瓣，有更多人小紅書，也有人即刻。但我們當(dāng)中，終歸有一輩人失去了發(fā)朋友圈。但是，這并不妨礙，微信仍然是數(shù)字操作系統(tǒng)般的存在，而且微信也在改變。微信正在灰度測試一個重大更新：允許每個普通微信用戶直接在手機(jī)端注冊自己的公眾號并發(fā)表內(nèi)容。過去，注冊運營公眾號通常需要電腦端操作或借助“訂閱號助手”App，有一定門檻。而這次改版后，用戶只需在微信內(nèi)進(jìn)入“我的公眾號”頁面，一鍵注冊，即可像發(fā)朋友圈一樣隨手發(fā)布公眾號文章或短內(nèi)容?？此坪唵蔚母膭?，卻被認(rèn)為顛覆了公眾號的內(nèi)容生產(chǎn)流程，大幅降低了創(chuàng)作門檻，讓“發(fā)表一篇公眾號”變得像發(fā)一條朋友圈動態(tài)那般容易。對于擁有13年歷史的微信公眾號平臺來說，這一舉措并不稀奇。事實上，張小龍多年來一直心懷讓“人人都能創(chuàng)作”的愿景。他曾坦言微信公眾號的發(fā)展走過一些彎路：最初公眾號定位是連接品牌與用戶的群發(fā)工具，并非純粹的媒體內(nèi)容載體，但陰差陽錯卻演變成了少數(shù)人撰寫長文、多數(shù)人只能閱讀的格局。這導(dǎo)致微信在“短內(nèi)容”形態(tài)上長期空白，缺少一個讓普通人也能便捷表達(dá)觀點的平臺。張小龍說：“不能要求每個人天天寫長文章”，微信需要一個載體承載文字、圖片、視頻等各種形式的短內(nèi)容。早在2017年，他就設(shè)想過在朋友圈入口下增加一個“非朋友圈”的公開平臺，讓用戶發(fā)短文或圖片視頻，與熟人圈分離。雖然由于工程復(fù)雜一度擱置，但微信團(tuán)隊隨后在短視頻領(lǐng)域發(fā)力，于2020年推出了視頻號，部分滿足了用戶輕量創(chuàng)作的需求。不過視頻號偏重影音內(nèi)容，而對于純文字或圖文類的表達(dá)訴求，微信仍未完全滿足。此次公眾號灰度新功能顯然是對“人人可寫”初心的再度擁抱。當(dāng)手機(jī)端可以隨時中，將有更多長尾用戶變身內(nèi)容生產(chǎn)者。這有望為微信龐大的生態(tài)注入海量的新鮮內(nèi)容。如果說最初短內(nèi)容的設(shè)想，更接近于微博，那么現(xiàn)在，公眾號短內(nèi)容更接近于小紅書的形態(tài)，也就是小綠書。如果進(jìn)展順利，微信或?qū)⒅厮茏陨頌橐粋€適合人人創(chuàng)作的內(nèi)容平臺，實現(xiàn)從最初“連接一切”到“激發(fā)每個人表達(dá)”的飛躍。當(dāng)然，挑戰(zhàn)也不容忽視。讓海量普通用戶參與創(chuàng)作，內(nèi)容質(zhì)量參差不齊難以避免，如何通過算法和運營保障有價值內(nèi)容的曝光？大量UGC涌入是否會影響既有的內(nèi)容生態(tài)和平衡？微信需要在鼓勵創(chuàng)作和維護(hù)用戶體驗之間找到平衡點。不過，從更長遠(yuǎn)看，此舉一旦成功，將強(qiáng)化微信作為內(nèi)容平臺的生命力，并進(jìn)一步鞏固其在社交領(lǐng)域無可撼動的統(tǒng)治地位。更重要的是，語料庫在AI時代變得尤為重要。人生產(chǎn)的內(nèi)容，和AIGC，幾乎是一個雞和蛋的關(guān)系。因為人類知識庫和古典互聯(lián)網(wǎng)已經(jīng)沉淀了太多內(nèi)容，AI才能學(xué)習(xí)。而人如果停止生產(chǎn)，AI的智慧還能否繼續(xù)增長？02當(dāng)然，AI圈也瞄上了古典互聯(lián)網(wǎng)社區(qū)。OpenAI正在開發(fā)類似于X（原Twitter）的平臺型社交媒體。內(nèi)部已打造出一個原型，重點結(jié)合了ChatGPT的圖像生成能力和社交信息流。據(jù)報道，OpenAICEOSamAltman已私下向部分圈外人士征求這款產(chǎn)品的反饋。目前尚未確定該社交網(wǎng)絡(luò)會作為獨立應(yīng)用推出，還是整合進(jìn)ChatGPT。有爆料形容OpenAI的構(gòu)想為“AI版小紅書”——即通過AI生成內(nèi)容與社交分享相融合，打造新型社區(qū)體驗。OpenAI此舉可能意在挑戰(zhàn)馬斯克的X平臺以及Meta等社交巨頭，與之在社交媒體領(lǐng)域正面競爭。更深層的動機(jī)在于獲取源源不斷的實時用戶數(shù)據(jù)，反哺其AI模型訓(xùn)練。馬斯克將X平臺與其創(chuàng)立的xAI模型相結(jié)合（如讓Grok模型抓取X內(nèi)容）正令業(yè)界側(cè)目，OpenAI顯然也不愿錯過這一數(shù)據(jù)金礦。如果擁有自家的社交網(wǎng)絡(luò)，OpenAI不僅可以讓AI幫助用戶創(chuàng)作更優(yōu)質(zhì)的內(nèi)容，還能借此累積豐富的對話與互動數(shù)據(jù)用于模型優(yōu)化。當(dāng)然，進(jìn)軍社交領(lǐng)域?qū)penAI來說也是一大挑戰(zhàn)：如何從零培養(yǎng)起龐大的用戶社群、如何平衡AI生成內(nèi)容與真實用戶內(nèi)容的質(zhì)量，以及如何避免充斥大量機(jī)器人和不實信息，都是亟待解決的問題。此外，與馬斯克之間本已緊張的關(guān)系可能因此進(jìn)一步加劇——據(jù)悉，當(dāng)馬斯克醞釀控制OpenAI時，Altman曾在X上回?fù)簦骸安蝗缥覀兡?74億美元收購?fù)铺亍??？梢灶A(yù)見，OpenAI若推出社交媒體，將面對技術(shù)和輿論上的雙重考驗。一直在功能和產(chǎn)品上跑在前面的AI助手Kimi也在悄然邁出社區(qū)化的步伐。盡管被deepseek重創(chuàng)了，Kimi的版本更新卻是飛速。Kimi內(nèi)測了全新的“發(fā)現(xiàn)”社區(qū)功能，定位于構(gòu)建真正AINative的內(nèi)容平臺，面向AI創(chuàng)業(yè)者、從業(yè)者、內(nèi)容創(chuàng)作者及科技愛好者等用戶。早在去年業(yè)界就指出，各類AI工具要想提升用戶留存，必須構(gòu)建基于AI生成內(nèi)容的互動社區(qū)，如今Kimi正在實踐這一思路。Kimi社區(qū)“24h熱點播報員”頻道自動聚合了AI生成的科技資訊摘要。從實際體驗看，Kimi的社區(qū)目前更類似于一個實時資訊聚合平臺。在其App頂部，“發(fā)現(xiàn)”欄匯集了最新的熱點事件，內(nèi)容以AI抓取全網(wǎng)新聞并生成摘要為主，集中在AI、互聯(lián)網(wǎng)、財經(jīng)、科學(xué)等領(lǐng)域。Kimi也在邀請一些頻道號入駐，重點產(chǎn)出科技、財經(jīng)等垂直內(nèi)容。普通用戶當(dāng)前能發(fā)布的內(nèi)容十分有限——主要是轉(zhuǎn)發(fā)自己與Kimi的對話記錄到社區(qū)，暫不支持上傳原創(chuàng)的圖文或視頻。信息流內(nèi)容完全由KimiAI個性化推薦，用戶也無法主動搜索特定用戶或主題頻道。盡管形式上接近資訊平臺，Kimi社區(qū)的一大亮點在于深度融合了AI互動功能。Kimi正嘗試將AI助手與社區(qū)論壇融為一體：既利用AI實時生產(chǎn)、篩選內(nèi)容，又讓AI充當(dāng)互動參與者，降低用戶獲取信息和討論門檻。這種模式在國外也有類似探索。例如美國的AI搜索引擎Perplexity去年就上線了“Discover”頁面，為用戶提供科技、金融等興趣領(lǐng)域的熱點內(nèi)容聚合，并內(nèi)嵌AI問答互動。據(jù)報道，Perplexity甚至在部分內(nèi)容下嘗試添加商品購買鏈接，并為付費會員提供電商配送優(yōu)惠，以探索內(nèi)容社區(qū)的變現(xiàn)路徑。相比之下，Kimi目前尚未涉足電商，但不排除未來借鑒此類商業(yè)模式。此前主打AI內(nèi)容社區(qū)的多為偏陪伴娛樂屬性的產(chǎn)品，如Character.AI或國內(nèi)MiniMax的“星野”。后者允許用戶與虛擬角色對話后，將有趣的故事情節(jié)分享到社區(qū)，與他人分享交流；其創(chuàng)始人閆俊杰直言星野“底層設(shè)計不是陪用戶聊天，而是一個內(nèi)容社區(qū)”，用戶可以在其中創(chuàng)造故事和世界觀，并進(jìn)行互動，類似沉浸式的互動小說體驗。相較之下，Kimi定位為嚴(yán)肅問答型的聊天機(jī)器人，更強(qiáng)調(diào)為用戶解答問題、提供工具性幫助，用戶在內(nèi)容創(chuàng)作上的參與度有限。因此Kimi社區(qū)當(dāng)前呈現(xiàn)的形態(tài)更接近于AI驅(qū)動的知識社區(qū)（類似Perplexity的做法），而非純粹的社交網(wǎng)絡(luò)或二次元內(nèi)容分享圈子。對于Kimi這類嘗試，“社區(qū)是否有助于產(chǎn)品留存和商業(yè)化”是業(yè)內(nèi)關(guān)注的焦點。當(dāng)然，前提是社區(qū)生態(tài)能健康成長，既要有足夠的真實用戶互動，也需要控制AI生成內(nèi)容的質(zhì)量，不讓社區(qū)變成清一色的機(jī)器信息流。這仍有待時間和運營來檢驗。03盡管社交社區(qū)的價值有目共睹，從商業(yè)角度審視，它卻是一門歷久彌新的難題。一方面，經(jīng)營社區(qū)面臨用戶增長和留存的挑戰(zhàn)：冷啟動時如何吸引足夠多的優(yōu)質(zhì)用戶進(jìn)入并持續(xù)產(chǎn)出內(nèi)容，成熟后又要防范用戶流失和社區(qū)內(nèi)容衰退。許多社區(qū)類產(chǎn)品在初期憑借新鮮感聚攏用戶，卻由于后繼內(nèi)容乏力或缺乏粘性機(jī)制而迅速沉寂。另一方面，變現(xiàn)模式的探索同樣艱難：社區(qū)用戶對商業(yè)化變現(xiàn)通常比較敏感，過度廣告會侵蝕用戶體驗，而單純依賴廣告收入又很難支撐社區(qū)的長期運營。訂閱會員、增值服務(wù)、虛擬道具等變現(xiàn)場景也需要建立在龐大而活躍的用戶基礎(chǔ)之上才能奏效，這對大多數(shù)社區(qū)來說并不容易。當(dāng)前，不少社區(qū)產(chǎn)品都在探索平衡點。它們意識到，只有當(dāng)用戶價值與商業(yè)價值統(tǒng)一時，社區(qū)才能長久生存。比如，小紅書通過種草內(nèi)容與電商交易結(jié)合，用戶在分享生活方式的同時也促進(jìn)商品消費，實現(xiàn)內(nèi)容與商業(yè)的閉環(huán)。但小紅書，目前還只有一個。AI時代為社區(qū)的商業(yè)突圍提供了一些新思路一方面，AI技術(shù)可以降低社區(qū)運營成本、提高內(nèi)容匹配效率。例如，智能推薦算法讓每個用戶都能更快地找到自己感興趣的帖子，提升留存；自然語言處理可以輔助審核海量發(fā)言，過濾違規(guī)內(nèi)容，維護(hù)社區(qū)氛圍；生成式AI還能輔助用戶創(chuàng)作，激發(fā)更多UGC產(chǎn)出。另一方面，AI也創(chuàng)造了新的社區(qū)形態(tài)和商業(yè)機(jī)會。人機(jī)共生的社區(qū)可能誕生全新的盈利模式：正如前述Kimi和Perplexity的探索，AI可以根據(jù)用戶討論的話題嵌入相應(yīng)的產(chǎn)品或服務(wù)鏈接，實現(xiàn)內(nèi)容到消費的轉(zhuǎn)化；又如Character.AI等虛擬角色社區(qū)，通過提供高級定制的AI形象陪伴，或為創(chuàng)作者打造虛擬IP形象并售賣相關(guān)版權(quán)，也可能催生付費業(yè)務(wù)。再看OpenAI，如果其社交平臺上線，理論上還可與ChatGPT的付費訂閱形成聯(lián)動——用戶為了在社區(qū)中享受更強(qiáng)大的AI輔助創(chuàng)作或個性化功能，愿意支付訂閱費，從而變相為社區(qū)創(chuàng)造收入。當(dāng)然，即便有AI的加持，社區(qū)商業(yè)化的基本面依然離不開“人”本身。真正活躍且愿意投入時間金錢的，仍是社區(qū)里的一個個真實用戶。因此，社區(qū)產(chǎn)品要賺錢，首先得把人留住、留好。這意味著既要有源源不斷打動用戶的內(nèi)容和功能創(chuàng)新，也要建立健康正向的社區(qū)文化，讓用戶有歸屬感和參與感。一些潛在突破口包括：深耕垂直細(xì)分領(lǐng)域，提供專業(yè)人士愿意付費交流的高價值社區(qū)（如投資、醫(yī)療等領(lǐng)域的付費社群）；培養(yǎng)超級用戶和KOL，通過打賞、分成等機(jī)制激勵頭部創(chuàng)作者留在平臺生產(chǎn)內(nèi)容，進(jìn)而吸引粉絲群體并帶來商業(yè)合作；以及社區(qū)IP化和周邊經(jīng)濟(jì)，將一個成功社區(qū)的影響力延展到線下活動、品牌聯(lián)名、衍生商品等更多元的變現(xiàn)渠道。社交社區(qū)并非一門快速盈利的生意，但其戰(zhàn)略意義重大——尤其在AI時代，它不僅是滿足用戶情感和社交需求的載體，也可能成為技術(shù)與人文結(jié)合、催生新商業(yè)模式的土壤。無論是OpenAI野心勃勃地想打造“AI社交”，還是Kimi這類新秀希望通過社區(qū)提高用戶黏性，又或微信這樣的巨頭重塑創(chuàng)作生態(tài)，背后都反映出對社區(qū)價值的高度認(rèn)同。正是因為看到了“人”的不可替代性，他們才投入資源讓社交回歸。這股潮流預(yù)示著：即便AI無所不在，人與人之間在線上相聚互動的需求始終長存，而能滿足這種需求的社區(qū)型產(chǎn)品，依舊大有可為。當(dāng)AI技術(shù)席卷各行各業(yè)，我們目睹信息生產(chǎn)和獲取方式發(fā)生巨變。然而，社交與社區(qū)的底色始終屬于人性。古典互聯(lián)網(wǎng)時代孕育的論壇、博客、朋友圈等形態(tài)，在今天并未過時，反而因為稀缺的真實情感聯(lián)系而愈發(fā)顯得珍貴。本文來源：R艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
05/17
OpenAI很看好，首個SWE-1模型發(fā)布，軟件開發(fā)或?qū)⑻崴?9%
將軟件開發(fā)提速99%！Windsurf發(fā)布首個前沿模型SWE-1，AI編程領(lǐng)域風(fēng)起云涌，目標(biāo)是將開發(fā)效率提升99%。SWE-1不僅能寫代碼，更能理解并協(xié)助整個軟件工程流程。核心創(chuàng)新在于「流動感知」系統(tǒng)，即AI與用戶共享操作時間線，實現(xiàn)高效協(xié)作。Windsurf首秀終于來了！在Cursor火爆全網(wǎng)，OpenAI宣布30億美元重金收購Windsurf后，Windsurf不甘寂寞，終于出手！Windsurf發(fā)布首個前沿模型SWE-1，目標(biāo)是將軟件開發(fā)提速99%！SWE-1不只是一個「會寫代碼」的模型，而是一個理解、參與、并協(xié)助整個工程過程的協(xié)作伙伴。目前這個系列包含三個模型：SWE-1：具備與Claude3.5Sonnet類似的工具調(diào)用推理能力，但運行成本更低。在推廣期內(nèi)，所有付費用戶可免費使用。SWE-1-lite：一個更小但質(zhì)量更高的模型，全面取代CascadeBase，對所有用戶（包括免費用戶）開放。SWE-1-mini：更小、更快，專為WindsurfTab中的低延遲被動體驗而設(shè)計，適用于所有用戶。剛剛，SWE-1已經(jīng)上線Windsurf，且處于免費使用階段。AI編程發(fā)展「快閃」近幾年，「會寫代碼」的模型取得了巨大進(jìn)步，已經(jīng)能從簡單的自動補(bǔ)全發(fā)展到一次性構(gòu)建出完整的小型應(yīng)用。但這種能力仍然存在明顯的上限：其一，軟件開發(fā)不僅僅是寫代碼。開發(fā)者要做的事情遠(yuǎn)不止編碼，還要操作終端、獲取知識、調(diào)試產(chǎn)品、理解用戶反饋等。因此需要的是更全面的模型，能覆蓋整個開發(fā)流程。其二，工程過程是跨階段的、持續(xù)變化的。目前主流的基礎(chǔ)模型仍然是基于「代碼能否編譯」和「是否通過單元測試」來訓(xùn)練的。但現(xiàn)實中，這只是更大工程任務(wù)中的一小部分。真正需要的是能處理「尚未完成的狀態(tài)」、理解模糊目標(biāo)的模型。否則，即使模型寫出了能運行的功能，后續(xù)維護(hù)與擴(kuò)展性可能會非常差。因此，僅僅提高「寫代碼」的能力，無法真正提升整個工程效率。需要打造的是支持完整軟件工程流程的模型——簡稱SWE模型。SWE-1的開發(fā)過程SWE-1的開發(fā)靈感來自廣受歡迎的Windsurf編輯器，構(gòu)建了全新的數(shù)據(jù)結(jié)構(gòu)（共享時間線）和訓(xùn)練方法，能夠理解未完成的狀態(tài)、長周期任務(wù)以及多種交互界面。其初衷是在資源有限的情況下，通過這種方法做出一流性能的模型。SWE-1是這個目標(biāo)的第一個驗證成果。在整體表現(xiàn)上，SWE-1接近最前沿的基礎(chǔ)模型，在多個維度上超過了所有非前沿模型和開源對手?？梢酝ㄟ^離線評估與線上實測兩種方式進(jìn)行驗證。離線評估評估將SWE-1與Anthropic系列（Cascade中使用最頻繁的模型之一）以及Deepseek、Qwen等主流開源模型對比，主要有兩個基準(zhǔn)測試：會話式SWE任務(wù)基準(zhǔn)從一個正在進(jìn)行中的Cascade會話中截取，任務(wù)尚未完成。評估模型如何響應(yīng)用戶的下一步請求，打分標(biāo)準(zhǔn)綜合考慮幫助程度、效率、正確性以及目標(biāo)文件編輯的準(zhǔn)確率。這項測試關(guān)注模型在「人機(jī)協(xié)作」環(huán)境中的表現(xiàn)。端到端SWE任務(wù)基準(zhǔn)從會話一開始就評估模型是否能完全獨立解決問題，并通過一組單元測試。得分基于測試通過率和專家打分。這項測試衡量模型自主完成任務(wù)的能力。評估結(jié)果表明，SWE-1在這些任務(wù)上接近頂級實驗室的前沿模型，遠(yuǎn)超中等體量和開源的對手。雖然還不是絕對領(lǐng)先，但非常有潛力。線上實測（生產(chǎn)實驗）Windsurf有大量用戶，因此也通過盲測實驗評估真實使用中的表現(xiàn)。Windsurf將用戶分組，分別使用不同模型，在不告知模型類型的前提下觀察行為和效果。Windsurf主要看兩個指標(biāo)：每位用戶每天接受的代碼行數(shù)即Cascade編寫、用戶實際接受并保留的代碼行數(shù)，反映模型的實際幫助程度、響應(yīng)質(zhì)量和用戶粘性。Cascade代碼貢獻(xiàn)率對于被Cascade修改過的文件，模型所做的代碼改動所占比例。這是一個反映模型「主動性」以及「用戶信任程度」的指標(biāo)。SWE-1專為Cascade場景設(shè)計和優(yōu)化，因此在這些指標(biāo)上表現(xiàn)幾乎是行業(yè)領(lǐng)先，效果優(yōu)于所有非前沿模型。其他模型分析你可能在上面的圖表中注意到SWE-1-lite，這是SWE-1的中型版本，使用相同訓(xùn)練方式，在非前沿模型中表現(xiàn)最佳，現(xiàn)已取代CascadeBase，向所有用戶開放。Windsurf還開發(fā)了SWE-1-mini，體積更小，速度更快，適用于WindsurfTab這種對延遲要求極高的被動預(yù)測場景。需要說明的是，這只是一個起點。Windsurf不僅希望趕上最前沿實驗室的水平，最終目標(biāo)是全面超越它們。Windsurf堅信自己已經(jīng)具備了實現(xiàn)這個目標(biāo)的引擎，并將持續(xù)加大投入。流動感知系統(tǒng)（Flow-AwareSystem）Windsurf提到SWE-1的靈感來源于Windsurf編輯器。關(guān)鍵在于Windsurf獨特的設(shè)計理念：流動感知（FlowAwareness）。什么是流動感知？Windsurf打造的Windsurf編輯器實現(xiàn)了用戶與AI的「共識時間線」：AI的每一步用戶都能看到并干預(yù)，反過來，AI也能理解并跟進(jìn)用戶的行為。這種「共享時間線」的感知能力，Windsurf稱之為FlowAwareness（流動感知），也因此Windsurf一直把這種人機(jī)協(xié)作的體驗稱為「AIflows」。為什么流動感知很重要？因為短時間內(nèi)，沒有模型能完全獨立完成所有開發(fā)任務(wù)。流動感知允許模型和人類之間「自然交接」：AI做一部分，用戶校正，AI再繼續(xù)，形成順暢銜接。借助共享時間線，Windsurf可以持續(xù)追蹤當(dāng)前模型的能力邊界，觀察哪些任務(wù)需要用戶介入、哪些能完全自動完成。這是SWE-1能快速成長為當(dāng)前水平的關(guān)鍵原因之一。共享時間線在Windsurf中的演進(jìn)構(gòu)建共享時間線是Windsurf許多功能背后的核心理念：初代Cascade就支持「你在編輯器改完內(nèi)容后輸入continue，AI就能繼續(xù)理解你改了什么」——這是對編輯器的感知。后來Windsurf加入了終端輸出感知——AI能理解你執(zhí)行命令時出現(xiàn)的錯誤。Wave4中加入了「預(yù)覽」功能——AI開始理解你看到的前端組件和錯誤。Wave5和Wave6中，Tab增加了對終端命令、剪貼板內(nèi)容、IDE搜索內(nèi)容等的感知。這不是一堆隨機(jī)新功能，而是Windsurf構(gòu)建「最全面軟件工程時間線」的一部分。即便使用的是通用模型，只要Windsurf記錄和利用好了這些上下文信息，AI的表現(xiàn)就會大幅提升。而現(xiàn)在Windsurf有了自研的SWE系列模型，這個正反饋循環(huán)將真正開始加速：模型能更好地理解時間線并參與其中更多部分。接下來會發(fā)生什么？SWE-1只是開始。它是由一個小而專注的團(tuán)隊打造的，利用Windsurf在產(chǎn)品和基礎(chǔ)設(shè)施方面的優(yōu)勢，展示了Windsurf完全有能力打造接近最前沿的模型。未來，Windsurf將持續(xù)改進(jìn)SWE系列模型，在保證低成本的同時不斷提升性能，讓開發(fā)者能用Windsurf構(gòu)建更大、更強(qiáng)的軟件項目。隨著SWE-1的發(fā)布和OpenAI對Windsurf的收購，AI編程工具正迎來一個新的時代。從簡單的代碼補(bǔ)全到全面的工程協(xié)作，AI正在深刻改變軟件開發(fā)的方式。對于開發(fā)者來說，這是一個充滿機(jī)遇和挑戰(zhàn)的時代，如何利用這些新工具提升開發(fā)效率，將成為他們需要思考的重要問題。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
05/17
判斷企業(yè)負(fù)面嚴(yán)重程度的6個維度
上熱搜不是唯一標(biāo)準(zhǔn)其他事情可能會有人搶，危機(jī)處理是鐵定落在公關(guān)部的工作。這個又難又危險的活兒，讓姚素馨講的話，3天3夜也逼逼不完。這篇文章，截取培訓(xùn)里的一頁內(nèi)容，以及我們平時給品牌方處理事件的實際經(jīng)驗，討論一個相當(dāng)重要的具體點：如何判斷企業(yè)負(fù)面的嚴(yán)重程度。準(zhǔn)確判斷“嚴(yán)重程度”，是制定方案的先決條件。連會有多嚴(yán)重都搞不清楚，就談處理措施，純粹胡扯。“嚴(yán)重程度”判斷不足，覺得不要緊，最終輿情會教你做人的；“嚴(yán)重程度”判斷過度，措施過多，就會“消耗資源”和“損傷品牌”。熟練的公關(guān)人，憑借過往的經(jīng)驗，或許可以直接對負(fù)面嚴(yán)重程度做出預(yù)判。如果不是那么有信心，或者需要拿具體的條目去說服老板和同事，我們列出6個維度，以供參考。01公眾如何站邊除非是絕對TOB的企業(yè)，第一條永遠(yuǎn)是考慮公眾如何站邊。也就是說，如果負(fù)面爆發(fā)，事件在最廣泛的輿論場中討論，公眾會怎么看，會怎么說，會站誰。所有做公關(guān)同學(xué)要牢牢記住，公眾如何站邊，決定輿情走向?！澳阌X得”，“業(yè)務(wù)部門覺得”，“老板覺得”，在“公眾覺得”面前，屁都不是。不聽勸的，非要拿自己當(dāng)根蔥的，萬一被公眾發(fā)現(xiàn)“你覺得”，“業(yè)務(wù)部門覺得”，“老板覺得”與他們的不一致，只會死得更加難看。最廣泛的公眾如何看待一件事，直接決定了輿情的敏感程度、受關(guān)注討論的程度、廣度和深度。有能力的公關(guān)，能夠直接說出，公眾會不會罵、罵什么、能不能罵上熱搜。危機(jī)處理翻車，在這里就出問題了。“沒猜對”、“沒想到”的案例不勝枚舉。有2個難點特別說下：第1個點，輿論場上的“嚴(yán)重程度”并不直接等于事實嚴(yán)重性，而是能被公眾感知、并且有興趣討論的嚴(yán)重性。比如，“高管桃色新聞”就是對于企業(yè)的實際嚴(yán)重性很低，但公眾很樂意討論的典型。第2個點，“公眾怎么站邊”也一直在變化，不能沉浸在“過往案例”之中。比如，以前提“賢妻良母”沒什么，現(xiàn)在敢提試試，沖不死你。02主管部門的態(tài)度所有讓主管部門難做、難看、難處理的負(fù)面，輿情去沖主管部門賬號的，嚴(yán)重程度直接往上拉。有的負(fù)面，真是企業(yè)咎由自取，那我們也不說什么了。但是其實，很多負(fù)面企業(yè)是有委屈的，這個時候，能否取得主管部門的理解，能否爭取一些余地，就很關(guān)鍵。相反，如果判斷官方迫于“民意洶涌”，也不得不下場，那就也別掙扎了，再委屈也憋著吧。特別是涉及到行業(yè)準(zhǔn)入資格、牌照、熱門領(lǐng)域、標(biāo)桿作用的企業(yè)，尤其要關(guān)注主管部門的態(tài)度。（這個部分真的不能展開，我盡力了。）03是否踩中媒體“選題”媒體，在傳播中起“重要節(jié)點”作用，不僅僅能迅速擴(kuò)大傳播范圍，有些時候還能影響公眾的觀點、判斷。為什么是有時候呢？因為現(xiàn)在公眾也不一定聽媒體的。所以，這條在第三趴，公眾站隊在第一趴。說得更加明一點，現(xiàn)在媒體寫的正面，不一定有什么好的傳播效果；但是他們下狠手認(rèn)真寫的負(fù)面，很大概率就是公眾愛看的。要判斷是否會成為媒體“選題”，需要公關(guān)對于不同媒體的特點、受眾分布、選題思路、寫法、正負(fù)面稿件比例……具備基本功。注意，這是平時就知道的，不是負(fù)面發(fā)生之后，臨時再去抱佛腳的。這里也做2個提醒：第1個點，現(xiàn)在做內(nèi)容的普遍呈現(xiàn)跨行業(yè)、跨題材的趨勢，只要事件到達(dá)一定傳播量，為了流量，幾乎所有類型的媒體都能找到一個角度跟進(jìn)，呈現(xiàn)“全面開花”的狀態(tài)。公關(guān)尤其要對負(fù)面是否具備“大家都能寫”的潛質(zhì)，有足夠判斷力。第2個點，現(xiàn)在已經(jīng)不太可能“撒幣”來解決問題了。不要再有這種八百年前的老想法了。說句不好聽的，不是資本沒有力量，而是你沒有足夠的資本。老老實實按照媒體選題會不會選到的思路，去做準(zhǔn)備。04會被上什么價值“上價值”這個技術(shù)，不僅公關(guān)有，現(xiàn)在網(wǎng)友們也都普遍掌握了。公關(guān)寫新聞稿，內(nèi)容太水，為了上個價值抓耳撓腮；負(fù)面一出，網(wǎng)友們送的上價值，信手拈來，分分鐘按照“企業(yè)不做人”，“就是壞透了”處理。在公關(guān)的判斷里，一個負(fù)面是否嚴(yán)重，要看到底擊中了企業(yè)什么問題。包裝沒搞好、海報不當(dāng)心、代言人抽風(fēng)……這些都外圍的，不算嚴(yán)重。安全問題、價值觀問題、背刺核心用戶群體、與原定“人設(shè)”不一致……這是傷筋動骨的核心問題。核心問題，會動搖企業(yè)長久塑造的形象和對外輸出的價值觀。另外，一旦在公眾判斷“企業(yè)是故意的”，或者“終于露出了狐貍尾巴”，嚴(yán)重程度害得翻幾番，容易引發(fā)公眾對企業(yè)的全面質(zhì)疑和批判，俗稱“粉轉(zhuǎn)黑”或“路轉(zhuǎn)黑”。去年京東與楊笠的雙十一合作，被認(rèn)為背刺了“大兄弟們”就很典型。特別提醒，被上價值之后，企業(yè)再解釋“根本沒有這個意思”，“大家誤會了”，沒人會信。除了粉絲。05企業(yè)內(nèi)部震動負(fù)面對于企業(yè)的影響，不只是“外部的”。員工也會接收到大量輿情信息。不同崗位員工，對于企業(yè)負(fù)面事件的“知情程度”是完全不同的，企業(yè)在對外部進(jìn)行“統(tǒng)一口徑說明”之前，也不會先給內(nèi)部一個說法。因此，公關(guān)同樣需要判斷看到負(fù)面信息之后，員工會產(chǎn)生什么樣的質(zhì)疑、恐慌、不信任。特別是在信念感很強(qiáng)的企業(yè)，負(fù)面對于員工的沖擊甚至大于對公眾的影響。企業(yè)內(nèi)部如果人心惶惶、無心工作，傷害度其實非常高。當(dāng)年任正非使用華為的資源為姚安娜申請相關(guān)商標(biāo)，被輿論關(guān)注后做的操作是，在內(nèi)部社區(qū)進(jìn)行解釋：承認(rèn)公器私用，向全體員工道歉。就是把對員工的影響放在很重要的位置。想具體看這事的戳這里。另外，危機(jī)處理決策制定之后，在執(zhí)行中，需要非常多的部門參與和配合，大家如果都沒心思了，鐵定搞不好了。軍心不穩(wěn)是沒法好好干活的，且這種影響輿情系統(tǒng)是監(jiān)測不到的。06非輿情類的外部反饋公關(guān)考慮“負(fù)面嚴(yán)重程度”，不能只看輿情上的呈現(xiàn)，除了上面說了內(nèi)部員工，還有外部方方面面的反饋。經(jīng)銷商、總代和投資人，肯定不會參與負(fù)面?zhèn)鞑?，但一定在第一時間問了一堆問題；產(chǎn)業(yè)鏈上下游的合作伙伴，你欠他們錢的，他們欠你錢的，也都會有豐富的心理活動；客服承擔(dān)的詢問量有沒有急劇上漲；代言人有時候都要來問問會不會波及自己。對于TOB為主的企業(yè)，這條的重要程度和占考慮的權(quán)重比例，還要往前面提。甚至，是最核心的考量維度。07最難的是綜合判斷上述6條，像是做立體幾何題目的輔助線，是用來協(xié)助看清問題，做出決策的。最難的是，你怎么把上面這些判斷，做出綜合考量，形成唯一結(jié)果。對于經(jīng)驗不夠的公關(guān)，會有2個常見錯誤：一種是，漏掉核心要素，其他想了一堆，最重要的沒想到；另一種是，想多了，反而把某一個部分看得太重，反而導(dǎo)致決策失誤。不點名了。08老板凌駕一切說了這么多吧，但在實際的輿情處理中，大家都懂的，公關(guān)判斷負(fù)面是否嚴(yán)重，決定參與什么樣的方式處理，很多時候也就一個標(biāo)準(zhǔn)：老板承受程度。老板忍不了，火急火燎地趕緊處理；老板覺得沒事，就先不動。其他，就看命了。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
05/17
互聯(lián)網(wǎng)平臺現(xiàn)狀：鼓勵A(yù)I，限制AI
AI創(chuàng)作陷入不確定性一場針對AIGC作品的限制，正規(guī)模化地席卷各個平臺。一些AIGC創(chuàng)作者在小紅書拉起群組，分享自己被限制的經(jīng)歷。有人發(fā)布12星座內(nèi)容被判定「傳播封建迷信」，有人因為生成AI明星而遇到「侵權(quán)」提示?！柑摌?gòu)事件」和「假冒真人」是最常被引用的處罰理由。同樣的情況也發(fā)生在視頻號和抖音，大量AIGC作品遭遇下架和封禁。作品即便不被封禁，也會被限制流量曝光和商業(yè)權(quán)益。許多人推斷，這一輪監(jiān)管可能與9月1日即將實施的《人工智能生成合成內(nèi)容標(biāo)識辦法》有關(guān)。該《辦法》要求所有AIGC內(nèi)容需添加顯式標(biāo)識（如文字提示、角標(biāo)、語音聲明）和隱式標(biāo)識（如元數(shù)據(jù)、數(shù)字水?。２贿^依然有創(chuàng)作者反映，標(biāo)注AI水印后的作品，還是沒有被正常對待。鼓勵A(yù)I創(chuàng)作的同時，也在限制AI。平臺的這種矛盾心理讓創(chuàng)作者迷茫，困惑。他們不是明知故犯，挑戰(zhàn)規(guī)則，只是不知道邊界和紅線到底在哪，未來不知何去何從。頻繁踩紅線？AIGC創(chuàng)作者林聰最近有點煩。她發(fā)布在視頻號的兩個AI人物視頻，因為被判定非真人出鏡，視頻推薦、私信和評論能力直接被停用。按照要求，林聰詳細(xì)提交了個人身份驗證，選定AI制作選項，提交相關(guān)手機(jī)制作截圖。系統(tǒng)回復(fù)，信息不夠詳細(xì)，不能證明制作過程。雖然她內(nèi)心有些不情愿，還是按照提示，再次把PC端所有制作關(guān)鍵流程截圖依序提交。這次驗證通過，而且系統(tǒng)提示：之后發(fā)表AI制作內(nèi)容，選擇「內(nèi)容為AI技術(shù)制作，虛構(gòu)內(nèi)容請謹(jǐn)慎甄別」等提示。不過這次驗證只是恢復(fù)了視頻評論功能，若需恢復(fù)私信功能，需要刪除所有AI制作內(nèi)容后，再次提交申請。刪除作品等于擦除個人名片，這讓她有些無法接受，所以至今她的私信功能都沒有恢復(fù)。即便如此，林聰?shù)捏w感是，這波針對AI作品的監(jiān)管風(fēng)潮，視頻號不是最嚴(yán)苛的平臺。她告訴新莓daybreak，「好像除了快手打上AI標(biāo)識沒什么影響，幾個大的視頻平臺都在清查AI創(chuàng)作的作品?！沽致敳皇莻€例。小紅書關(guān)于AI限流的筆記數(shù)量超過3萬篇。從流量曝光，商業(yè)權(quán)益限制，到產(chǎn)品被下架，涉及不同程度的封禁。短視頻平臺風(fēng)聲鶴唳，網(wǎng)文圈的行動其實更早。今年2月，晉江打出「反AI」的第一槍，發(fā)布了《關(guān)于AI輔助寫作使用、判定的試運行公告》，明確規(guī)定使用AI的邊界。接著，起點、番茄小說宣布全面禁止AI，要求作品必須100%人工創(chuàng)作。網(wǎng)文平臺整治力度之強(qiáng)，導(dǎo)致出現(xiàn)不少誤判的現(xiàn)象。甚至評論區(qū)出現(xiàn)「感覺像是AI寫的」，也有可能被編輯永久拉黑。電商也加入行列，對「AI假圖」進(jìn)行整頓。3月27日，淘寶修訂了《淘寶網(wǎng)商品發(fā)布規(guī)范》和《天貓商品發(fā)布規(guī)范》，對「商品失真」做出明確的拓展解讀。其中一個重點的指向，便是利用AI等技術(shù)合成方式，呈現(xiàn)顯著失真的與實際不符的商品信息效果圖。整治力度空前，大有「寧殺錯不放過」的決心。AI原罪？過去兩年，在「AI暴富論」、「超級個體」的敘事邏輯下，「一鍵生成」的內(nèi)容迅速在互聯(lián)網(wǎng)泛濫。有人利用AI賣課，有人利用AI數(shù)字人販賣三無產(chǎn)品。淘寶上，大量AI生成的賣家秀誤導(dǎo)消費者購入，結(jié)果到手商品與圖片嚴(yán)重不符。AI亂象，AI污染的聲音不絕于耳。據(jù)林聰觀察，這一輪AI內(nèi)容治理中，打擊較多的是同質(zhì)化、低原創(chuàng)性內(nèi)容。「現(xiàn)在有了AI，誰家的內(nèi)容火了，大家就會快速大量地復(fù)制。」一個典型的例子就是今年過年期間《哪吒》爆火后，抖音出現(xiàn)了大量跟風(fēng)制作哪吒的現(xiàn)象。而這類題材往往使用的都是相似的提示詞或者同一個Lora生成的內(nèi)容。AI也讓一些機(jī)構(gòu)的起號成本變低了，利用AI工具一天內(nèi)可以生成了上百篇引發(fā)矛盾對立的筆記。小紅書去年三個月里處置了超過100萬個黑灰產(chǎn)團(tuán)伙，均為通過超大規(guī)模矩陣生成同質(zhì)化內(nèi)容。為此，抖音從算法層面切入，將「原創(chuàng)識別率」納入核心指標(biāo)，AI生成內(nèi)容若未標(biāo)注或存在同質(zhì)化「如重復(fù)率超25%」，會被判定為低質(zhì)內(nèi)容。而視頻號則明確「禁止批量發(fā)布通過近似的情景、文案、元素等編造的同質(zhì)化內(nèi)容」。平臺重點整治的另一個方向便是，虛構(gòu)真人形象和情節(jié)虛假夸大。從平臺的角度，這一點不難理解。畢竟小紅書以「真實分享」為社區(qū)根基，視頻號則要保障社交關(guān)系鏈中的信息可信度。這也是為什么，小紅書去年就著手研發(fā)基于「分類器」技術(shù)的AI識別模型，對識別為疑似AI生成的內(nèi)容進(jìn)行標(biāo)記。為了鞏固效果，小紅書還設(shè)置了機(jī)器識別與人工審核的雙重屏障。站在創(chuàng)作者的角度來看，這有些無奈。因為「真實」這一特質(zhì)天然就和AIGC背離，人物本身就是虛構(gòu)的，情節(jié)自然也是虛構(gòu)，所以這更像是貼附于自身的「原罪」。平臺為「真實」所設(shè)立的門檻，還引發(fā)了另一個層面的「不公」：比起真實題材的視頻，AIGC的審核標(biāo)準(zhǔn)更為嚴(yán)苛。半職業(yè)AIGC創(chuàng)作者藍(lán)心的作品最近也遭遇了違規(guī)提示。在小紅書上，她曾先后發(fā)布了一系列真實的王一博的照片和AI生成的王一博視頻。如今，前者仍掛在她的主頁，而后者已經(jīng)被平臺要求刪除。同樣的題材，因為是由AI生成，便得到不同的判定結(jié)果。值得一提的是，當(dāng)下所有AI視頻工具都在強(qiáng)調(diào)「真實感」。比如可靈的物理規(guī)律模擬、大幅度運動生成，比如即夢的質(zhì)感提升、動作模仿，一切都在強(qiáng)調(diào)自身生成的效果接近真實。從結(jié)果看，平臺不希望創(chuàng)作者利用AI復(fù)原人物真實感，假如AI創(chuàng)作一只小貓、小狗，做出真實感，應(yīng)該是會被接納的。未來何去何從？AI創(chuàng)作內(nèi)容被嚴(yán)格限流的同時，各平臺的AI「軍備競賽」卻是日趨白熱化。3月19日，小紅書才剛為旗下的AI應(yīng)用「點點」上線了新入口，位于消息頁面，且支持深度思考模式。幾天前，字節(jié)開啟了「即夢3.0」的灰度測試，該版本在分辨率上提升了50%，生成速度提升了30%。更方便的入口、更新的版本、更強(qiáng)的性能，這些平臺投入了大量資源，推動了AI工具的發(fā)展。目的是為了搶占下一代內(nèi)容生產(chǎn)基礎(chǔ)設(shè)施，將創(chuàng)作者綁定在自身生態(tài)內(nèi)。但當(dāng)大量創(chuàng)作者開始使用AI工具，并且涌入AIGC這個領(lǐng)域，平臺卻缺少一套清晰的規(guī)則和審核標(biāo)準(zhǔn)來承接，這讓質(zhì)疑聲頻出。有人說平臺使勁拉人給AI工具做任務(wù)，搞了特別多相關(guān)的比賽和活動，然后大規(guī)模封禁，是一種誘導(dǎo)；也有人也說AI給平臺帶來不了利益，影響真人主播的收益，趁著政策出臺，正好「一刀切」比較痛快。平臺既扮演AI工具提供者，又承擔(dān)內(nèi)容審核者角色，這種雙重身份本身就是一種挑戰(zhàn)。有些平臺甚至還在主動催生矛盾，比如番茄小說為了訓(xùn)練自己的AI，在簽約協(xié)議中曾新增AI訓(xùn)練條款，引發(fā)過大量作者抵制和不滿。自2023年生成式AI廣泛運用以來，伴隨AIGC作品而來的就是諸多質(zhì)疑和限制。知名如AI繪畫作品《太空歌劇院》，曾兩次進(jìn)行版權(quán)申請被拒絕。AI作品不僅版權(quán)上得不到正名，「同行」之間的關(guān)系也愈發(fā)緊張。大量傳統(tǒng)內(nèi)容創(chuàng)作者豎起了「反AIGC」的旗幟。這也使得2024年一款名為Cara的反AIGC社交產(chǎn)品，開始頻繁登頂美國AppStore的下載榜單。小紅書上也形成了一種「反AIGC」的氛圍，創(chuàng)作者唐飛對此感到無奈，「一些用戶看到AIGC作品就會點舉報，特別是繪畫圈的那群人?！钩松鐣头煞ㄒ?guī)層面的不被認(rèn)同，對大模型廠商，AIGC還意味著一種危險：用AI生成的數(shù)據(jù)去訓(xùn)練AI超過5次，模型性能會大減。萊斯大學(xué)和斯坦福團(tuán)隊的研究人員將此稱之為「模型自噬障礙（MAD）」。而當(dāng)下的中文互聯(lián)網(wǎng)，AIGC作品正在走向泛濫。在已經(jīng)公布數(shù)據(jù)的平臺中，微信視頻號AI生成內(nèi)容占比已經(jīng)達(dá)到了30%。其它平臺上，AI生成內(nèi)容也肉眼可見地攀升。這一次封禁，小紅書上的一條評論得到了高贊：這是好事，每次搜資料搜素材出來全是大批大批的AI，想找到正經(jīng)參考的都難。大刀闊斧砍向AIGC的平臺，有點像是在治理一場數(shù)字領(lǐng)域的「蝗災(zāi)」，目的不是為了「滅絕」，先從整體數(shù)量規(guī)模上減少，再從生態(tài)環(huán)境中防治劣質(zhì)內(nèi)容的生產(chǎn)。面向未來，AIGC創(chuàng)作者又該何去何從？有人總結(jié)了一條「532法則」，即：50%的人工，原創(chuàng)案例、真實情感、獨家觀點；30%的AI，數(shù)據(jù)整理、框架搭建、標(biāo)題優(yōu)化；20%的工具，用ContentAny等去除AI痕跡。但這些經(jīng)驗是否奏效，誰也無法保證。又或者說，當(dāng)下奏效的經(jīng)驗，幾個月后是否依然可行，沒人知道。所有人都要習(xí)慣這種不確定性。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
05/17
AI，擂響了產(chǎn)業(yè)互聯(lián)網(wǎng)的戰(zhàn)鼓
當(dāng)消費互聯(lián)網(wǎng)漸行漸遠(yuǎn)，越來越多的玩家們開始將關(guān)注的焦點聚焦在了產(chǎn)業(yè)互聯(lián)網(wǎng)的身上。無論是新零售概念的興盛，亦或是新技術(shù)的層出不窮，無一不是人們探索產(chǎn)業(yè)互聯(lián)網(wǎng)的佐證。然而，雖然玩家們進(jìn)行了很多次的探索，但是，它們似乎始終都跳不出消費互聯(lián)網(wǎng)的條條框框。究其原因，僅僅只是在消費互聯(lián)網(wǎng)的天空之下飛行，卻并未真正找到與產(chǎn)業(yè)互聯(lián)網(wǎng)相契合的新技術(shù)、新模式，才是導(dǎo)致這一現(xiàn)象出現(xiàn)的最為根本的原因。當(dāng)AI時代來臨，特別是當(dāng)以deepseek為代表的AI應(yīng)用開始出現(xiàn)，AI從一顆萌芽開始變得成熟，并且開始結(jié)出一顆又一顆的果實。無論是越來越多的互聯(lián)網(wǎng)巨頭們開始擁抱AI，還是AI開始衍生出越來越多的新商業(yè)，無一不是這樣一種現(xiàn)象的直接體現(xiàn)?？梢哉f，AI，真正擂響了產(chǎn)業(yè)互聯(lián)網(wǎng)的戰(zhàn)鼓。以AI的興盛為肇始點，產(chǎn)業(yè)互聯(lián)網(wǎng)的時代開始真正進(jìn)入到了全新落地的時代。對于產(chǎn)業(yè)互聯(lián)網(wǎng)來講，它不再是一個無法落地的存在，而是成為了一個真正可以實現(xiàn)的存在。從這個角度來看，認(rèn)識到AI與產(chǎn)業(yè)互聯(lián)網(wǎng)之間的聯(lián)系，或許才是真正可以理解當(dāng)下的消費互聯(lián)網(wǎng)之所以會發(fā)生如此多的嬗變的根本原因所在。一當(dāng)deepseek的風(fēng)真正將AI吹到了人們的面前，我們看到的是，幾乎所有的互聯(lián)網(wǎng)玩家們都開始用AI來改造自身，都開始用AI來尋找破解它們發(fā)展困境和難題的方式和方法。無論是阿里巴巴對于AI的全面擁抱，還是騰訊對于deepseek的全面接入，我們都可以看出，互聯(lián)網(wǎng)巨頭們對AI表現(xiàn)出來了極大的開放性和包容性。互聯(lián)網(wǎng)巨頭們之所以會表現(xiàn)出如此濃烈的興趣，其中一個很重要的原因在于，AI真正可以改變以往那些它們無法改變的痛點和難題。如果我們對于互聯(lián)網(wǎng)玩家們的這些痛點和難題進(jìn)行總結(jié)的話，它們幾乎都是消費互聯(lián)網(wǎng)演進(jìn)和進(jìn)化到最后階段，必然會出現(xiàn)的。說到底，以互聯(lián)網(wǎng)巨頭們?yōu)榇淼南M互聯(lián)網(wǎng)的玩家們必然需要開啟一次全新的進(jìn)化，而這次進(jìn)化的終局，必然是我們所心心念念的產(chǎn)業(yè)互聯(lián)網(wǎng)。之所以會有這樣的判斷，其中一個很重要的原因在于，我們所提倡的產(chǎn)業(yè)互聯(lián)網(wǎng)，其實就是以改造消費互聯(lián)網(wǎng)為終極目標(biāo)的。以往，我們看到那么多的技術(shù)，那么多的模式之所以沒有改造成功，說到底，還是技術(shù)的營養(yǎng)基沒有培育出商業(yè)的新形態(tài)所導(dǎo)致的。當(dāng)AI開始出現(xiàn)，一切開始有了改觀。無論是對于互聯(lián)網(wǎng)巨頭們而言，還是對于實體經(jīng)濟(jì)玩家們來講，它們都可以通過自身與AI的結(jié)合打開新的突破口，找到新的商業(yè)模式。因此，如果我們對于AI與產(chǎn)業(yè)互聯(lián)網(wǎng)的關(guān)系進(jìn)行總結(jié)和定義的話，以AI技術(shù)催生出可以落地，可以閉環(huán)的新商業(yè)，并且以這些新商業(yè)來構(gòu)建產(chǎn)業(yè)互聯(lián)網(wǎng)的新形態(tài)，才是AI與產(chǎn)業(yè)互聯(lián)網(wǎng)之間聯(lián)系的關(guān)鍵一點。時至今日，無論是AI+電商、AI+社交，還是AI+制造，AI+駕駛，幾乎都是可以落地和閉環(huán)的新商業(yè)。試想一下，當(dāng)AI所催生的這些新商業(yè)共同匯聚在一起，并且真正可以替代消費互聯(lián)網(wǎng)時代所形成的「互聯(lián)網(wǎng)+」模式的時候，產(chǎn)業(yè)互聯(lián)網(wǎng)時代的來臨，將會是一件水到渠成的事情。如果我們將互聯(lián)網(wǎng)看成是消費互聯(lián)網(wǎng)時代的底色的話，那么，AI，則是產(chǎn)業(yè)互聯(lián)網(wǎng)的底色。二以往，提及產(chǎn)業(yè)互聯(lián)網(wǎng)的時候，人們總是將其與新供給聯(lián)系在一起?？梢哉f，新供給，成為了評判產(chǎn)業(yè)互聯(lián)網(wǎng)是否真正完成和實現(xiàn)的標(biāo)準(zhǔn)。反過來講，以往的產(chǎn)業(yè)互聯(lián)網(wǎng)之所以并未實現(xiàn)，其中一個很重要的原因在于，玩家們并未真正達(dá)成新供給，而僅僅只是對消費互聯(lián)網(wǎng)進(jìn)行了概念上的包裝而已。當(dāng)AI時代來臨，特別是當(dāng)AI開始對于消費互聯(lián)網(wǎng)的玩家們以及與消費互聯(lián)網(wǎng)相聯(lián)系的產(chǎn)業(yè)玩家們進(jìn)行了一次全新的改造，消費互聯(lián)網(wǎng)玩家們所提供的產(chǎn)品和服務(wù)開始發(fā)生了一場深度而全面的改變。這一點，我們可以從電商的嬗變上，看出一絲端倪；這一點，我們可以從社交的嬗變上，看出一絲端倪。可以說，以AI為主導(dǎo)的新供給的達(dá)成和實現(xiàn)，才是導(dǎo)致產(chǎn)業(yè)互聯(lián)網(wǎng)不再是一個遙不可及的夢想，而是一個可以落地的存在的關(guān)鍵所在?，F(xiàn)在，打開任何一個APP，進(jìn)入到任何一個消費互聯(lián)網(wǎng)的玩家們的生態(tài)里，我們幾乎都可以看到AI的身影，我們都可以看出AI與以往的產(chǎn)品和服務(wù)產(chǎn)生聯(lián)系之后所形成的新產(chǎn)品和新服務(wù)的跡象。說到底，AI業(yè)已對消費互聯(lián)網(wǎng)玩家們實現(xiàn)了一次深度的改造，并且以這樣一場新改造來實現(xiàn)了新供給的實現(xiàn)。如果對于AI所實現(xiàn)的對于這樣一種現(xiàn)象進(jìn)行總結(jié)和定義的話，以AI完成了對于消費互聯(lián)網(wǎng)的由內(nèi)而外的改造，并且由此實現(xiàn)了供給側(cè)的改造，最終以新供給來滿足人們的新需求。而這，才是產(chǎn)業(yè)互聯(lián)網(wǎng)的最本質(zhì)、最值得我們?nèi)リP(guān)注的另外一個方面。站在這樣一個角度，如果我們對于AI與產(chǎn)業(yè)互聯(lián)網(wǎng)之間的關(guān)系進(jìn)行總結(jié)和定義的話，AI實現(xiàn)了產(chǎn)業(yè)互聯(lián)網(wǎng)所要達(dá)成的新供給，并且以此實現(xiàn)了供給與需求兩端的再度對接，或許才是值得我們?nèi)リP(guān)注的另外一個方面。三當(dāng)產(chǎn)業(yè)互聯(lián)網(wǎng)的概念開始萌芽的時候，人們在描繪產(chǎn)業(yè)互聯(lián)網(wǎng)的時候，通常會用虛實融合、數(shù)實融合來形容。于是，當(dāng)人們進(jìn)行產(chǎn)業(yè)互聯(lián)網(wǎng)的落地和實踐的時候，通常會用對于B端的賦能和改造來詮釋產(chǎn)業(yè)互聯(lián)網(wǎng)。實踐證明，僅僅只是以賦能和改造來進(jìn)行虛實融合、數(shù)實融合，其實是無法實現(xiàn)產(chǎn)業(yè)互聯(lián)網(wǎng)的；實踐證明，僅僅只是以賦能和蓋傲來進(jìn)行虛實融合、數(shù)實融合，只會把產(chǎn)業(yè)互聯(lián)網(wǎng)再度帶入到消費互聯(lián)網(wǎng)的怪圈之中。當(dāng)AI時代來臨，特別是當(dāng)AI開始彌合虛擬經(jīng)濟(jì)與實體經(jīng)濟(jì)之間的鴻溝，我們看到的是，以往人們所孜孜以求的數(shù)實融合、虛實融合不再是一個遙不可及的，無法實現(xiàn)的存在，而是成為了一個可以順理成章，可以真實落地的存在。在AI的情境之下，并不存在以往我們所認(rèn)為的改造和賦能的概念，而是變成了一個共生、共存的存在。當(dāng)賦能和改造的概念不再的時候，消費互聯(lián)網(wǎng)時代經(jīng)常會出現(xiàn)的流量的概念，同樣開始被存量的概念所取代。在這樣一種機(jī)制之下，消費互聯(lián)網(wǎng)時代的平臺和中心的概念，同樣也不再存在，而是成為了一個可以共生、共存的全新的形態(tài)。當(dāng)這樣一種共生、共存的生態(tài)達(dá)成，真正意義上的產(chǎn)業(yè)互聯(lián)網(wǎng)時代，將不再是一個遙不可及的存在，而是變成了一個可以實現(xiàn)的存在。站在這樣一個角度，如果我們對于AI與產(chǎn)業(yè)互聯(lián)網(wǎng)之間的聯(lián)系進(jìn)行總結(jié)和定義的話，AI最終將消費互聯(lián)網(wǎng)時代的流量的概念消弭，AI最終打破了以平臺和中心為主導(dǎo)的發(fā)展模式，實現(xiàn)了真正意義上的去平臺化、去中心化，無疑是這一現(xiàn)象的最為直接的體現(xiàn)。寫在最后當(dāng)AI時代來臨，以往人們所孜孜以求的產(chǎn)業(yè)互聯(lián)網(wǎng)開始從一個遙不可及的存在，蛻變成為了一個觸手可及的存在。因此，AI，真正擂響了產(chǎn)業(yè)互聯(lián)網(wǎng)的戰(zhàn)鼓。在AI的機(jī)制之下，產(chǎn)業(yè)互聯(lián)網(wǎng)成為了現(xiàn)實。無論是新商業(yè)的產(chǎn)生，還是新供給的出現(xiàn)，乃至是虛實結(jié)合的達(dá)成，幾乎都是這樣一種現(xiàn)象的最為直接的體現(xiàn)。擁抱AI，等于是擁抱了產(chǎn)業(yè)互聯(lián)網(wǎng)。面對千億級的產(chǎn)業(yè)互聯(lián)網(wǎng)的市場規(guī)模，誰究竟才是這個新牌桌上的玩家們呢？讓我們拭目以待吧！本文來源：R艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
05/17
AI風(fēng)靡之下，產(chǎn)業(yè)互聯(lián)網(wǎng)正在實現(xiàn)
AI，正在開啟一場對于各行各業(yè)的深度改造。在這樣一場深度改造的背后，其中一個發(fā)展跡象正在變得越來越明顯，那就是產(chǎn)業(yè)互聯(lián)網(wǎng)時代的腳步越來越近了。之所以會有這樣的判斷，其中一個很重要的原因在于，AI更多地并不是搭建平臺，獲得流量，而是去想著應(yīng)用，想著去如何落地到產(chǎn)業(yè)之中。當(dāng)這樣一種發(fā)展趨勢開始變得明顯，一個全新的產(chǎn)業(yè)互聯(lián)網(wǎng)時代，正在來臨。產(chǎn)業(yè)互聯(lián)網(wǎng)的概念，并不是現(xiàn)在誕生的。當(dāng)移動互聯(lián)網(wǎng)的浪潮開始慢慢退卻，率先感受到這樣一種寒意的互聯(lián)網(wǎng)玩家們，便已經(jīng)開始了有關(guān)產(chǎn)業(yè)互聯(lián)網(wǎng)的發(fā)展方向的探索。阿里如此，騰訊，更是如此。雖然這些頭部的互聯(lián)網(wǎng)玩家們看到了產(chǎn)業(yè)互聯(lián)網(wǎng)的發(fā)展大趨勢，但是，它們卻并未找到落地產(chǎn)業(yè)互聯(lián)網(wǎng)的正確的方式和方法。究其原因，互聯(lián)網(wǎng)技術(shù)本身的短板，才是導(dǎo)致它無法將產(chǎn)業(yè)互聯(lián)網(wǎng)實現(xiàn)落地的關(guān)鍵。因為互聯(lián)網(wǎng)技術(shù)僅僅只是在去中間化上有一定的效果，在改造產(chǎn)業(yè)，賦能產(chǎn)業(yè)上，它卻有著自己的短板。當(dāng)互聯(lián)網(wǎng)持續(xù)進(jìn)化，特別是當(dāng)AI開始變得成熟和完善，以往遙不可及的產(chǎn)業(yè)互聯(lián)網(wǎng)開始變得越來越容易。無論是玩家們借助AI對于自身內(nèi)在的元素、環(huán)節(jié)和商業(yè)邏輯進(jìn)行改造，還是玩家們借助AI對于各式各樣的產(chǎn)業(yè)場景進(jìn)行深度賦能，我們都可以看出，產(chǎn)業(yè)互聯(lián)網(wǎng)正在從夢想變成現(xiàn)實。當(dāng)AI風(fēng)靡，去平臺化成為潮流當(dāng)人們談及產(chǎn)業(yè)互聯(lián)網(wǎng)與消費互聯(lián)網(wǎng)的區(qū)別，去平臺化、去中心化，無疑是一個主要方面。當(dāng)AI尚未成熟，甚至是當(dāng)AI尚未出現(xiàn)的時候，很多的玩家們在探索去平臺化的問題上，僅僅只是為了去平臺化而去平臺化，僅僅只是為了去中心化而去中心化，卻并未真正實現(xiàn)真正意義上的去平臺化和去中心化。幾乎可以確定，僅僅只是為了去平臺化而進(jìn)行的去平臺化，并不能真正達(dá)成產(chǎn)業(yè)互聯(lián)網(wǎng)，只有實現(xiàn)真正意義上去平臺化，產(chǎn)業(yè)互聯(lián)網(wǎng)才能實現(xiàn)。當(dāng)AI開始風(fēng)靡，我們看到的是越來越多的玩家們開始主動地?fù)肀Мa(chǎn)業(yè)，開始主動地深入到各式各樣的場景之中，其中一個很重要的原因在于，只有這樣，AI才能完成對于產(chǎn)業(yè)的改造，AI的功能才能得到最大程度上的發(fā)揮。在這樣一個大背景下，原本在消費互聯(lián)網(wǎng)時代所形成的線上平臺玩家與線下實體玩家們之間的壁壘開始被打破，取而代之的是，一場線上玩家們與線下玩家們的深度融合開始成為現(xiàn)實。當(dāng)深度融合開始成為潮流和趨勢，去平臺化開始不再是一個遙不可及的存在，而是一個必然需要達(dá)成和實現(xiàn)的存在。當(dāng)去平臺化成為了AI時代的標(biāo)配，其實它暗合了產(chǎn)業(yè)互聯(lián)網(wǎng)的發(fā)展大趨勢。當(dāng)線上玩家們和線下玩家們在AI的機(jī)制之下實現(xiàn)了深度而全面的融合，那么，產(chǎn)業(yè)互聯(lián)網(wǎng)時代的去平臺化將不再是一個遙不可及，難以實現(xiàn)的存在，而是變成了一個可以實現(xiàn)，并且可以催生出新的商業(yè)范式的存在。當(dāng)AI成熟，流量開始徹底嬗變真正造就消費互聯(lián)網(wǎng)模式的最為關(guān)鍵的一點在于流量模式的興盛以及由此所衍生而來的一系列的「互聯(lián)網(wǎng)+」模式的衍生和出現(xiàn)?？梢哉f，正是由于對于各式各樣的流量進(jìn)行的劃分，才最終導(dǎo)致了消費互聯(lián)網(wǎng)時代的衍生和出現(xiàn)。因此，如果無法跳脫出流量模式，如果無法改變流量邏輯，那么，產(chǎn)業(yè)互聯(lián)網(wǎng)是無論如何都無法實現(xiàn)的。這是以往我們所看到的那么多的產(chǎn)業(yè)互聯(lián)網(wǎng)的嘗試始終都無法真正獲得成功的關(guān)鍵所在。當(dāng)AI變得成熟，特別是當(dāng)AI開始將消費互聯(lián)網(wǎng)時代所建立起來的流量劃分的模式打破，以往我們所看到的B端和C端流量的概念開始消失不再，轉(zhuǎn)而出現(xiàn)的是在AI的情境之下統(tǒng)一的改造對象。在AI的視角之下，無論是B端流量，還是C端流量，它們都是需要被改變，它們都是需要被重塑的。當(dāng)玩家們不再依靠流量來獲得商業(yè)上的成功，而是真正以產(chǎn)業(yè)作為主要驅(qū)動力，以達(dá)成新的供求平衡來找到新的發(fā)展機(jī)會的時候，所謂的產(chǎn)業(yè)互聯(lián)網(wǎng)，其實變得不再是一個遙不可及的存在，而是變成了一個順理成章便可以實現(xiàn)的存在。說到底，當(dāng)AI開始成熟，特別是當(dāng)AI開始打破對于流量的傳統(tǒng)劃分，最終將傳統(tǒng)意義上的B端和C端流量的界限打破，真正意義上的產(chǎn)業(yè)互聯(lián)網(wǎng)時代才算是真正來臨。原因在于，真正意義上的產(chǎn)業(yè)互聯(lián)網(wǎng)，并不是一個以消費互聯(lián)網(wǎng)時代的流量模式為支撐的存在，而是一個以新的產(chǎn)業(yè)，新的供給為支撐的存在。當(dāng)AI開始落地，數(shù)實融合正在實現(xiàn)對于消費互聯(lián)網(wǎng)進(jìn)行觀察和思考，不難看出，它其實是通過建立一種虛擬經(jīng)濟(jì)和實體經(jīng)濟(jì)二元的經(jīng)濟(jì)結(jié)構(gòu)，最終完成了自身的發(fā)展。無論是對于互聯(lián)網(wǎng)玩家們來講，還是對于實體經(jīng)濟(jì)玩家們而言，它們幾乎都是在通過這樣一種二元的結(jié)構(gòu)來找到新的發(fā)展契機(jī)，來獲得新的發(fā)展。從這個角度來看，消費互聯(lián)網(wǎng)時代，其實就是一個虛擬經(jīng)濟(jì)和實體經(jīng)濟(jì)分離的時代。當(dāng)信息不對稱存在，特別是當(dāng)供求對接不通暢的商業(yè)背景之下，消費互聯(lián)網(wǎng)的這樣一種二元對立的形態(tài)，的確是可以獲得一定的發(fā)展的。然而，當(dāng)信息不對稱被打破，特別是當(dāng)虛擬經(jīng)濟(jì)與實體經(jīng)濟(jì)之間的矛盾和問題開始越來越多地出現(xiàn)，僅僅只是以這樣一種方式來發(fā)展，開始遭遇到越來越多的困境和難題。正是在這樣一種情況下，我們才看到了產(chǎn)業(yè)互聯(lián)網(wǎng)的概念的萌芽的出現(xiàn)。然而，在互聯(lián)網(wǎng)技術(shù)的支撐之下，以虛擬經(jīng)濟(jì)為代表的數(shù)字經(jīng)濟(jì)和以實體產(chǎn)業(yè)為代表的實體經(jīng)濟(jì)依然還是分離的，依然還是彼此孤立的存在，并未實現(xiàn)真正意義上的融合。當(dāng)這樣一種現(xiàn)象存在，那么，產(chǎn)業(yè)互聯(lián)網(wǎng)是無論如何都無法達(dá)成和實現(xiàn)的。當(dāng)AI開始落地，特別是當(dāng)AI開始對數(shù)字經(jīng)濟(jì)和實體經(jīng)濟(jì)開啟一次深度而全面地改造。消費互聯(lián)網(wǎng)時代所形成的虛擬經(jīng)濟(jì)和實體經(jīng)濟(jì)二元的商業(yè)結(jié)構(gòu)開始被打破，轉(zhuǎn)而形成的是以虛擬經(jīng)濟(jì)和實體經(jīng)濟(jì)的深度融合為代表的數(shù)實融合的發(fā)展新模式。換句話說，在AI的機(jī)制之下，數(shù)實融合不再是一個遙不可及的存在，而是變成了一個可以落地和實現(xiàn)的存在。當(dāng)數(shù)實融合開始達(dá)成和實現(xiàn)，那么，產(chǎn)業(yè)互聯(lián)網(wǎng)最核心，最本質(zhì)的特質(zhì)便開始出現(xiàn)。在這個時候，產(chǎn)業(yè)互聯(lián)網(wǎng)不再是一個玩家們孜孜以求想要達(dá)成的存在，而是變成了一個在數(shù)實融合的大背景之下可以順理成章實現(xiàn)的存在。結(jié)論當(dāng)AI開始風(fēng)靡，我們看到的是，一場席卷各行各業(yè)，各個場景的新變革的開啟。如果對于這樣一場新變革進(jìn)行總結(jié)和定義的話，產(chǎn)業(yè)互聯(lián)網(wǎng)，無疑是再合適不過了。如果我們將互聯(lián)網(wǎng)技術(shù)的風(fēng)靡，看成是消費互聯(lián)網(wǎng)時代來臨的標(biāo)志的話，那么，AI技術(shù)的風(fēng)靡，則是產(chǎn)業(yè)互聯(lián)網(wǎng)時代來臨的標(biāo)志。當(dāng)AI開始風(fēng)靡，傳統(tǒng)意義上的平臺和中心將不復(fù)存在，傳統(tǒng)意義上的B端和C端將不復(fù)存在，傳統(tǒng)意義上的虛擬經(jīng)濟(jì)和實體經(jīng)濟(jì)將不復(fù)存在，取而代之的是，新的產(chǎn)業(yè)，新的商業(yè)，新的時代。本文來源：R艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
04/19
DeepSeek 是企業(yè)軟件的“救命稻草”，還是“催命符”？
未來可能沒有軟件，只有數(shù)據(jù)庫未來可能沒有軟件了，就剩個數(shù)據(jù)庫，前面全是AI調(diào)用，機(jī)器人就把所有事都干了。當(dāng)DeepSeek以開源之勢席卷技術(shù)圈，企業(yè)軟件行業(yè)正面臨一場前所未有的價值重估。大模型的能力平權(quán)是否會讓SaaS廠商失去技術(shù)壁壘？AI驅(qū)動的“數(shù)字員工”是否會終結(jié)傳統(tǒng)軟件的存在邏輯？既有廠商該如何守住護(hù)城河，新銳勢力又該如何抓住彎道超車的機(jī)會？在崔牛會策劃的“DeepTalk｜DeepSeek猜想系列”對話中，崔牛會創(chuàng)始人&CEO崔強(qiáng)主持了主題為“DeepSeek對企業(yè)軟件是「利好」還是「利空」？”對話，特邀沃行科技創(chuàng)始人&CEO郭舜日、53AI創(chuàng)始人&CEO楊芳賢、「信息化與數(shù)字化」主理人沈旸，就相關(guān)話題進(jìn)行了深入探討。郭舜日認(rèn)為，有價值創(chuàng)造能力和組織力的企業(yè)不容易被淘汰。如果問哪類軟件最危險，他認(rèn)為是單一功能的技術(shù)型、工具型SaaS。以RPA（機(jī)器人流程自動化）軟件為例，現(xiàn)在Claude提出的MCP協(xié)議等功能，已經(jīng)能用多模態(tài)技術(shù)直接觀察屏幕操作，完全替代傳統(tǒng)RPA。企業(yè)不再需要專業(yè)的RPA工具，就能輕松實現(xiàn)自動化。這對傳統(tǒng)RPA公司是顛覆性的。再比如機(jī)器人領(lǐng)域。以前波士頓動力的機(jī)器人需要編程各種動作規(guī)則，現(xiàn)在基于大模型的機(jī)器人可以通過學(xué)習(xí)直接執(zhí)行任務(wù)，不再需要預(yù)先編寫規(guī)則。這類技術(shù)進(jìn)步會讓很多單一功能的工具型軟件失去存在價值。楊芳賢的判斷是，今天大模型端到端的能力被嚴(yán)重高估了。無論是科技界、學(xué)術(shù)界還是產(chǎn)業(yè)界，對大模型的預(yù)期都非常高。實際上目前大模型在企業(yè)的落地應(yīng)用，真正能拿到確定性結(jié)果的場景還比較有限。而且這些場景需融合企業(yè)知識、流程，還有一些需要基于企業(yè)現(xiàn)有的數(shù)字化基座實現(xiàn)的。他認(rèn)為，10-20年后，傳統(tǒng)SaaS將消失，AI的終極形態(tài)是AI生產(chǎn)力，會是數(shù)字人與SaaS的融合。傳統(tǒng)軟件會消亡，軟件從業(yè)者會轉(zhuǎn)型為AI從業(yè)者。沈旸的看法則更為激進(jìn)，認(rèn)為這個時間周期會更短，可能在半年內(nèi)是“救命稻草”，但半年或一年后就會變成“殺手锏”。未來SaaS會變成“ServiceasaService”，Software本身的重要性會大大降低。他認(rèn)為，SaaS的訂閱模式（按人頭收費）會被AI顛覆，未來要么賣實時數(shù)據(jù)，要么賣服務(wù)效果。這場對話充滿了尖銳的觀點碰撞，對于企業(yè)來說，與其焦慮被顛覆，不如先讓AI幫你省下10個外包人力。閱讀目錄1.是“救命稻草”，還是“催命符”？2.“前期投入，后期躺賺”將不復(fù)存在3.哪類軟件會先被淘汰？4.AI有哪些真正可落地的場景？5.比技術(shù)和產(chǎn)品更重要的是方法論6.別做“半吊子”產(chǎn)品7.“數(shù)據(jù)安全”不再是企業(yè)落地大模型的主要障礙8.企業(yè)“上云”，還是“下云”？說明：在此，也特別感謝ECCRM創(chuàng)始人&CEO張星亮對這場對話的參與和支持。以下為對話內(nèi)容，經(jīng)牛透社編輯整理：（有刪減）是“救命稻草”，還是“催命符”？崔強(qiáng)：今天是我們「DeepTalk」欄目的第三期討論，主題是探討DeepSeek對SaaS行業(yè)的影響。前兩期我們分別從投資人和原生AI創(chuàng)業(yè)者的角度進(jìn)行了探討，今天我們將聚焦SaaS從業(yè)者的視角。三位嘉賓簡單介紹下自己。郭舜日：我是沃行科技的創(chuàng)始人，公司對外叫WallTech，主要做航運SaaS。我們有兩類產(chǎn)品：國際貨代SaaS和跨境電商物流SaaS。目前國內(nèi)3%的國際物流企業(yè)使用我們的平臺，服務(wù)了1500多家SaaS客戶。期待和大家交流AI如何賦能ToB企業(yè)。楊芳賢：我是53AI創(chuàng)始人。過去兩年我們一直在探索大模型在企業(yè)的落地應(yīng)用，我親自參與了公司大部分重要項目的售前與交付工作，同時也擔(dān)任了幾家上市公司的大模型落地應(yīng)用顧問。很高興能和大家分享我以一個創(chuàng)業(yè)者的角色在一線的實踐經(jīng)驗和思考。沈旸：我在ToB領(lǐng)域工作多年，最早做了十年ERP咨詢，后來轉(zhuǎn)到甲方做數(shù)字化建設(shè)，現(xiàn)在負(fù)責(zé)一家供應(yīng)鏈金融公司的數(shù)字化業(yè)務(wù)。過去兩年我們在AI落地方面做了很多實踐，也踩過不少坑，積累了一些心得。很高興能和大家交流。崔強(qiáng)：今晚我們主要討論兩個核心問題：一是DeepSeek對SaaS行業(yè)來說是“救命稻草”還是“催命符”？DeepSeek是不是SaaS的“葵花寶典”？大家都知道“欲練此功，必先自宮”，但練完之后可能也沒什么用。各位怎么看？楊芳賢：這個觀點很有意思，我也很認(rèn)同。從長遠(yuǎn)來看，比如10～20年的維度，DeepSeek確實是SaaS的“催命符”?；貧w到當(dāng)下，未來3～5年大模型對SaaS企業(yè)是有促進(jìn)作用的。核心在于，AI終極形態(tài)是AI生產(chǎn)力，是要替代知識工作者的腦力勞動，本質(zhì)上是數(shù)字人與SaaS的融合。從這個角度看，傳統(tǒng)SaaS軟件將會消失，但SaaS行業(yè)的從業(yè)者會一直在，因為中國企業(yè)的創(chuàng)新精神不會消失。沈旸：我基本同意楊芳賢的觀點，不過我認(rèn)為這個時間周期可能會更短?？赡茉诎肽陜?nèi)是“救命稻草”，但半年或一年后就會變成“殺手锏”。未來SaaS可能會變成“ServiceasaService”，Software本身的重要性會大大降低。郭舜日：這個問題需要結(jié)合SaaS行業(yè)和企業(yè)發(fā)展的現(xiàn)狀來看。AI既帶來機(jī)遇也帶來挑戰(zhàn)，本質(zhì)上是對現(xiàn)有商業(yè)模式的重構(gòu)。很多SaaS企業(yè)不盈利，主要因為高昂的實施和獲客成本。如果AI工具能替代這些非結(jié)構(gòu)化工作，將極大降低成本結(jié)構(gòu)。從這個角度看，AI對一些企業(yè)確實是"救命稻草"。更進(jìn)一步，運用AI得當(dāng)?shù)钠髽I(yè)不僅能解決生存問題，還能提升競爭力。但對AI反應(yīng)遲緩的企業(yè)來說，AI就是"催命符"了。他們可能會被擅長使用AI的競爭對手超越，甚至出現(xiàn)小企業(yè)借助AI反超大企業(yè)的情況。所以關(guān)鍵要看企業(yè)擁抱AI的程度，以及AI能具體賦能哪些業(yè)務(wù)環(huán)節(jié)?！扒捌谕度?，后期躺賺”將不復(fù)存在崔強(qiáng)：如果拋開現(xiàn)有的立場和包袱，作為一個新進(jìn)入企業(yè)服務(wù)領(lǐng)域的創(chuàng)業(yè)者，應(yīng)該怎么看待和思考這個問題？郭舜日：我認(rèn)為現(xiàn)在AI的發(fā)展給新創(chuàng)業(yè)者帶來了非常好的機(jī)會。首先，AI帶來了全新的能力，很多原本需要復(fù)雜架構(gòu)和大量人力才能完成的工作，現(xiàn)在通過AI就能實現(xiàn)，大大降低了管理難度和成本。其次，對于新進(jìn)入SaaS領(lǐng)域的企業(yè)來說，如果能用好AI技術(shù)，可以在某些特定功能上實現(xiàn)突破，甚至超越傳統(tǒng)的行業(yè)領(lǐng)先企業(yè)。我舉個具體的例子，比如倉庫管理軟件（WMS），以前需要開發(fā)復(fù)雜的調(diào)度算法和處理策略，現(xiàn)在通過AI大模型就能實現(xiàn)，而且效果可能比傳統(tǒng)算法更好。最關(guān)鍵的是，傳統(tǒng)企業(yè)可能需要10年積累的經(jīng)驗和能力，新創(chuàng)企業(yè)通過運用AI大模型就能快速掌握。這意味著新創(chuàng)企業(yè)可以更快地開發(fā)出創(chuàng)新的產(chǎn)品體驗，建立更具競爭力的成本結(jié)構(gòu)。所以這對新進(jìn)入者來說是個巨大的機(jī)會，而對于現(xiàn)有的行業(yè)領(lǐng)先企業(yè)來說，則需要特別警惕這個發(fā)展趨勢。崔強(qiáng)：沈旸，你屬于以前是客戶的身份，你剛才的判斷很激烈——說半年內(nèi)是“救命稻草”，半年到一年后就是“催命符”。這個判斷是基于什么邏輯？那天有朋友來找我說，未來可能沒有軟件了，就剩個數(shù)據(jù)庫，前面全是AI調(diào)用，機(jī)器人就把所有事都干了。會不會是這樣？沈旸：現(xiàn)在的情況已經(jīng)很接近這個預(yù)測了。除了DeepSeek，市面上另一個模型Claude的影響也很大。特別是Claude3.5和3.7版本出來后，具備了很強(qiáng)的調(diào)用工具和軟件的能力。在這之前，包括DeepSeek更多是做推理，能把過程拆解，但直接落地還做不到，需要很多外掛處理。我最近和工程師打交道比較多，明顯看到像Cursor這樣的編程工具，借助Claude模型可以調(diào)用很多本地工具，通過MCP協(xié)議操作本地文件，甚至可能誤刪文件。這讓原本只是聊天的AI變得可執(zhí)行。DeepSeek進(jìn)化快的一個重要原因是強(qiáng)化學(xué)習(xí)。數(shù)學(xué)題訓(xùn)練有個特點：學(xué)得好可以拿滿分，但語文很難滿分，因為評判標(biāo)準(zhǔn)不固定。同樣，大語言模型很難做到100%準(zhǔn)確。但在DeepSeek領(lǐng)域，雖然仍是概率模型，但通過強(qiáng)化學(xué)習(xí)可以驗證答案是否正確。在代碼領(lǐng)域更明顯：代碼可以運行測試，驗證頁面是否符合預(yù)期。一旦工業(yè)化、規(guī)?；珹I很容易處理這種場景。最近三個月這樣的場景越來越多。Manus帶給行業(yè)很大的刺激，但更多進(jìn)展是在軟件工程領(lǐng)域。未來，只要是AI能看到的，它就有能力復(fù)制軟件。如果軟件靠功能點疊加，比如企業(yè)管理軟件按功能點計價，以前要追趕需要投入同樣的人力。但任何公司都很難持續(xù)投入上千人做三年?，F(xiàn)在AI可以把軟件拆解、運行、驗證，24小時并行處理，很快就能找到可復(fù)制的方式，這對軟件工程是巨大顛覆。以前，SaaS和軟件行業(yè)想“前期投入，后期躺著賺錢”的模式將不復(fù)存在。企業(yè)要么持續(xù)投入研發(fā)，要么提供實時服務(wù)和數(shù)據(jù)，不可能再靠十年前做的軟件持續(xù)盈利。崔強(qiáng)：芳賢，你怎么看剛才的問題？為什么判斷“AI對于企業(yè)軟件來說，十年內(nèi)是救命稻草，十年后是催命符”？楊芳賢：首先，從AI的終極形態(tài)來看，我跟沈旸的觀點是一致的。但沈旸說半年、一年，我覺得沒那么快。背后的邏輯在于，今天大模型端到端的能力被極大的高估了。無論是科技界、學(xué)術(shù)界還是產(chǎn)業(yè)界，對大模型的預(yù)期都非常高。實際上，目前大模型在企業(yè)的落地應(yīng)用，真正能拿到確定性結(jié)果的場景還相對有限。而且這些場景需要融入企業(yè)的知識和流程，還有一些需要基于企業(yè)現(xiàn)有的數(shù)字化基座來實現(xiàn)。大模型被稱為“第四次工業(yè)革命”，這在業(yè)界已經(jīng)有極大的共識。以史為鑒，無論是電力還是信息技術(shù)，從技術(shù)出現(xiàn)到極大地提升生產(chǎn)力，需要一定的時間。所以我的觀點是，大模型落地應(yīng)用也是這樣，大規(guī)模地形成AI生產(chǎn)力也需要三五年，甚至十年以上的時間。一方面是源于對歷史的觀察，另一方面是我們過去兩年在企業(yè)落地實踐看到的——今天還無法直接通過大模型及各種Agent全鏈路完成大部分崗位的全流程，但是在這些崗位工作流中的一個節(jié)點、一個工序，借助大模型能極大地提升效率?；诖?，在未來很長的一段時間企業(yè)軟件還是會長期存在，并且會成為企業(yè)邁向智能化的基礎(chǔ)。郭舜日：我補(bǔ)充一下?，F(xiàn)在AI應(yīng)用面臨的最大問題是，很多企業(yè)的數(shù)據(jù)還處于信息孤島狀態(tài)，數(shù)據(jù)清洗和基礎(chǔ)知識的完整度、單元化程度都不夠。這種情況下，AI對知識的積累和理解是有限的。目前，主要瓶頸不在于AI技術(shù)本身，而在于傳統(tǒng)SaaS領(lǐng)域的數(shù)據(jù)沉淀和經(jīng)驗積累不足。比如我們平臺上有37%的出口數(shù)據(jù)，看似量大，但這些數(shù)據(jù)之間互不聯(lián)通，很難形成系統(tǒng)化的知識體系。所以，現(xiàn)在最關(guān)鍵的不是AI能力的問題，而是如何把分散的數(shù)據(jù)和經(jīng)驗整合成可供AI學(xué)習(xí)的素材。我們正在做的重要工作，就是把數(shù)據(jù)和能力真正沉淀下來，形成可學(xué)習(xí)的知識體系。這才是當(dāng)前最需要解決的問題。崔強(qiáng)：到底是利好還是利空？剛才沈旸提到大家都在用MCP協(xié)議，今早我看到AI大神卡帕西（AndrejKarpathy）的觀點，他說內(nèi)容服務(wù)、AI服務(wù)應(yīng)該停止使用MCP。為什么現(xiàn)在有人追捧，也有人看不上？沈旸：其實MCP本質(zhì)上就是個簡單的API服務(wù)協(xié)議，讓Claude等大模型能方便調(diào)用各種工具。在MCP出現(xiàn)前，大家也是通過API調(diào)用工具，只是Claude把它標(biāo)準(zhǔn)化了?，F(xiàn)在有幾百個開源軟件和SaaS服務(wù)都支持該協(xié)議。現(xiàn)在AI領(lǐng)域有個特別的現(xiàn)象：以前推廣一個開源項目可能要幾年才能獲得1萬Star，現(xiàn)在兩三天就能達(dá)到。如果你的軟件不支持MCP、沒有API，或者不能被AI抓取，就會面臨被淘汰的風(fēng)險。目前MCP有個局限，它原本為本地編程設(shè)計，沒有考慮商用軟件的計費問題。有些SaaS公司雖然支持MCP，但會在內(nèi)部設(shè)置調(diào)用次數(shù)限制。MCP生態(tài)主要基于開源體系，未來可能出現(xiàn)兩種情況，要么商業(yè)軟件都加入這個生態(tài)，要么AI只使用免費開源工具，把商業(yè)軟件排除在外。目前還看不清楚最終會如何發(fā)展。崔強(qiáng)：兩位對這個話題有什么補(bǔ)充嗎？郭舜日：沈旸提到MCP主要是開源體系，但它本質(zhì)上是個協(xié)議標(biāo)準(zhǔn)。我們公司內(nèi)部也在討論如何利用MCP協(xié)議來提升內(nèi)部AI能力。我們現(xiàn)有的SaaS軟件已經(jīng)積累了各種基礎(chǔ)能力，比如制單、訂倉、客戶通知（通過微信、企業(yè)微信、QQ、郵件等）。通過MCP協(xié)議，我們可以把這些能力標(biāo)準(zhǔn)化，讓AI來執(zhí)行交互流程，減少對人工操作的依賴。因為AI本身就具備行業(yè)知識，這樣能簡化架構(gòu)，快速實現(xiàn)對現(xiàn)有交互流程的優(yōu)化和能力替代。雖然協(xié)議本身不難實現(xiàn)，但關(guān)鍵是大模型引擎廠商都接受這個事實標(biāo)準(zhǔn)。這是我們內(nèi)部架構(gòu)團(tuán)隊正在討論的方向。崔強(qiáng)：有網(wǎng)友問沈旸：按照你剛才的觀點，像金蝶這樣的企業(yè)該何去何從？沈旸：這個問題很敏感。未來軟件必須加速迭代，把所有AI能力整合進(jìn)來。傳統(tǒng)軟件往往多年才做一次大升級，比如ERP通常5～7年才升級一次。這不是企業(yè)不想升級，而是測試和變更太復(fù)雜。現(xiàn)在必須提升迭代效率，把7年一次的升級周期縮短到2～3年。就像電動車對燃油車的替代，燃油車5～7年升級一次，現(xiàn)在電動車每年都有新款，智能駕駛等功能快速迭代。對金蝶這樣的大公司來說，最危險的還不是現(xiàn)在，因為他們還有資源投入。但必須意識到AI帶來的變革。如果意識不到這點，就會像燃油車面對電動車那樣，兩三年后就發(fā)現(xiàn)自己無力進(jìn)行架構(gòu)升級。整個組織的開發(fā)模式和文化都可能成為阻礙變革的因素，所以首先要從文化上進(jìn)行重大改變。哪類軟件會先被淘汰？崔強(qiáng)：做個極限假設(shè)，以你們的觀察來看，哪類軟件會最先面臨風(fēng)險，最可能被淘汰？楊芳賢：在企業(yè)服務(wù)領(lǐng)域，后發(fā)優(yōu)勢特別顯著。軟件行業(yè)不完全是技術(shù)驅(qū)動的，市場、銷售、服務(wù)和交付等環(huán)節(jié)同樣重要，技術(shù)領(lǐng)先性沒那么關(guān)鍵?；氐缴驎D說的時間問題，如果只有半年一年，像金蝶、用友這樣的企業(yè)確實危險。但如果有5～10年時間，它們都會轉(zhuǎn)型成AI企業(yè)，就像金蝶已經(jīng)從傳統(tǒng)軟件轉(zhuǎn)型為SaaS企業(yè)一樣。具體到哪些軟件企業(yè)容易被淘汰？我認(rèn)為還是看企業(yè)的組織能力和運營效率。與軟件類型無關(guān)，組織能力弱、運營效率低的企業(yè)最容易倒下。軟件企業(yè)無論是創(chuàng)新還是保守，最終競爭的都是組織效率。從品類來看，AI最先替代的是大量簡單重復(fù)性腦力勞動的崗位，我目前看到的這是一個增量市場，可能會逐步蠶食與這些場景相關(guān)的，功能相對單薄的工具類軟件。崔強(qiáng)：郭總，你怎么看這個問題？郭舜日：一般來說，有價值創(chuàng)造能力和組織力的企業(yè)不容易被淘汰。如果要具體說哪類軟件最危險，我認(rèn)為是單一功能的技術(shù)型、工具型SaaS。最直接的例子就是RPA軟件?，F(xiàn)在像Claude提出的MCP協(xié)議、OpenAI的Operator等功能，已經(jīng)能用多模態(tài)技術(shù)直接觀察屏幕操作，完全替代傳統(tǒng)RPA。企業(yè)不再需要專業(yè)的RPA工具，就能輕松實現(xiàn)自動化。這對傳統(tǒng)RPA公司是顛覆性的。以沃行科技為例，我們用多模態(tài)技術(shù)實現(xiàn)了OCR（光學(xué)字符識別）功能。傳統(tǒng)OCR需要大量樣本訓(xùn)練特定模板，而現(xiàn)在的AI多模態(tài)技術(shù)不僅識別率更高（達(dá)到99%），還能理解內(nèi)容含義。比如我們與客戶在珠海合作的項目，AI不僅能識別貨運單據(jù)上的文字，還能理解運輸條款和貿(mào)易條款的關(guān)聯(lián)性，這是傳統(tǒng)OCR做不到的。再比如機(jī)器人領(lǐng)域。以前波士頓動力的機(jī)器人需要編程各種動作規(guī)則，現(xiàn)在基于大模型的機(jī)器人可以通過學(xué)習(xí)直接執(zhí)行任務(wù)，不再需要預(yù)先編寫規(guī)則。這類技術(shù)進(jìn)步會讓很多單一功能的工具型軟件失去存在價值。沈旸：我補(bǔ)充一下，什么樣的軟件容易被替代？像金蝶這樣的跨部門軟件其實比較難被取代，因為它們不僅是功能工具，更是組織內(nèi)部達(dá)成共識的磨合過程。比如ERP系統(tǒng)，從前端銷售到后端財務(wù)，整個流程是各部門長期磨合形成的體系。要替換這樣的系統(tǒng)，組織往往不愿意改變。但部門級或個人級的軟件就不同了：一，部門級軟件未來被替代的可能性非常大；二，個人工具領(lǐng)域，會出現(xiàn)很多新的AI工具替代舊工具。由于AI能大幅提升效率，個人會愿意花錢購買AI工具來提升競爭力。在SaaS領(lǐng)域，如果只是針對某個非常細(xì)分的部門級應(yīng)用，這樣的軟件會面臨較大風(fēng)險。目前還看不到這類軟件能保持優(yōu)勢的路徑。AI有哪些真正可落地的場景？崔強(qiáng)：目前有哪些讓人眼前一亮、真正可落地的AI應(yīng)用場景？去年崔牛會AI大賽時，60%～70%的項目都是知識庫、陪練等方案。經(jīng)過一年發(fā)展，三位看到了哪些有價值的原生應(yīng)用？具體在什么場景？郭舜日：知識庫確實是一個非常典型的場景，效率提升非常明顯。通過向量化機(jī)制，特別是RAG技術(shù)的應(yīng)用，可以把企業(yè)私有數(shù)據(jù)庫建立起來。以我們企業(yè)為例，近10年積累的大量文檔知識，以前都要去問人，個別專家還不一定掌握全量知識?，F(xiàn)在我們通過內(nèi)部知識庫建設(shè)，相當(dāng)于培養(yǎng)出一個機(jī)器人專家，可以沉淀企業(yè)十幾年的知識。這塊效能確實很明顯。但難度我也要說明，絕對不是簡單把文檔扔進(jìn)去就能產(chǎn)生好效果。因為存在大量知識沖突，需要花精力進(jìn)行知識梳理、向量化處理。我們和AW工程師合作，做了很多知識增強(qiáng)的工作，才讓效果真正顯現(xiàn)出來。建議有一定沉淀的SaaS公司都應(yīng)該在內(nèi)部效能提升上應(yīng)用知識庫，但需要認(rèn)真對待知識增強(qiáng)和梳理工作。第二點，我認(rèn)為更重要的是企業(yè)內(nèi)部組織對AI的理解和意識培養(yǎng)。我們現(xiàn)在每周都組織AI高層匯報會，要求全員使用AI。只有真正用起來，才能在具體工作中發(fā)現(xiàn)有價值的應(yīng)用場景。這是比找單點應(yīng)用更重要的事。在具體應(yīng)用場景方面，AI在單點能力上的提升非常明顯。以我們航運軟件為例，以前處理各家船公司的運價導(dǎo)入非常復(fù)雜，需要業(yè)務(wù)理解，而且格式經(jīng)常調(diào)整。以前要投入幾周開發(fā)時間跟進(jìn)這些變化，現(xiàn)在用大模型動態(tài)識別就能快速完成。還有財務(wù)對賬，AI理解財務(wù)邏輯、處理非結(jié)構(gòu)化數(shù)據(jù)的能力都很強(qiáng)。這些單點技術(shù)突破投入低但客戶價值高，是SaaS廠商應(yīng)該重點關(guān)注的。崔強(qiáng)：沈旸，你現(xiàn)在看到了哪些比較令人興奮的應(yīng)用場景？沈旸：最近最令人興奮的是像Manus這樣的AIAgent，能夠從前到后完成閉環(huán)場景。這類場景從去年12月底才開始出現(xiàn)，之前完全沒有這樣的工具和體系。這種AIAgent能在內(nèi)部集成瀏覽器、虛擬機(jī)等組件，最終運行出結(jié)果并驗證可行性。這才是最重要的突破。過去我們做的很多工作，比如知識庫梳理，其實更多是在為AI服務(wù)，而不是為人服務(wù)，因為AI對知識的理解能力遠(yuǎn)超人類?，F(xiàn)在更有價值的是讓AI完成特定環(huán)節(jié)的閉環(huán)，并驗證結(jié)果是否正確。比如郭總提到的報價環(huán)節(jié)，如果能用AI完成并驗證，就是重大進(jìn)步。雖然目前AI處理數(shù)據(jù)的速度和精度可能不如傳統(tǒng)軟件（比如傳統(tǒng)軟件半秒完成的任務(wù)，AI需要10秒～20秒），但這不重要。一旦證明可行，后續(xù)肯定會有人優(yōu)化性能。目前這類應(yīng)用主要在科技公司和工程師團(tuán)隊中測試，但我預(yù)計3個月左右就會在各行業(yè)普及，用于POC測試。開源版本也會很快出現(xiàn)，我們內(nèi)部也在測試類似的開源方案，一旦實現(xiàn)閉環(huán)，就能清晰看到這個技術(shù)的終點在哪里。崔強(qiáng)：一個再小的業(yè)務(wù)，你也要把它閉環(huán)做完，能單獨搞定它，對吧？沈旸：對。但是很多事情，比如像知識庫，它可能就并不是一個真正的閉環(huán)。因為最終你還是依賴于人去評判做得好不好，或者要人去落地完成。對我來說這就不是一個閉環(huán)的事情。楊芳賢：大模型在企業(yè)的落地場景我們見得比較多，說知識庫是一個場景，我認(rèn)為這是一個誤讀。今天行業(yè)里大家講的知識庫，本質(zhì)是讓大模型掌握企業(yè)的知識和流程，替代重復(fù)性腦力勞動。但這個說法太泛了，需要拆到具體解決什么問題，投入產(chǎn)出比是怎樣，這才能算是一個落地的場景。比如：客服助手場景、在線客服場景、對員工服務(wù)的共享服務(wù)中心、業(yè)務(wù)陪練、加盟商指導(dǎo)、數(shù)字教練、客戶篩選、客戶孵化、邀約到店等等。這些場景的第一階段目標(biāo)都是成為員工的數(shù)字助理提升效率，當(dāng)數(shù)字助理有了極高的準(zhǔn)確率和采納率后，就可能直接替代部分真人工作，這些單點場景在有一定規(guī)模的企業(yè)里，其投入產(chǎn)出比非常高。除了知識庫，智能工單在很多大企業(yè)也應(yīng)用得特別好。例如：通過RPA機(jī)器人自動感知微信上內(nèi)外部聊天內(nèi)容，自動創(chuàng)建、處理、流轉(zhuǎn)工單，包括對工單數(shù)據(jù)進(jìn)行分析和預(yù)測。把業(yè)務(wù)專家的能力萃取出來后，它的感知和分析能力會比人更穩(wěn)定、更可靠。我們有客戶的客服團(tuán)隊有幾百人，水平參差不齊，借助AI后相當(dāng)于每個客服旁邊都坐著一位業(yè)務(wù)專家，直接給出85分以上的意圖識別和處理建議。我再舉個具體的審核場景例子。我們有個客戶去年一期項目用AI支撐近千家經(jīng)銷商，今年的二期項目做業(yè)務(wù)審核。他們目前有500人的業(yè)務(wù)審核團(tuán)隊，預(yù)計今年業(yè)務(wù)量要翻倍。如果不引入AI，他們的客服審核團(tuán)隊要再招500人。在他們的審核流程中有六個步驟，例如：信息審核時要處理不同區(qū)域的電費劃轉(zhuǎn)單、各省不同的購售電合同、投資項目備案證等；技術(shù)審核時要檢查光伏組件安裝是否被遮擋、施工規(guī)范是否符合要求等。過去一個資深審核員處理一單要15～20分鐘，現(xiàn)在用AI輔助1～2分鐘就能搞定。企業(yè)里有很多依賴資深的業(yè)務(wù)專家的場景，這些業(yè)務(wù)專家的知識、經(jīng)驗和流程萃取出來之后，AI掌握后往往比人做得更好，而且不需要考慮人員流動的問題。過去兩年，我們看到很多類似的場景，企業(yè)規(guī)模越大、同一個崗位影響的人越多邊際成本越低，AI帶來的ROI就越大。比技術(shù)和產(chǎn)品更重要的是方法論崔強(qiáng)：現(xiàn)在很多SaaS企業(yè)都在考慮AI落地的問題。AI到底要怎么幫助我們這些SaaS企業(yè)實現(xiàn)真正的落地？現(xiàn)在很多廠商都想要嘗試，但是不知道具體該怎么開始，需要投入多少資源，以及能帶來什么樣的實際價值。郭總，聽說你們已經(jīng)在做這方面的落地實踐，馬上要發(fā)布新產(chǎn)品了，能具體說說嗎？郭舜日：我結(jié)合我們的實踐經(jīng)驗來說說。從技術(shù)實現(xiàn)的角度來看，AI落地可以分成三個主要的階段，每個階段的難度和投入都不一樣。第一個階段是提示詞工程（PromptEngineering）。這個階段主要是利用現(xiàn)有的大模型技術(shù)，通過優(yōu)化提示詞來解決具體的業(yè)務(wù)場景問題。根據(jù)我們的實踐，只是做好提示詞工程就能解決80%左右的常見業(yè)務(wù)場景。比如我們現(xiàn)在做的OCR場景，就是通過多模態(tài)技術(shù)加上精心設(shè)計的提示詞，已經(jīng)能夠完美替代傳統(tǒng)方案。還有我們即將發(fā)布的AI助理產(chǎn)品，以及像Manus展示的那些閉環(huán)應(yīng)用案例，核心都是基于提示詞構(gòu)建的任務(wù)流程。楊芳賢：不過要說明的是，提示詞工程在POC階段可以用來快速場景驗證，應(yīng)用到生產(chǎn)環(huán)境，光靠提示詞是不夠的。郭舜日：確實是這樣。所以，第二個階段就是RAG增強(qiáng)。這個階段難度會大一些，主要是通過知識補(bǔ)充和能力增強(qiáng)來解決更復(fù)雜的業(yè)務(wù)問題。我舉個具體的例子，很多企業(yè)都在用BI系統(tǒng)，但老板們經(jīng)常用不起來，因為每次想看個報表都得找數(shù)據(jù)工程師專門配置。我們現(xiàn)在做的方案是，通過RAG技術(shù)把歷史報表數(shù)據(jù)向量化，當(dāng)老板說“我想看最近一個月銷售對利潤的貢獻(xiàn)情況”時，AI就能自動生成相應(yīng)的復(fù)雜報表。知識庫建設(shè)也是類似的原理，但這里特別要注意向量化的質(zhì)量，這個很關(guān)鍵。第三個階段就是模型微調(diào)。當(dāng)業(yè)務(wù)場景需要帶入大量上下文信息時，可能就需要對基礎(chǔ)模型進(jìn)行微調(diào)了。這個階段的投入會比較大，因為要構(gòu)建自己的專用模型，硬件投入可能要幾十萬到上百萬。所以，要不要走到這一步，需要仔細(xì)評估業(yè)務(wù)價值。我們內(nèi)部現(xiàn)在就是按照這三個階段來規(guī)劃AI應(yīng)用的，從提示詞工程開始，逐步推進(jìn)到RAG增強(qiáng)，最后根據(jù)業(yè)務(wù)需要決定是否進(jìn)行模型微調(diào)。崔強(qiáng)：芳賢，剛才有不同意見，你們看到的相對成熟的落地方法論是什么？楊芳賢：在參與運營LangGPT提示詞社區(qū)時，我們和客戶一起共創(chuàng)了一套被廣泛認(rèn)可的大模型落地應(yīng)用“三步走”方法論。我們認(rèn)為企業(yè)落地大模型可以分三步走。第一步是“工作+AI”。就是讓大模型提升全員的工作效率。很多人認(rèn)為大模型只在企業(yè)內(nèi)少數(shù)崗位，例如：文案、設(shè)計、開發(fā)等崗位提效顯著。其實不是這樣。我們看到在企業(yè)內(nèi)，每一個部門、每個崗位，借助AI都能獲得不同程度的效率提升，只是有些崗位能提效5倍～10倍，而有些可能只提效5%～10%。而且落地“工作+AI”幾乎沒有門檻，甚至零投入，但需要企業(yè)有AI文化，老板有AI思維，在企業(yè)內(nèi)部營造AI的氛圍，鼓勵大家工作中能用上的AI工具都盡量能用上。第二步是“業(yè)務(wù)+AI”。就是讓大模型掌握企業(yè)的知識和流程成為AI生產(chǎn)力。今天基于大模型構(gòu)建AI生產(chǎn)力有兩種范式，一種是替代簡單的重復(fù)性的腦力勞動，另一種是輔助創(chuàng)造研究型的腦力勞動。讓大模型掌握企業(yè)的知識和流程不是和大模型對話或者將企業(yè)的知識一股腦的上傳就完成了，將企業(yè)的知識進(jìn)行清洗和加工是前提，上線后持續(xù)的調(diào)優(yōu)是效果越來越好的關(guān)鍵步驟。讓大模型像剛?cè)肼毜男聠T工一樣，先掌握基礎(chǔ)的企業(yè)知識和作業(yè)流程，然后再基于數(shù)據(jù)持續(xù)的迭代。就像招個985畢業(yè)生，在熟悉了公司的知識和流程后才能上崗，在日積月累的工作中能力不斷的提升。第三步是“AIx業(yè)務(wù)”。這個階段是以AI為基礎(chǔ)重構(gòu)產(chǎn)品和服務(wù)流程。就像今天所有企業(yè)都是互聯(lián)網(wǎng)企業(yè)、電商企業(yè)一樣，未來所有企業(yè)都會是AI企業(yè)。也可以分享一下我們在實際落地應(yīng)用的最佳實踐的幾個關(guān)鍵點：一是企業(yè)內(nèi)領(lǐng)導(dǎo)層、管理層和骨干員工對大模型的能力邊界要有統(tǒng)一的認(rèn)知。今天我們大多數(shù)對大模型的了解來自短視頻和各種自媒體的推送，自媒體為了抓眼球往往只報道極端條件下的成功案例，與實際的落地應(yīng)用有很大差距。二是了解行業(yè)內(nèi)的先進(jìn)企業(yè)及跨界的先進(jìn)企業(yè)的真實案例拆解。不只是看媒體的宏觀報道，而是看企業(yè)配置了什么資源，真實做了什么、踩了什么坑、投入產(chǎn)出比如何。三要先聚焦單個場景進(jìn)行試點。現(xiàn)在很少有企業(yè)有專業(yè)的AI團(tuán)隊，臨時組建的AI虛擬團(tuán)隊一定要先集中資源做好一個場景。一個場景驗證成功后，代表這個企業(yè)、這個團(tuán)隊有駕馭大模型的能力，一個場景拿到超出預(yù)期的效果再擴(kuò)展到其他場景會容易很多。今天落地應(yīng)用大模型技術(shù)和產(chǎn)品很重要，比技術(shù)和產(chǎn)品更重要的是落地方法論。相比于已經(jīng)發(fā)展了20年的數(shù)字化，大模型進(jìn)入到產(chǎn)業(yè)才2年多時間，能力變化也很快。落地應(yīng)用遇到挑戰(zhàn)是普遍現(xiàn)象，全球范圍內(nèi)都缺乏成熟案例，最頂級咨詢公司也是在探索階段。在這個過程中，找到正確的落地方法和靠譜的落地團(tuán)隊比單純追求技術(shù)更重要。別做“半吊子”產(chǎn)品崔強(qiáng)：沈旸，你剛才提到自媒體的局限性，但我覺得新媒體人還是有價值的，畢竟不是每個企業(yè)都有像你這樣的專業(yè)CIO。你怎么看這個問題？能不能分享些實際踩過的坑？沈旸：我舉個去年底的例子。我們嘗試做一個智能會議室預(yù)定場景，聽起來很簡單：讓AI根據(jù)“朝南”“看海”這種需求自動選會議室。這需要解決幾個問題，給會議室打標(biāo)簽、讓AI看懂平面圖方位、處理企業(yè)微信里的聯(lián)系人（包括重名情況），還要解析“下個月第二天”這種模糊時間表達(dá)。我們半天就搭了個原型，但實際使用發(fā)現(xiàn)問題很大——時間理解準(zhǔn)確率70%，地點匹配80%，人員識別80%，三個維度一疊加，結(jié)果完全沒法用。后來我們沒急著調(diào)模型，而是做了兩件事，一是用AI生成測試數(shù)據(jù)集，比如針對時間維度造了2000多條“下周二”“大下周”之類的樣本；二是拿這個數(shù)據(jù)集持續(xù)測新模型，直到去年10月發(fā)現(xiàn)某家模型的時間解析突然做到100%準(zhǔn)確（雖然理論上大模型是概率模型，但實測結(jié)果就是全對）。如果一個場景一周內(nèi)搞不定，說明要么團(tuán)隊能力不足，要么技術(shù)還不成熟。去年我們做了一個類似Manus的金融版AI工作流，但當(dāng)時開源工具鏈殘缺，評估要縫上百個接口，直接放棄。技術(shù)迭代快得很，去年6月國內(nèi)能私有部署70B模型（具有700億個可訓(xùn)練參數(shù)），年底Claude和DeepSeek出來又是質(zhì)變。現(xiàn)在每季度回頭測舊場景，發(fā)現(xiàn)很多過去做不到的現(xiàn)在能做了。我們最后把AI深度嵌到企業(yè)微信，員工不用跳轉(zhuǎn)系統(tǒng)，直接聊天界面就能用。比如設(shè)計師做了個吉祥物生成工具，運營同事機(jī)器人10秒出圖，以前找設(shè)計部排隊得等半天。所以，要么做成“開箱即用”的閉環(huán)（比如集成到釘釘/企微），要么明確測試標(biāo)準(zhǔn)，耐心等機(jī)會，千萬別做個半吊子功能，既浪費資源，又透支團(tuán)隊信任——用戶試兩次不好用，以后連AI本身都不信了。“數(shù)據(jù)安全”不再是企業(yè)落地大模型的主要障礙崔強(qiáng)：一個網(wǎng)友的問題：企業(yè)在引入AI過程中如何防護(hù)數(shù)據(jù)安全，有哪些泄露風(fēng)險點？特別是需要私有化部署的企業(yè)，目前他們可能更關(guān)心這個問題。我看你今年給很多大企業(yè)、國央企講過課，他們肯定很關(guān)心安全問題。這個有解嗎？怎么解？楊芳賢：關(guān)于大企業(yè)通過私有化部署來解決數(shù)據(jù)隱私和大模型的安全問題，有兩個維度的私有化：第一個是中間層應(yīng)用私有化部署，比如Agent平臺，語料向量數(shù)據(jù)庫部署在內(nèi)部，但模型層通過開發(fā)者接口接入。這種情況下，大模型廠商用自己的商業(yè)背書承諾不會把這些接口數(shù)據(jù)用于模型訓(xùn)練。如果不是涉密部門，這種模式是值得信任的。就像今天我們使用公有云一樣，對大模型廠商來說，單個企業(yè)的數(shù)據(jù)意義并不大，他們愿意用商業(yè)信用做背書，這個方案是OK的。所以企業(yè)可以把涉及企業(yè)內(nèi)部流程、知識的Agent平臺，語料向量數(shù)據(jù)庫部署在自己本地。當(dāng)然對于黨政機(jī)關(guān)、軍工企業(yè)、涉密機(jī)構(gòu)等特殊部門，他們需要基座模型都做私有化部署。這也是為什么今年DeepSeek開年之后就出圈了，各行各業(yè)都非常關(guān)注。因為過去的開源模型和國產(chǎn)模型能力跟OpenAI還是有一定的差距，但DeepSeek的R1模型已經(jīng)接近甚至在某些中文場景下超越了OpenAI的o1模型。而且它開源后可以做私有化部署，這就解決了大家過去只能用少量脫敏后的數(shù)據(jù)測試體驗一下，現(xiàn)在可以大規(guī)模的應(yīng)用在工作生產(chǎn)環(huán)境了。如果基座模型也做了本地化部署，那么它的安全問題其實和數(shù)字化時代的安全管理非常類似。針對大模型也有一些額外的安全防控點，很多安全廠商也給出了解決方案。所以，安全不是落地應(yīng)用大模型的主要障礙。前兩年大家還在討論要不要上、怎么接入的問題，而今天已經(jīng)變成討論怎樣借助大模型構(gòu)建AI生產(chǎn)力了。今年，我們看到很多企業(yè)都在找具體場景，思考怎樣融入業(yè)務(wù)。數(shù)據(jù)安全現(xiàn)在對企業(yè)落地大模型來說，已經(jīng)不是一個很重要的門檻了。企業(yè)“上云”，還是“下云”？崔強(qiáng)：今天的DeepSeek對企業(yè)軟件到底是利好還是利空？回到SaaS這部分，DeepSeek會不會使得業(yè)務(wù)部門傾向于自己私有部署，這會是一個“下云”的趨勢嗎？會不會影響現(xiàn)有SaaS軟件公司的業(yè)務(wù)？郭舜日：數(shù)據(jù)安全確實是非常敏感的問題。我們這些做了十幾年的SaaS服務(wù)商，在安全方面都有保障和承諾。像我們服務(wù)的中國郵政、民航等大型企業(yè)，500多個分公司、3000多個賬號都在我們平臺上運行，已經(jīng)建立了對SaaS軟件的信任。但AI帶來的新問題是，當(dāng)數(shù)據(jù)都在公有云平臺時，通過大數(shù)據(jù)挖掘可以分析出企業(yè)自己都還沒總結(jié)出的商業(yè)邏輯和規(guī)則。去年9月，我們?nèi)ッ绹疾鞎r發(fā)現(xiàn)，SAP的很多大型客戶正從公有云轉(zhuǎn)向私有云部署，就是擔(dān)心公有云廠商可能利用平臺數(shù)據(jù)挖掘能力來服務(wù)整個行業(yè)。這對數(shù)據(jù)貢獻(xiàn)最大的企業(yè)來說確實存在戰(zhàn)略顧慮。不過對中小企業(yè)來說，它們既沒有足夠數(shù)據(jù)量，也沒有能力進(jìn)行獨立的數(shù)據(jù)挖掘。所以我認(rèn)為會有兩個趨勢：一是超大型企業(yè)可能會選擇私有化部署，出現(xiàn)“下云”趨勢；二是大多數(shù)企業(yè)還是會相信SaaS服務(wù)商，因為單個企業(yè)的數(shù)據(jù)價值有限，而SaaS廠商可以提供行業(yè)級的AI賦能。崔強(qiáng)：沈旸，從客戶角度你怎么看？“下云”和“上云”會是什么比例？沈旸：我以前在企業(yè)提出過“敏變穩(wěn)”架構(gòu)：SaaS軟件+開源低代碼+商業(yè)ERP套件。現(xiàn)在AI可能會替代原來的低代碼場景，業(yè)務(wù)部門不再需要拖拉拽，直接通過AI對話就能調(diào)用API獲取數(shù)據(jù)。對于SaaS軟件來說，如果軟件不持續(xù)迭代，客戶很可能會用AI在內(nèi)部復(fù)制一套。很多客戶其實只用到SaaS軟件的少數(shù)功能，以前用低代碼重建很困難，但現(xiàn)在AI讓這事變得簡單。未來，要讓大企業(yè)真正使用SaaS，必須做到功能持續(xù)迭代，提供實時更新的數(shù)據(jù)服務(wù)，比如提供股票信息的SaaS，因為數(shù)據(jù)實時更新才有價值。如果軟件功能或信息常年不變，客戶就沒必要用SaaS。楊芳賢：從企業(yè)視角看，DeepSeek這類模型的本地化部署是增量業(yè)務(wù)，不會影響企業(yè)現(xiàn)有的云策略。算力也不一定要本地部署，也可能在云計算廠商租用算力私有化部署，而且算力成本正在急劇下降，未能相同能力的模型尺寸會越來越小。未來的趨勢是云側(cè)的大尺寸模型和端側(cè)的小尺寸模型的混合協(xié)同架構(gòu)，所以云上的比例未必會下降。從SaaS服務(wù)商角度看，過去依賴閉源大模型，現(xiàn)在可以用開源模型開發(fā)更匹配場景的應(yīng)用，模型部署在云端，通過集中調(diào)度能大幅降低成本。所以不一定是“下云”，部分業(yè)務(wù)“下云”，但更多業(yè)務(wù)會“上云”，整體對云服務(wù)還是利好的。崔強(qiáng)：今天我還見了個投資人，他們非常看好這波Agent浪潮會催生全新的服務(wù)形態(tài)。就像沈旸說的“ServiceasaService”，關(guān)鍵是要能交付明確價值的服務(wù)。我們把服務(wù)分為兩類：開源（創(chuàng)收）型和節(jié)流型，但都需要清楚計算出為客戶解決了什么問題，創(chuàng)造了多少價值。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
04/19
科技大廠掀起醫(yī)療界的AI革命，誰更有勝算？
醫(yī)療AI的改革正如火如荼，多家大廠紛紛下場，結(jié)果又會鹿死誰手？近兩年，在大模型領(lǐng)域，國內(nèi)外科技巨頭在醫(yī)療賽道的布局都持續(xù)加速。王小川甚至曾高調(diào)宣稱，醫(yī)療是“大模型‘皇冠上的明珠’”。醫(yī)療場景對AI的需求的確很高：數(shù)以萬計的藥品、繁瑣又重復(fù)的閱片工作，乃至厚厚一摞專業(yè)書籍和臨床指南……借助“硅基生物”的能力解決“碳基生物”的“看病貴看病難”“醫(yī)療資源不均”等問題，毫無疑問代表著科技的未來。正因如此，自最早的“互聯(lián)網(wǎng)+”開始算起，從影像到病理診斷、從手術(shù)機(jī)器人到醫(yī)療大模型，AI在醫(yī)療領(lǐng)域引起的投資熱潮和市場關(guān)注始終不減。但客觀上，醫(yī)療AI的真正落地，離不開技術(shù)、產(chǎn)品、醫(yī)患教育、政策監(jiān)管等多維度的合力。這也是過去10多年來，醫(yī)療AI概念下的許多企業(yè)始終沒能突破商業(yè)化瓶頸的原因。如今，隨著大模型技術(shù)又一次突破邊界，過去困擾醫(yī)療AI企業(yè)的諸多問題，有望迎來一個新解法。各大企業(yè)加碼布局，或許只是開始。在這場由大模型掀起的醫(yī)療AI“革命”中，誰在搶跑？誰能成功？一、生成式AI，可能改變哪些醫(yī)療問題小到基層衛(wèi)生院，大到頭部三甲，醫(yī)院爭相部署自己的大模型應(yīng)用，堪稱2025年春節(jié)后醫(yī)療行業(yè)的第一個“奇觀”。坦誠說，醫(yī)生群體中雖不乏樂于擁抱新技術(shù)者，但“保守派”仍是大多數(shù)。相比于有事問AI，他們更信任從埋頭苦讀和臨床實踐中獲得的“真知”。那么，認(rèn)知是如何打破的？韓偉如今是首都醫(yī)科大學(xué)附屬北京中醫(yī)院的信息科主任，最近，他們接入了螞蟻醫(yī)療大模型，其具備醫(yī)學(xué)思維推理能力與多模態(tài)交互，“不僅能給出解決方案，也會呈現(xiàn)思考過程”?！斑@對醫(yī)生而言具有特別意義，因為我們想要的不僅是一個結(jié)果，更希望能參考它的思路，將來在遇到同類問題時，可以按照這個思路去思考。”他以一位意識喪失、無法進(jìn)行心梗診斷的患者舉例，往常，醫(yī)院在接診這類病例時只能召集多學(xué)科會診，存在耗時長、效率低下等問題。但這一次，大模型只是根據(jù)患者既往接診數(shù)據(jù)和病史情況，就逐步完成了病情分析和診斷建議，并對潛在風(fēng)險進(jìn)行了提示?！罢麄€思路和結(jié)果與我們找的兩位真人專家的診療建議基本一致。說明大模型的確可以幫我們省去一些會診步驟，讓醫(yī)生將更多診療時間集中在病人身上。”韓偉解釋。這種“AI更好用”的體驗背后，主要得益于大模型的技術(shù)升級。有醫(yī)療大模型從業(yè)者介紹，如果對比兩代AI技術(shù)，此前2.0時期的醫(yī)療AI更像是“判別式AI”，更擅長基于影像、推演數(shù)據(jù)做醫(yī)學(xué)診斷問題；而基于生成式大模型的3.0時期，則是在做“序列預(yù)測模型”，即可以根據(jù)個人歷史健康數(shù)據(jù)序列，預(yù)測未來的健康狀態(tài)和疾病發(fā)展情況，進(jìn)而形成個人的健康發(fā)展軌跡。而這道軌跡，對“個性化治療和精準(zhǔn)健康管理極具價值”。換句話說，過去，人們雖能感受到AI帶來的就醫(yī)服務(wù)升級（如AI預(yù)問診），但體驗上好像總差了點意思，是因為醫(yī)療服務(wù)的供應(yīng)并未真正發(fā)生變化，核心勞動力仍然是醫(yī)生。而如今，大模型技術(shù)帶來的“生產(chǎn)力變革”，得以讓AI開始深入醫(yī)療前端，通過更高質(zhì)量的輔助能力讓整個供應(yīng)資源得到擴(kuò)展。“有些變化看起來很小，比如遠(yuǎn)程會診效率提升10分鐘，但對患者而言就搶回了不止1小時。在過去與醫(yī)療服務(wù)從業(yè)者的深度合作中，我們也更加確定了AI醫(yī)療的價值。”螞蟻方面解釋。不再是“取代醫(yī)生”或“爆改醫(yī)療”，10余年探索之后，科技公司們終于尋找到了AI技術(shù)與人類醫(yī)生間的“平衡點”，即通過推動醫(yī)療資源擴(kuò)容與服務(wù)普惠，比如更快縮小各級醫(yī)院之間的診療差距、提升醫(yī)生看新文獻(xiàn)、研究病例、病患管理等方面的效率，讓每個人都能擁有自己的高質(zhì)量“AI私人醫(yī)生”。尤其是今年，DeepSeek的“出圈”，更以洶涌之勢在專業(yè)醫(yī)療機(jī)構(gòu)、普通大眾之間完成了一場“AI使用教育”，讓AI更深入地滲透進(jìn)醫(yī)療場景成為可能。這份潛力，為各大科技巨頭、互聯(lián)網(wǎng)公司再一次“押寶”醫(yī)療AI注入信心。二、取勝關(guān)鍵：醫(yī)療資源的爭奪戰(zhàn)當(dāng)大模型技術(shù)為從業(yè)者帶來了足夠信心之后，下一個問題隨之到來：如何讓自己的產(chǎn)品在諸多競爭者中勝出？在醫(yī)療AI領(lǐng)域的諸多探索和敘事中，不變的一點始終是以醫(yī)院為核心的醫(yī)療資源爭奪。訓(xùn)練模型需要診療記錄、影像報告等高質(zhì)量醫(yī)療數(shù)據(jù)，培養(yǎng)模型的“醫(yī)生”思維需要在具體科室里做針對性訓(xùn)練……換言之，誰覆蓋的優(yōu)質(zhì)醫(yī)院更多，勝算自然會更高些。新老玩家中，對于代表了老玩家的老牌醫(yī)療信息化企業(yè)、設(shè)備廠商而言，既往積累的渠道優(yōu)勢自然成為手中最大的底牌，而作為新銳玩家的科技公司們，不少則選擇利用自己在算力、算法上的優(yōu)勢，通過和頭部醫(yī)院合作開發(fā)大模型來彌補(bǔ)這部分短板。但與醫(yī)院的深度結(jié)合需要時間，無論是哪一方參與者，對醫(yī)院的覆蓋動作其實都是遲緩且有限的。是否有一種更輕盈些的方法？諸多案例中，螞蟻的“長板”或許是略微不同的一種。螞蟻最早的互聯(lián)網(wǎng)醫(yī)療經(jīng)驗，應(yīng)該從2014年在廣州婦女兒童醫(yī)療中心開通支付寶掛號和繳費開始算起。截至目前，借由支付環(huán)節(jié)的打通，螞蟻已聯(lián)合3600家醫(yī)院、服務(wù)超8億用戶。時至今日，仍然很難說有第二家互聯(lián)網(wǎng)醫(yī)療公司能夠復(fù)制這點。天平的一端面向醫(yī)院：通常情況下，醫(yī)院對軟件類企業(yè)放開的合作往往只是一個小端口，比如面向某個科室。但在支付這個“總環(huán)節(jié)”上，整個醫(yī)院的系統(tǒng)流程一定是向支付寶開通的，這意味著與醫(yī)院擁有更深的合作基礎(chǔ)。這也為螞蟻將大模型等更深度介入醫(yī)療服務(wù)的產(chǎn)品帶入院內(nèi)，奠定了一定基礎(chǔ)。天平的另一端則面向用戶。互聯(lián)網(wǎng)是患者獲得醫(yī)療信息最重要的渠道之一。不過，常規(guī)的搜索平臺、內(nèi)容平臺雖數(shù)量眾多，但能帶來優(yōu)質(zhì)使用體驗者寥寥。直到今天，國內(nèi)其實都尚未出現(xiàn)一個足夠完備且深受患者信賴的互聯(lián)網(wǎng)醫(yī)療健康平臺。而依托于支付寶“超級平臺”提供的獨特落地通道，螞蟻其實已經(jīng)先一步完成了用戶使用支付寶解決健康問題的市場教育。如今，許多患者已經(jīng)習(xí)慣了不帶醫(yī)?？ǎ蜷_支付寶也能在醫(yī)院簽到候診、繳費拿藥。而支付寶首頁的“醫(yī)療健康”模塊里，也已聚合了全國九成以上的三級醫(yī)院，覆蓋買藥、體檢等上百種服務(wù)，為用戶提供更便捷的健康服務(wù)體驗。歸根結(jié)底，在核心醫(yī)療資源的“搶奪”戰(zhàn)里，所有參與者其實都是在用自己之前鋪的渠道，做更擅長的事情。諸多玩家中，螞蟻憑借此前在互聯(lián)網(wǎng)醫(yī)療領(lǐng)域的長期深耕，或許會成為一個“全面布局、深度下場”的樣本。三、聯(lián)動醫(yī)院、醫(yī)生、用戶，構(gòu)建“生態(tài)壁壘”是不是解題新思路當(dāng)掌握關(guān)鍵的醫(yī)療資源后，再下一步是什么？過去，不少醫(yī)療AI企業(yè)在從事產(chǎn)品開發(fā)時的問題在于，受限于經(jīng)驗和資源，往往會從某個單點切入，比如圍繞放射科做AI閱片、輔助診斷等。而整個院內(nèi)醫(yī)療體系龐大且復(fù)雜，牽扯的鏈條很多，這樣“單點切入”的方式能解決的問題始終有限。正因如此，我們可以看到，一些醫(yī)療AI概念企業(yè)、大模型創(chuàng)業(yè)公司，的確做到了在短期內(nèi)通過技術(shù)或商業(yè)模式上的創(chuàng)新在市場中突圍，但很難構(gòu)成長期壁壘。醫(yī)療AI競爭“內(nèi)卷”的態(tài)勢下，豐富的產(chǎn)品矩陣和生態(tài)“護(hù)城河”，或許是更難被復(fù)制的決勝關(guān)鍵。對此，螞蟻方面也對36氪提到，大模型即產(chǎn)品，很多場景下的功能點都可以在一個對話框里解決掉。但在醫(yī)療行業(yè)，一個產(chǎn)品很難“打天下”，不同場景下AI能辦的事不一樣，滿足需求的邏輯也不一樣。因此，“我們從2023年開始研發(fā)醫(yī)療大模型時，就決定要和醫(yī)療機(jī)構(gòu)深度合作，介入到完整的傳統(tǒng)醫(yī)療場景中”。螞蟻宣布整合現(xiàn)有資源，進(jìn)行以醫(yī)療大模型為基礎(chǔ)的“三端一體”戰(zhàn)略布局，完成醫(yī)院、醫(yī)生、用戶三大產(chǎn)品體系升級，正是出于這個原因。所謂“三端一體”，即面向醫(yī)療機(jī)構(gòu)推出可供其直接部署的“大模型一體機(jī)”全棧式解決方案；面向旗下好大夫平臺上28萬注冊醫(yī)生的AI醫(yī)生助手工具，提供文獻(xiàn)檢索、科研助手服務(wù)，以及服務(wù)于用戶一側(cè)的“AI健康管家”。這樣的布局，并非是盲目將攤子鋪開，每一項針對的都是當(dāng)下某個醫(yī)療環(huán)節(jié)中的痛點。以“AI健康管家”為例，這項服務(wù)核心定位于服務(wù)普通用戶找醫(yī)生、讀報告、陪診等日常剛需的醫(yī)療服務(wù)。自去年9月上線的半年多來，該產(chǎn)品服務(wù)的用戶量已達(dá)到4000萬。值得一提的是，整個過程中，螞蟻也不是一味自己“死磕”，而是邀請行業(yè)伙伴進(jìn)行深度共建。比如在硬件部署上，螞蟻就聯(lián)合了華為、阿里云等廠商推出“訓(xùn)推一體，開箱即用”的輕量化設(shè)計；在大模型技術(shù)能力之外，則攜手醫(yī)療機(jī)構(gòu)一起實現(xiàn)應(yīng)用層面創(chuàng)新，比如和浙江衛(wèi)健委聯(lián)合推出的官方AI健康應(yīng)用“安珍兒”，現(xiàn)已覆蓋超1000家公立醫(yī)院、服務(wù)超3000萬人次。過去，單打獨斗難有出頭之日。如今，平臺型企業(yè)依托“場景+技術(shù)+開放生態(tài)”的獨特路徑布局，能不能為醫(yī)療AI搏出一個未來？本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
04/19
AI時代的軟件開發(fā)：提示驅(qū)動開發(fā)
從語法流暢到架構(gòu)理解的范式轉(zhuǎn)移編者按：大模型的文生文能力正在引發(fā)軟件開發(fā)的范式轉(zhuǎn)移，下一代的軟件開發(fā)將由提示驅(qū)動，開發(fā)者不會消失，但溝通能力與戰(zhàn)略思維會變得更加重要。我在感恩節(jié)期間開發(fā)了一個應(yīng)用，很快就收獲了1000名用戶，并在圣誕節(jié)前實現(xiàn)盈利。但最瘋狂的是……我本人一行代碼都沒寫。那都是我一步步指導(dǎo)大模型（LLM）寫的，我們一起開發(fā)了一個全棧的NodeJS/React應(yīng)用，這個應(yīng)用帶有PostgreSQL數(shù)據(jù)庫，實現(xiàn)了與Stripe的集成，托管在Heroku上，用SendGrid發(fā)送電子郵件，用CloudFlare進(jìn)行DNS處理。此后我一直都在思考提示驅(qū)動開發(fā)的事情，琢磨著該怎么做才好，思考其對行業(yè)發(fā)展的意義。以下就是我的想法。▋概要什么是提示驅(qū)動開發(fā)（PDD）？工具與工作流成功的心智模式行業(yè)影響▋什么是提示驅(qū)動開發(fā)（PDD）？從本質(zhì)上講，PDD是一種開發(fā)工作流程，開發(fā)人員主要促使LLM生成所有必要的代碼。讓我們將其與傳統(tǒng)開發(fā)進(jìn)行對比。PDD本質(zhì)上是這么一種開發(fā)范式：開發(fā)者主要通過向LLM提供提示（prompt）來生成所有的必要代碼。我們來跟傳統(tǒng)開發(fā)模式對比一下。傳統(tǒng)軟件開發(fā)的高階流程通常是這樣的：1.開發(fā)者收到需求2.開發(fā)人員在IDE本地迭代代碼變更3.開發(fā)者提交代碼變更以供審查4.另一位開發(fā)者審查并合并變更傳統(tǒng)開發(fā)的高階流程相比之下，PDD有幾個關(guān)鍵區(qū)別。首先，LLM會參與并編寫主要（甚至全部）代碼。其次，開發(fā)者專注于提示工程和代碼審查，而不是自己編寫代碼。除此之外，其余流程大致是相同的。高階提示驅(qū)動開發(fā)流程：1.開發(fā)者收到需求2.開發(fā)者將需求分解為一系列提示*3.LLM針對每個提示生成代碼4.開發(fā)者審查LLM生成的代碼*5.開發(fā)者提交所有變更以供審核6.另一位開發(fā)者審查并合并變更提示驅(qū)動開發(fā)高階流程*我想強(qiáng)調(diào)幾個步驟。1.“將需求分解為提示”是一項新技能，需要學(xué)習(xí)和練習(xí)。我會在“思維模式”章節(jié)討論怎么做。2.“審查LLM生成的代碼”至關(guān)重要。你不會不假思索就合并進(jìn)人工編寫的代碼，所以對LLM編寫的代碼也別這樣做！▋給誰用？簡而言之，每個人。我曾經(jīng)跟一位資深工程師交流過，他們正在用這種做法開發(fā)極具創(chuàng)新性的技術(shù)。我的一位朋友甚至用PDD從頭開始做出了自己的編程語言。我也接觸過一些非技術(shù)人員，這些人能開發(fā)出功能完備的原型，甚至有人還部署到生產(chǎn)環(huán)境并吸引到用戶了。LLM最驚人的特性之一就是大幅降低了編程門檻，讓零技術(shù)經(jīng)驗的人也能生成可運行的代碼。但我認(rèn)為有類人群特別適合這種技術(shù)：那就是具有技術(shù)背景但轉(zhuǎn)型從事產(chǎn)品、戰(zhàn)略或設(shè)計工作的人。這當(dāng)中包括技術(shù)產(chǎn)品經(jīng)理、技術(shù)設(shè)計師以及工程經(jīng)理等。由于我的個人背景與此類似（開發(fā)者→用戶體驗→產(chǎn)品經(jīng)理），所以我對PDD的熱情可能有些偏頗。這種技能組合之所以能夠從PDD獲益，是因為這些人可能對軟件工作原理具備了架構(gòu)上的理解，但對編程語法卻不太熟悉。由于LLM可以幫忙處理語法，因此語法不熟練不再是制約因素。通過PDD，他們可以高效、無拘束地進(jìn)行開發(fā)。▋工具和工作流基礎(chǔ)模型以下是可編寫代碼的一些LLM。隨著新模型不斷被訓(xùn)練并部署到市場上，這個領(lǐng)域會非?；钴S，充滿活力。就PDD而言，需關(guān)注：·我通常用Claude3.5Sonnet、GPT4o和GPTo1·對各種模型的編碼能力進(jìn)行測試的基準(zhǔn)測試有很多。選擇模型時請參考最新的基準(zhǔn)測試這些基準(zhǔn)數(shù)據(jù)可能已過時聊天工具ChatGPT，Claude，Gemini常規(guī)聊天工具可作為PDD的一個選項。就我個人而言，我更喜歡大模型原生IDE，但我訪談過的幾位開發(fā)者都用了聊天工具，因為比較簡單。因為要給LLM提供一切適當(dāng)?shù)纳舷挛?，然后還要將輸出粘貼到代碼庫中，這種做法的人工操作更多，但用起來是沒問題的。其工作流如下：1.給LLM寫提示2.從代碼庫中復(fù)制所有必要的代碼上下文，并將其作為提示的一部分3.復(fù)制LLM生成的代碼4.將代碼輸出粘貼到代碼庫中的正確位置雖然我的主要工作流不是這樣，但PDD過程中也會偶爾使用。如果要嘗試這種方式，強(qiáng)烈推薦使用ClaudeProjects或ChatGPTProjects功能，你可用來組織文件和聊天記錄，極大提升上下文管理效率。ChatGPTProjectLLM原生IDECursor、Windsurf、Bolt、v0、Replit工具這些工具徹底改變了游戲規(guī)則。它們將LLM集成到IDE中，相比聊天模式有兩大優(yōu)勢：1.為LLM提供代碼上下文非常容易2.LLM能夠直接在IDE中編輯你的文件這顯著加快了代碼生成反饋循環(huán)，無需反復(fù)復(fù)制粘貼到IDE內(nèi)。此類工具層出不窮，我個人用的是Cursor。說實話，這些工具大同小異：Replit可自動部署代碼庫，Windsurf與GitHub集成等，但核心價值都在于簡化PDD的用戶體驗。我強(qiáng)烈建議選擇個LLM原生的IDE然后堅持用下去。在各種選項之間切換的成本非常低。關(guān)鍵要培養(yǎng)如何編寫出色提示的技能，而不是記住特定IDE的所有功能。所以選好一個，堅持用下去，聚焦在提示上。Cursor，注意右側(cè)的“Composer”窗口我的工作流我在工作流結(jié)合了ChatGPT與Cursor的使用。大致分解如下：·80%時間與Cursor交互：通過Composer功能向Claude發(fā)送提示，審查接受/拒絕修改。重復(fù)此過程。如有錯誤，我們會一起解決?！?5%時間把GPT4o當(dāng)作技術(shù)思考伙伴：處理復(fù)雜變更或新功能開發(fā)時，要求其提供技術(shù)方案并創(chuàng)建任務(wù)工單，以此作為提示輸入給Cursor，然后進(jìn)入Cursor工作流·5%的時間使用GPTo1進(jìn)行深度規(guī)劃：啟動新項目或?qū)嵤┫盗袕?fù)雜變更時，GPTo1可生成更高質(zhì)量、更長篇幅的輸出（例如一次性生成十余個任務(wù)工單）我對PDD工具使用的大致分布情況▋成功的心智模式更好的提示==LLM生成更好的代碼。垃圾進(jìn)，垃圾出，對吧？每個人的目標(biāo)、環(huán)境和技能組合都不一樣。所以這里不會告訴你究竟該怎么寫提示，而是會提供一些思維模式，這些思維模式可提高提示質(zhì)量，進(jìn)而提高生成代碼的質(zhì)量。LLM是剛加入本項目的初級開發(fā)者LLM擁有令人難以置信的編碼能力。但是，如果你是PDD新手，我強(qiáng)烈建議你先想到這一點。告訴自己，LLM是剛接觸該項目的初級開發(fā)者。在編寫提示時，要考慮到如何指導(dǎo)這類人。錯誤示范：“給我寫個可以讓朋友們發(fā)布照片并互相關(guān)注的app。”這樣絕對行不通。別這樣，你得給出很小、非常具體的變更。你可能還要提供各種相關(guān)的文件，并說明關(guān)于產(chǎn)品是什么以及別人會怎么用的一大堆信息。這是思考如何給LLM提示來生成代碼的正確方法。這樣不僅會生成更好的結(jié)果，還會迫使你更好地給出提示，你的關(guān)注點應(yīng)該在這里。更好的提示==LLM生成更好的代碼。垃圾進(jìn)，垃圾出，對吧？表現(xiàn)得像自己就是一整支產(chǎn)品團(tuán)隊一樣給LLM提供的東西不用局限在技術(shù)背景上。不妨設(shè)想自己是產(chǎn)品經(jīng)理、設(shè)計師、開發(fā)主管以及QA工程師，你可以就工作范圍提供意見。你要盡可能地模仿角色，但也不要用力過度。除了技術(shù)指導(dǎo)之外，你還應(yīng)提供：·用戶故事·業(yè)務(wù)目標(biāo)·UI描述·UX流程描述·測試計劃把這些類型的附注添加到提示中可以給LLM提供更全面的上下文，也能提高其實現(xiàn)預(yù)期目標(biāo)的能力。上下文、具體性及范圍這是調(diào)整提示時需要考慮的三個變量。這些變量跟代碼質(zhì)量的關(guān)系很簡單。為了提高LLM生成代碼的質(zhì)量，你需要：·增加提供的上下文的信息量·提高請求的具體性·縮小變更范圍為了獲得最佳輸出，你需要上下文豐富、特別具體，范圍很窄以下是我對這些術(shù)語的定義……上下文是提示提供的代碼庫片段或文件?！ど舷挛牟怀浞郑骸霸诤蠖诉M(jìn)行這些變更”·上下文豐富：“調(diào)整backend/routes/user.js文件的getMarker函數(shù)。文件在這兒，它一般會進(jìn)行交互的另外3個文件在這兒......”具體性是指請求定義得有多明確、多精確?！げ粔蚓唧w：“當(dāng)用戶單擊提交時，將其提交添加到feed中。”·非常具體：“當(dāng)用戶單擊提交時，調(diào)用saveSubmission端點將提交存儲到數(shù)據(jù)庫內(nèi)。保存后，自動調(diào)用loadFeed函數(shù)刷新前端的feed，讓用戶能夠立即看到自己的提交，而無需重新加載頁面。”范圍是要求LLM一次性變更多少東西。范圍很廣：“添加一個設(shè)置頁面，用戶可以在該頁面管理和更新賬號?！狈秶苷骸霸谠O(shè)置頁面上添加一個切換按鈕，用戶可以將自己的帳戶設(shè)置為私密或公開?！闭堄涀?，要想得到最佳輸出，上下文得豐富、請求要足夠具體，范圍不要太寬。是，寫成這樣需要時間，但寫代碼也一樣。提示成什么樣你得根據(jù)自己的技能組合來權(quán)衡。LLM寫代碼也會有bug（就像人類一樣）知道不，LLM并不完美。我和曾經(jīng)嘗試過PDD的人聊過，“因為AI產(chǎn)生了一個bug，所以我就放棄了。”我建議你不要期望過高，只需知道LLM會時不時產(chǎn)生bug就行了。這是正常開發(fā)過程的一部分，那怕是人類寫代碼也會出錯。這也是為什么在接受LLM代碼之前對其進(jìn)行審查和測試如此重要的原因。不要盲目地合并它所做的變更。人寫的代碼你不會無腦合并，那為什么LLM寫的代碼你就會無腦合并呢？如果你遇到bug的概率超過5%，請使用上述建議重新審視你的提示技術(shù)。人寫的代碼你不會無腦合并，那為什么LLM寫的代碼你就會無腦合并呢？▋行業(yè)影響門檻提高了常見誤區(qū)認(rèn)為LLM將取代開發(fā)者。更準(zhǔn)確的認(rèn)知是：對所有從業(yè)來說門檻提高了。對于技術(shù)人員來說，熟練掌握一門編程語言已不再足夠。因為這項技能可以100%外包給LLM。現(xiàn)在，開發(fā)者需要對所用的代碼庫有深入的架構(gòu)理解，并且需要具備強(qiáng)大的寫作技能，以便能夠準(zhǔn)確地向LLM表達(dá)所需做出的變更。對于非技術(shù)人員來說，能夠給開發(fā)團(tuán)隊編寫需求已經(jīng)不夠了。相反，他們還得會開發(fā)可在本地運行的功能齊全的原型。為此，他們需要具備足夠的技術(shù)知識，好向LLM描述所需的內(nèi)容，還得知道如何啟動本地Web服務(wù)器。低階工作不會消失，但工作性質(zhì)會改變最近有很多關(guān)于入門級（甚至中級）開發(fā)者角色被AI取代的討論。我知道他們想說什么，但我認(rèn)為那是不對的。其實他們是想說LLM現(xiàn)在已經(jīng)能做我們目前認(rèn)為需要入門級或中級開發(fā)者才能完成的工作了。這一點我大抵是同意的。但認(rèn)為這些角色會消失的想法是只見樹木不見森林。消滅初級和中級崗位會導(dǎo)致開發(fā)者的人才斷代?，F(xiàn)在那些高級開發(fā)者總有一天會退休的，而由于沒有人才儲備，我們沒法用足夠快的速度去替換他們。中級開發(fā)者的定義肯定會發(fā)生變化。他們需要完成的任務(wù)類型會變得更加復(fù)雜。他們可能會使用LLM來生成大量代碼。而且，他們還需要對產(chǎn)品有深入的架構(gòu)理解，并具備強(qiáng)大的書面溝通能力。軟件開發(fā)的學(xué)法不一樣了2010年代我剛開始學(xué)習(xí)軟件開發(fā)時，概念學(xué)習(xí)的順序大致是像下面這樣的：1.基本概念（變量、數(shù)據(jù)結(jié)構(gòu)等）2.語言語法和特性（我學(xué)過C++、Java、LISP、Ruby、JavaScript）3.協(xié)作（Git）4.架構(gòu)模式（前端/后端、MVC）5.之后我轉(zhuǎn)行去做產(chǎn)品了我預(yù)計現(xiàn)在對于學(xué)軟件的人來說會發(fā)生一些變化了。首先，他們不會像我一樣去學(xué)5種編程語言。沒有理由去做這樣的事情了。他們可能會學(xué)習(xí)一種語言，然后靠LLM去學(xué)習(xí)其他語言和框架。其次，他們會學(xué)習(xí)架構(gòu)模式的時間會提前，可能學(xué)習(xí)基本概念的同時就開始學(xué)了。這是因為你必須掌握這些知識才能編寫出高質(zhì)量的提示。第三，他們從第一天開始就會學(xué)習(xí)使用LLM，逐步練就非常強(qiáng)大的書面溝通技巧，從而寫出高質(zhì)量的提示。整個過程大概是這樣的：1.學(xué)基本概念+架構(gòu)模式2.學(xué)一種編程語言+提示寫作（語言可能是python或Javascript，會通過提示來學(xué)習(xí)）3.合作4.......等等小一點、新一點的公司會率先采用提示驅(qū)動開發(fā)改變很難，組織慣性會妨礙成熟的大型科技公司大規(guī)模采用這些做法。他們需要更長的時間才能共同建立起對LLM代碼質(zhì)量的信任感，才能理解提示質(zhì)量才是更重要的因素，才不會感到受到LLM的威脅，并最終接受這些工具。小一點、新一點的公司有充分的理由從第一天開始就成為AI原生企業(yè)，沒有理由不這樣做。他們沒有歷史負(fù)擔(dān)，很快就能學(xué)會如何將其融入自己的獨特文化，并以業(yè)內(nèi)前所未有的速度交付產(chǎn)品。這種情況正在上演，Headstart等公司就是典范。▋結(jié)論提示驅(qū)動開發(fā)(PDD)是一場軟件開發(fā)變革，強(qiáng)調(diào)的是對架構(gòu)的理解而非語法流暢。通過利用LLM，開發(fā)者和非開發(fā)者都可以更快、更高效地開發(fā)出產(chǎn)品。不過，LLM生成代碼的質(zhì)量在很大程度上要取決于提示夠不夠清晰，夠不夠具體，因此，溝通能力與戰(zhàn)略思維至關(guān)重要。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
04/19
又一家AI獨角獸出現(xiàn)，1/4的美國醫(yī)生都在用，用互聯(lián)網(wǎng)的思維做AI醫(yī)療
又一家AI獨角獸出現(xiàn)，1/4的美國醫(yī)生都在用，用互聯(lián)網(wǎng)的思維做AI醫(yī)療披著AI醫(yī)療外殼的互聯(lián)網(wǎng)公司又一家新晉AI獨角獸出現(xiàn)了。今年2月，AI醫(yī)療公司OpenEvidence拿下了紅杉資本的7500萬美元融資。這次融資后，OpenEvidence的10億美元，成為了新的AI獨角獸。雖然說干著AI醫(yī)療的活，但OpenEvidence的經(jīng)營策略更像一家消費互聯(lián)網(wǎng)公司。與大多數(shù)AI醫(yī)療公司走toB道路不同，OpenEvidence卻把目光放到了C端醫(yī)生群體，向所有醫(yī)生免費開放，通過廣告產(chǎn)生收入。不僅商業(yè)模式像，OpenEvidence的用戶增長也很“互聯(lián)網(wǎng)”。據(jù)公司創(chuàng)始人DanielNadler透露，現(xiàn)在1/4的美國用戶醫(yī)生已經(jīng)在用OpenEvidence。而一年之前，這一數(shù)字幾乎為零。這種迅速的市場滲透速度在醫(yī)療領(lǐng)域極為罕見。也難怪，紅杉合伙人PatGrady會評價說，OpenEvidence更像是一家披著AI醫(yī)療外殼的互聯(lián)網(wǎng)公司。01披著AI醫(yī)療外殼的互聯(lián)網(wǎng)公司OpenEvidence的界面與ChatGPT很像，不過是專注于醫(yī)療領(lǐng)域的聊天機(jī)器人。簡單來說，OpenEvidence能夠幫助醫(yī)生在漫長的「長尾」醫(yī)療信息里，精準(zhǔn)找到他們需要的知識，從而顯著提升醫(yī)生處理罕見和復(fù)雜病例的能力。不過與大多數(shù)垂直AI產(chǎn)品不同，OpenEvidence更像是一家消費互聯(lián)網(wǎng)公司。從服務(wù)對象看，OpenEvidence沒有選擇醫(yī)院，而是把目光放在了醫(yī)生上。原因很簡單，傳統(tǒng)醫(yī)療產(chǎn)品的路徑需要通過醫(yī)院或其他機(jī)構(gòu)的層層審批，落地周期過于漫長。在傳統(tǒng)醫(yī)療落地路徑下，AI醫(yī)療公司負(fù)責(zé)人需要花三個月找到大型醫(yī)療集團(tuán)的高層開個會，然后再花三個月找醫(yī)院的「AI委員會」開會。這個過程中還不排除會遇到醫(yī)院AI政策和AI監(jiān)管政策的變化，落地前景存在很大的不確定。在公司創(chuàng)始人Nadler看來，醫(yī)生不僅是一個職業(yè)，同時也是消費者。如果產(chǎn)品足夠優(yōu)秀，能夠滿足他們的需求，醫(yī)生自然也會用，甚至還會形成自然傳播。這一點就像早期的特斯拉一樣。其實，DanielNadler的想法并非沒有道理。在AI醫(yī)療領(lǐng)域，越來越多產(chǎn)品開始把服務(wù)對象放到醫(yī)生上，以避免了醫(yī)療機(jī)構(gòu)冗長的購買審批流程。比如，AI醫(yī)療筆記產(chǎn)品FreedAI就面向的是獨立執(zhí)業(yè)臨床醫(yī)生。產(chǎn)品發(fā)布不到2年的時間，每天有1萬個付費醫(yī)生使用，達(dá)到了1000萬美金ARR（年度經(jīng)常性收入）。在商業(yè)模式上，OpenEvidence也更像一家消費互聯(lián)網(wǎng)公司。與大部分AI產(chǎn)品走訂閱模式不同，OpenEvidence選擇了免費提供服務(wù)，向所有醫(yī)生免費開放，通過廣告產(chǎn)生收入，產(chǎn)品迅速實現(xiàn)了自發(fā)傳播。OpenEvidence的成長軌跡，也正如Nadler預(yù)想得一樣。Nadler披露說：“如果算上所有活躍用戶，每月有30-40萬人接觸我們的系統(tǒng)，其中20多萬醫(yī)生會登錄并提問。換句話說，美國大約10%-25%的醫(yī)生，已經(jīng)在某種程度上使用OpenEvidence了。”也就是說，已經(jīng)有1/4的美國用戶醫(yī)生在使用OpenEvidence的工具。而一年之前，這一數(shù)字幾乎為零。這種迅速的市場滲透速度在醫(yī)療領(lǐng)域極為罕見。紅杉資本合伙人PatGrady認(rèn)為，這種自然傳播模式在醫(yī)療行業(yè)極為罕見，通常只在互聯(lián)網(wǎng)產(chǎn)品中才能見到。那么，OpenEvidence為什么能夠?qū)崿F(xiàn)如此快速的增長？02用AI幫助醫(yī)生找資料OpenEvidence的成功之處在于，抓住了醫(yī)生的一個痛點：醫(yī)學(xué)知識更新速度遠(yuǎn)超醫(yī)生處理能力。在美國，醫(yī)生的工作壓力很大?，F(xiàn)在美國人口已達(dá)3.4億，且不斷增長，但老齡化趨勢加劇，而美國在職醫(yī)生只有100萬，醫(yī)生人手捉襟見肘。除了臨床工作，他們還要花費大量時間仔細(xì)查閱期刊，以確保他們能夠掌握最新的治療信息。但想要跟蹤最新醫(yī)學(xué)知識并不容易。原因是，醫(yī)學(xué)知識的更新速度太快了?，F(xiàn)在基本上每分鐘就有兩篇新的醫(yī)學(xué)論文發(fā)表，一天24小時不間斷，一周七天都是如此。根據(jù)OpenEvidence測算，真正對醫(yī)生有用的，往往是頂尖的期刊，比如影響因子最高的前三分之一的期刊。按這個數(shù)量計算，醫(yī)學(xué)知識每五年就會翻一倍。這意味著，醫(yī)生畢業(yè)后不久所學(xué)知識就會迅速過時。當(dāng)面臨復(fù)雜的病情，例如病人同時患有銀屑病和多發(fā)性硬化癥時，傳統(tǒng)醫(yī)學(xué)信息檢索工具（如PubMed和Google）難以直接有效地回答這些特定患者的特定用藥安全性問題，因為這些關(guān)鍵信息通常隱藏在醫(yī)學(xué)論文的正文深處。這時候，OpenEvidence的價值就來了。之所以O(shè)penEvidence能實現(xiàn)這一點，與其高度強(qiáng)調(diào)信息的準(zhǔn)確性和透明度不無關(guān)系。為了徹底解決幻覺的問題，OpenEvidence對訓(xùn)練數(shù)據(jù)卡得很嚴(yán)格，所有訓(xùn)練數(shù)據(jù)都必須是經(jīng)過同行評審的醫(yī)學(xué)研究。正因為如此，與大模型海量收集互聯(lián)網(wǎng)數(shù)據(jù)不同，OpenEvidence走了另一條相反的路：完全放棄了互聯(lián)網(wǎng)上的健康博文或社交媒體內(nèi)容，完全基于嚴(yán)格的同行評議醫(yī)學(xué)文獻(xiàn)進(jìn)行訓(xùn)練。除了FDA和CDC公開的醫(yī)學(xué)文獻(xiàn)，OpenEvidence還與《新英格蘭醫(yī)學(xué)雜志》等頂尖醫(yī)學(xué)期刊建立了合作關(guān)系。（《新英格蘭醫(yī)學(xué)雜志》由馬薩諸塞州醫(yī)學(xué)會（MassachusettsMedicalSociety）所出版的評審性質(zhì)的綜合性醫(yī)學(xué)期刊，1812年由約翰?柯川博士創(chuàng)辦，至今已連續(xù)出版超過200年。）除了嚴(yán)格限制數(shù)據(jù)來源外，OpenEvidence在架構(gòu)上沒有選擇只靠一個大模型的做法，而是采用了多個模型組成的「集成架構(gòu)」，每個模型負(fù)責(zé)不同的任務(wù)，比如檢索、排序等。Nadler的思路是，與其追求龐大的通用模型，不如訓(xùn)練更小、更專業(yè)化的模型，在特定領(lǐng)域里做到極致。解決完了信息準(zhǔn)確性，OpenEvidence在信息透明度上也花了很多功夫。比如，醫(yī)生在使用OpenEvidence時，醫(yī)生能直接查看答案的來源。也就是說，OpenEvidence不是簡單地「壓縮」期刊的內(nèi)容然后輸出，而是直接把流量送回期刊網(wǎng)站。這樣一來，就形成了一個良性循環(huán)：醫(yī)生找到了可靠的內(nèi)容，醫(yī)學(xué)期刊獲得了流量，也愿意讓我們收錄他們的內(nèi)容。在Nadler的設(shè)想里，AI醫(yī)療最大的想象在于，真正實現(xiàn)個性化醫(yī)療。AI都會把病人的所有具體情況與全球所有相關(guān)醫(yī)學(xué)知識進(jìn)行匹配，形成一個超個性化的治療方案。到那時候，可能120歲、130歲都不再是人類壽命的上限了。03總結(jié)OpenEvidence的脫穎而出，再次證明了兩件事情：一是垂直場景數(shù)據(jù)的價值。正如NorwestVenturePartners合伙人ScottBeechuk所說，AI公司最深的護(hù)城河將由大型專有數(shù)據(jù)集創(chuàng)造。那些擁有獨特的數(shù)據(jù)集，能訓(xùn)練或微調(diào)出自己的模型，并能夠在特定垂直渠道中脫穎而出。二是AI的價值并不體現(xiàn)在多厲害的測評數(shù)據(jù)，而在于能否抓住用戶需求。當(dāng)下，醫(yī)生們并不期待大模型能夠創(chuàng)造癌癥治愈的奇跡，他們更現(xiàn)實的期望是，AI能否幫助自動化解決某個環(huán)節(jié)的小問題，而這些真實需求只有在長期深入行業(yè)、充分理解臨床工作流程后才能真正理解。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
-
25
04/02
個性化軟件：程序員的解綁？
為何說大語言模型將重塑開發(fā)邏輯？軟件開發(fā)正經(jīng)歷著深刻變革，但情況跟大多數(shù)預(yù)測不一樣。雖頭條叫囂“編程已死”，但真相更為微妙：我們正見證“個性化軟件”的崛起——用戶與創(chuàng)作者的界限逐漸消融。這一切都是由大語言模型與AI輔助開發(fā)工具的進(jìn)步所驅(qū)動的。當(dāng)前最令我興奮的AI趨勢是個性化應(yīng)用?，F(xiàn)在，任何人都能創(chuàng)建滿足特定需求的應(yīng)用而無需開發(fā)者或設(shè)計師的參與。作為產(chǎn)品設(shè)計工作室創(chuàng)始人，我需要擔(dān)憂嗎？完全不必。大家開發(fā)的應(yīng)用越多，越能體會優(yōu)秀軟件背后的匠心?！猄haneLevine這場變革跟取代程序員無關(guān)，關(guān)乎的是軟件創(chuàng)作的開疆拓土，特別是那些過去因過于個性化或小眾而無法落地的應(yīng)用。故事的主旨并非AI替代人類開發(fā)者，而是AI工具如何催生前所未有的軟件新物種。審視當(dāng)前開發(fā)版圖：傳統(tǒng)軟件公司專注滿足廣泛市場需求，忽視海量的小眾場景。這些空白不只是待開發(fā)的功能，而是一整個因過度專業(yè)化而美化商品化的軟件類別。但AI輔助開發(fā)的興起正在改寫規(guī)則。當(dāng)人們通過自然對話描述需求即可生成可用代碼時，個性化軟件開發(fā)的經(jīng)濟(jì)性蔚然改觀。這不是要打造下一個Photoshop或Figma，而是賦能個體為獨特工作流、愛好與難題創(chuàng)造專屬工具。我本人就毫無技術(shù)背景（從未編碼），但通過Replit平臺與AI對話，我用手機(jī)開發(fā)出了追蹤“狗狗吃了沒有”的網(wǎng)頁應(yīng)用。——a16z風(fēng)投機(jī)構(gòu)JustineMoore個性化軟件與傳統(tǒng)應(yīng)用開發(fā)有著本質(zhì)差異。前者涉足的是一個在特殊約束下的新領(lǐng)域：無需支持百萬用戶、無需處理開發(fā)者需求以外的邊緣案例，也不需要保持版本的兼容性。當(dāng)軟件開發(fā)所需時間與專業(yè)知識斷崖式下降，項目的最小可行市場規(guī)模趨近于1。這不僅是量變，更是對“可市場化軟件產(chǎn)品”定義的質(zhì)變。正是這種簡化場景，讓AI輔助開發(fā)在這個領(lǐng)域大顯身手。對某領(lǐng)域認(rèn)知越淺，越容易對AI的輸出驚艷——此謂“能力幻覺”?！狦erardSans資深開發(fā)者對AI取代程序員的質(zhì)疑確有道理：開發(fā)維護(hù)大型軟件系統(tǒng)仍需當(dāng)前的AI所缺乏的深厚技術(shù)知識、架構(gòu)理解與經(jīng)驗。但此類懷疑往往會導(dǎo)致我們忽視個性化軟件開發(fā)領(lǐng)域的真實變革。不妨這么想，就像電子表格賦能非程序員完成復(fù)雜計算與數(shù)據(jù)分析一樣，AI開發(fā)工具正讓非程序員創(chuàng)建個性化軟件解決方案。關(guān)鍵區(qū)別在于：電子表格提供的是受限環(huán)境，僅針對特定問題，而AI開發(fā)打開了為個體需求定制完整應(yīng)用的可能性。這一轉(zhuǎn)變對軟件行業(yè)影響深遠(yuǎn)。我們正從“購買所需”邁向“生成所需”。當(dāng)個體能自主創(chuàng)建解決方案而非等待商業(yè)軟件響應(yīng)需求時，軟件市場的總潛在規(guī)模將爆發(fā)式增長。這不僅關(guān)乎搶占現(xiàn)有市場份額，更重要的是重新定義了軟件市場的構(gòu)成。傳統(tǒng)模式下，軟件開發(fā)如同工業(yè)制造：高固定成本需龐大市場支撐。新模式則類似手工作坊，能為任意規(guī)模市場（直至個體用戶）打造工具。對軟件市場的衡量標(biāo)準(zhǔn)亦隨之改變。隨著更多的軟件開發(fā)針對的是個人使用而非商業(yè)分發(fā)，許可證銷售或訂閱收入等傳統(tǒng)指標(biāo)可能也會失效。我們或需采用新指標(biāo)，比方說節(jié)省的時間或解決問題的數(shù)量，來捕捉個性化軟件創(chuàng)造的價值。但需注意一點：AI輔助做出來的個性化軟件可能在健壯性、安全性與可維護(hù)性方面比不上專業(yè)開發(fā)應(yīng)用。必須理解這些局限性，并認(rèn)識到這并非專業(yè)開發(fā)的替代品，而是具備獨特優(yōu)劣勢的新物種。個性化軟件的涌現(xiàn)引發(fā)對開發(fā)職業(yè)未來的思考。它非但不會削弱專業(yè)開發(fā)者角色，反而可能推動領(lǐng)域向更抽象與更復(fù)雜進(jìn)化。隨著基礎(chǔ)開發(fā)門檻降低，專業(yè)人士會更專注于技術(shù)專長仍十分關(guān)鍵的領(lǐng)域：可擴(kuò)展性、安全性、性能優(yōu)化與復(fù)雜系統(tǒng)集成。軟件工程史可看作是不斷抽象化的過程。就像編譯器發(fā)明并未消除程序化思維的需求，而是將工作提升至更高抽象層級，AI助手亦代表著此進(jìn)程邁向了下一站。關(guān)鍵區(qū)別在于：用戶無需學(xué)習(xí)正式的編程語言，只需掌握如何通過自然語言精確表達(dá)計算意圖即可生成可用代碼。AI并未消滅編程，而是為“指示計算機(jī)執(zhí)行特定任務(wù)”這一底層過程提供了新的抽象接口。越來越多零編碼經(jīng)驗者通過lovable_dev等平臺創(chuàng)建應(yīng)用。這對開發(fā)者其實是個利好：用戶終將觸及工具極限，轉(zhuǎn)而尋求專業(yè)解決方案。本欲取代開發(fā)者的技術(shù)，反而可能創(chuàng)造出更多的機(jī)遇?！狫ulienAI輔助開發(fā)的悖論在于：它可能為專業(yè)開發(fā)者創(chuàng)造更多機(jī)會。當(dāng)用戶通過無代碼平臺與AI助手入門后，終將觸碰到工具的能力邊界。就像建站工具通過賦能中小企業(yè)反而擴(kuò)大了專業(yè)網(wǎng)頁開發(fā)市場一樣，AI開發(fā)工具或?qū)⑴囵B(yǎng)出理解定制軟件價值的新一代具備技術(shù)素養(yǎng)的客戶。展望未來，包括AI生成代碼共享市場、應(yīng)用定制擴(kuò)展工具，以及專為AI輔助開發(fā)設(shè)計的新框架在內(nèi)，圍繞個性化軟件開發(fā)的新平臺與社區(qū)將崛起。軟件開發(fā)的真正革命不在AI取代程序員，而在于AI創(chuàng)造出一個前所未有的軟件開發(fā)新類別。這一轉(zhuǎn)變或?qū)⒃杏龈S富多元的生態(tài)體系——商業(yè)應(yīng)用與長尾個性化解決方案共存共生。在此轉(zhuǎn)型的過程中需維持一個平衡的視角：個性化軟件的崛起并不預(yù)示著傳統(tǒng)開發(fā)的終結(jié)，正如電子表格并未終結(jié)金融軟件一樣。它代表的是軟件創(chuàng)作可能性的拓展，在開辟新機(jī)遇的同時，保留專業(yè)開發(fā)的核心價值。軟件開發(fā)的未來并不是有你沒我，而是兼容并蓄。專業(yè)開發(fā)者會繼續(xù)開發(fā)復(fù)雜系統(tǒng)，AI工具則賦能個體實現(xiàn)曾不可及的個性化方案。這有望令軟件前所未有地更加觸手可及、更加個性鮮明、更加深度地融入生活之中。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除
