新聞資訊
News and information
-
24
12/28
AI到底有沒有護城河？
文太平洋科技倒是沒想到，12月過半，各家大模型廠商和在沖刺KPI似的，好消息一波接著一波。前腳大模型六小虎之一的智譜剛完成新一輪30億的融資；后腳字節跳動發布豆包視覺理解模型、快手可靈1.6正式上線。如果說2023年是大模型元年，那2024年就是AI的應用年。從深度推理成為主流、AIAgent成新風口，多模態模型競相出現，AI產品迭代速度之快，以至于我們常常忽略，從爆發至今，國內AI領域的發展其實還不到2年。AI一年，人間十年。但這個被視為互聯網變革級別的產品，卻至今都還沒迎來爆發時刻。算力不是護城河直到今年上半年，國內市場聊大模型發展，最核心的決定要素和關注焦點還是在算力。百模大戰如火如荼的那一年，想通過卷參數來迅速占領市場份額，曾是如今走在前列的幾個大模型的來時之路。但從今年開始，關于國內外大模型卷不動了的聲音越來越大，特別是下半年以來，我們已經很少聽到哪個大廠又推出了什么大模型，這并非意味著百模大戰就要迎來終局，而是各家大廠正清楚地意識到，隨著整個行業的快速迭代，僅靠算力和參數規模的提升已經難以真正超越同行。再加上大模型的訓練和運營需要大量的算力和資金投入，且這種投入需要持續進行，這對現階段還難以走通商業模式的大模型廠商來說，顯然是一大挑戰。以字節為例，據證券時報報道，僅2024年，字節在AI上的投入就達到800億元，幾乎達到了BAT三家資本開支的總和。最新消息顯示，其2025年資本開支將達到驚人的1600億元，其中約900億人民幣將用于AI算力的采購。就連ChatGPT也一直被算力緊缺所困擾。澎湃新聞曾報道，微軟用幾億美元，耗費上萬張英偉達A100芯片打造超算平臺，只為給ChatGPT和新版必應提供更好的算力。不僅如此，微軟還在Azure的60多個數據中心部署了幾十萬張GPU，用于ChatGPT的推理。實際上，從長遠角度來看，算力并不能構成真正的護城河，它更多地體現為硬件層面的核心競爭力。眾所周知，誰的算力更強，訓練語料更豐富，誰的模型表現就更好。算力依賴于GPU性能和數據中心建設，訓練語料依賴于公開的數據集。但歸根結底，兩者都取決于經濟實力。早在去年，谷歌內部討論如何應對ChatGPT時，就有工程師表示：“我們沒有護城河，OpenAI也沒有。”他認為，即使谷歌全力投入，可能也贏不了這場AI競賽。不僅谷歌贏不了，OpenAI也贏不了。圖源：全球知名半導體行業研究咨詢機構SemiAnalysis其中他指出，開源AI模型發展之迅速，使其很難形成強技術壁壘，即使現階段其大模型的數據質量仍然稍有優勢，但差距正在驚人地迅速縮小。特別是開源社區的創新和快速迭代能力，使得Google和OpenAI難以保持技術優勢。目前AI行業想要獲得領先優勢和壟斷利潤，極其困難。這也是目前國內大模型的現狀，各公司的模型有強有弱，但是核心功能普遍同質化，替代品很多。模型之間的差異性目前看來并不具有決定性。某廠商推出的新功能，其他廠商可能很快就能趕上。Kimi最初雖然自己沒有內部數據，靠的也是調別人的搜索結果，但靠著長文本，也成功進入了國內AI大模型的第一梯隊，但如今長文本已然成為大多數AI搜索產品的基本能力。而值得注意的一點是，訓練材料容易來著同一個池子，大家都能用。文小言跑的是百度的數據，Kimi也能獲取。這就會導致個別大模型在算力和訓練語料上的競爭優勢也在減弱。《大模型落地與前沿趨勢研究報告》就直接表示，互聯網時代應用有很多關鍵要素可以構建護城河，包括數據飛輪、網絡效應、遷移成本、規模效應、用戶心智等，但已經不再適用大模型的業務模式。目前為止大模型的業務模式仍沒有清晰護城河。AI應用想要跳出包圍圈下半年開始，AI領域的關鍵詞開始從“模型層”落到“應用層”。華爾街明星基金經理CathieWood曾表示，基礎設施建設的階段，硬件廠商往往表現出更大的增長空間，但一旦這個階段完成，市場的關注點就會轉向軟件，轉向應用。過去一年，國內各家大模型廠商在通用場景的模型能力其實是缺乏辨識度的，雖然細分技術方向眾多，例如Kimi早期的長文本，AI搜索產品主打的深度推理、近期開始起風的多模態，包括最近熱門的視覺大模型。但同質化嚴重早已是AI產品們頭頂高懸的達摩克里斯之劍。12月18日，豆包視覺理解模型正式發布，主要聚焦在圖片內容識別能力、理解和推理能力以及視覺描述與創作能力上，媒體聲量轟轟烈烈，但事實上就在兩天前，Kimi才剛剛發布了Kimi視覺思考版，針對的還是基礎科學領域的圖片理解、推理能力。正如上文所述，既然技術上沒有護城河，那如果從應用場景角度進攻，能否找到破圈點呢？大模型始終是個底座，想要真正看到爆發點，是要讓AI真正和普通人強相關，此前就有業內人士指出，未來能否出現殺手級別的應用，將會是各家決出勝負的關鍵。正如李彥宏多次強調，“沒有（AI）應用，基礎模型一文不值。”殺手級應用的出現會帶動技術在更多領域的應用和拓展，形成新的應用場景和商業模式。例如，3G網絡的發展中，iPhone作為殺手級應用，不僅推動了智能手機的普及，還催生了移動互聯網的各種應用和服務。那AI應用能不能催生出下一個iPhone時代，至少2024年，我們還看不到火花。直到現在，網上關于不同AI應用在聊天、文生圖、圖生視頻上的使用體驗的測評還是很多，你幾乎很難在第一時間告訴別人，同類型的AI產品中，哪個才是最好的。即使作為普通用戶確實會覺得AI搜索產品的興起對原有的搜索體系的沖擊非常強，但目前來看，還沒有一家公司在市場感知和搜索量方面展現出壓倒性的優勢，形成類似“不懂就百度一下”或“遇事不決小紅書”的強勢心智占領。盡管AIGC技術在某些領域取得了進展，近期快手就聯手賈樟柯、李少紅等國內知名影視工作者，與AIGC創作者合作，用可靈生成電影短片；在獨立游戲領域AIGC也已得到廣泛應用，部分大型游戲公司正開始逐步推進工業化的AIGC美術流程。但整體上AIGC仍處于發展階段，生成內容的質量、穩定性和可控性等方面仍存在不足，再加上AIGC的應用場景相對有限，且多為輔助性工具，未能形成獨立且廣泛的應用場景，難以滿足大規模用戶的需求。而即使落到硬件端，以手機大模型為例，也不免出現同質化的情況。目前，AI手機在實際的AI體驗上，主要變化還是在語音交互、圖像處理和通話增強。為了實現所謂的AI手機，幾乎所有頭部手機廠商都在對語音交互進行升級，號稱要將之前的語音助手打造成更智能的AIAgent，除了智能對話之外，信息檢索、文本創作、文生圖這些已經是豆包、Kimi等AI助手的基本操作的功能，也成為了AI手機的噱頭之一。但正如創新工場聯合CEO汪華所言，現在整個AI才出來一年半的時間，大家就指望AI的產品形態就被探索出來，再快，也快不到這個地步。真正做應用，從明年初才有最基本的基礎。商業化著急不得事實上，AI應用之所以受到如此重視，一個重要原因是市場亟需看到AI技術能轉化為可落地的商業模式。隨著大量資金涌入AI領域，投資者對AI項目的回報要求越來越高。他們希望AI企業能夠盡快實現技術的商業化應用，以實現投資的增值。今年9月，紅杉資本合伙人PatGrady才指出，紅杉資本在人工智能領域的投資重心正在向應用程序開發傾斜。他表示，紅杉資本預計未來數十億美元級的人工智能公司大多數將來源于應用層，而非傳統的基礎模型構建。這一轉變預示著，未來我們也將看到更多技術創新與實際應用結合的AI應用。值得注意的是，據智能涌現獨家消息，有知情人士透露，雖然豆包的用戶規模在過去幾個月有所增長，但和行業里所有AI對話形態的產品一樣，其在使用時長、打開頻次及商業化潛力上仍不夠理想。文章指出，字節管理層判斷AI對話類產品可能只是AI產品的“中間態”，長期更理想的產品形式，大概率需要更視覺化的用戶體驗、更低的用戶使用門檻。因此，字節已經提升了即夢的產品優先級，嘗試用新的路徑打造AI時代的“抖音”。該消息暫未得到字節回應。眾所周知，在AI產品的開發應用上，字節并沒有先發優勢。2023年8月，豆包正式推出，這距離百度在3月發布文心一言，已過去近半年。但靠著實打實的鈔能力，豆包APP11月份的月活已經達到近6千萬，保持10%以上的增速。目前，在國內AI原生應用（APP）中，豆包早就是遙遙領先的第一名，排在其后面的是1299萬月活的文小言，1282萬月活的Kimi。（數據來源：AI產品榜）截至今年10月，國內AI原生應用（APP）中，豆包以1.08億的累計下載量位居第一，第二名是累計下載量為2260萬次的文小言。而在今年2月，豆包的訪問量也才173萬。短短三個季度，MAU就翻了近35倍，作為目前國內用戶最多的ToCAI產品，豆包的用戶增長空間應該是更大，而非不夠理想。如果僅從盈利模式來看，AI搜索類產品能觸及的模式無非就是付費訂閱和廣告。前者的市場在國內一直以來就是出了名的難走通，為強行增加adload顯然也會極大的打擊到用戶的使用體驗。想靠對話類AI產品來賺錢確實有一定壓力。文章指出，豆包的對話輪次、時長等關鍵指標仍然不夠理想。但事實上，不管是AI搜索還是其更高形態的AIAgent，這種工具類提效產品對大眾消費市場來說本就不算剛需。一定意義上來說，AI搜索類產品作為生成式大模型在C端落地后最拿得出手的產品，其更大的作用是樣本收集場景，而不是賺錢的場景。對字節來說，在對話類產品中去強化自身語料、文生圖訓練的能力，形成生態鏈，為后續以更加體系化的方式為字節的AI生態打開更大的商業空間才更具生命力。只要有活躍的用戶、有可持續的使用價值，AI對話類產品的重要性就仍然存在。而事實上，縱觀目前其他對話類產品，字節的友商們也沒那么著急去把對話類AI當作商業化的重要組成。此前百度副總裁、移動生態商業體系負責人陳一凡在談及生成式AI的商業場景時就曾表示：“我們沒有那么著急地要把所有流量在一時間都釋放出來，我們希望真正滿足用戶的需求，所以我們的機制也會升級，會把整個問答的內容質量和整個智能體對話的質量作為排序里的重點，只有先滿足用戶需求，才能更好地滿足商業需求。”。回顧上一代移動互聯網級別的創新，從2008年APPStore的推出為移動應用提供了平臺，直到2012年手機操作系統生態圈全面發展，智能手機規模化應用才真正爆發。移動互聯網這條路走了5年，而如今AI技術只用了不到2年，就已經讓我們看到了質的飛躍。或許2025年，我們就能看到下一個iPhone時代拐點的到來。本文來源：博客園文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
12/20
測測 App 創始人任永亮：一個行業需要與 AI 保持合適距離
一個行業既不能離AI太近也不能離AI太遠。「一個行業既不能離AI太近也不能離AI太遠。」——心言集團創始人、董事長兼CEO任永亮在科技飛速發展的當下，AI已如洶涌浪潮席卷各個行業，重塑產業格局與發展路徑。企業的發展與AI的關系也在深度影響著企業乃至整個行業。那么，如何結合自身發展做到AI與產業的深度融合？這是一個在考驗著千千萬萬企業的核心問題。本次量子位MEET2025智能未來大會上，心言集團創始人、董事長兼CEO任永亮就「從泛心理行業看垂直行業如何AI化」這個話題分享了他的經驗見解；并憑借其在泛心理行業十余年的深耕經驗，尤其是通過測測App的探索實踐，對行業與AI的關系形成了深刻洞察：一個行業既不能離AI太近也不能離AI太遠，方可在新時代穩健前行、持續創新。任永亮，畢業于北京大學醫學部和軟件與微電子學院，后期獲得CIIS應用心理學碩士學位。本科期間發表多篇生物信息學論文，后曾在IBM擔任智慧醫療領域專家，泛心理行業創業10余年，對于AI有深入的理解和認知，具備多個行業的AI創新經歷和落地經驗。2011年，任永亮創辦北京力拓飛遠科技有限公司，后戰略升級為「心言集團」。2013年，推出核心產品測測App，通過情緒疏導等服務幫助用戶釋放心理壓力，累計為4000+萬用戶帶去治愈的力量。2019年，心言集團開始進行AI嘗試，先后推出了「AI與人工相結合」的情感傾訴、情緒疏導、心理科普、心理測評及報告、社區互動交流、3D心理沙盤等服務及替代型心理服務工具。2024年，心言集團自主研發的垂類模型——心元大模型，正式通過國家網信辦備案，是情感疏導與陪伴領域唯一獲批大模型，標志著對話式語言模型技術在國內泛心理應用場景的首次著陸。沖擊與變革并存大模型技術突破宛如重磅炸彈，瞬間引爆行業變革。任永亮談到，困擾心理行業多年的技術難題，如語言理解、智能交互精準度等，在大模型強大能力面前迎刃而解。這股力量為行業開啟全新發展窗口，拓展創新空間，注入無限可能，這樣為他們帶來了無比大的沖擊與震撼。但興奮之余，憂慮隨之而來。ChatGPT等巨頭崛起，引發整個行業對被替代的深切擔憂。知識內容是否會被吞噬、核心競爭力是否會被瓦解等諸多焦慮籠罩著創業者。近憂與遠慮共思在當今AI技術浪潮下，產業與AI的距離的權衡問題是值得重視的議題。任永亮說道:一個行業既不能離AI太近也不能離AI太遠。離AI過近，行業易被技術洪流裹挾，陷入同質化深淵。過度依賴易致企業自主創新受阻、特色磨滅，淪為技術附庸，在激烈競爭中喪失議價權與獨立發展根基，于市場波動中脆弱不堪，隨時可能被新技術迭代淘汰。若與AI距離過遠，企業則似逆水行舟，難以借技術之力提升效率、優化服務、拓展邊界。在數字化轉型大趨勢下，落后于創新曲線，服務品質停滯，業務模式陳舊，終將被追求高效智能體驗的市場拋棄，錯失發展紅利，陷入被動困局。定位和優勢共驅測測App在AI化探索和發展的道路上堅守適度原則，在AI浪潮中找準獨特航道。一方面，深度融合AI提升效率與精準度。2019年率先上線泛心理問答模型，后引入大模型并結合領域知識迭代升級，近半月活與付費用戶暢享AI服務。2024年，自研落地情感疏導與陪伴領域唯一獲批大模型-心元大模型；并推出精準AI陪伴功能"AI心情小鎮「，以智能交互高效處理常見問題、精準剖析用戶心理，提升用戶滿意度與忠誠度。另一方面，抓住自身核心優勢筑牢壁壘。測測APP兩萬余名專業咨詢師構成堅實專業后盾，為復雜深度心理需求提供精準、人性化咨詢。依托長期積累的龐大用戶群與豐富行業經驗，實現技術與資源的共同賦能，打造高品質的服務生態。借AI優化服務流程、拓展服務覆蓋，以專業咨詢深化服務內涵、提升服務質量，實現人和AI的相互合作、優勢互補。正如任永亮談到的，隨著科技的發展，技術迭代和行業變革是時代長河中的必經之路。我們要堅持在創新中求發展，在發展中求前進。相信AI的浪潮為大眾會帶來越來越多的便捷與機會。本文來源：極客公園文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
12/20
為什么說 AI 落地營銷，才是真正的科技平權？
生成式AI落地兩周年，為什么營銷會成為超級場景？AI提效一切，尤其是時間。不知你是否發覺，如今我們的手機交互、日常搜索、音視頻轉寫、文案與圖片視頻生成，工作與生活，每個角落，都已經與大模型牢牢綁定。而在產業中，大模型也帶來了新范式的可能，就連最依賴創意的營銷產業也不例外：不僅大企業如麥當勞用AI創作的青銅器漢堡系列藝術展，康師傅的AI寫春聯都引發眾多討論；放眼周圍，就連地鐵、電梯廣告中的模特，也有相當一部分都已經被AI替代。然而，此時距離大模型真正被全世界知曉，僅僅過去了兩年，其普及速度之快，歷史上沒有任何一場技術能夠與之媲美：三百年前，人類歷史進入第一次工業革命，從瓦特1765年獲得了第一項蒸汽機專利，到19世紀末全球使用蒸汽機作為主要動力來源，我們花了150年。二百年前，人類歷史進入第二次工業革命，從法國人畢克西1832年發明手搖式直流發電機，到二十世紀初電力全球普及，我們花了近100年。技術變革的誕生往往對應著時代機遇的蓬勃噴發、生產力與生產關系的變遷。那么，當大模型變成了一把萬能的錘子，我們應該如何去使用它？我們又該如何把握大模型應用的尺度？大模型落地的超級場景又將出現在哪里？不久前極客公園創始人&總裁張鵬，與快手視覺生成與互動中心負責人萬鵬飛、快手磁力引擎AIGC產品業務負責人劉路，以及亂翻書主理人潘亂圍繞以上話題進行了一場深度復盤。01為什么說營銷是大模型落地的超級場景沒有人想到，大模型致富的起點，會出現在美股一家差點因為業績太差而賣身的妖股AppLovin身上。短短一年時間，這家公司的股價就從去年的36美金，增長到如今的338美金，漲幅高達833%，甚至碾壓了同期股價漲幅不足兩倍的算力之王英偉達。AI營銷的前景不僅股民看好，業績更是驚人：靠著在全球6萬款移動應用中，插入通過AI生成各種魔性的試玩小游戲，一年多來，AppLovin的試玩廣告的平均IPM提升率已經達到250%，日活用戶數更是高達14億，幾乎與全球頂流短視頻軟件的量級齊平。IDC也對此作出了樂觀預測：到2026年，全球AI營銷的市場規模將達到1456億元，并以115%的速度高速增長。但為什么大模型最早爆發的超級場景會是營銷？在萬鵬飛看來，營銷是典型的將AI的左腦與右腦能力綜合使用，且有巨大價值空間的場景。在萬鵬飛看來，營銷是典型的將AI的左腦與右腦能力綜合使用，且有巨大價值空間的典型場景。如果將大模型與人類的大腦類比，那么以LLM為代表的語言大模型對應左腦的邏輯思考能力，其智能化水平已經達到了不錯的程度且在持續提升，應用案例包括快手的廣告智能投放和數字員工功能。而視頻生成為代表的視覺大模型則對應著右腦的創意想象能力，目前視頻生成大模型的世界仿真能力在快速發展之中，在視頻營銷內容的生產和互動環節可以帶來極大的降本增效收益，應用案例包括快手的女媧數字人和開創平臺。在實際產品落地中，AI的左腦能力和右腦能力是綜合使用的，呈現給用戶的最終體驗也是多模態的。而在劉路看來，營銷成為AI超級場景的根本原因在于效果可回收。過去的廣告產業，一個共識是廣告投放后，存在相當一部分無效客戶，但如何判斷誰是有效客戶，誰是無效客戶，一直是行業困擾多年的難點。比如「以前大眾傳媒的時代，在電視媒體的黃金時間投放一個廣告，大多數人都能看到，但如何回收廣告效果，只能通過人工統計的方式分渠道去看。當互聯網興起之后，品牌廣告向效果廣告遷移，平臺會給出承諾，讓廣告主看到在這里的轉化數據和投放效果。整個行業遵循的是更高效，更精準的方向演進。到了大模型時代，這一過程的確定性變得更高，我們不僅可以用AI進行投放素材，還能用AI生產素材，降本增效同步進行。」體現在快手平臺本身，如今快手AIGC視頻客戶滲透率已達24%，可靈AI的商業化單月流水也已經超千萬人民幣，商業內容上，磁力開創日均生成的短視頻素材數量已經突破10萬條以上，各大廣告主使用快手UAX也就是智能投放的占比也已經高達一半。效果很好，但擔憂也不小。從用戶側來說，大家對AI生成內容的接受度又到底有多高？企業又到底該如何把握翻車與降本增效之間的微妙平衡？02大模型落地營銷，AI味兒重要嗎？事實上，自2024年以來，騰訊、阿里巴巴、百度、字節跳動、快手等平臺型企業一邊升級大模型，一邊主推AI營銷，早已成為市場共識。但應用的尺度如何把握，卻一直是業內爭議的焦點。以數字人直播為例，部分內容平臺態度相對保守，賬號使用數字人直播可能會直接被平臺封禁、限流，而多數電商平臺，以及快手，則對此更為開放與包容。宇宙的盡頭是帶貨，帶貨的終極形態是直播。阿里生態中李佳琦所屬公司美one在今年618期間，于旗下「所有女生」直播間引入數字人直播；京東則根據其創始人劉強東形象，推出了「采銷東哥」數字人，進行京東超市的直播。而快手則更進一步，在這里，數字人直播已經成為一條完整的產業鏈與商業閉環。鏈條的起點，是快手磁力引擎推出的女媧數字人；中間環節是借此進行直播的各大廣告主，于他們而言，技術千變萬化，但增長與穩定才是企業經營的衡量指標，數字人成本低、形象好，還能全天候直播最終一環則是通過直播間購物的普通消費者。最后一環，則是在直播間進行消費與互動的用戶。商業邏輯鏈條很完整，但現實落地究竟效果如何呢？現如今，在數字人直播這一鏈條上，快手的爆款案例層出不窮。比如，在快手，算上老板本人也僅有三位員工的瑜伽店，不懂任何技術的前臺，也可以通過根據教練形象打造數字人進行直播實現精準引流，獲客效率提升十多倍。還有土豆擦絲器廠家，通過數字人直播，一天時間就賣掉了過去一個多月的庫存，效果廣告消耗高達五十多萬。類似的案例，還出現在內容生成環節。在快手，有體育賽事內容客戶，通過AI將比賽通過AI總結，每日生成幾十萬量級的內容，廣告引流效果增長飛快。為什么同樣用AI進行營銷，有人流量增長十倍，也有廣告大戶沒有取得超預期效果？潘亂認為，效果究竟是翻車還是互相成就，取決于我們如何定義大模型：目前大模型行業，沒有出現1000W+日活的AI原生產品，那就說明AI只是個工具。就像2020年初Clubhouse如流星劃過，但現場音頻活動功能留在了Spotify、Discord和TwitterSpaces里。再比如2016年春節映客直播爆發引發國內的千播大戰，但是風口過去用戶最多觀看直播的場景是在快手、抖音和視頻號里。也就是說，大模型的使用應該結合場景。而在營銷行業，廣告分為品牌廣告與效果廣告，不可混為一談：AI營銷用于品牌廣告，那么相比人類藝術家的創作仍有一定差距；但是對于效果廣告而言，效率、點擊率、轉化率的重要性則排在藝術效果之前。至于被用戶一直擔心的大模型幻覺困擾，在萬鵬飛的認知中，它其實只是當前大模型的一個內在特質。只要為其找到合適的場景來應用，這個特質就可以變成大模型的優勢，比如在快手，用可靈AI生成山海經中異獸，就充分調用了大模型的想象力，來還原現實中并不存在的瑰麗想象。但營銷+AI的能力僅限于此嗎？03營銷的新時代與AI帶來的科技平權1913年，這一年的汽車產業，迎來了發展史上的決定性時刻。這一年，福特汽車公司開發出了世界上第一條流水線，通過將汽車生產分解成一系列標準化的步驟在流水線上依次進行。一部汽車的組裝時間，從12小時28分鐘縮短到了93分鐘，生產效率提高800%。而伴隨著效率的提升，汽車生產的成本也隨之大幅下降，福特汽車迅速風靡全球，汽車從奢侈品變成日用品。全球制造業，自此進入生產大分工時代。工作流程的變革，往往會帶來比加班，甚至比先進工具本身更大的效率提升。營銷之于大模型，正是如此。廣義的營銷可以分為經營與銷售，大模型不僅幫助銷售，更在賦能甚至變革經營本身。伴隨著可靈、女媧等工具的成熟，廣告主本身將掌握越來越多且越來越低成本的內容生產以及投放能力，具備知識有私域知識的團隊會加速成長。而廣告公司也會更多的回歸廣告行業的本質——創意與洞察。萬鵬飛總結「AI生成只是獲得內容的一種方式，而內容是通過消費和轉化而產生價值，內容的質量很大程度上決定了后鏈路的價值。目前AI生成的內容在質量上還有很大提升空間，我們只摘到了一些低垂的果子，未來會有更多的果子可以摘。」比如，流程變革與工具能力增加之后，企業的運營邊界也會自此擴張。比如過去沒有出海能力的企業，可以借著大模型能力，完成全球各種語言的個性化營銷，一次廣告制作，可以通過AI改變主播形象、語言，進行不同類型的客戶投放……更深一層的意義，大模型的意義在于，讓所有企業真正意義上實現科技平權。觀察了無數在快手上進行創業，以及通過磁力引擎賦能營銷的案例，劉路發現，未來輕創業會成為一個更大的可能和大趨勢：「過去在電商的平臺公司出來之前，做電商這件事情是復雜的，或者說開一家店是復雜的。我們需要考慮怎么選址、怎么去拿到流量，怎么去維護我的產品，線下的供應鏈怎么做。但是有了這些電商的平臺溝通之后，這個事情更變得簡單了。而未來，AI的介入，會讓這個事情更簡單。尤其是針對后鏈路相關行為，比如說我爆品怎么選？投放怎么做，全都可以交給AI、交給快手的磁力引擎智能化完成。」「那時候，大量出現只有1-2個人就能做起來的流水百萬、千萬公司，越來越多的人能夠以更輕的投入，做出更有競爭力的產品，并且能解決用戶的需求和問題。」小公司憑借創意也能完成商業的閉環；更好的產品借助AI的力量被看見，更多的人只要發揮長板就能用AI補足短板……科技平權帶來的，是一個正在蓬勃爆發中的時代機遇。本文來源：極客公園文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
12/13
沒有AI思維比缺乏AI工具更可怕
傳統企業如何打造AI能力？當前各種各樣的AI產品可以說是非常的火爆，品種及功能之多可以說是讓企業挑花了眼，看似熱鬧的場景，但相對于企業的應用落地場景而言卻十分的有限。特別是傳統企業，最近老楊一直在接觸一些AI產品、解決方案，每天也在抽時間研究AIGC，試用一些AI產品，比如在試用了文生圖產品后老楊感慨：取代你的不是AI,而是會使用AI的人！AI技術如此發展下去，很快很多行業、崗位真的要被顛覆了，甚至一些個人愛好由此可能被改變，比如老楊酷愛攝影，但自從用了AI文生圖以后，感覺老楊心愛的單反相機估計都要吃灰了，下圖就是老楊通過AI產品生成的圖片：那么在AI技術高速發展的今天，傳統行業該如何擁抱AI呢？老楊認為在傳統企業里領導沒有AI思維比缺乏AI工具更可怕。為什么這么說？首先我們來談一下當前傳統企業應用AI的一些困境與痛點：第一，AI產品太多，不知道如何選，易盲目選，造成應用效果不佳；第二，AI產品的功能應用場景多樣化，但企業員工缺乏相關的專業的系統化的培訓，缺乏應用指導，處于不會用的狀態；第三，個別崗位員工由于擔心工作會被AI取代，而消極抵抗，處于恐懼AI不想用的狀態；第四，一些場景領導及員工由于擔心AI的輸出內容是否正確，處于不敢用的狀態；第五，企業員工雖然很積極的試用了一些AI產品，但由于方法不當不會用，導致結果差強人意，對AI產品持質疑態度，所以在后期引進方面擔心產生的價值遠不及預期處于觀望狀態；第六，在AI建設方面，由于企業工作場景的多樣性，導致市場上的AI產品在應用上缺乏案例參考，同時在建設過程中又缺乏正確的方法論支撐，純粹靠企業摸索，可能還會成為AI產品廠家的小白鼠；第七，企業缺乏AI應用人才，同時缺乏與之配套的人才培養體系，仍舊將AI劃歸與傳統的技術范疇，認為應用AI還是相關技術部門人員的事，對AI的認知在意識上不足、不正確；第八，由于大部分傳統企業缺乏AI方面的專業技術人才，對AI應用過程中產生的技術問題完全依賴于第三方，這在一定程度上導致其相關功能及應用場景受限，難以發揮價值；第九，當前對于AI產品，在引進應用方面大部分的傳統企業缺乏從立項、實施、應用再到風控、評估等系統化的管理方案；當前一些企業在積極擁抱AI，不僅有思想上的，也有行動上的，比如有營銷行業的公司已經通過開源軟件構建了自己的應用大模型，在產品設計、客戶服務管理、直播銷售等場景上取得了不錯的成果，而對于傳統行業老楊所擔心的是一些企業領導對AI的過度解讀，就如做數字化一樣有太多的“想當然”，一些企業領導缺乏對AI的認知，認為AI無所不能，有的企業領導甚至認為引進了AI就可以先把一些高薪崗位優化，以此來實現所謂的“降本增效”，比如某企業領導就曾說：公司引進了AI，就可以把程序員都干掉了，讓AI幫我們寫程序！我們想要什么就馬上設計出什么來！這種想法可行嗎？理論上可行，但需要很長的時間才能實現，但如果領導的管理邏輯是混亂的，那么AI設計出來的也是智障軟件！那么至于多久？未知！可能是明天，也可能是明年，甚至是更長時間！當前在AI技術的利用上，部分企業領導存在和傳統經驗管理一樣的投機意識，總想在技術上取巧，但最終弄巧成拙！因為AI并非如芝麻開門那般簡單，不僅需要應用者像AI一般思考，更需要一個長期訓練的過程，才能得到想要的結果，因為AI產品也需要一個不斷學習完善的過程，雖然現在市面上生成式AI產品很多，在某些場景取得了不錯的效果，比如在公文寫作、文創、產品設計方面，但相對于企業復雜的應用場景生成式AI的可應用范圍僅僅是冰山一角。為什么傳統企業的業務場景短時間內很難應用AI？其中最主要的原因就是一個管理場景的復雜性。一些企業做了知識管理大模型，可以快速的實現歷史知識的文檔的快速查找，比如傳統需要幾個小時才能在海量文件中翻找出來的文檔，利用AI大模型工具幾秒鐘就可以解決，廣泛應用于營銷客戶、維護維修等場景。其實對于企業管理場景而言這是最簡單的應用，但實現起來卻需要大量的基礎數據做為支撐，且對數據的完整性、準確性要求極高，應用呈現效果可能只有幾秒鐘，但前期收集、整理知識文檔、制定相關標準、清洗數據可能要花幾個月甚至更長的時間，因為AI產品也是基于數據制定規則來最終呈現結果的。如果企業提供的文檔數據殘缺不全，那么最終花費高額代價做的AI大模型也會變成“人工智障”。最簡單的知識文檔大模型尚且如此，如果再復雜的生產管理場景想實現AI智能化估計就更難了，因為對于大部分傳統企業而言，管理的隨意性太強，而最最關鍵的是企業領導及員工總是難以沉下心來提升對AI的深度認知，總是期望AI產生“點石成金”的奇效，以此來改善日常工作中的各種問題，總是在思想上懶惰，在意識上希望“勤奮”的AI能代勞其全部的工作，而不愿在工作模式上做出改變，其實AI時代缺乏的并不是技術，而是能力，一種利用AI技術+創新的能力，能否具有駕馭AI技術的能力，是當前每個傳統企業都要面臨、都需考慮的問題，否則AI技術極有可能成為管理的背鍋俠。所以老楊認為當前企業里領導沒有AI思維比缺乏AI工具更可怕。那么傳統企業如何打造AI能力？除了在認知上提升，老楊認為組織能力非常重要，在一次問卷調研中老楊發現有近68%的企業表示從未考慮過是否設立與AI相關的組織或崗位，近25%的企業表示準備設立，從中我們不難看出大部分的企業在AI應用方面還是非常謹慎的，并未成立專業的組織來應用推廣AI技術，這也將直接影響AI技術在企業的應用效果，所以若想真正應用AI、落地AI必須在組織管理上下功夫，成立專業的AI實施與應用組織。同時在在推廣應用策略上應采取單個應用場景突破，小切口試水，取得效果后再大面積推廣的策略，避免貪大求全，在技術上踩坑，浪費成本。綜上所述，AI不僅是一種技術，更是一種能力，是先進技術+創新思想的結合體，是未來企業管理的趨勢，但目前大部分的傳統企業仍是讀不懂、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，因此企業需要的不僅是技術，更是技術與業務融合的管理轉型，否則AI又會背上企業管理的鍋，成為下一個名副其實的背鍋俠。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！
-
24
12/13
喊著干掉網站和app的AI公司們，卻在豪擲數億瘋搶網址域名
這是地球上最好的域名。”——馬斯克如此評價x.com。2017年，他花費500萬美元從paypal手中重新買回x.com，后來他買下的社交媒體平臺Twitter更名重塑為X。七年后的今天，隨著AI浪潮的崛起，域名爭奪戰再次升溫，而金額更是水漲船高：一家名為Friend的AI初創公司為了friend.com砸下180萬美元，OpenAI為chat.com更是支付了超過1500萬美元......這些投入累計已超過數億人民幣。這些喊著AI最終會干掉一切過時的網站和app的AI公司們，一扭身在為搶奪網址域名豪擲千金。這些公司“身體是誠實的”，哪怕人工智能的新戰場上，一個好域名依然價值連城。chat.com：從“搜一下”到“聊一下”近期，OpenAI以1550萬美元的天價買下了chat.com，這筆投資乍看上去似乎有些不可思議。畢竟，現在的年輕人更習慣打開APP，而不是在瀏覽器里一個字母一個字母地敲網址。OpenAI這筆域名投資的背后，折射出的是一場搜索入口的爭奪戰。在過去二十年，“google一下”、“百度一下”幾乎成為了搜索的代名詞。而現在，隨著生成式AI的崛起，人們開始習慣用“chat一下”來尋找答案。從這個角度看，OpenAI收購chat.com，某種程度上是在下一盤更大的棋：讓“chat”成為新時代的“google”。在生成式AI領域，“chat”已經成為一個重要關鍵詞。直接在瀏覽器輸入chat.com就能訪問ChatGPT，這種簡單直接的體驗，對于快速擴大用戶基礎至關重要。此外，不少用戶會把“ChatGPT”錯寫成“ChatGTP”。這看似小小的拼寫錯誤，卻可能導致流量流向其他競爭對手。比如當用戶錯誤輸入“ChatGTP”時，頁面會重定向到NinjaChatAI，這無疑不是OpenAI想看到的結果。從這個角度看，投資chat.com不僅僅是為了一個好記的域名，也是一種防御性策略。通過提供一個簡單、無需記憶復雜字母組合的域名，OpenAI希望能降低用戶使用門檻，同時避免潛在的流量流失。有趣的是，chat.com的賣家是HubSpot聯合創始人DharmeshShah。據傳，他在交易中不只拿到了現金，還獲得了一筆OpenAI的股份。成為OpenAI的股東，或許比持有一個域名更有想象空間。Shah本人也不是參與重大域名交易，他曾在2022年以1000萬美元購得connect.com，他開發的文字游戲網站WordPlay.com，也曾在憑借直觀的域名，短期內積累了1600萬用戶，他顯然對優質域名的價值有著獨到的見解。ai.com到底在誰手中？在chat.com之前，還有一個更撲朔迷離的故事：ai.com的歸屬之謎。這個域名自上世紀90年代中期起屬于Google，根據一些媒體的報道，OpenAI在2023年以1100萬美元的價格將其收入囊中。然而，這個傳言至今未得到任何一方的官方確認。而根據域名經紀商Saw.com的信息，ai.com曾在2021年被互聯網開發公司FutureMediaArchitects（FMA）擁有。雖然有暗示說新買家可能是OpenAI，但這一信息始終沒有得到確認。目前，該域名處于隱私保護狀態，更增添了幾分神秘色彩。更有趣的是，ai.com的解析目標像是在玩捉迷藏：它先是指向ChatGPT，后來又跳轉到了馬斯克的xAI，甚至在一段時間內指向了科技YouTuberMarquesBrownlee（MKBHD）的一段AI視頻。現在又重新指向了ChatGPT，這種反復無常的跳轉讓人懷疑：會不會是域名持有者在玩一場“欲擒故縱”的營銷游戲？不過按照馬斯克和奧爾特曼的性格，如果真是他們其中之一買下了ai.com，恐怕早就在X平臺上炫耀了。畢竟馬斯克曾經為了tesla.com花了十年時間和1100萬美元，為了x.com也砸下了500萬美元。奧特曼也在第一時間在x上宣布了對chat.com的“主權”。.ai：小國的意外之財囤積“虛榮域名”的現象與互聯網歷史一樣悠久，在AI領域燒錢如流水時，有個躺贏選手默默數著錢笑了：安圭拉。這個加勒比海上人口只有1.5萬（坐不滿五分之一個鳥巢）的小島，因為手握.ai這個國別域名后綴，躺著就吃上了AI紅利：互聯網名稱與數字地址分配機構（ICANN）在分配國家和地區代碼頂級域名時，基于國際標準，將“.ai”分配給了安圭拉（Anguilla）。這種分配方式是按照ISO3166標準確定的國家/地區代碼完成的，而安圭拉的代碼正好是“AI”。每注冊一個.ai域名及續費，安圭拉就能收到140美元。隨著AI創業潮的興起，根據WHOIS數據，截至2023年6月，.ai域名總數達到了248609個，幾乎是2022年7月的兩倍。而這個小國的域名收入從2017年的100萬美元暴增至2023年的3200萬美元，占其GDP的10%以上。僅2023年，通過域名注冊費用獲得的收入就達到了該國政府總收入的五分之一。從Copy.ai到Character.ai，從Jasper.ai到Perplexity.ai，越來越多的AI創業公司選擇.ai作為其數字身份。可以說，一個偶然的域名后綴，讓這個原本以旅游業和離岸銀行業務為主的小島，搭上了科技革命的快車。據預測，2024年安圭拉GDP增長有望達到6.95%，這在很大程度上要歸功于.ai域名需求的持續走高。中國大模型公司的域名布局：我還有PlanB在OpenAI為域名豪擲美元的時候，國內AI公司們正在“曲線救國”。.com域名搞不定怎么辦？答案是：有多少個備選方案就注冊多少個域名，實在不行，換個方向繼續戰斗。月之暗面的官網是moonshot.cn，而輸入moonshot.com會跳轉到johnsculley.com/lander，這個網站的所有者是JohnSculley，就是那位被喬布斯用“你是想賣一輩子甜汽水，還是和我一起改變世界”打動來加盟蘋果，后來又把喬布斯趕走的傳奇人物，而JohnSculley寫了一本講述企業創新的書叫《Moonshot!》，于是，一切都聯系起來了。不過對于月之暗面來說，kimi顯然比moonshot更重要。kimi.com、kimi.ai、kimi.cn、kimi.com.cn、kimi.today、kimi.zone、kimi.team，這一系列域名都在月暗手中，主打一個收集寶可夢就要收全套。另外通過whois反查，我們發現月暗還注冊了xiaoke.chat、xiaoke.run、xiaoke.team。這是又一個智能助手產品（小可）還是AI+CRM類產品（銷客）？智譜AI的域名主打一個實用派，zhipu.com和zhipu.cn都被人用了？沒事，zhipuai.cn也能用。除了已上線的產品外，智譜還注冊了大模型測評相關的一系列域名（llmbench.cn、llmbenchmark.cnllm-bench.cn），以及個稅.online、aiworkflow.cn等域名。比較逗的是智譜的大模型開放平臺用了bigmodel.cn，還喊出了用大模型API就上bigmodel.cn的口號，而bigmoxing.cn、guochanapi.cn這兩個域名卻跑到了階躍星辰手中，比拼誰的域名更中國風了是嗎。Minimax的官網的情況類似：或許想注冊minimax.com，一查才知道這域名屬于一家德國老牌消防公司。于是他們選擇了繞道走，用了minimaxi.com（多了一個i）。另外有趣的是Minimax注冊了belloai.cn、bello-ai.cn、aibello.cn這三個域名，而belloai.com為Bello倍羅官網，這是一家成立于2016年專注招聘場景的AI技術研發的創業公司。總的來說從這些案例看來，國內AI公司對域名這事的態度，基本就是一句話：沒搶到心儀的域名？不慌，我們有一百個PlanB。人家有chat.com，ai.com，我們.cn照樣把大模型做得風生水起。所以，為什么還要買域名？在APP為王的時代，為什么AI公司還在大手筆購買域名？這個問題的答案可能比我們想象的更復雜，但其核心價值：品牌識別和用戶信任將始終不變，一個好的域名仍然是企業戰略布局中的重要一環。不過對于大多數創業公司來說，性價比可能是更重要的考量。畢竟在這個以用戶體驗為王的時代，產品力才是真正的制勝法寶。一個天價域名固然吸引眼球，但最終還是要靠真材實料的產品和服務來說話。比如perplexity.ai即便是英語母語者也經常記不住或拼錯這個名字，更別提全世界的其他用戶了，但作為一個AI搜索引擎，該公司依靠產品力獲得了大量用戶的喜愛。什么才是最好的域名，也許答案并不重要。重要的是，無論域名多么朗朗上口，終究還是要靠真正解決用戶問題的產品和服務來證明價值。值得注意的是，隨著技術的發展，域名本身可能也可能迎來變革。語音交互的普及、新一代互聯網協議和平臺級設備的出現，都可能改變我們訪問網絡的方式。在這個意義上，今天的域名之爭，或許會成為互聯網發展史上的一個獨特注腳。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！
-
24
12/06
AI編程在硅谷殺瘋了，但國內還長得出自己的Cursor么
出路在哪里。2024年夏天，經歷了3次重大功能更新和40余次功能迭代之后，AI代碼編輯器Cursor在北美制造了一場程序員狂潮，并且也隨即成為大洋彼岸中國程序員們的編程工具首選。面對強大的GitHubCopilot，Cursor帶來的交互方式的變化、使用體感上的創新、對整個程序文件全局補全代碼的能力、雖由OpenAI孵化但基座模型棄GPT4而選Claude的決策、快速拿下3000名各領域客戶的成績、以及早在8月就達到的4億美元估值，都讓它成為科技圈熱議的焦點。Cursor甚至都不是硅谷第一個走紅的AI編程產品，更不是最后一個。今年3月，“AI程序員”Devin引發行業廣泛關注，僅5個月后，另一家名為Cosine的AI初創宣稱，他們全新推出的AI程序員Genie測試表現遠超Devin，8月，集成了AI的強化型代碼編輯器Cursor迅速成為頂流，作為VSCode的衍生版本，它在繼承VSCode優勢的基礎上，全面融入AI功能，極大簡化了軟件開發工作流和編程過程，在它之后，Magic、Bolt、Replit、Supermaven紛紛成為AI編程明星公司的代表，他們各自擅長不同的方向，Supermaven重上下文本長度，Bolt、Replit在工作流上做了更多延展，不僅能設計代碼的整體結構，還能夠對代碼作出全局修改，甚至超出了Cursor的能力邊界。據報道，這些公司的總融資額早已超過了22億美元。AI編程在硅谷逐漸成為最性感的AI賽道，10余家今年活躍的AI編程初創中，已有7家成長為獨角獸。然而，與很多領域的“追逐”不同，在AI編程公司席卷硅谷的同時，國內卻基本上沒有聽到過AI編程初創公司的大消息。一位前沿科技領域主流VC的投資人告訴硅星人，其實國內去年一下子也冒出了多家AI編程公司，他們當時梳理完曾經有十四五家。“那些創業團隊都在編程賽道上想各樣東西，比如代碼搜索，比如面對論文進行編程，比如做代碼注釋，或者代碼修復，還有一部分在做純代碼生成，完全對標Cursor。”他稱。“但問題是，水平差了很多。”他形容，總體而言這些團隊做得代碼生成，程度不深。硅星人了解到，去年奇績創壇投了六家AI編程領域的初創，此后幾乎全軍覆沒，而去年10余家曾短暫浮出水面的代碼類團隊，今年大部分已經退場。對標Cursor，現實骨感“水平差了很多”的問題，其實是個AI行業常見的問題。在基礎模型上，在Chat類的AI應用上，其實都存在中國公司追趕美國對手的現狀，但事實上這些賽道還是有融資發生，投資人也能在市場邏輯上自洽。但AI編程有一個很大不同，就是——面向開發者的AI編程產品沒有國界。這與那些面向企業的知識庫問答助手等產品都并不一樣，因為語言、生態等方面的差別，中國和美國差異很大。據硅星人了解，面向企業的知識庫問答助手，面向中國和美國客戶，面向中文與英文的版本差異堪稱巨大。“美國先做出了好產品，國內開發者都會去用，沒有太多門檻”。來也科技CTO胡一川指出。于是，水平做得太淺在AI編程的賽道上，就成了第一個問題。達不到Cursor、Bolt、Magic等新貴的身位，這個硬標準如果不能啟及，在許多中國投資人眼里，再好的團隊也不能吸引到投資。有AI應用團隊聯合創始人表示，海外市場目前很多類似Cursor的明星產品跑出，本質上是美國資本市場對這類——用海外最好的大模型（Cursor用的是Claude）直接做插件，做成Agent的編程產品非常buyin。客觀而言，在模型層面，國內似乎不缺乏比肩GPT4的模型，然而問題似乎不在這里。因為哪怕是同樣基于海外模型，目前很多應用的產品完成度和能力都依然欠缺。于是，當國內投資人看AI編程賽道的一個共同邏輯是對標Cursor時，就自然下不了手。上文提到的AI應用創業者表示，他經歷過幾十次非常類似的交談，但發現投資人們最終認為，“這個標準國內產品是達不到的”。“現階段在海外能解決這種IDE生態問題的中國團隊尚且看不到。”AIGCodeCEO宿文表示。IDE指的是集成開發環境，指用于提供程序開發環境的應用程序，包括代碼編輯器、編譯器、調試器和圖形用戶界面等工具，如微軟VS系列問題。他認為，目前中國公司們哪怕想在海外實現Cursor這樣的“插件邏輯”，也是遙遙無期。當在技術本身落后時，中國投資人過往的一個常見邏輯是，我們有更大的市場和應用場景，商業化上可以快速跑起來，進而帶來應用上的彎道超車機會。然而在AI編程上，商業化的環境也沒有比海外好到哪去。“投它（AI編程）就是因為其賺錢。”常駐硅谷的AminoCapital合伙人徐霄羽表示，AI編程火爆于硅谷，背后原因是PLG（產品驅動增長）SaaS模式在整個海外是成立的。徐霄羽發現，她們機構最近3年投資的初創公司，發現并找到PMF的生成式AI公司，比沒有生成式AI驅動的公司能節省一半時間達到1000萬美金ARR（年度經常性收入），這雖然不能幫助這些公司日后成為谷歌，但足夠發展成一個小獨角獸體量，其中最典型的例子就是2016年成立，今年躍升成為編程界新貴的Replit。但事實上，哪怕在硅谷當紅編程工具如GithubCopilot、Cursor和Bolt，在現實中的產品狀態也沒有達到強付費點。構建自有編程模型的另一家新貴Magic，甚至都沒有發布正式可用產品，他們仍解決存量場景下的存量程序員需求。國內的付費道路更在最早期。國內2BSaaS生態因利潤率低不賺錢，因復雜環境成因不起勢已是老生常談，就連李開復日前都說“現在還沒有SaaS訂閱的妄念”。而且，AI編程很重要的目標群體是互聯網公司的程序員們，但大廠傾向于團隊自己做生產工具。公開信息顯示，阿里云、字節跳動、華為、百度內部都有成熟的AI編程業務，這些業務服務于內部，讓外部的創業公司少了很多市場機會，同時這些業務在市場成熟的時候也很可能轉身入局，對外提供服務，像當年釘釘與飛書的歷程一樣，屆時創業公司的空間也會進一步被碾壓。尋找出路：有人找獨特的市場機會，有人認為還是要硬碰硬劉罡是國內最早關注AI+行業方向的風險投資人之一，依循阿爾法公社的“投人不投賽道”的邏輯，作為合伙人的他很早走訪到幾家很有潛力的AI編程團隊，包括其中一家編程方向的項目，團隊資質良好，有不錯的產品，項目針對B端企業和開發者，但付費很成問題，他們曾找到少數大B客戶做私有化部署，但總體“說白了收不上錢”，勉強維持但無法實現快速發展。這一團隊于2023年下半年陷入困局，今年伊始，他們堅決轉型進入全新領域，開始有了一些不錯的營收和業務增量。北京大學長聘教授李戈耶是國內這一賽道最早的闖關人。兩年前他創立了aiXcoder，早于ChatGPT問世之前，李戈用比較傳統的編程方法孵化這一項目，在IDE（集成開發環境）里做插件，做代碼補齊，有些類似經典的知識圖譜。2023年起，aiXcoder調轉船頭擁抱大模型，做大B端和2G端生意，接連獲得了幾家銀行和國企商單，年中預測今年會有6000萬左右的營收，和近10億人民幣左右的市面估值。還有高瓴、清流資本和一家汽車產業鏈基金的加注。“這是中國特有的機會，國內有很多大型公司，自己有比較大的開發團隊，它們需要AI編程的輔助，但又不可能用GitHubCopilot或者Cursor這樣需要連接云端大模型的產品。“胡一川認為。當下國內絕大部分頭部銀行、保險公司、和金融行業里的大型企業，都擁有異常龐大的開發團隊，小則幾千，大則上萬，他們的共性是希望運用先進的AI工具和技術，但不太可能使用互聯網上的編程工具，出于安全考慮，必須使用一款能在環境里做本地化部署的AI編程整工具。這不僅是AI編程一個賽道的特性，還折射出整個大模型ToB落地的新趨勢。胡一川認為，目前很多客戶要的不僅僅是你的模型本身，或者AI編程軟件，要的是軟硬一體化的方案，“要這個東西做本地化部署，需要選擇什么樣的GPU，怎么在GPU上做訓練和推理，怎么高效使用GPU，都需要廠商具備很專業的服務能力。”總之，“AIcoding這里面的角色從設計到開發到測試到發布都有，新的公司想繼續走這條路，競爭是非常激烈的，除非他找到了一個非常獨特的群體，或者非常垂直的領域，一些通用的產品解決不了的問題，它能夠解決，才可能會有機會。”胡一川說。這的確是一種生存思路。最近原月之暗面視頻生成產品Noisee負責人明超平離職，他創業的項目也是一家AI編程公司，據硅星人了解，這家公司是走輕量級類似Websim的產品路線，瞄準游戲等場景，（Websim是款僅通過文字描述就可以生成網站的網站，可以生成小游戲和一段音樂，由OpenAI、Anthropic等大模型驅動，如Claude3.5Sonnet和GPT-4o），暫時沒有自己的專屬模型，要走比Bolt還輕的產品付費路線。與此同時，還是有新的創業者“不信邪”，認為最終的出路還是要與海外最強的產品“硬碰硬”，在能力和模式上通過創新來獲取自己的機會。AIGCode的宿文是其中一員。他表示，一些AI編程國內企業做的大量工作是代碼測試和代碼修復，這都只是進入到了編程賽道，但不算真正在做深度代碼生成。“這個真正的工作像吃肉，需要放棄邊角料”。他此前在華創資本做投資人。2021年3月離開華創之后，保留了投資合伙人的身份，但幾乎是全職投入了創業模式，最終他在今年1月創立AI編程公司AIGCode，獲得了兩輪融資AIGCode的產品是一個端到端的Autopilot工具，有自己“pre-trainfromscratch”的通用模型，想對標poolside、magic，做大模型時代的產品發動機。宿文告訴硅星人，他把端到端做代碼生成定為自己20多人團隊的工作方向。“20多人搞不定的事兒，200個人也搞不定，這個賽道的技術人才是非常有限的，有幾個人做過預訓練又有多少人做過先進且創新的軟件架構呢？”20人的規模與他對標的競爭對手，美國AI編程初創Magic的體量相當。從模型和軟件架構上去做代碼生成，做端到端完成任務的編程工具，并訓出自己的模型，與應用垂直結合，最終接管APP工廠里的多個職能，這種端到端完成任務的編程方式，是宿文眼中在編程領域能脫穎而出的唯一方法。在鏈路管線上分工明確的硅谷，端到端沒有必要，但在中國的開發與B端環境里，端到端可能是更符合市場需求的模式。“只有端到端的代碼生成或者片段化的代碼補齊叫做AI編程”。但這也要求你真的可以做得比硅谷新貴們流程全，做得水平比他們還好。這顯然并不容易，和其他同行一樣，市場和投資人給他的時間窗口也是有限的。一切都需要加速進行。宿文表示，自己的團隊已經把很多先驗性東西跑完，目前處于往產品上補全功能覆蓋度的階段，并于最近開啟了產品內測。“付費點沒到之前，最好的辦法是先讓用戶起來，讓產品出來，這個賽道就像南北坡爬山，Copilot已經從北坡先爬到了大本營，我們在南坡還不一樣，但大家最終都能登頂。“宿文說。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！
-
24
12/06
OpenAI進軍瀏覽器，AI正在消滅“網頁”，瀏覽器怎么活？
物競天擇，適者生存。ChatGPT之后，AI改造軟件就迅速成為了全球的共識，「人工智能將從根本上改變每個軟件類別，」正如微軟CEO薩蒂亞·納德拉所言，而瀏覽器作為最重要的軟件之一當然也在其中。甚至，OpenAI可能也要來了。TheInformation在最新報道中就披露，OpenAI打算開發一款自己的瀏覽器（Browser），來與Google旗下的Chrome硬碰硬。坦白講，這條新聞并不讓人意外，考慮到OpenAI已經推出了ChatGPTSearch，還有獨立客戶端（Windows/macOS），就算推出瀏覽器也是順理成章的一件事。圖/OpenAI問題是OpenAI要打造一款什么樣的瀏覽器？是和大家一樣基于Chromium，還是基于自家的ChatGPT客戶端？是傳統意義上的網頁瀏覽器，還是基于AI問答的全新瀏覽器？目前來看，短時間內我們還很難期待OpenAI正式推出自家的瀏覽器，也得不到上述問題的答案。但不管如何，瀏覽器很重要，時至今日依然是無數人通過互聯網看世界的重要窗口，尤其在PC更是最重要的窗口，沒有之一。瀏覽器的AI化，自然也是題中應有之義。（編者注：本文提及的AI化，主要代指ChatGPT之后以大模型為基礎的生成式AI化）AI瀏覽器，才走出第一步作為一種產品，瀏覽器完全稱得上「古老」，基本伴隨了整個互聯網行業的成長過程，從網景和IE瀏覽器的王朝更替，到Chrome和Firefox的雙子星崛起，再到今天以Chrome為首的一超多強。但與之相對，AI瀏覽器還只能說是「初生牛犢」。今年1月微軟Edge在主流瀏覽器中率先打出了「AI瀏覽器」的口號；隨后的3月，360創始人周鴻祎也在一場直播中發布了號稱AI化升級的360AI搜索和360AI瀏覽器。圖/360不只是Edge和360，今年以來AI化已經成了瀏覽器的共識。就連一向步驟緩慢的Chrome也沒有按耐住AI化的步子，由主導開發Chrome的現GoogleCEO桑達爾·皮查伊在年初宣布引入生成式AI能力。AI化的瀏覽器帶來了體驗上質的升級嗎？很可惜，還沒有。目前來看，大部分所謂「AI化」的效果基本等同于按照一個AI功能插件的效果，以側邊欄、懸浮窗為形式，以網頁總結、AI聊天、AI生成文本/圖片等功能為主。不能說這些功能沒用，但實際帶來的體驗升級有限，與瀏覽器的結合也不夠深入，完全可以通過安裝一個ChatGPT插件、豆包插件、Kimi插件來實現。圖/夸克而另一方面，瀏覽器上變化最大的AI搜索，實質上更接近一個獨立的產品和服務，脫離瀏覽器也完全服務用戶，所以這里先按下不表。當然瀏覽器的AI化也不全如此，比如Chrome年初宣布引入的生成式AI能力中，就專門提到了「標簽管理」的AI化，可以運用生成式AI的能力將所有標簽頁進行智能分組。包括新創瀏覽器公司TheBrowserCompany，在2月發布的「第二幕」（ActII）更新中甚至為Arc更早加入了類似功能，一鍵就能用AI組織標簽頁——根據網頁內容自動分門別類并且重命名。此外，作為AI化可能最激進的瀏覽器，Arc還利用AI實現了搜索直達、書簽和下載文件的智能重命名等。但這是少數，大部分瀏覽器的AI化還停留在表面上，更多還是營銷考慮以及FOMO（害怕錯過）心態帶來的動作。另一方面，瀏覽器廠商還在進行各種探索和嘗試，這些都是需要時間的。不過有一個問題卻是瀏覽器需要共同面對的：如果Web再死一次，瀏覽器要往哪走？AI正在徹底殺死Web2010年，克里斯·安德森（ChrisAnderson）在《連線》雜志上發表了一篇影響深遠的文章——《Web已死，Internet永生》，其中最核心的觀點就是App對于網頁的大規模沖擊。2010年前后，在從桌面設備（PC）轉向移動設備（手機）的過程中，互聯網用戶的內容消費習慣已經呈現出現了明顯App化的趨勢，開始慢慢習慣用一個個App而非通過一個瀏覽器瀏覽不同Web。不過后來的事實證明，Web確實受到了App很大的沖擊，但依然有相當部分的消費者使用瀏覽器瀏覽網頁，尤其是在PC上依然堅挺。另外，還有不少瀏覽器延伸出了小說閱讀、資訊等服務，來吸引和留住用戶。但如果說瀏覽器的本質是瀏覽網頁，那當用戶不需要瀏覽網頁的時候，還會需要瀏覽器嗎？圖/夸克這是生成式AI時代面對的一種可能，關鍵變化在于AI搜索正在直接生成答案，而不是引導用戶跳轉鏈接去到一個又一個的網頁。簡言之，如果越來越多用戶滿足于AI搜索生成的回答，沒有必要瀏覽一個個網頁，傳統瀏覽器關于標簽頁、書簽、擴展程序以及關于網頁瀏覽的大部分設計、功能慢慢也就沒有了用武之地，「瀏覽器」這類產品自然會逐漸失去本身的意義。如何面對這種可能？不同玩家有不同的答案。AI正在讓瀏覽器「脫胎換骨」10月，Arc瀏覽器開發商TheBrowserCompany宣布了一個大新聞——停止Arc瀏覽器后續的功能更新，未來只會進行基本的穩定性維護。與之相對的是，他們將啟動一個全新的項目，CEOJoshMiller坦言：「說實話，我們甚至不確定它能不能稱得上是一個網絡瀏覽器。」圖/TheBrowserCompany唯一肯定的是，新項目依然聚焦網絡瀏覽，但卻是從頭開始基于大模型驅動，而非像Arc一樣「半路出家」。至于新品到底是類似ArcSearch（移動端）的AI搜索，還是基于問答的全新形態，還要拭目以待。總之按照規劃，這家集齊Chrome創始成員、Safari前首席設計師的新創公司將于明年春季發布這款全新的「瀏覽產品」（姑且稱之）。不過相比推倒重來，更多廠商不太可能放棄已有的品牌認知，也不想太過挑戰用戶的習慣。但即便是在原有瀏覽器產品形態的基礎上進行改良，不同瀏覽器廠商的判斷、能力也有所不同，帶來的結果和體驗也會有很大的差異。一個核心是大模型。相比大部分廠商沒有大模型自研能力，只能選擇接入第三方大模型，少部分廠商如夸克、豆包、Kimi擁有自研大模型，有利于實現從底層大模型到應用層的垂直整合，并且根據AI技術的進展、用戶數據和反饋快速地進行產品迭代。同時夸克、豆包以及Kimi這三家，在桌面端產品上都不約而同將「AI搜索」——現階段可能是AI改造最重要的軟件類別，視為核心。但除此之外，夸克或許是沉淀了更多產品經驗和對用戶需求的了解，沒有局限于AI搜索以及網頁總結等主流AI功能，還集成了一整套信息處理和生產的AI工具，包括AIPPT、AI簡歷、AI搜題等。圖/夸克寫在最后時間臨近2024年的年尾，AI改變世界的進程仍然存在不少不確定性。包括OpenAI聯合創始人、前首席科學家IlyaSutskever在內，一批頂級AI技術專家看來，基礎大模型的智能涌現已經碰到了瓶頸。但盡管如此，AI對于瀏覽器的影響已經不言而喻，幾乎所有還在更新維護的瀏覽器產品，都在圍繞AI加入新的功能甚至交互設計，甚至重新改造搜索的體驗、獲取和處理信息的體驗。正如達爾文在《演化論》中反復論證的觀點——「物競天擇，適者生存」，AI正在底層改變我們獲取信息、處理信息甚至生產信息的方式，而作為我們通過互聯網獲取信息最重要的窗口之一，瀏覽器必須適應時代的變化、重新改造，才可能不被用戶拋棄。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！
-
24
11/28
讓AI“上天”“入地” 大模型如何打開未來世界
將大模型和生成式AI送到普通人手里，讓大模型觸手可得。從ChatGPT問世至今，已經過去2年。大模型和生成式AI帶給人們的，除了無限暢想，還有理想與現實的差距。即便AI手機、AIPC、AI汽車相繼問世；即便隨便打開一個大模型，讓AI搜集一些資料、擴展一篇文章，已經“SoEasy”，但大多數人仍覺得“不解渴”。用一句話總結，人民群眾日益增長的AI理想與AI現實之間存在巨大矛盾。那么，如果從專業角度，該如何評價過去兩年大模型和生成式AI的發展?“AI先生”李彥宏11月12日做了總結：“大模型最大的變化是基本消除了幻覺，回答問題的準確性大大地提升，變得可用、可被信賴。”同時，他認為智能體是AI應用的最主流形態，即將迎來爆發點。消除幻覺的一個標志性產品是百度自研的iRAG，將百度搜索的億級圖片資源跟強大的基礎模型能力相結合，沒有了幻覺，少了AI味兒。比如車企可以用iRAG生成宣傳海報，還原真實的車型，再也不用畫幾十萬去拍攝了。再比如馬斯克在故宮旅游，不僅馬斯克和故宮都能精準呈現，還能將人與場景非常自然地融合在一起。作為國內大模型和生成式AI參與國際競爭的種子選手，百度在AI領域的進展值得關注。11月12日的百度世界大會上，李彥宏就重點介紹了百度大模型和生成式AI的當下進展以及未來空間。陡峭增長，日調用量超15億北京上班的小徐，最近嘗到了AI的甜頭。因公司設計人員不多，且集中精力備戰雙十一，給領導做PPT的任務就落在他頭上。可他只擅長文字工作，制作PPT是短板，心里犯怵。經同事點撥，他知道了百度文庫可以一鍵生成PPT，將發言稿全文上傳后，就能生成個七七八八，再更換下配圖、調整下文字圖片大小即可。這可幫了他大忙，接到領導這樣的任務，他再也不擔心了。百度文庫的一鍵生成PPT功能背后正是百度文心大模型在發揮作用，小徐的每次使用，都需要調用一次大模型。除了制作PPT，用戶每一次在百度App搜索智能體，每一次在文心一言問答，每一次用文心一言生成圖文都會調用文心大模型。除了C端用戶，B端企業用戶的數字人、智能客服等每一次服務用戶，也都會調用一次文心大模型。這個調用量規模有多大呢?李彥宏透露，截至11月初，百度文心大模型的日均調用量超15億。這足以表明大模型已經深入用戶日常生活。更值得關注的是，日調用量增長的速度。李彥宏表示，百度內部曾討論大模型的未來，“怎么才叫成了”。他當時說，如果文心一言大模型日均API調用量，一年之內漲10倍，從今年5月初的2億到明年5月漲到20億，就認為成了。因為這說明，大家是真的需要。而目前，僅半年過去，就超過15億，逼近20億，這條超出百度預期的陡峭增長曲線，正是中國大模型應用大爆發的縮影。此外，文心一言用戶規模達到4.3億。AI從量變迎來了質量時刻。AI需求側的爆發式增長，離不開供給側的持續迭代。比如，百度研發了“理解—檢索—生成”協同優化的檢索增強技術。檢索增強是大模型去幻覺，增強答案可靠性的主要路徑，即用海量搜索信息指導內容生產，提高準確度。再比如，服務程序員的智能代碼助手文心快碼升級至3.0版本，不僅功能開發、代碼測試、問題修復等能力有所提升，還能實現多個智能體流水線協同，進一步提升程序員工作成效。面向產業端，百度構建了文心大模型矩陣，包括ERNIE4.0Turbo等旗艦大模型、ERNIESpeed等輕量模型，以及基于基礎模型生產的系列思考模型和場景模型，滿足不同應用的需要。當然，這更離不開百度AI先人一步出發。ALLinAI到李彥宏獲評AI先生，百度幾乎是國內唯一持續多年在AI領域做投入、開源、人才培養、生態共建的企業。10多年來，百度為人工智能和自動駕駛研發投入超過1700億，聘請2024物理諾獎得主辛頓、吳恩達、DarioAmodei等全球科技領軍人物，使得百度在大模型領域成為真正的扛旗者。打開多個增長通道AI正在重塑百度。除了大眾知道的百度將旗下產品全部AI化以外，文心大模型還在至少三個維度為百度提供新的增長動力，由內到外改變這家公司。一是智能體。這被李彥宏看作是AI原生時代，融合內容、信息、服務的新載體，類似PC時代的官網，移動時代的自媒體賬號。與智能體緊密相關的是百度的搜索業務，以前用戶百度搜索之后的結果頁是官網或者其他SEO之后的內容，如今得到的更大概率會是智能體。有何區別呢？以往，用戶在百度App搜索比亞迪，通過首個結果進入比亞迪官網，自主瀏覽、查看。現在，搜索結果第一條是比亞迪智能體，變成了一個類似生成式AI的互動界面。用戶可以問某款車型信息，多款車型對比，或者線下門店信息等，智能體可第一時間生成答案，告知用戶。這種模式下，品牌與用戶的鏈接更精準、高效。在百度看來，搜索是智能體最大分發入口，智能體的爆發會使搜索成為AI時代的第一入口。數據顯示，截至2024年11月，百度文心智能體平臺已經吸引了15萬家企業、80萬名開發者入駐。越來越多的智能體出現，將徹底改變原有的搜索體驗，為百度賴以起家的搜索業務帶來新的合作模式、盈利模式，打開新的增長通道。二是百度智能云。近幾個季度，百度智能云營收增長強勁、持續盈利，正是與大模型綁定的結果。因為大模型，解決了企業客戶在AI時代的需求，帶動了模型構建、算力消耗、接口調用等需求，并幫助企業客戶催生了AI原生應用。最初，云服務是解決企業客戶信息化、數字化的成本問題、效率問題，更多屬于CTO決策的范疇。后來，各個云服務廠商增加了行業解決方案，將云服務深入到企業經營管理各方面，涵蓋了生產、銷售、服務、管理等多個環節，幫助CEO解決問題。在AI原生時代，企業客戶迫切需要借助大模型工具，實現自身業務的重構。文心大模型與百度智能云結合，讓企業客戶應用AI、大模型的門檻降低，不僅僅是成本，還包括人員組織等多維度。為實現這一步，百度在文心大模型旗艦版的3.5和4.0版本基礎上，推出了5款輕量級/特定模型、AI原生應用開發工具AppBuilder等，幫助企業更低門檻、更高性價比的進入AI原生時代。目前。百度智能云千帆大模型平臺已幫助客戶精調了3.3萬個模型、開發了77萬個企業應用。百度智能云也成為中國最大的大模型產業落地云，60%以上的央企，以及大量的民營企業，都在聯合百度智能云進行AI創新。三是自動駕駛。自動駕駛是百度面向未來，需要長期培養的增長點。在大模型的加持下，百度自動駕駛技術迭代更快，商業空間更大。今年，百度Apollo發布了支持L4級自動駕駛的大模型ApolloADFM（AutonomousDrivingFoundationModel），可以兼顧技術的安全性和泛化性，做到安全性高于人類駕駛員10倍以上，實現城市級全域復雜場景落地。門檻越低，商業版圖越大縱觀百度大模型近兩年發展，明顯朝著“上天”“入地”兩個方向發展。“上天”是不斷優化大模型技術，持續迭代，提高競爭壁壘。不論從專利數量還是應用規模，百度在大模型領域都走在全球第一梯隊。前不久，沙利文發布的《2024年全球AI生態全景概覽》中，百度與谷歌、OpenAI等位于AI-NativeGiant（AI巨頭）同一序列。“入地”是百度在不斷降低大模型應用成本和門檻，讓更多人觸手可及。除了各種開放平臺、開發工具，百度還親自下場，為高校、企業培養了數百萬的AI人才，讓AI普及的速度越來越快。本次百度世界大會再次體現了這兩點。李彥宏在會上發布了兩項新技術。一是iRAG技術。回顧過去兩年，李彥宏認為，文字層面的RAG（檢索增強生產）已經做得很好基本讓大模型消除了幻覺，即用戶跟大模型一問一答，大概率能得到用戶想要的答案。但在圖像等多模態方面，還存在較大幻覺，比如讓大模型生成一張某歷史人物在某景點的照片，還是存在“一眼假”的情況。要么是事實性錯誤，如人物張冠李戴，要么是畫質“機器味兒”太重，缺乏真實感。?針對于此，百度開發了檢索增強的文生圖技術iRAG（imagebasedRAG），將百度搜索的億級圖片資源跟基礎模型能力相結合，可生成超真實的圖片。這項技術擁有廣泛應用場景，比如過往汽車品牌要拍一組海報大片，動輒要大幾十萬，應用百度iRAG，可立刻生成，且成本幾乎等于零。這是百度不斷“上天”，向技術高峰攀爬的行動。當天，李彥宏還重點介紹了計劃明年一季度上線的無代碼工具“秒噠”，是百度不斷降低大模型門檻，“入地”的體現。“秒噠”可以說，滿足了大多數人對于大模型和生成式AI應用的想象，即不需要懂編程，只需要說出想法，AI就能實現和生產所需要的應用。具體如何實現？用戶只需對準秒噠用中文描述需求，如需要搭建一場活動的在線報名系統，并上傳活動時間、地點等信息。之后，秒噠會自動調取多個智能體、多個工具，實現程序的開發、BUG檢查、視覺設計等工作，完成報名系統的開發。也就是說，只要有想法，你就可以心想事成，這也將迎來一個前所未有的只靠想法就能賺錢的時代——點子時代。當一個復雜的事務變得簡單化，將是其走向千家萬戶，占領大眾市場的開始。比如微軟的可視化桌面系統取代Dos系統，讓普通人可以使用原本復雜的計算機。而“秒噠”的落地，意味著將開啟一個全新的點子時代，這才是AI真正的價值所在。“秒噠”正是這樣一個工具，讓每個人都變成程序員，將極大提高AI原生應用的生成效率，帶來更多智能體，進一步繁榮AI生態。而百度作為這一生態的主要創建者，未來的獲益無需多言。【結束語】作為全世界最成功的快消品之一，可口可樂的成功有其獨特配方、成功的營銷，還有重要的一條，即建立了全球最大的飲料分銷系統。2019年其已在200多個國家建立超30000萬個銷售網點，覆蓋了全球約60％的零售店。這樣的結局是，世界各地的人們觸手可得可口可樂。當前的百度正在做類似的事情，將大模型和生成式AI送到普通人手里，讓大模型觸手可得。AI的普及和商業化自此打開，百度更廣闊的未來世界也被打開。本文來源：R艾瑞網文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
11/28
低代碼賦能企業數字化轉型：數百家軟件公司的成功實踐
在當今的軟件開發時代,以新技術助力企業數字化轉型已經成為一個熱門話題。如何快速適應技術變革,構建符合時代需求的技術能力和業務模式,成為了軟件公司必須面對的課題。在這個背景下,低代碼技術是如何賦能軟件公司,助力軟件公司實現業務騰飛?本文將從低代碼時代軟件公司面臨的機遇與挑戰入手,分享低代碼轉型的最佳實踐:確定轉型戰略、探索轉型路徑以及打造組織能力,助力軟件公司實現破局。低代碼產業高速發展過去五年來,低代碼開發成為軟件開發技術的一個熱門領域。IDC、中國信通院、艾瑞咨詢、低碼時代、愛分析等眾多國內外研究機構對這個領域非常關注,發布了近百份研究報告。根據這些報告對低代碼發展趨勢的預測,2023年到2025年中國低代碼產業的增速在35%-65%之間,是中國軟件產業增長速度的3到5倍,低代碼技術正在進入應用普及階段。企業對低代碼技術的實際需求驗證了專業機構的預測。我們分析了國內中大型組織在招標中提出對“低代碼技術”的需求,根據國內五家重點招投標網站上發布的信息,從2022年到2023年共有411條(去重后)與低代碼相關的招投標記錄,金額普遍在50萬以上,僅僅這些企業在低代碼上的投資就已經達到了數億元規模。同時,從時間維度看,低代碼需求呈現顯著的增長趨勢,從2022年上半年到2023年下半年,招投標的數量增長了8倍。(越來越多中大型企業采購“低代碼平臺”進行應用構建)開發者對于低代碼技術的關注度如何呢?我們選取了搜索指數這個維度進行研究。從2019年至2023年,低代碼技術的搜索指數從初始的0搜索量,增長到熱門技術JavaScript搜索量的25%,這表明低代碼技術已經成為開發者關注的一個熱門話題。(“低代碼”一詞的搜索指數與JavaScript相比較)行業專家、企業用戶以及開發者紛紛將目光聚集于低代碼技術,顯示了低代碼技術的巨大發展前景,也預示著低代碼將在未來三到五年加速普及,我們正在迎來“低代碼時代”。低代碼給軟件公司帶來的新機遇當前,超過95%的應用軟件是以編碼為主進行開發的,一個中等規模的應用,前期需要投入數百萬的成本。在應用構建完成之后,還需要通過市場的打磨和修正,才有可能贏得第一批用戶,后續還會面臨企業用戶復雜多變的個性化需求。在此過程中,軟件公司不但要投入巨大的資金和人力成本,還會面臨很大的風險。低代碼技術的出現能夠有效緩解上述壓力。與傳統開發方式相比,低代碼技術具有更高的效率和更低的學習曲線,使得企業能夠更快地推出新的軟件產品和解決方案,并通過敏捷迭代、快速試錯的方式,快速響應市場變化。針對定制化和二開需求,低代碼技術能夠提供強大的集成和開放能力,結合拖拉拽等可視化開發的方式與業務人員共同協助,幫助實現貼合業務需求的軟件應用。對軟件公司而言,低代碼技術能夠帶來顯著的價值:1.低代碼提供先進生產力,幫助軟件公司提升利潤傳統開發模式下,人力成本居高不下,利潤空間有限。采用低代碼技術,可以大幅降低開發成本、工具采購成本和培訓成本,為軟件公司帶來了新的利潤空間。(先進的生產工具帶來先進的生產力)以上海格心科技有限公司為例,其使用低代碼為寧波愛健軸承搭建了一整套運營管理平臺——“智造云”平臺。該系統從產品設計、生產裝備數字化、生產過程管理、倉儲物流、能源利用等多個模塊展開,實現了對智能工廠的全面覆蓋。整個系統的開發工作量,僅為傳統代碼開發的1/4。系統上線之后,愛健軸承的生產效率提升了30%、生產成本降低了20%、產品不良率降低了28%、能源利用率提升了11%,產品研發周期也縮短了37%。憑借該系統,愛健軸承成功入選“浙江省第二批智能工廠認定名單”,并榮獲全球領先的IT市場研究和咨詢公司IDC所頒發的FutureEnterpriseAwards未來運營領軍者。2.幫助軟件公司深度服務于企業數字化需求,促進業務發展傳統的信息化建設通常以外包、外采的方式為主,在框架、主數據和應用創新上都有明顯不足。如今,面對激烈的市場競爭環境,企業對數字化應用的深度和廣度都提出了更高的需求。企業更加注重統一平臺的建設,希望實現更高效的數字化轉型。同時,企業對自主開發和可控性的需求增加,渴望能夠自主構建數字化基座,并能夠自主決策未來數字化發展的方向。在新的形勢下,軟件公司不能繼續滿足于只為甲方企業進行項目交付,而應該更深度地服務于企業數字化需求。對于有意引入低代碼的企業,軟件公司可以從多個方面更好地服務客戶:·推動低代碼立項,幫助客戶準確分析企業現狀、明確項目目標和制定選型評估計劃;·幫助企業建立符合自身實際情況的低代碼技術規范,如技術管理規范、設計規范等;·幫助企業深化數字化轉型,如數字化人才培養、項目落地咨詢、協同開發等。這樣的綜合服務,不僅能幫助企業構建穩固的數字化基礎,還能助力客戶在低代碼時代中取得更大的成功。軟件公司通過提供全方位的咨詢和解決方案,能夠與客戶緊密合作,通過持續的創新幫助客戶實現數字化發展目標,共同推動數字化轉型的成功,創造更大的價值。開啟低代碼轉型的最佳實踐過去五年來,葡萄城與三百余家軟件公司深入合作,共同探索低代碼轉型的路徑,我們親身經歷了一家家軟件公司借助低代碼技術實現了業務的騰飛,也很遺憾地看到一些軟件公司走過的坎坷歷程。回顧這些經驗和角度,我們梳理總結出軟件公司實現低代碼轉型的最佳實踐,其中包括了指導思想、關鍵步驟、時間規劃,以及大量的文檔模板和培訓資料。限于篇幅,本文只簡要介紹其中的關鍵步驟,具體包括:確定轉型戰略、探索轉型路徑、打造組織能力。1.確定轉型戰略確定轉型戰略可以從低代碼戰略負責人、低代碼在公司發展的定位和低代碼代碼選型指標三個維度來考慮。低代碼戰略負責人:轉型戰略需要由軟件公司技術副總以上的高層來制定,而非僅由開發人員或部門經理負責。轉型戰略也需要在公司管理層達成共識,這樣不僅可以保證軟件公司從應用、技術、成本等多個角度全方位評估低代碼的價值,同時還可以制定出更適合自身發展的戰略,幫助企業更好地把握低代碼轉型機會。低代碼在公司發展的定位:把低代碼定位為公司技術能力發展的長期技術棧,而非臨時項目或實驗項目。低代碼開發平臺擁有巨大的潛力和優勢,能夠極大地提高開發效率和靈活性。通過將低代碼技術納入公司的長期技術戰略,將能夠幫助企業實現持續的創新和增長。低代碼選型指標:建議基于公司長期規劃遴選評估項目,在覆蓋全場景的同時,還要關注低代碼技術與現有開發團隊、項目管理方式的兼容。基于我們的實際從業經驗,并參考一些專業機構的研究報告,我們總結出面向軟件公司的低代碼選型評估十大指標如下:·功能組件豐富程度與需求匹配度·可擴展性(平臺級擴展)·易用性(開發環境的用戶體驗、性能、配套培訓資源等)·集成便利性·技術與架構的兼容支持范圍·安全性與合規性·編程能力(項目級擴展)·協同開發能力·開發周期覆蓋度·基于關系和流程的模型驅動能力與開發效率2.探索轉型路徑確定轉型戰略之后,下一個重要問題就是制定轉型路徑。有兩個關鍵點需要關注:一是組建低代碼“先遣隊”,探索轉型路徑。建議先遣隊由企業抽調少量開發人員和技術高管共同組成,基于廠商提供的技術資料和資源完成初步的技能準備。二是選擇合適的試點項目,啟動轉型實踐。在篩選試點項目時,要選擇一個需求明確、復雜度適中且能在1-2個月內交付的項目。這樣不僅有助于快速驗證轉型的可行性和效果,還可以為后續的轉型工作積累經驗和信心。3.打造組織能力在探索轉型路徑之后,還需要制定一系列規范將其轉化為真正的組織能力,包括需求分析規范、設計規范、編碼規范、集成規范等。通過這些規范和低代碼平臺的結合,實現更加高效的開發與協作,在實踐中持續迭代優化,打造組織能力。特別提醒的是,低代碼轉型的效果是逐步呈現的,而不是一蹴而就,我們需要對此保持合理的期望和耐心。下圖展示了低代碼轉型過程中,代碼開發與低代碼開發的典型效率對比。其中,橫軸表示時間,縱軸表示開發效率的提升。橙色的線是以Java開發的平均效率作為參考,藍色的線則代表使用低代碼開發的效率變化過程。從圖中可以看出,在轉型的初始階段,因為團隊的不熟練,低代碼開發的效率可能會低于代碼開發方式。但隨著轉型的推進,進入探索期之后,低代碼開發的效率將會趕上并超越傳統開發模式。當轉型進行第三階段時,低代碼的開發效率將大幅領先傳統開發模式,這才是低代碼技術的實際價值體現。結語從以上的信息可以看出,低代碼已經成為業界的趨勢,未來的2到5年將是應用普及的重要窗口期。建議軟件公司將低代碼技術作為重要的戰略舉措,盡快引入低代碼技術,開啟低代碼轉型,提升生產力并響應企業需求的新變化,從而在激烈的市場競爭中保持領先優勢,實現可持續增長。本文來源：R艾瑞網文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
11/28
小程序變“傻”，誰變聰明了？
期待下一個五年，中國資本市場脫穎而出的“獨角獸”，不再是清一色的互聯網公司，而是還有SaaS服務公司。互聯網掀起的平民化浪潮，如今已波及到技術人自己。一個人人都是程序員的時代正在到來。廣西柳鋼一名鋼鐵工人，用低代碼平臺，給全廠7000多名員工開發了一個核酸登記應用程序。四川古藺一名中學老師，也是用低代碼平臺，給留守學生開發了一個宿舍管理應用。上海一個11歲女孩，在云棲大會上用8分鐘編出了一個小程序……小程序“傻瓜”化，誰變聰明了？11月17日，中國社會科學院大學數字中國研究院與螞蟻集團研究院聯合發布《2022中小實體企業“數實融合”新趨勢觀察》報告回答了這個問題。01.低代碼開發極大降低數字化成本報告總結了這兩年發生在中小企業身上的九個變化，其中一個變化——低代碼開發極大降低數字化成本——既是中小企業“數實融合”的新趨勢，也是小程序“傻瓜”化的直接原因。“低代碼”是一種只需要寫很少代碼就可以生成應用，并快速配置和部署的一種技術和工具。這一簡易編程技術如今在我們的生活日常中已無處不在。我們玩的游戲，每天都會打開的各類小程序，背后都有低代碼的身影。Gartner報告預測：到2023年，超過70%的企業將采用低代碼作為他們發展戰略的關鍵目標之一。到2025年，整體低代碼開發平臺市場規模將達到290億美元，年復合增長率超過20%。低代碼開始席卷全球互聯網，始于2016年，微軟首次發布低代碼平臺PowerApps，次年，微信、支付寶接連推出小程序接口，讓低代碼在中國找到了大施拳腳的應用場景。報告數據顯示，五年前，一個中等規模的小程序，開發周期為2-3周，現在只要10-14天。如果是一個只用拖拉拽來搭建的簡易小程序，最快五分鐘就能完成。一個小程序的年服務費，最低已降至幾百元。要知道，成本，是中小微數字化轉型最大的障礙。有研究表明，數字化成本如果超過中小微總資產的10%，他們往往就放棄了。數字工具越來越輕、越來越“好用不貴”，成為許多中小微邁出數字化第一步的動力。值得一提的是，報告組在發布會上說，他們在調研時還發現了一個有意思的現象，僅在廣州，就有近兩千家小程序開發公司。小程序開發者中，不乏曾在流水線上打過工的“廠哥”。一家受訪公司的HR告訴他們，同等能力和經驗下，他們更傾向于招“廠哥”，因為他們比本科生能吃苦，流動性也更小。報告組還采訪過一個叫周一海的“廠哥”，之前在東莞一家電子廠工作，利用業余時間線上學習低代碼開發，跳槽到深圳一家小程序開發公司做前端工程師。和深圳許多互聯網創業公司一樣，周一海所在的公司要求員工起一個英文名，周一海給自己起了一個諧音名John。John如今一個月稅后一萬元出頭，是在工廠時的近兩倍，比本科應屆畢業生的平均薪資也稍高一些。報告數據顯示，僅支付寶小程序開放平臺接入的數字化服務商目前就有1.1萬家，拉動的開發和運營崗位接近80萬人。這是一個值得期待、相互成就的生態故事，也是報告中指出的又一個趨勢——數字化服務商將成下一個風口。02.數字化服務商將成下個風口？數字化服務商中的一支主力是SaaS服務商。SaaS意為“軟件即服務”，也就是插即用的數字化小工具。它的特點是基本不需要使用者自己做開發，在訂閱SaaS服務后，即插即用。和IaaS、PaaS一樣，SaaS屬于云服務的一種，三者“長相”相似，所長卻大不相同——IaaS相當于水電氣三通的“毛坯房”，PaaS相當于“精裝房”，而SaaS則是拎包入住的“酒店式公寓”。可見，互聯網平臺云計算等技術基礎設施的成熟完善，是SaaS服務發展的前提。而小程序的普及，則讓SaaS服務市場找到了為中小企業提供數字化服務的重要載體。報告指出，當中小企業的數字化步入深水期，即不再滿足于單一環節的數字化，而是追求全鏈路的數字化時，互聯網平臺企業開始變得“有所不能”。比如，平臺企業往往只能提供通用的技術，以及標準化的獲客和營銷手段，而無法深入到各個垂直行業，為中小企業提供制定化、靈活的數字工具和數字服務。而這正是SaaS服務商的擅長。SaaS服務商對行業有多了解？報告組在發布會上分享了一個細節，他們在安徽合肥，調研了一家叫企邁科技的餐飲業頭部服務商，創始人為了了解咖啡館和奶茶店的的經營場景和痛點，自己開了一家線下店，從德國進口咖啡機，從星巴克挖來資深咖啡師，就這樣鉆到行業里，邊賣咖啡邊發現問題，收集了近100個需要優化的需求。螞蟻集團數字化生態開放運營負責人張琤坦誠，支付寶小程序團隊剛開始時，什么行業都想自己去專研、自己去服務，很快發現，“無論如何也專業不過服務商”。其實，“下場自己干”，是許多平臺企業擁抱實體的常態。比如阿里巴巴為了改造服裝制造業的生產供應鏈，自己建了一個智造工廠；京東則將自己重新定義為了“新實體企業”。但在服務業中小微數實融合這條賽道上，螞蟻集團開始“向后退”，但“向后退”不意味著不作為，而是通過在后方為SaaS服務商開放產品技術、數字生態和平臺“原子能力”，助力SaaS服務市場發展，由其向服務業中小微提供“好用不貴”的數字化工具。簡單說，就是平臺和服務商拿出各自的長板來打配合。梳理支付寶小程序在這一兩年的布局和變化，不難看出他們在不斷向后調整“站位”，讓市場化的力量自己動起來——推出小程序快速搭建能力，讓服務商的開發者乃至商家自己，通過拖拉拽的方式，最快五分鐘就能做好一個簡易小程序并上線。這已經不是低代碼開發，而是搭樂高一樣的零代碼了。推出小程序云托管，以此為載體，為服務商開放隱私計算、安全風控、個性化推薦算法等底層技術能力。推出“跨平臺框架”方案，以幫助服務商實現只需要寫一套代碼，就可以同時生成不同平臺上的小程序，降低不同平臺的適配和遷移成本。在餐飲業頭部SaaS服務商企邁科技IOT事業部負責人阿祖的眼中，平臺現在越來越像“服務商”，讓他們在小程序后端的創新開發中獲得越來越大的空間。他說他曾有一段時間來杭州出差，都是以“月”為單位的。他們和螞蟻的工程師一起，腦暴出了一系列長在支付寶小程序上的，總有一款你用過的爆款小功能——當你在小程序上點了一杯奶茶，可以在支付寶首頁上看到取餐進度；當你在線下單了一杯咖啡，拿到手上時，發現貼在杯身的單子上印著你的名字，以及一句寫給你的土味情話；當你通過小程序下單并選擇“自取”，就能獲得5G螞蟻森林能量球；……報告亦指出，如果中國的服務業數字化要走向縱深，實現高質量發展，必須大力支持發展SaaS行業，壯大中國第三方技術服務市場。而在助推中國SaaS服務市場騰飛，長出“獨角獸”這件事情上，互聯網平臺企業應承擔更多責任。03.一個世界級的生態故事SaaS服務市場長出“獨角獸”為什么很重要？因為這決定著，中國的產業互聯網能否像消費互聯網那樣，擁有世界級的競爭力，同時還決定著，中小微實體企業能否規模化地完成數字化轉型。而眼下的事實是，中國的消費互聯網有多領先全球，美國的產業互聯網就有多一騎絕塵。報告數據顯示，2020年，中國SaaS市場規模約為50億美元，僅相當于美國SaaS巨頭Salesforce一季度的營收規模。這個差距，直接決定了兩國中小企業數字化水平的差異。過去十年，隨著云服務模式不斷成熟，發達市場的數字化收益群體從頭腰部企業不斷向中小微企業下沉。美國餐飲業頭部SaaS服務商Toast的客戶，平均只有1.65家門店。美國50人以下的小微企業，和上千人的大企業一樣，每個員工平均會使用8個SaaS應用。Shopify、Square等市值達數百億美元的SaaS公司，客戶中80%是中小微……相比之下，盡管中國的SaaS服務商站在了風口之上，但眼下中小微企業在SaaS用戶中的占比仍不足10%。我們期待下一個五年，中國資本市場脫穎而出的“獨角獸”，不再清一色是互聯網公司，而是還有SaaS公司；再下一個五年，中國能出現美國Salesforce這樣千億市值的SaaS公司。這樣的未來可期。過去10年，中國互聯網公司大量上云，帶動了中國IaaS層領先于SaaS應用層快速發展，也就是說，大量“大樓”已建好，“毛坯房”也變成了“精裝房”，就等著SaaS服務商入場搞“軟裝”了。此外，在助力中小微企業數字化轉型的賽道上，隨著螞蟻等互聯網平臺企業開始調整策略和站位，SaaS服務商在技術研發上的資金投入和時間成本將被大大降低。這樣的未來值得努力。要知道，SaaS服務市場的繁榮，還是一個世界級的生態故事。Salesforce發布的經濟影響力白皮書顯示，2019年，Salesforce每賺1美元，其全球生態賺了4.29美元；2024年，Salesforce每賺1美元，其全球生態將賺5.80美元。所以，中國小程序“傻瓜化”，是件好事情。它變“傻”，是因為中國數字化浪潮的參與者們變“聰明”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！
-
24
11/28
小心這三個坑：用人工智能開發與傳統軟件開發有著顯著不同
生成式人工智能的不確定性會給軟件開發帶來麻煩神譯局是36氪旗下編譯團隊，關注科技、商業、職場、生活等領域，重點介紹國外的新技術、新觀點、新風向。編者按：鑒于人工智能寫代碼已經非常溜了，你很容易會產生這樣的想法，既然臟累活都是人工智能模型干的，那只關注市場需求和商業模式就行了。錯，生成式人工智能天生具有不確定性，這個坑可得注意了。文章來自編譯。在我們這里，做的每件事背后都有一個基本循環：寫作->開發->重復。開發會讓你接觸到以前隱藏的世界。寫作能幫你找到一種精確、簡潔的方式來表達你知道什么以及為什么。這個循環未必是線性的——有時候我們會從開發開始，然后轉向寫作，有時候我們會先從寫作開始——但我們認為，這種做法確實帶來了一種特別有效的創造新事物的手段。本文深入闡述了用AI開發產品的方式，為什么新的AI產品的關鍵風險是可行性，以及如何通過快速實驗來應對這些風險。當我開發第一個AI項目時，所采用的方法跟過去開發產品是一樣的：明確一個問題，規劃解決方案，構建最小可行產品（MVP），然后進行迭代。這是一種相當直白的軟件驅動法：快速開發，測試，學習，然后改進。但是，這種方法并沒有奏效——于是我自問：用AI開發跟傳統軟件開發究竟有何不同呢？我加入公司的時候是懷揣著一個很有野心的目標的：在三個月內打造九款產品——也就是每10天打造一個項目。我的第一個項目Mindtune是傳統廣告技術和社交媒體算法的替代品，用AI驅動的。我的假設是，大家對社交媒體推送那些公式化的、冷漠的內容已經厭倦了，而AI可以提供更相關、更個性化體驗的機會。我做Mindtune的時候就考慮到了需求驗證，因為傳統軟件項目這一塊往往做不好。你得做出登錄頁面、跟潛在客戶交流、分析競爭對手，然后才會投入資源打造產品。創始人長期以來一直都是按這個模板走的，就好象是一種條件反射。我們未必會停下來問問自己打造這個產品是否有可能？用人工智能開發需要我們打破慣例，用不同的方式去做。人工智能產品帶來了一系列的獨特風險，如果你不了解這些風險，就肯定會犯錯誤。在做Mindtune的過程中，我識別出了三種風險模式，這些模式幫助我準確了解自己承擔的風險類型，更重要的是，讓我了解是什么決定了它是否成功。我會深入探討其中的每一種風險、它們之間的關系以及人工智能是如何顛覆了傳統的初創企業“風險鏈”的。我希望創始人和開發者能夠更好地了解自己想法存在什么風險，以及如何最好地化解這些風險，從而避免在創意迷宮中走錯路。▍初創企業風險鏈任何初創企業都會涉及到三種風險：可行性（feasibility）、價值以及生存力（viability）。1.可行性風險：是不是確實可以開發出來？這屬于典型的工程挑戰。比方說，SpaceX在開發可重復使用的自著陸火箭時就面臨可行性風險。2.價值風險：用戶從中能否獲得價值？這是產品市場匹配的核心。Airbnb就是價值風險的一個很好例子——大多數人最初認為這個想法很荒謬，認為沒有人愿意住在陌生人的家里。3.生存風險：我們自己能否從中獲取價值？眾所周知，Facebook與Google早期就面臨生存風險。他們知道自己的產品深受人們喜愛，但需要時間和實驗才能找到可持續的商業模式。這三種風險的相互作用方式至關重要。可以把它們看作一個鏈條：可行性→價值→生存力。如果產品技術上不可行，那其他兩種風險就不重要了。如果可行但沒價值，你又會陷入困境。而就算用戶喜歡你的產品，你還是得想辦法從中賺錢。這三種風險可不是按順序出現的；每種風險的大小都會因產品類型而異。傳統軟件的可行性風險一般都不高。Facebook的第一版開發并未涉及任何突破性的技術飛躍。馬克·扎克伯格是在哈佛的宿舍里寫出代碼的。真正的挑戰在于價值和生存力風險：大家會用嗎？它能否成為一項盈利業務？相比之下，深度科技——基因療法、聚變反應堆和自動化通用智能等項目，它們是將全新的技術推向市場。這類創新有明確的需求和商業模式（比方說，一種治療現有疾病的藥物），因此價值和生存力風險較低。其風險在于可行性：深度科技初創企業要冒著風險，打造一些他們不能100%確定是否可行的東西。我以開始覺得Mindtune可能會像軟件產品，可行性風險較低，價值和生存力階段的障礙會大一些。但從我的經驗來看，人工智能會給可行性和價值帶來獨特挑戰，需要新的辦法應對。首先，風險模式不一樣。人工智能初創企業主要分為兩類：一種是深度人工智能初創企業，一種是應用人工智能初創企業。深度人工智能初創企業做的是基礎模型或硬件，比方說Groq的芯片與Figure的人形機器人。其最大的風險是可行性。這些公司通常從事前沿研究，其所追求的突破有無可能實現未必總是很清楚。這屬于高風險、高回報的領域。Sparkle和Lex等應用型人工智能初創企業則是利用OpenAI等公司的現有模型和API。其關鍵風險在于價值。應用型人工智能公司需要證明自己所使用的AI能創造價值，而且比非AI解決方案更好、更快或更高效。此外這類企業還存在可行性風險：AI模型未必不總能按照預期的方式運行，需要更多的思考和改進才能獲得良好結果。Mindtune是一款應用型人工智能產品：它利用了已有的人工智能模型來提供更個性化的社交媒體信息流。我相信它的價值——用戶對不同的社交媒體體驗是歡迎的——而且這種商業模式已經得到現有產品的驗證。但我現在越想越覺得我錯過了一個重要步驟：那就是沒有把這項技術的可行性考慮清楚。我一度認為，就因為我可以設計人工智能模型來提供結果，所以就等同于可始終如一地獲得正確結果。我低估了用人工智能來開發的可行性風險，甚至連應用人工智能的可行性風險也沒考慮到。▍人工智能獨特的可行性挑戰傳統軟件從根本上來說是確定性的：如果邏輯和參數設置正確，代碼就會產生可預測的輸出。生成式人工智能有著本質上的隨機性：結果未必是一致的，輸出質量可能會因輸入數據和模型本身的細微差別而波動。所以你得不斷測試，好確定結果是否可靠，且對用戶來說足夠有價值。因此，傳統的工程直覺并不完全適用。慢慢地，你會意識到人工智能模型能做什么、不能做什么，但這些直覺沒有像對傳統軟件的直覺那么準確。就算是經驗豐富的人工智能工程師也會遇到意想不到的結果。技術可行性風險比傳統軟件更大，因為模型在測試過程中可能會給你帶來驚喜，或者驚嚇。但這種風險不像深度科技那樣令人生畏，深度科技可能需要基礎科學上的突破才能向前發展。相反，生成式人工智能的風險介于軟件和深度科技之間——可行但不可預測。由于這種不可預測性，跟生成式人工智能打交道需要更多的實驗性方法。傳統的軟件開發，精心打造的第一版可能需要一些細微調整——改改按鈕位置，調整一下文案——而不是徹底改造。可是，對于生成式人工智能來說，第一版可能就需要不斷“調整”了——調整提示、合并其他數據、調整參數——為的是提高可靠性，增加用戶價值。而且每次調整都會讓結果略微有所改變，所以不斷迭代、不斷測試對于獲得期望的結果至關重要。我在做Mindtune的時候，一開始先是開發軟件體驗（線框、登錄等），然后測試模型（GPT-4o、Claude3.5Sonnet、GeminiPro1.5和Llama3.2），看看能不能給個性化廣告生成足夠好的內容。這是錯的：評估模型輸出的質量時我發現返回的結果不一致。其實我應該先看看輸出的結果，然后再去折騰軟件組件，因為最終決定項目可行性的是底層模型的質量，而不是位于其上的軟件。這個迭代過程還需要用直覺去判斷什么時候該停止或做出調整。在發揮模型能力與識別模型上限之間有著微妙的平衡。有時候，盡管已經反復調整過了，但輸出可能永遠也無法達到可接受的質量，這時候你就得放棄了。或者，你可能會覺得再迭代幾次就可以得到想要的結果。不過，這個階段也有玄機。有時候，應用人工智能缺乏可行性表明這個項目不值得去做。但有時候，盡管可行性較低，可你仍確信是有價值的——因此不該放棄這個項目，而是應該換個做法。你可能一開始以為自己做的是一個應用人工智能項目，然后意識到自己其實在做的是深度人工智能，而且為了讓項目可行，你得進入研究模式，去構建自己的模型。這樣一來可行性風險會增加，但項目價值也可能變大，因此更值得去做了。▍了解風險，找到方向是，不管做什么你都得了解風險狀況，但這一點對于人工智能來說尤其重要。如果你知道所需承擔風險的性質，就可以確定該優先分配資源和精力到什么地方。這還會迫使你在每個階段提出合適的問題：我們能做這個嗎？別人會用嗎？只有這兩個問題搞定后，才可以提出能否圍繞著它建立可持續發展的業務這個問題。不管是應用型還是深度型的人工智能初創企業，其運營的復雜程度與傳統軟件產品都不一樣，需要更深入了解風險的相關性，并愿意去探索未知領域。很多開發者以為用生成式人工智能API就可以消除技術風險，但那只是多套了“一個殼”而已，別自欺欺人了。那怕使用的是現有模型，也需要進行大量實驗。低估這種技術風險會導致浪費時間浪費資源。你很容易會產生這樣的想法，既然臟累活都是人工智能模型干的，那只關注市場需求和商業模式就行了。但實際上，確保人工智能按需要運行是重大挑戰之一。實現可靠和有價值的結果需要的不僅僅是接入API，還需要你不斷調整、測試和深入了解模型的行為。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！
-
24
11/28
服務即軟件（Service As A Software)為什么會替代現有的軟件？
未來，軟件開發模式需要從以功能為核心轉向以業務目標為導向。最近全球知名風險投資機構紅杉資本發布了AI行業年度報告《GenerativeAI'sActo1》，總結了在生成式AI革命的兩年時間里，AI生態系統發生的變化及對未來的預測。報告中有幾個觀點我非常贊同：1.新的ScalingLaw：推理競賽已經開始(1)o1代表通過“推理時計算在一般推理能力上的重大進展，給與模型推理時的計算越多，模型的推理能力就越強，這將推動應用層的可用性2.SaaS重新定義：服務即軟件(1)在AI時代，代理推理將“SoftwareasaService”轉向“ServiceasaSoftware”3.領域專業知識重要性(1)將專業知識與模型能力結合是構建數據閉環、從副駕駛（copilot）到自動駕駛（Autopilot）的關鍵。再看Gartner10/21發布的TopStrategicTechnologyTrendsfor2025。其中，AgenticAI名列十大關鍵字之首。AgenticAI系統會自主的計劃并采取行動來滿足用戶定義的目標。當前的AI助手和大語言模型能夠完成包括生成文本、總結內容或者使用基礎的工具，但是它們并不能夠主動的采取行動，它們是按照用戶的提示詞或者根據編排好的流程來行動。AgenticAI以目標驅動的規劃能力，也承諾能夠交付更有適應性的軟件系統，能夠完成在眾多領域內沒有被定義過的任務，而不是只能完成設計的功能。AIAgent的能力可以被視為一個連續的光譜，從在特定條件下為傳統軟件提供智能，以完成特定任務；再到完整的AgentiAI系統——它們能夠在環境中自主學習，規劃策略，做出決策，并獨立執行任務。那么不同領域的兩個權威機構做出預測的背后，反映了怎樣的技術趨勢？根據這樣的技術趨勢，我們又能推測出怎樣的商業趨勢？數智化變革的核心瓶頸在“人”LLM技術的突破，大家都有目共睹，從ChatGPT時刻發生到現在，我們可以看到的是正如智能摩爾定律所預測的——隨著開源LLM能力的迅速提升，推理成本則指數級下降，因此自然語言理解和表達能力對于任何軟件已經觸手可及。而OpenAI今年9月剛發布的o1模型，則打開了推理能力，大模型的推理能力可以由推理時間的ScalingLaw來提升，這必將帶來的是，隨著時間的推移，推理成本能夠指數級下降。于是，任何軟件又可以再一次獲得極其便宜的推理能力。這將給企業軟件市場帶來什么樣的變化？我們試圖從時尚服裝業過去30年的發展變化中，發現一些規律。從商業角度來看，互聯網革命，本質上解決了消費者和品牌之間的連接問題；互聯網時代之前，品牌必須通過媒體或線下觸達消費者，因此一方面是品牌信號的傳遞速度緩慢，另外一方面，品牌信號的傳播過程也會伴隨很多“噪音”。傳統時尚服裝行業一般是一年為一季，每年都需要經歷對于時尚的判斷、產品設計、小規模生產、時裝秀、拿到反饋，然后生產、壓貨，其中的風險十分大。而從Zara/H&M，到Shein的品牌發展來看，由于消費者注意力越來越多地被吸引到線上，以及線下供應鏈越來越成熟、敏捷，整個循環從年，到月再到周維度，在快速迭代周期中，最重要的是能夠對于新的物種構建起數據飛輪，因為在數字化的世界里，機器的運作是可以24小時*7天的，此時，人的生產能力就變成了瓶頸。但是在其它的大部分行業，從客戶獲取價值的流程中，由于種種原因，他們的業務規劃執行周期仍然類似30年前的時尚服裝行業，是以年或者季度為單位。圖源來自：瀾碼科技以上述業務架構為例，一般企業都會有業務流程，流程中會涉及到橫向的不同職能部門接力來完成一個決策，縱向則有管理來進行管控。而企業內的信息系統只起到了記錄的作用，如過去的大數據系統也只具備單一的分析功能。在由不同的角色橫縱交叉組成的決策網絡中，核心的瓶頸仍然是人。專家知識的數字化和端到端的交互，是Agent落地企業并實現數據飛輪的必要條件那么，有了生成式AI帶來自然語言理解和表達能力之后，會產生什么變化呢？圖源來自：瀾碼科技我們發現，專家知識的數字化是AI助手落地的必要條件，端到端的人機交互對于提高AI助手在業務場景中的準確率也是必備條件，因為這樣能夠更好地解決一線業務人員對于目標上下文理解偏差的問題。但是，在現有的落地場景中，業務人員對于業務目標的拆解、計劃以及在業務活動中拿到客戶反饋等任務，仍然無法由機器來協助。而推理時計算的出現，則為這些環節的智能化帶來可能。如果只是為企業提供更多的自動化/智能化的功能，我們仍然無法解決當前無論是自行購買算力還是買token的成本問題。畢竟現階段技術尚未成熟，推理時的scalinglaw也意味著成本的飆升。由此產生的一個問題是，難道只能等模型的成本降低，才能獲取智能化帶來的價值？我們采訪了很多企業，發現有一個顯著且具有共性的特點：即使是百年老店或者世界500強企業，在業務能力上仍然是“一招鮮打遍天下”，也就是說它們的經營重點大多都是聚焦在放大自己的競爭優勢上。因此，在企業關鍵業務能力方面，業務專家就成為了瓶頸。假設專家將全部精力投入工作也就是“007”，但業務專家能力越是作為企業的競爭優勢，則需要業務專家并行處理的業務任務或業務決策就越多，在此過程中還需要保障業務專家的決策質量，所以，企業需要通過增加新的員工來分擔業務專家的工作內容和壓力。那么，有沒有可能將消費互聯網行業的經驗遷移到新時代的軟件開發中來呢？我們的答案是肯定的。我們認為，可以通過優先找到企業主要價值流程中的決策瓶頸環節，重新設計業務流——讓業務專家設計的Agent去拆解目標，并通過交互收集業務信息并給出業務決策，讓只有在線下完成的業務活動仍然可以由現在的業務人員去執行。也就是說，企業仍然可以在數字世界里面構建數據飛輪。由于是Agent在處理任務、決策，因此可以24小時*7天在線，并且能夠永不疲倦且有耐心的輔助業務人員，通過這樣的數字化流程可以幫助專家節省更多時間成本，對Agent處理的業務任務或決策進行分析，并給出改進意見。圖源來自：瀾碼科技一方面，我們已經看到了o1模型在代碼生成準確率上的提升，使得我們可以有能力準確地執行數字世界中的計劃；另外一方面，o1在強化學習上，關于self-play和processrewardmodel的創新，也讓我們能夠通過專家將商業問題映射到相應的數學問題之后，可以用數百條專家標注來學習到專家的隱性知識。同時，我們還可以通過歷史數據來構建情景記憶，從而完成規劃任務的智能化。最后，也是最難的一步，如何讓專家以低成本的方式讓Agent通過數據進行反思，并改進它的規劃能力，甚至讓Agent自主的從經驗中學習，這個部分可能有待o1模型或者新架構的模型的推出才能夠得到答案。另外一方面，在已有軟件的改進或者新軟件的設計中，我們需要改變過去以功能為核心的軟件開發，變為以業務目標為導向的軟件開發，實現從圍繞功能堆砌到圍繞角色的轉變。圖源來自：瀾碼科技基于此，我們也就能夠理解為什么軟件商業模式會變成服務即軟件。這里簡單引用一下紅杉文章的觀點：紅杉認為，由于Agent推理，人工智能轉型是“服務即軟件”。軟件公司將勞動力轉化為軟件。Sierra就是一個很好的例子。B2C公司將Sierra集成到他們的網站上，負責與客戶交流。Sierra的工作是解決客戶問題，它按每次解決問題的數量來收費，這里并不存在「按席位收費」的概念。你有一個需要完成的任務，Sierra完成了這個任務，獲得相應的報酬。從商業模式上看，還是“上下同欲者勝”。SaaS替代傳統軟件，是因為SaaS模式使得軟件開發者可以知道不同功能的客戶使用情況是怎樣的，那么通過改變收費方式，雖然一次性收入看似降低了，但它讓軟件公司的功能迭代和客戶的付費關聯起來，從而讓SAAS軟件的迭代加速往正確的方向進化。同樣的，大模型令軟件可以交付業務價值時，新的商業模式雖然看上去收入變少了，但會由于利益的原因進一步加快軟件公司去推動數據飛輪的完成。當有新的AI原始軟件公司在組織上完成這一步蛻變的時候，那么就是萬億美元的服務市場向新物種開放的時候。而這場戰爭勢必會像19世紀末非洲的土著部落遇到歐洲殖民者的馬克沁重機槍一樣摧枯拉朽。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！
