如今，AI已經(jīng)深入尋常百姓家，這個(gè)轉(zhuǎn)變，對(duì)于產(chǎn)品經(jīng)理來說更是一個(gè)設(shè)計(jì)產(chǎn)品范式得到根本性轉(zhuǎn)變。新一代的AI會(huì)帶來哪些新屬性呢？本文作者從產(chǎn)品/軟件設(shè)計(jì)的范式轉(zhuǎn)變、交互范式的轉(zhuǎn)變和PMF范式的轉(zhuǎn)變這3個(gè)維度，對(duì)LLM給我們帶來的影響進(jìn)行了分析，一起來看一下吧。

最近大家都很興奮，ChatGPT的出現(xiàn)帶火了知識(shí)博主，增加了變現(xiàn)機(jī)會(huì)。很多人都在討論LLM和AI infra，如何寫詩如何畫畫，真正討論應(yīng)用的很少，討論行業(yè)應(yīng)用的就更少了。但是看了YC去年的List后覺得AI-Native應(yīng)用的前景已經(jīng)非常明朗了，AI已經(jīng)深入尋常百姓家。這個(gè)普世的轉(zhuǎn)變，對(duì)產(chǎn)品經(jīng)理來說更是一個(gè)設(shè)計(jì)產(chǎn)品范式的根本性轉(zhuǎn)變，而這個(gè)轉(zhuǎn)變帶來的軟件設(shè)計(jì)模式（Design pattern）都會(huì)發(fā)生根本性的變化（后面我們會(huì)單獨(dú)討論）。

結(jié)論：

經(jīng)過在自己研發(fā)的產(chǎn)品上幾個(gè)月的試錯(cuò)和調(diào)整，我們也形成了行業(yè)軟件/SaaS對(duì)LLM能力的應(yīng)用的“Best” practice。我們將從以下幾個(gè)角度來探討。

1. 產(chǎn)品/軟件設(shè)計(jì)的轉(zhuǎn)變，在這一部分我們要探討如何利用LLM的特性來改造我們?cè)械墓诺滠浖袠I(yè)，我們哪些要LLM化，哪些要堅(jiān)守古典的結(jié)構(gòu)化思維。
2. 交互范式的轉(zhuǎn)變，在這個(gè)部分我們要一起探討交互和用戶體驗(yàn)的大幅變化，如何利用LLM來大幅度降低使用成本，并大幅度提高使用體驗(yàn)，古典和LLM怎樣融合，CUI是最終的交互形態(tài)么？或者說CUI的最終交互形態(tài)是什么？
3. 產(chǎn)品的PMF范式的轉(zhuǎn)變，這個(gè)部分我們會(huì)把我們對(duì)LLM會(huì)從產(chǎn)品落地到用戶需求匹配，門檻降低帶來的競爭格局的變化，以及LLM會(huì)促進(jìn)什么樣的PMF，會(huì)打破什么樣的PMF。

讓我們首先來看一下LLM的能力和特性。

從 PC 到移動(dòng)設(shè)備，智能手機(jī)的新特性帶來了重大機(jī)遇，LBS 帶來了美團(tuán)和滴滴，通訊錄帶來了微信，Camera 帶來抖音和快手，語音帶來全民K歌，刷屏動(dòng)作帶來今日頭條。

與手機(jī)相比，微信的新特性是擴(kuò)大了通訊錄，使通訊錄中的聯(lián)系人數(shù)量增加了百倍，更能夠進(jìn)行面對(duì)面的溝通。正是這種能力的增強(qiáng)才使得拼團(tuán)、分銷、砍價(jià)成為可能，其中最大的應(yīng)用是拼多多。

那么，現(xiàn)在新一代的AI又帶來了哪些新屬性呢？我想到了一些，也歡迎大家補(bǔ)充。

首先是語言 language，自然語言的交互方式，很底層的人類交互手段。

其次是生成式的交互方式 generative，它能夠以人類易于理解的方式進(jìn)行實(shí)時(shí)生成。從生成文本和代碼，到圖像、聲音和視頻，甚至未來會(huì)生成機(jī)器人的動(dòng)作。

第三是多模態(tài)，輸入input/輸出output 變得極為豐富，但豐富也意味著極為不可控。

從工程角度來看，實(shí)際上是對(duì)一些專業(yè)概念進(jìn)行了對(duì)應(yīng)，以便于產(chǎn)品經(jīng)理和研發(fā)人員的理解。

1. 輸入request，現(xiàn)在系統(tǒng)可以理解直接的對(duì)話了，你說什么它都能理解，或者裝作理解。這樣系統(tǒng)的輸入方式和形式以及效率都會(huì)得到大幅度的提升。但是系統(tǒng)邏輯不一定是最優(yōu)的，或者效率最高的。
2. 輸出response，輸出的內(nèi)容產(chǎn)生了極大的不確定性，雖然可能是更好的輸出，但是不可控性增強(qiáng)，原來返回的數(shù)據(jù)都是預(yù)設(shè)的，根據(jù)返回值要調(diào)用函數(shù)的，現(xiàn)在要用新的辦法來解決，我預(yù)判未來在這部分會(huì)產(chǎn)生很多的中間件產(chǎn)品，可能以開源的為主。
3. 數(shù)據(jù)格式data format，數(shù)據(jù)格式可以是各種媒體格式，就算是文本也可能是組織好的表格，同樣增加了顯示層的設(shè)計(jì)和實(shí)現(xiàn)的難度，這塊我就不展開了，但是后續(xù)還會(huì)基于這部分內(nèi)容延展出更加有意思的思考和話題。

基于以上內(nèi)容，我來拋個(gè)磚，4個(gè)月前開始考慮LLM對(duì)于我們的影響以及如何擁抱并形成或擴(kuò)大自身產(chǎn)品的差異和壁壘。經(jīng)過這4個(gè)多月的時(shí)間，很多原來的工作習(xí)慣被迭代，很多原來的認(rèn)知被重置，很多原來的范式被改變。不夸張的說，這可能是，或者至少是科技行業(yè)的“人類的群星閃耀時(shí)”，而且后續(xù)也將影響更多行業(yè)和從業(yè)者。下面我們從三個(gè)維度來具體分析一下。

一、產(chǎn)品/軟件設(shè)計(jì)的范式轉(zhuǎn)變

基于以上的特性，SaaS/軟件行業(yè)對(duì)AI的垂直integration，我預(yù)想大概是可以分成三步，每一步都比上一步更深入，對(duì)AI模型能力的使用也更充分。

1. 知識(shí)類

第一步是知識(shí)庫類功能的整合，訓(xùn)練或者fine-tune自己的模型，用一些內(nèi)部或者行業(yè)的knowhow，可以用開源模型，也可以用商業(yè)化模型，這個(gè)其實(shí)不重要，重要的是內(nèi)部結(jié)構(gòu)化數(shù)據(jù)和行業(yè)knowhow以及best practice的提煉和抽象。

比如Gonex的AI全球HR合規(guī)引擎IRIS，HR可以每天基于對(duì)全球HR法律法規(guī)以及全球各行各業(yè)HR最佳實(shí)踐進(jìn)行檢索，并對(duì)自己的任務(wù)進(jìn)行分解和實(shí)現(xiàn)。

就目前而言，AI 更適用于一些需要或者近似于閱讀理解類的預(yù)期結(jié)果，而已經(jīng)被結(jié)構(gòu)化的事實(shí)類內(nèi)容在現(xiàn)在已經(jīng)被索引過，使用傳統(tǒng)的方法可以實(shí)現(xiàn)高效率，并且對(duì)算力的要求也低得多。但并不是所有的任務(wù)都適合使用 AI，因?yàn)橛行┤蝿?wù)用 AI 完成的效率并不一定高，比如查詢中國的最低年假。在這種情況下，直接從本地?cái)?shù)據(jù)庫檢索可能更加高效，對(duì)算力的要求也更低。因此，在選擇使用 AI 還是傳統(tǒng)方法完成任務(wù)時(shí)，我們需要具體考慮任務(wù)類型和預(yù)期結(jié)果，避免浪費(fèi)。

2. 工作/業(yè)務(wù)流

第二步是利用AI的識(shí)別和推斷進(jìn)行任務(wù)和功能的調(diào)度。

利用AI都予以理解和上下文能力，實(shí)現(xiàn)更流暢的用戶體驗(yàn)，逐步替換掉傳統(tǒng)的線性多級(jí)的工作流，實(shí)現(xiàn)一步到位的功能或者任務(wù)的調(diào)度。

比如我要查一下自己的工資，我到登陸系統(tǒng)，點(diǎn)開我的（my account）, 查看工資單，選擇某一個(gè)月或者當(dāng)月，然后顯示自己的工資單，這些步驟是傳統(tǒng)的線性工作流。AI可以替代這些工作流，直接問一下我的工資，返回具體的工資數(shù)據(jù)。如果需要更多交互，可以打開完整功能。

很多流程會(huì)從線性的變成星形的。

線行流程配圖

星型流程配圖

大多數(shù)功能都可以用類似的方式完成調(diào)度，只有極少數(shù)需求需要權(quán)限和分組等功能在授權(quán)的時(shí)候需要一些傳統(tǒng)的驗(yàn)證和流程，其他的應(yīng)該都可以滿足需求。這個(gè)就需要要對(duì)功能做基于語意和上下文分析的mapping，相當(dāng)于做配置文件以及對(duì)prompts的管理，需要把語意的分析抽象到具體的功能。而業(yè)務(wù)邏輯依然依靠現(xiàn)有的系統(tǒng)來完成。

個(gè)人覺得替代工作流更像一個(gè)trade off是兼容之前的古典軟件設(shè)計(jì)范式，而不是新的范式，新的范式是下面的第三步，完全的業(yè)務(wù)邏輯AI化。

3. 復(fù)雜業(yè)務(wù)邏輯

第三步是利用AI來整合業(yè)務(wù)邏輯（甚至整個(gè)SaaS的業(yè)務(wù)邏輯就是依靠AI，而不需要重新定義和開發(fā)），而不僅是進(jìn)行功能和數(shù)據(jù)的調(diào)度。

LLM會(huì)逐步的部分或者全部替代掉SaaS的業(yè)務(wù)邏輯，但是傳統(tǒng)的業(yè)務(wù)邏輯是不是更高效這點(diǎn)需要針對(duì)不同的業(yè)務(wù)邏輯單獨(dú)的比較和驗(yàn)證。

而且很多業(yè)務(wù)邏輯用自然語言描述和用數(shù)學(xué)函數(shù)描述效率并不一樣，因?yàn)樽匀徽Z言對(duì)復(fù)雜功能的描述其實(shí)不如直接抽象出來的邏輯和算法更高效，而且自然語言本身也需要被轉(zhuǎn)換成機(jī)器能理解的邏輯和算法才可以被機(jī)器識(shí)別和運(yùn)行。

不過有一些傳統(tǒng)業(yè)務(wù)功能的局限卻可以用自然語言的形式來實(shí)現(xiàn)，比如輸入基礎(chǔ)考勤和稅務(wù)信息根據(jù)每個(gè)國家工資的算法進(jìn)行月度工資的計(jì)算是非常復(fù)雜的邏輯和算法，用自然語言是不容易實(shí)現(xiàn)的，但是基于這個(gè)算薪結(jié)果進(jìn)行比較又是用傳統(tǒng)的邏輯和算法無法完成的，而一般都需要人為的查詢和比較，并解釋。

例如：請(qǐng)問為什么上個(gè)月工資和這個(gè)月差這么多？

產(chǎn)品原型圖截圖

這個(gè)功能如果用傳統(tǒng)的方式是無法實(shí)現(xiàn)的，但是用LLM似乎是可以實(shí)現(xiàn)的，但是需要把現(xiàn)有系統(tǒng)的數(shù)據(jù)和算法給到模型并訓(xùn)練才有可能。

基本上做到了第三步才是真正的用AI/LLM來定義和實(shí)現(xiàn)完整的軟件功能和邏輯，而不僅是交互方面的調(diào)度，我覺得可能在相當(dāng)長的一段時(shí)間內(nèi)都是用第二步和第三步之間的方式來實(shí)現(xiàn)軟件/SaaS的AI/LLM化，而不是Native AI/LLM軟件/SaaS。

關(guān)于LLM：

除了大家現(xiàn)在比較關(guān)心的基礎(chǔ)LLM外，未來可能會(huì)有很多的LLM：

• 從業(yè)務(wù)場景的角度會(huì)有，比如完成電商業(yè)務(wù)的模型，完成ERP業(yè)務(wù)的模型，完成CRM業(yè)務(wù)的模型等。
• 從知識(shí)的專業(yè)性角度可能會(huì)有，比如HR行業(yè)模型，財(cái)務(wù)行業(yè)模型，法務(wù)行業(yè)模型等。
• 從數(shù)據(jù)私有性的角度，可能還有各個(gè)公司/組織自己的LLM，當(dāng)然也可以基于開源LLM來搭建。甚至也會(huì)由于數(shù)據(jù)合規(guī)性的考慮會(huì)出現(xiàn)個(gè)人LLM。

每個(gè)模型都抽象了很多的業(yè)務(wù)邏輯，而這些業(yè)務(wù)邏輯是依靠LLM來完成功能的實(shí)現(xiàn)的，針對(duì)這些業(yè)務(wù)邏輯都需要對(duì)模型進(jìn)行單獨(dú)的訓(xùn)練，而不是簡單的用一個(gè)超大泛化模型可以實(shí)現(xiàn)的（除非超大模型用各行各業(yè)的數(shù)據(jù)進(jìn)行訓(xùn)練和修改，這樣其實(shí)對(duì)于基礎(chǔ)模型可能是非常不經(jīng)濟(jì)的，不過也可能跟軟件行業(yè)一樣，很多軟件公司的增長也是通過收購和整合來實(shí)現(xiàn)的）。

未來的LLM可能的分層形態(tài)：

二、交互范式的轉(zhuǎn)變

交互方式的改變，從抽象流程到自然語言，conversational user interface(CUI)。

實(shí)際上人類日常的最自然的交互方式就是肢體語言，表情和對(duì)話，而古典軟件都是靠業(yè)務(wù)流程抽象化來完成目標(biāo)任務(wù)的，而LLM的方式可以從更貼近于人類習(xí)慣的方式使用軟件功能，因此極大的降低了學(xué)習(xí)成本，未來的AI Native行業(yè)軟件大概率是類似的這樣的三段式 three stages CUI.

• 左側(cè)是傳統(tǒng)的抽象流程的快捷方式。
• 中間是對(duì)話功能框，未來很多的工作流都是基于對(duì)話和上下文在對(duì)話框里直接完成的。
• 右側(cè)是功能調(diào)用，限制于對(duì)話框的大小不容易完成的操作可能還是要有一個(gè)地方呼出并實(shí)現(xiàn)操作。
• 左側(cè)和右側(cè)會(huì)隨著LLM的進(jìn)化逐步弱化或者消失。
• 中間的對(duì)話框的下一代 conversational user interface會(huì)隨著多模態(tài)的發(fā)展，或許更多的輸入格式，比如攝像頭來收集body language，表情等更底層的交流，麥克風(fēng)來收集不僅是對(duì)話，還有環(huán)境音。

因此我認(rèn)為未來可能會(huì)爆發(fā)的移動(dòng)設(shè)備并且可以一定程度替代掉手機(jī)的，就是具有邊緣計(jì)算能力的LLM，耳機(jī)，現(xiàn)在的耳機(jī)已經(jīng)可以透明收聲，如果耳機(jī)具有一定的LLM能力，《Her》的電影場景就可以實(shí)現(xiàn)了，基于語音的交互是最自然的對(duì)話。關(guān)于耳機(jī)的暢想我們可以后面進(jìn)一步討論。

我們現(xiàn)在用簡單的示例來解釋一下以上ChatGPT在軟件工程以及CUI設(shè)計(jì)上的一些基礎(chǔ)邏輯：

首先為什么是three stages，三段式設(shè)計(jì)，不光是PC，其實(shí)在移動(dòng)設(shè)備上也是一樣，因?yàn)槿绻徊贿^根據(jù)屏幕大小很多內(nèi)容是折疊起來的，但是大概率都要有這三段：

1. 快捷方式，用古典的方式可以找到古典的邏輯，主要為了幫助用戶適配古典邏輯，但是古典邏輯會(huì)存在多久，這個(gè)不好說，也可能要很久。畢竟也有很多時(shí)候自然語言不一定是效率最高的方式。
2. 中間是CUI，主要的交互和任務(wù)都在這里完成。
3. 右側(cè)的部分是一些無法在對(duì)話框里完成的任務(wù)或者目標(biāo)，比如顯示的不全，比如需要單獨(dú)的視圖等。

比如在GONEX-IRIS這個(gè)工資查詢的場景下，用戶需要調(diào)用一些本地?cái)?shù)據(jù)，而對(duì)話框只能顯示一部分，如果回答太長，用戶容易miss掉上下文，因此需要有個(gè)地方單獨(dú)呼出，右側(cè)就是一個(gè)比較理想的方式。當(dāng)然也不一定是左右的形態(tài)，也可以是下上，或者上下的形態(tài)。

中間的對(duì)話框不止是一個(gè)傳統(tǒng)軟件的rich text area，這里包含的很多的元素，類似微信對(duì)話框里不同的format，比如一個(gè)網(wǎng)頁、一個(gè)文件、一個(gè)小程序，其實(shí)企業(yè)微信和叮叮也都有類似的設(shè)計(jì)，只不過通訊/協(xié)同軟件更多的還是人和人對(duì)話。

而現(xiàn)在的對(duì)話框不再是或者不僅限于人和人了，更多的是人和LLM，對(duì)話框里要可以顯示和處理更多的格式，比如微信不支持markdown（因?yàn)檎Ｈ瞬粫?huì)用這種格式跟別人交互），現(xiàn)在需要支持更多的文本格式，因?yàn)橛脩舨粌H是要在對(duì)話框里完成對(duì)話，更重要的是要在對(duì)話框里完成任務(wù)，完成指令，而不只是把對(duì)話框當(dāng)作信息的傳遞，具體的任務(wù)要跳出對(duì)話。

比如，我要查steve的工資，LLM會(huì)返回給我工資的具體內(nèi)容，比如我問LLM有什么的需要審批的工作，LLM直接給我返回5個(gè)審批列表，我可以直接在對(duì)話框里審批。比如我要LLM幫我請(qǐng)假，但是一些具體請(qǐng)假原因和流程都要在對(duì)話框里完成。

對(duì)于CUI，我認(rèn)為未來的交互可能不僅僅是typing，還有聲音，圖像/視頻等輸入形式。人類科技最大目標(biāo)就是模仿人類自己，機(jī)器總要加個(gè)“人”在后面，是為機(jī)器人。而AI的目標(biāo)是最大限度的讓用戶感覺坐在對(duì)面跟你對(duì)話的是人，而不是機(jī)器。因此我們應(yīng)該不僅限于打字，因?yàn)榇蜃直旧硎怯蠵C了以后才有的形式，幾千年的人類溝通方式是語音。

因此我自己做的是行業(yè)軟件，但我依然認(rèn)為未來最大機(jī)會(huì)是更自然的溝通方式是voice，因此在UI和工程領(lǐng)域如何更快的把rich text area這個(gè)component變成 rich voice area component是更底層的更有意思的機(jī)會(huì)，甚至可以支持手勢，表情等，更多的輸入形式從而變成rich communication area component，這也是我思考了很久的領(lǐng)域，現(xiàn)在已經(jīng)有了結(jié)論，不過我們就不在這里展開了。

這里我依然要老生常談的一個(gè)點(diǎn)是，古典軟件工程更重要的是基于任務(wù)和流程的抽象，而LLM的產(chǎn)品要基于對(duì)話，對(duì)話不僅是文字也可以是很多其他的模態(tài)或者格式。因此這個(gè)是產(chǎn)品設(shè)計(jì)范式的轉(zhuǎn)變。iPhone的早期，很多人吐槽當(dāng)點(diǎn)iPhone上的app都很PC，直到有的app用手勢gesture來做交互才逐漸有了現(xiàn)在的樣子。AI-Native的軟件也是一樣，都要有這個(gè)過程，這個(gè)過程不會(huì)很久，正在發(fā)生。

三、PMF范式的轉(zhuǎn)變

從蒸汽機(jī)開始替代一些體力勞動(dòng)者開始，社會(huì)的演進(jìn)就變成了人要操作機(jī)器，因此人要受教育，學(xué)更多的知識(shí)，然后用這些知識(shí)去操作效率更高的機(jī)器。機(jī)器取代了一些初級(jí)的勞動(dòng)者，而大家踴躍通過教育變成高級(jí)的勞動(dòng)者去操作和管理機(jī)器，這樣就形成了一個(gè)正向的循環(huán)。

突然之間，ChatGPT的出現(xiàn)，讓大家對(duì)這個(gè)社會(huì)秩序迭代的公式產(chǎn)生了動(dòng)搖。但是如果大家看過那段資本主義萌芽的歷史就知道，當(dāng)時(shí)的人們其實(shí)也找不到這個(gè)現(xiàn)在大家公認(rèn)的路徑，大量的工人失業(yè)，社會(huì)甚至還造成了某種程度的動(dòng)蕩。但是后續(xù)的故事我們都已經(jīng)知道。所以大家一定要?jiǎng)討B(tài)的看問題，焦慮往往是人類對(duì)未知的恐懼形成的潛意識(shí)，靜態(tài)的思維方式和常規(guī)的套用往往會(huì)加速這種潛意識(shí)的形成。

因此用所謂動(dòng)態(tài)的站在歷史的角度出發(fā)的思考，AGI確實(shí)會(huì)取代一些初級(jí)的腦力勞動(dòng)（機(jī)械的腦力勞動(dòng)，甚至知識(shí)/事實(shí)的學(xué)習(xí)），但是用新的教育方式來產(chǎn)生創(chuàng)造性的思維，就可以指揮或者操作AI來提升效率，我們的教育體系也會(huì)從知識(shí)灌輸變成思考方式和創(chuàng)造潛力的涌現(xiàn)，教育出來的這些四有新人再去創(chuàng)造更高維的AGI。

就好像沒有蒸汽機(jī)就沒有機(jī)械工，沒有電腦就沒有程序員，那么出現(xiàn)了AGI會(huì)不會(huì)就出現(xiàn)了新的職業(yè)呢？（也許就是prompt engineer，誰知道呢）

討論完以上的論述，再看看那些特性適合你現(xiàn)有的用戶場景。

如前所述，操作系統(tǒng)的機(jī)會(huì)只有少數(shù)人，但是應(yīng)用的機(jī)會(huì)是給大多數(shù)人的，而對(duì)于LLM而言，上層的應(yīng)用形態(tài)是多樣的，但是不是所有形態(tài)都是適合應(yīng)用層的。

現(xiàn)在看來，不論2B和2C：

1. 只要你的數(shù)據(jù)是公開的，泛行業(yè)的，你的替代性就越高。
2. 只要你的value只是線上薄薄的一層，哪怕再高的知識(shí)密度，你的可替代性也不會(huì)很低。

這里說的可替代性就是被LLM的進(jìn)化替代。當(dāng)然LLM自身的競爭不在考慮范圍內(nèi)。

因此2C/2B級(jí)別的應(yīng)用，如果你的交付是純信息的形式，開放形式的，范知識(shí)類的，那么長期看大概率都是有風(fēng)險(xiǎn)的。如果你的交付不是純信息類的，是封閉的，是專有知識(shí)類的，那么長期看是非常有價(jià)值的，不僅沒有風(fēng)險(xiǎn)，而且LLM會(huì)大幅度的提高你的生產(chǎn)效率。

基于以上的場景和分析。

1. 從模型的角度

除了大家現(xiàn)在比較關(guān)心的基礎(chǔ)通用型LLM外，未來可能會(huì)有很多的行業(yè)/場景型LLM。

從業(yè)務(wù)場景的角度會(huì)有，比如完成電商業(yè)務(wù)的模型，完成ERP業(yè)務(wù)的模型，完成CRM業(yè)務(wù)的模型等。

從知識(shí)的專業(yè)性角度可能會(huì)有，比如HR行業(yè)模型，財(cái)務(wù)行業(yè)模型，法務(wù)行業(yè)模型等。

從數(shù)據(jù)私有性的角度，可能還有各個(gè)公司/組織自己的LLM，當(dāng)然也可以基于開源LLM來搭建。甚至也會(huì)由于數(shù)據(jù)合規(guī)性的考慮會(huì)出現(xiàn)個(gè)人LLM和邊緣LLM。

每個(gè)模型都抽象了很多的業(yè)務(wù)邏輯，而這些業(yè)務(wù)邏輯是依靠LLM來完成功能的實(shí)現(xiàn)的，針對(duì)這些業(yè)務(wù)邏輯都需要對(duì)模型進(jìn)行單獨(dú)的訓(xùn)練，而不是簡單的用一個(gè)超大泛化模型可以實(shí)現(xiàn)的（除非超大模型用各行各業(yè)的數(shù)據(jù)進(jìn)行訓(xùn)練和修改，這樣其實(shí)對(duì)于基礎(chǔ)模型可能是非常不經(jīng)濟(jì)的，不過也可能跟軟件行業(yè)一樣，很多軟件公司的增長也是通過收購和整合來實(shí)現(xiàn)的）。

跟AI 1.0的狀態(tài)差不多，可能有很多垂類模型，也有很多行業(yè)模型，當(dāng)然也有可能出現(xiàn)AI四小龍或者N小龍的情況，因?yàn)楹芏鄶?shù)據(jù)，比如比銀行數(shù)據(jù)，火車數(shù)據(jù)，民航數(shù)據(jù)，都不可能被放到公有LLM上，還是要在自己的私有LLM才可行。

2. 從平臺(tái)的角度

LLM還解決不了線下交付的問題，理論上只要不是專有數(shù)據(jù)，LLM的用戶體驗(yàn)可能會(huì)產(chǎn)生一些虹吸效應(yīng)，讓用戶更多的訪問LLM而不是傳統(tǒng)的平臺(tái)，平臺(tái)當(dāng)然可以自己做LLM，但是投入和效果上不一定比類似的百度的或者泛化LLM更有優(yōu)勢。

個(gè)人感覺如果百度未來的搜索結(jié)果可以放更多的軟廣，在上下文中，讓用戶更加接受，而不是現(xiàn)在的搜索廣告形式。但是傳統(tǒng)的對(duì)話方式的微信可能可以更軟，畢竟它可以直接做個(gè)人助理，助理就是個(gè)人的推薦引擎。

當(dāng)然比如對(duì)于專業(yè)的訂票，旅游，吃飯類的平臺(tái)可能就是比較負(fù)面的例子了，因?yàn)槠脚_(tái)只需要或者只能做交付，平臺(tái)的議價(jià)空間就更少了，但是不擁抱共有LLM也不行?，F(xiàn)在在百度上只是做廣告買流量，后面百度通過文心一言的小程序或者Plugin直接就把前置的所有事情都干了，只需要下單API。不過這個(gè)完全是個(gè)人腦爆，畢竟旅游行業(yè)的供應(yīng)鏈管理是相當(dāng)復(fù)雜和高壁壘的，我們有相當(dāng)長的時(shí)間可以觀察，思考和應(yīng)對(duì)。

總體上講，LLM對(duì)未來的或現(xiàn)存的平臺(tái)類應(yīng)用是比較負(fù)面的。原因是如果出現(xiàn)超級(jí)LLM，那LLM本身就有是平臺(tái)，對(duì)現(xiàn)有平臺(tái)產(chǎn)品來說可能會(huì)損失品牌，躲到LLM后面，淪為工具，但不管怎么樣，平臺(tái)還是應(yīng)該擁抱LLM，利用好LLM的能力，也可能走出一條不一樣的路。

對(duì)初創(chuàng)公司反而是有利的，降低的競爭的門檻，增加了市場的活力，流量的獲取更加的容易，而初創(chuàng)公司可以專注在專業(yè)范疇內(nèi)。

所以符合私有數(shù)據(jù)和線下交付中的一項(xiàng)的LLM應(yīng)用已經(jīng)很有生命力了，符合兩項(xiàng)的又有專有數(shù)據(jù)又有線下交付的應(yīng)用肯定是極大的利好，線下交付的能力不是短時(shí)間可以培養(yǎng)出來的。其實(shí)很多應(yīng)用會(huì)產(chǎn)生大量的專有數(shù)據(jù)，比如購物網(wǎng)站產(chǎn)生的用戶購買行為和偏好，比如社交應(yīng)用產(chǎn)生的用戶行為和交互的偏好，這些其實(shí)都有很大的價(jià)值，LLM其實(shí)是反向逼迫大家來審視自己的數(shù)據(jù)資產(chǎn)，以及如何更好的利用它。

3. 從交互的角度

盡管我之前提到了交互式用戶界面（Conversational UI），這種界面最自然的表現(xiàn)形式仍然是對(duì)話（conversation）。如果這樣想的話，微信可能會(huì)成為下一個(gè)時(shí)代的王者，甚至可以取代百度，因?yàn)槿藗兛梢栽谖⑿派辖鉀Q所有問題，包括像對(duì)話一樣自然的搜索，而不需要切換功能和場景。

然而，如果只考慮到這一點(diǎn)，那么你對(duì)于使用場景的了解可能還不夠深入。因?yàn)樽畲蟮牟町愂?，微信是與人進(jìn)行交流，而新的交互方式是與語言模型進(jìn)行對(duì)話。在這種對(duì)話場景中，聊天和表達(dá)情感只是場景的一部分，更多的場景涉及任務(wù)下達(dá)、目標(biāo)達(dá)成、情況分析和模式識(shí)別等工作，這些任務(wù)的業(yè)務(wù)邏輯比傳統(tǒng)的聊天要復(fù)雜和抽象得多。因此，解決這些問題需要依靠對(duì)話式用戶界面（CUI）的發(fā)展，我相信很快就會(huì)出現(xiàn)AI的類似于iPhone誕生后的Gesture時(shí)刻。

從個(gè)人的角度，我覺得CUI的可見模式還是會(huì)長期存在的，畢竟很多的場景都是需要操作的，但是我更進(jìn)一步的認(rèn)為LLM的Gesture時(shí)刻可能不是在可見的部分，而是源于人類更底層更自然的溝通方式，conversation最初的方式并不是typing，而是聲音，用嘴發(fā)聲，用耳朵收聲。我覺得未來的會(huì)有一波重大的突破在耳機(jī)上，耳機(jī)可能會(huì)取代或者部分替代現(xiàn)有的手機(jī)，而且手機(jī)也是可移動(dòng)的設(shè)備，比手機(jī)還自然的攜帶體驗(yàn)，具備各種傳感器的能力，手機(jī)能有的傳感器，耳機(jī)都可以有。耳機(jī)不再只有降噪這個(gè)賣點(diǎn)，而是交互的終端，是conversation的承載，是任務(wù)指令的下達(dá)?，F(xiàn)在的耳機(jī)已經(jīng)可以透明收聲，如果耳機(jī)具有一定的邊緣LLM能力，《Her》的電影場景就可以實(shí)現(xiàn)了，基于語音的交互是最自然的對(duì)話。

4. 主動(dòng)與被動(dòng)

其實(shí)大家日常使用的AGI應(yīng)用無論2B還是2C，幾乎所有的場景下的應(yīng)用都是被動(dòng)呼出的，也就是說都用戶提出問題，LLM被動(dòng)回答。用戶是initiator，這就造成了使用場景相對(duì)單一。但是反過來想一下日常的對(duì)話都是自己發(fā)起的么？顯然不是，實(shí)際生活中不同的場景，很多都是用戶是被動(dòng)應(yīng)答的。微信之所以使用時(shí)間長，并不是因?yàn)楸榷兑粲懈５某两酵扑]算法，而是因?yàn)槟愕闹鲃?dòng)是對(duì)方的被動(dòng)，對(duì)方的主動(dòng)是你的被動(dòng)，通訊錄聯(lián)系人互相成為對(duì)方的initiator。

因此AGI的出現(xiàn)，就可以根據(jù)設(shè)備的感知能力主動(dòng)發(fā)起對(duì)話，比如中午，可以問用戶吃了么，沒吃趕緊吃，想吃啥附近直接找到，并導(dǎo)航到餐館。主動(dòng)發(fā)起對(duì)用戶體驗(yàn)來說是一個(gè)很大的飛躍，（這里主動(dòng)發(fā)起不是類似手機(jī)的push msg）尤其是情感領(lǐng)域，被動(dòng)和主動(dòng)區(qū)別很大，大多數(shù)國人在現(xiàn)代社會(huì)中都是社交被動(dòng)型的，社牛太少了。很多傳統(tǒng)的社交軟件也都在利用數(shù)據(jù)來降低社交成本，比如點(diǎn)個(gè)贊，比如用手滑照片。如果能通過耳機(jī)+各種sensors，還有環(huán)境音的透明收聲，則可以有更多的應(yīng)用場景被挖掘出來。而不僅是任務(wù)型或者事務(wù)性的應(yīng)用場景。

寫在最后

以上都是我?guī)讉€(gè)月以來的思考在當(dāng)下這個(gè)時(shí)間點(diǎn)的總結(jié)，未來會(huì)發(fā)生什么，也很可能會(huì)推翻現(xiàn)有的結(jié)論甚至思考框架，未來一定是薛定諤的貓，LLM這個(gè)變量將讓很多人的思考框架發(fā)生了巨大的變化。在這個(gè)Sternstunden der Menschheit，我們可能有的只是時(shí)間。

浪潮中，有些人追求宏大的敘事，有些人忙于性感的故事，有些人揮起鋒利的鐮刀。面對(duì)誘惑大多數(shù)人都會(huì)放棄堅(jiān)守，但我還是希望大家在設(shè)計(jì)產(chǎn)品時(shí)問自己一個(gè)問題，我的產(chǎn)品能不能帶來10倍體驗(yàn)提升，能不能帶來10倍成本的降低，普通人只能點(diǎn)滴的改變。Make a better life for all people and their families.

關(guān)于GONEX- IRIS：

GONEX-IRIS是全球首創(chuàng)的AI Native的人工智能HR合規(guī)服務(wù)引擎，可以幫助HR團(tuán)隊(duì)輕松應(yīng)對(duì)日益增長的挑戰(zhàn)，提高工作效率和便利性。我們的LLM大模型可以利用自然語言處理技術(shù)快速處理各種HR數(shù)據(jù)，并自動(dòng)化處理各種復(fù)雜的海外HR流程，如入職、離職，算薪，發(fā)薪，社保繳納等。同時(shí)，我們還可以利用機(jī)器學(xué)習(xí)進(jìn)行員工滿意度和工作績效分析，提供數(shù)據(jù)驅(qū)動(dòng)的洞察和建議。

使用GONEX-IRIS，您可以在幾秒鐘內(nèi)獲得關(guān)于海外員工雇傭、福利等方面的專業(yè)建議，而無需倒時(shí)差或花費(fèi)大量資金雇傭當(dāng)?shù)貙＜?咨詢公司。我們的服務(wù)涵蓋從高端咨詢到日常服務(wù)，幫助您快速解決業(yè)務(wù)問題，從而實(shí)現(xiàn)更高的工作效率和便利性。GONEX-IRIS還可以讓您成為一個(gè)全球HR問題專家，幫助您從事事求人的HR文盲秒變專業(yè)的HR領(lǐng)域?qū)＜摇?/p>