大模型沒能很好的找到自己的商業(yè)閉環(huán)這種情況下關(guān)注重點(diǎn)轉(zhuǎn)移到了人工智能的“啟蒙”事業(yè)。同樣規(guī)模的數(shù)據(jù)，以更高層次的數(shù)據(jù)應(yīng)用方式，創(chuàng)造的價值更高。那么AI應(yīng)用的普遍升級到底會從那里開始，又會以什么樣的特征走到我們的面前呢？

大模型仍然沒很好的找到自己的商業(yè)閉環(huán)，所以很多人就不約而同的把精力投向了人工智能的“啟蒙”事業(yè)：賣課。但如果我們相信數(shù)字化的結(jié)果會因?yàn)锳I而進(jìn)一步翻倍，那在更低層次上使用的數(shù)據(jù)的應(yīng)用就注定會被更高層次的方式所替代，因?yàn)橥瑯右?guī)模的數(shù)據(jù)在后者創(chuàng)造的價值更高。用過收割機(jī)了，那有人會回頭趕牛耕地呢？那這種應(yīng)用的普遍升級到底會從那里開始，又會以什么樣的特征走到我們的面前呢？

一、AI原生應(yīng)用

在應(yīng)用中AI的比例會越來越高，而“含AI量”的終點(diǎn)則是AI原生應(yīng)用。

那同我們每天都用的手機(jī)APP相比，潛在的AI原生應(yīng)用會有怎么樣的特征和差異呢？

應(yīng)用都會導(dǎo)入AI技術(shù)，但卻遠(yuǎn)不是每個應(yīng)用都是AI原生應(yīng)用。

比如，大部分的應(yīng)用會導(dǎo)入刷臉登錄的功能，而刷臉背后則是基于神經(jīng)網(wǎng)絡(luò)的算法。這類應(yīng)用是AI原生應(yīng)用么？

比如，大量客服數(shù)據(jù)生成后，那大模型可能會被用來從非結(jié)構(gòu)化數(shù)據(jù)中提取有價值信息，來形成對產(chǎn)品的反饋，這是AI原生應(yīng)用么？

比如，Siri這類應(yīng)用，從用戶側(cè)收集各種交互請求和輸入，經(jīng)過一個智能的棧，然后給出反饋，這是AI應(yīng)用么？

如果按本質(zhì)特征來說，前兩種其實(shí)不是，在他們那里AI是輔助和強(qiáng)化原有的功能，但后者是，在它這里，AI扮演了大腦的角色，所有功能圍繞著大腦展開。

AI原生并沒有精確的定義，我看到的定義里面Erission的會和上面說的的比較貼近：

在這種思維模式，AI原生注定會被放到一個結(jié)構(gòu)的中心位置：

https://www.ericsson.com/en/reports-and-papers/white-papers/ai-native

嘗試給AI原生下定義會比較困難，但這和后面會提到的應(yīng)用怎么展開有關(guān)，所以這里會勉強(qiáng)下個定義：AI原生應(yīng)用核心的特征是AI在應(yīng)用中類似大腦承擔(dān)中心決策的角色，AI原生應(yīng)用表現(xiàn)為類人智能體，衍生特征則是智能優(yōu)先。

為什么這么去定義呢？（雖然可能不嚴(yán)密）

因?yàn)橘N著智能來走，最大化發(fā)揮智能效能的結(jié)構(gòu)一定是這樣的，它內(nèi)置了一種以智能為中心的結(jié)構(gòu)，在這種結(jié)構(gòu)下才能更好的發(fā)揮智能的效力。

如果延展到Agent其實(shí)要加入實(shí)時反饋，延展到行業(yè)就會發(fā)現(xiàn)充分?jǐn)?shù)字化是AI原生的前提。

現(xiàn)有的應(yīng)用哪些是AI原生應(yīng)用呢？

Siri、智能音箱、自動駕駛汽車、Vision Pro等注定是AI原生應(yīng)用。

如果把算法的范圍擴(kuò)展下，其實(shí)抖音、今日頭條和搜索引擎、滴滴、美團(tuán)外賣可以看成上古的AI原生應(yīng)用。

微信則不是。

二、AI原生應(yīng)用的崛起

抖音和微信崛起的邏輯正好代表了兩種不同的產(chǎn)品邏輯的成功。

抖音贏在數(shù)據(jù)的使用效率更高，微信贏在用戶體驗(yàn)夠好。跑到現(xiàn)在的結(jié)果似乎是當(dāng)數(shù)據(jù)量不足夠大的時候微信的模式勝出，當(dāng)數(shù)據(jù)量足夠大的時候抖音的模式勝出。

而智能越高，數(shù)據(jù)價值被放大的倍數(shù)越高。微信代表的產(chǎn)品模式則越會式微。

除了這種產(chǎn)品邏輯上的差異，AI原生應(yīng)用還會具有哪些新特征？

AI原生應(yīng)用切分的功能粒度和過去不同。

做了8年产品经理后，我是这么看产品经理的

我个人是从非常初级的产品经理做起，再到负责一个大产品的项目管理，现在有幸跳出了日常基础的工作更多的去看产品的PMF，product strategy...

查看详情 >

它的邊界是智能的邊界，而智能的邊界事實(shí)上的領(lǐng)域和場景的邊界。每一個AI原生應(yīng)用都注定是一個元宇宙，也注定是一個系統(tǒng)型超級應(yīng)用。

為什么這么說呢？我們還是拿過去的Watson來舉一個例子（此前提過這會是一種典型的結(jié)構(gòu)，雖然它失敗了但它的探索其實(shí)是有意義的）。

在這樣一種結(jié)構(gòu)下，它的大腦，也就是智能部分（上圖中代表Watson的那個球）其實(shí)是共通的，只要它拿到對應(yīng)的數(shù)據(jù)，包括病人數(shù)據(jù)行業(yè)的數(shù)據(jù)，那它就可以持續(xù)復(fù)制下去，沒有邊際成本（或者就是極低的邊際成本）。貼著這個邊界走就注定會在它大腦所支持的領(lǐng)域上完成統(tǒng)一。在完成這種邊界擴(kuò)充之后，它的智能也會因?yàn)閿?shù)據(jù)的充分而得到進(jìn)一步強(qiáng)化（智能飛輪）。

而完成這種統(tǒng)一的過程，又注定會以一種典型的三層結(jié)構(gòu)來完成。

底層是對現(xiàn)場數(shù)據(jù)的實(shí)時感知，中間是綜合的智能的大腦，上層是可定義的應(yīng)用的形式。

這就是典型的OS架構(gòu)。

而顯然的這兩個特征不局限于醫(yī)療健康，在那怕是電商這種領(lǐng)域，這種智能原生應(yīng)用一樣成立，只要你的數(shù)據(jù)本身在更高智能的驅(qū)動下還能創(chuàng)造更高的價值。如果智能能夠讓流量的轉(zhuǎn)化率提高1個百分點(diǎn)，電商平臺會不用么？

這類AI原生應(yīng)用會帶來什么樣的影響呢？

可以用哺乳動物、人類的崛起來類比。在數(shù)字空間里也會充滿各種物種，AI原生應(yīng)用并不會滅絕所有其它的類別，比如計(jì)算器，但和它對沖的類別就危險。

就像人類崛起過程中因?yàn)橹悄軆?yōu)勝不知道滅絕了多少種其它動物一樣，AI原生應(yīng)用一樣會因?yàn)橹悄軆?yōu)勢覆蓋掉與自己相關(guān)的非AI原生應(yīng)用，智能越高就越是如此。

三、從IT大歷史的角度看AI原生應(yīng)用

1、過去五十年發(fā)生了什么？

我們都知道IT革命從計(jì)算機(jī)開始，而如果要選擇一個最關(guān)鍵的指標(biāo)那應(yīng)該是芯片的的計(jì)算能力。

同步的另一個分支則是互聯(lián)網(wǎng)，兩者合流后最完美的代表產(chǎn)品正是我們每天在用的手機(jī)，手機(jī)即是電腦也是一個接入互聯(lián)網(wǎng)的終端。

那如果跳出來看大型機(jī)、PC、個人手機(jī)除除了解決、計(jì)算、打印這些任務(wù)之外到底干了些什么？

其實(shí)是提升了世界的數(shù)據(jù)化程度和傳輸速度。在沒有它們之前為了傳遞信息，甚至需要打造密閉的鉛通道，然后拿大號鼓風(fēng)機(jī)把文件吹送到指定的人的手里。

這種數(shù)字化是初級的，更大程度上利用的是它的流轉(zhuǎn)速度和大規(guī)模信息處理的能力來創(chuàng)造價值。很像人也可以送信，都是神行太保，利用了人能跑路的能力，但人的核心能力并非跑路。這種形態(tài)下對于數(shù)據(jù)的使用效能是不夠充分的。這條技術(shù)路徑在AI之前發(fā)展到最后正是大數(shù)據(jù)（沒錯大數(shù)據(jù)也是一種智能）。

這相對于過去沒有數(shù)字化的世界已經(jīng)是巨大的紅利，所以IT世界一直在高速發(fā)展。

2、過去十年發(fā)生了什么？

在互聯(lián)網(wǎng)狂飆猛進(jìn)到2015年前后，大家發(fā)現(xiàn)一般應(yīng)用不太好做了。所以紛紛改弦更張。但很不幸這是個失敗的10年。典型探索包括人工智能、SaaS、區(qū)塊鏈基本不怎么成功。

AI敗于投入產(chǎn)出的失衡和技術(shù)紅利價值不夠大，SaaS敗于挖了一個貧礦，區(qū)塊鏈則敗于找了個不太可能被支持的領(lǐng)域。當(dāng)然以數(shù)字貨幣為代表的這一領(lǐng)域因?yàn)殡x錢太近，在資產(chǎn)和貨幣屬性上仍然非常多的人在關(guān)注，但越是如此就越會變的高度投機(jī)，全是流動性在發(fā)揮影響力，沒有價值錨點(diǎn)。而如果不能和現(xiàn)實(shí)世界有更深的錨點(diǎn)，那它的邊界也就是過去這些年拓展下來的邊界。

還是跳出來看，能看到什么？

其實(shí)是在嘗試進(jìn)一步增加數(shù)據(jù)的附加值。

如果我們相信數(shù)字的世界會越來越重要，并超過真實(shí)世界，那這種嘗試最終一定會成功，但過去因?yàn)榉N種原因（核心是技術(shù)成熟度不夠）這種嘗試基本失敗了。

區(qū)塊鏈?zhǔn)峭耆硪活惣夹g(shù)，它本質(zhì)就是數(shù)據(jù)的不可篡改。但它需要在發(fā)幣之外找到自己新的支撐。不可篡改可以構(gòu)建某種基于技術(shù)的信任基礎(chǔ)，其實(shí)也在等待新的綜合。

3、現(xiàn)在在發(fā)生什么？

現(xiàn)在大模型出來了，大模型解決的問題用一句話總結(jié)就是：它讓數(shù)據(jù)的價值創(chuàng)造再進(jìn)一步。如果把百分百數(shù)字化的世界以及依賴倒置看成一個時代的終點(diǎn)，那這無疑是往數(shù)字世界上添加的極為關(guān)鍵的砝碼。

基于大模型，數(shù)字上創(chuàng)造價值的方式不再是速度快、大規(guī)模集散這些基礎(chǔ)模式，而是進(jìn)入類人和超腦的階段。

這很像用人搬磚修長城用它的體力也是對人智能的應(yīng)用，但這種應(yīng)用顯然是初級的（過去的互聯(lián)網(wǎng)、SaaS等），現(xiàn)在可以白領(lǐng)了，坐在辦公室里工作，這顯然是對人這種智能物種的更高級的發(fā)揮。

從此之后在企業(yè)里面不單有人還會充斥各種人工智能體，而它的形式正是上面提到的智能原生應(yīng)用，而充斥著智能原生應(yīng)用的世界，必然是一個智能原生的世界，數(shù)字化正是其先導(dǎo)。

拉高視角看，這就是應(yīng)用掌握更多信息，智能同步提高持續(xù)進(jìn)化的過程，和人類從魚一步步進(jìn)化過來具有相似度。

四、大模型在這過程中的角色

在上面這個序列里面之前提到的三類角色就更加清楚：

大模型公司肯定不是就做模型的，而是一種社會的普遍基礎(chǔ)設(shè)施，侯宏老師管這個叫：智能的大規(guī)模集中供給（大智能時代的產(chǎn)業(yè)再分工：“無數(shù)據(jù)，不智能”可以休矣）

但產(chǎn)品上肯定要比這個走的更遠(yuǎn)，可以看成類Matrix的操作系統(tǒng)。過去不行，現(xiàn)在正好大模型的通用能力讓這事行了。

行業(yè)大模型則是一個一個虛擬世界。未來要面對的肯定不是單個功能，而是大綜合的系統(tǒng)型超級應(yīng)用。每個系統(tǒng)型超級應(yīng)用都是一個自己的元宇宙。

因?yàn)轱@然在某個范圍內(nèi)應(yīng)用的能力和它的邊界成正比（如前所述，拓展邊際成本極低）。從這個角度看，單獨(dú)的SaaS應(yīng)用（比如CRM等）是不會存在的，注定會進(jìn)行某種更大規(guī)模的歸并。在上古時代，SAP其實(shí)就有點(diǎn)跡象，而顯然的大模型會讓這種趨勢發(fā)揮的更加厲害。

在這時候區(qū)塊鏈會找到自己發(fā)幣外的價值錨點(diǎn)，會成為構(gòu)建這種AI原生應(yīng)用中的一個關(guān)鍵技術(shù)。

系統(tǒng)型超級應(yīng)用生成的過程中還需要很多填補(bǔ)縫隙的工作，這就是長尾工具的機(jī)會。

五、小結(jié)

如果還是跳出來看，整個過程會很像是已經(jīng)獨(dú)立于個人之外的數(shù)字空間的進(jìn)化，它進(jìn)化的越來越類似生命體，而這個生命體的特征就是之前經(jīng)常提到的依賴倒置和名實(shí)唯一。