最近几年，AI的发展可以说是非常迅速。从ChatGPT爆火引爆大模型，到现在Agent、小模型各种遍地开花，AI的发展已经进入下一个方向。这篇文章，我们来看看作者的见解。

模型和应用：保大保小？

01

人工智能虽然发展了好多年，但是真正意义上的众所周知，也不过就是最近2年的事情。从ChatGPT的爆火出圈到现在的随地大小模型，从最初的卷模型到现在的卷应用卷产品。

最近几个月，还有一大把AI公司卷铺盖。

AI号称人类的最后发明，其巨大的潜力和影响已经毋庸置疑，在当前降本增效的大趋势下，全球的科技巨头都在开源节流缩减预算，却在人工智能产业上疯狂投入。

投资：没有仅退款；巨头在AI上宁可错投，也不能错过。

人工智能行业在经历2年跌跌撞撞的狂奔后，现在也开始慢慢认清现实冷静下来了，虽然AI被一致性看好未来的潜力，高预期和高投入与客观现实的冲突已经愈发明显了。

大模型技术的发展进入瓶颈期，突破的难度未知，缺乏爆火的现象级产品，同质化的应用碎了一地；说白了AI能处理的事情，并不是非它不可。

当前，仍在互联网产品的包围圈内。

人工智能也许要经历短暂的挤泡沫阶段，等待底层模型的能力再突破，产品应用的场景冲出包围圈，AI依然是走在时代前列腺的物种。只是这个过程的难度和进度，很难评估。

站在当下看，过去互联网的轨迹清晰可见，将来AI的路也不算一片混沌。

02

想要快速了解一个复杂行业的现状，有个比较简单的方式，聚焦引领行业风向的企业即可。

OpenAI：架在全球热搜榜上的AI玩家。

从OpenAI发布的ChatGPT大模型爆火开始，这家公司任何的风吹草动都会被媒体挂在头条上，无论是底层模型的更新迭代，还是上层应用的创新尝试，甚至与其相关的推文都会被拿来分析和揣测。

ChatGPT从发布一直到更新GPT-4o版本，而用户和对其的评价却从最初的颠覆，到现在的更好用更强大更全面，在年初发布的Sora模型迟迟没有真正搬到台面上，OpenAI这家公司本身也深陷各种内耗的状态。

这里并不是说OpenAI不行了，ChatGPT依然当下使用体验最好的大模型，当技术进入到瓶颈期的时候，前进一点点可能都是巨大的领先，前提是它的内部没有自我雪崩。

最近发布的o1推理模型，更像是给融资加大砝码而已。

对个人来说，没钱的烦恼会有很多，对于企业来说，没钱的话根本没有烦恼。

OpenAI发展到现在，背后关联的投资方，以及拿到的投资额度，是其它AI创业公司远远不能比的，有钱则可以一定程度上解决算力和数据问题，外界对OpenAI最大的质疑，则来自核心创始团队的散场，以及主要员工的不断流失。

OpenAI在资金，算力，人才，数据等方面占尽优势地位，在底层大模型上都处在瓶颈阶段，前进的节奏开始迟缓，这多少会令其它创业公司和投资方有些不自信。

近些年，与AI概念一样火爆的还有个：元宇宙。

在元宇宙概念火爆的那半年，曾经的Facebook直接改名Meta，以此来表达All-IN的态度，之后的走向连抛物线都算不上，最后Meta都拿不出惊艳的产品，其它跟风的项目也都不了了之。

所以看一个行业的风口，重点关注头部的1-2家公司进展，尤其是门槛高的行业。

03

从ChatGPT大模型发布之后，不过两年时间，各种基础或垂直类大模型就已经遍地走了。

但是大模型的能力，却是一言难尽。

底层的基础大模型更侧重通用的能力，训练的参数多自然知道的就多，虽然提供的回答很难给用户眼前一亮的感觉，还偶尔能给人两眼一黑的错觉。垂直类的大模型，在今年已经得到了高度的可行性验证，训练参数偏向垂直的行业领域，生成内容的精确度高，进而形成数据和模型的正向循环。

使用底层大模型，可以快速完成各种行业或者领域的资料整理，输出一个相对完善的框架概览，而垂直类大模型用来提供行业的深度解决方案。

在OpenAI产品系列中，也拆分出GPT-4系列基础模型、o1推理模型、DALL·E绘图模型、sora视频模型。

基础大模型在这两年的迭代中，不管是适用范围还是可用的程度都有明显的提升，通用性在提高成本在逐步下降，垂直类大模型在各自的领域中不断的迭代进化，虽然缺乏通用性但是胜在高精度和高效率。

当下比较共识的看法，是两种模型协同处理任务，至于以后能融合到什么程度，还得看算力和模型结构的迭代优化。

虽然大模型的迭代眼花缭乱，但是真正火起来的应用并不多。

这也是令很多用户和资本困惑的一大原因，媒体上对于大模型的舆论也从热捧慢慢转向质疑，模型的更新速度很快，但是从实际的应用效果上感知又不明显。

OpenAI大热门的sora模型迟迟没有正式公开，快手的可灵视频模型热了一阵，3D类的模型昙花一现，垂直类模型真正被摆上应用端并且大火的并不多，声音比较大的就是宠物类和编程这两个方向。

大模型的迭代进入瓶颈期，同样在应用端也没有大热门的产品，以搜索产品为例，虽然向大模型提问越来越多，但是真正的刁钻问题，或者系统性的实践案例，还是更多来源于搜索引擎的内容。

大模型的能力和传统搜索的最大区别在于，搜索更多从别人的内容中找到自己需要的，而大模型会从问题中推测和找到用户想要的答案。

应用和模型：保大保小？

对于AI创业公司来说，最难的技术层面很难轻易的分出高下，却在价格战和营销战上打的热火朝天，市场都在等一个现象级的应用问世，产品的能力足够颠覆，使用的是哪个基础模型，用户未必真的关心。

04

人工智能近2年发展堪称疯狂，高预期高投入高估值，唯独产生的回报低于预期，这也导致了当下的质疑声和泡沫言论此起彼伏，但是在牌桌上的巨头玩家依然坚定和激进。

此前几年时髦的企业都在说信息化和数字化，而最近两年都在高呼智能化，虽然有点底气不足。

但不可否认的是，AI确实已经从最初的玩具转变到工具形态了。

在互联网这个行业内，AI的使用已经很普遍，尤其是产品和研发的岗位。不论是基础还是垂直类的大模型，都在慢慢的融入到更多的实践场景中，比如知识的搜集整理、3D模型搭建、AI面试官、AI编程和教育等。虽然还做不到完全替代，但是已经证明了可行性，这样就会带来足够的发展动力。

从自身实践的角度来看，还没有一款大模型做到真正的多面手，在工作当中，更多的还是多款大模型的组合使用。

作为身在卷味最冲的杭州，在写汇报文档这个板块，使用最多的是通义大模型，各种周报月报季度总结等绝对是手拿把掐，生成文档之后再借助PPT的AI能力一键生成，堪称反内卷的利器。

对于复杂的文档或者资料的分析整理，使用比较多的是Kimi模型，没有深度对比过和其它大模型的能力差异，但是就处理速度这一块，绝对是体验感拉满了。

互联网热点事件的解读整理，使用是腾讯混元模型的深度研究，可以快速了解事件的前因现状，做到吃瓜吃的全面，也可以快速获取各种深度分析的文章，比如之前的萝卜快跑事件和当下抖音快手的一哥事件等。

绘图和视频生成大模型，在体验过的产品中，快手的可灵模型，OpenAI的DALL·E模型，所呈现的内容都不错，至于sora模型，个人觉得如果它做不到绝对的领先，保持神秘吊着用户的胃口和舆论，也是一种策略。

人工智能狂奔的两年，从最初的文本对话到现在的多模态，从最初的内测申请到现在充斥在各种产品的内部，从最初的通用大模型到现在与垂直大模型协同，从最初的模型端卷到现在的产品应用端。

虽然质疑和声讨不断，但是技术的发展趋势不以个人意志为转移。

05

最后，不得不提的一个灵魂问题，人工智能的发展是否会影响就业？

以史为鉴可以知兴替，几次工业革命带来的阵痛和影响，技术的革新和发展既可以解决矛盾，也会制造新的矛盾。而在这种变化中有两类人容易平稳度过，走到所在领域的头部，这需要一定的天赋；要么放弃对于垂直技能的专注，提升自己技能的广度，快速调整自己适应变化顺应趋势。

有句话很有道理，卷倒我们的不是AI而是用AI的人。

与其在原地焦虑着，不怕事的思维也许能带来更多的机会，AI发展都发展了，还是要习惯才好。