惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

大猫的无限游戏
大猫的无限游戏
H
Hackread – Cybersecurity News, Data Breaches, AI and More
博客园_首页
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
D
Docker
酷 壳 – CoolShell
酷 壳 – CoolShell
宝玉的分享
宝玉的分享
Martin Fowler
Martin Fowler
美团技术团队
量子位
M
MIT News - Artificial intelligence
Apple Machine Learning Research
Apple Machine Learning Research
阮一峰的网络日志
阮一峰的网络日志
博客园 - 叶小钗
博客园 - 三生石上(FineUI控件)
腾讯CDC
Hugging Face - Blog
Hugging Face - Blog
博客园 - 【当耐特】
小众软件
小众软件
博客园 - 司徒正美
罗磊的独立博客
云风的 BLOG
云风的 BLOG
B
Blog RSS Feed
博客园 - 聂微东

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
GPT5出来,为啥都是吐槽?
李明Bright · 2025-08-15 · via 人人都是产品经理

万众期待的 GPT-5 终于上线,迎来的却不是掌声,而是铺天盖地的吐槽——“没颠覆”“不惊喜”。作者一针见血:从 0 到 1 的震撼早已用完,技术进入渐进期;大众被 AGI 神教吊高的胃口却迟迟落不了地。当通用大模型卷无可卷,真正的突破正悄悄发生在垂直场景。GPT-5 的“平庸”,或许正是 AI 应用时代全面开启的信号弹。

你好,我是李明Bright,前阿里产品专家,13年互联网产品经理,主要写一些科技和商业内容,以从业者的视角提供观察思考。

前几天,GPT5终于被放出来了,本来大众期待的惊喜时刻并没有到来,反而变成了“惊吓时刻”、“吐槽时刻”。GPT5并不如预期,这到底是为啥呢?

我觉得会有这种戏剧性的效果,有几个方面的原因:

第一,缺少颠覆式创新。所谓颠覆式创新,就是从0到1,或者从1到100(上限是10000)。

ChatGPT横空出世就是从0到1,在大众视野中,突然出现一个触手可及的,如此智能的能够理解人类意图并给出精准反馈的AI,就像马车时代突然出现一辆汽车,虽然这辆汽车一开始速度并不是很快,一会儿熄火,一会儿爆胎,但它是一个新品种,非常之惊奇。

而DeepSeek的火爆,不仅在于狠狠打脸中国人做不出或者没那么快做出性能比得上ChatGPT的大模型,还在于一下子把成本降低了100倍,而且不需要用最顶尖的计算GPU。这就相当于把成本高昂,只能在实验环境中使用的汽车,成本降低到家家户户足以普及的程度,而且还是免费拥有,一毛钱不用花,这也是一件很夸张的事情。

那么,到了到2025年的今天,显然没有看到再有如此巨大突破的变革。底层原因是技术发展是有内在规律的,就如同商业模式的发展一样,颠覆式创新之后很难马上颠覆式创新,需要经历一段渐进式创新的路,就如同移动操作系统领域,iOS和Android出来之后,后面很长一段时间都是优化桌面设计、优化性能、增加一些新的交互,缝缝补补又一年。

第二,大家的预期被拔得太高了,一开始以为ChatGPT是神一样的,GPT4.0那么惊艳,后来又推出各种型号的GPT,都是小版本更新,现在终于被冠以GPT5.0的版本来了,大众的期待肯定是非常高的,尤其是之前有一波人奋力地宣传信仰AGI的即将到来。

而现在,GPT现在变成凡人了,不再神话了,其他的大模型也追上来了,没有明显的技术壁垒了。大众的美好的理想落空了,终于回到现实了。

现实是什么呢?

现实是AI在垂直领域的应用进度要远快于通用AI大模型。我想打个比方,AI就像一个不断学习进化的小孩子,有很多很多的老师一起教,这个小孩子学习进化需要时间,需要吸收能量,但是他每天可以吸收的能量是有限的,那么是让他十项全能,门门90分快一些还是只挑1门专注打磨练习到90分更快一些?

我认为是后一种,所以现在反而是专注于做Code、画图等领域的AI可用性更强,我反而现在比较怀疑通用万能大模型这条路是否能够走得通,或许可以,但需要的时间比较长,长到等到那一天,也许已经有很多细分领域的AI巨头,行业规范已经形成,用户习惯已经养成,无论是在性能还是在成本价格方面,通用大模型都没有多大的吸引力,这是可以预见的结果。

在已有的技术路径之下,决定AI智能度、可用度的还是语料,专业化的语料而不是普通的语料。想让AI变成什么样,就得把什么样的语料喂给TA。

这么去思考,AI的阶段性终局就会变成一个人或者多个人的数字分身,而不是专业助理。也就是你原本就会或者周边就存在的技能,赋予AI,AI的专业度小于等于目前能提供的解决方案,只是说AI可以做得效率更高,成本更低,那么人类的智能的天花板也就是AI的天花板。

所以,程序员、老师、律师,这些是比较容易被AI替代或者部分替代的,因为语料足够多,足够标准化,提供的都是偏信息的服务。我甚至认为,AI画图能够更早地应用,也是因为语料足够,到处都是图画,真实世界随处可以获得画面。

AI编程已经火热得不能再火热了,下一个颠覆式创新突破的可能就是教育、法律,甚至医疗行业,现在我能够非常理解王小川的逻辑了。

AI大模型的故事讲得差不多了,AI垂直应用的故事即将进入高潮。

本文由人人都是产品经理作者【李明Bright】,微信公众号:【李明Bright】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。