作者深入剖析了生成式AI的现状、挑战以及未来的发展方向。通过具体案例和技术分析，本文将引导读者更全面地理解这一领域的复杂性和潜力。

这个话题其实我一直想写，但是一直在犹豫要不要这么说。

犹豫的原因在于，一方面我认为最近这1、2年眼界之内，最有突破性的技术创新的确是AI技术，特别是以ChatGPT、Midjounery为代表的AI生成式技术，由于科技创新带来的新的发展或者说创业机会，数来数去也就是这么一个大的方向，在这个趋于稳定、存量价值竞争的大环境之下，大家太渴望希望了，太需要新的蛋糕了。

但是另外一方面，作为一名12年互联网行业经验的老兵，且我过去1年时间也是实实在在地在大厂一线做AI产品，探索如何将AI技术应用到具体的业务场景，产生增量效能，太知道AI能做什么不能做什么了。

最终还是Follow我的认知，亮明观点，不再犹豫。

ChatGPT刚出来那会儿，简直就是震惊，王炸的效果。但快2年过去了，大家有看到哪些真正颠覆式创新的产品或应用吗？

问题还是在于这波AI创新的底层逻辑上。

这波的生成式AI创新，底层是一个概率模型

大家不需要了解太过于复杂的技术逻辑，只是需要知道底层是概率模型即可。举个例子：

你问ChatGPT，中国历史上秦朝之后是什么朝代，有可能尝试100次，90次会得到结果汉朝，另外10次会得到结果楚、西楚或者别的什么其他的，为什么呢？

因为大模型在训练的时候，需要学习语料，语料从哪里来？从各种图书扫描数字版、网络各种开放的内容，也包括人和AI的聊天对话，AI大模型都会去学习，只不过是有针对性地学习，中间加一些排除垃圾数据干扰等逻辑。

但是，它本质上还是个概率模型，只要是概率模型，就可能会出错，这是这波AI大模型产品的第一个特点。

这个特点决定了很多领域是无法用的，比如心理咨询、用药咨询、路线推荐，是不能出错的，出错之后可能会有非常严重的后果，有1%的错误率都无法接受。

第二个特点，是平庸

不知道大家有没有注意到，文生文大模型产出的都是很平庸的内容，机器的感觉特别强。这个的原因还是在于大模型是一个学习模型，到处去学东西，正是因为学习能力太强，所以变成了一个全能型选手。好的也学，坏的也学。俗语说近朱者赤近墨者黑，名师出高徒，如果跟着无数的老师学习，那么到底哪个才是更专业的呢？大模型很难去识别区分出来。

所以就造成了，顶级学霸级别的学习力，最后学成了60、70分的水准，因为我们这个社会在某一方面的平均水位也就是60、70分的水位，比如写作，你让AI去模仿某个网络大V，创作出一样水准的作品，不是很现实。因为AI的训练学习需要非常多的数据，很少的数据量是无法产生出足够大的差异化的。

大家都喜欢AI能够承担专家的角色，实际上大模型AI只能是小学生或者普通人的水平，一个普通人的才能会很稀缺吗？

第三个特点，是昂贵

根据报道，OpenAI今年运营总成本可能将达85亿美元。其中，推理和训练成本分别高达40亿和30亿美元。大型语言模型的单次训练成本少则200万美元，多则达到1200万美元，这还不包括模型的实际使用成本。虽然今年国产的大模型厂商的价格下调99%，应用侧的成本确实有显著下降，但是AI技术迭代的总体成本还是非常非常高的。AI大模型更像是一个砸巨量资金看水花的模式。

这几个特点决定了生成式AI技术无法大规模或者深度运用。目前更多地还是当一个辅助能力或者新的亮点特性作为加分项。

而对于未来生成式AI的发展方向，我认为会是小模型+大规模专业的语料+行业化定向优化。

大规模专业的语料可以解决概率和平庸的问题，就像如果你给大模型只找专家级的老师，除非它自己发散放飞自我（有这个可能），否则都还是在靠谱的范围内，专家的平均水平肯定比普通人要高。这个概率优化可能使得1%的犯错率降低到0.1%甚至更低，比如用药咨询这个领域，可以约束让大模型不要发散，只根据给到的知识语料进行回答，而知识语料都来自于医学专家。

小模型可以控制训练成本，针对行业的知识等进行定向优化，不需要全知全能的小学生，而要某个领域顶尖的博士生。比如物理学方向的研究，是可以把很多常规的知识记忆这些交给AI，需要的时候询问提取即可，让研究员可以专注在AI无法完成的部分。

总的来说，生成式AI现阶段处于一个比较尴尬或者说是实际表现和期望很不符的状态，这里面泡沫很大，短期内大家可能很难看到某个AI应用爆发式普及，但可能在水面之下，有一些细分领域的AI机会在生长中，进度可能是by年更新的。

直接to C的消费级产品机会难度太大，完全从0去打造一款产品，除非是有很大的颠覆式创新，否则难以跟行业既有玩家去抗衡，而期望生成式AI带来颠覆式创新，现阶段不太现实，AI改变了一些，但也没有改变很多。

反而是to B的领域我认为会更有可能跑出来，to B的领域对于人效是非常看重的，把一些例如前面说的用药指南、知识查询这类的解放出来给AI去完成，有机会可以提高20%左右的人效。这样的话，就会切得非常细，很有可能最后是一些几十人规模小公司跑出来，能够完成商业化闭环，大厂要做这个事情的话人效太低了。

以上是我对现阶段生成式AI的一些理解，分享给大家。