OpenAI本次发布会引起不小的动静，它此次的举动会对未来有什么样的影响呢？让我们看看下边的文章中的笔者对OpenAI的一些看法和内容吧！

OpenAI本次发布会引起了相当的波澜，其中最瞩目的是：他好像把过去一段时间很大一批创业公司做的事给干了，并且挖断了去路。

但OpenAI的行为其实不单是Sam Altman这些人决策的，更要遵从智能的基础运行逻辑。大模型出现并且突飞猛进之后，智能的基础运行逻辑相对于过去的互联网等其实发生了一些本质性变化，这些差异性有点“死生之地不可不察的意思”。

这些特征在前面各种文章中提到过，正好借着OpenAI的发布会做下梳理。

一、智能的边界是应用的边界

OpenAI本次发布会中很大的一个动作就是GPTs商店，而如果底层的大模型持续增强，那无疑的这种特征会让独立的纯粹工具被折叠，威胁的就是Midjourney这类产品。这类产品挡在了大模型前进的路上。

这体现的底层逻辑正是智能的边界就是应用的边界。

在琢磨事2023.7.5月发表的AI大模型没有商业模式？中发表过这类观点：

而这种发布会其实是这种底层逻辑的一种实现，现实总是会和概念运动统一。

更形象点说，这种底层逻辑很像木偶那个悬在高处的锚点，木偶行为的花样配合故事性有很多很多，但其实是有规则和范围的。

二、那延展下去还会发生什么呢？

OpenAI会云端操作系统化，在GPTs 商店之外，它会再开放一个商店，负责接入现实世界的实时感知数据，接入各种IoT设备。当前的多模态可以看成是对这一步的铺垫。这是在2023.7.22的开源大模型LLaMA 2会扮演类似Android的角色么？中提到的：

当时这个认知其实受到了一些挑战，我不知道现在还有多少人还会类比公有云或者不同意这会是云端操作系统，也是一种云端的超级应用。

三、那这种变化更底层的含义是什么呢？

其实是通用计算平台的迁移，而通用计算平台的迁移注定是计算范式的迁移。

从技术上我们既可以讲计算从端更多的迁移到云端，也可以讲从一般的算法迁移到模型。

从结构上其实这是在强化中心化的力量，而中心的迁移往往体现为公司地位的变迁。这个直接映射到现实就是可能出现比现在苹果规模还大的企业，这点主要在2023.8.27AI个体户的崛起：普通人“屁胡”的机会、模式和风险中做的展开：

潜在的这可能会变成OpenAI和微软决裂的动因（微软是当前的中心，而通用智能会是中心的中心）。下属企业是更大范畴的中心，这在未来肯定是不好处理的。

从公司性质上，如果OpenAI做到这些那就可以把技术优势转化为生态优势。技术优势是有保鲜期的，生态优势则更加稳定。微软的Windows到后面是技术领先么？显然不是，是跑在它上面的应用让它成为了事实上的标准。

注：特意把有些观点的发表时间标记出来想强调的是这确实不是事后诸葛，牵强附会，而是智能的发展确有其自己的脉络。

四、这条路线走下去远期还有那些变化呢？

还可能会导致终端变迁。

终端和大模型会按照感知与决策进行分工，其中一个低成本的分支可能会导致NC(Net Computer)其实就是现在的ChromeBook又来，并且带来更大的普及度。此前Facebook押注H5死的很惨，但GPTs其实比H5的云端成分还要更高。

如果再远期很可能还会有个意想不到的变化。

如果众多GPTs足够坚挺和繁荣，那这本身就是生产并消耗服务的生态，就是一种“宇宙”，在这个宇宙里面交易会是什么形态？这时候不要忘记Sam Altman的世界币，创造财富和分配财富可能在这里会统一，人工智能和区块链在这里可能会合流。

这特别符合给世界求个解：OpenAI的Sam Altman为什么干世界币？中提到的愿景远期会看着像脑洞，但其实这些发生没发生的事件背后都有一根线在穿着（偏玄学一点，我管它叫名实唯一性，这里不重复展开了）。

这种扩张并不是无边界的，如果说智能的边界就是应用的边界，那这个边界到底在那儿呢？

五、智能的边界到底在那儿呢？

从深度来讲，在AI行业从业者/企业相当比例盈利之前，大模型再怎么惊艳，那它的深度也是不够的。而像在AI能赚到钱了么？里强调的，当这种智能通用性足以覆盖任何一个场景的各个方面，并且真正匹配一个人所能创造的价值时，那就注定会盈利，因为在智能上的成本总是低于雇佣对应人员的成本。

从广度来说，显然的chatGPT没有领域知识，比如医疗、税务、法律等。

在这种情况下，一个显然的趋势是通用大模型会继续在通用领域深耕下去，反过来也就意味着垂域大模型上会闪出相应的机会。没人会在富矿很近的时候同步去挖贫矿。

从技术看，也同样是这个结论。

智能的来源在于数据，数据本身描述了某个范围内世界的本质，而数据的描述深度和智能程度就注定成比例，在特定领域下这种深入就表现为对场景的实时感知（比如病人的具体情况）、历史数据（比如病人的历史数据）、环境数据（比如法规），而这部分数据自身有自己的成本。

显然构建场景的全量数据有点像攻克一个一个山头，这并不是一个单独的公司能全部做的事。否则就会像抓一把沙子，然后不停的处理指间沙。

六、这种通用智能和领域的区隔会导致什么呢？

1. 开源生态

这会导致在OpenAI之外，形成一个开源生态，这就是之前开源大模型LLaMA 2会扮演类似Android的角色么？中提到的：

这种开源生态要和每个人做一个安卓相区别，虽然很多时候大家会宣称如此。唯有这种开源生态才能对冲行业中的落地成本。

2. 系统型超级应用

在领域+开源智能的前提下就会出现各种大大小小的系统型超级应用。即使到现在在很多人的眼里安卓也还是不如苹果，但当它good enough的时候，它其它方面的优势比如安全等就会让自己更加普及，同步的去解决各个领域的问题。

而在解决各个领域问题的时候，其基础架构会和操作系统很像，多边开放，既有面向设备的一边，也有面向应用的一边（GPTs）。

说是系统型的原因在于，在感知端它要能接入各种IoT设备的数据源，扮演过去类似硬件抽象层的角色(HAL），说是超级应用的原因在于它要开放对应的应用商店，微信一样，在自己有用的前提下容纳更多的技能。

这种应用就是AI原生应用《从手机App到AI原生应用》：

七、小结

AI底层逻辑的变化，其实会带来定位和打法的变化。上面的说的也许未必全对，但其实是一整条递进的脉络。而AI从技术上看，仍未像互联网一样成熟，从商业化的角度看更是处在一个萌芽期，所以这类的思考应该是必要的。这时候想比做还重要：“想都是问题，干才是答案”是错误的，雷军说也不行。