大模型没能很好的找到自己的商业闭环这种情况下关注重点转移到了人工智能的“启蒙”事业。同样规模的数据，以更高层次的数据应用方式，创造的价值更高。那么AI应用的普遍升级到底会从那里开始，又会以什么样的特征走到我们的面前呢？

大模型仍然没很好的找到自己的商业闭环，所以很多人就不约而同的把精力投向了人工智能的“启蒙”事业：卖课。但如果我们相信数字化的结果会因为AI而进一步翻倍，那在更低层次上使用的数据的应用就注定会被更高层次的方式所替代，因为同样规模的数据在后者创造的价值更高。用过收割机了，那有人会回头赶牛耕地呢？那这种应用的普遍升级到底会从那里开始，又会以什么样的特征走到我们的面前呢？

一、AI原生应用

在应用中AI的比例会越来越高，而“含AI量”的终点则是AI原生应用。

那同我们每天都用的手机APP相比，潜在的AI原生应用会有怎么样的特征和差异呢？

应用都会导入AI技术，但却远不是每个应用都是AI原生应用。

比如，大部分的应用会导入刷脸登录的功能，而刷脸背后则是基于神经网络的算法。这类应用是AI原生应用么？

比如，大量客服数据生成后，那大模型可能会被用来从非结构化数据中提取有价值信息，来形成对产品的反馈，这是AI原生应用么？

比如，Siri这类应用，从用户侧收集各种交互请求和输入，经过一个智能的栈，然后给出反馈，这是AI应用么？

如果按本质特征来说，前两种其实不是，在他们那里AI是辅助和强化原有的功能，但后者是，在它这里，AI扮演了大脑的角色，所有功能围绕着大脑展开。

AI原生并没有精确的定义，我看到的定义里面Erission的会和上面说的的比较贴近：

在这种思维模式，AI原生注定会被放到一个结构的中心位置：

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

尝试给AI原生下定义会比较困难，但这和后面会提到的应用怎么展开有关，所以这里会勉强下个定义：AI原生应用核心的特征是AI在应用中类似大脑承担中心决策的角色，AI原生应用表现为类人智能体，衍生特征则是智能优先。

为什么这么去定义呢？（虽然可能不严密）

因为贴着智能来走，最大化发挥智能效能的结构一定是这样的，它内置了一种以智能为中心的结构，在这种结构下才能更好的发挥智能的效力。

如果延展到Agent其实要加入实时反馈，延展到行业就会发现充分数字化是AI原生的前提。

现有的应用哪些是AI原生应用呢？

Siri、智能音箱、自动驾驶汽车、Vision Pro等注定是AI原生应用。

如果把算法的范围扩展下，其实抖音、今日头条和搜索引擎、滴滴、美团外卖可以看成上古的AI原生应用。

微信则不是。

二、AI原生应用的崛起

抖音和微信崛起的逻辑正好代表了两种不同的产品逻辑的成功。

抖音赢在数据的使用效率更高，微信赢在用户体验够好。跑到现在的结果似乎是当数据量不足够大的时候微信的模式胜出，当数据量足够大的时候抖音的模式胜出。

而智能越高，数据价值被放大的倍数越高。微信代表的产品模式则越会式微。

除了这种产品逻辑上的差异，AI原生应用还会具有哪些新特征？

AI原生应用切分的功能粒度和过去不同。

它的边界是智能的边界，而智能的边界事实上的领域和场景的边界。每一个AI原生应用都注定是一个元宇宙，也注定是一个系统型超级应用。

为什么这么说呢？我们还是拿过去的Watson来举一个例子（此前提过这会是一种典型的结构，虽然它失败了但它的探索其实是有意义的）。

在这样一种结构下，它的大脑，也就是智能部分（上图中代表Watson的那个球）其实是共通的，只要它拿到对应的数据，包括病人数据行业的数据，那它就可以持续复制下去，没有边际成本（或者就是极低的边际成本）。贴着这个边界走就注定会在它大脑所支持的领域上完成统一。在完成这种边界扩充之后，它的智能也会因为数据的充分而得到进一步强化（智能飞轮）。

而完成这种统一的过程，又注定会以一种典型的三层结构来完成。

底层是对现场数据的实时感知，中间是综合的智能的大脑，上层是可定义的应用的形式。

这就是典型的OS架构。

而显然的这两个特征不局限于医疗健康，在那怕是电商这种领域，这种智能原生应用一样成立，只要你的数据本身在更高智能的驱动下还能创造更高的价值。如果智能能够让流量的转化率提高1个百分点，电商平台会不用么？

这类AI原生应用会带来什么样的影响呢？

可以用哺乳动物、人类的崛起来类比。在数字空间里也会充满各种物种，AI原生应用并不会灭绝所有其它的类别，比如计算器，但和它对冲的类别就危险。

就像人类崛起过程中因为智能优胜不知道灭绝了多少种其它动物一样，AI原生应用一样会因为智能优势覆盖掉与自己相关的非AI原生应用，智能越高就越是如此。

三、从IT大历史的角度看AI原生应用

1、过去五十年发生了什么？

我们都知道IT革命从计算机开始，而如果要选择一个最关键的指标那应该是芯片的的计算能力。

同步的另一个分支则是互联网，两者合流后最完美的代表产品正是我们每天在用的手机，手机即是电脑也是一个接入互联网的终端。

那如果跳出来看大型机、PC、个人手机除除了解决、计算、打印这些任务之外到底干了些什么？

其实是提升了世界的数据化程度和传输速度。在没有它们之前为了传递信息，甚至需要打造密闭的铅通道，然后拿大号鼓风机把文件吹送到指定的人的手里。

这种数字化是初级的，更大程度上利用的是它的流转速度和大规模信息处理的能力来创造价值。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。这种形态下对于数据的使用效能是不够充分的。这条技术路径在AI之前发展到最后正是大数据（没错大数据也是一种智能）。

这相对于过去没有数字化的世界已经是巨大的红利，所以IT世界一直在高速发展。

2、过去十年发生了什么？

在互联网狂飙猛进到2015年前后，大家发现一般应用不太好做了。所以纷纷改弦更张。但很不幸这是个失败的10年。典型探索包括人工智能、SaaS、区块链基本不怎么成功。

AI败于投入产出的失衡和技术红利价值不够大，SaaS败于挖了一个贫矿，区块链则败于找了个不太可能被支持的领域。当然以数字货币为代表的这一领域因为离钱太近，在资产和货币属性上仍然非常多的人在关注，但越是如此就越会变的高度投机，全是流动性在发挥影响力，没有价值锚点。而如果不能和现实世界有更深的锚点，那它的边界也就是过去这些年拓展下来的边界。

还是跳出来看，能看到什么？

其实是在尝试进一步增加数据的附加值。

如果我们相信数字的世界会越来越重要，并超过真实世界，那这种尝试最终一定会成功，但过去因为种种原因（核心是技术成熟度不够）这种尝试基本失败了。

区块链是完全另一类技术，它本质就是数据的不可篡改。但它需要在发币之外找到自己新的支撑。不可篡改可以构建某种基于技术的信任基础，其实也在等待新的综合。

3、现在在发生什么？

现在大模型出来了，大模型解决的问题用一句话总结就是：它让数据的价值创造再进一步。如果把百分百数字化的世界以及依赖倒置看成一个时代的终点，那这无疑是往数字世界上添加的极为关键的砝码。

基于大模型，数字上创造价值的方式不再是速度快、大规模集散这些基础模式，而是进入类人和超脑的阶段。

这很像用人搬砖修长城用它的体力也是对人智能的应用，但这种应用显然是初级的（过去的互联网、SaaS等），现在可以白领了，坐在办公室里工作，这显然是对人这种智能物种的更高级的发挥。

从此之后在企业里面不单有人还会充斥各种人工智能体，而它的形式正是上面提到的智能原生应用，而充斥着智能原生应用的世界，必然是一个智能原生的世界，数字化正是其先导。

拉高视角看，这就是应用掌握更多信息，智能同步提高持续进化的过程，和人类从鱼一步步进化过来具有相似度。

四、大模型在这过程中的角色

在上面这个序列里面之前提到的三类角色就更加清楚：

大模型公司肯定不是就做模型的，而是一种社会的普遍基础设施，侯宏老师管这个叫：智能的大规模集中供给（大智能时代的产业再分工：“无数据，不智能”可以休矣）

但产品上肯定要比这个走的更远，可以看成类Matrix的操作系统。过去不行，现在正好大模型的通用能力让这事行了。

行业大模型则是一个一个虚拟世界。未来要面对的肯定不是单个功能，而是大综合的系统型超级应用。每个系统型超级应用都是一个自己的元宇宙。

因为显然在某个范围内应用的能力和它的边界成正比（如前所述，拓展边际成本极低）。从这个角度看，单独的SaaS应用（比如CRM等）是不会存在的，注定会进行某种更大规模的归并。在上古时代，SAP其实就有点迹象，而显然的大模型会让这种趋势发挥的更加厉害。

在这时候区块链会找到自己发币外的价值锚点，会成为构建这种AI原生应用中的一个关键技术。

系统型超级应用生成的过程中还需要很多填补缝隙的工作，这就是长尾工具的机会。

五、小结

如果还是跳出来看，整个过程会很像是已经独立于个人之外的数字空间的进化，它进化的越来越类似生命体，而这个生命体的特征就是之前经常提到的依赖倒置和名实唯一。