AI應用的本質(十分抽象，有點關鍵）

每個人都會在自己原有認知體系下對AI進行解讀，但當這種解讀偏離智能的基礎特征，結論往往就是荒謬的。

真做產品，荒謬的結論就是死亡的開始。

如果把AI看成和人并列的智能體，那思考AI應用的時候必然要回到在價值創造過程中：

1）AI負責干什么，人類負責干什么?

2）在AI負責干什么范疇中又需要區分基礎的大模型干什么，AI應用負責干什么？

這倆問題不清楚，可以先不做應用。

如果用探索迷宮來類比產品過程，這倆問題的思考結果大致等于迷宮出口在東南西北的那個方向，大致不差摸索才產生價值。

要想回答這類邊界問題要回到AI大模型的技術特質。

AI大模型注定在通用信息儲備和通用智能上會超過人類，所以底層邏輯特別簡單：

當AI大模型起作用需要消耗的數據沒有邊界的時候，那不存在應用的，也不需要人類的介入。

這時候AI大模型≈everything。

在這個大模型可輻射的數據邊界里面，只要AI大模型配上搜索，所有過去的應用以及相關人的工作都會被折疊到模型的內面。

所以這是模型的領域，也是模型公司必然去爭奪的局點，沒有底層模型能力就沒有入場券。

那什么構建數據的邊界？

所有權構建數據的邊界，動態知識擴展數據邊界。

什么意思呢？

比如店鋪信息僅屬于某個企業，這種所有權構建數據邊界。

企業中本來沒有怎么創建下代大模型的知識，人的研發擴展這部分能力，所以創新能力形成新知識，新知識擴展數據邊界。

這兩種數據各種交疊就構成一個組織或者企業存在的意義。

如果你沒有獨特的數據所有權或者創造新知識的能力，那企業相當于是AI大模型的一部分，沒有存在的必要。

比如當AIGC能力大到一定程度，外包軟件公司就沒有必要--它沒有自己的數據，也沒有創造能力。

那這會導致什么樣的未來圖景呢？

每個企業有一只多智能體組成的類似章魚的系統。

所有私有的數據和知識在這套系統里面，同時人、系統也不停的共創自己的私有知識和數據。

在全局上N個這樣的復合體不停碰撞并且進行各種歸一化。理論上差異化消失的兩個主體會迅速歸并，但地域等現實因素減緩發生的過程。

它們的碰撞結果，是公共的認知空間持續增加。很多知識不停的從私域流向公域，最終流入AI大模型，拉高企業存續的基線。

推論是什么呢？

企業內部必須具有一種生生不息的力量，否則一旦沉沒到AI大模型的公共基線以下就會失去存在價值。在這里人、文化、價值創造的能力成為統一體。支撐這個統一體的是應用，不是AI大模型。

下面我們舉個例子來說明下幾個常用詞和上面這個進化過程的關系：

第一代應用產品是Copilot，這時候人是某個角色的主體，AI應用扮演的是放大主體能力的觸手。比如招聘，最終招聘的時候要考慮多少維度才能提升招聘的成功幾率是人確定的。如果按優秀、良好、及格等來評定這個角色的Performance，那起決定作用的還是當事人本身。

第二代產品就是近來常說的Agent。Agent可以用來覆蓋單一角色，比如上面說的這個招聘的角色，那可以把一個優秀招聘人員需要考慮的20個維度抽象出來，然后基于AI大模型來復刻他/她。這時候如果復刻的人類本身是80分，那復刻好了就也是80分。這時候最終的Performance則是數據、AI、人的模型共同決定的了。人是推動AI效能的動力之一。

第三代產品有人試圖叫MAS(Multi-Agent System)，但其實不對，還是應該叫Autopilot。是不是多智能體只是個形式，并非本質特征。本質應該是可以自我改進和優化。當反饋、關系完全數字化并且可以聯動的時候，在單個Agent復刻對象為80分的基礎上，整套系統運作可以通過數據維度的擴展（把固定的20個維度擴展成30個等）等優化手段讓角色的Performance變成85分或者90分。在這樣他產品中，每個角色都先是逼近人類的最優秀值，然后超越。這個過程歷史數據就是自身的養料。體現的正是AlphaZero那類的持續進化。只不過在大模型的基礎上更加普遍化了。

這個系統中人和AI的邊界體現在價值設定以及補充特定時期AI的不足上。形式可能更像三明治，除了經常說的System1（快思考）和System2（慢思考，要和人打交道確定價值設定），還會有System3，System3負責把需要人進行補足部分導入到整個系統中來。

基于大模型可以根據新數據優化自己的下代應用，產生類似智能飛輪的效果。這時候一般的排列組合的型的創新估計沒價值了，需要發現、創造之前沒有的要素。

幾種極端情況

公有空間覆蓋所有私有空間，那就是單一體，這時候沒有企業，整個人類共享一個基礎設施。所有人都站在人類認識的邊界上，所有人都是創建者。

私有空間只有一人/一個企業具有并且不公共化。獨門武功。

小結

總結起來就是數據的邊界是應用的邊界，作為應用如果不能鞏固和擴張自己的數據邊界，那存在價值會被AI大模型的進展所削弱。與此同時，人需要在這個過程中設定價值取向，并且輔助拓展數據邊界，否則人也不存在價值。在這里一定程度上效率優先和智能優先是等價的。