我在上一篇文章《AI 带来的机会》里的观点是，更多的机会在 AI 应用上，我们应该着眼于应用领域的颠覆式创新。
行业内普遍的预测也类似：基础模型厂商会收敛到三家左右，更多机会（尤其是新公司的机会）在应用层，未来会有越来越多的 AI 原生应用出现。
什么才是 AI 原生应用呢？为什么没看到市场上出现很多所谓的 AI 原生应用呢？为什么行业看上去日新月异，但新公司在 AI 应用领域找到机会这么难呢？
AI 在应用中的角色
仅仅把 ChatGPT 看作一个技术创新是不合适的，它本身就是应用层面的颠覆式创新，它把大语言模型的能力进行了恰当的包装，占领了一个新兴市场。而 OpenAI 同时掌握着开发者平台，基于它的接口开发出来的类 ChatGPT 产品，总避免不了给人留下「套壳 OpenAI」 的印象，无法与 ChatGPT 竞争。
生成式 AI 技术催生的产品竞争还停留在功能阶段。如果我们认可「功能决定形式」，那么追求在交互或者设计上进行差异化就是伪命题。一来受到功能制约，也做不出来很不一样的交互方式，二来用户在选择这类产品时，还是以功能为主。等 AI 技术比现在「普惠」很多时，用户关注的重点才会从功能转移到可靠性、便利性和价格上。
既然 AI 原生应用还没有明确的定义，也许可以通过一个产品里的「AI成分占比」来大致判断它是不是接近 AI 原生。
OpenAI DevDay 给了一个旅行助手的例子，演讲者通过自然语言给出指令，AI 判断该做什么，然后通过调用函数、写代码计算去完成用户的指令，最后通过用户熟悉的图形用户界面给出反馈，比如标记地图等。这个体验很好的桥接了聊天式 UI、AI 和传统 UI，打开了很多关于 AI 原生应用的想象。
但这样的产品是以 OpenAI 刚发布的新模型作为支撑的，新公司很难做出这样的产品。模型能力和产品能力，可以说是一体两面。
行业模型的发展
有一种说法是，在基础模型之上，会有一些厂商来训练行业大模型，帮助企业更好地完成任务。我对此持怀疑态度。对于定制化模型的需求可能是阶段性的，甚至是伪需求。随着基础模型能力不断增强，训练行业大模型的边际收益会逐渐降低，直到低于成本。或者说，未来的基础模型能力会如此之强，以至于只需要一点点改造就能满足不同行业的需求。
我觉得 AI 技术实施可能是一个颇有前景的行业，就像当年 ERP 支撑了很多技术实施公司一样。不过这个市场目前还不成熟，还有很多因素阻碍企业引入 AI 技术，例如大模型的商业价值不够清晰、企业本身数字化基础不完善、对信息安全的担忧等。
OpenAI DevDay 给了一个数据，92% 的世界五百强企业已经在利用 OpenAI 的平台开发产品了。如果我们把这些大公司的行为看作 leading indicator, 那就有理由相信，引入 AI 技术将会成为企业数字化转型后的又一个浪潮。
隐私问题
在个人层面和企业层面都有对隐私的担忧。如果要支持个性化，就要把隐私数据分享给AI，这安全吗？
其实现实生活中已经有很多这样“暴露隐私”的关系了，比如秘书、家庭保姆、月嫂、私教、律师、投资顾问等，如果能放心的把隐私数据交给他们，那交给 AI 又有什么不放心的呢。
因此在谈论隐私时，一定要具体一点。比如，上班时每天的日程安排算不算隐私，靠秘书来安排会议，做会议记录，算不算暴露隐私。我们个人的健康数据算不算隐私，透露给医生算不算暴露隐私。我们对秘书和医生的信任从何而来，我们有没有可能与 AI 也建立起那种信任。
隐私安全问题的背后，是对掌握如此强大技术的机构的怀疑。在 Bloomberg 对 Sam Altman 的一个访谈中，也提到了信任问题。Sam 说 OpenAI 的一个重大课题就是怎么把这项技术的发展和使用「民主化」到全世界的人，例如对齐数据该如何选取等。他觉得重要的是看 OpenAI（或者其他组织）在这方面有什么行动，而不是仅仅依靠「信任」二字。
个性化与技术容器
GPTs / bots 是一种推动技术应用的方式，通过更具体的 bot，降低人们认识和使用 AI 技术的门槛，让一个人可以驱使不同 bot 完成不同的任务。但如果每个人都有专属的通用 bot 岂不是更好？
AI 技术目前仍栖身于电脑、手机、汽车、音箱、电视这些智能设备中，如果有更适合它的容器，岂不是更方便？
Humane 就是这样一家试图打造 AI 驱动的下一代智能设备的公司，他们的第一款产品 Ai Pin 也即将发布。我很赞同企业创始人的一个观点 — 我们的未来一定不是更多屏幕，而是让技术“消失”。
让我们拭目以待。
（完）
参考资料