如果說過去的文章更多的是基于過去十年產(chǎn)業(yè)經(jīng)驗(yàn)對(duì)未來做的推斷，那 12 月當(dāng)產(chǎn)品收入達(dá)到某個(gè)量級(jí)后就相當(dāng)于是推斷得到了檢驗(yàn)。這時(shí)候想到的反倒不是什么未來愿景，而是主席當(dāng)年的那句老話：星星之火必將燎原。就好像看到了許許多多的火種，潛藏不太容易看到的層次上，一閃一閃冒著微弱的火光。

　　我對(duì) AI 的信心從來沒像這一刻這么強(qiáng)。這不是激進(jìn)，和這篇文章要一起看的是：為什么說 AI 現(xiàn)在還不行!看著有點(diǎn)矛盾，但其實(shí)是一個(gè)事情的正反兩面，統(tǒng)一于尺度判斷。

　　肯定會(huì)迎來一個(gè) AI 原生應(yīng)用的浪潮

　　之前文章更多是從圖靈測試 2.0 和智能原生到底應(yīng)該定義成什么樣子來做解讀，這次我們換個(gè)方法，舉一個(gè)發(fā)生在琢磨事這號(hào)對(duì)應(yīng)群里的具體且真實(shí)的例子。很不陽光，但仔細(xì)想想?yún)s很有意思。

　　背景很簡單：琢磨事這號(hào)有個(gè)讀者群，群并沒什么特別的商業(yè)化目的，純粹聚集了些對(duì) AI 感興趣的同學(xué)日常聊聊天，比如做些文章中觀點(diǎn)和產(chǎn)業(yè)趨勢(shì)的探討。入群的也都是做這個(gè)行業(yè)并且對(duì) AI 有點(diǎn)想法的同學(xué)。

　　然后有趣的事情發(fā)生了。

　　不知道什么時(shí)候群里混入了一些特別的人。

　　我個(gè)人作為群主一般大家轉(zhuǎn)發(fā)到群里的文章等都會(huì)看看，時(shí)間一長就發(fā)現(xiàn)有幾個(gè)同學(xué)不對(duì)勁，他們不定期發(fā)文章，可總的頻率很高，每次發(fā)的文章標(biāo)題很火，但內(nèi)容很稀薄，也很短，內(nèi)容中間必然帶廣告。除了發(fā)文章保持絕對(duì)沉默，從不發(fā)言。

　　這群是只要不罵街，誰愛說點(diǎn)啥就說點(diǎn)啥的風(fēng)格，所以最初我也不怎么想理會(huì)。

　　可在某個(gè)瞬間，我突然意識(shí)到這不是真人，肯定都是些機(jī)器人。

　　從這個(gè)角度往回解讀，就發(fā)現(xiàn)雖然套路有點(diǎn)無賴，但確實(shí)是一個(gè)很小的 AI 原生應(yīng)用。純血的。

　　我們想象下它后面的結(jié)構(gòu)。

　　必然有一個(gè)聯(lián)通真實(shí)世界捕捉熱點(diǎn)的感知部分，從中選出對(duì)應(yīng)的選題。

　　再針對(duì)選題自動(dòng)生成內(nèi)容。

　　生成內(nèi)容的同時(shí)用爬蟲爬取對(duì)應(yīng)的群，想辦法加進(jìn)去(反饋環(huán)節(jié))。這時(shí)候 200 人以下的群只要掃二維碼就能加入，所以估計(jì)是重點(diǎn)關(guān)注對(duì)象。

　　進(jìn)一步還要標(biāo)識(shí)對(duì)應(yīng)的群的屬性，然后和文章的內(nèi)容做匹配，再之后才是一定頻率的不定期發(fā)送。

　　這么個(gè)應(yīng)用，核有三個(gè)部分：一部分對(duì)大模型進(jìn)行調(diào)度負(fù)責(zé)掃描和生產(chǎn)內(nèi)容;一部分是日常任務(wù)比如發(fā)文的原則，一部分同現(xiàn)實(shí)進(jìn)行接軌等。

　　對(duì)現(xiàn)實(shí)進(jìn)行感知，基于大模型進(jìn)行內(nèi)容生產(chǎn)，然后內(nèi)容反饋回現(xiàn)實(shí)的世界，并在瀏覽的環(huán)節(jié)嵌入盈利環(huán)節(jié)。

　　典型新式智能原生應(yīng)用。就是你很難想到會(huì)用這么個(gè)形式冒出來。

　　上面說的結(jié)構(gòu)大概率和之前說的 Agent 結(jié)構(gòu) 80% 雷同：

　　和過去應(yīng)用對(duì)比那里不同了

　　從技術(shù)角度看，基于過去的技術(shù)，不用大模型也不是完全不能做，尤其是對(duì)于做爬蟲的兄弟。但過去很難這么做出錢來。(即使現(xiàn)在我也不知道這玩意能不能賺到錢，很想找到這幫哥們問問數(shù)，就當(dāng)騷擾我好幾天的成本了)

　　原因特別簡單：當(dāng) AI 不足夠成熟，你其實(shí)做不出那么多訂閱號(hào)文章，并且還都匹配實(shí)時(shí)熱點(diǎn)。

　　所以說這種應(yīng)用是真的新類別的應(yīng)用(當(dāng)然也可以叫 Agent)。它從感知到生產(chǎn)到盈利全場景是閉環(huán)的。

　　從我們經(jīng)常說的圖靈測試 2.0 的視角就是：它能夠在一個(gè)完整商業(yè)場景上閉環(huán)，不需要人的介入，并且近似全自動(dòng)的行動(dòng)。行動(dòng)的結(jié)果可以創(chuàng)造收入。

　　一旦這種場景成立，那這種應(yīng)用就可以拿走對(duì)應(yīng)那個(gè)場景下的，智能邊界內(nèi)的價(jià)值。

　　做上面這類應(yīng)用的同學(xué)，未必會(huì)像我這做戰(zhàn)略出身的人，天天琢磨套路，更可能就是覺得這事能干就干了。現(xiàn)在還少，但當(dāng)廣大產(chǎn)品和程序員同學(xué)了解到打造這么個(gè)東西成本可能和旅游一次差不多的時(shí)候，估計(jì)做的人會(huì)越來越多。

　　可這種敏銳感知不是沒限度的，通常最終還是會(huì)貼著套路走(經(jīng)常說的從特殊到一般，一般再到特殊的過程)。

　　上面這個(gè)例子正好契合了之前提到的套路的關(guān)鍵點(diǎn)：

　　純粹數(shù)字空間，幻覺影響不大，通過圖靈測試 2.0 等。

　　智能原生應(yīng)用不是 AIGC 工具

　　還是要區(qū)分下這類應(yīng)用和純粹內(nèi)容生成的工具。

　　雖然兩者都頂著 AI 的帽子，但卻有本質(zhì)性差異。

　　AIGC 工具本質(zhì)上算法驅(qū)動(dòng)，只有極少數(shù)的人在天時(shí)地利具備的情況下才可能。商業(yè)模式極其難以跑通。

　　智能原生應(yīng)用的關(guān)鍵則落在應(yīng)用上，是綜合了技術(shù)后的產(chǎn)品力，這種產(chǎn)品力要能打破最后那 1 毫米的障礙。其實(shí)大多數(shù)人都能做并跑出現(xiàn)金流。這事我們并不陌生，當(dāng)年的 APP 不就這樣么。

　　過去是英國人在一戰(zhàn)的時(shí)候發(fā)明了坦克，但坦克的真正發(fā)揚(yáng)光大其實(shí)要等待德國人弄出來閃電戰(zhàn)。

　　AIGC 工具和智能原生應(yīng)用的差別與此類似。

　　AIGC 工具是坦克，而每個(gè)智能原生應(yīng)用都是一場獨(dú)特的戰(zhàn)役。

　　對(duì)于 AIGC 工具，模型的獨(dú)特性是關(guān)鍵的，對(duì)于智能原生應(yīng)用，深研模型本身可能反倒是有害，更需要往外看，在技術(shù)和場景的結(jié)合處定位準(zhǔn)。

　　順道一說，智能原生應(yīng)用也不是 GPTs。

　　加上 GPTs 的 chatGPT 自己其實(shí)就是一個(gè)超級(jí)智能原生應(yīng)用，覆蓋最為通用的場景。

　　這就是智能原生應(yīng)用所隱喻的廣闊空間

　　幾乎每個(gè)領(lǐng)域都會(huì)出現(xiàn)這類更加智能和自動(dòng)的智能原生應(yīng)用。

　　所以現(xiàn)在剛剛露頭的各種嘗試才是星星之火。

　　并且隨著大模型能力的持續(xù)提高，火苗只可能越來越大，而范圍會(huì)越來越廣。

　　會(huì)從上面那個(gè)極其無聊的場景擴(kuò)展到各個(gè)方面。而當(dāng)下差不多就是 Windows 應(yīng)用的 1995，移動(dòng)互聯(lián)網(wǎng)的 2007。

　　真做起來還是很費(fèi)勁，但能做了。

　　對(duì)于智能原生應(yīng)用而言第一關(guān)鍵的是圖靈測試 2.0。

　　雖然前面提到過幾次這里還是要再說下，因?yàn)樗鼘?shí)在像風(fēng)箏的那根線一樣，決定了不飄不行、但飄的太遠(yuǎn)也不行的尺度。

　　什么是智能原生應(yīng)用和圖靈測試

　　智能原生應(yīng)用不飄是不行的，因?yàn)檫^去就沒有這玩意，不飄，你就想象不出來產(chǎn)品需要定義成什么樣子。

　　太飄也不行，太飄有點(diǎn)像本來想開飯店，然后發(fā)現(xiàn)路不行，決定先修路然后再開飯店。(大部分做智能原生應(yīng)用的會(huì)很像開飯店的那個(gè)，OpenAI 這些才是修路的)。

　　這樣一來就需要一個(gè)中間的尺度。

　　這個(gè)尺度決定生死成敗，重要性排第一。

　　第一決定在特定時(shí)間長短事到底行不行，第二決定了礦究竟有多大。

　　還是前面那例子，那個(gè)場景其實(shí)能通過圖靈測試 2.0，然后礦究竟大不大取決于你內(nèi)容生成的質(zhì)量。

　　我們從應(yīng)用這個(gè)角度重新描述一下圖靈測試 2.0。

　　圖靈測試 2.0

　　原始的圖靈測試這樣：

　　這是一個(gè)純粹的智能測試，本質(zhì)是追求在封閉系統(tǒng)里面的邏輯自洽性。

　　現(xiàn)在我們把 Agent 類似的概念加入這個(gè)測試：

　　這就是圖靈測試 2.0。和 1.0 相比核心差異是什么呢?

　　去幻覺，有邊界。

　　1.0 是一個(gè)凌空的系統(tǒng)，具有合理性的幻覺其實(shí)有助于通過測試，但 2.0 不行，測試者同時(shí)從真實(shí)場景和被測試者接受反饋;其次就是測試邊界的限定要求更高的智能深度，這很像趙括學(xué)兵法能說的天花亂墜，但不一定能打仗;會(huì)打仗不一定兵法上什么都懂，但水站、陸戰(zhàn)、馬站好歹得會(huì)一個(gè)。

　　還是上面那個(gè)例子，這個(gè)例子下 1.0 和 2.0 共通的部分是生成的內(nèi)容人要能看，2.0 獨(dú)有的部分是你生成的內(nèi)容得是符合基礎(chǔ)事實(shí)的，也要有點(diǎn)特色和風(fēng)格，因?yàn)槟愕氖鼙姴皇蔷涂茨悖�也看別的文章，純胡扯廣告估計(jì)點(diǎn)擊率會(huì)低。

　　如果純粹的胡扯被認(rèn)為是個(gè)人，從技術(shù)角度可以算通過 1.0 測試，但從商業(yè)角度則沒那么有價(jià)值，轉(zhuǎn)化率就差。

　　自己對(duì)自己的實(shí)現(xiàn)

　　能否通過圖靈測試 2.0 的判斷與 AIGC 能力其實(shí)是絕配。

　　前者定義了技術(shù)在商業(yè)場景下的價(jià)值，而 AIGC 能力其實(shí)降低了實(shí)現(xiàn)它的成本。

　　從這個(gè)角度看技術(shù)內(nèi)定了自己的實(shí)現(xiàn)，這種必然性，不管從因果角度還是從偶然的角度解讀都是很有趣的事情。

　　小結(jié)

　　即使方向?qū)Γ�也有能力，真做起來也�?huì)萬分痛苦，這會(huì)像在無人區(qū)里奔跑。但這也正是價(jià)值所在，當(dāng)所有的隱性知識(shí)都變成顯性知識(shí)之后，絕大部分商業(yè)價(jià)值會(huì)消失，會(huì)變成一個(gè)角力的游戲，那就無趣的很了。