嘉賓丨陳斌、黃聞欣

主持 | 云昭

撰稿丨諾亞

出品 | 51CTO技術(shù)棧（微信號：blog51cto）

生成式AI在過去一年內(nèi)風(fēng)靡全球。人工智能、大模型、AIGC等一系列概念，也不再局限于技術(shù)圈的圈內(nèi)“自嗨”，而是早早破圈，隨著ChatGPT的爆火進(jìn)入大眾視野。

近日，橫空出世的Sora，更是被讓大眾相信“AI理解和模擬現(xiàn)實物理世界”的盛況近在眼前。越來越多的人開始意識到，這波技術(shù)浪潮極有可能顛覆信息技術(shù)的底層架構(gòu)，將互聯(lián)網(wǎng)歷史帶入新的紀(jì)元。

縱觀Gartner最新發(fā)布的《2024年十大戰(zhàn)略技術(shù)趨勢報告》，有且僅有的唯一主題詞是人工智能。

面向未來，Gartner預(yù)測，到 2026年超過80%的企業(yè)將使用生成式AI的API或模型，或在生產(chǎn)環(huán)境中部署支持生成式AI的應(yīng)用，而在2023年初這一比例不到5%。

可以預(yù)見的是，生成式AI的應(yīng)用落地將創(chuàng)新產(chǎn)業(yè)生態(tài)模式。在過去的2023年，生成式AI的發(fā)展堪稱迅猛，但關(guān)于其數(shù)據(jù)安全、倫理挑戰(zhàn)以及合規(guī)性等問題也逐漸暴露出來。

隨著越來越多的創(chuàng)新應(yīng)用場景和產(chǎn)品形態(tài)的不斷涌現(xiàn)，生成式AI又會給世界帶來哪些新的范式變革？圍繞生成式AI的創(chuàng)業(yè)難點(diǎn)在哪里？生成式AI會誕生真正引爆全民狂歡的“超級應(yīng)用”嗎？

51CTO“T前線”欄目特邀兩位重磅嘉賓——NETSTARS首席技術(shù)官陳斌、騰訊CSIG技術(shù)總監(jiān)黃聞欣，共同探討以上話題。

以下為直播實錄，經(jīng)過不改變原意的文本梳理：

1、生成式AI帶來的范式變革有多大的想象空間

T前線：生成式AI技術(shù)帶來了新的AI發(fā)展范式。無論是在解放個體生產(chǎn)力，還是在重塑產(chǎn)業(yè)形態(tài)上，其應(yīng)用前景都十分廣闊。比如，在獲取信息的方式上，相較傳統(tǒng)的搜索引擎，生成式AI有哪些想象空間？

陳斌：傳統(tǒng)的搜索，往往是根據(jù)用戶要搜的問題的關(guān)鍵詞，提供一堆根本看不完的搜索結(jié)果。相較之下，GPT會直接根據(jù)你所提問題的精準(zhǔn)度，給你更加有目標(biāo)、更加小范圍的答案。

而且搜索是一次性的，你問一次，換方式再問一次，結(jié)果都不一樣。但GPT可以通過持續(xù)互動，逐漸去接近問題的核心。所以GPT給你的是更有框架性的知識，而搜索引擎提供的是一些需要你再進(jìn)一步分析的信息。

想象的空間在于GPT可以驅(qū)動你要完成的任務(wù)。傳統(tǒng)搜索通常是到給出搜索結(jié)果就結(jié)束了，而GPT不僅是讓你得到某種結(jié)果，其后還可以根據(jù)它的知識背景，根據(jù)你的規(guī)則和你的數(shù)據(jù)，在一定的場景中做出決策，進(jìn)而直接驅(qū)動更多場景進(jìn)行智能化工作。這種決策能力跟搜索引擎相比有質(zhì)的差異。

黃聞欣：現(xiàn)在大家習(xí)慣用GPT來做檢索，但檢索其實只是GPT能力中很小的一個部分。我之前接觸了一個概念叫“教育目標(biāo)分類法”，很多做AI落地研究的專業(yè)人士都會用這種方式輔助思考。我現(xiàn)在也經(jīng)常用這種方式來啟發(fā)自己想prompt。

這個概念把我們能做的事情分為記憶、解析、應(yīng)用、分析、聯(lián)系、評估、創(chuàng)造這7個領(lǐng)域，不同領(lǐng)域有其對應(yīng)的一些提示動詞。舉個例子，比如我們在搜索中說請你描述這個東西是什么樣子的，請辨認(rèn)此物等等，就更多是聚焦在記憶和解析層面。很多時候大家沒有把生成式AI真正融入到自己的工作和生活中，就是因為除了記憶和解析之外，在其他層面大家往往是沒有想法的。

之前我們做了一個AI應(yīng)用，想和內(nèi)部的缺陷管理平臺聯(lián)動。那要怎么寫能夠用在缺陷管理中的prompt呢，要怎么做才能盡可能打開想象空間，讓AI更好用呢？我就跟同事說，可以試著套用教育目標(biāo)分類法里面那些提示動詞進(jìn)去。比如，寫一個prompt去評估缺陷的質(zhì)量，寫一個prompt去分析整個缺陷管理系統(tǒng)里的數(shù)據(jù)。不同動詞組合又可以出來不同的用法，圍繞這些我們可以想出非常多的idea，在這個范圍內(nèi)就可能出現(xiàn)很多未來GPT能夠延展出來的應(yīng)用。

2、圍繞大模型應(yīng)用的開發(fā)門檻真的很低嗎？

T前線：隨著人機(jī)交互可以通過一個簡單的prompt實現(xiàn)，AI應(yīng)用的開發(fā)門檻似乎正變得越來越低。最近OpenAI推出GPTs，無需代碼，通過自然語言交互就可以創(chuàng)建量身定制的GPTs。但從企業(yè)的角度來看，要真正推出AI應(yīng)用產(chǎn)品又沒有那么簡單。調(diào)用GPT的話，需要算力、需要數(shù)據(jù)、需要人才，需要可持續(xù)的商業(yè)模式。老師們對此有什么看法？

黃聞欣：首先目前最好用的肯定還是ChatGPT，但OpenAI的這套東西用起來真的不便宜。當(dāng)你實際去用GPT4的時候，要是只用一個prompt來輸出結(jié)果，那么消耗的prompt還算在可控范圍內(nèi)。但是如果你想用樹型結(jié)構(gòu)的邏輯鏈去追求更好的輸出結(jié)果時，那你浪費(fèi)的Token可能就是十幾倍甚至二十幾倍的量了。

此外，數(shù)據(jù)問題也很重要。我始終堅信，如果你要訓(xùn)練出來一個非常好的AI的話，一定要有一個持續(xù)產(chǎn)生高質(zhì)量數(shù)據(jù)的流程或者產(chǎn)品，這可能在某種程度上也解釋了核心競爭力的問題。但事實上我現(xiàn)在并沒有找到一個很好的、標(biāo)準(zhǔn)化的途徑。我現(xiàn)在的辦法就是盡可能用現(xiàn)有的資源去產(chǎn)出相對高質(zhì)量的數(shù)據(jù)，我甚至想讓我的團(tuán)隊去做標(biāo)注。我還是相信沒有人工的人工智能是不行的。還是要有人工，這可能決定了你的核心競爭力所在，這確實是很重要的部分。

陳斌：GPT在我看來關(guān)鍵的還不是算力。不管是GPU還是其他維持系統(tǒng)運(yùn)行的資源可能都會找到替代方案，比如GPU也許很快就會被量子計算所取代。更大的問題在于現(xiàn)在硅谷好多公司，包括OpenAI本身在思考的是：如何管制GPT。

GPT是雙面刃，用得好與不好差異很大。就像特別聰明的人走正路和走歧路，結(jié)果對人類的影響也會不一樣。所以這一點(diǎn)可能是越往后大家越關(guān)心的事，反倒不是說GPT給我們帶來的便利和好處。因為最后如果不能控制住GPT，任由GPT自己向前發(fā)展的話，特別是如果產(chǎn)生意識的情況下，對整個人類是很大的威脅。

T前線：圍繞大模型開發(fā)AI應(yīng)用產(chǎn)品時，起步階段我們可能更關(guān)注算力成本、數(shù)據(jù)質(zhì)量等等，就像黃老師提到的，當(dāng)我們無法持續(xù)產(chǎn)出高質(zhì)量的數(shù)據(jù)時，做出來的應(yīng)用就缺乏核心競爭力，就很容易被別人秒殺。另外需要關(guān)注的還有應(yīng)用之外的東西，就像陳老師聊到的，你的產(chǎn)品是否合不合規(guī)、安不安全，這個很有可能成為你這個應(yīng)用最終是否能真正用起來甚至火起來的關(guān)鍵。

3、AI應(yīng)用會不會被大模型應(yīng)用商吃掉？

T前線：縱觀國內(nèi)外科技巨頭，不少都橫跨了云基礎(chǔ)設(shè)施與大模型,而且在它們那里模型層與應(yīng)用層的界限相對模糊。由此來看，那些專注于AI應(yīng)用層的創(chuàng)業(yè)公司或者是獨(dú)立軟件開發(fā)商（ISV），競爭力在哪里，將來會不會面臨被大模型廠商“吞噬”的風(fēng)險？

陳斌：不會。通用人工智能之外，還有專用人工智能，即解決特定場景下特定任務(wù)的智能。如果說GPT就像剛畢業(yè)的大學(xué)生，有相當(dāng)?shù)闹R儲備，具有一定的工作能力。但是你要真正安排人到崗位上干活，其實還差那么一點(diǎn)，因為他要知道來了這個公司，這個公司的業(yè)務(wù)流程是什么，數(shù)據(jù)規(guī)范是什么，人事制度是什么，所處行業(yè)有哪些專業(yè)知識，這都需要進(jìn)一步了解。

換言之，從一個通用的人工智能轉(zhuǎn)化成真正能做事的，可以服務(wù)于特定企業(yè)或崗位的專屬機(jī)器人，中間還需要學(xué)習(xí)和訓(xùn)練。這也就是我們通常所說的，解決應(yīng)用落地的最后一公里，這不是GPT大廠能搞定的。以我們金融行業(yè)為例，每個金融機(jī)構(gòu)都有自己的平臺，每個平臺都有自己的數(shù)據(jù)。某些能力很強(qiáng)的金融機(jī)構(gòu)或許會成為行業(yè)里FinBot的主宰者，但是同樣也少不了最后一公里的訓(xùn)練。 

黃聞欣：就像公有云一樣，云廠商同樣需要很多ISV來觸達(dá)行業(yè)的最后一公里。再者，有些客戶需要私有化部署，那么在這個場景下必然還有生存空間。

稍微延展一下這個話題，為什么我們認(rèn)為各行業(yè)的原生巨頭會更有競爭力？就像之前提到的，很重要的一點(diǎn)在于他們有持續(xù)產(chǎn)生高質(zhì)量數(shù)據(jù)的能力。最開始我們想象做AI產(chǎn)品應(yīng)該要有數(shù)據(jù)飛輪，但實際這是一道不易跨越的門檻。對創(chuàng)業(yè)公司來說，有沒有好的產(chǎn)生優(yōu)質(zhì)數(shù)據(jù)的流程，組織結(jié)構(gòu)和配套建設(shè)能不能確保數(shù)據(jù)產(chǎn)生是持續(xù)的，向好的，越來越高質(zhì)量的，我認(rèn)為這其實是很重要的評判標(biāo)準(zhǔn)之一。

T前線：打個比方，同樣隸屬于AI繪圖生成領(lǐng)域，Midjourney是小型創(chuàng)業(yè)團(tuán)隊的標(biāo)桿，深受好評。與此同時，設(shè)計界老牌大廠Adobe推出的Firefly效果也不錯。這種情況下，您覺得這兩家哪個會更受市場歡迎？

黃聞欣：設(shè)計師大腦里面是有自己的想法的，所謂控制性非常重要。從控制力的部分來說，Adobe明顯更能理解行業(yè)的訴求。Midjourney不斷地更新迭代實質(zhì)也是在解決控制力的問題。

目前來看，如果真的要用來做設(shè)計的話，我認(rèn)為兩者融合去用會更好。對用戶來說，Midjourney也有它的特長，它生成的東西在精細(xì)程度方面細(xì)節(jié)是更好的。從設(shè)計的角度來看，可能設(shè)計師會愿意用Midjourney去生成草圖、背景圖、元素圖，然后用Adobe再去做修正或加工。整體來說，一個公司在行業(yè)上沉淀得更多，更了解用戶要的是什么，其生命力也就更強(qiáng)。

4、哪類人會是爆款A(yù)I原生應(yīng)用的創(chuàng)造者？

陳斌：傳統(tǒng)研發(fā)一般分兩個階段，一是根據(jù)需求做整體的系統(tǒng)設(shè)計，考慮這個系統(tǒng)要采取什么樣的架構(gòu)；二是基于前者的設(shè)計，考慮如何用代碼實現(xiàn)這個邏輯。在GPT的技術(shù)輔助下，第二階段的工作有很大一部分可以由GPT幫忙生成，實質(zhì)上解決了很多寫代碼的工作負(fù)荷。

在這一前提下，我現(xiàn)在更需要的是理解業(yè)務(wù)邏輯、理解架構(gòu)、能做系統(tǒng)設(shè)計的人。而對于寫代碼的人，反而要求不會很高，只要有判斷力，能判定GPT給定的代碼靠譜與否、能不能用就可以了。

其實從過程描述里，你也可以看出什么人能做好 GPT應(yīng)用。這類人不僅能夠很好地理解用戶的現(xiàn)實需求，同時又能把這個需求很好地表述成GPT可以生成的應(yīng)用，近似于產(chǎn)品經(jīng)理和架構(gòu)師這兩者的結(jié)合。

理想的情況是：一個很牛的架構(gòu)師，很容易理解需求，既能把握行業(yè)，又能夠跟GPT聊好天，能夠把適當(dāng)?shù)募s束加上去，把大問題變成小問題，小問題再拆成很明確的邏輯，讓GPT生成代碼。由這樣一個架構(gòu)師帶著約兩到三個研發(fā)人員，就可以解決大多數(shù)問題。  

黃聞欣：任何產(chǎn)品的成功必須了解用戶痛點(diǎn)，在AI時代也不例外。觀察市面上的很多AI應(yīng)用，看著酷炫，但實際上用戶不敢用、也不好用。所以做AI應(yīng)用，不僅要了解用戶的痛點(diǎn)，還要真實地解決用戶的痛點(diǎn)。

目前我們正在做AI應(yīng)用開發(fā)，我常跟我們的產(chǎn)品經(jīng)理說也許我們要能布道。因為AI對于現(xiàn)在很多人來說還是停留在搜索功能，并沒有突破這個界限。實際上，它的能力遠(yuǎn)遠(yuǎn)不止于此，通過布道的方式去幫助大家突破認(rèn)知。

此外還有一點(diǎn)值得反思。那就是AI取代人類也許是某種偏見，那么我們就需要打造出有溫度的AI產(chǎn)品來打破這種抵觸反抗心理。你不能太囿于程序員思維，要理解到人性，要理解國家的合規(guī)要求，要理解人與人之間的關(guān)系。你要做的不是冷冰冰的產(chǎn)品，而是要以正確的方式讓AI更好地融入我們的工作生活，讓大家更好地去接納AI，我覺得這也是作為一個做AI應(yīng)用的人需要去考慮的事情。

5、火爆一時的AI產(chǎn)品何時會出現(xiàn)微信時刻？

T前線：過去一年其實出現(xiàn)了不少驚艷一時的AI應(yīng)用，但都還算不上是大模型時代的超級應(yīng)用。我們距離這樣的超級應(yīng)用還有多遠(yuǎn)？如果說ChatGPT讓AI迎來iPhone時刻，那么何種力量會讓AI超級應(yīng)用出現(xiàn)“微信”時刻？

黃聞欣：其實在我心目中ChatGPT已經(jīng)是超級應(yīng)用了。無論是它的用戶量、它的使用場景，包括它現(xiàn)在推出的GPTs，其實都有超級應(yīng)用的初始形態(tài)，即所謂SuperApp的樣子。事實上你可以看到其整體增量是很夸張很恐怖的。雖然說現(xiàn)在prompt安全性有點(diǎn)問題，但是也不妨礙大家對它的熱情。

而像Midjourney這樣的產(chǎn)品，它最多是帶給你一時的新奇和刺激。即使你把它看做是娛樂工具，你也不可能一天到晚沉浸其中，過段時間也就疲了。最終你可能還是要用ChatGPT類的工具回歸到自己的工作和生活里面。

陳斌：看你怎么定義超級應(yīng)用。如果像中國的微信或者美國的Facebook，大家每天高頻度使用，那GPT其實一出來就有了替代谷歌等搜索引擎的趨向。

我覺得AI時代不會出現(xiàn)像微信或者Facebook、Whats app這種超級應(yīng)用，而是會融合到很多智能實體或者智能機(jī)器人中去，天上飛的、地上跑的、生產(chǎn)線上的、幫你做家務(wù)的、幫你寫代碼的……到后來，你會覺得GPT無所不在。從單純的互聯(lián)網(wǎng)產(chǎn)品的角度看，我也同意黃老師的說法，ChatGPT本身就是個超級應(yīng)用，沒有哪個應(yīng)用比它抓取用戶的速度來得更快的了。   

黃聞欣：就像陳老師說的，AI在不同領(lǐng)域更多的是起到賦能的作用。事實上，我們現(xiàn)在能做的很多場景，針對用戶痛點(diǎn)的場景早已經(jīng)做了。只是生成式AI發(fā)展以后，我們在考慮能不能用AI去重塑重構(gòu)流程、進(jìn)而提升效率？嚴(yán)格來說，這其實是用一種新的方式去取代原來的應(yīng)用的方式。AI讓我們能更快速地產(chǎn)生我們自己構(gòu)思設(shè)計的，用于解決自己或他人問題的應(yīng)用的能力。

比如一個HR，他每天處理報表都很辛苦。之前因為他不會寫代碼，所以他只能用文本告訴你step1用什么函數(shù)，step2用什么函數(shù)，step3用什么函數(shù)?，F(xiàn)在他可以用ChatGPT通過JS或者VBScript，自動生成功能類似的腳本，甚至可以share這個腳本給別人。從這個角度看，這個HR也有了做自己應(yīng)用的能力。但你說它會不會是爆款呢？它用了GPT，GPT本身是一個高頻爆款，但是它解決了更細(xì)粒度、更個性化的痛點(diǎn)，并且是個人去解決的。這反而是AI時代更讓人興奮的東西，但它不是一個很商業(yè)化的構(gòu)思。

6、寫在最后

經(jīng)過一年多的狂飆突進(jìn)，邁入2024年，我們依舊對生成式AI抱著極大的期待和好奇心。

或許我們一時很難看到傳統(tǒng)意義上的“超級應(yīng)用”，但是人工智能必將被更廣泛地整合到各行業(yè)領(lǐng)域和生產(chǎn)環(huán)節(jié)。這一趨勢讓AI不僅作為工具，更是作為一種變革的力量重塑我們在數(shù)字和創(chuàng)意領(lǐng)域的存在方式。

與此同時，生成式AI在安全性、合規(guī)性、版權(quán)、倫理方面的復(fù)雜性也將進(jìn)一步暴露無遺，如何尋求平衡的支點(diǎn)在其發(fā)展道路上也是長久的議題。

如果覺得本文對你有所啟發(fā)，或者對于生成式AI的落地應(yīng)用有自己的見解，歡迎分享在評論區(qū)！