AI上，在這個時間點有那些認識可以讓混沌的現實呈現出一些脈絡？隨著產品的進展、實踐的增加，AI的產研越來越體現出一些與過去迥異的特質。這時候認知的沖突會加劇。
我們應該怎麽看待這些大佬的觀點：
當時看網站是怎麽做出來的?通過瀏覽器一看源代碼非常簡單，稍微改一點，我也可以做出來，今天做智能體跟這個很類似……….起個名字，告訴它回答什麽、不回答什麽，就做成了 --- 李彥宏
今天我們可以看到的是，在國內全部大模型DAU加起來可能是千萬量級，非常小，比我們平時用的每個應用都小很多。這說明用戶的市場教育還遠遠沒有完成。ChatGPT moment就在前年的12月，它被推出來之後迅速席卷全球，兩個月之內達到1億用戶，這樣的現象級事件在中國還沒有發生。---李開復
如果從《為什麽說互聯網方法論在AI上差不多全是錯的》的視角，這類觀點實際都是互聯網思維的慣性，非常值得商榷。下面我們會梳理一些AI的基礎認識，應該會對每個人形成自己的判斷有所幫助。
計算範式遷移
這個視角有點偏技術，但其實越來越有威力。
我個人因為程序員出身，做戰略投資的時候又閱讀了很多相關資料和案例，最終就比較確認這是判斷產業的基石。
我們到底用什麽樣的結構（或者說棧）給人或組織提供計算？
每一次這事的變化都會導致個人能感受到的應用發生翻天覆地的變化，比如從PC互聯網到移動互聯網導致人的時間在不同屏幕上分布發生徹底的變化，但追其根由不過是手機融合了更多電腦的功能。
AI對計算棧的改變遠超過去50年各種變化的總和。
琢磨事經常提的說法是：
過去的計算模式是CPU（包括電腦、服務器等）提供算力，程序員提供智能，互聯網加持應用範圍和可能性。
AI的計算模式是GPU提供算力，大模型提供智能，程序員負責縫合，互聯網繼續加持應用範圍。
就我這麽說可能會因為權威不夠被懷疑，但最近發現，如日中天的黃仁勛也在這個視角下敘事了，說服力應該是大大增加了。
英偉達描述下的計算結構重塑。
這是6月份的發布會，琢磨事很久很久之前就發過這類觀點，所以倒真不是順風扯旗。
新計算範式會催生新的產業格局，第一波裏面最大的機會是出現系統性平臺的機會。
系統性
系統性和計算範式遷移直接相關。
說的是一種特殊的平臺。這種平臺在兩邊提供不同的編程接口，即可以對硬件進行抽象（基礎算力），也可以對應用層進行抽象，進而讓產品本身近乎有無限的擴展可能。
這類產品只在特定歷史窗口下才有，是一種特殊的平臺，具有最高的產業統治力。
過去是操作系統，現在則是系統型超級應用。
英偉達正在自己的產品中謀求這種系統性，並且實現了一部分。
所以英偉達不單應該看成一個芯片公司，而是Windows和Intel的合體。
其它部分顯然格局未定。
其中還有兩個關鍵分支，現在我們並不知道會怎麽樣。
一個分支是未來的AI很像《黑客帝國》裏面的Matrix。這是一個具有超級中心的在雲上上超級智能。
一個分支是未來的AI很像《超能陸戰隊》裏面的大白。這是一個運行在端上的超級智能。
如果是前一種情況英偉達這類公司就不是產業1號位，會有更像PC時代微軟的角色出現。
如果是後一種情況英偉達就是產業1號位，自己早晚會變成PC時代的微軟。它自己在推「主權AI」，固然是為了賣芯片，可芯片上面CUDA那些是它的，大家適配的越多，它累積的力量越大。最後得到的肯定不是主權AI，而是另一個可以類比PC時代的微軟。
AI很有意思的點是，它在基礎設施上的變革和應用上的變革同步發生。在基礎設施上體現出系統性，在應用上體現的特征則可以總結為大折疊。
大折疊：每一個成立的角色都會折疊掉大量的功能
AI的產品註定是以角色為中心，這區別於過去的以功能為中心。
角色和功能可以看成是不同的劃分世界需求的視角。但因為最終圍繞著人或者組織展開，用戶是統一的。所以一種的崛起基本上會導致另外一種的邊緣化。
在產品層就是功能的重整。
如果Siri這類產品真的使用頻次上來，那還用什麽搜索。
如果智能音箱這種產品成立，那音樂、天氣、鬧鐘、故事等等功能就都不成為獨立的應用。而是會被折疊。
折疊就是產業格局的重整。產品的重整註定會導致產業格局的重整。
AI現在還很弱小，這種顛覆性的沖擊還不清楚，但AI的智能就是發動機，程度越高，這種特性體現的就更清楚。
折疊後的出現的新應用會有很多不同特征，不適合再用互聯網的思維模式、方法論、指標去度量了。它們應該被稱為智能中心型應用。思維方式、度量方式應該回到角色和智能。
智能中心型應用
移動互聯網的產品是以APP和手機為中心。
AI的產品則以智能為中心，至於那個端（手機、PC、專有設備）更關鍵，純粹看情景。
這會會影響方法論，然後也影響度量指標。
我們不應該還是用互聯網的指標來衡量AI。
比如AlphaFold3一共可能就幾萬日活，甚至可能也沒有APP，但這不影響它的價值。
所以計算DAU，計算ARPU值這類套路和話語體系實在不能用了。
用了即誤導自己也誤導別人。
這時候似乎應該計算每個角色的價值，VPR（Value Per Role）。
當然成本可以計量對應角色所用掉的Token。
簡單總結就是AI要關注解決問題的深度，而不是解決問題的廣度。
如果上面是對的，那開頭提到的兩個觀點就不對了。像網站一樣做無數個Agent關註的是問題的廣度，用DAU來計量AI產品關註的也是問題的廣度。很像互聯網思維的慣性。
在深度上解決問題就要關註智能的價值密度。
智能的價值密度
不同情景下智能所創造的價值是不一樣的。
通俗說這就是貧礦富礦的區別。
以能幹為前提當然智能價值高的地兒更適合智能應用先落地。
Copilot等在純粹數字和辦公的情景下發力其實就這意思。
對比Copilot和智能音箱特別能感受到智能價值密度的差異。
智能音箱骨子裏是一種語音查詢，而Copilot則是AIGC，前者簡化交互方式後者直接創造內容。智能的價值密度顯然不一樣。
這點和技術的程度一起決定了到底AI的落地會從那兒開始。
小結: 認為自己知道和認為自己不知道會導致完全相反的行為模式。
比如認為自己不知道，那活動就只能是「AI碰撞局」，總結也只可能有大致沒差的AI判斷。如果認為自己絕對正確，那就會變成類似「傳教」，觀點不容駁斥，很容易變成科技界「賣拐」。---[文: 李智勇/來源: 鈦媒體]
