大模型之问 终究是终点还是序幕
型的上半场是“底座”，互联网巨头都宿愿能够调制出一个优质的底座系对抗统江湖。
本着“数据即一切，规模即一切”的逻辑，让AGI迅速成为一个资本狂热的游戏。
但是，热繁华闹之后，大家还是会思考如何变现的实践疑问。
于是，大模型的下半场，则逐渐回归于“运行”。
如何将大模型在不同的业务场景中落地，是每个AI守业者都关心的疑问。
这件事时机更大，但是难度也更大！
给AI找场景，这其实像拿着锤子找钉子，确实有点反兽性。
一些把握着最前沿AI技术的人，宿愿尽快找到靠谱的业务场景变现！
绝大少数业务方对AI的认知都处于一个比拟浅档次的水平，因此业务与AI的联合存在十分大的需求沟通瓶颈。
即使偶然有业务方感兴味，未经业务适配的“通用”底座工具，也确实简直处置不了任何谨严的业务流程。
这瞬间会让需求的沟通变得难堪有力 ...
这样的AI惹起不了什么“兴奋”，算法人一直都是在自嗨！
大模型，难道底座搞完后，就真的无事可做了么？咱们迎来的AI时代，是开局，还是又一个低谷周期？
虽然AGI的才干无法高估，但是也远不至于“妄自尊大”。
类GPT的产品，在大规模常识库、智能助手这些典型场景，其实曾经做的相当不错。
应该看到的是，咱们在智能搜查义务上，曾经进入到了下一个技术代际，以答案结果为指标，而非以原始的数据片段为指标。
问答技术的共性化水平，交互性更强！
强交互性，就是大模型技术与传统AI技术最大的不一样之处。
这样的好处是多方面的：
一是降落了AI工具的经常使用门槛。
用户可以经过对话唤醒后盾恣意算法或服务，只要要思考业务场景，而不用关心技术工具的操作或性能细节。
二是优化了数据结果的多样性。
大模型输入内容具备随机性，可以做到千人千面，用户体验柔性灵敏。
这一点在C端产品上是一个特意突出的才干“加分项”。
比如，任何人可以轻易给一段文字灵活生成精彩的脚本或音视频素材，彼此之间还不会重复。
三是增强了兴趣性。
大模型的拟人化特质，会清楚优化AI产品或工具的“吸引力”。
即使是在单调的办公场景中，有一个能够反常沟通的数字员工“随叫随到”，也远比独自一团体对着Excel表单查问单调的数据愈加幽默。
除了这些方面，还要留意到，这一次性的大模型“大乱斗”，确实让更多的资本流入到AI赛道，业界也发生了诸多开源的底座模型。
这些底座模型不论来自于哪个厂商，各自均有长处。
基于底座模型，可以经过大批样本数据二次开发，极大地降落AI模型的构建老本。AI模型的消费劲总体获取了优化！
大模型才干就像云服务一样，让企业取得“智能”服务的效率极大增强，也为中小型技术守业者，提供了更好的技术生长生态环境。
未来，大模型的价值不在于“生成才干”自身，而在于对AI产业结构的重塑，以及构成对整个社会各行各业数字化、智能化进程的“催化剂”！
