1、潮水褪去之后
这个公众号的活跃度将死未死，更新频率气若游丝。这个状态，像极了现在chatGPT——行业热度好像没了，但又一些希望。
目前行业内凝聚了足够多的共识——
小模型微调没什么大用，但是因为有自有模型可以对外融资。坏消息是投资人们虽然不聪明，但现在也知道这个事儿了。
向量数据库+大模型是当前最佳的实践，所以前一阵子一堆做向量数据库的公司融了比较多钱。坏消息是向量数据库开源的东西太多了，但凡一个公司有几个能干活的后端工程师，都能自己做，也不贵。
学术前沿发了非常多针对大模型的论文，呈现出一幅百花齐放的景象。坏消息是即使是非常厉害的高校和研究院，发的论文水平就跟孟德尔之前的生物学一样。搞一个场景，比较几个大模型的回答，做个统计层面的分析，计算机前沿论文几乎连数学公式都没有。
OpenAI的CEO Sam Altman都不干正事了，不是在世界各地走穴刷脸说车轱辘话，就是在忙活自己那个worldcoin，这玩意儿一度和OpenAI差不多值钱，令人震惊。本来高呼chatGPT是新的第四次工业革命的财经自媒体也尴尬了——难道chatGPT要退环境了？难道真正的第四次工业革命其实是上个版本的区块链？
2、卧槽，现在AI这么厉害了？
chatGPT和Midjourney刚火起来的，大家都在感慨：“卧槽，现在AI这么厉害了？”
经过了大半年，大家依旧在感慨“卧槽，现在AI这么厉害了？”
诚然，技术在进步。chatGPT的内核从GPT3.5升级到GPT4，推理能力明显提升，基本不会犯低级错误了。之前我比较看好的characterAI终于出圈，大家可以和自己喜欢的人格化AI沟通。Midjourney进化到了V5有了摄影级别的质感和细节能力。Stable Diffusion在以ControlNet为代表的诸多插件加成之下，成为了梗图大师。
但除了从业者兴奋地呼喊，这就是未来之外，普通用户看到这些AI的反应还是和大半年前一样：“卧槽，现在AI这么厉害了？”甚至还会再加半句，那我用AI能干什么？
3、AIGC能干什么呢？
关于这个问题，目前看到的都是一些案例，简单说一下，不一而足。
做业务盈利总归是困难的，AIGC最秀的还是资本市场操作。一大波国内做AI半死不活的公司纷纷宣布入场大模型，估值一路走高。还有上市公司宣布深度参与大模型，然后股价大涨一波——涨的少的，高管少量套现，涨的多的，创始人直接离婚套现。
其次赚的多的就是一些商业导师，最开始他们教产品和运营，后来他们教数据分析，后来他们教区块链。总之他们敏捷的大脑，总是能追上热点。像是新时代的普罗米修斯，总是偷来黑科技的火种，散播给普罗大众。这波AIGC他们也参与其中，他们把AIGC做成录播课，在自己的各种私域流量池里传播，标价从99到2998不等。
最后就是各种自媒体里，用AI绘图生产内容，粉丝量不多，赚一点流量补贴，有一个号做大了变现的梦。胆子大的用AI生成一些限制级的图片，工业化福利姬确实是又多又好，但到底是上不了台面的生意，还有人因为这个事儿进去了。
还有一些AIGC有用的场景，赚钱不那么快，也没有那么性感
趁着这波卖智能学习机的头部教育品牌，卖点真的是因为有作文批改和基于大模型的讲解对话功能么？坦率讲，家长哪里在乎这个，里面塞了那么多机构的录播课，之前一个学期一门课就得1000多，现在一个2000块送全套，还白饶一个学习机，多香啊。
图片和视频的AIGC确实已经在生产内容了，在游戏、广告、设计等行业开始有了因为AI而裁员的趋势。传统的NLP算法被全方位超越，对于小公司而已，以往需要一个NLP团队才能做的事情，现在有了LLM就可以用一般的工程师搞定，这些也都是变化。
质检、客服这些事情的确有效率提升，但部署成本和使用成本又非常鸡肋。说到底是一个内部优化的事情，想做ToB也没有前途。说白了核心能力就是大模型的能力和内部数据库构建能力，国内这个环境，想要简单包一层中间服务卖钱，困难重重。对小厂来说部署成本太低了，一旦一个团队能理解大模型的能力和知道怎么做好数据库，这个事儿找几个不错的后端工程师自己就搞了，然后在周报上写上：“完成了大模型的本地部署，为公司节省了X万每年。”
人格化对话的AI产品characterAI确实增长很快，但人真的会长期和一个AI对话来满足自己的情绪价值吗——尤其现在AI长期记忆的问题难以解决，短期对话效果惊艳，长期对话大打折扣。人终究是社会动物，需要的不是对话，而是和一个具体的人沟通的过程，我觉得即使未来有非常优秀的陪伴AI，也终究无法替代真实人类之间的陪伴。这一点，尝鲜的用户最终会发现。
4、技术总是在短期内被高估，但是在长期又被低估
这句话在互联网圈子里面已经被传烂了。但也并不是所有的新技术都是如此。比如chatGPT和当初的微软小冰虽然有质的变化，但是当初微软小冰也被认为是AI要改变世界。
“试玉要烧三日满，辨材须待七年期”。
但在我看来，AIGC这波技术发展，的确是短期内被高估，长期又被低估。
短期内就算堆出来一个GPT5，以当前模型的框架，依旧无法解决长期记忆和深度推理的问题。图片和视频用着高昂的显卡，生产出来的内容在自媒体平台，依旧只能获取腰部水平的流量，本质上还是一般质量的二次创作。
但是长期来看，既然已经发现大规模参数可以堆出更强大的模型，就会有更多人在这条路上探索。
基础的硬件会在资本加持下持续进步，算法框架也会有更多团队探索和优化。在应用端，依赖目前的算法，已经可以进行足够多的探索，而这样的探索的经验对行业发展十分必要。
2003年亚马逊发表了协同过滤算法的文章，今日头条12年诞生，电商的千人千面大规模应用还是在15年。虽然现在这些场景下的算法已经非常复杂，但是并不影响他们即使用协同过滤也能达到相同的效果。
各种动态美颜技术也早有发展，后来抖音用滤镜降低了创作成本，短视频大型其道。
如果只说因为移动互联网引爆了这些产品是不公平的，这些算法技术也经过了足够久的探索和发酵。
AIGC相比这些算法，有着更大的想象力。有思考和推理能力，能创作出高水平的图片、文字、视频。但真的要用好这些工具，并不是一件容易的事情。
大部分人在工作中还是个人贡献者，而大部分管理者管理水平其实非常低。而大模型广泛应用后，每个人都应该有足够强的管理能力，安排好AI的工作，自己负责规划和创意的部分，把大部分执行交给AI，这远比管理好一个有学习能力的人难得多。
那么在不同类型的工作中，怎么才能降低这个管理AI的难度呢？这才是AIGC广泛应用最急需解决的问题。这个问题的答案，就像退潮后沙滩上的贝壳，等着有耐心探索的人去发现。
出自：https://zhuanlan.zhihu.com/p/648798803