從ChatGPT引起的AI爆火已經(jīng)2年了，國外已經(jīng)在系統(tǒng)型超級(jí)應(yīng)用的方向高歌猛進(jìn)，而國內(nèi)則沒什么消息。拿移動(dòng)互聯(lián)網(wǎng)作類比，安卓是重要也更基礎(chǔ)，但其實(shí)可能沒有微信重要。那么，這條路真的對(duì)嗎？

在差不多10個(gè)月前寫的開源大模型LLaMA 2會(huì)扮演類似Android的角色么？和AI個(gè)體戶的崛起：普通人“屁胡”的機(jī)會(huì)、模式和風(fēng)險(xiǎn)等文章里提出過AI產(chǎn)品落地的的三段論：大模型、系統(tǒng)型超級(jí)應(yīng)用、長尾工具。事隔10個(gè)月回頭再看，AI發(fā)展的走勢基本與此相同。其中大模型、長尾工具大家談?wù)摫容^多，這次還是專注于系統(tǒng)型超級(jí)應(yīng)用。核心原因是從各種新聞來看國外在這里已經(jīng)開始高歌猛進(jìn)，像一個(gè)局點(diǎn)一樣，但國內(nèi)則相對(duì)安靜，似乎被錯(cuò)過了?？蛇@里才是AI應(yīng)用的重鎮(zhèn)。拿移動(dòng)互聯(lián)網(wǎng)作類比，安卓是重要也更基礎(chǔ)，但其實(shí)可能沒有微信重要。

一、什么是系統(tǒng)型超級(jí)應(yīng)用呢？

系統(tǒng)型超級(jí)應(yīng)用這類產(chǎn)品太復(fù)雜，實(shí)在不好理解，單純類比操作系統(tǒng)也還是不行，所以這次換個(gè)路數(shù)，我們拿一個(gè)最近受眾比較多的App 豆包以及背后的大模型來做類比，在產(chǎn)品形態(tài)、業(yè)務(wù)模式等各方面說明下這類產(chǎn)品。需要的話大家也可以一邊操作一邊形成直觀感受。

豆包APP自身可以看成系統(tǒng)型超級(jí)用的面向C端的部分，但系統(tǒng)型超級(jí)應(yīng)用不是豆包APP。

系統(tǒng)是指操作系統(tǒng)，超級(jí)應(yīng)用是指功能沒邊界。

一邊對(duì)各種硬件設(shè)備進(jìn)行抽象靠驅(qū)動(dòng)程序接入各種硬件。

一邊對(duì)應(yīng)用進(jìn)行開放，在它之上可以開發(fā)Office，PS等各種應(yīng)用。

兩邊是被隔離的，做應(yīng)用的時(shí)候不需要關(guān)注硬件差異，可以無差別的使用硬件的功能或者計(jì)算機(jī)的計(jì)算能力。

系統(tǒng)型超級(jí)應(yīng)用首先具備這種系統(tǒng)特征。

那什么是超級(jí)應(yīng)用呢？微信如果沒有小程序、支付等一系列子功能而是只局限于IM，單是人多那不能被稱之為超級(jí)應(yīng)用。超級(jí)應(yīng)用一個(gè)特征固然是用戶龐大，更關(guān)鍵的是通過二次開放應(yīng)用商店，在功能上沒有邊界。

拿豆包這一簇產(chǎn)品做下類比，第一豆包大模型把各種算法完整進(jìn)行封裝，比如識(shí)別、語音合成、大模型等，提供了一種AI的通用計(jì)算和算法調(diào)度能力，這是通用能力部分。其次你會(huì)發(fā)現(xiàn)它現(xiàn)在至少在一邊開放了技能商店（火山方舟/扣子）。APP的具體功能由技能來定義。

這個(gè)地兒不適合用“APP”這個(gè)詞形容可自定義的功能，確實(shí)用技能更合適。就好比一個(gè)機(jī)器人它上一秒鐘還不會(huì)開直升飛機(jī)，但裝載新技能后下一秒就可以了。對(duì)機(jī)器人而言這是一種技能。

另一邊如果參照操作系統(tǒng)其實(shí)是要投射到不同硬件上，這點(diǎn)豆包這一簇產(chǎn)品現(xiàn)在好像就覆蓋了手機(jī)和電腦，但這種基于自然語言的應(yīng)用對(duì)端上硬件的資源要求是非常低的，甚至可以放到只有1M內(nèi)存的設(shè)備上。這靠開放平臺(tái)來覆蓋會(huì)更適合，下面會(huì)說。（其實(shí)這里還得區(qū)分特征是屬于應(yīng)用的運(yùn)行時(shí)還是屬于純粹的云服務(wù)，小程序是微信的運(yùn)行時(shí)技能，但有點(diǎn)復(fù)雜不展開了）

我們總結(jié)下這種系統(tǒng)型超級(jí)應(yīng)用的構(gòu)成，基本上是三位一體：

這里面容易被低估的可能是類似火山方舟這個(gè)位置的產(chǎn)品（CUDA大概是在這個(gè)位置），早期這個(gè)位置的產(chǎn)品絕對(duì)賠錢，很多時(shí)候還得靠降價(jià)來反哺它（看發(fā)布會(huì)豆包大模型把價(jià)格訂到：0.0008元/千Tokens，這確實(shí)是敢下狠手，比我在用的便宜很多很多。干的就是上面說的事）。但其實(shí)這里是通路也是標(biāo)準(zhǔn)，培養(yǎng)粘性和鏈接的地方?？磮?bào)道，火山方舟在持續(xù)升級(jí)從模型訓(xùn)練、推理、評(píng)測到精調(diào)的全方位服務(wù)，還有插件以及工具鏈。打點(diǎn)其實(shí)是對(duì)的。

基于這個(gè)可以預(yù)測下面OpenAI的行為，它大概率會(huì)補(bǔ)自己直接的C端應(yīng)用（不是簡單套殼）。從GPT-4o的發(fā)布來看，OpenAI內(nèi)部似乎已經(jīng)統(tǒng)一了認(rèn)識(shí)：往應(yīng)用方向整。這樣磕下去，科技巨頭里面估計(jì)會(huì)多一個(gè)，并且大概率會(huì)和Google直接碰撞，除非再有首席科學(xué)家起義。（有點(diǎn)像修仙，阻人成道了就一定會(huì)PK，和喜歡不喜歡沒有關(guān)系）。

二、系統(tǒng)型超級(jí)應(yīng)用的打法

我為什么看著好像還算了解這類產(chǎn)品呢？

因?yàn)槲乙欢仍?jīng)帶團(tuán)隊(duì)設(shè)計(jì)了完整的這種超級(jí)應(yīng)用以及其打法，那產(chǎn)品和現(xiàn)在的豆包至少有60%的相似度……。（但實(shí)在干不動(dòng)。別的都好說，這類產(chǎn)品太費(fèi)錢了，再加上上代技術(shù)也沒那么成熟，最終搞不動(dòng)了）

這類系統(tǒng)型超級(jí)應(yīng)用幾乎必然是To B和To C兩線同時(shí)著手。特別不單點(diǎn)極致，一般人可別整十死無生。

沒有C端的標(biāo)桿，沒人相信你能干好，對(duì)于這種基于新技術(shù)的新品類也沒人知道你在說啥。所以就需要一個(gè)豆包這樣的C端應(yīng)用做Pilot?？磮?bào)道提到豆包APP月活2600萬，豆包大模型日均處理1200億Tokens文本，生成3000萬張圖片。這是很可怕的數(shù)字，智能音箱峰值的時(shí)候，每年出貨也就只有近4000萬臺(tái)，活躍更是遠(yuǎn)遜（有的不足銷量的10分之1）。（當(dāng)年我們的C端產(chǎn)品叫:TA來了，說實(shí)話我覺得比豆包還好聽一些，但數(shù)實(shí)在不行）

而為了把這種能力投射到更多的設(shè)備里面就必然需要構(gòu)建開放平臺(tái)，既輸出能力也負(fù)責(zé)管理各種技能（應(yīng)用運(yùn)行時(shí)的技能平臺(tái)和MaaS形式的輸出，前者只在用戶量級(jí)上來了才有意義）。

還要有一些共同依托的能力，否則沒有根基。當(dāng)年是一堆算法比如聲學(xué)的（可復(fù)制性最差，現(xiàn)在好像還沒解決），識(shí)別的，NLP的（過去可復(fù)制性也很差，現(xiàn)在基于大模型解決了），現(xiàn)在是豆包大模型這樣的新一代模型。里面看起來各種算法都打包進(jìn)去了。

很多人可能沒注意的是包括大模型的這套算法核心計(jì)算其實(shí)在云上，端上要求的計(jì)算量極低，主要運(yùn)行聲學(xué)算法等。前面提到你甚至可能在一個(gè)只有1M內(nèi)存的終端設(shè)備上把這種AI能力集成進(jìn)去。也就是說這種能力可以下探到語音無屏的開關(guān)這類小設(shè)備。

這導(dǎo)致這種超級(jí)智能應(yīng)用先天的優(yōu)勢就是多設(shè)備投射，進(jìn)行沉浸式計(jì)算。這時(shí)候各種設(shè)備平權(quán)不是以手機(jī)為中心。

當(dāng)前看起來豆包這些新一代超級(jí)應(yīng)用還沒去干這個(gè)事，確實(shí)也沒到這個(gè)時(shí)點(diǎn)，其它所有硬件設(shè)備加起來創(chuàng)造的日活的和可能也不如APP的十分之一。

這種系統(tǒng)型超級(jí)應(yīng)用要想干好，基礎(chǔ)能力和殺手型的技能都不能缺。

基礎(chǔ)能力搞不好有點(diǎn)浮沙筑高臺(tái)，房子很難蓋起來。（大模型還是很給力，一定程度上解決這問題）

技能搞不好有點(diǎn)像要蓋大房子但梁不給力，過去智能音箱搞不好核心就這問題。

什么是基礎(chǔ)能力呢？

這是領(lǐng)域本身定義的。比如如果是需要面向C端，TTS音色這個(gè)看著不重要的就和大模型的內(nèi)容生成一樣重要。GPT-4o在補(bǔ)這個(gè)，豆包大模型也在強(qiáng)化這個(gè)。

在APP里什么可以成為一個(gè)比較Killer的技能呢？

播音樂的這類功能的支撐度總是不夠強(qiáng)壯，之前景鯤帶著小度在家往教育做垂直應(yīng)該就是嘗試解決這個(gè)問題。

當(dāng)年我們做過類似《Her》的嘗試，很有趣的是豆包也選了它。

但新一代模型的效果實(shí)在好很多，從端點(diǎn)檢測的精度到語音識(shí)別再到TTS（音色）再到內(nèi)容生成。新一代技術(shù)比過去流暢太多了。

這里面有個(gè)叫《曖昧對(duì)象》的技能，真的差不多可以做陪聊天的服務(wù)了。（忘記是團(tuán)隊(duì)那個(gè)產(chǎn)品同學(xué)認(rèn)為最能有用的就是陪聊天，比放音樂有用，這是對(duì)的，奈何當(dāng)年算法不給力，做完連貫性不過關(guān)）

這一組算法最終的效果是個(gè)乘法問題，每個(gè)都0.8最終一乘體驗(yàn)就變0.5分。現(xiàn)在的識(shí)別精度，音色的流暢度和大模型的通用內(nèi)容生成乘在一起應(yīng)該還能剩下90分以上。如果不是你知道它是人工智能的情境下，已經(jīng)很難分得清這是人還是AI。

上一波人工智能創(chuàng)業(yè)里面，NLP公司心心念念的《Her》真的有人要做出來了，還附贈(zèng)了和之前嘗試但不好使的聲音復(fù)刻功能（《黑鏡》那種男朋友沒了，現(xiàn)在看連聲音至少能做出一個(gè)70分的陪你聊天的他了…）。這比匹配意圖偶爾還得扣槽這種土鱉方式的開放式聊天實(shí)在是好太多了。

做過這個(gè)的可以試試，體驗(yàn)下國內(nèi)最新進(jìn)展。

上面我們拿豆包APP以及背后的豆包大模型做例子分解了一下系統(tǒng)型超級(jí)應(yīng)用的特征以及前者商業(yè)模式。

但系統(tǒng)型超級(jí)應(yīng)用可不只局限于豆包以及背后大模型所代表的B端、C端，而是有著更寬廣深遠(yuǎn)的空間，更關(guān)鍵的其實(shí)是行業(yè)。最先能收支平衡的有可能也是行業(yè)。

字節(jié)跳動(dòng)這種公司走OpenAI的路沒啥問題，但看起來好像所有做大模型的都跑這條路上來了。這就是標(biāo)題說的國內(nèi)AI大模型路可能走偏了。類似OpenAI這個(gè)地兒恐怕也沒那么大容量。從上面分解中也能看出這模式夸張的難度和資源需求。

三、系統(tǒng)型超級(jí)應(yīng)用可復(fù)制到更寬的領(lǐng)域么

有兩個(gè)新聞可以放在一起看：一個(gè)是DeepMind發(fā)布AlphaFold3，號(hào)稱為疾病治療和藥物研發(fā)開辟全新路徑；一個(gè)是Xaira公司融了10億美金。

這是什么呢？這是垂域大模型。（其實(shí)我不知道他們細(xì)節(jié)，也許沒想的那么大，但不關(guān)鍵）

顯然的Deepmind并沒有因?yàn)镺penAI亂了陣腳，繼續(xù)在自己的路上死磕。但很可能收支平衡比OpenAI還快。

因?yàn)樗娴挠绊懶袠I(yè)，重塑價(jià)值創(chuàng)造的過程。很多科學(xué)家會(huì)因?yàn)锳lphaFold的調(diào)用次數(shù)和開放程度而造反，這反襯的正是影響力。那個(gè)國內(nèi)的AI大模型有這種行業(yè)影響力。

每一個(gè)這種垂域模型不太可能是一個(gè)單獨(dú)的裸的模型，在落地的時(shí)候總是要和現(xiàn)實(shí)的信息進(jìn)行連接。

這點(diǎn)上我之前拿Watson舉過例子。

雖然沃森不成功，但這種簡單架構(gòu)上已經(jīng)清楚的表明這是行業(yè)的系統(tǒng)型超級(jí)應(yīng)用。

Watson固然是不成功，但真做出來呢？

那是真的會(huì)解決醫(yī)療行業(yè)的根本問題的，比如醫(yī)療資源不足的問題。

這才是新質(zhì)生產(chǎn)力。

想象一下，這些模型一旦達(dá)到AlphaGo在圍棋里面的程度，那整個(gè)行業(yè)就要圍著這個(gè)模型轉(zhuǎn)了。對(duì)應(yīng)行業(yè)會(huì)發(fā)生劇烈重整。

為什么提這個(gè)呢？

因?yàn)锳I行業(yè)國內(nèi)真干大模型的同學(xué)的選擇好像都擠一塊去了。

受OpenAI刺激，很多團(tuán)隊(duì)都跑去干類似chatGPT的大模型，然后自己從頭搞又特別費(fèi)勁，所以往往會(huì)借助開源。在這個(gè)基礎(chǔ)上（相對(duì)通用的類似chatGPT模型）上包裝出行業(yè)大模型。好處是瞬間可以出好多，壞處是不解決行業(yè)深層次問題，最終很可能變成上波的賺方案的錢，然后收支失衡。（參見：為什么說這些倒騰AI的方式會(huì)把自己搞死）

真正的垂域大模型，那怕把法律搞清楚也是有用的（康達(dá)的李思川李律，視頻號(hào)：川哥說法，就和我聊過好幾次）。但門檻確實(shí)還是太高，直接拿通用大模型上能靠譜么，我不咋看好?？涩F(xiàn)在看真做垂直的的反倒是不多。

四、垂域大模型和AGI

以前也寫過一點(diǎn)這個(gè)話題:chatGPT 和AlphaGo下圍棋，誰贏？垂域大模型有戲么？，現(xiàn)在仍然維持原來的觀點(diǎn)：在專門的領(lǐng)域尤其是價(jià)值比較高，有很多專業(yè)信息和知識(shí)的領(lǐng)域chatGPT這種代表AGI的模型是很難PK掉垂域模型的。

我是靠常識(shí)做這個(gè)判斷，很不權(quán)威。

常識(shí)是說一部分?jǐn)?shù)據(jù)內(nèi)蘊(yùn)了各種知識(shí)和規(guī)則，把這些數(shù)據(jù)的種類覆蓋的越全，這個(gè)模型的相應(yīng)的事能力也就越強(qiáng)大。通用大模型能力再強(qiáng)，沒有這部分信息，也會(huì)甕中之腦一樣空有智商。何況模型訓(xùn)練過程中總是可以產(chǎn)生很多的Know-How，這會(huì)進(jìn)一步增加差距。

在很長一段時(shí)間里可能會(huì)是一個(gè)通用大模型，上面承載幾個(gè)類似豆包/火山方舟/豆包大模型這樣的超級(jí)應(yīng)用（比如搜索方向也可能出新的超級(jí)應(yīng)用）還有一些垂域大模型共同為不同的系統(tǒng)型超級(jí)應(yīng)用提供引擎。

五、小結(jié)

chatGPT屬于開局的點(diǎn)，我們把它刨除在外。那AI大模型真正的局點(diǎn)其實(shí)是這些系統(tǒng)型超級(jí)應(yīng)用，不是小團(tuán)隊(duì)做的輔助工具。那誰在做這東西呢？也可能是我真的不知道，但如果確實(shí)沒有行業(yè)性的，而是都圍在了通用模型上，那可能會(huì)在AI的局點(diǎn)上缺席了不少東西。那不管對(duì)于VC還是真的從業(yè)者其實(shí)遺憾的事情。（當(dāng)年傅朱爭論過一場，從這個(gè)角度看實(shí)在是都偏了）