AI三重劫
每个人对AI的态度都有点从一腔热血到拔剑四顾心的转变。
举例来说，朱啸虎在谈到大模型时，这样说：
五年后，除了应用公司或云服务公司，根本没有独立的大型模型公司。云服务公司免费提供大模型等接口。这是基本服务，基本服务肯定会和云在一起。
一些文章认为国内有关于ToB和ToC路线的争论，也从两个方面进行了分析和运算。
事实上，大工厂仍然是独立的企业，ToB或ToC的思维模式是危险的。如果你在上一个时代思考，你最终可能会死。类似于微软不把Windows整理成手机操作系统，然后被安卓打得满地都是。
AI的问题可以简化，摆在我们面前的是明显的三重劫数，过去可以成仙，过不去也许也不会死，但是要熬过来。
第一次抢劫：智能水平可以再跳一次吗？
看看各种检测结果，GPT4不是已经可用了吗？AlphaGo不是很久以前就把人类推倒了吗？为什么智力还不够？
这个问题只能从乔布斯的角度来回答：使用客户回放技术，而非从技术上看到如何使用。
这样的用户视角也可以简化：AI最直观的价值就是替代人和过去的程序。，每一个用户也需要。
取代人的第一步就是考虑能够覆盖那些角色。
如今，主要进步是让优秀的人变得更好，而不是其他人。（Copilot）
更进一步，它完全取代了某个角色，AI独立运行，不需要任何人的干预。（Autopilot）
以公司为例，大概如下：
替代程序的第一步是像RPA一样调度其他软件产品，以人的角色为核心。
步骤二是折叠当今产品中冗余的UI。、帐户系统，权限系统，统计功能等。假如觉得这个不容易理解，不难想象CRM。、事实上，HRM等功能的重复是由不同的供应商和角色引起的人为分割。我们应该知道，这些分割只是因为分工是这样的，是为了现实的妥协，但实际上是为了降低效率。
从以上两个落地角度，根据不同的角色进行评价，可以发现目前模型的智能化是不足的。本文提到了一个简单的测试案例，图灵测试2.0。类似的想法可以扩展到N个角色和不同的模型。
这种情况就需要一个类似于CNN到GPT的跳跃，而不是chatGPT到Sora的进步，而是让今天的智能再次发生变化。
这个问题和朱啸虎提到的核心看GPT5什么时候出来实际上是一样的。
这部分可以上台阶，那么模型本身的订阅收益就会增加，隐性的影响空间也会增加。即使跃上一步，如果没有新应用的兴起，参考过去想象中的ToB，ToC的商业模式仍然是死路一条。
第二次抢劫:AI能出来吗？ Native的应用？
如果AI不被用来做过去没有做过的应用，而是纠结于过去的方式，那就没有出路了。
SaaS/PaaS不就是基于模型提供API作为调用吗？
上一波AI做解决方案收支不平衡，换成大模型收支是否平衡？
由于技术不佳，SaaS不成立和解决方案无法支撑AI企业的商业闭环？
假如没有，简单地改变一组技术术语来老去的方式，为什么突然就好了。假如没有，那么ToB就不行了。
从C端来看，超级应用程序关闭了入口卡。如果你是基于AI的新助手，解决什么新问题，简单的聚集别人的内容，那么豆包还是可以聚集抖音的。你为什么聚集它们？AI可以颠覆原来的APP，从IM到电商到支付？
所以ToC没有机会。
这样就导致了分裂，每个人都选择了自己的边缘，但实际上选择也是白选。怎么看也是死路一条。
实际上并非如此，核心与角度有关。把坦克当作可移动的大炮，是看不见闪电战的。
跳到历史上做对比，就是无论多少朝代，换多少丞相，在钱穆先生《历代政治得失》的框架里，蒸汽机是无法发明的(孔子到清末差不多2400年，黑暗中世纪出来蒸汽机发明不到300年)。
AI Native应用程序(智能原生应用程序)首先依靠的是模型本身需要向上跳跃，需要新的思维方式、新的方法论和新的计量方法。感觉就像做网页一样可以想出智能原生应用的想法，估计就像几千年也折腾不出蒸汽机一样。
思考本身限制视线，限制视线会导致视而不见。
让我们回到最容易理解的替代者和软件，这是最容易理解的角度来思考智能原生应用，从这个角度来看看新的生产力和生产关系工具。
这类智能原生应用是否有APP等并不重要，关键是能否在复杂的环境中完全覆盖一个角色。
角色的边界和AI的智能是可以交换的。交换是指如果智力不够，那么角色的边界就会小一些，也可以应付。
你能从这个角度看到什么？
比如ToB端能否完全取代招聘、运维、金融、市场等岗位。在企业中？整个公司能否进入自动驾驶状态？在行业内，它是一个通用模型 Agent/竖直模型 Agent可以代替律师/医生/制药科学家等等吗？
比如ToC端，可以扮演NPC(西部世界)的母亲/老师/情人/故事线吗？
每个应用程序都是过去无法做到的，都是蓝海，现在基本上没有了。
此时商业模式中的计量方法与过去不同。，比如扮演恋人的产品，不适合用互联网的DAU和ARPU值来计算转化率的后端变现思路。更适合比较角色的雇佣成本，雇佣成本要根据角色的服务价值来定，所以之前的文章总说这个地方要改变一套计量方法，比如Value。 Per Role。
这一角色的价值内涵将与相应角色的智能密度有关。就服务价值而言，教师显然比妈妈说故事要高得多。
这些角色一旦成立，原有的功能就会合并到这些角色中。因为挖得深，粘度更大，合并本身会增加这个角色的价值和使用粘度。
三重劫：可以做一个通用机器人吗？
远非能够做出上面提到的智能原生应用就能做出具身机器人。
扩展到特定硬件和机械通用多模态机器人的难度可能比纯数字或硬件的智能原生应用高十倍以上。
虽然看起来有了智能原生应用，只是套了一个壳就变成了具身机器人，但实际上绝对不是。
当然，最明显的是身体(硬件、机械等)在现实环境中面临的挑战。别的不说，如果你戴着耳机在外面跑步，人类可能听不清楚你说的话。人们听不清楚，可以猜测机器人如何面对真实环境的影响。 ，并在影响的前提下保证感知的准确性。要不就不能用？
其次是算法。
这类机器人所面临的环境比智能原生应用更加复杂，是真正的整个物理世界 数字化世界，但其背后的潜在算率低于大型云模型。假如Scaling Law是对的。那么这似乎是不可能的，至少需要一个新的想法和模型。
这一劫数一过，AI就成了人类最后的创造。
各种科技思想家的想象，只有到了这一步，才能真正实现。
这类机器人一出来，体力就完全失去了经济效益。
在之前的北大采访中，侯宏老师接着说，人和AI不应该被视为零和游戏，我表达了另一种脑洞型的观点：
如果经济每年持续增长5%，大概有办法，但也就结束了。但是，如果经济总量在短时间内增长100倍，目前的方法和失败都会发生。问题是5%的增长率可能会耗尽所有资源，造不出戴森球。这个时候，我们需要这种强大的人工智能。
如果通用机器人真的做到了，我们的整个经济体系就会发生本质的变化。比如如今是批量生产，然后零售。而且如果有一个通用机器人，那么几乎所有的行业都可以按需生产。使用者参与产品设计，然后生产制造，然后发货。
总结
每次这些劫数过去，都会有一个新的经济空间。如果以OpenAI每年36亿美元为数量，过去一次可能会增加10倍；但是没事做。毕竟很多基于GPT-4的智能东西都可以尝试，但是角色的界限必须缩小。这个时候，在一个层面上不断震荡是非常痛苦的。
事实上，在这样一个混乱的时刻，没有什么更好的方法可以切断混乱，只能多看一些案例，同步思考底层逻辑，最后把底层逻辑思考的收益转移到自己的场景中。这就是为什么AI冲击的口号是:现场问题、底层逻辑、案例和底层逻辑可以通过其他方式缩短，最后一步只能靠自己。
本文来自微信微信官方账号“琢磨事”（ID:zuomoshi），作者：老李话一三，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com