OpenAI o3相對o1的遞進是非常驚人的，尤其它編程能力的進展后面肯定會產(chǎn)生越來越多，越來越大的現(xiàn)實沖擊。在這種背景下很多關(guān)注AI的人都會開始思考，AI會造就過去搜索、微信等等這樣的超級應(yīng)用么？

這恰恰正是陷阱所在，由互聯(lián)網(wǎng)遺留下來的以尋找超級應(yīng)用為核心的一整

套思考模式對于智能原生應(yīng)用可能是不適用的。

這篇文章寫一點這種認知錯配的背后的問題。

陷阱1：用重量來比較芯片和沙子的價值

這是一個互聯(lián)網(wǎng)年代形成的習(xí)慣，因為互聯(lián)網(wǎng)基本商業(yè)模式的根基是日活，然后再加上CPS等能非常直接有效的體現(xiàn)一個互聯(lián)網(wǎng)應(yīng)用的價值。就導(dǎo)致了這種排行榜，排行榜即商業(yè)潛力和規(guī)模榜。

為了支持這類榜單，在過去的20多年里面我們累積了大量配套工具和方法。

所以現(xiàn)在很多人習(xí)慣性的做App，習(xí)慣性的做排行，但其實這基本沒用。

核心原因就是AI不是另一個移動互聯(lián)網(wǎng)，從技術(shù)特征到價值創(chuàng)造方式都完全不一樣。

用噸來比較芯片和沙子是沒有意義的。

具體來說，過去2年體現(xiàn)的是以AIGC為核心的小AI工具的興起，這種根本不是超級應(yīng)用的后端變現(xiàn)等等，而是傳統(tǒng)的SaaS訂閱。

向未來看，后面確實很快出現(xiàn)按服務(wù)付費（Service as a Software），這會導(dǎo)致單個用戶的價值因為服務(wù)不同差1000倍甚至更多。這樣一來缺了這個單個用戶價值維度后，單純計量活躍等就很像上面說的拿重量比沙子和芯片了。

本質(zhì)上是過去的漏斗和轉(zhuǎn)化概念被弱化了。

(也許有人會爭論ToB，ToC，但其實沒差別，不展開了）

陷阱2：在過去App做過的功能上尋找超級應(yīng)用

一句話說：從技術(shù)上看，AI不是用來做過去那種App的。

如果AI用來做App，那就只有一種App，Siri類的，過去也叫Bot。這事快堅持20年了，不管簡單復(fù)雜就基本沒有靈的（不單是因為技術(shù)不好使）。

AI往這個上放，是削足適履。

我們拿醫(yī)生做個類比。

醫(yī)生有不同科室的專家，也有全科醫(yī)生，那App是專科醫(yī)生的路子，AI則一出生就是全科醫(yī)生的路子。

通用智能（底層技術(shù)特征）不全科，什么全科！

全科和全科當(dāng)然相似度高。

如果必須把這個全科醫(yī)生再包裝成?？频模?strong>那在單項上比現(xiàn)有的App大概率搞不出什么優(yōu)勢來，至少不可能是10倍提升。

需要補一句的是，杰出的模型公司總是會不停的嘗試推出自己的App，比如OpenAI的chatGPT。這就是那個標(biāo)準的全科醫(yī)生，別的基本是在它的基礎(chǔ)上封裝出特定的?？苼?，差異也很難很大。

即使chatGPT，如果不能順利的折疊掉搜索，并且發(fā)展出GPTs這類領(lǐng)域，也還不是超級應(yīng)用，最多是過去瀏覽器級別的應(yīng)用（信息消費的主要途徑）。

說到底用AI把現(xiàn)有的APP再做一遍，提升10%，根本路子是不通的。

這個陷阱判斷標(biāo)準比較簡單，如果構(gòu)想的AI應(yīng)用和現(xiàn)存的應(yīng)用有3分相似，那大概是不靈的。

建議看Multi-Agent系統(tǒng)，比如AutoGPT等，并基于這種系統(tǒng)結(jié)合商業(yè)情況構(gòu)建自己的產(chǎn)品。

陷阱3：Copilot

Copilot絕對不可能是超級應(yīng)用，這有個最簡單的邏輯，假設(shè)一項工作分成：

Step1-Step2-Step3-StepN，再假設(shè)Copilot意味著奇數(shù)步驟歸人類，偶數(shù)歸AI，那顯然這時候整個系統(tǒng)運轉(zhuǎn)效能是以人類能力為邊界的，也一定是低的。

形象講如果城市中駕駛中沒有Copilot方式那車速上限可以是200，一旦是Copilot那車速上限就只能現(xiàn)在這樣，因為人類有先天能力有限制。

所以人、機的協(xié)作模式最終一定不是現(xiàn)在設(shè)想的這種Copilot，而是人類的歸人類，AI的歸AI，然后彼此間有個不糾纏在一起但可以聯(lián)通和交互的方式。

陷阱4：從獨立算法出發(fā)構(gòu)建應(yīng)用

這點不是說大模型本身，而是說周邊的其它算法。

這也是一個特別簡單的邏輯，o1~o3這么遞進會讓過去獨立的各種算法越來越貶值，比如TTS等。它如果能夠解決數(shù)學(xué)上的難題，那就能做過去往往是特別專業(yè)人士才能做的算法，并且能夠根據(jù)反饋調(diào)優(yōu)。

AlphaFold3其實是這事的前奏。

AI大模型的進展提高數(shù)據(jù)的價值，但是降低邏輯復(fù)雜度的價值。

更關(guān)鍵的是它會直接覆蓋很多算法，有個專門的詞叫做：LLM as a judge，你要真用就會發(fā)現(xiàn)它其實覆蓋了很多很多的傳統(tǒng)算法。

一定程度上，大模型體現(xiàn)的是算法的歸一化。理論上它甚至是可以去下圍棋的，每一步情況做成提示詞給它，然后讓它給出下一步。

小結(jié)

就像互聯(lián)網(wǎng)需要和它匹配的四維模式一樣，AI也需要和自己匹配的思維模式，然后才是技術(shù)力量的逐步發(fā)揮出來。否則就還是會很像用刺刀劈柴，有用但用處不大的，還不如斧子。

結(jié)論就是標(biāo)題：不要在AI上找什么超級應(yīng)用！

這個時間點不適合按照互聯(lián)網(wǎng)的模式構(gòu)思什么超級應(yīng)用，關(guān)鍵在于數(shù)據(jù)的邊疆和場景的縱深。當(dāng)模型日趨強大的時候，它在通用性上的強大能力會推著相應(yīng)的應(yīng)用長成超級應(yīng)用的。否則模型是強大了，那什么是應(yīng)用方的！都是模型主要在做事應(yīng)用有什么價值！

兩場AI碰撞局的信息如下，感興趣的同學(xué)請聯(lián)系shuixiu2024：

時間：12.27 14:00

地點：中關(guān)村國家自主創(chuàng)新示范區(qū)展示中心會議中心 圓明廳

題目：AI在臨床手術(shù)領(lǐng)域的實踐與碰撞

分享嘉賓:

王豫 北京羅森博特科技有限公司董事長

圓桌“碰撞”嘉賓:

張希諾 北京朝陽醫(yī)院骨科 副主任醫(yī)師

程建剛 北京疆亙資本管理有限公司合伙人

張 娟 北京通和立泰生物科技有限公司副總經(jīng)理

林毓聰 艾瑞邁迪醫(yī)療科技(北京)有限公司副總裁

主持人：李智勇

還有一場10.29在北京大學(xué)國家發(fā)展研究院，具體內(nèi)容如下：