OpenAIChatGPT Atlas當(dāng)然是一個(gè)瀏覽器產(chǎn)品，但也更是一個(gè)信號(hào)。

大家應(yīng)該還記得劈柴是靠什么當(dāng)上過(guò)去的Google現(xiàn)在的Alphabet的CEO的--很核心的一個(gè)點(diǎn)就是Chrome的成功。

回到那個(gè)時(shí)間點(diǎn)其實(shí)可以講Chrome其實(shí)是谷歌和微軟那波競(jìng)爭(zhēng)里面的巨大功臣，它讓谷歌有了自己的端和入口。

在AI大模型的背景下，故事明顯在被重演，只不過(guò)角色發(fā)生了互換，OpenAI變成了昔日的Google，而今天的Google則變成了昔日的微軟。

這顯然是過(guò)去所謂的入口之爭(zhēng)的延續(xù)，但還有一部分在悄然發(fā)生變化，透視整個(gè)變化乃至未來(lái)的趨勢(shì)需要先從一個(gè)我稱之為“智能規(guī)模效應(yīng)”的底層邏輯開(kāi)始。（也許可以翻譯成：Intelligence Scale Effect，但真的是我杜撰的詞）

這個(gè)效應(yīng)的根基可以用一個(gè)簡(jiǎn)單的公式來(lái)概括：

智能的效能 = 大模型的智能水平 × 現(xiàn)實(shí)理解縱深

這個(gè)公式可以揭示了未來(lái)智能應(yīng)用競(jìng)爭(zhēng)的核心。

為了在競(jìng)爭(zhēng)中獲勝，僅僅擁有一個(gè)“更聰明”的大模型（即更高的“智能水平”）是遠(yuǎn)遠(yuǎn)不夠的。真正的勝負(fù)手在于第二個(gè)乘數(shù)：模型對(duì)現(xiàn)實(shí)世界“理解的縱深”。

并且越到后面后者越關(guān)鍵，甚至會(huì)影響前者的進(jìn)化速度。

為了最大化最終的“效能”，我們將會(huì)看到，每一個(gè)投身于AI浪潮的公司，都將開(kāi)始一場(chǎng)瘋狂的、無(wú)休止的競(jìng)賽——一場(chǎng)旨在無(wú)限擴(kuò)展自身數(shù)據(jù)邊界的競(jìng)賽。

模型公司想明白了，都會(huì)向應(yīng)用發(fā)展，向應(yīng)用發(fā)展就幾乎都會(huì)走到這里。

在這里應(yīng)用和模型是分不開(kāi)的。

參見(jiàn)：

解構(gòu)“智能規(guī)模效應(yīng)”

讓我們首先拆解這個(gè)公式的兩個(gè)關(guān)鍵組成部分。

1. 大模型的智能水平

這是AI的“基礎(chǔ)智商”。

它由模型的架構(gòu)、訓(xùn)練數(shù)據(jù)量、參數(shù)規(guī)模和計(jì)算資源共同決定。

以O(shè)penAI的GPT系列、Anthropic的Claude系列為代表的頂尖大模型，通過(guò)在數(shù)萬(wàn)億Token的公共數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，獲得了強(qiáng)大的通用能力，如語(yǔ)言理解、邏輯推理、知識(shí)儲(chǔ)備和代碼生成。

這是AI的“勢(shì)能”。

它代表了模型理論上能達(dá)到的最高高度。

在過(guò)去的幾年里，我們見(jiàn)證了這場(chǎng)“智能水平”的軍備競(jìng)賽——參數(shù)從十億級(jí)飆升至萬(wàn)億級(jí)，模型能力不斷突破想象。

可往后想，核心是什么？

是誰(shuí)能拿到更多的真實(shí)場(chǎng)景的全量數(shù)據(jù)。

大家應(yīng)該還記得此前大家怎么認(rèn)定智能水平上不去了吧？數(shù)據(jù)不夠了。

所以大模型的下半場(chǎng)注定要回到數(shù)據(jù)。

不是和過(guò)去性質(zhì)重復(fù)的數(shù)據(jù)，而是加入過(guò)去沒(méi)納入的維度的數(shù)據(jù)。

(自動(dòng)駕駛場(chǎng)景下理解智能規(guī)模效應(yīng)更容易）

2. 現(xiàn)實(shí)理解縱深

這是AI的“情境智商”。

如果說(shuō)“智能水平”是AI的CPU，那么“現(xiàn)實(shí)理解縱深”就是它的RAM（內(nèi)存）和I/O（輸入/輸出）系統(tǒng)。它代表了模型在執(zhí)行具體任務(wù)時(shí)，能夠接觸和理解的特定、實(shí)時(shí)、私有或?qū)Ｓ袛?shù)據(jù)的深度和廣度。

一個(gè)“智能水平”再高的模型，如果對(duì)正在處理的工作、你的私人日程、你公司的內(nèi)部知識(shí)庫(kù)一無(wú)所知，它就如同一個(gè)被鎖在密室里的天才，空有智慧卻無(wú)法施展。

它的“現(xiàn)實(shí)理解縱深”為零，導(dǎo)致最終的“智能效能”也趨近于零。

“智能規(guī)模效應(yīng)”的核心洞察在于：

在“智能水平”達(dá)到某個(gè)閾值后，決定應(yīng)用成敗的關(guān)鍵因素，將迅速?gòu)哪Ｐ捅旧淼闹巧剔D(zhuǎn)向它所能撬動(dòng)的“現(xiàn)實(shí)數(shù)據(jù)”的規(guī)模。

參見(jiàn)：

數(shù)據(jù)的“圈地運(yùn)動(dòng)”

這會(huì)導(dǎo)致什么呢？

會(huì)導(dǎo)致新的圈地運(yùn)動(dòng)。數(shù)據(jù)圈地運(yùn)動(dòng)。

ChatGPTAltlas可以看成是開(kāi)始正式號(hào)角，直接懟到谷歌的腹地。

但其實(shí)這是并不真是從這兒開(kāi)始，而是由來(lái)已久：

表現(xiàn)一：從云端走向桌面與OS——搶占個(gè)人上下文

案例：OpenAI的ChatGPTAltlas和Anthropic的桌面端

這其實(shí)沒(méi)啥好說(shuō)的，就是端-云一體的路線。

目標(biāo)也簡(jiǎn)單，就是解決體驗(yàn)瓶頸，拿到更多數(shù)據(jù)，否則沒(méi)法搞定網(wǎng)頁(yè)版AI與用戶工作流割裂的核心痛點(diǎn)——網(wǎng)頁(yè)AI無(wú)法“看到”本地文檔或應(yīng)用，導(dǎo)致用戶必須頻繁復(fù)制粘貼，效能低下。

走向也是定的，所以哪天OpenAI推出OS也一點(diǎn)不稀奇。（Google弄安卓的翻版，并且效果更明顯）

方式也統(tǒng)一。

都是通過(guò)具備系統(tǒng)級(jí)權(quán)限的原生應(yīng)用，在用戶授權(quán)后，AI能直接“看到”屏幕內(nèi)容、讀取本地文件，從而理解完整的上下文。這與“失明”的Web版AI形成鮮明對(duì)比，后者局限于瀏覽器標(biāo)簽頁(yè)內(nèi)。

可以看一個(gè)典型的場(chǎng)景：設(shè)計(jì)師在Figma中可直接喚出桌面AI，指著某個(gè)元素提問(wèn)：“幫我把這個(gè)按鈕改成新擬物風(fēng)并給出CSS代碼。”AI因“看到”了全局設(shè)計(jì)，能給出精準(zhǔn)建議，將原先5-10分鐘的跨應(yīng)用操作縮短至30秒內(nèi)。

當(dāng)然，這種深度集成也帶來(lái)了嚴(yán)峻的隱私和安全挑戰(zhàn)，需要用戶給予極高信任。這點(diǎn)后面說(shuō)。

這就是AI比你自己更了解你自己的開(kāi)始。你記不住1年前的事的，理論上它可以。

表現(xiàn)二：從靜態(tài)走向?qū)崟r(shí)——擁抱動(dòng)態(tài)世界

案例：Perplexity AI（AI搜索引擎）

成立于2022年、在2023-2024年間迅速崛起的Perplexity AI就是干這個(gè)的，它解決了兩大痛點(diǎn)：傳統(tǒng)LLM的知識(shí)“陳舊”，以及傳統(tǒng)搜索引擎“只給鏈接不給答案”。

在當(dāng)時(shí)他們是比較早的整“實(shí)時(shí)檢索+LLM總結(jié)”（RAG）架構(gòu)的。

當(dāng)用戶提問(wèn)時(shí)，它先實(shí)時(shí)抓取最新網(wǎng)頁(yè)信息（擴(kuò)展現(xiàn)實(shí)理解縱深），再將其喂給大模型（如GPT-4）生成即時(shí)答案。這與Google（提供鏈接列表）和基礎(chǔ)版ChatGPT（知識(shí)陳舊）形成鮮明對(duì)比。

現(xiàn)在這個(gè)變基本功能了。這事未來(lái)不一定有譜，沒(méi)準(zhǔn)就掛了。

不過(guò)也算成就了個(gè)產(chǎn)品，Perplexity在2024年初月活躍用戶（MAU）突破1000萬(wàn)。用戶在查詢“昨晚的財(cái)報(bào)數(shù)據(jù)”時(shí)，其時(shí)效性和召回率遠(yuǎn)超靜態(tài)LLM，極大節(jié)省了篩選時(shí)間。

其限制在于答案質(zhì)量依賴信源，且雙重成本高昂。

表現(xiàn)三：從公共走向私有——深入企業(yè)知識(shí)庫(kù)

案例：Microsoft 365 Copilot

微軟面向其龐大的M365企業(yè)客戶群全面推出了Copilot。它旨在解決企業(yè)內(nèi)部最大的痛點(diǎn)：數(shù)據(jù)孤島。員工的知識(shí)沉淀在Outlook、Teams、SharePoint等應(yīng)用中，傳統(tǒng)工具無(wú)法融會(huì)貫通。

Copilot的集成核心是Microsoft Graph。

以前我們老貼下面這圖：

這個(gè)Graph索引了企業(yè)所有的私有數(shù)據(jù)（構(gòu)成了“現(xiàn)實(shí)理解縱深”），并將其與Copilot的“高智能水平”相結(jié)合。當(dāng)員工提問(wèn)（如“總結(jié)A項(xiàng)目上周進(jìn)展并起草周報(bào)”）時(shí)，Copilot能實(shí)時(shí)檢索郵件、聊天和文檔，生成精準(zhǔn)報(bào)告。這是任何“公共”AI助手或傳統(tǒng)內(nèi)部搜索都無(wú)法比擬的。

這也是拉通端-云。

據(jù)說(shuō)用戶在總結(jié)會(huì)議等任務(wù)上速度提升近4倍，平均每周節(jié)省1.2小時(shí)。

表現(xiàn)四：從數(shù)字走向物理——萬(wàn)物互聯(lián)的終局 （展望）

這場(chǎng)邊界擴(kuò)展的終點(diǎn)，必然是從數(shù)字世界走向物理世界。

可穿戴設(shè)備（如智能眼鏡、AI Pin）和物聯(lián)網(wǎng)（IoT） 設(shè)備，是擴(kuò)展“智能規(guī)模效應(yīng)”的終極形態(tài)。

奧特曼老勾搭做硬件的，就是這事。

試想，一個(gè)AI助手如果能通過(guò)你眼鏡上的攝像頭“看到”你正在看的景象，通過(guò)麥克風(fēng)“聽(tīng)到”你正在進(jìn)行的對(duì)話，它的效能將是何等強(qiáng)大？它可以實(shí)時(shí)為你翻譯菜單，提醒你識(shí)別剛見(jiàn)面的客戶，甚至在你修理器械時(shí)提供逐步指導(dǎo)。

這顯然引發(fā)其它問(wèn)題，但我真的在活動(dòng)上聽(tīng)到過(guò)，大家探討整個(gè)麥克風(fēng)把自己每天活動(dòng)都錄下來(lái)然后做分析的事。

至少當(dāng)事人本身不排斥，只是說(shuō)周圍的人可能排斥。

參見(jiàn)：

為何這場(chǎng)競(jìng)爭(zhēng)比以往更激烈？

“智能規(guī)模效應(yīng)”所引發(fā)的競(jìng)賽，其激烈程度和“贏家通吃”的效應(yīng)，很可能將遠(yuǎn)遠(yuǎn)超過(guò)PC互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)時(shí)代。

在互聯(lián)網(wǎng)時(shí)代，競(jìng)爭(zhēng)的核心是“注意力”。

平臺(tái)通過(guò)內(nèi)容和服務(wù)（如搜索、社交、視頻）來(lái)爭(zhēng)奪用戶的屏幕停留時(shí)間。雖然也存在網(wǎng)絡(luò)效應(yīng)，但用戶的“遷移成本”相對(duì)可控——我今天可以用Google，明天也可以切換到Bing；我可以在微信上發(fā)文，也可以在微博上發(fā)言。

這時(shí)候性質(zhì)完全不同的東西：搜索、IM等它是并行的各玩各的網(wǎng)絡(luò)效應(yīng)。

但在智能時(shí)代，競(jìng)爭(zhēng)的核心已經(jīng)轉(zhuǎn)變?yōu)椤?/strong>上下文（Context）”，即我們公式中的“現(xiàn)實(shí)理解縱深”。

這是一個(gè)本質(zhì)的區(qū)別。

加上大模型的智能的通用性，會(huì)讓這個(gè)本質(zhì)區(qū)別的影響放大到無(wú)以復(fù)加的程度。

一旦某個(gè)AI應(yīng)用成功地深度嵌入你的個(gè)人或企業(yè)工作流——它理解了你所有的本地文件（如XX桌面端）、掌握了你公司所有的私有知識(shí)庫(kù)（如Copilot）、或是接入了你的實(shí)時(shí)物理世界（如未來(lái)的智能眼鏡）——它所積累的“現(xiàn)實(shí)理解縱深”將構(gòu)成一道無(wú)與倫比的護(hù)城河。

搜索和IM的競(jìng)爭(zhēng)的弱競(jìng)爭(zhēng)，上面這種競(jìng)爭(zhēng)是搜索和搜索的競(jìng)爭(zhēng)，是強(qiáng)競(jìng)爭(zhēng)。

所以越往后AI的應(yīng)用越是：軟硬產(chǎn)品千重浪，遍地英雄起硝煙。

過(guò)去真有高度粘性的是網(wǎng)絡(luò)效應(yīng)。

操作系統(tǒng)、微信是很難換的，別的么，換換其實(shí)沒(méi)啥問(wèn)題。

京東買還是天貓買東西，有啥粘性。

但接下來(lái)高粘性的無(wú)形蛛絲可能再來(lái)一個(gè)：

你無(wú)法輕易地將積累在一個(gè)AI助手里的、對(duì)你個(gè)人習(xí)慣和私有數(shù)據(jù)的深度理解，“導(dǎo)出”并“導(dǎo)入”到另一個(gè)AI助手中。更換AI助手的成本，可能等同于對(duì)一個(gè)新員工進(jìn)行“從零開(kāi)始”的漫長(zhǎng)培訓(xùn)。

企業(yè)的核心是知識(shí)，上面這模式整到后面，換產(chǎn)品相當(dāng)于把員工都換一批，知識(shí)清零重來(lái)。

又因?yàn)橥ㄓ弥悄艿臒o(wú)邊界的特質(zhì)，數(shù)字空間大廠間這場(chǎng)競(jìng)賽的終局將更趨向于“零和博弈”。用戶（無(wú)論是個(gè)人還是企業(yè)）最終很可能會(huì)選擇一個(gè)“主AI”，并將其數(shù)據(jù)邊界最大化。這導(dǎo)致了競(jìng)爭(zhēng)的空前加劇：

誰(shuí)最先占領(lǐng)了用戶的核心數(shù)據(jù)源，誰(shuí)就幾乎鎖定了勝局。

（說(shuō)起來(lái)近7-8年前我寫(xiě)過(guò)這話題，實(shí)在是早了點(diǎn)）

參見(jiàn)：

效能與信任的“大博弈”

這里面，還有個(gè)變量，就是用戶的權(quán)重到底有多高。

說(shuō)來(lái)滑稽，在微信告訴擴(kuò)展的時(shí)候用戶雖然全體最關(guān)鍵，但個(gè)體其實(shí)最不關(guān)鍵。

就拿紅包和運(yùn)營(yíng)各種拉，和割韭菜差別差不多。

“智能規(guī)模效應(yīng)”驅(qū)動(dòng)的這場(chǎng)數(shù)據(jù)邊界擴(kuò)展，則在這里帶來(lái)了一個(gè)新挑戰(zhàn)：隱私與信任。

當(dāng)AI為了“更懂你”而瘋狂地?cái)U(kuò)展其數(shù)據(jù)邊界時(shí)，它不可避免地會(huì)觸及用戶的隱私紅線。

● 你是否愿意讓AI讀取你所有的本地文件，只為在寫(xiě)報(bào)告時(shí)給你提供更好的建議？

● 你是否愿意讓AI分析你所有的聊天記錄，只為更精準(zhǔn)地預(yù)測(cè)你的需求？

● 企業(yè)是否愿意將最核心的商業(yè)機(jī)密交給一個(gè)AI系統(tǒng)，只為換取更高的運(yùn)營(yíng)效率？

這就是未來(lái)的核心矛盾。用戶對(duì)“效能”的渴望是無(wú)限的，但對(duì)“隱私”的擔(dān)憂也是真實(shí)的。

隱私究竟能不能對(duì)沖效能！

因此，這場(chǎng)競(jìng)賽的下半場(chǎng)，將不僅僅是關(guān)于誰(shuí)能抓取更多的數(shù)據(jù)，更是關(guān)于誰(shuí)能以一種更可信、更安全的方式來(lái)處理這些數(shù)據(jù)。

小結(jié)

要選，我會(huì)把“智能規(guī)模效應(yīng)”（智能效能 = 大模型智能水平 × 現(xiàn)實(shí)理解縱深）選做AI時(shí)代應(yīng)用的第一性原理。

它明確指出，AI的未來(lái)不在于構(gòu)建一個(gè)無(wú)所不知的“數(shù)字上帝”，而在于構(gòu)建無(wú)數(shù)個(gè)“深度嵌入”現(xiàn)實(shí)的專業(yè)助手。

OpenAI的ChatGPTAltlas還只是這場(chǎng)宏大競(jìng)賽的序幕。

真正的戰(zhàn)場(chǎng)，就在于對(duì)“現(xiàn)實(shí)理解縱深”的無(wú)盡追求。

我個(gè)人希望最終的勝利者，將是那些不僅能最大化這個(gè)公式的乘積，更能在此過(guò)程中，贏得用戶最終信任的人。

參見(jiàn)：

注：

本文部分圖片通過(guò)AI輔助生成

入群或者加入AI碰撞局請(qǐng)聯(lián)系:shuixiu2024