★ 更高的生产力和效率。AI 和机器人可能会取代许多人类劳动力，减轻人类的工作负担，提高企业和经济体的生产力。

★ 更高的准确性和可靠性。AI 可以分析大量数据，对复杂的问题进行大量计算和模拟，从而达到人类很难匹敌的准确性和可靠性。这可能带来更准确的诊断、更可靠的设备控制等。

★ 更智能的决策。AI 有助于盘期历史数据和使用数据分析等技术进行更精细化、更根据风险的决策和优化。这可以在许多领域带来更好的决策，如金融预估、供应链管理等。

★ 更个性化的体验。AI 可以通过分析个人数据和喜好来提供极其个性化的体验。这可能改变用户在商业、娱乐和社交等方面与产品和服务的互动方式。

★ 新的安全和监控方法。AI 可用于提高安全性、检测异常情况和进行监控。这可能在领域如医疗、交通、金融等带来新的监控和预警系统。

★ 社会改革。AI 可能在重要的社会制度层面引起转变，如教育、医疗、政府等。这可能导致现有体系发生重大变化，满足更广泛群体的需求。

总的来说，AI 可能使我们生活更便利、工作更高效、决策更精细化。但同时也可能带来冲击，对人类工作、群体性、行政制度等产生更大影响。人类需要谨慎管理 AI 发展以确保其带来的益处超过损害。

AI 在生活和工作场景中的应用  ©Pew Research Center

短期内市场火热，相关的培训和演讲有很多。2018年的深度学习火热的时候，公司内所有的业务都需要做一遍 AI 赋能。现在的情况有点像2018年，原来很多用小模型算法支撑的业务，都需要用大模型重新做一遍，来提升效率和能力。目前和各个业务的负责人沟通下来的结论，比较急切的需求还是生产提效类型的工作，用来节省人力。但是长远看，还是要往提升生产质量的方向来发展。

短期的直接影响是一部分员工需要改变工作方式或者性质。比如小模型时代，有一部分算法工程师主要的工作是做算法设计，现在就需要转型成 Prompt 工程，或者转型成做公有云的对接工程。一部分运营人员，要从手工剪辑变成创意设计。

长远来看，主要挑战来自社会安全伦理，法律合规等方面。比如，有人会通过污染训练数据，使 AI 变得有政治倾向；有人会在推理输入时做恶意 hacking，导致 AI 判断失误。

当下感觉处在1995年电脑刚出来的时候，预测未来互联网行业还有点早，一切皆有可能。个人对基于通用的大模型造出来智能机器人有比较大的期待，可能未来人类的生活方式都会被陪伴式机器人改变。

IBM PC AT 是美国国际商用机器公司于1984年发布的个人电脑产品，类似的 PC 电脑在95年左右开启了国产 PC 新纪元 ©维基百科

回想移动时代，设备的可移动、4G网络带来的实时在线等改变，使得数据量相比 PC 时代提升了一个量级；同时交互形式的迭代也带来了诸如触控屏、陀螺仪等更多人机互动的可能。

这次的 AI 技术变革，同样在数据量和交互方式上带来了非常大的提升和改变，它允许机器自主产生数据并发起交互，同时让人类能以日常使用的语言而非点击动作，和机器进行交流。对这些改变的猜想和推演，让我们对未来人机交互及效率/体验的提升，充满难以言表的期待。

让更多用户接入大型 AI 模型的能力，有几个重要考虑因素：

★ 提高 AI 模型和服务的易用性。用户应该能够简单、直观地使用 AI 模型和服务，不需要过多技能或训练。重要的是通过简洁的界面设计和学习曲线，让用户能够快速上手。

★ 提供适当的治理和控制。尽管要提高易用性，但用户也需要一定的控制能力，可以管理 AI 的访问权限、使用范围、信息共享等。需要提供安全和隐私的控制机制。

★ 减少服务的门槛。应该提供免费或低成本的接入方式，避免用户因费用过高而无法使用 AI 服务。甚至可以提供试用版或免费小额额度以引导用户并增加 usage。

★ 加强用户数据的互操作性。不同 AI 服务能够共享和交换用户数据，能够提供更丰富的用户体验。用户只需要提供基本信息一次，能够在多个服务间流畅地运用自己的数据身份。

★ 通过合作实现协同效应。不同 AI 公司可以开展合作，联合部署 AI 服务，同时提供统一的用户体验入口。用户只需要与一个入口互动，就能使用合作伙伴提供的所有 AI 能力。这种协同可以最大限度地降低使用门槛。

★ 提供充分的教育和文档支持。对于 AI 的易用性来说，教育和解释是非常重要的。应该提供视频教程、 interact 学习体验、详细的文档等，帮助用户更好地理解 AI 如何工作，并扩展其使用范围。

通过上述方法，可以让更多用户更快、更易地接入大型 AI 模型和服务。提高用户体验是实现 AI 广泛普及的关键所在。

ChatGPT 具备使用自然语言交互的能力，可实现人机直接对话 ©see through news

按照我的理解，元宇宙和 AI 两个热点其实是可以放在一个大的范畴下的讨论的，此前我总结元宇宙的4大技术「栈」，就有涉及 AI 。

一个更简单的描述是，在狭义的内容生产领域，现有技术框架下的 PGC 已经走到了极致的工业化尽头，但这个「结局」并不能满足我们设想中的那个24小时在线的、随时有内容可以被消费的元宇宙的构建。比如原神，几百人的团队3个月做出一个大的版本，玩家基本一个月就消耗完了，这还是原神偏「单机」的设计机制下，如果是全联网，那更不可能。

而如果通过 UGC，就是我们看到的 Roblox 那样，为了实现 UGC，必然牺牲一些东西（比如像素风、简单的物理逻辑等）。而AI的出现，让我们有可能去实现那个理想中的Meta。

OpenAI 的 GPT 是大语言模型，LLM，既然是「语言」，那么未来一段时间，基于自然语言的人机交互可能会成为最重要的交互方式之一，搭载于 Discord 上的 Midjourney 很好地呈现了这种趋势。

过往很多产品或服务，是让非结构化的交互变成结构化，输出标准化的指令。AI 技术发展带来的自然语言交互，本质上是将结构化的交互替换为非结构化的方式。

引申问题是：为什么改变的载体总是 Discord ？从 Web3 到 AIGC，其实 Discord 在游戏细分人群完成足够丰富的积累之后，ta 某种程度上成为了承载社群运营场景的最佳应用——基于频道和内容的 UGC、丰富的权限管理、一定程度上的设计自由化配以日渐丰富的机器人生态，更重要的是还免费。

Discord 成功实现了将各种聊天功能集合到同一个app中 ©discord

过去两次互联网技术浪潮，率先出现的总是在上个时代比较成熟的服务，他们在稳定和交付体验之上，套一层新技术的壳子，无论是 .com for everything，还是 app for everything，大家这次也应该会看到不少 AI for everything，相比新瓶装旧酒的结论，我们更愿意相信这是技术发展的必然历程，让子弹飞一会儿。

就像 Mobile 相对 PC 多出了 LBS 属性，因此诞生了很多移动时代的独特信息、商品服务，比如今天深入我们生活的打车、短视频、外卖等等。AI 有自己的原生属性，例如自然语言交互，我们相信要让更多用户更快地接入 AI 带来的便捷服务，一定要基于 AI 的原生属性做好渠道、产品和服务。

Internet 与地理信息系统、移动设备©technowizz.wordpress.com

提供让更多用户更快接入大型 AI 模型的服务，主要由以下几类公司和机构来开展：

★ AI 算法和服务的提供者。如 Google、Facebook、Amazon 等科技巨头都在开发各类 AI 算法和服务，并努力提高其易用性和普及性。他们在用户规模和资源上具有较大优势，是实现 AI 普及的关键驱动力。

★ 专注于 AI 企业应用的中小企业。这些企业致力于将 AI 算法和理念应用于具体行业或用例，为不同行业的企业提供易于使用的 AI 解决方案。他们更容易了解每个行业的特点，设计出最合适的用户体验。

★ 跨行业 AI 合作平台。这些平台能够促使不同行业的 AI 企业构建合作，共同推出更丰富和易用的 AI 服务。代表性的有 Anthropic、ConvAI 等。他们提供统一的接入入口，用户可以在不同领域体验各种 AI 能力。

★ 非盈利机构。一些非盈利或公共机构也在推广和教育方面发挥作用。例如 Partnership on AI 等机构致力于制定 AI 最佳实践、Spread AI 等则以短视频等形式普及 AI 知识。这些机构无需考虑商业利益，更注重公共价值，是实现 AI 正确发展的重要力量。

★ 可信任第三方。市场也存在通过评估、审核和认证来提高 AI 安全性和可信任度的第三方机构。它们提供独立评估，帮助企业和用户区分可靠和不安全的 AI 系统，从而有信心使用更多 AI 技术。这有助于扩展 AI 的可用性和影响力。综上，多个方面機构的协作和成为可以让更多用户以更快、更简单的方式接入大型 AI 技术和服务。提高用户体验，增强AI的透明度和可信任度是实现 AI 普及的关键所在。

Google、Facebook、Amazon、Apple 等科技巨头都致力于开发各类 AI 算法和服务 ©路透社

AI 产业化和产业 AI 化一横一纵，齐头并进。推进主体可能存在差异，也需要尊重传统产业逻辑。 

不管从质量还是数量维度，我们目前应该都是国内 AI 领域做的最领先的 FA 之一，手头有十多家 AI 初创公司的融资项目在跑，有一些对市场的观察和心得可以和大家分享：

★ VC 对 AI 相关赛道项目的热情很高，但实际出手很谨慎，出手的数量很少，且估值并没有给到太高的溢价，实际在出手的机构大概有二三十家，大多机构最多投过一两家，少数几个机构投过四五家。早期项目的估值在 5000 万左右居多，1 亿左右已经是很高的估值。

★ 机构的核心顾虑还是壁垒的问题，这里面一方面是市场发展太快，大家看不清楚，会担心大模型迭代太快，也会担心同质化问题严重，我们的体感也确实是大多项目讲的比较同质，不外乎是游戏、营销、图片生成、SaaS 等几个方向，且产品大多没有上线。

★ 我们对创业者实际的建议是，不要因为 AI 热就对市场抱有过高期待，且尽量避免在概念阶段就把过多经历放在融资上，还是先把产品做上线，或至少有个 demo，在当下 AI 市场中，谁先能做到基本的 PMF，谁就能有巨大的领先优势。另外就是创始人要尽量回答出对 AI 和所在领域的差异化认知。

★ 对于壁垒来说，我们实际观察下来觉得的当下市场最大的壁垒就是执行力和产品落地能力，因为实际上大多数人和机构还是高估了大模型的能力，低估了工程落地的难度。

Character AI 是一个基于大规模自然语言训练的 Chatbot Website，由 Noam Shazeer 和 Daniel De Freitas 于 2022 年 9 月创建，当前估值10亿美元。与其他 Chatbots 不同，该网站预先创建了许多聊天角色，例如名人、历史和虚构人物。用户可以直接与这些角色聊天，也可以创建自己的角色 © MattVidPro AI

我们常说技术为人服务，无论什么技术进步，都应该回到如何让人更好地交流、分享、获取信息、或是吃饭购物等日常基础需求上，那些过去和如今的巨头们无一不是如此。

就像我们熟悉的互联网时代，会有 BAT 这样的公司名称缩写组合，类似的各种简化或拔高，让我们偶尔会忘记他们之所以时常被提起，最根本的原因并非是那令普通人「难以想象的成功」，而恰好是他们代表了我们最平凡的日常需求。

因此我们同样相信，那些能让 AI 服务于我们普通人最频繁最日常需求的产品，会如微信、淘宝等助力普及智能手机一样，承担起 AI 的普及责任。