過去這一年，AI領域的新聞都是大模型的故事來來回回講，有沒有其他更令人心動的信息？這篇文章，我們來看看作者總結的信息，以及對明年的展望。

今天想和大家聊一聊2024年AI領域的發(fā)展。

如果單純從產(chǎn)品層面來看，今年似乎沒有特別令人驚艷的突破。別說是夢想中的AGI了，就連能稱得上現(xiàn)象級的AI應用，似乎都不太多。今天，我就來聊聊這背后的原因。

首先，我們需要理解技術發(fā)展的基本規(guī)律。任何新技術的發(fā)展都要經(jīng)歷這樣幾個階段：從前沿技術突破開始，到找到具體應用場景，再到產(chǎn)品化落地，最后通過市場運營獲得規(guī)模效應。

拿移動互聯(lián)網(wǎng)來打個比方。從第一代iPhone發(fā)布，到移動支付真正普及，中間經(jīng)歷了將近十年時間。期間誕生了無數(shù)創(chuàng)新應用，有成功的，也有失敗的。正是這些不斷的嘗試，才最終形成了今天這個龐大的移動互聯(lián)網(wǎng)生態(tài)。

回到AI領域。實際上，如果從技術可行性來說，現(xiàn)在的大語言模型已經(jīng)相當不錯了。它們可能還達不到頂尖專家的水平，但至少能達到及格線以上的表現(xiàn)。在很多場景下，AI已經(jīng)可以勝任日常工作中60%到70%的任務。

比如說在內(nèi)容創(chuàng)作領域，AI可以幫我們完成初稿撰寫、文案潤色；在編程領域，AI編程助手可以提高開發(fā)效率；在客服領域，AI已經(jīng)能處理大部分標準化的咨詢問題。

但是，為什么我們還是覺得少了點什么？為什么沒有看到更多令人印象深刻的應用出現(xiàn)？

經(jīng)過這一年的觀察和思考，我認為主要有兩個關鍵因素在制約著AI的發(fā)展。

第一個因素是垂直領域訓練數(shù)據(jù)的匱乏。這個可能不太好理解，讓我打個比方：假設你要培養(yǎng)一個醫(yī)生，除了要學習基礎理論知識，還需要大量的臨床實踐。要看很多病例，跟著老師查房，慢慢積累經(jīng)驗。只有經(jīng)過這樣長期的訓練，才能成為一個合格的醫(yī)生。

AI模型也是一樣的。雖然現(xiàn)在的大模型已經(jīng)具備了很強的通用能力，但要在特定領域達到專家水平，仍然需要大量優(yōu)質(zhì)的訓練數(shù)據(jù)。

說到專業(yè)訓練數(shù)據(jù)這個話題，我想跟大家分享一個很有意思的理論。產(chǎn)品大師俞軍曾經(jīng)說過：新技術要想取代舊方案，新的使用體驗必須顯著優(yōu)于舊的體驗，最好能達到10倍的提升，至少也要有50%-100%的改善。否則，用戶很難改變已有的使用習慣。

這讓我想起了搜索引擎的例子。在移動互聯(lián)網(wǎng)時代，雖然各個APP都形成了信息孤島，但為什么還是有那么多人在使用搜索引擎？就是因為這種使用習慣已經(jīng)深深植入到人們的行為模式中了。

年末突然火起來的DeepSeek就很能說明這個問題。實際上在2024年初的時候，我就預判到，專業(yè)領域的訓練語料將會成為未來AI發(fā)展的關鍵中的關鍵。那些專門生產(chǎn)優(yōu)質(zhì)訓練語料的公司，它們的價值被嚴重低估了。

我們現(xiàn)在普遍采用的訓練方式，可以說是一種”大力出奇跡”的方式 – 把能找到的語料都扔給AI大模型去學習。這種方式確實能讓AI達到及格線，但要想真正突破，可能需要換一種思路。

比如說，組建專門的人工專家團隊，每天有針對性地訓練和調(diào)教AI模型。無論是法律專家、醫(yī)學專家，還是其他領域的專家，都可以參與進來。這時候我們需要的不是大而全的大模型，而是小而精的垂直模型。

說到這里，我想分享一個我的親身經(jīng)歷。我現(xiàn)在是Cursor的付費會員，這是一個AI編程助手。為什么在編程領域，AI助手已經(jīng)能夠相對成熟地跑通商業(yè)模式？

這是因為編程領域的訓練數(shù)據(jù)相對容易獲取，而且有很強的結構化特征。GitHub上有海量的開源代碼，Stack Overflow上有大量的問答內(nèi)容，這些都是高質(zhì)量的訓練材料。

但是換到其他專業(yè)領域，比如醫(yī)療、法律、金融，優(yōu)質(zhì)的訓練數(shù)據(jù)就沒有這么容易獲得了。這些領域的知識往往都是非結構化的，而且很多寶貴的經(jīng)驗都存在于專家的頭腦中，沒有被很好地數(shù)字化。

接下來讓我們來看看第二個制約因素 – 資本市場的態(tài)度轉(zhuǎn)變。

回想過去十幾年互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的黃金發(fā)展期，為什么那個時代會誕生那么多令人印象深刻的產(chǎn)品？除了技術創(chuàng)新之外，資本的推動力是非常關鍵的因素。

電子商務領域有淘寶、京東的崛起，團購時代有美團、大眾點評的迅速擴張，出行領域有滴滴、快的的激烈競爭，共享經(jīng)濟浪潮中更是掀起了共享單車的熱潮。這些產(chǎn)品能夠快速進入大眾視野，背后都離不開資本的助推。

當時的商業(yè)邏輯是什么？先燒錢獲取用戶，形成規(guī)模效應，再考慮商業(yè)化變現(xiàn)。這種模式在當時是可行的，因為資本市場愿意為未來的想象空間買單。

我記得在線教育領域就是一個很典型的例子。幾年前，為什么會迎來爆發(fā)式增長？很大程度上要歸功于資本的推動。當時頭部的猿輔導融資幾十億美金，每天投放的廣告費用都是千萬級別。這種密集的營銷投放迅速提升了品牌知名度，讓產(chǎn)品快速進入用戶的認知范圍。

但是現(xiàn)在的環(huán)境完全不同了。

現(xiàn)在的投資人更關注什么？現(xiàn)金流、盈利能力、商業(yè)模式的可持續(xù)性。簡單來說，就是要看到實打?qū)嵉纳虡I(yè)價值。這種轉(zhuǎn)變帶來了什么影響？新產(chǎn)品想要脫穎而出，必須更快地完成商業(yè)化閉環(huán)。不能再像以前那樣，先燒錢獲取用戶，再慢慢思考變現(xiàn)方式。

最近我收到很多創(chuàng)業(yè)者的咨詢，都在問：”現(xiàn)在想要在AI領域創(chuàng)業(yè)，該怎么辦？”我的建議是，要更加注重商業(yè)模式的可持續(xù)性。具體來說：

首先，產(chǎn)品定位要更加精準。不能再像以前那樣撒網(wǎng)式地嘗試各種可能性，而是要聚焦在能夠帶來直接商業(yè)價值的場景。

其次，商業(yè)模式要更加清晰。最好能在產(chǎn)品推出的早期就建立起可持續(xù)的收入來源，而不是一味依賴融資支撐。

第三，成本控制要更加嚴格。無論是技術開發(fā)還是市場推廣，都需要更加謹慎地評估投入產(chǎn)出比。

說到這里，我想和大家分享一些我觀察到的新趨勢。雖然2024年可能沒有帶來轟轟烈烈的AI革命，但我們已經(jīng)看到一些非常有意思的發(fā)展方向。

第一個趨勢是垂直領域的突破。越來越多的企業(yè)開始專注于特定領域的AI應用。比如在法律領域，已經(jīng)有了智能合同審核、法律文書生成；在醫(yī)療健康領域，有AI輔助診斷、醫(yī)學影像分析；在金融領域，則出現(xiàn)了智能風控、投資分析等應用。

這些應用雖然還不夠完美，但已經(jīng)展現(xiàn)出了巨大的潛力。特別是當它們開始與傳統(tǒng)行業(yè)深度結合時，往往能產(chǎn)生意想不到的化學反應。

讓我給大家舉個具體的例子。在建筑設計領域，已經(jīng)有公司在嘗試用AI來輔助建筑方案生成。這不是要取代建筑師，而是幫助他們更快地進行方案探索和優(yōu)化。一個經(jīng)驗豐富的建筑師可能需要幾周時間來完成初步方案，但有了AI輔助，可能一天就能生成幾十個備選方案。建筑師可以從這些方案中獲取靈感，然后進行深化和優(yōu)化。

這就是AI真正的價值所在 – 不是取代人類，而是增強人類的能力。

第二個值得關注的趨勢是商業(yè)模式的創(chuàng)新。最近我注意到越來越多的公司開始嘗試”AI+服務”的混合模式。基礎層面用AI處理標準化的工作，復雜問題由人工專家介入，AI和人工專家相互配合，不斷提升服務質(zhì)量。這種模式的好處是能夠提供穩(wěn)定的服務質(zhì)量，成本可控，而且有持續(xù)改進的空間。

第三個趨勢是AI與其他新興技術的融合。比如AI+IoT在智能家居、工業(yè)物聯(lián)網(wǎng)、智慧城市領域的應用；AI+AR/VR在虛擬助手、沉浸式教育、數(shù)字孿生等方面的探索。這些跨界融合往往能帶來意想不到的創(chuàng)新。

最后，我想和大家分享一下我對未來的一些思考。

很多聽眾在后臺留言問我：”你覺得現(xiàn)在進入AI領域是不是太晚了？”我的答案是：一點都不晚。相反，現(xiàn)在可能是最好的時機之一。

為什么這么說？因為現(xiàn)在的AI發(fā)展已經(jīng)進入了一個相對理性的階段。技術趨于成熟，市場需求更加清晰，商業(yè)模式也在逐步驗證。這恰恰是最適合深耕細作的時候。

就像播種和收獲，表面上看起來平淡的生長期，實際上是最關鍵的積累階段?，F(xiàn)在的AI領域正是這樣，雖然缺少轟轟烈烈的突破，但暗流涌動，正在孕育著下一波革新。