本文是基于過去對AI整個行業(yè)的觀察得出的猜想，等到年末，可以驗證一下這些里面有多少是符合的。

先概述這12個點——

1. LLM+”RPA”，可能是短期落地的最佳姿勢。
2. Open Al 會推出 100% AI生成內(nèi)容的類TikTok平臺。
3. Ilya正式退出OpenAI。
4. 還沒等產(chǎn)品爆發(fā)，安全問題可能會先爆發(fā)。
5. 現(xiàn)階段AI落地，B端實施不是剛需，但咨詢是剛需。（類比的，C端使用不是剛需，但嘗鮮是剛需。）
6. AI native產(chǎn)品需要積累新的數(shù)據(jù)，這讓大家會站到同一起跑線上。
7. “微信里接AI bot”成為小風(fēng)口。
8. “AI+HI”可能迎來第二春。
9. “一定是要改變工作流”，將作為“AI-native”的一個check標(biāo)準(zhǔn)。
10. 同構(gòu)交互學(xué)習(xí)，被逐步重視。
11. 智能汽車開卷！——類Sora方向的技術(shù)和產(chǎn)品體驗。
12. 生成式AI的最簡明的落地價值，不是生成，反而是提煉總結(jié)。

下面一個個來說。

一、LLM+”RPA”，可能是短期落地的最佳姿勢

RPA，雖然大家都看過這個詞，但可能還沒捕捉到其重要性。

1、RPA，即機(jī)器人流程自動化（Robotic Process Automation）

通過模擬鼠標(biāo)、鍵盤、觸屏等操作，自動完成人的各種軟件操作動作。

也就是說，可以把我們?nèi)粘５?strong>重復(fù)性動作，交給機(jī)器人來執(zhí)行，節(jié)省時間。

更加正式的定義和介紹，大家自行搜索dig。

2、為什么說，LLM+”RPA”，可能是短期落地的最佳姿勢呢？

本質(zhì)原因，是2年前我們就介紹過的，“（AI）只模擬感知能力，對勞動力的釋放是極其有限的”，經(jīng)濟(jì)效益價值也就極其有限。

當(dāng)時主要說的是，機(jī)器人（機(jī)械臂、自動駕駛、無人機(jī)）等能動的硬件載體。

而今年我突然感到，RPA，其實也是直接的釋放勞動力的載體。（一個實，一個虛）

3、為什么我今年突然sense到這點呢？

因為1月份時，我參加了某社群X里的“RPA提效”活動。

暫且不論授課效果，這個現(xiàn)象背后，有值得關(guān)注的底層原因——

1）社群X里，是怎樣的用戶畫像？愿意花2000多元/年、盯著“搞錢”的老板/個體，他們是商業(yè)嗅覺最敏感、離錢最近的人。

2）而且當(dāng)時那期航海里面，有24個活動選題（也包含AI繪畫等其他AI相關(guān)內(nèi)容），據(jù)說其中“RPA提效”是人次最多的！

以上2點本身，就是一種值得我們捕捉留意的“征兆”。

3）而且，從實際效用來看，我們有很多重復(fù)性的工作，確實是應(yīng)該、且可以被RPA輔助完成的。

4、為什么要這么重視“到底能否將AI應(yīng)用于勞動力釋放”呢？

因為只有這樣，AI才能擺脫“（降本增效的）工具”屬性，才能在商業(yè)化的時候，算得過賬來——讓客戶看清楚，因為AI，帶來了多少增量價值，然后才愿意分成多少比例。

相關(guān)內(nèi)容，在之前的文章里有提到過：

hanniman評注：要能“分潤”，那就真的要是雇傭一個人（實習(xí)生/兼職）的感覺……那就真的要能端到端的產(chǎn)生價值。那就真的要把機(jī)器人或RPA視為“必須拼圖”之一，因為要有實際的生產(chǎn)力效用。

5、現(xiàn)在的RPA工具（及教學(xué)方法），還不是特別好用，也正好說明，其中還有空間和機(jī)會。

不過，現(xiàn)有RPA上手和教學(xué)都比較不方便的，原因可能是，本質(zhì)還是在編程。

從用戶預(yù)期來說，我只是希望能自動完成整個交互操作過程而已——如果能根據(jù)我的“錄屏”就搞定，那才是amazing！

6、有一個詞，叫做“屏幕語義識別”，比如

OpenAI投資的“Induced AI”。

某開源項目，根據(jù)截圖，可自動生成交互圖和代碼，使用GPT-4V的API來完成任務(wù)。

一款由GPT4驅(qū)動的截圖管理工具，可將截圖轉(zhuǎn)化為視覺備忘錄，并基于內(nèi)容和GPT問答。

二、Open Al 會推出 100% AI生成內(nèi)容的類TikTok平臺

1、我在「深度 | 關(guān)于AIGC商業(yè)化的13個非共識認(rèn)知（8000字長文）」中提到過

未來真正的AI 2.0/元宇宙社交產(chǎn)品形態(tài)，核心差異化的點，不僅是人和AI社交，更在于“AI和AI交互、人去看（消費）這些AI產(chǎn)生的內(nèi)容”——那不是“游戲”，而是“生活”。

2、這個，其實在電影《失控玩家》中，已經(jīng)有過體現(xiàn)

3、而且，去年的文章已介紹過美國的相關(guān)案例——

Channel 1：24小時AI新聞主播，要做新聞頻道里的 TikTok

a）他們的AI 新聞節(jié)目，預(yù)計將于在X、FAST和其他傳統(tǒng)平臺推出。

b）如果是財經(jīng)新聞，會報道你持有的股票或你感興趣的領(lǐng)域；如果是體育新聞，會是你最喜歡的球隊。

c）希望每天制作500~1000個片段，收入來自對接系統(tǒng)里的廣告。

d）成立于 2023 年，大約 11 名員工。

我當(dāng)時也評注說：24小時的AI頻道，這是未來一定會成為現(xiàn)實的產(chǎn)品形態(tài)機(jī)會，里面有很多機(jī)會的。

4、但是，這個機(jī)會，可能還是會被OpenAI首先抓住，因為Sora已經(jīng)出來了。

而且Sora剛出來，整體的“完成度”就比較高，其他公司要想整體追上OpenAI，短期太難。

而一旦OpenAI開啟這個數(shù)據(jù)飛輪，優(yōu)勢將被繼續(xù)拉大。。。

三、Ilya正式退出OpenAI

如果他繼續(xù)沉默一整年，那只會意味著更大的“震動”。

四、還沒等產(chǎn)品爆發(fā)，安全問題可能會先爆發(fā)

這并不是那種天馬行空式的“想法”，而是有其背后的脈絡(luò)的。

1、所謂“爆發(fā)”，不是說數(shù)量上會有很多例，而是說，有“嚴(yán)重”的安全事故，會引起巨大影響和全社會廣泛關(guān)注的那種。

類似汽車、火車、飛機(jī)、自動駕駛早期的事故會死人，LLM雖然還不一定是這種類型的事故，但也可能造成嚴(yán)重的犯罪、經(jīng)濟(jì)、政治安全事故。

2、為什么隨著時間推移，“一定”會發(fā)生呢？

1）隨著AI調(diào)用量不斷增加，看似小概率的黑天鵝事件，慢慢就變成“必然”一定會發(fā)生的事情了。

2）之前AI 1.0 時代（NLP/規(guī)則），其實就已經(jīng)發(fā)生過了，只不過很多人并不知道而已。

當(dāng)年，有兩家AI公司的聊天機(jī)器人同時接入QQ群聊，因為涉zz的黑天鵝內(nèi)容，而一起下線了。（事后聽說，當(dāng)年是有境wai勢力故意搞鬼，截圖傳播的……）

3）現(xiàn)在AI 2.0（大模型/AIGC）本來就要更加不可控、有更多未知的風(fēng)險，而且還有更多主觀惡意、非故意性質(zhì)的安全問題。

對于大廠（或從大廠演化出來的創(chuàng)業(yè)公司），會有“一個部門”去支撐這種安全問題。

但全新的AI創(chuàng)業(yè)公司，短期可能會“難以達(dá)到及格線”，一旦出事，可能第二天就被封；

而fix這種大問題的時間門檻，甚至可能至少是6個月。。。

所以，隱患還是比較大的。

3、為什么2024年有更大可能（爆發(fā)安全問題）呢？

1）大概率的，會有一波AI應(yīng)用層的產(chǎn)品發(fā)布（因為去年年中，很多團(tuán)隊才run起來，6~18個月，總該發(fā)布了），有更大概率出現(xiàn)“調(diào)用量短期快速增長”的情況，那么出問題概率就更大。

（注：這里只是說用戶量或使用量，并不一定就是真正成功的產(chǎn)品出現(xiàn)，類似過去十年的智能音箱。）

2）其實有一些安全問題，已經(jīng)在發(fā)生了，只不過還沒有引起更加破圈的影響。

3）有越來越多的LLM安全隱患被暴露出來

「大模型隱蔽的后門漏洞風(fēng)險：提到關(guān)鍵詞，模型瞬間“黑化”」，這可能是比提示詞注入攻擊還要嚴(yán)峻的安全問題，現(xiàn)有安全機(jī)制無法防御。

「Nightshade：數(shù)據(jù)投毒的最新案例！」，模型中毒后，AI模型開發(fā)者想清理有毒的數(shù)據(jù)樣本也很難。

4）更隱蔽的原因在于，雖然揭露這些安全隱患的初衷，是為了防范，以及最近有不少LLM安全相關(guān)的解決方案公司和平臺。但是，但是，所有這些，其實同樣的升級了作惡者的認(rèn)知和技能點。。。

4、如果今年會有這種安全事故發(fā)生，我們該怎么應(yīng)對呢？

1）對于我們自身的AI產(chǎn)品，需要提前考慮、設(shè)計一些體驗流程環(huán)節(jié)，盡量減小事故發(fā)生后，對用戶和公司的影響。

具體怎么弄，之前說過很多次了，不細(xì)說；感興趣的會員，可以單獨微信問我。

2）對于我們個人職場發(fā)展來說，如果能提前關(guān)注、儲備一些相關(guān)的認(rèn)知和產(chǎn)品設(shè)計思路，有可能反而是個冒頭的機(jī)會。

比如提前對內(nèi)布道這個風(fēng)險，并發(fā)郵件出來（當(dāng)下別人不會真正重視的，以后要能找得到證據(jù)）。

比如事故發(fā)生后，自己能第一時間請纓解決，臨危受命。

比如將（LLM/AIGC）“安全”作為自己的差異化職業(yè)規(guī)劃tag，一點點的深挖和積累——這相關(guān)的人才，是非常非常稀缺的。如果你能有自己的認(rèn)知和建樹，今后在大廠里面，會非常容易拿高薪。

五、現(xiàn)階段AI落地，B端實施不是剛需，但咨詢是剛需

（類比的，C端使用不是剛需，但嘗鮮是剛需。）

1）最近某家AI公司提到，他們的解決方案里，不僅包括技術(shù)方案，還包括“咨詢服務(wù)”。

2）我在文章「關(guān)于AIGC商業(yè)化的13個非共識認(rèn)知」里提到的第12個點，“現(xiàn)階段做AI，要對標(biāo)的不是互聯(lián)網(wǎng)，而是通信/IT”，底層是相通的。

3）在之前的文章里，也提到過某互聯(lián)網(wǎng)大V轉(zhuǎn)型做AI咨詢業(yè)務(wù)的案例。

i，給別人做咨詢的前提，首先要自己能用好AI。

該創(chuàng)始人的幾個產(chǎn)品和服務(wù)網(wǎng)站，其實都是通過 ChatGPT 輔助、一個人完成的。

ii，用戶的需求是啥呢？

“最原始的出發(fā)點一般是

如何疊加 AI 的能力，直接或間接提高產(chǎn)品收入

如何整合 AI 的能力，直接或間接提高團(tuán)隊的人效”

iii，如何滿足？產(chǎn)品能力+咨詢能力，能快速理解客戶需求、定位出價值

更特別的在于，不僅是咨詢，最好還有方案設(shè)計、技術(shù)開發(fā)，即整套“交鑰匙”方案。

而且這種方案，是融合了“戰(zhàn)略咨詢、效率評估、業(yè)務(wù)應(yīng)用、流程優(yōu)化”的。

4）私下了解到，“從四大和埃森哲來說，AI落地的咨詢項目比較少，很多團(tuán)隊都沒活下去”；而小的創(chuàng)業(yè)公司，公開信息也不多。

5）另外幾點感想

i，“給企業(yè)做AI落地咨詢”這個方向，肯定有很多人會去做的，當(dāng)然，現(xiàn)在還算早期。

ii，但這種業(yè)務(wù)，比較重，也不容易做好。

iii，核心團(tuán)隊里，如果有產(chǎn)品基因的負(fù)責(zé)人主導(dǎo)，或者通信行業(yè)背景的人，會比較好；而不是技術(shù)負(fù)責(zé)人主導(dǎo)。

六、AI native產(chǎn)品需要積累新的數(shù)據(jù)，這讓大家會站到同一起跑線上

之前提到過，在AI-native產(chǎn)品設(shè)計中，對“數(shù)據(jù)”的認(rèn)知和實操，會被拉得非常高。

1，在之前的文章中有提到

“產(chǎn)品經(jīng)理越來越多需要想的事情是，怎么通過兩個數(shù)據(jù)集去開發(fā)一款產(chǎn)品，定義好了數(shù)據(jù)集，其實產(chǎn)品就定義完成了。一個是訓(xùn)練數(shù)據(jù)，一個是測試數(shù)據(jù)。訓(xùn)練數(shù)據(jù)決定了模型能提供什么能力，測試數(shù)據(jù)決定了模型的實際可用程度。

……功能是通過數(shù)據(jù)定義出來的，這才是 AI Native 的方式?！?/p>

2，這里，我再延展說一點（是行業(yè)還沒有清晰共識的）：AI native產(chǎn)品需要積累新的數(shù)據(jù)，這讓競爭可能站到同一起跑線上。

3，為什么呢？

大家默認(rèn)以為，是過去積累的數(shù)據(jù)都是有價值的，或者說權(quán)重比例非常大的。

但我的體感是，真正適合AI 2.0的數(shù)據(jù)，是那些之前所有人都沒有的數(shù)據(jù)，是基于know-how的過程數(shù)據(jù)——需要重新去定義和積累，從0開始的。

4，舉個例子，比如我的文章看起來，最原子的input是文章鏈接url、output是我的提煉內(nèi)容

那簡單拿著這些數(shù)據(jù)，去訓(xùn)練一個AI，效果大嗎？

效果不會那么好。

因為我的提煉過程，其實分了3步

i，對于文章內(nèi)容，我先“捕捉”我認(rèn)為真正有價值的干貨點，摘錄出來

ii，對摘錄出來的內(nèi)容，做精煉。比如原文10個干貨點、300個字，我精煉成10個點、150個字；

iii，再整體地、按照我的理解，重新做邏輯整合、重擬標(biāo)題

也就是說，如果我要訓(xùn)練這樣的Agent，我是會需要從零開始積累這些過程數(shù)據(jù)。

5，這個本質(zhì)變化導(dǎo)致了，即使其他人想copy我的這個Agent，不僅不可能有我自己的效果好，而且我如果愿意，是可以每天進(jìn)化的，因為我每天的AI日報，都可以貢獻(xiàn)新的數(shù)據(jù)。（即使他竊取到了我之前的過程數(shù)據(jù)，但第二天開始，他又會比我的Agent差一點點。）

——這也是我之前所說的，這種方式下，AI-native產(chǎn)品是真的可以“每天”進(jìn)化的。

6、如果以上邏輯成立，那么，大家可能都站在了同一個起跑線上。

7、如果你是現(xiàn)在的巨頭，其實是危機(jī)很大的；如果你是個體，是有機(jī)會搞點事情的。

七、“微信里接AI bot”成為小風(fēng)口

應(yīng)用角度起勢的AI小風(fēng)口，最早可能不是某個具體的應(yīng)用或方向，而是微信這個“場景/場域”。

1，從AI作為Agent/助理的角度，其實是容易想到，把AI作為聊天軟件的一個“聯(lián)系人”去對待的。

而且這種國民性的IM，本身就有海量的、用戶和“長尾”場景！是創(chuàng)新價值涌現(xiàn)的溫床。

2，現(xiàn)在，已經(jīng)有些這種模式的AI產(chǎn)品在冒頭了

1）之前的文章里提到過：

“有一家 SaaS 公司，客戶和使用群體文化水平不高，他們還做了一個企業(yè)微信，用戶平時其實很少需要打開 SaaS 去復(fù)雜操作，只需在微信里說一句話，后臺就會自動完成操作。”

2）Shelpful，主要通過 WhatsApp 等平臺信息形式，幫助用戶建立習(xí)慣并處理/提醒日常工作。

3）AI日程助手Dola

4）之前的文章里提到的哄哄模擬器，其實也有參考價值。

3、一方面，對于用戶群的預(yù)期，年輕人可能更容易爆一些，另一方面，有個小風(fēng)險，就是一旦爆了，可能會被封。

anyway，這個點，一般業(yè)內(nèi)說的比較少，大家可以結(jié)合自身業(yè)務(wù)和熟悉的領(lǐng)域，琢磨下~

八、“AI+HI”可能迎來第二春

1、之前的文章里提到了Sam Altman投資300萬美元的公司Shelpful ，簡單說就是為了提供生活助手服務(wù)，采取了三種產(chǎn)品形態(tài)：AI ，AI + 真人輔助，真人 + AI 輔助。典型目標(biāo)用戶是，需要外部激勵和組織幫助的個人、面臨時間管理挑戰(zhàn)的職場人士和家長。

2、其實8~10年前的AI 1.0時代，就已經(jīng)有公司做“AI+HI（人工）”來提供個性化服務(wù)的產(chǎn)品了

最初是美國一家公司火了，名叫Magic，然后國內(nèi)一批抄襲者，但后面都沒做起來。

（有點驚訝的是，我現(xiàn)在去搜Magic，微信公眾號文章里，竟然都搜不到當(dāng)年的報道了。。。然后換36氪，才搜到2015年的這篇報道：https://36kr.com/p/1720960401409 ）

3、當(dāng)年為什么做不起來？

因為傳統(tǒng)NLP能力提供不了充分價值（不論理性還是感性），雖然各家公司鼓吹A(chǔ)I，但本質(zhì)（大部分比例）就是在用人工提供1對1的服務(wù)，這樣當(dāng)然收入覆蓋不了成本。

4、現(xiàn)今為什么“有機(jī)會”、可以搞一搞了？

因為LLM/ChatGPT首次突破了價值瓶頸（不僅帶來理性價值，還有感性價值、可極大增強用戶心理粘性），使得“AI+人工”的模式有機(jī)會ROI跑正。

5、更deep的洞察：這種模式，還可能會帶來“新增職位機(jī)會”

我初步命名為“AI協(xié)作咨詢師”，不僅可以給高客單價的、原本就有90分位能力的咨詢“專家”引流，還可能讓本來不具備咨詢能力的、原本只有70分位的普通人賦能，使其也能給用戶提供80分的咨詢服務(wù)。

本質(zhì)上，這也是一種信息差。即，如果用戶自己學(xué)會了如何使用AI（GPT-4），那就不需要這種服務(wù)了。當(dāng)然，這也跟他的教育程度相關(guān)——有的人不能真正學(xué)會用AI，那就購買這種服務(wù)，也行。

6、大模型畢竟是技術(shù)維度的東西，現(xiàn)階段直接拿來用的產(chǎn)品維度效果，總還差口氣，如果通過這種模式“補齊”gap，不說定真能有機(jī)會出來。

九、其他猜想點

（一）hanniman個人猜想

1、“一定是要改變工作流”，將作為“AI-native”的一個check標(biāo)準(zhǔn)。

2、同構(gòu)交互學(xué)習(xí)（網(wǎng)上沒有這個說法，我自己DIY的），被逐步重視。

類似之前爆火的Aloha機(jī)器人——人在操作，機(jī)器同步學(xué)習(xí)。

另外，在使用RPA的時候，其實也有一樣的需求——我只是希望完成目標(biāo)效果（某些自動化操作），為什么非得讓我學(xué)一點點的操作那個界面？其實本質(zhì)和coding是類似的。

3、智能汽車開卷！——類Sora方向的技術(shù)和產(chǎn)品體驗。

4、生成式AI的最簡明的落地價值，不是生成，反而是提煉總結(jié)?？蓞⒖肌肝铱吹降腁IGC落地機(jī)會1）Summary AI Service https://t.zsxq.com/0dOqlnIpx 」

5、目測6個月內(nèi)，會有一輪洗牌（不論是公司還是人才）。

6、借力AI，會有更多新的個體崛起機(jī)會（副業(yè)），甚至?xí)?dǎo)向團(tuán)隊先進(jìn)性的競爭（基于AI-native的組織架構(gòu)）

（二）基本認(rèn)同的一些行業(yè)預(yù)測

1、2024年，將是初創(chuàng)AI公司嘗試基于結(jié)果定價的一年。

2、中國AI出海產(chǎn)品打開了新局面。

3、OpenAI會發(fā)布GPT-4.5或GPT-5，成本還會下降。

4、多模態(tài)、Agent、端側(cè)/小模型。

5、關(guān)于AI生成作品的法律訴訟和沖突層出不窮。