ginobefun
2个月前
#BestBlogs 安筱鹏:大模型应用走向“深水区”的四个风向标 | 阿里研究院 文章深度剖析大模型应用进入高价值“深水区”的四大关键风向标,并结合企业案例阐释 AI 如何从工具跃升至智能决策。 摘要: 本文由阿里云智能副总裁安筱鹏基于其在世界人工智能大会的演讲内容整理,深入探讨了人工智能应用如何从通用能力展示转向产业纵深,并提出了衡量 AI 是否进入高价值“深水区”的四个核心风向标:高价值领域数据的 Token 化、基于强化学习的后训练构建企业专属模型、构建多 Agent 协同网络形成数据飞轮,以及功能实现从“工具”到“决策”的跃升。 文章进一步将大模型应用分为 L1-L4 四个阶段,从基础模型的工具助理到结合强化学习的智能决策,层层递进。通过 Palantir、夸克高考志愿、电力负载调度和 Cursor 编程助手等多个典型案例,文章具体展示了这些风向标和阶段如何在实际企业应用中创造确定性的高价值,强调了 AI 从辅助性工具向核心决策引擎转化的重要性,为企业在大模型时代实现高增长提供了战略性指引。 主要内容: 1. AI 应用进入深水区的核心在于数据 Token 化、强化学习后训练、多 Agent 协作及功能从工具向决策跃升。 -- 这四大风向标构成了企业 AI 实现高价值增长的关键路径,强调了数据基础、模型优化、智能体协同和价值实现方式的全面升级。 2. 企业 AI 应用可分为四个渐进阶段,从“工具”到“决策”,结合基础模型与强化学习。 -- L1 至 L4 的划分清晰描绘了 AI 在企业中从辅助性 Copilot 向自主决策 Autopilot 演进的路径,指导企业逐步深化 AI 应用。 3. 多个企业案例共同印证了 AI 在复杂业务场景中创造的确定性高价值。 -- Palantir、夸克、电力调度和 Cursor 的实践表明,遵循上述风向标能有效推动 AI 深度嵌入业务,实现显著的商业回报。 文章链接:
我发现所有说自学的,理由无非就这两条 网上资料很多,现在有ai了 也就是说以前他们只有一条理由:网上资料多 似乎因为网上有无数的资料,就不用考虑资料的好坏、筛选、系统性、连贯性、全面性以及对零基础小白的友好程度了 反正有的是资料,你自己去拼凑吧,拼凑不出来就是你的问题,是你不行,是你不适合这个行业,你快走吧 我知道会有人说那不是有路线图吗,不是有csdiy吗? 我要说,几乎所有的路线图,且不论好坏,都只提供了非常粗粒度的路线,类似于一颗只有树干和最粗的几个支干的树,没有更细的分支就更别提叶子了,然而学编程的过程会遇到无数的细节,挨个搜索相应的细节理论上也能解决,但会花掉非常多时间,也会产生很多的挫败感。并且整个过程很繁琐。你能想象有人提问c++与++c的区别吗?不用看我就知道知乎一定有这样的提问。 事实上这两天就有好几个人加了我跟我说,看了csdiy一脸懵逼。 你会说,那你大喵自称这么会教,你把你的教法写成路线图不就好了? 这又是另一个问题了,即使有完美的路线图,执行起来也是困难重重的,这也是我为什么不把自己的教学写成路线的的唯一原因,最最基本的一点,如何保证读者能严格按照路线走并且付出足够多的时间? 自学逼这会儿估计又要说了,是你不热爱,你要是真喜欢的话,肯定会悬梁刺股的研究,你没主动的花足够的时间,就是你不适合这行。你就是不自律。 我请问你们嘴里那种程度自律的人有几个?你认识几个?你自己是吗?你儿女女儿是吗?你弟弟妹妹侄子侄女是吗? 以后你儿子女儿不能放学就主动拿起作业就做,不能早上6点就主动起床背单词,我就说他学习不好是不自律,你高兴不?你开心不? 蒸馍,就计算机必须热爱才能学?必须有天赋才能学? 怎么,计算机金逼镶钻了?
Panda
2个月前
调研GEO赛道半月后,我决定放弃纯GEO创业的想法,并分享一些关键洞察(相信我,目前还没有一个原生AI背景的人系统梳理过这个方向): 1. GEO与SEO本质趋同: 核心目标都是提升网站被发现率——SEO针对Google等传统搜索引擎,GEO则面向ChatGPT、Gemini等AI搜索。 2. GEO产品化创业难,服务型为主流: GEO领域目前难诞生规模化产品型公司。具备真实盈利的多为服务型公司,依赖传统B端销售模式,请客吃饭喝酒,很无聊,VC也懒得投 3. 产品化的核心需求唯二: - 趋势监测: 通过外部技术手段,逆向分析主流AI搜索(如ChatGPT、Gemini)的排名权重算法,模拟其策略,进而监控客户在AI搜索结果中的提及率、排名等关键指标。 - 网站优化: 原理类似SEO,但方法不同。传统SEO强调关键词匹配提升排名;而GEO因LLM能“理解”内容,优化重点在于**增强内容可读性与信息密度**——通过添加清晰段落、FAQ等,帮助AI快速抓取网站核心信息。这实质上是影响AI搜索策略中的“信息简洁性”因子。当前普遍做法是创建类似`robots.txt`的`llms.txt`文件,在GEO早期阶段,此文件往往能获得较高权重。 4. 功能单一,定价集中:现有GEO产品几乎都围绕上述两点,订阅费集中在$200-$400/月区间。 5. 效果验证与留存难题:无论融资与否,GEO产品化的核心痛点在于**效果难以量化**。即使将监测和优化做到极致,也很难向客户证明其流量增长直接源于你的服务。高昂月费下,客户续费率堪忧。 6. 玩家生态分化:(为避免争议,具体的公司名字都略掉了) - 无融资公司:多为做原SEO半死不活的公司转型而来。 - 获天使轮之后的公司:我看起来更像是产业合作探索,不是正常的创业流程。 - 拿了天使/种子轮,早期融资的公司:多为YC、A16Z等顶级孵化器试水性投资。 7. 严重的定位偏差与估值泡沫: 几乎大家都在讲GEO做好了是新时代Google的故事。起初我也被打动了,毕竟这样算的话,GEO就是一个万亿美元的市场规模,如果我能啃下千分之一的份额,那就是billion,独角兽了。但慢慢发现逻辑不对,**新时代的Google是AI搜索,而GEO只是新时代的SEO** 8. 国内外格局: 虽然全球GEO公司都很烂,但国内目前没看到像样的GEO公司,做的都是企业服务,一单单帮客户发水文水贴,尝试提高排名,固然有效但很无聊 最后我可能还是会回到喜欢的video领域。21年openai的CLIP发布之后,我们就内部训了Video-CLIP,可惜当时公司失败被收购了。现在我觉得环境更成熟了,还是想试试,没准还可以蹭个GEO+videoAI的噱头
Max For AI
2个月前