大模型炒了一年,为什么到现在都没见到什么火起来的新应用?

大模型炒了一年,为什么到现在都没见到什么火起来的新应用?
收藏者
0
被浏览
31

6 个回答

中年大叔 LV

发表于 5 天前

这个问题被提出快一年了,没想到一年过去,这个问题还有效。既然可能长期有效,我也来分享一些个体视角的看法吧。
先讲一下我们自己的例子吧。
创业18个月以来,做出过:

  • 2个10万量级注册用户的C端产品,2个数万用户的C端产品(其中3个都因不可抗力死掉了)
  • 1个服务了数十家SMB客户(客单价千元级别)的轻定制化B端产品
  • 1个服务过一家大客户的定制化B端产品(客单价10万元级别)
  • 3个还没面世就死掉的

    • 没研发出来(超过技术边界)
    • 没探索出高效的获客方法
    • 空白市场/伪需求

你没看错,平均2个月一次新产品尝试。
有过单月收入数十万的经历,也有过单月进账不到一万块,支出15~20万/月的高压阶段。算是AI应用创业的酸甜苦辣都吃了一遍。
一点感触是,大火靠势才能实现,小火靠抄就能实现。

但话说回来,既然海外小火的应用蛮多的,抄抄就经常能小火,但为啥在国内“没有被大量抄火”呢?
首当其冲的就是模型能力问题。
即便是今天,国内的大模型基础能力依然很不够用,一些应用如果你用claude、gemini等海外模型能搞定,但如果换到国内的大模型生态,就常常发现找遍了也找不出来平替。尤其是场景复杂,要解决很多子任务的时候,这时候找国内平替基本是灾难性的。
当然了,你可能会说,我不去调用国产API,我自己训不行么?
要是你为了试错一个应用可不可行,而去搞模型训练,那么得先准备好几十万预算去做大模型备案...

除此之外,如果产品很幸运的ready了,后面还有两道鬼门关。

  • 平台霸权
如今各大互联网平台已经掌握了绝对的传播链条控制权。如果你一个创业公司,借势成功了,进入即将爆火的阶段的时候,常常会发现,你被传播链条所在的流量平台盯上了,无论是腾讯系、字节系、小红书还是其他什么系,流量暴涨的东西很容易遭遇平台的强审查。
然后你就发现传播链接伴随着“内容违规/URL被屏蔽”戛然而止。你的产品名也就成为平台的限流词(除非乖乖去花钱投流,但创业早期投毛线流)。
这样的结局,做出过“一波流”的AI应用创业者交流起来常常会有所感触。
2. 低估了安全问题
生成式AI确实关乎着国家安全、社会稳定,所以要强管控以免失控。
而强管控,就意味着,一旦一个应用趁势起飞了,很可能会因为没提前做好相关备案而被关停。
chatbot、写作、语音、绘画等各个领域都屡见不鲜。
你要问创业者为啥不提前做备案,ta常常会说——
我这就三两个用户的,手里本来也没多少钱,现在拿出来几万块搞这个是不是本末倒置了?
结果,没火的确实赚了,火了的肠子悔青了。
今年下半年,其实这个情况已经改善了很多,大部分有融资的创业者已经有意识的在推产品前,先花几万块把算法备案搞定以绝后患。可惜,下半年以来,大众对于AI的情绪也凉了不少。

对一个创业者来说,每个能爆火的产品背后可能是打磨数月才押中的爆发。这样的技能点与市场恰好matching的运气和时机,是可遇不可求的。
一个创业者,一年内,能押中一次已经属实不容易了。
最理想的状态是,押中后,趁势起飞,迭代产品、增长、商业化策略,快速构建正反馈闭环。
而现实中,由于爆火的产品往往难逃以上几种劫难,所以最后常常会变成大厂的养料——
爆火被看到了,大厂便可以火速抄起来了。

而创业公司最头疼的流量获取、平台霸权、AI安全问题,在大厂那里反而都成了优势。所以一波操作下来,创业公司成了大厂养料。
虽说爆火的不一定真能最终起来,但由于爆火后死的太快,导致创业者要建立势能的难度是非常大的。
所以近两年很多聪明的产品经理,干脆认清形势做自媒体了。
而另一条被验证的路子,就是国内验证完pmf后,通过出海来积累势能。
但这就又对于人才梯队的建设,提出了另一个极具挑战的命题。
说到这里了,如果你恰好是一个在出海增长这方面非常擅长的小伙伴,请联系我∠( ᐛ 」∠)_

旅顺的海 LV

发表于 5 天前

因为很多产品就没做好,甚至就没打算用力做,做标准化产品很多时候无法发挥大模型真正碎片处理能力,另外,roi也导致很多真的非常依赖大模型的场景,无法聚力资本做大
目前大模型都在处理高频需求,其实一定程度违背大模型未来的能力
目前我算了一下,大概分成三种模式
一种是需求高频,比如文案,绘画,聊骚等,模型接入量大,以训练大模型, 然后本质还是卖算力的角度来看,大家更加希望无时无刻机器都不闲着。但是高频需求竞争多,有些写文案的功能,实话说我都怀疑是不是非要上的牛刀。。一定程度来说,社会高频需求往往不太需要高精尖的ai能力,就是矮化大模型能力,好比我研究dnn,到头来就是如何concat特征推荐擦边一样,内行觉得很牛逼,外行嗤之以鼻
第二种是低频需求,但是频繁需要依赖,做一次就可以无脑复用,但是这种业务不挣钱,大多数也不需要太强的大模型,私有化部署一套差不多就能解决了,比如知识库问答,企业oa一些东西,我做了一套给企业觉得这东西没啥技术含量,也不挣钱,未来也可能不挣钱
第三种更加低频的需求,而且做完一次下次大概率就不做了,比如各种鸡毛蒜皮的问题,如刁钻的形式主义文件批量处理,协调一堆人干一件事涉及abc文件合规等,帮忙整理多个很复杂的表格,这种事情是普通人每天都被迫消耗好几个小时的破事,而且做完可能下次就没下文了,你要为这点琐事做个大模型不值得,所以极其依赖一个强大通用的大模型,但是目前市场模型,包括gpt做起来都很费劲,人肉做也才2个小时,用gpt光写各种知识库和约束性条件,就花了3个小时,算下来还不如人肉干。
这个平衡点就在于,你自己干,和让其他人干,那种方式更加快,有时候沟通清楚上下文,是很累的事情,这也是pua大模型干活的一个难度
但是,值得注意的是,就这种机器干还是人干的battle,可是普通用户付费意愿最为强烈,但是很难表达清楚的,也是最难的问题。
难到啥程度,我最近基本花了两周才靠langchain外加各种奇怪的meta prompt之类的技术,在mac上写开发了n个扛炮,才解决数百份教务处极其复杂变态的表格计算,用于应付教育部神经病检查,花了我50多美元。但是这工作只能学校小圈子内用,我纯粹解决了小圈子的需求而已
但是这事情单纯只是我个人能力有限,我从这事情更加明白有个未来,我迫不及待,就是能不能减少我和大模型的互动次数,让大模型独立拆分任务然后自动完成
这种应用才是我理解大模型真正王炸级别应用,但是至今为止我没有发现,大多数都是chat,每个chat置顶功能无非还是文案,日报,聊骚看的人都腻歪的。

wddp LV

发表于 5 天前

我从一毕业开始就一直在从事ai算法方面的工作,可以说是这几年ai算法快速发展的亲身经历者,见证了ai算法从我上学时的SVM时代,到CNN/RNN时代,再到Bert时代,再到大模型时代。可是如今在看似最火的AI时代,我却放弃了这个我最熟悉的领域,选择换了一个全新的赛道进行创业,就是因为我认为,ai技术的发展其实解决不了ai落地的困境,如果不打破生产力的枷锁,所谓的技术进步只能是屠龙之术。
其实AI从创立之初,到现在的大模型时代,它的核心作用一直没变过:就是帮人类提高自身的生产效率。不论是帮你写代码,还是帮你作画,还是帮你做视频等等等等。AI的核心是帮你。就这点来说,大模型的很多产品已经做的相当不错了,然而对我们来说,似乎感觉还是没什么太大的用处,我认为这不是大模型的问题,而是我们的问题:尽管他能帮我做很多事情,但是似乎我本来就已经快无事可做了。换句话说,没有增长的需求了
因为我们都知道,不论国内外互联网行业,自18年以后,基本就没有再出过什么新的有影响力的创新应用了,所有的业务场景基本已经被几个大公司瓜分殆尽。在已有场景里后来者挑战的成本越来越高,而凭借用户生态的护城河,即使大公司一直在做自毁长城的举动,事实上除非极少数的情况(领域没落,类似百度的搜索),似乎永远是固若金汤。在这种情况下,大公司里的员工其实本来就是过剩的,大部分的需求都是伪需求,与其说招这么多人是为了做出什么来,倒不如说是单纯为了增加挑战者的用人成本给对方添堵。
明明互联网平台的核心壁垒是无数的生产者和用户,主要贡献者是公司一线的从业人员,可实际的利益掌控者往往只是最早期投资者和可能早就退居二线的创始人们。其实现在互联网任何一个领域,任何一个应用,都不是尽善尽美的,都有很多创新的空间可以发挥,这些都是潜在的增长点,ai对生产力提升都可以起到巨大的作用。但是这种垄断优势+利益分配不合理的格局导致创新这件事情:平台外的人没法搞,平台内的人没权力和动力搞,所以整个互联网行业就变成了一潭死水。
没有需求,生产效率提的再高,又有什么价值呢?即使有一天,ai的生产力提到极致,可以根据你说的一句话,就给你生成一个微信或者抖音出来,那又如何呢,你就能挑战微信、抖音了?大概率还是跟现在一样,没什么价值。
所以我认为,治病就要治病根,如果不先把这种垄断且腐朽的生产关系打破,生产力再提高也是徒劳。

ligb LV

发表于 5 天前

因为正如antirez所说的
“今天的大模型是个博学的白痴。”
我个人在生活中算是大模型用的很频繁的,工作生活中很多时候会依赖大模型打辅助——比如copilot辅助我写代码,chatgpt和它的gpts们帮我制定健身计划和修改一些文字细节,midjourney帮我生成各种图片作为头像或者配图。
在使用中感觉大模型确实能帮我提高效率,大概是把三个小时的工作浓缩到一个小时去完成,比如自动生成单元测试和代码模板,自动帮我写一些通用的查询逻辑,省掉我四处搜索百度再重新整合的过程。
但是我花费的这一个小时是目前的大模型完全无法替代的,或者说要提供远高于我当前的个人时间成本的各种语境和经验信息才能让大模型有机会去花费我所花费的这一个小时。
antirez(Redis之父)说大模型是“博学的白痴”,这个说法我个人认为是很精确的——大模型目前没有专注化和场景化的一些能力,知道很多东西,但是都知道的很浅,没有根据具体情况进行调整和改变的能力,也没有真正的主动补全最后一块拼图的能力。
我认为今天的大模型和区块链有异曲同工的妙处:
圈内人都聊的很火,觉得未来已来;圈外人一脸懵逼,觉得圈内人都是炒作概念割韭菜。
大模型的未来应用大概有两条路,一种是彻底成为少部分人的工具,就好像掌握PS和写代码的永远只是少部分人而已——这种情况下也就不会存在什么以大模型为卖点的新应用了;一种是降低大模型的可见度和使用难度,就好像电子终端设备从台式电脑变成手机一样,大部分人都可以毫不费力的获得和使用这个产品,人们甚至都不再那么关注自己使用了大模型这件事情本身。

少看知乎多读书 LV

发表于 5 天前

以下只是个人的观察,可能不准确,在这里和大家一起讨论学习。
我个人感觉,很多大模型的实际效果,以及操作成本还是没有达到可以大规模商用的程度。
首先,由于大部分大模型或者ai模型做的事情是去替代人类,所以会不可避免地和已有的方法管线产生冲突(包括和相关从业人员的冲突),而且从效果效率上来看,并不一定可以达到预想的效果。我这里分别举几个栗子,
比如炒的火热的aigc领域,各种算法模型生成的内容很难满足业务的需求。text23d算法,很多生成的模型材质和光照没有解耦,只能看看,没有实用价值,或者就是生成的模型质量太差,很难接到后续的管线里面得到高质量的内容。美术来手动改算法输出的模型,还不如自己重新做一个。再比如各种text2video模型,实际上手一用,就会发现artifacts及其多,基本上好的结果只是挑出来的,也没法用。再比如text2motion的模型,稳定性较差,有时候你随便换句话它就不work了,比如我说一句生成一个人边倒着走边挥手,基本上大部分炒的火热的模型都生成不了正确的模型。连这种粗糙粒度的生成做的都很有限,更何况要满足生成专业美术需求的内容。 结合这些例子来看,其实很多AI模型生成的结果还是不够满意,而且控制性不好,很难达到提升效率的结果。
由于这些局限性,这些模型很难做到2b,如果做2c的话,的确对生成内容的质量要求有所下降,但是现在也没有一个合适的平台来提供这样的需求,普通人目前没什么需求去做各种3d模型,动画之类的。导致模型的落地上不去,下不来。
我的感觉是,人容易高估短期的进步,低估长期的进步。想要把这些模型做到实用,在技术和业务上还是要踏踏实实地走很多路。远不是一些公众号自媒体每天瞎吹的那样。希望和从业者一起努力,推动行业进步!

chenyumai LV

发表于 5 天前

关于大模型炒了一年却未见明显实际应用火热的原因,这涉及到技术成熟度、市场需求以及应用落地等多个方面。<br><br>首先,虽然大模型技术备受关注并迅速发展,但仍处于技术成熟度曲线的初级阶段,需要进行进一步的技术攻关和创新迭代。其次,市场对大模型技术的应用需求尚在不断发掘中,需要更多符合实际需求的应用场景来推动其普及。此外,应用落地也需要时间进行试验、优化和完善,以确保其性能和用户体验。<br><br>因此,虽然目前尚未出现大规模火热的新应用,但随着技术的不断进步和应用场景的不断发掘,相信未来会有越来越多的大模型应用落地并得到广泛应用。

您需要登录后才可以回帖 登录 | 立即注册