泡沫和遗产：如何看待 ChatGPT 发布 API 后的AI领域

00:04中间这一层，最上有老下有小，还在工作又要奋斗的这批人，其实确实会受到蛮大的冲击的。

00:12对啊，一个平台崛起，一定会有大量的流量红利机会，一定有人跟得快跟得慢。

00:19未来只要等到中国的大模型出来，我估计就瞬间爆炸。

00:23它有可能像现在的电商一样，就永远不会有战争终止的那一天。这些机会我觉得不是属于所有人的，就是你原来是干什么的，可能它就属于你。大家好，过去一周不知道大家是什么感觉啊，就是我觉得这个ChatGPT变得更热了，而不是说热度下来一点，或者大家不太关注了。

00:49而且我周围也看到有一些朋友的团队已经开始，呃，组团队融资，开始启动做项目了。对对对，所以基本上感觉是说，真的有一点那个，这个移动互联网那个时候的那个感觉了。

01:00我早几天还在跟我太太在聊说，就因为2012年做移动互联网的时候，就感觉每天都有新东西嘛。然后每天你就拿到那个，哪怕是一个很傻的东西，什么什么pass，什么一个UI的小创意，然后大家都来嗨一段嘛，对吧？每天都有奇奇怪怪的玩法，然后就觉得，哇，现在好像那个时候啊，已经十年没有碰到这么热闹的时候了，

01:22每天都有新东西玩。

01:23特别是这一轮，感觉是在同一个起跑线上一起来做事情嘛。我觉得这个是这一轮这个过程中的一个比较明显的主题嘛。就是当然我我觉得不完全是这样的，我觉得这第一个主题我称之为叫洗牌嘛。就是说不管是从大语言模型这个逻辑来讲，从开发应用的角度意味着所有过去，你不管你说我做呃语音识别也好，

01:44我做这个自然语言处理也好，就是我积累了很多经验也好，数据也好，但是在大语言模型出来之后，那此时此刻我觉得可能还不明显啊，因为就是OpenAI并没有把它的模型开源嘛。然后这个模型规模也很大，可能一个小公司也没有办法很快的能够把它跑起来。

02:02但是在这个比如说图片生成上其实特别明显，对吧？因为Stable Diffusion把这个东西开源了，所以你会看到有大量的个人就做了一个小项目，立刻就火了。就是前两天我还看到有一个叫RoomGPT，就他能干个什么事呢？他就是说你把你房间拍个照拍下来，他用的也是就是统一的方案嘛，ControlNet加Stable Diffusion，

02:22代码也开源了嘛。就是说，哎，他说你想要什么样的装修效果，立刻就能看到。但现在是说，比如RoomGPT这个项目是因为它开源了，就意味着说，哎，你想复刻一下，你拿一块好一点的显卡，对不对？然后这个这个把代码下下来跑一下，可能半个小时就能够有个就七八十分的效果了。

02:41然后我觉得在大语言模型可能现在还不明显嘛，因为大家还没有把那个OpenAI现在能力完全能够复现出来。但是我觉得可能过个半年一年，只要能够复现出来，这个事情就变得比较可怕了。就是说你过去的积累就没有什么用了。你今天你这些积累你多少还是有些用的嘛。

02:57我因为我看我们写了四篇文章嘛，开源这个事情我还是比较乐观的。就是我觉得这个当中其实这个opinion我是比较，这个这个观点我是比较强的，但是我觉得随时可能会改，对吧？过了三...再过了五个月发现还是没啥东西，那我这个观点可能就要变了。

03:12但是我比较乐观的是说，还是以Stable Diffusion作为例子啊，就是大家今天觉得Stable Diffusion已经好像就是很久之前的东西。但是大家去想一想，Stable Diffusion其实去年下半年才开源出来的。呃然后最近的ControlNet是上个月才开源出来的。

03:28ControlNet是我能够控制它，上这个这个画出来的东西可控嘛，所以它其实是一直在加速的。我觉得只要有一个效果还可以的大模型开源出来之后，就会变得非常快。一旦有一个，比方说，比如60亿参数的模型，效果跟今天的GPT-3差不多，只不过说此时此刻大家还在去迈那第一步。

03:50问一下，就是Facebook炒得那么凶的那个叫LLaMA，对吧？那个出来效果很差。那个

03:55在墙外看很多人的评论是觉得效果很一般嘛，还不如就是Flan-T5的Ultra Large，就是还不如原来，不过在原来的那个模型上只是放了一个内部数据量更大的版本出来，至少说没有体现出明显好。这第一点嘛，就是就还是我还是聊冲击嘛，就是就是我我有一个观察嘛，这个其实也是周围从周围朋友的公司看的，

04:17就我的观察发现这个对于工作的冲击，其实最最资深的那些人其实冲击还好。小朋友冲击也还好。最资深的这些人呢，大家其实是比较敏感，跟得比较紧。就就就动手就用了，就想办法去利用这个东西用起来了。对。

04:33小朋友呢很开心。就特别是周围一些小朋友工程师，他原来可能不太会写代码，他可能上了四年学，啊觉得好像哎一来公司工作不会写代码对不对。当你给他那个Copilot一装，哎。他发现我只要描述一下需求，那个代码啪就出来，我看一看好像也能看得懂，我一点它也能运行。

04:50周围的这个朋友的就是说他们招了一些实习生，说我原来招个实习生，写自动化测试，你得培训三个月，对吧？现在他培训两天他就能干活了。但是呢，就哪些人就是说我们看观察了，就是什么样的人有一点抵触这个事情。就是工作了可能一两年两三年，三到五年，他们呢反而会有一点点抵触。

05:11就一方面呢，他已经觉得我通过自己努力学会了一套工作方式，我有一些技能，我习惯套用那个技能。但是呢，这个新的技能呢，他和小朋友比起没有什么优势。第二个呢，他也有一些恐惧，觉得这个是来干掉我的工作的。第三个呢，他又没有像很资深的人说，我立刻就能想好，我我怎么能够把这个东西用起来来提升我的效率。

05:33就他在过去的这两三年工作中，他把他的工作套路化了。那你换个套路，他就不行了。观察到了一个现象。对，我不知道你你对这个现象你是有什么看法吗？或者说对，

05:44我是觉得说那个小朋友其实我见到的确实觉得就蛮开心的嘛，因为而且年轻人接触新东西更快嘛，他没有那么多抵触。比如说原本写文案写得一般的，他现在就会飞快地就用起来，他能帮他写东西嘛，不一定写代码。但是原本就是不上不下的人确实是比较比较惨的。

06:04比如说原来你就是总编，那你这个时候考虑的其实是你怎么裁员，对吧？精简队伍，你其实会站在一个更宏观的，甚至于更资本的视角来看这件事情。甚至于比如说我们两个其实也不见得会把自己当做一个工具人去看待嘛，我们会看里面的机会嘛。那纯粹的小朋友其实就会看说他怎么帮我干活嘛，因为反正我不会嘛。

06:23他我不会那么多挑剔，因为反正我也干得不好。但是中间这一层就非常想挑剔，就觉得他这个不行那个不行怎么样。就其实是接受新东西最慢的一群人。所以这这个其实是挺惨的，就是就最上有老下有小，还在工作又要奋斗的这批人，其实其实确实会受到蛮大的冲击的。

06:43所以大家强烈建议打开一下思路，要么你像小朋友一样打开思路，要不然你就把自己当做更偏向于老板，偏向于资本的那一方，你想想怎么用好这个机会。一定不要站在那里像一个学究一样在那边天天点评，评价这个东西。真的没意义。

07:02对，我觉得不用去讨论说，哎，这东西这不好用的地方你试试能不能把它调到好用，对吧？然后实在不好用就不要用，去去用用别的。对吧？但是去批评他说这个东西还不够好用，就其实没有意义。

07:13你刚刚讲的一个冲击嘛，然后对我来说，我其实越来越更深的理解它的冲击的话是它的那个，就它里面有脑子这部分，让我感受到了很大的冲击。那我所以我在那个公众号，大家可以去看这一篇的话，就会写说它给我的一个，我我自己实践的一个例子，

07:31就是让它帮我把一篇文章里面的敏感信息给盖掉嘛，我就举了几个例子给它，比如说把徐文浩这个人名盖成name，把这比如说延安西路900号这个盖盖成address，然后给了它一段文字，让它去把敏感信息给盖掉。结果它不仅仅把这些给盖好了，它知道所有的名字它都盖好了，以至于所有的地址它都盖好了。

07:53而且里面会出现的一个email，他会把那个电子邮箱也盖成一个email，就特别举一反三，这完全就是有脑子的行为啊。就这些地方还挺吓人的。问你两个问题啊，第一第一个问题比较偏基础一点，就是刚刚我讲的，这个其实很多时候是会讲它有自己的推理和延展的能力嘛。

08:09然后再往前走的话，其实是它在3.5那一版，我我最近把这这方面的那个文章也都看了一遍，就是出现那个Chain of Thought，Chain of Thought那个东西嘛。但我现在还没有搞明白，Chain of Thought究竟是它已经出来了一个模型，然后的话呢，

08:26他们在内部调的时候，在教它说，哎。你把它慢慢想，先想一步两步，就相当于是我们人类教了它一个Chain of Thought，然后它慢慢就发现质量，它出来的结果变好了。然后后来问它问题的时候，它里面就有了一些，有了一些聊。

08:41还是说这只是一个prompt engineer的一个招，就比如说我应该给它举例子，这个叫做Chain of Thought。就是到底是什哪个意思？

08:49这是一个prompt engineer的招，这模型本来有这个能力，只是你不知道。就是并不是说我先训练出来个模型，然后呢，说哎，我发现模型效果不好，我要再怎么去调这个模型，不是的。而是这个模型已经训练好了，它已经有这个能力了。

09:04对，只是说呢，你很直白地问它呢，它不过脑子告诉你，你只是很直白地问它什么，25乘36等于多少，不过脑子，它不想思考，它告诉你500。他说不是的，你要列一下竖式，比如说这样这样这样算，他说啊，那好，我就列一下竖式告诉你，算出来是算25乘以36等于多少。

09:21这个就是Chain of Thought的威力就在于说，它不是说哎呀，我们再想了一堆模型再去调出来，而是说大模型自己本身有这个能力。

09:29我以前一直把它还是当这个招嘛，但是它在过程当中，就那些论文是怎么发出来的，就是好多我看有些论文是关于Chain of Thought的。

09:39但是这是个非常重要的发现啊，就是就发这个论文的几个作者Jason Wei啊什么的，不就从Google Brain跳槽去OpenAI了呀。

09:47我我我以为他们是发现了，就是里面有这个东西，然后就有有办法把它往这个方向推了一下，其实没有推。

09:54对。第一点是GPT-3是那个，对吧？是OpenAI发的，对不对？但Chain of Thought是Google Brain的人发现的。它是也是基于自己的prompt，对，那个反正更大的一个模型嘛，他们发现这个chain of thought，

10:06所以是Google的人发现的。它就是说模型在那里，对不对？你用一种方式去问它，它就仔仔细细帮你算一遍；你用另外一种方式问它，它就一拍脑袋给你个答案。

10:17就比如说你跟那个AI说很多问题，它其实会乱回答你，就跟人一样。比如说我问你25，刚刚徐文浩举的例子，25乘36，你要你一我三秒钟回答，那你就肯定给我一个大概数字嘛，比如说等于600，对吧？嗯。那现在其实机器也是这样。

10:32然后的话呢，你有两种办法，你现在可以让它回答正确，或者一个更复杂的需求。一种是你告诉它，不着急，一步一步慢慢想，它居然就能回答对。要不然的话呢，你就给它演示一下，说我我有三个苹果，徐文浩有三个苹果，一共几个苹果？它可能都会数错。

10:49但是你提前告诉它说，哎——小明有三个苹果，小红有四个苹果，你看四加三等于七，你给它这样看一遍。然后你再再问它，我有三个苹果，徐文浩有三个苹果，然后再问它说有几个苹果，它就能算对。是六，就相当于你打了一个样。这其实是非常神奇的一个地方。

11:07原来你觉得它它是个笨蛋，但是你发现你只要掌握了跟它说话的方式，比如说给它更多的时间，然后让它慢慢想，说不着急，以及你给它举点例子打点样，然后它居然里面就会有逻辑一层层推出来了。它可以解决小问题，然后从小问题再去拼出大问题的答案。

11:24很多人兴奋的原因还不在于说我能不能问个问题，我知道我给你个答案，而就是在于这个chain of thought的能力。

11:33然后那个流量红利这边的话，其实不知道，现在不知道怎么把我们商家给植入到回答当中。就是你如果找到了的话，那你就应该偷偷地赶紧赚钱。就算有人找到了这个方法，暂时也肯定不会公开说。我问徐文浩一个问题，保险和医疗方面，然后结合人工智能应该怎么怎么弄。

11:51所以那个那个徐文浩同学，从你的角度，那个应该有哪些结合的地方呀？来教教我。第一个

11:56我其实跟朋友聊过，我觉得当中有一个红利的差别，就是说，就很多人在做SEO，我觉得是反过来的。我觉得SEO，呃，你当然现在可以做，但是拉长周期，它其实会越来越没有价值。就是因为搜索这个形态本身会衰退。

12:13就原来很多做SEO有价值的原因，也是说我做了很多内容，然后我靠这个长尾内容，我带来很多自然流量。但是未来我觉得说大家已经，长尾内容已经不需要去搜索里去找了。对。但是大家可以换个角度说，原来有很多长尾的东西是不值得做成视频的，是不值得做成，就比如说这种图文并茂的东西的。

12:35但是今天它可能成本会变得很低。那么有没有可能说我倒过来说，我做很多长尾的内容，我原来做个视频不值得，为什么？就算两百个人来看，就算变成流量也赚不了钱，因为我制作的成本太高了。那倒过来，你能不能做成视频，做成这个音频，做成这个，因为这个东西制作的代价变低了嘛。

12:55对吧？这个这个是我觉得是换一换一个视角啊，是我觉得大家可以去想一想，就有时候你一步就能看到的那个东西呢，它不一定对。原来他他做这个事情是我，就是SEO是我做了很多内容农场，做了很多垃圾内容，反正承接点长尾流量。那原来做垃圾内容你做文本的成本低，那你接下来做视频的成本是不是也低，对吧？

13:15虽然我觉得对社会不一定有帮助啊，这件事情是吧，那就是另外一回事情，我我我只是从这个视角去看这个问题。

13:21那这样，那保险公司和医疗，你觉得有什么机会吗？第一个，

13:24我我不了解这两个行业，所以人人都能看到的机会就是效率提升嘛，对不对？就是效率本身的提升嘛。然后那效率提升更多的是在于行业内部，你知道效率成本在哪里，对吧？对，但但这两个行业都是监管很严格的行业。所以我觉得其实这个问题真的是只有跟行内人聊完，啊才知道可能哪里有机会。

13:45就或者说我们今天拍脑袋，我可以说五个机会出来，但大概率是不准的。

13:48有几个早鸟同学已经提了一些问题，然后有人就在问说，现在可以训练自己的人工智能机器人吗？有没有可以购买的软件？他想做一个信息平台，部分工作让人工智能来输出。我对他的理解就是他有一堆的数据，然后让人工智能来做这个输出，比如说他有关于他们公司啊，关于这个行业的各种数据，

14:09那有没有一个bot可以买，买下来就可以把这些数据都读了，那么用户就可以直接跟这个机器人开始沟通，说哎呀——我想要什么东西，那个机器人就可以找到合适的资料跟他聊起来。现在有这个吗？

14:21这个第一个是现在没有谁说专门说我做了个，但现在也有开源项目。其实我昨天刚写了一个demo，我试了一下，我觉得效果也还可以。因为这个其实有几个层面的解决办法嘛。第一个层面解决办法就是说，你把你所有的资料都变成像搜索一样，就是说我建一个索引。

14:40那用户问问题呢，我也利用现在的语言模型去搜，说哎哪些跟我这个语义可能是比较相近的，相近的东西我都找出来。然后呢，再把这个相近的内容交给AI说，哎——你看啊，这是这些资料，这个是用户问的问题，能不能请你回答一下？经过这个过程，其实你可以把公司内部的资料库，或者说你个人关注的这个资料库，能够变成一个，就是让AI也能够问答的嘛，

15:04就解决原来所谓的AI会编瞎话呀，AI没有最新的资料啊这样的问题。所以做这样一件事情，我不夸张地说啊，就是二十行代码就做完了。但这周吧，我会放一个demo出来，大家可以自己去体验一下，代码也会放出来。就这个是一种逻辑。当然这个逻辑还是说我是依赖于OpenAI的大语言模型的嘛。

15:22第二个逻辑就是说，那我能不能不用它的模型，我用开源的模型。那我们其实也是看到有一些朋友放出来一些思路啊。一些代码，就是我们觉得也是能做的。毕竟来讲你是在一个垂直的领域里面做嘛，就无非是把你把OpenAI的大语言模型换成一些开源的，

15:39比如说Google。Google之前大家做自然语言处理，大家普遍用的是Google用的那个叫Flan嘛，就是Google在BERT的基础上有一个叫T5的模型，对，就是五个T的缩写，叫Text to Text Transformer Training嘛。

15:54我whatever，就还有个单词我我不记得了。那它下面有一个指令微调的一个版本，叫叫Flan T5。它也是个大模型，他们前一阵把之前他们放的模型最大的只有220亿参数，因为我觉得也是因为这个ChatGPT的这个压力嘛，他们前一阵把他们更大的内部的一个模型，大概是叫Ultra Large Two，大概就就是六七百亿参数的，

16:16就肯定规模还是会小啊，模型也放出来了，据说效果也还不错。那如果你的这个数据相对比较少，或者说你比较垂直，你完全可以在这种开源的模型上去做这种二次训练或者微调，能够达到这个效果。对吧？这个取决于，因为有些人说我做个面向C端，面向市场的应用，我完全可以用OpenAI的API来做。

16:38但如果是说你是说我是有一些数据安全性的考虑啊，我有一些这个这个合规的考虑啊，那你可能不能用它，那你可能用一些开源的模型。就我试了一下，我觉得效果也还可以。当然，它没有像OpenAI那么强的这个能力啊，就是无论是我们以前说的这种思维链的能力，可能也比那个要弱，

16:58对吧？因为规模小，第二个是里面的知识或者文本生成这种和逻辑性也要弱，但是好处是说，对吧，这自主可控哈，对吧？你可以拿过来自己找几个机器部署起来，这个数据也不用露出去。

17:10然后刚刚徐文浩讲的就是你如果是自己想做一个产品卖的话，那你基本上就是必须得学会怎么搭这个东西。那比如说阅读理解的应用，如果你不是要像徐文浩这样搭的话，搭的，那如果大家感兴趣多的话，就催他发代码嘛。如果你只是需要说有一个bot帮你读文章，那么其实有两个软件你可以试一下，一个叫ChatPDF，

17:34就是你可以把你要读的那篇东西直接发给他，然后他就帮你读，然后你就可以直接跟他聊天。然后另外一个软件叫做SciSpace，SciSpace是你不光可以在上面搜论文，你也可以把你想看的论文然后发给他，然后就跟他聊起来，比如说，大意跟我总结一下。

17:50然后举个例子什么的，这这是我经常用的有两件。所以你只是要读东西的话，可以用这个。然后第二步的话，就是你说我不是要只要读一篇，我有很多很多的知识，但是呢，有可能你不是想要服务大众，你是想比如说你们公司内部，比如说内部文档，内部比如说你们的HR员工手册。

18:07那可能有新员工进来就会问我们年假几天啊这种问题。那这个也有一个服务叫Cody，它就是可以让你把你们公司的东西全可以灌给好多个机器人，你可以给他们分配角色，然后那些机器人就分别回答公司里面的各种问题，比如说我们要调用什么的接口规范是什么呀，我们公司有没有餐补啊，

18:26这些东西你都可以专门去问，把资料都灌给它。所以还有这么一个玩法。然后还有一个就是如果你实在是又不想学任何的代码，然后你又想搞这个事的话，还有一个一个我印象中它也是可以的，叫Character.ai。它是上面已经训练了像Elon Musk啊，像柏拉图啊这些人，就是已经拿他们的语料训练出了各种各样的人，

18:49你可以跟他们去聊天。我印象中他们也提供就是中间层的方案，就是你是可以训练一个你自己的人出来的。所以的话你可以去看一下，但是我偏娱乐目前，就是前面两个讲的是比较正经的。所以如果你不是偏代码的话，那么可以考虑这个，可以看一下。

19:06然后有人问说刚刚说的这个应用微调时——自己需要选什么样的显卡配置，训练需要多久，我就完全不懂

19:13了。OK，OK。微调我觉得有两种啊，一种是说你还依赖OpenAI，那你啥显卡也不需要，你只要准备好数据上传给它，然后准备好你的信用卡和钱包就可以了，对吧？这是一种方式。

19:25第二个是微调，就是说这个就取决于你的模型规模嘛，对不对？那你有钱可以上A100，对不对？你比较穷，搞点这个4090，对不对？你再比较穷，就搞点1070，也不是不能用，对吧？这个，那第二个是说，其实你也不需要自己准备显卡嘛，现在其实有各种各样的云平台，对不对？

19:45就是你直接在这个海外的这些云平台，呃，Azure也好，AWS也好，包括这个Google也好，你就租用服务器做训练嘛。你先，对不对？就花这种，他可能是说你现在可能一块这个A100。呃，它A100一般它不太会给租，现在比较多的给给租这种什么A6000啊、A4000啊，比如说十块钱人民币一个小时。

20:08那十块钱人民币一个小时这个概念来讲，就是说你训练一个模型取决于你的数据嘛，就是说你数据多，或者你效果要求好，它需要的时间就比较长。我觉得完全你可以从一些小规模的模型，就是单机可以训练的模型，呃。T5的base或者T5的这种呃large这样的，先试起来。

20:26如果你觉得它效有一定效果，但效果不太好，那你可以去找这种什么A30啊、A什么A6000啊之类的这种卡，对不对？用云平台上租来训练，你可能就花几百块钱，你能体会一下效果，对不对？你毕竟你去买这个显卡回来，就算你就算你买块4090，对不对？

20:46然后再配个机器，那就三万块钱就出去了嘛，对吧？那我觉得对大部分人来讲，可以先用云平台试一试，呃，先体验一下。因为呃有几种嘛，一种是公有云平台。第二种是有专门有一些人就是说做了这种GPU的资源池，它价格会比公有云平台便宜很多。

21:04当然这个你需要自己去考虑这个当中面临的数据安全性问题。因为AWS啊、这种Google啊，对吧？你觉得你用它的租它的机器训练，你你基本上可以相信它不会偷你的数据跟偷你的代码，对吧？但是很多小的这个平台，呃，肯定会存在这样的风险。

21:20不不是说是觉得他们有问题嘛，而是说它这个平台本身去安全管理的能力可能也没有那么强。但是我觉得对大部分公司来讲，就是说你拿公有云试一下，就花不了多少钱的，对吧？就是说你试了你觉得有效果，你才决定说我要去自己组卡，去搞数据中心，对吧？

21:38但如果你是说你现在还没有想好，那我觉得先用公有云吧。

21:43有人问说关于营销和营销方面有没有什么东西？这个其实是现在最普遍的营销。其实讲白了，就是你在出各种各样的文字、出图、出视频嘛。那出文字的话，美国那边都有很多很大的公司了，像什么Jasper啊什么的。就帮你写邮件啊，写SEO啊，写文章啊，到处去发啊这种。

22:02然后的话呢，在出图方面的话，大量的出图的工作其实已经可以被那个AI取代了嘛。而且中间大家有一个误会，就是觉得AI的那个效果还不够好，不能取代设计师。但是其实吧，对于大部分营销公司的设计师的大部分工作量，并不是把它做好，而是沟通。

22:21就是这个是不是你要的五彩斑斓的黑。对。所以我可以让你那个就是出草图跟客户开始讲，客户一说我要五彩斑斓的黑，你马上给，就一分钟给他五百个五彩斑斓的黑。然后他说第三十四个和第八十七个勉强满足我的意思，然后你再让他改，改两版之后，了不起是最后的版本全部是你手工出，

22:42但是你前面的那种来来回回的那种工作可以让机器出个大概，对吧？也省省掉了巨大的工作量，所以营销上面也有这个。然后还有一些工具是这样的，它会比如说帮你做产品，就比如说你告诉它你的产品元素，比如说要有葡萄，要是绿色，要什么中国风，然后乱七八糟的。

23:00它就直接帮你生成一百个瓶子，然后所有东西都帮你配好了，然后你挑几个合适的就可以拿去测了。是我自己试了一个，因为早几天我也在想说，哎。要不要我们干脆就搞个公司，搞个牌子，就就AI炼金术啥的。然后我就让那个AI现在可以，你直接告诉它一个名字，然后告诉它说你的想法和关键词，然后它就直接帮你出了一百个名字和一百个logo，

23:24全部出好。然后我就在那边挑，有些名字取得还真的蛮好的。就英文的，英文的名字，它都是把几个词莫名其妙地拼到一起嘛，但是跟你的那个又有点关系，但是肯定又不是那么有关，因为要不然肯定抢注不了嘛。然后logo都帮你设计好了，甚至于那个另外一个网站是你一键就把你整个网站全部生成好了，对，全部都出来了。

23:43这个我觉得也是另外一个领域嘛，就是说这个领域当然很多项目现在都是内测，其实我没有没有拿到权限，其实没有看到，就是让AI直接帮你把设计甚至app给做了。你根据描述给你出设计稿，或者根据设计稿直接帮你把这个应用代码给开发完了，对吧？

24:00这个OpenAI也投了一家公司叫Pygma嘛，就是就是Figma那个设计软件的前面的FI换成了PY嘛。所以我我觉得这个当中其实最大的那个还是回到那个问题，就成本结构变了嘛。出图的这个问题是说，原来这个事情最终的成品的那张图，总共的设计工作量可能是一天。

24:19你如果是在一个大型企业里，你去找一个这种供应商给你出一张海报，他说要收你五千，对不对？对，他这五千并不是说我一个设计师花一天我就挣你五千块钱，而他也知道他要得跟你沟通十轮，这十轮他可能要给你出十个稿，有九有九稿都是废稿，那可能只有那一稿是有价值的。

24:37那现在的逻辑就是那九稿废稿，我可能让AI生成的成本就是一稿可能就是十块钱。我觉得是一个一个最大的这个区别。

24:46而且现在很多所谓的品宣，我试了一下，有一个软件，但是它飞快地把我的credit扣完了，现在我已经不能再试了。就是你可以把你的产品给它，然后告诉它你要把这个产品放在哪些环境里面，它就自己自己把它放进去。所谓的品宣的话，你会希望说，比如说我这瓶酒出现在什么沙漠的中央，出现在一个马背上，然后它就帮你全部配好，

25:09这样子其实也非常非常省事嘛，宣传，

25:11对吧？第二个是说我觉得它很多时候都不是为了制作，是为了测试。就我制作可能最后我必须要人工做一版，就是我发现这个效果好，我可以人工再做非常精细的版本。但是呢一开始我不知道效果好，我说我拿一百个版本出去拿做很小规模的广告投放，做AB测试。

25:29那原来其实代价还是挺高的，对不对？就原来大家不愿意做AB测试的原因是，说我广告可能就投五块钱，对不对？但是我做一版创意的人工成本可能是五十块钱，对不对？你算下来干这个事情就划不来嘛，那我可能只能精细的去想做三版五版。但现在的逻辑就是大量的砍掉，就是我都是没关系，我就做一百版。

25:50因为做一百版成本加起来可能就一块钱。我五块钱五块钱拿去做测试就好了。

25:55这也是我们在那个上一期啊思考嘛，就是大家不要直接说，哎呀，这个人工智能不好用什么的，你评价它没有用，你你得把你的自己的工作给拆拆细，然后拆成一步一步。比如说第一步是如何获取灵感啊，那让它出一百个，只是给你灵感，不让它做。

26:13然后呢再比如说让它出一百个让你挑啊，这也可能。让它帮你出一些草图，方便跟客户沟通，这可能也可以。你不是让它完整地解决你一个工作问题，而是你把一些具体的任务给到它，它帮助你来完成这些任务，这些其实会更靠谱一些。还有一个问题，对对于广告内容种草、销售模式及认知认同。

26:34认购方面会有巨大改变吗？比如未来大家更容易从ChatGPT推荐进入电商店铺而非APP。这个我我先来讲一下，我我现在有一个观点啊，就是叫做说先从立场出发，因为要不然就变成纯吃瓜了嘛，对吧？比如说你说全聚德应该怎么样改改革，对全聚德最好。

26:54那我们要先首先知道，如果我是全聚德的后厨里面的一只鸭子的话，我就希望全聚德改成牛肉餐嘛，对吧？它才是不能杀鸭子。所以我觉得就整个你去考虑说人们会怎么变啊什么的，这个角度应该是考虑说如果它变化的话，哪里会有流量机会。那或者说如果它不变的话，那么我在这边我怎么用好它来搞到我的流量，或者我占据竞争优势。

27:19这边我现在看到的渠道就是第一个就是如果它变啊，那那这边一定会有一个新SEO的机会，因为会有新的搜索引擎嘛，只是这个搜索引擎是更加偏AI的方式嘛。如何把我编到那个那个AI的回答里面，这就是新形态的SEO。哪怕只有百分之十的流量过来，这也是一个巨大的巨大的新流量。

27:41而且这批新流量大家不会玩，你是第一个会玩的，那么其实你就会有巨大的竞争优势，就免费拿到很多流量。那我们应该从这个角度想，是尽量的打听资源，打听了消息或者观点之后，不要去思考那个，就是哎呀，微软和Google谁会赢，而是去说，第一个就是我，他这个转换过程当中，我能不能先行一步来偷到这个流量红利。

28:05要不然的话呢，就是如果大家会发现他们没赚，啊，那这个过程他们没赚，但是呢，现在出现了一个新形态的工具，那这个工具可以有一个典型的功能是什么呢，就是可以大规模的创造。表面上是原创的，那这个时候说不定又会有一层偷流量的机会，是吧？

28:24假设Google还没有反应过来，那么就是怎么判断你你这个内容是否是真真人做的。但那么对于你这个品类，比如说你是个卖杯子的，那么卖杯子，网上肯定有很多关于杯子怎么好啊怎么坏啊各种场景啊怎么用好杯子啊这种文章，那你不能抄嘛，对吧？

28:43但是你能不能从他那边获取灵感之后，你让人工智能帮你写个十万篇东西出来，然后十万篇相互引用，然后你把它铺到全网去，然后都带流量到你官网来。这可能也是个机会。所以的话，我建议大家就是可以考虑两种东西，就是我们不不要光考虑巨头。

29:01第一个是考虑说巨头的变化，如果它真的变化，那它在它大跨步的那一刹那的话，哪些东西跟上，哪些东西没跟上，你你有什么机会。要不然就是我不去管它，我就管我手上拿到这个工具，我拿到这个工具，我如何可以短期内抓到这个流量，以及长期如何构建我的那个价值。

29:21所以我觉得可以这样考虑。

29:23我我是这个感觉啊，就是说，就是在这个过程中有三个身份嘛，一个是C端的消费者，对吧？一个是现在的这些平台，第三个是商家嘛，就是因为我觉得你刚才的这个视角更多的就是说我作为一个商家我该干什么，我觉得这个肯定是。讲讲我的几个推测和感觉啊，第一个是说，因为ChatGPT现在其实是个入口，这个入口其实已经在缓慢地发生变化，

29:45就是在我自己的体验就是我搜索变少了，问ChatGPT变多了嘛。而且我昨天看到有木头姐，对对，他们的基金给了一张图说，就过去两个月，Google的这个搜索的市占是一条像一条直线一样下降。对吧？当然你仔细看它那个坐标轴，其实没有，它只是从99.5%下降到了97.5%。

30:05这ChatGPT加上这个Bing，它可能就抢了两个点回来，对不对？但是所有用过的人其实都知道，这个体验的变化是巨大的。而且这两个点对Bing来说，那就是五倍的增长，就是从0.5变成2.5，那就是五倍的增长。而且如果这个速度不变，如果再过两个月变成十个点，那那就很可怕了，对吧？

30:26我觉得这个是一个，第一个，我觉得它的流量入口可能的确就是会发生变化的。当然我觉得这个变化可能没有那么快，对吧？就是因为有大量的用户习惯背后的信息，对吧？包括大模型，你现在其实没有索引大量的信息嘛，所以它还是说Bing加上ChatGPT，不是说光说ChatGPT这一个入口，

30:45对吧？第二个我觉得可以倒回去看，我觉得平台建立的那么多优势啊，其实没有那么容易被打垮。我们去回想一下上一轮在移动互联网的时候，移动互联网其实最早电商受益最大的人是谁？其实不是说啊我新做了一个公司，因为有手机我做了个App，其实还是京东跟淘宝。

31:04对电商，我们就说实物电商的影响是什么？影响是对原来的巨头是个巨大的利好，对吧？因为我只要去真的去跟这个浪潮，就大家这个这个习惯是会会跟过来的。而且我觉得这轮和上一轮不一样，就上一轮是它让大量的没有网络的人接入，可以用了，就这个电商渗透率已经非常高了，

31:22对不对？不属于说，就是在拼多多包括抖音的这些教育之下，已经没有什么人说我就没在网上买过东西了，对吧？所以我觉得从这个角度来讲，这个渠道会发生变化，肯定会发生变化，它发生变化会比较慢。这就是现在的一些平台都是经历过周期，都是被挑战过的。

31:40所以我觉得不会有什么影响，消费者的变迁会比较慢。主要的机会还是说，还是回到你说的，就是商家上。商家其实的确是要去跟，就是说因为这个就是你不用去管这个是怎么样，一个平台崛起一定会有大量的流量红利机会，一定会一定有人跟得快跟得慢。

31:58对。大部分人也都是吃瓜群众嘛。

32:01对对对。所以它还是会有一个时期，抖音刚出来的时候，就是你去做抖音电商，跟你今天再去做，你刚出来的时候抖音去做这个主播，跟今天去做，你的成本是不一样的嘛，对吧？这个我觉得当中一定会有一个流量红利的这个套利的时间。我觉得对这个对所有的依赖依靠平台的商家的这种类型的角色，肯定都是都是这样的。

32:22就当然Google会受很大的冲击，但你比如说我说我是做电商的，还有我说亚马逊，对吧？我觉得对亚马逊来讲，它不是过度迟钝。其实对它的冲击其实不会特别大。

32:38我觉得这次微软让我比较觉得佩服的地方，就是它这么狠的跟OpenAI绑定的话，其实是拳打Google、脚踢亚马逊嘛。就其实主要是不是影响前端，不是影响购物那一端。我觉得亚马逊主要是它可以那个Azure，就更更容易去抢那个AWS的份额嘛。

32:57你刚刚讲的的话，其实我觉得除了我们表面上看，比如说大家会用那个前端用一个AI助手来买购物之外，其实还有很多会抢掉搜索引擎的份额的方法。其实是各种应用内。就比如说你现在在知乎里面查东西查不到，你可能就会跑到百度里去查。但是现在美国的Quora里面内置了一个机器人，然后里面后面接了四个大语言模型吧，好像叫POE还是叫什么东西，

33:23然后你就跟它聊就完了，POE。然后另外像Slack，本来你在飞书里面，比如说你有一个东西没搞定，比如说老板提了一个词你没听懂，你就去百度里面去查了嘛。但是美国的Slack，就是美国的飞书里面内置了Bot，然后现在已经把那个ChatGPT给接进去了。

33:39所以越来越多的应用，它会自带相当于信息搜集和跟你对话的这种功能。那你跳出这个应用去Google的概率就降低了，这个时候Google也会受到一定的冲击。我觉得，

33:51就任鑫这样一聊，我觉得有另外一个入口，我觉得大家肯定立刻就都想到了，对吧？就是输入法。本来像搜狗，它原来就是靠输入法给搜索带流量。那未来可能我直接把很多的功能在输入法自身就包含了，你连这个说我都不用说再导到搜索去了。

34:08对。大家如果用了微信输入法的话，就会发现微信输入法里面其实已经带了很多功能性的东西。那现在微信再往前面走半步的话，我觉得其实也是个是个机会。那个有同学也在问，说然后用GPT写文章，客户说调性不对，有办法吗？那你让他改调性呗。

34:25所以第一个就是大概率你不应该让他写全文，你应该让他一段段写，帮你给灵感，你自己拼。第二个就是你可以让他不断地改呗。举个例子，我宝宝就会让ChatGPT跟他讲故事。然后如果那个故事讲得太复杂，因为我宝宝五岁嘛，然后他就会跟它讲说：I'm only five years old,

34:44please use simpler words.然后GPT就会跟他道歉，然后用那种极简单的句子再把那个故事给他讲一遍。所以你你如果觉得调性不对，比如说你要更formal、更informal、更humor，然后更怎么样，你就跟他讲呗。

34:58他会帮你改的呀，这个很容易解决。对啊。

35:01这个就是提示语嘛，你觉得调性不对，你说你帮我换一个用什么样风格的提示语，对吧？他就会去改。当然，我我的观察肯定还是说中文它能力相对弱一些。但是你找一些这种很popular的大家的，你说我要个鲁迅风，对吧？我要个郁达夫风，这种还是比较容易的。

35:18但是你如果是要比较小众的中文的这个语，因为数据的确比较少，我觉得效果还是差距挺大的。但英文效果其实都挺好的。

35:26是。如果你就是表述不清的话，就像那个老师，像徐文浩说的，你给他一个具体的人物或者具体的，比如说新华社，对吧？

35:35然后这样子他就好抄嘛。啊，对。但是我最近两天很悲惨，就是那个Chat不是那个左边的history出故障了，我那个thread没了。对，我就会让ChatGPT说你模仿Elon Musk和比如说马云，比如说慧能禅师，你模仿六个人。

35:53然后我会告诉你我的处境和我的决策，你从这六个人的不同的角度来给我你的评价和你的建议。然后它就会模仿六个完全不同风格的人，然后完全不同的角度来评判我做的事情，相当于你请了一个免费的智囊团嘛。但这样子其实你也是给它说设定了人设，它才会有你想要的所谓的调性，它它才对嘛。

36:14因为这六个人调性就完全不一样，所以就很还挺有意思的。大家可以试一下，就是我们每个人看待自己都非常的主观嘛，所以你可以免费的有六个智囊团帮你看一下。当然你也可以搞十二个，反正不要钱，是吧？请问预计从当前只有Chat啊，就比较耳熟能详，到满满地都是智能应用，预计会有多久？

36:35我觉得预计就很快啊。中国主要是因为要在等自己的大模型嘛，就比如说等百度这帮人什么时候搞出来。那如果他们搞出来的话，那其实你会发现你手头的所有的应用都会变成人工智能应用。就比如说大众点评，到时候肯定会弹个框出来，是吧？肯定有个机器人跟你说话。

36:52然后像比如说百姓网，大家去用百姓AI，它后台就接了很多不同的什么帮你画画啊。帮你写周报啊，什么都有。对。所以现在其实已经已经铺天盖地了。对。

37:02未来只要等到中国的大模型出来，我估计就瞬间爆炸。对啊。

37:07就是现在这个第一个是大家门槛变得很低嘛，你并不需要说我有多了解AI或者多懂AI，我就能做应用了，对吧？第二个是就中国的工程师人数这么多，对吧？现在就业形势又不好，对不对？那就闲着也是闲着，就不如做个应用嘛，对吧？

37:23然后说我是做会展的，如何用AI与观众做一些互动，传递品牌信息，有哪方面的产品或者方案？

37:31我我觉得是这样的，就是技术或者做产品其实都挺容易说。比如说你要现在要做个数字人，其实也很容易。就你基于现在AI的这个语音识别能力、语音合成的能力，对吧？ChatGPT这种聊天的能力，然后包括做这种这个数字人，这个叫Wav2Lip，就是Lips嘛，

37:47就是模仿你嘴唇动的那个东西。所以这个其实现在是已经比较成熟了。就我觉得技术上就不是挑战。技术上我相信你说，哎，我有需求，你要找一些呃服务商来帮你去实现这个事情，我觉得成本已经不会特别高了。可能更多的还是在于说你们自己觉得有什么可以整活儿的方向，我觉得这个比较重要。

38:08我觉得给一个建议哦，就是呃有一个信息差的红利存在。就是很多人其实不知道世界的科技已经发展到了什么水平。所以你只要把市场上成熟的，比如说刚刚徐文浩，比如说你是做家装展的，那家装展的话，你把你房间的照片给我，然后你说要改成什么风格，然后我十秒钟就帮你改好。

38:28这个在大部分人看起来就是魔法一样，其实就是个网站，你点一下进去就好了。所以这个时候有信息差，这种信息差，哪怕你不把它做任何的个人的定制化，你只是把那些东西传在你的一个屏幕上给大家用一下，大家就会觉得你这边有高科技，你这边有神技。

38:46所以的话呢，其实也是挺吸引人的。你就把跟你这个行业相关的那些AI应用都传一传，然后在APP在一个大屏幕上可以用一用，其实就很吓人。就有点像什么呢？有点像现在的很多的商场里面会有那个摆一个电视机，然后那个小朋友们可以去切水果。

39:02那个东西是十年前的科技，那叫Kinect。我在家里最近还买了一个，但是对于小朋友来讲和对于家长来讲，会觉得这是一个高科技。这是十年前的科技，十几年前的科技。但是大家没见过，然后就觉得哇，好高级啊，可以拿手切水果。就没见过的时候，你对于吸引住关注度还是会蛮蛮有好处的，因为大家没见过。

39:23问我估计中国大模型战争什么时候能决出胜负？我觉得两个嘛。第一个是我之前一直聊的，我的一个不是过度激进，也不是过度保守的估计，我觉得是两年吧。

39:34就是说因为无论是你说从组团队、拿钱、工程上能够实现，然后市场上去推广，面临各种各样的问题，我觉得就是说它还是需要一定的时间的。第二个呢，我觉得说来干这个工的所有的团队的所有人啊，都一定是很卷的来干这个事情的，都一定是夜以继日的来干这个事情。

39:55看周围想要干这个事情的人，或者有这个想法的人的节奏，我的感觉是大家这件事情上肯定是会冲得非常非常快。所以，而且我觉得现在的挑战不是理论挑战嘛，不是说从无到有嘛，就是工程挑战。所以我觉得是，如果一定给个时间节点，我觉得是两年左右，对吧？

40:14但是我觉得这个当中还会面临第二个问题，就是这个战争可能两年左右，我们觉得好像分出胜负了，但是它有可能像现在的电商一样，就是说它是永远不会有战争终止的那一天的。但两年之后有可能面临另外一个局面，就是说大家会无休止地尝试往里去投入资源，然后尝试找一些方法能够卷出来或者战胜别人。

40:38我再给两个不同的角度，一个角度就是因为本质上来讲，这边的科研其实底子是Google搭出来的。还有一个用来看这些中国什么时候会搞出来的一个方法，就是看Google什么时候搞出来。如果连Google都搞不出来，它自己搭的底子它那么强，它都搞不出来，这事儿就比想象中要难。

40:57如果它六个月搞出来了，我估计我们就十二个月，它搞两年，我们就至少四年。所以看Google什么时候出一个类似于现在ChatGPT的那个水平的东西，到底是三月份出来的bug到底怎么样。如果它出来的差不多的话，那我估计我们也不会太远。

41:12但是它都三月份出来的都差很远的话，我估计那我们要追其实也蛮远的。

41:17我作为业内人士，我不完全这样觉得。就第一个是大家可能觉得说，哎呀，百度好像在现在的互联网公司里已经不是最头部了，对不对？就是说BAT被这个，但是如果大家去看整个机器学习的社区，对吧？就是大家可能最熟悉的是TensorFlow跟PyTorch，对吧？

41:33PyTorch。但是大家知道百度的PaddlePaddle差不多大概在GitHub上是大数，跟PyTorch比大概是一比三嘛。而且PaddlePaddle其实开源了大量的模型。就因为我最近在写一些course，然后我想做一些demo，然后加开源的模型。

41:48因为我会发现说，比方说你要中文做一些语音识别啊、语音合成啊，比如包括做人脸表情啊，这个东西，最快速的是找PaddlePaddle，它里有很多开源的模型，你调一下就能用了。我们不说它产品做得怎么样，PR做得怎么样，它业务层面收入怎么样，从AI的投入上来讲，它的确一直是第一线的。

42:07而且它做出来东西也都还不错。就是原来我也觉得，哎，这个就是赶鸭子上架，对吧？但是我看了一下整个PaddlePaddle社区里的各种各样的项目跟demo。我其实现在抱有一定的期望，我觉得可能不会太差。

42:22对。然后徐文浩刚刚提到开源嘛，其实还有一个决定了，不说决定吧，其实很大影响说我们国产自研的那个进度，也就是开源的社区什么时候蹦出一个类似于，比如说OpenAI有DALL·E嘛，但是其实开源的那边有Stable Diffusion嘛。

42:39有Stable Diffusion之后的话，那其实什么文心一格啊什么的那个质量就会明显地提高嘛。所以的话也是看说开源社区里面什么时候能蹦出一个跟ChatGPT差不多级别的好东西出来，这个时候我们的国产自研的水平就会显著地提升。接下来有一个同学问说，我刚刚提到说我是让宝宝跟ChatGPT聊天嘛。

43:01然后他问是打字还是语音，可以语音，但是我故意让他打字，呃。ChatGPT有语音的插件，然后另外的话呢，徐文浩研究了一下，好像可以接小爱，对吧？我也研究了一条路径，好像可以接Siri。

43:13有中国的工程师已经开源出来了。你如果你家里有一个小米的叫小爱音箱嘛，对不对？当然它可能还需要一些技术的门槛，还有一个开源的程序，你把它部署起来。你可以认为像劫持掉小爱音箱的这个会话能力一样，就是说你跟小爱音箱说话，它其实会调用你跑起来那个程序，

43:32去找ChatGPT，然后拿到结果，然后再转成TTS，转成语音再读出来。晚点我可以把那个开源项目的链接，我们到时候也也放出来。

43:41从文字生成图片生成短视频会出现好玩的商业模式吗？比如免费小说中以视频盈利什么的。

43:47第一个是大家可以去看，据说现在亚马逊德国排名前几的这个儿童小说，有人就是用ChatGPT写的。第二个是，也有很多人用这个写小说在海外卖。第三个是说这个，所以这已经是一个模式了，所以我觉得这个未来对像什么起点啊，阅文集团就是个冲击，

44:04对吧？就是原来有很多写手，就是他是很多写手中冒出来一个。但是问题是未来的很多这种环境，可能有很多写手都在用AI写，你也不知道该选谁，选出来他未来是不是能写出更好的东西，你也很难讲。对，我觉得这是另外一个从伦理上的反向冲击。

44:21那现在也有专门的一些人工智能公司在研究那个长文本的怎么保持一致性啊什么的，有专门的工具来做这个。

44:29然后你说中视频里现在也已经有了，就是也是老外做的，老外做了一个搞定那个通过Stable Diffusion搞定了什么事情呢？搞定了通过Stable Diffusion跟他们一些自己的一些自己的模型训练啊优化，就是他是怎么样的，就以前拍动画片大家都是一一页一页画出来的嘛，这种2D的动画片。

44:45那他现在说就我人拿个绿幕，我自己做各种各样动作演，我要拿个剑我就拿根棍儿，对不对？然后它就自动帮我渲染成一个动画片，就它自己拍了，就在网上直接在它自己的网站上就在卖这个东西，就跟几美金一集，对吧？当然现在可能很多人冲进去说是噱头嘛，但是未来意味着说我做这个视频的成本大幅度降低了。

45:05他当然还没有到说我打一行字就出来，但是说我不需要很多很多画师人工去画了。三五好友，对不对？找个空的仓库，挂个绿幕，对。就小孩过家家一样去演这个剧情嘛。演完之后你说传统上，就大片你要服化道对吧，动作捕捉，现在都不用，现在就是把整个片拍摄下来，然后交给AI去模型去把它重新渲染成动画片。

45:27然后有朋友问中间层创业有什么，我自己观察到有几种类型啊。一种叫垂直赛道，跟大家来卷这种面向C端的应用。就是包括有一些公司，我专门用AI来做数据分析。我专门用AI来做怎么写代码，我专门用AI来做怎么设计。因为它可能擅长的不是AI，它擅长的它是理解原来比如说做大数据整个数据处理当中有哪些脏活累活很麻烦，

45:51成本很高的地方。他原来做设计考虑当中有哪些脏活累活很麻烦的地方，他去重新设计流程，然后他做产品出来，然后呢，因为你们用它，它又有数据，它就进入一个正，希望能够进入一个正反馈的通道，我觉得这个是一类。第二类呢，就是说重新去思考说怎么做串联嘛，就比较典型的是LangChain跟Fixie这种公司。

46:12就是说，哎，AI能做很多能力，那我们能不能做一个平台，对吧，各种AI的能力串起来，变成一个新的工作流水线，对吧？变成一个新的ERP，这种，我觉得这个是看到比较多的两种类型的中间层的创业，就不是纯粹做应用，一个是我找个挖个垂直细分赛道，这个我觉得更多的取决于说，哎。

46:31你自己觉得你现在在的这个行业，它当中有什么secret？它当中你觉得有哪些成本结构是能够被AI给替换掉或者颠覆掉的？跟一些朋友聊过要不要去做大数据类的，因为我们自己知道说，大家都觉得大数据是个高大上的活。我们知道这个是个个脏活累活，对不对？

46:49但是呢，AI能不能把脏活累活给减少，这个是个比如是个secret，对不对？那那能怎么做，我们又了解AI又了解数据，这个事情可以怎么做，对吧？但是我觉得这个当中其实也有很多不确定性，对吧？但我也知道周围有一些朋友去做这种，啊原来他们是做RPA的，对吧，做各种自动化。

47:05原来自动化这怎么串起来都是得写，得写好多好多程序。那现在能不能比如说不是的，我都是用AI的这种，简单的一个小AI，就把所有的东西都能串起来。这些机会我觉得是不是属于所有人的，就是你原来是干什么的，可能它就属于你，对吧。你说我原来是做电商的，我要来干这个事情，你肯定是干不成的。

47:26做个应用层嘛，你不要做中间层嘛。然后刚好，熊浩，我也问你一下，LangChain这个你可以举一个再具体一点的例子吗？其实我也没有太搞明白LangChain可以用来干嘛？还有什么，还有GPT Index啊什么这种东西。

47:38就现在比较主流的，主流的两个项目，一个原来叫GPT Index，它现在改了个名字叫做LlamaIndex。LLaMA Index本质上做一件什么事情呢，就是刚有很多朋友都会问说，哎呀，我怎么用AI，我公司内部怎么做数据，怎么处理。

47:53它本质上说我怎么把我内部的数据变成索引，对吧？就跟我们以前做搜索引擎一样，我把我所有的商品变成索引，我一搜就能搜到结果。但是我把我自己的资料库也索引下来，然后我一问就能问到结果。本质上它是做这么一件事情。它的核心代码其实很简单，它的核心代码其实还是去调大语言模型。

48:11但是它比如说把索引结构做了。你想一本书，可能有几十万字，对不对？那现在OpenAI一次只能看三五千字。那它说，你把这个书给我，我自动按三千字一个段落变成一片索引，前后按顺序，每个每个索引上再建一个索引，再summarize一下。

48:29那我要去搜一个问题，我就知道，哎。我其实是问一个问题，我就在这个索引里面找哪些可能跟我相关的，然后我综合出来，然后回答出来。就LLaMA本质上是做这么一件事情。一个是，他做了各种各样的loader，就读各种各样数据，他又能读PDF，又能读EPUB，又能读YouTube的这种字幕，

48:50对吧？又能读你的文本文件，又能读数据库，就所有东西它都能加载进来。第二个事情是它做了什么呢？它做了说我后面这个索引用什么结构怎么存，对吧？我既能存成这种开源的Facebook的这种叫FAISS的这种索引库，也可以接背后接各种各样的开源的向量数据库。

49:08同时我这个AI语言模型，我可以接OpenAI的API，我也可以调用开源的这种BERT，对吧？它相当于是做了这么一件事情。那这使得你说，我称之为它其实是把常见的利用大语言模型做开发的设计模式打包了一下。LangChain呢我觉得本质上也是比较类似的，那它更多做了一步，它有个概念叫做agent。

49:30就是说我搞了一段东西之后，LLaMA本质上能干的事情还是阅读理解嘛，你还是跟它聊天，你还是问它一个问题，它给你回答。LangChain想干的事情，我让你干一个事情，你能不能把这个事情干了？我给你一个算术，你能不能调用计算器帮我算一下？

49:46我给你个比如说复杂的图数学公式，你能不能帮我把这个数学公式给算一下？提了个要求说你去YouTube上播一个视频。你能不能真的去打开浏览器，帮我把这个视频播了？对，还有就是它这个多模态能力。

50:01对对对对，我觉得本质上它们，ChatGPT跟LLM，我觉得有很多是类似的。双方的代码里我看了都有互相引用。

50:07就除了这，除了这些之外，中间层大家可以想想说，如果你没有技术的话，其实像比如说你开个公众号讲大道理，这也是一个中间层。如果比这个稍微深一点的话，就是讲大道理其实只是只是蹭一波红利嘛，但是你也没有做具体的产品嘛。再往下面一点的话，你做个像孵化器，其实很多人现在在考虑，然后呢AI方向有没有自己的孵化器，这可能也是一层。

50:30一些合规性方面的问题，这个其实，那如果所有要搞大模型的人，他们都要去练合规性和安全性的话，这是不是一层服务层？那再往下的话，包括OpenAI他们他们要训练自己的模型的话，他们其实比如说怎么样有一个基准的测试啊。什么乱七八糟的这些杂活，有没有一个标准封装的一个服务，那这也有蛮多奇奇怪怪的。

50:52就是，大家知道有些论文啊，就是说你可能你有时候我我有很多论文，它水平不高引用数特别高。你知道是什么样的论文吗？就是说我找了一个我设计这个基准的数据集，以后大家所有的论文说我要测一下这个东西效果，我都要引用这篇论文。如果大家说，哎，我今天不知道干什么，你去爬很多数据，然后去给它把这个数据整理得干净一点，对吧，

51:14去发一篇论文，在所有的模型下试一遍，然后发一篇论文。然后这个数据如果真的很好用，未来有很多论文都会引用你的。这这其实也是个中间层，对吧？

51:23然后这边下面还有几个问题啊，比如说交易领域啊，和百度和国外的GOTGOT我也看不懂。然后工业制造业自动化，我的观点就是其实这一次它我们看到的这个突破其实来自于是个叫大语言模型。就是大语言是什么意思呢？就是它听得懂人话以及它说得出人话了。

51:42所以其他的任何的专业领域，比如说你的那个机械臂应该怎么动啊，那那什么怎么识别你那个布料有没有坏啊，这些专业领域的发展还是专业领域AI它在发展，这个领域有没有什么突破性进展你再说。那这一次其实现在看到的叫做生成式的，比如说可以画图，以及听得懂人话说人话。

52:01建议大家多关注这个突然一下的这种事情，那其他领域其实还是线性的在发展。那大家比如说你的那个生产线应该怎么搞啊，那也有专门的公司在搞。所以大家可以去看那些专业的方面，但是那些方面目前没有听说有这种突破性的事情发生。

52:18我觉得是是这样的，就是说这个是两层嘛，第一层是学术本身的进展，学术本身它也有很多新的研究跟进展。因为这个GPT火了，其实大家又，对吧，人就互相需要互相卷嘛，对不对？你看Google今天不又发了那个PaLM-E嘛，对吧？那个什么多模态就是能够什么，他他放了个视频，什么机器人能够看那个画面，能够去去做各种各样的任务。

52:42所以我觉得其实在这些领域上也是有很多进展的，但是这个当中也面临一个问题，就是说有很多进展就取决于你自己是谁嘛。我要不要说我也去研究一下多模态，那我大概率我觉得我不会去干这个事情，就是说精力有限嘛，你先你只能看着手上的牌去打这个牌，对吧？

53:00然后比如说包括像百度啊什么，我觉得大家现在在做的这个所有人，其实在最底层的原理上大家都是一样的，都是基于Transformer的大语言模型，对不对？再往上，大家路线上有些差别。原来Google是BERT嘛，完形填空为主。

53:17这个OpenAI是ChatGPT嘛，就是这个文章续写这个为主。一个是前后遮了给你猜中间，一个是只遮前面让你猜往后猜嘛。但是整体的路线，我觉得包括现在这一轮之后面临的问题是说，都在学ChatGPT这个路线。所以我觉得本质上没有分别。

53:34本质上百度要做的事情，我觉得大概率跟ChatGPT在原理上是一样的。无非是说我效果能做得多好。这个就一样的嘛，就是这个其实跟造芯片呀、造汽车呀、造飞机呀都是一样的。对不对？飞机谁还不会造，谁还没有学过高中物理啊？

53:52大概原理大概很容易理解，你要造出来这个事情很难嘛。对不对？我觉得本质上是这么一回事儿吧。那

53:58今天差不多到这边。

54:00哎，好。谢谢大家。

54:01好，谢谢大家，记得关注，记得关注。好，拜拜。拜拜。