大模型的上半場是“底座”，互聯網巨頭都希望能夠調制出一個優質的底座系統一統江湖。

本著“數據即一切，規模即一切”的邏輯，讓AGI迅速成為一個資本狂熱的游戲。

然而，熱熱鬧鬧之后，大家還是會考慮如何變現的實際問題。

于是，大模型的下半場，則逐步回歸于“應用”。

如何將大模型在不同的業務場景中落地，是每個AI創業者都關心的問題。

這件事機會更大，但是難度也更大！

給AI找場景，這其實像拿著錘子找釘子，確實有點反人性。

一些掌握著最前沿AI技術的人，希望盡快找到靠譜的業務場景變現！

絕大多數業務方對AI的認知都處于一個比較淺層次的水平，因此業務與AI的結合存在非常大的需求溝通瓶頸。

即便偶爾有業務方感興趣，未經業務適配的“通用”底座工具，也確實幾乎解決不了任何嚴謹的業務流程。

這瞬間會讓需求的溝通變得尷尬無力 ... 

這樣的AI引起不了什么“興奮”，算法人始終都是在自嗨！

大模型，難道底座搞完后，就真的無事可做了么？我們迎來的AI時代，是開始，還是又一個低谷周期？

盡管AGI的能力不可高估，但是也遠不至于“妄自菲薄”。

類GPT的產品，在大規模知識庫、智能助手這些典型場景，其實已經做的相當不錯。

應該看到的是，我們在智能搜索任務上，已經進入到了下一個技術代際，以答案結果為目標，而非以原始的數據片段為目標。

問答技術的個性化程度，交互性更強！

強交互性，就是大模型技術與傳統AI技術最大的不一樣之處。

這樣的好處是多方面的：

一是降低了AI工具的使用門檻。

用戶可以通過對話喚醒后臺任意算法或服務，只需要考慮業務場景，而不用關心技術工具的操作或配置細節。

二是提升了數據結果的多樣性。

大模型輸出內容具有隨機性，可以做到千人千面，用戶體驗柔性靈活。

這一點在C端產品上是一個特別突出的能力“加分項”。

比如，任何人可以隨意給一段文字動態生成精彩的腳本或音視頻素材，彼此之間還不會重復。

三是加強了趣味性。

大模型的擬人化特質，會顯著提升AI產品或工具的“吸引力”。

即便是在枯燥的辦公場景中，有一個能夠正常溝通的數字員工“隨叫隨到”，也遠比獨自一個人對著Excel表單查詢枯燥的數據更加有趣。

除了這些方面，還要注意到，這一次的大模型“大亂斗”，確實讓更多的資本流入到AI賽道，業界也產生了諸多開源的底座模型。

這些底座模型不管來自于哪個廠商，各自均有優勢。

基于底座模型，可以通過少量樣本數據二次開發，極大地降低AI模型的構建成本。AI模型的生產力總體得到了提升！

大模型能力就像云服務一樣，讓企業獲得“智能”服務的效率極大增強，也為中小型技術創業者，提供了更好的技術成長生態環境。

未來，大模型的價值不在于“生成能力”本身，而在于對AI產業結構的重塑，以及形成對整個社會各行各業數字化、智能化進程的“催化劑”！