如果我们将 AI 定义为一种技术，那么我们需要重新思考“技术”的真正含义。在这个语境下，技术指的是一个组织将劳动力、资本、用户或客户以及特定工具的实施转化为更高价值产品和服务的过程。
过去的故事不一定能预测未来。产品开发者、技术人员和商业管理者都需要转变思维方式。仅仅扩展现有服务是不够的。技术发展迅速。在颠覆性技术的早期阶段，投资回报往往无法满足大公司的年利润增长目标。同样，在组织内部，自上而下的执行力往往跟不上这些颠覆性技术所创造的市场增长——或新市场——导致公司失去未来的市场份额。
在过去的几十年里，我们一次又一次地看到企业在面对颠覆性技术变革和市场结构转变时失败。只有深刻理解“世界如何运转”，并将产品创造和创新与这些力量对齐，企业才能适应时代并确保未来的利润。
“只有深刻理解‘世界如何运转’，并将产品创造和创新与这些力量对齐，企业才能适应时代并确保未来的利润。”
考虑到这些，我们问了自己几个问题：
- 大语言模型（或 AGI）的核心指标是什么？
- 我们能用它们做什么新事情？
- 哪些流程可以被替代？
- 新的市场或预算可能在哪里出现？
在 AtomGradient，我们尝试通过自己的研发来回答这些问题。
大语言模型的核心指标
- 理解协作者的意图
- 提供反映某些物理现实的合理、常识性回应
- 利用潜意识或隐性知识
- 灵活使用外部工具或自行创建新工具
尽管当前的模型还远未完全实现这些能力，但我们已经可以看到进步的迹象。
我们能用它们做什么新事情？
要回答这个问题，我们首先要问：人类不能做什么——或者人类在做什么方面受到限制？大语言模型以新的方式扩展了人类的能力：创作艺术或音乐、创意写作、自动化知识工作、从数据中生成洞察、编程或辅助集体决策。它们让人更全能、更有创造力，减少重复劳动，提高效率。随着时间的推移，这可以带来新的职业和更高效的资源利用。本质上，一个人的能力可以被放大十倍。
“它们让人更全能、更有创造力，减少重复劳动，提高效率。本质上，一个人的能力可以被放大十倍。”
哪些流程可以被替代？
随着人类效率和工作质量的提高，需要重复劳动或专业知识的角色越来越容易被替代。例如：
- 高度重复、基于规则的工作，如客服、质检、数据录入或一般咨询
- 知识密集型或数字化工作，如银行风险评估、天气预报、推荐系统、数据分析和编程
- 高风险或恶劣环境的工作（随着模型与物理世界更多整合），如采矿、深海石油勘探、灾难救援或探索
我们已经在自动驾驶、自动化物流以及音乐、艺术和写作等创意领域看到了例子。
新的市场（或预算）可能在哪里出现？
未来市场的形态不可预测且充满变数，但根据我们所知：
- 因为模型需要知识才能有效运作，行业特定数据代表着巨大的未开发机遇。支持专业或用户生成内容的平台可能继续具有优势。
- 当前的模型仍然难以使用，无论对于企业还是个人用户。使 AI 服务更简单、更便宜、更易获取，在未来几年可能会吸引大量投资。
- 随着数据隐私和主权方面的监管和执法不断加强，AI 在安全、金融、数据保护、合同、支付、身份验证和欺诈检测方面的应用将在服务生命周期的每个阶段保持关键地位。