国产成人av综合久久视色,а√最新版在线天堂鲁大师,超碰97资源站,成人免费ā片在线观看,gogo西西人体大尺度大胆高清

用生成式AI技術，將服務業(yè)做成制造業(yè)。

據IPO早知道消息，由啟明創(chuàng)投主辦的2025世界人工智能大會（WAIC）“啟明創(chuàng)投·創(chuàng)業(yè)與投資論壇——創(chuàng)業(yè)投資開啟AI技術與應用共振周期”于7月28日在上海世博中心藍廳成功舉辦。

在本次論壇上，與愛為舞創(chuàng)始人兼首席執(zhí)行官張懷亭以《關于AI應用創(chuàng)業(yè)的思考與實踐》為題發(fā)表了演講。

張懷亭在演講中表示，AI應用的創(chuàng)業(yè)機會在于利用生成式AI技術，將服務業(yè)做成制造業(yè)，打破大規(guī)模（個性化）-高品質-低成本的不可能三角。之所以目前還沒看到AI應用的爆發(fā)式商業(yè)化落地，核心原因是大模型的幻覺、推理的不準確和結果的不確定。這就要求從事AI應用的團隊既要懂業(yè)務還要懂AI技術，平衡模型的不確定性和業(yè)務的容錯度，先跑通業(yè)務閉環(huán)，用業(yè)務牽引AI能力逐步落地，同時找到適合自身業(yè)務場景的數(shù)據飛輪。在智能時代，跨界的人才密度和務實創(chuàng)新的企業(yè)文化是組織建設的關鍵，人機協(xié)同的工作范式是企業(yè)運營的基礎。

以下系張懷亭的演講內容：

感謝啟明創(chuàng)投給我們這樣一家成立才兩年多的初創(chuàng)企業(yè)機會，在這里給大家匯報一下，我們在AI應用領域這兩年來創(chuàng)業(yè)的實踐、總結和認知。

十幾年前，我和當時的團隊在互聯(lián)網大廠，第一次用深度機器學習算法，做了大概率是全中國第一個大規(guī)模廣告推薦系統(tǒng)，這個系統(tǒng)取得了不錯的效果，幫助我們沉淀了對AI的初步認知。之后我和一群志同道合的小伙伴們在教育領域進行了第一次創(chuàng)業(yè)，并且有幸在紐交所上市，對教育行業(yè)也算有了一定的認知。當生成式AI出現(xiàn)，我們發(fā)現(xiàn)它可以給“科技向善”和教育普惠更大的空間。于是在2023年，我和我的小伙伴們開啟了第二次創(chuàng)業(yè)。

我們認為教育最重要的是有好老師，做到有教無類，也就是說不管是男生還是女生，不管是在城市還是鄉(xiāng)村，不管是貧窮還是富有，也不管是孩子還是成人，每個人都能有一位很好的AI老師終身陪伴，根據個體的興趣、階段、效率、潛力、狀態(tài)、性格等，進行個性化地傳道、授業(yè)和解惑。當然實際上今天的教育資源依然非常稀缺，教育的成本也比較高昂。當生成式AI技術出現(xiàn)，以過往我們對科技和教育的認知，判斷服務個體的教育資源在邊際成本上一定是越來越低的，理論上應該接近于實時的推理成本，大概率是在現(xiàn)有成本的基礎上削減90%。隨著技術的發(fā)展，成本下降的幅度也會越來越大。同時我們認為，這樣的AI老師應該具備隨時隨地的特性，不管你在哪里，只要想用就能用起來，而且它的知識儲備將隨著智能系統(tǒng)的增強而增強，有可能在所有領域為每個人提供最適配的個性化指導。

今天我并不想介紹過多的產品或算法，這幾天在這里有很多相關展示，相信大家都已看到。所以想換一個視角，由于我們也算是連續(xù)創(chuàng)業(yè)團隊，希望從創(chuàng)業(yè)的角度和大家做一些淺顯的分享。

我們認為在AI應用領域比較大的創(chuàng)業(yè)機會是把服務業(yè)做成制造業(yè)，大量現(xiàn)有的服務業(yè)是人力密集型的行業(yè)，這些行業(yè)經常會遇到“不可能三角”，也就是希望用低成本提供高質量服務，而且還能夠做到大規(guī)模覆蓋，這基本上是一個悖論。比如說醫(yī)生，生活中我們經常有這樣的經歷，到醫(yī)院里可能你得排兩個小時的隊，最后只是和醫(yī)生聊上十來分鐘。或者醫(yī)生給你開一個單子，你又要去排隊做檢測，有時能排上，有時排不上，可能又得約下一次，這就充分說明實際上對于大量的個體而言，高質量服務是不太可能的，同時成本也非常高。生成式AI讓我們看到了這樣的機會，能夠規(guī)?；靥峁﹤€性化服務，量和質可以兼顧?；仡櫼幌略谔摂M的數(shù)字世界里，我們經常會聽到一個詞叫“千人千面”，“千人”代表規(guī)模，“千面”代表個性，也就是說類似推薦系統(tǒng)，像內容分發(fā)這種應用，已經解決了規(guī)?；蛡€性化的并存問題，但是在服務行業(yè)還沒有做到，主要是局限于推薦系統(tǒng)本身的能力邊界。

用生成式AI改造這樣的人力密集型行業(yè)，首先用算力成本替換人力成本一定是更合適的。從趨勢上看，算力成本會越來越低，而人力成本會越來越高。其次，人力密集型企業(yè)，人才的選、用、育都是極其復雜的，當然還有優(yōu)秀人才的流失，從管理成本上也是非常高的，幾乎不可能做到完全標準化。但是如果用生成式AI技術，標準化服務應該是能做到的。一旦用生成式AI技術把服務業(yè)做成制造業(yè)，未來也許我們每個人身邊都能有專屬的AI老師、AI律師和AI家庭醫(yī)生。

對于AI應用，好像還沒有看到大規(guī)模的落地與爆發(fā)，為什么呢？作為對比，我們來回顧一下十多年前，移動應用爆發(fā)的前提是什么？首先，當年的5G網絡基本成形，而智能手機也已普及，在基礎硬件建設層面已然成熟。手機有定位功能、相機功能、還有支付能力，給移動應用提供了基礎保障。比如高德地圖、滴滴打車和美團外賣，都依賴手機的定位能力；快手、小紅書能夠基于相機，記錄美好生活，無論是視頻，還是圖文；類似于在線教育公司高途，依賴音視頻直播互動，幫助用戶隨時隨地參與到學習當中。同時，因為有了支付，應用的商業(yè)化能力得以承接，否則，將會有大量的商機被漏掉。因為有了這樣的基礎設施，移動互聯(lián)網的應用公司只需要去考慮應用本身，而不需要考慮更底層的體系構建。

而今天，我們會發(fā)現(xiàn)，模型有很多幻覺，推理能力依然不夠準確，在相同上下文場景下的輸出結果也不穩(wěn)定。同時我們知道多模態(tài)，類似數(shù)字人的實時交互能力、大幅度遮擋下的面部穩(wěn)定性，實時生成的表情、神態(tài)，包括語音語調以及互動延遲，都還比較弱。同時，我們相信很多企業(yè)到今天還沒有遇到這樣的情況：在同一時間幾百、幾千，甚至幾萬的推理并發(fā)，這就需要優(yōu)化很多底層的架構能力，實際上這對于如今的一個創(chuàng)業(yè)團隊而言要求是比較高的。一方面需要判斷整個AI的發(fā)展趨勢和迭代速度是什么樣的，實際上從去年到今年，整個發(fā)展趨勢已經超越了當年的摩爾定律。另一方面，要明確當前模型本身的能力和應用邊界，比如說我們可以用文生圖，也許這個圖片可以直接用，但文生視頻，應用于短劇，可能還達不到預期的要求。同時在應用過程中還需要去平衡模型的不確定性和業(yè)務的容錯度，這一點也很關鍵，比如之前提到的推薦系統(tǒng)可以做內容的分發(fā)，你拿到了一個短視頻，不喜歡劃走就可以了。比如廣告推薦系統(tǒng)推給你一個不想看的廣告，略過就可以了。但如果是一名AI醫(yī)生要給你做手術，你能不能允許它犯錯誤？所以模型輸出結果的不確定性和業(yè)務的容錯度直接相關，如何去平衡好什么時候用模型能力，什么時候用系統(tǒng)能力，就是一個“真問題”。

對于AI應用創(chuàng)業(yè)的路徑，我們是這么理解的，先有一個業(yè)務閉環(huán)，通過業(yè)務閉環(huán)驗證應用場景的有效性。之后用模型逐步去輔助或者替換閉環(huán)里的某些環(huán)節(jié)，最終達成業(yè)務的AI化變革，也許這是一條比較務實的漸進路徑。在這個過程中，核心的問題是整個閉環(huán)數(shù)據能不能上到云端？是不是有系統(tǒng)可以采集所有的交互數(shù)據、靜態(tài)特征，把它變成一個高質量的特征集合。之后用這樣的有效數(shù)據去訓練模型，去做AI應用的最終變革。之所以會有這樣的想法，得益于總結了互聯(lián)網創(chuàng)業(yè)史的經驗和認知，很多顛覆性技術的應用源于成熟業(yè)務的倒逼。比如阿里云，其實和亞馬遜云類似，都是因為自身電商產品，有集中爆發(fā)式的使用壓力，才會去思考做云服務，云服務為內部做了支撐，能力溢出，再服務更多的外部服務。

對于AI應用，還有一個底層思考，到底是用AI來賦能，還是用AI來替換？我們判斷這兩種情況都有可能，體現(xiàn)在不同的業(yè)務或不同的環(huán)節(jié)。如果是AI賦能，大概率會把人變成鋼鐵俠，其實現(xiàn)路徑是智能輔助、人為決策。很明顯，人的頂線比較高，因為今天的AI和最靠譜的人來比，還沒有達到頂級人類的水平。因為AI助力，實現(xiàn)了部分標準化，大概率可以把人做事情的方差變小。因為最終還是由人來決策，我們可以想象比如一個人一秒鐘做一次決策，一天做決策的上限也就是86400個，受限于此，業(yè)務的增長只能是線性的。當然通過AI輔助，成本必然會有一定的下降。最終整個團隊的組織能力是構建在管理和系統(tǒng)上的。當我們假設有一個工作可以用AI完全替換，也就是無人化，大概率我們的路徑是用智能系統(tǒng)來驅動，但由于今天的AI不是100%準確，所以還需要有人工來兜底。顯然，長期來看，因為不受人的約束，通過算力擴展，就有可能做到指數(shù)級增長。從目前AI的水平來看，頂線一定沒有人高，但均線一定會提升，方差理論上應該為零，并且成本一定是數(shù)量級的下降。這樣的體系，組織能力僅僅需要構建在全智能系統(tǒng)上，效率更高，成本更低，迭代速度更快。

大家經常會問一個問題，AI應用到底有沒有數(shù)據飛輪？最近谷歌也好，OpenAI也好，都宣布在奧林匹克數(shù)學競賽的難題解答上，模型已經可以做得非常好。類似這樣一個有確定性答案的任務，今天的模型能力已經遠超絕大部分人類，這時它和人在交互過程中取得的信息，已經不足以再提升它自身的智能。比如當你問模型：“英偉達的股票還能買嗎？”，我們大概率判斷，如果信息足夠充分，理論上有一個標準答案，這時它不再需要通過和人的交互獲得更優(yōu)解，也就不存在所謂的數(shù)據飛輪。再比如說有一個完整約束條件的任務：“我要買北京去上海的高鐵二等座車票，早晨7點那一班”，Agent照做就行，沒有其他可選項，不存在迭代優(yōu)化的數(shù)據飛輪。什么是數(shù)據飛輪？比如你現(xiàn)在要求“中午給訂一份好吃的外賣”，這個任務，Agent要了解你是誰，大概率你每天中午吃飯的時間點，它要算好外賣送過來的時間。你喜歡吃什么樣的菜？口味是什么樣子？地點在哪里？你是喜歡平價一點的，還是更注重生活品質一點的？價格區(qū)間是多少？以及最近這段時間，給你點過很多外賣，是不是不能重復？這里面其實大量依賴持續(xù)使用過程中個性化的交互所沉淀下來的用戶習慣，就會形成數(shù)據飛輪。當然還有更復雜的，比如我要提高英語能力，這個英語能力指的是聽、說、讀、寫哪種？應該怎么提升？當前的水平是怎樣的？個人的學習習慣是怎樣的？學習效率是怎樣的？這些都是與用戶的交互過程中持續(xù)沉淀下來的靜態(tài)特征和動態(tài)行為，根據長短期的上下文，產生相應的個性化交互行為，逐步形成數(shù)據飛輪。

今天AI應用的組織到底應該是什么樣的？首先我們覺得最重要的還是人才，人才密度要大于業(yè)務復雜度。當然今天的人才既要有行業(yè)領域人才，又要有AI人才，實際上領域人才和AI人才放到一起融合，難度是非常大的。我們公司原來出現(xiàn)過，AI人才說這件事做得不夠AI，沒有都用模型去做。領域人才說今天這個模型根本做不到，我們還要用原來的方式做。怎么把他們融到一起，形成合力，這非常關鍵。第二，要有務實+創(chuàng)新的企業(yè)文化，也就是剛才提到的，先有一個業(yè)務閉環(huán)，再用AI去做升級或者變革。既要有基礎的業(yè)務能力，務實地創(chuàng)造商業(yè)價值，還要時刻關注全球技術的發(fā)展，懂得如何把AI能力應用到業(yè)務上。第三，今天我們可以看到硅基生命成為組織的必要成員，比如說代碼研發(fā)，可能很多需要Cursor來幫忙；我們的銷售很多都是由AI來做某些具體環(huán)節(jié)、具體事情，所以人機協(xié)同就會成為智能時代公司的基礎運營范式。擁有多年經驗的員工，可能一下子改不過來，那怎么辦？我們一方面要給機會，給時間點推動這樣的員工做改變；而另一方面，我們也會敦促員工：站在未來看現(xiàn)在，不換腦子就換人。

以上就是我本次的分享，總結我們在做AI應用的時候遵循如下16個字：“業(yè)務牽引、智能驅動、人機協(xié)同、務實創(chuàng)新”。公司提倡延遲滿足，引導大家不高估短期收益，也不低估長期積累。

本文為IPO早知道原創(chuàng)

作者｜Stone Jin

本文來源：IPO早知道