专注AIGC领域的专业社区,关注微软OpenAI、百度文心一言、讯飞星火等大语言模型(LLM)的发展和应用落地,聚焦LLM的市场研究和AIGC开发者生态,欢迎关注!
「今年绝大多数时候,全社会焦点都在大模型本身。但是我一直的观点都是,在基础模型之上要有千千万万的 AI 原生应用,大模型的价值才能被体现出来。媒体、社会、公众主要的兴奋点还在基础模型上,没有转到 AI 原生应用上,我多多少少有点着急。」
在 12 月 16 日举办的极客公园创新大会 2024 上,百度创始人、董事长兼首席执行官李彦宏与极客公园创始人兼总裁张鹏进行了一场 50 分钟的对谈,他一开场就直截了当地提出,「我们要去卷 AI 原生应用,把这个做出来了才有价值。为什么大家不去认真做 AI 原生应用,而去关心大模型进展?这个进展对大多数人来说不是机会。」
李彦宏认为,中国现在有好几百个基础模型,这是对社会资源巨大的浪费,尤其在我们算力还受限制的情况下,更多的资源应该放在去探索跟各行各业的结合,探索有没有什么全新的超级 APP 的可能性。
「大模型时代的来临,真正的价值在于原生应用,而原生应用无论对于大厂来说,对于中小企业来说,对于创业者来说,都是很大的机会,希望大家及早的去把握,尽量多的去尝试,我认为一定能够找到一条符合自己发展的道路。」
大模型如何改造现有业务?李彦宏认为,大公司代表落后生产力,千万不要看大公司在干嘛,「大公司反应都是慢半拍的。我天天在内部讲,要去掉肌肉记忆,一定要改,一定要拥抱新时代。我逼着所有业务重构重做,扔掉重新来。」
李彦宏进一步指出,相对于全新的超级应用,大模型对现有企业、现有应用的改造可以创造出更大的价值。「几乎所有行业里已经成型的公司,一旦转过弯来,能很好地利用大模型能力的话,它获得的收益、获得的价值增益加起来,一定是最大的。当然这并不表明创业公司没有机会,创业公司做出三五个 Super App、做出几百几千个非常有价值垂类应用,都是非常可能的。」
「什么样的产品经理,是适合 AGI 时代的?」针对张鹏抛出的这个问题,李彦宏的回答是,「真正成功的 AI 原生应用产品经理,很可能不是某一类人,而是各类人的综合。有人可能不是计算机专业,但他学习能力很强的,他有产品、市场的感觉,同时又不怕技术,即使没学过,读一读最新的论文,就能明白讲了什么、用什么方法,这种类型的人是最有可能成为成功的产品经理的。」
以下为李彦宏在极客公园创新大会 2024 的对话实录:
卷 AI 原生应用才有价值,
大模型进展对多数人不是机会
张鹏:如果没记错的话,你应该是第六次来到极客公园了。
李彦宏:对,我觉得这个氛围特别好,特别适合我这种性格的人。
张鹏:我记得每次你来的时候,都会为我们带来一些「时代怎么向前走」的思考。但今年,我们先从总结开始。很多人都看到今年百度很积极,你也有很多精彩发言。我们都能感觉到你的兴奋,但今天我有机会真正问问你,这个兴奋的点在哪?
李彦宏:其实人工智能有过好几波浪潮,有时候一下炒得特别热,全社会都对这个东西特别感兴趣,但仔细想一想,人工智能这个词被提出来已经有 70 多年了,所以最早那一批对人工智能技术感到兴奋的人,现在可能都不在了。在这个过程当中出现过比如说下围棋、人脸识别等等应用。就是一波又一波的,让很多人兴奋,之后又发现,其实这个东西没什么用处,或者说其实这个东西门槛不高大家都能做,浪潮就又落回去了。
李彦宏:对,经历过这种好几次的起起伏伏之后,我觉得很多人其实有点疲惫,而大模型出现之后,之所以我自己很兴奋,而且调动了公司几乎所有的资源在做相关的事情,是因为我觉得这跟过去任何一次 AI 的浪潮都很不一样。
你知道,当年下围棋的 Alpha Go 出来,也是全世界都很兴奋,即使完全没有技术背景、完全不懂 AI 的人也非常兴奋,但那个时候百度一点都没有做「用人工智能来下围棋」这个技术,因为当时我觉得这个东西没用。你即便是做出了能够下得过全人类的围棋冠军,我觉得价值还是很小的,所以我们没有去做。
后来,计算机视觉起来了,特别火热,人脸识别或者说智能巡检等等,它有一定的作用。
李彦宏:也有商业价值,但是它的场景非常分散。做人脸识别就是人脸识别、做机器巡检就机器巡检,各种各样的场景你都要单独去做一套。一旦场景分散,就意味着很难做出标准化的产品。所以我们今天看到这一类型的计算机视觉方面的 AI,应用场景非常非常广泛,特别多,甚至已经很普及了,但是没有做出来特别优秀的大公司或者特别标准化的产品。
大模型的技术浪潮,我觉得不一样之处就在于它的通用性,我们叫做「智能涌现」,就是没有教过的它也学会了。有了这个特点之后,当你有一套基础技术能够做得非常好、非常领先的时候,它在各种各样的场景都能够迅速地做出有价值的应用来,这是我觉得 AI 过去 70 年从来没有过的事情,所以它是一个完全不一样的机会。
百度创始人、董事长兼首席执行官李彦宏与极客公园创始人&总裁张鹏对谈|极客公园
张鹏:所以你真正的兴奋就是在于它的通用性?你突然发现这样的技术不是 demo,不是在某个点上觉得很炫酷的东西。咱们俩在 3 月份聊的时候,我就感受到了你确实对它的通用性很感兴趣。但我看你最近的很多发言,都是跟应用相关,而不是模型,是兴奋点迁移了吗?
李彦宏:也不能说迁移,你可能记得文心一言发布的时候是 3 月份,3 月 16 号,那时我们确实讲了基础大模型到底具备哪一些功能。但是我在那个发布会上就已经在讲,未来主要的机会其实是在模型之上的 AI 应用。这个观点其实到今天一直是没有变的,只是比那个时候,更强化了这个观点。因为在这之后,整个今年吧,绝大多数时候全社会的焦点都在大模型本身,都在基础模型上。
但是,在基础模型之上,要有千千万万甚至数以百万计的 AI 原生应用,这个大模型的价值才能被体现出来。过去这一年的时间,媒体、社会、公众,主要的兴奋点还在基础模型上,没有转到 AI 的原生应用上,我多多少少有点着急,所以就是最近几次公开的发言,也包括公司内部的这种讲话,都在不停的强调,我们一定要去卷 AI 的原生应用,要把这个东西做出来了,模型才有价值。
而如果我们类比一下,比如说移动互联网时代,就是 Android、iOS,其实就这么两个。今天微信、TikTok,它的价值我觉得一点都不比 iOS 或者 Android 低。为什么大家不去认认真真花精力做原生应用,天天关注模型进展。其实大模型进展对于绝大多数人来说都不是机会,只有极少数跟这个技术非常相关技术人员去研究、去跟踪这些东西,我认为是有价值的。
但是我觉得目前的这种关注点,或者说社会资源的这种分配完全是不成比例的,大量的资源浪费在各种各样基础模型的训练上,甚至是跑分刷榜上,而比较少的资源和精力放在了 AI 原生应用上,这是我多多少少这几个月有点着急的地方吧。
张鹏:所以其实你觉得「卷」是应该,但是得卷对地方是吧?
李彦宏:对,卷是很正常的,任何新东西和大机会来的时候,大家肯定就是逐步地都能看到,会一拥而上,然后有一个大浪淘沙的过程,这个非常正常。
张鹏:但这里面也存在大家现在很担心的一个问题,比如说最近我们看到谷歌也是把 Gemini 发出来,据说 OpenAI 的 GPT-4.5 可能也要发,最近也有各种传言,就像你说的,确实有可能最先进的这样的基础模型就那么几个。
张鹏:从国内的角度去看,我们在过去的一段时间和国外的大模型上的差距,是缩小了还是拉大了?我们怎么该怎么评估大模型的进展?
李彦宏:对,其实这是一个蛮有意思的问题。我觉得应用层面,中美发展方向上也有可能会比较不一样,美国在企业级软件领域,市场大,也应该说做得比较先进,中国就是 toC 的这个领域做的会更先进一些。如果我们回到技术差距上,我始终的观点都是说技术还是要为应用服务的。当你说这个技术好,或者那个技术不好的时候,你到底指的是什么?
今天我们说百度文库的 PPT 生成能力是全球最好的,它基于的就是文心一言的大模型,所以这个时候你说我们跟世界最领先的水平有多大差距?我觉得没什么差距。但如果你说是,比如某些个特别企业级的这种应用,那中国这一方面市场太小了,所以我们也没有专门去为其去做优化,那确实有可能是落后的;或者说各种各样的小语种,我们现在还没有精力去做优化,所以也有可能是落后的。
所以我在看模型的技术、水准的时候,更多是在看它的应用,到底在什么地方去比较。简单地去刷个榜,去跑个分,我觉得其实挺无聊的。训练一个大模型你得投多少资源,都是一万张 GPU 的卡,要训练很长时间。训练完之后,去跑分,刷榜,即便拿了第一名,但是并不创造商业价值。
李彦宏:融资也是间接的,投资者愿意给你钱,是认为你最终能够靠这些东西挣到钱。
所以我觉得模型技术的先进性,更多的要靠这个模型在什么应用场景下用来干什么,把这个东西想清楚了之后,才能够去评判模型的好坏。所以有时候我会说,模型好坏的评估是一个做模型的公司的核心竞争力,你知道什么叫好、什么叫不好,才能做出好的模型,如果你都不知道,要靠第三方去给你做评价、去给你打一个分,这事八成是不靠谱,因为你自己都不知道你在干什么。
张鹏:最近大家有一个说法,大模型本身就是在技术上大力出奇迹。好像大模型创新也是要靠大力出奇迹,有足够的资源、钱和决心就能成功。你怎么看这种看法?
李彦宏:我觉得大力出奇迹这个说法,更多是指大模型从 0 到 1 的探索过程,OpenAI 在别人不知道这条路能够走通的情况下,用了足够多的算力,做足够多的数据训练,最后跑出来这条路。大家说他们其实也没有发明新的算法,用的就是 Transformer,最后做出来非常好的效果,是因为他用了足够多的卡。我看到美国学术界也有人调侃,全美国所有的大学的卡加起来,训不出一个 GPT-3.5。确实,这里面动用的算力非常非常大。
但是我觉得再往后走,这个游戏不会是这个玩法,不会是大力出奇迹,而更多地走向它的反面。这个和所有商业竞争规律都是一样的,谁的效率高,谁胜出。你可以融资,我也可以融资,最后我用 10 块钱做出来 100 分的效果,你用 10 块钱做出来 120 分的效果,久而久之你就赢了。或者说为了做出 100 分的效果,我用 100 块钱,你用 80 块钱,你就赢了。到最后,体现在应用上的价值就是价格。
现在媒体和公众都在关注训练,训练完了之后,你要应用。应用是推理,你的推理成本是不是在同样效果之下比别人更低,或者同样成本之下,你的效果是不是比别人更好?这是将来竞争的主线。
这也是为什么百度在这方面有比较好的积累。我们在芯片层、框架层、模型层、应用层,过去这么多年都有布局,所以我们可以做端到端的优化。刚才讲了生成 PPT 这个例子,当它有了需求之后,我向下传递,文心大模型必须要为它做优化,优化的时候说,这个调用次数太大了,成本很高,我们算力做不起。
往下走,你的「飞桨框架」,要完全为文心大模型的需求去进行优化。再往下走,就是芯片怎么去适配飞桨的框架,文心的大模型,一层一层端到端优化下来。最后我们从 3 月份发布的时候到现在,基本上把推理的成本降到了原来的 1%。你原来调用只敢调用一万次,你现在敢一天调用 100 万次,这是完全不一样的感觉。这方面是未来竞争的主线。
张鹏:所以不能只是大家就是拼资源拼决心,还是要有招数有方法,最关键的是有价值的循环,它毕竟不是一个科研项目。
李彦宏:对!你真的要为这个社会创造价值才行,这个确实不是你去发几篇论文,或者跑个测评就能够可以的。
李彦宏阐释目前大模型产业的核心问题——AI 原生应用|极客公园
张鹏:在你看来,中国依托大模型的新一代 AI 产业发展,有哪几个核心问题?如果我们列三个最值得关注的核心问题,你会列哪三个?
李彦宏:不能说三个,最关键,甚至是唯一的问题,还是应用。
大模型是一个基础,上面如果有了有价值的应用,这个产业就算跑通了,就能越做越大。你想问的可能是,怎样才能发展出好的应用。这里的因素我觉得有几方面。
一方面是国家的产业政策。因为中国比较领先的产业,很多时候都是国家在产业政策上有先见之明。比如太阳能光伏,动力电池,一直到现在的新能源车。大模型这块也是,国家如果能够出台相关的产业政策,鼓励基于大模型的 AI 原生应用开发,我觉得这就会是很重要的成功因素。
第二,我觉得是现在的舆论环境。我刚才讲了,媒体现在主要关注的是基础大模型。这个东西真的不重要,重要的是我们现有的企业,它原来不管是做什么的,用了大模型之后,能不能对它的业务关键指标产生正向的作用。这块大家的关注度比较低,我觉得这个关注度如果能提上来的话,也是大模型做成、做大,非常重要的点。这个东西说起来容易,但做起来很难。大公司反应都是很慢的,甚至我有时候讲,大公司代表落后生产力,你千万不要看大公司在做什么。
李彦宏:百度算大公司。所以我天天在内部讲,要去掉肌肉记忆,不能按照惯例去做,一定要改,一定要拥抱新的时代。就是大家过去很习惯了,所以我逼着所有的业务都去重构、重做,过去不管怎么做的,扔掉,重新来。
内部我可以强力要求,外部就不能这样了,所以跟外部沟通的时候,总感觉大公司是慢半拍的,我看到相对中型一些的企业,尤其本身就有科技基因的企业,在拥抱大模型,在利用大模型来开发已有应用的时候,表现出来的成熟度很好,非常令人钦佩。所以我说,第二个问题是现有企业、现有业务怎么能够更好地利用模型。
第三个是所谓的 Super App,超级应用什么时候出来,在哪个领域能出来,这更多需要创业公司、VC 去尝试,往这方面多努力,多做各种各样的尝试。
张鹏:要解决这些关键问题,不能只靠做大模型的公司。还是需要更多人参与。
张鹏:国内大模型创业已经是「百模大战」,你怎么看这一点,有什么预测吗?
李彦宏:我觉得已经不重要了,即使现在靠大模型融了资的企业,我看它们也越来越多地在讲要开发应用。我认为这就是逐步走上了比较健康的轨道。不管它是自己的模型,还是用别人的模型,最终它的价值都要通过应用体现出来。
如果它自己能找到一个超级应用,那很好。如果找不到,它能赋能别人,基于它的模型去开发成功的原生应用,我觉得也很好。我确实觉得,好几百个基础模型,这是对社会资源巨大的浪费,更多的资源应该放在各行各业的应用上,尤其是在我们算力还受限制的情况下。这就要寄希望于全社会对于这个事情的认知,能够有一个比较大的变化。
张鹏:正好说到大公司也有大公司的难,百度毕竟是几万人的公司。你怎么把你对 AI 的兴奋和有效认知传递到组织之中?如果只有 CEO 一个人很兴奋,整个公司被拖着跑应该也挺痛苦的。
李彦宏:这个确实需要付出很多努力、一遍一遍地讲。公司每个季度会有中层干部以上的总监会,今年基本上都是讲这个主题;季度也有和员工线上的直播,也会把类似的理念推向更多的人;包括外部的讲话内部的人也很关注。
我们会根据实际的业务开「思研会」,大家讨论这个技术和我的业务有什么关系、过去有哪些肌肉记忆需要破除、破除之后会是什么样的……我虽然不能参加每一场「思研会」,但是我会看很多他们留下来的总结。
我也从中学到很多东西,自己的认知也在不断迭代。这个迭代的过程实际上也是很让人兴奋的,你总觉得自己在学新东西,总觉得你又懂了一些过去没有想到、或者过去不是这样想的事情。虽然我们有几万员工,但是大家在这方面还是有共性的。当你觉得你不断在学新东西,当你觉得你不断看到新的可能性的时候,大家这个劲儿就上来了。
所以一遍一遍地布道也好、讨论也好,包括指令性的要求,对大家重构每一个产品、重做每一个业务,确实起到了作用。
张鹏:你刚刚一直在说重构,我想起听过的一个百度内部传闻——最早的时候大家跟你说百度的业务都要接入大模型,被你批判了。你不断地说不是「接入」,是「重构、重做」。为什么那么在意这个词?
李彦宏:其实是和你的肌肉记忆较劲。因为接入是最简单的,如果一个业务说要拥抱大模型,只是在主页上放一个文心一言的接口,就认为完事了。这种是最不需要动脑筋的,但是这种恰恰是价值最低的。
这个业务到底跟大模型有什么关系?大模型能帮助你的 DAU 有多少增长?你的留存率有多少增长?用户时长有多少增长?收入有多少增长?利润有多么增长?这些才是业务关键的核心指标。
如果文心一言不能让你的业务关键指标产生有效变化,那你就没有真正地拥抱大模型。但是要想这些关键指标产生变化,其实不容易,不是靠惯性和肌肉记忆就能做出来。百度内部几乎每个产品都在试。
经常会出现这样的情况:我们认为文心一言已经很领先,一试发现用过之后关键指标反而变差了。这就需要看我们哪没用对,或者这个模型现在还有哪里不足。
这个是非常好的,当业务部门知道我的业务需要这个功能,但这个模型还不具备相应能力时,他就需要和文心一言的团队提需求,这是我们基础模型迭代的过程,所以这样才能形成良性循环。
我们不靠大模型跑分。做业务的人真正要关心的是业务核心指标,他提出来的需求导致文心大模型按照真正符合市场需求的方向去演进迭代。
张鹏:我们都很关心大模型会给搜索带来什么样的改变,毕竟搜索是百度非常重要核心的业务。而我们天天在问大模型,某种程度上是替代搜索的方式。
搜索未来会因为大模型要改变吗?还是它只是技术 demo,搜索会有它的延展方向?或者这个东西会替代搜索?
李彦宏:大模型和搜索的关系非常近,我们有点近水楼台先得月。文心大模型 1.0 版本是 2019 年发布的,2020 年发布 2.0,2021 年发 3.0,到今年 10 月份的时候变成 4.0 版本。
整个过程走下来,认知确实在不断迭代,各种各样的功能逐步都上去,所以慢慢会看到在搜索上的结合会越来越明显。
我现在把搜索的功能分成三部分。第一部分是「极致满足」,第二部分是「推荐激发」,第三部分是「多轮交互」。这三部分和大模型的能力都有结合的地方。
首先是极致满足。过去搜索是你问一个问题,它给你 10 个链接,你一个一个点开去看。但是以后对于你的问题,如果它有唯一答案的,我就可以直接给你生成唯一答案,这是典型的生成式人工智能要做的事情。
第二是推荐激发。当你问完一个问题,在我们已经能够用一个生成答案满足你需求的情况下,我们也要用这个大模型的能力,猜测你可能对什么样的内容感兴趣,然后给你推荐相应的内容。
也有一类型用户的需求不是具有唯一正确答案的,这种情况我们叫多轮交互。就是通过多轮的对话来澄清用户真实的需求是什么,再给他最终的答案。这个东西都是传统搜索引擎完全没有做过的事情,如果能够做成,搜索就真正变成了全新的产品。
某种意义上讲,国外的一些大模型,包括 ChatGPT,他们也有向搜索引擎靠近的意思,也想挣这份钱。未来最后变成什么样,哪个路线会胜出,确实有不确定的地方。这个也是这个行业有意思的地方,你会觉得有太多的可能性,有太多的事儿你可以做,做得好就能够有非常好的回报,这是很令人兴奋的。
张鹏:现在还不能下一个结论,未来像文心一言这样的大模型,会成为一个 Super App?
李彦宏:现在没有这样的结论。甚至,大模型最大的价值创造到底是全新的 Super App,还是对现有应用的改造,现在我觉得也没有定论。不仅在搜索领域,在很多领域都是这样。
今天看 Microsoft 365 Copilot 一年营收 50 亿美元,比 OpenAI 全年的收入都大很多倍。仅就对现有产品的改造而言,就已经创造出来这么多新的价值。大家还是要多看大模型和自己现有业务的结合。可能一开始工程师会告诉你效果不好,这个东西对我们没价值。其实不是的,你要仔细去看、给模型提要求,最终经过几轮迭代之后效果就出来了。
张鹏:如果天天琢磨什么是 AI-Native 的应用,可能会忘了有些公司有机会找到 Native 的 AI、更符合用户需要的 AI。这也是原有的力量可以参与到大模型推动时代变化的一种方式。
李彦宏:这个东西甚至有一点反共识,因为无论 PC 互联网时代,还是移动互联网时代,大家看到最大的价值创造都来自于创业公司。新公司出来,最后拿了极大的市场份额,甚至创造出来过去没有的需求。
但是这一波生成式人工智能,我们看到更多是对现有业务的改造,创造出了大的价值。Microsoft 是一个例子。Adobe 也是一个很明显的例子,它对大模型的拥抱就导致它现有的几个产品的收入、利润有了明显增加。
李彦宏表示百度在大模型领域「有所为,同样有所不为」|极客公园
张鹏:百度也有足够的资金、技术力量,又有先发优势。如果 AI 未来的作用越来越大,越来越通用,其它玩家肯定也会担心——我做的这个事是不是百度未来也能做?你们需要定自己的战略和边界吗?在今天有这个战略和边界吗?
李彦宏:你刚刚讲的担心逻辑上不成立。生成式 AI 是如此大的机会,对整个社会可能都会产生重构,所以没有一家公司能够把所有机会全占住。百度不能,即使比百度规模大很多倍的公司也没有这个能力。无论是创业者、客户、合作伙伴,完全没有必要担心这件事情。
你问题的后半部分,百度有没有战略上的划定边界或者取舍?那当然是有的。最近这一两个月,我们每年的战略规划和讨论就在发生。
我始终都在讲的一句话是:什么叫战略?战略就是取舍,就是决定做什么,不做什么。决定做什么相对容易一点,决定不做什么难一点,尤其是过去已经在做的事。你决定说其实我的资源不应该再往这方面放,这个有点割肉,大家也会疼,也会有感情的问题。
但是作为一个 CEO,你就是要做这些决策。一定要有所为,有所不为,一定要把不该做的东西去砍掉。
对于外界的创业者、合作伙伴,其实你是在跟全部的市场竞争。如果你是在市场当中做得最好的,那你就有生存的理由。如果你被市场当中任何一个玩家所打败,那你就生存不下去。其实这件事情和百度的关系真的不大,没有必要担心这方面的事情。
创业公司能做出三五个
Super App、几千个垂类应用
张鹏:现在确实感觉技术还在持续的涨潮期,这可能也是很多人现在担心的一点。比如今天你号召大家应该卷应用,于是一些真实的开发者们投入了一个月;明天你们又发了新版本,好像把创业者的能力覆盖了。这有点像人们认真打了一个游戏,最后官方说内测删档了。这个情况你怎么看?
李彦宏:那就是方向走错了,这对于一个创业者来说是不得不付的代价。如果人家出一个新的东西就把你做的事儿替代了,那就说明你做的事情没什么价值,至少没有独特价值。那就要改方向,要想别的办法做真正别人无法替代的事情。
张鹏:大厂会拿走所有的红利吗?今天看来,这种创新的压力好像都在新生代企业这一侧,大厂好歹还有比较确定的历史资产,还可以应用 AI 创造更高的效率。这个机会未来是平均分配,还是分布不均的?
李彦宏:大厂会拿走大多数的红利,我说的大厂不单指互联网大厂。我觉得现有几乎所有行业成型的、刚刚讲的所谓代表落后生产力的公司,一旦它转过弯来能够很好地利用大模型的能力,它获得的收益、价值增益加起来一定是最大的。
当然,这并不表明创业公司没有机会,创业公司可能能够做出 3 个、5 个 Super App,或者做出几百个几千个非常有价值的垂类应用,可能性也非常大。
但是这些价值创造跟我们对于现有世界的改造相比,我认为还是一个小头。
张鹏:我们多问点开发者感兴趣的话题。AI-Native(AI 原生)这个词今年很流行,能不能定义一下什么叫 AI-Native?
李彦宏:其实我们的认知也在不断迭代。过去讲基于大模型开发出来的应用,就是 AI 的原生应用,但是这样的应用具有什么特点呢?我们也在考虑。比如说它的用户交互是不是纯自然语言的,这跟我们过去的图形用户界面是不太一样的。
但是我们也发现,纯自然语言的交互界面门槛是不低的。过去大家习惯了上滑一下看一个新内容,今天你让它输入一段话才看到内容,这个对于很多用户来说,门槛很高。
一方面我们要解决的用户需求是更复杂的需求。它不仅需要你输入一段话,甚至需要多轮交互才能被搞清楚。但是我们也可以通过自然语言界面和图形用户界面结合的方式降低用户门槛。
再有,还是要做过去的技术做不到的事情。过去所谓是辨别类的需求,比如人脸识别。其实生成类的需求大多数都是过去的技术做不到的,还是要看在哪能够创造比较大的价值,那它产生出来的应用很可能就是 AI 原生应用。
我们也在摸索的过程当中,不断在总结、在归纳、在提炼。如果有什么心得的话,我也很愿意跟大家做分享,包括我们踩过的坑,我们哪些路走错了,我都很愿意有机会跟大家进一步的分享。
张鹏:所以把 AI-Native 特简单地定义为 1、2、3,大概率反而是错的。
李彦宏:我觉得我能够定义的就是自然语言的交互,2、3 我都说不出来。
张鹏:这个也引发一个话题,你看过去移动互联网的时候,我们要做一个开发,大概知道是个什么流程——要有产品经理画出原型,前端、后端实现。在 AI 时代,基于大模型做 AI-Native 的开发,我们到底开发的是什么?
李彦宏:我觉得从应用的角度来讲,倒没有什么特别的,就是你要解决什么问题、给别人带来什么样的价值,这个跟过去时代的开发相比是一样的。
但是使用的方法确实不一样,对产品经理的要求,对于研发人员的要求,对于一个公司的组织能力,可能都是跟以前不太一样的。今天在百度的话,PM(产品经理)和 R&D(研究与开发)的比例是发生变化的。过去我们一个 PM 要对很多 R&D,今天可能是 1:1 了。或者说很多做法在前期进行测试的时候不太需要 R&D 介入,PM 自己攒一个东西就可以做到,这是跟以前比较不一样的地方。
李彦宏和张鹏探讨大模型创业者的「基本素质」|极客公园
张鹏:之前有一段时间,PM 感觉已经没有太多的发挥空间,看起来 PM 今天又重要起来了。我觉得引出一个特别有意思的话题,在今天什么样的产品经理,是适合 AGI(通用人工智能)时代的?
李彦宏:我认为将来真正的成功的 AI-Native 产品经理,很可能不是某一类人,而是各类人的综合。比如说今天我们见到的一些比较优秀的管培生,你看他学习的专业,有可能不是计算机科学,但他基础的素质、学习能力很强的。他有产品的感觉,有市场的感觉,同时又不怵技术。即使没学习过,新的论文发表了,他读完论文,也能明白这个论文讲了什么,大概用了什么方法,这种类型的人是最有可能成为成功的产品经理的。
你说他是超级用户吧?他过去没有那么多 Super App,成不了超级用户;大厂高 P 吧,才毕业一两年时间,到不了高 P;成熟产品经理吧,也到不了。
学习能力才是最重要的。他不害怕这些技术,他会学,而且不满足对于现有技术的利用,而且要求技术——虽然你这个技术现在没有做到这一点,但我要求你给我做到这样,我才能够把我的产品做出来。这样的人我觉得会是成功的 PM。
我觉得我们的 PM 绝大多数其实也不符合这个标准。我有时候会听到百度的 PM 说,我们现在技术很厉害,我们的技术发展也很快,我一定要把百度最优秀的技术及时地用到我的产品当中去。
我说不行啊!我们最优秀的技术也是很不成熟的技术,你一个月之后它就已经落后了。你一定要讲,我的业务需求是什么,我就逼着这些工程师,一定要把我这个需求给我满足了。你现在没做出来,OK,但是你要多长时间之内把它做出来?能提这样要求的 PM 才是合格的 PM。
张鹏:首先不怵技术,但是他自己又不做技术,反而更专注在需求上。很重要的一点是,拉着技术跟他的目标一起涨。这是很大的变化,模型本身也要跟着他的需求涨。
张鹏:看起来新一代开发者又有很多的机会。如果大厂高 P 的话恐怕挺难的,肌肉就成了惯性。
张鹏:我们今天在场里有很多创新者,你给大家什么样的建议?包括百度可以帮到大家什么?
李彦宏:最重要的还是要去试。今天大模型有这么多可选的,而且能力在迅速提升,基于新的技术能力,能够长出什么样的应用来?我们今天的认知,跟我们一个月或者半年、一年之后的认知是非常不一样的。
这个认知怎么迭代出来的呢?不是你坐在屋子里凭空想象出来的,也不是我读了哪篇论文明白过来的。确实是无数的开发者他们在试的过程当中,知道这条路通,这条路不通。今天绝大多数的 Possibility(可能性)还没有被尝试过,创业者开发者都要尝试,不管这条路走通、没走通都是宝贵的经验和教训。即使没走通也知道没走通,如果走通就是一个大机会。
张鹏:创业对时间尺度把握非常重要的。在你内心里,这是一个多长周期可以实现价值的事情?是未来一年、两年、三年,还是 5-10 年?
李彦宏:我觉得它是长期的机会,只是这个机会如果不去早抓的话,很可能在竞争当中落后。今年有今年的机会,明年有明年的机会。五年之后还有没有机会?我觉得也有机会。
但是为什么不早一点呢?为什么不比你的同行,比你的竞争对手更早把技术的价值、把技术的潜力去发挥出来呢?尤其关键的是,你得想清楚你的的衡量指标,就是这对我的核心业务的关键指标有没有产生正向的作用。当你把这个东西想清楚之后,我觉得其他都迎刃而解了。
张鹏:最重要的今天就是下场开始 play,哪怕一个游戏的心态玩一玩,也是能够入场的。
李彦宏:也是有价值的,learn something(学到东西)。
张鹏:今天跟李彦宏聊的很重要的收获,就是我们不要那么把「我们的技术一定要用所谓最好的技术」挂在嘴边。适合自己的、跟自己的场景匹配就是最好的技术。哪怕是没有做 AI 的人,可能反而有更大的机会。
张鹏:感谢李彦宏的分享,期待百度继续在国内一起推动 AGI 时代的到来,让更多的开发者能够创造更大的价值。李彦宏再来做个总结,给大家嘱咐一句。
李彦宏:我说的够多了,没有什么好总结的。我只是讲,大模型时代的来临,真正的价值在于原生应用,而原生应用无论对于大厂,还是中小企业,还是对于创业者来说,都是很大的机会。希望大家及早的去把握,尽量多的去尝试,我认为一定能够找到一条符合自己发展的道路。
本文来源极客公园,如有侵权请联系删除
END
本篇文章来源于微信公众号: AIGC开放社区