像下面这种图都是在讲AI将创建更大的价值：

这没问题，但有一点很少人谈到:AI在创造价值的同时也会带来大量的价值压缩。

前者是机遇后者是风险。

什么是价值压缩？

举个例子，智能手机之前卡片相机是个巨大市场，但智能手机崛起后，卡片相机整个市场被压缩掉了。

我们可以讲卡片相机比任何时候都好，因为手机就是卡片相机。但这个市场确实不独立存在而是成为更通用产品的一个部分。

所以这里压缩可能比颠覆等等词更合适。

压缩的警示是什么呢？

通用产生压缩。

而如果认为手机在通用上给相关产品带来的影响是1，那大模型在通用上的影响可能是100。

最大的警示是不要站在被压缩一方，如果站在被压缩一方那努力不改变结果。

2007年iPhone出现后，卡片相机做的比过去好两倍会改变结果么？

压缩背后是应用边界的重新定义，局部改善不影响整体结果。

现在AI因为智能的通用性，所以会压缩掉的东西远比想的多，当然也带来更多的风险。

什么是AI下的价值压缩？

先拿搜索举例子。

信息量高速膨胀的时候，必须有一种比分类更快的方式找到对应的信息，这就是搜索和个性化推荐。

搜索是拉，个性化推荐是推。

一旦模型变主流，拉的形式下信息消费方式注定变化。不是搜索没效了，而是搜索会像卡片相机一样变成AI背后第一个功能。这可能是Perplexity这类新派搜索引擎发展这么快的原因。

更关键是这类应用一旦成功，背后要放的功能肯定不止是搜索，我们能看到的大量的工具比如新闻都可能变成它的一部分。大量现有应用被压缩。

自然语言交互相比GUI的一个好处是它其实可以放几乎无限的功能，交互不会因为内容的变多而增加复杂度，所以没有限制。

AI下 的价值压缩只发生在C端么？

AI带来的价值压缩并不止会在上面说的C端发生。

B端也一样，过去我们按照功能分了大量独立的软件出来，财务的、人事的、供应链的等待。实际上这些功能从AI的视角看其实是类似的，不需要独立存在。

微软纳德拉的观点明显是在说这事：

为什么感受还不明显？

AI应用还在一个前奏的阶段。

要搞定的远不是单纯的模型问题，还有如何与市场对齐的问题等等。

研究清楚新技术怎么用需要克服的困难和把新技术创建出来不太一样，我们还是拿卡片相机举例子。

2007年其实大量用于做智能手机的技术已经在那里了。所有卡片相机厂商也在积极的应用这些技术提升卡片相机的体验，极端来讲多点触控也可以用来改善卡片相机啊。

这里就变成了两种情况：

一种是用新技术把过去的产品体验提升10%；一种是新整一套比如iPhone。

我们当前大概处在前者的尝试之中，而当这个尝试足够多，相信其中就会有部分人把精力转到后者，而这时候会在技能集上提出全新的挑战。

但这也正是机会所在。

小结

大过年的，也还没开工，就不写那么长了。近来DS引起广大关注，这确实也是巨大进展，但只有这个是不够的。真正突破的产品必然需要在模型之上做综合，并且创造在市场侧可感受到完全不一样的价值。不过循着R1/O1这条路来构思，可能会离答案近一点。比较确定是把大模型当功能模块用，用于提升过去功能的10%，路数是有问题的，大概率被压缩。