每个人都会在自己原有认知体系下对AI进行解读，但当这种解读偏离智能的基础特征，结论往往就是荒谬的。

真做产品，荒谬的结论就是死亡的开始。

如果把AI看成和人并列的智能体，那思考AI应用的时候必然要回到在价值创造过程中：

1）AI负责干什么，人类负责干什么?

2）在AI负责干什么范畴中又需要区分基础的大模型干什么，AI应用负责干什么？

这俩问题不清楚，可以先不做应用。

如果用探索迷宫来类比产品过程，这俩问题的思考结果大致等于迷宫出口在东南西北的那个方向，大致不差摸索才产生价值。

要想回答这类边界问题要回到AI大模型的技术特质。

AI大模型注定在通用信息储备和通用智能上会超过人类，所以底层逻辑特别简单：

当AI大模型起作用需要消耗的数据没有边界的时候，那不存在应用的，也不需要人类的介入。

这时候AI大模型≈everything。

在这个大模型可辐射的数据边界里面，只要AI大模型配上搜索，所有过去的应用以及相关人的工作都会被折叠到模型的内面。

所以这是模型的领域，也是模型公司必然去争夺的局点，没有底层模型能力就没有入场券。

那什么构建数据的边界？

所有权构建数据的边界，动态知识扩展数据边界。

什么意思呢？

比如店铺信息仅属于某个企业，这种所有权构建数据边界。

企业中本来没有怎么创建下代大模型的知识，人的研发扩展这部分能力，所以创新能力形成新知识，新知识扩展数据边界。

这两种数据各种交叠就构成一个组织或者企业存在的意义。

如果你没有独特的数据所有权或者创造新知识的能力，那企业相当于是AI大模型的一部分，没有存在的必要。

比如当AIGC能力大到一定程度，外包软件公司就没有必要--它没有自己的数据，也没有创造能力。

那这会导致什么样的未来图景呢？

每个企业有一只多智能体组成的类似章鱼的系统。

所有私有的数据和知识在这套系统里面，同时人、系统也不停的共创自己的私有知识和数据。

在全局上N个这样的复合体不停碰撞并且进行各种归一化。理论上差异化消失的两个主体会迅速归并，但地域等现实因素减缓发生的过程。

它们的碰撞结果，是公共的认知空间持续增加。很多知识不停的从私域流向公域，最终流入AI大模型，拉高企业存续的基线。

推论是什么呢？

企业内部必须具有一种生生不息的力量，否则一旦沉没到AI大模型的公共基线以下就会失去存在价值。在这里人、文化、价值创造的能力成为统一体。支撑这个统一体的是应用，不是AI大模型。

下面我们举个例子来说明下几个常用词和上面这个进化过程的关系：

第一代应用产品是Copilot，这时候人是某个角色的主体，AI应用扮演的是放大主体能力的触手。比如招聘，最终招聘的时候要考虑多少维度才能提升招聘的成功几率是人确定的。如果按优秀、良好、及格等来评定这个角色的Performance，那起决定作用的还是当事人本身。

第二代产品就是近来常说的Agent。Agent可以用来覆盖单一角色，比如上面说的这个招聘的角色，那可以把一个优秀招聘人员需要考虑的20个维度抽象出来，然后基于AI大模型来复刻他/她。这时候如果复刻的人类本身是80分，那复刻好了就也是80分。这时候最终的Performance则是数据、AI、人的模型共同决定的了。人是推动AI效能的动力之一。

第三代产品有人试图叫MAS(Multi-Agent System)，但其实不对，还是应该叫Autopilot。是不是多智能体只是个形式，并非本质特征。本质应该是可以自我改进和优化。当反馈、关系完全数字化并且可以联动的时候，在单个Agent复刻对象为80分的基础上，整套系统运作可以通过数据维度的扩展（把固定的20个维度扩展成30个等）等优化手段让角色的Performance变成85分或者90分。在这样他产品中，每个角色都先是逼近人类的最优秀值，然后超越。这个过程历史数据就是自身的养料。体现的正是AlphaZero那类的持续进化。只不过在大模型的基础上更加普遍化了。

这个系统中人和AI的边界体现在价值设定以及补充特定时期AI的不足上。形式可能更像三明治，除了经常说的System1（快思考）和System2（慢思考，要和人打交道确定价值设定），还会有System3，System3负责把需要人进行补足部分导入到整个系统中来。

基于大模型可以根据新数据优化自己的下代应用，产生类似智能飞轮的效果。这时候一般的排列组合的型的创新估计没价值了，需要发现、创造之前没有的要素。

几种极端情况

公有空间覆盖所有私有空间，那就是单一体，这时候没有企业，整个人类共享一个基础设施。所有人都站在人类认识的边界上，所有人都是创建者。

私有空间只有一人/一个企业具有并且不公共化。独门武功。

小结

总结起来就是数据的边界是应用的边界，作为应用如果不能巩固和扩张自己的数据边界，那存在价值会被AI大模型的进展所削弱。与此同时，人需要在这个过程中设定价值取向，并且辅助拓展数据边界，否则人也不存在价值。在这里一定程度上效率优先和智能优先是等价的。