刚 结束 了 一场 A I 碰撞局 ， 说 几点 感想 ， 细节 有 利害 牵涉 暂时 不说 了 ：

1.合规的成本越高，越会滋生对AI的需求

这点提到的人不多，但近来却反复听到。

举个例子，比如某个录取考试，如果是人负责操作，那岗位越关键，来想做额外操作的人越多，而负责运营的人未必愿意承担这个风险。

这时候最简单的规避风险的方法是什么呢？

使用AI。

类似的，如果对于销售费用、营销费用等管理有十分严格的要求，那在人的世界中可能是不可能达到的，最好的办法是什么呢？

显然也是把对应的业务AI化。

这背后彰显的是系统的复杂度超过某个阈值后，AI的需求会直线上升。

反过来这可能是AI嵌入生产过程，成为关键生产要素的必经之路。

2.警惕AI的脆弱性

AI因为什么都能干，免不了会被当成万能灵药。但其实当前的AI有着明显的限制：

它在数据成本过高、或者精度要求过高的场景真正产生作用所需要的成本可能过高。（而数据成本看起来和业务牵涉主体的数目成正比）

简单说就是你的投入产出是不划算的。

所以现在真用AI追求的并非是全面（虽然AGI给人带来这种幻觉），而是要在特定的切口下把事做深。深特指超过人的水平（）

大模型是要追求全面提升的，但那是做大模型那波人的任务。

并且即使是大模型在不同的领域表现也是有差异的。

换句话说：AI的应用能够发挥出自己的强大性是有前提的，这种前提反倒是应用的价值所在。

如果某个工作比如编程发挥作用没有前提，或者前提是统一的，那
模型公司自己就做了，会把它变成模型的一部分。

AI无疑是强大的，并且会越来越强大，但是：

所有希望把AI变成生产力的人需要警惕AI的脆弱性。

避免投入过大或者过久没有产出。

大晚上的不写太多，顺道做两个发布：

（一） 6.26欢迎到合肥小聚，对AI应用往纵深发展会碰到的问题感兴趣的同学比较适合。

（二） 6.30北大纵横办公楼四层欢迎来参加《作者面对面》的活动

时间:6月30日13:30

地点：北大纵横办公楼

推荐人沈俊霞老师，柴金龙导演，北大纵横创始人王璞先生，陈保辰秘书长，多位作家学者教授媒体人，诚邀您莅临现场。

感兴趣同学联系:shuixiu2024吧