We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
庄
庄明浩
庄明浩：过去一年AI发展速度惊人，技术迭代迅速，许多结论和认知很快过时。预训练阶段基本结束，行业共识转向后训练、分布式推理和Agent的实施。大模型研发趋于理性，单token成本大幅下降，但应用普及仍需更低的成本和更高的用户付费意愿。2024年是AI应用年，2025年可能是Agent年，行业开始划分应用边界，并逐渐形成共识，例如大厂产品如豆包和夸克等凭借用户规模和快速迭代能力占据主流。选择AI产品关键在于产品团队的快速迭代能力和用户体验，而非单纯的技术能力。大厂开始将模型研发和应用开发团队分开，体现了行业对专业化的需求。大模型就像太阳，需要应用层（导管）将能量转化为用户可用的形式。AI Native概念定义模糊，需从用户视角重新审视。AI本身是技术，而非场景，关键在于如何利用AI创造价值。现阶段AI应用并非完全依靠AI技术，还包含大量人工规则和判断。未来，搜索引擎、输入法、浏览器等入口可能融合成一个统一入口。
刘飞：AI技术发展日新月异，应用层面的变化尤为显著。大厂产品在用户体验和快速响应方面优势明显，小团队难以匹敌。夸克等产品的成功在于其在用户体验和快速迭代能力上的优势，使其能够快速适应新的应用场景。AI应用的快速发展，考验着产品团队的能力，包括功能的增加、用户体验的设计、以及与现有功能的结合。搜索框等入口的集中，提升了用户体验，但同时也对产品设计提出了更高的要求。不同AI工具在功能侧重点上存在差异，用户选择时需要根据自身需求进行判断。AI应用开发的核心在于满足用户"懒"的需求，提升用户体验。AI应用的兴起，对优秀产品经理提出了更高的要求，需要他们同时具备技术和产品方面的能力。智能眼镜等AI硬件将成为未来重要的发展方向，但需要考虑成本、供应链、渠道等因素，并定义好产品边界。AI应用的发展趋势，与互联网和移动互联网的发展趋势类似，都朝着更便捷、更个性化的方向发展。
Deep Dive
本部分回顾了2023年以来AI技术和应用的快速发展，特别是GPT-3.5发布后带来的加速效应。讨论了AI模型能力的提升、成本的大幅下降以及行业对预训练和后训练的共识。
- AI技术迭代速度加快，内容更新频繁
- AI使用成本大幅下降，token费用降至年初的百分之一
- 预训练接近尾声，行业关注后训练和分布式推理
- 模型能力趋于接近，市场进入理性状态
Shownotes Transcript