判断六：个人应用要过千万月活门槛

与移动互联网时代的APP动辄上亿用户不同，中国AI 原生APP的成长速度并不算快，头部的APP也刚刚突破了月活千万的门槛。根据笔者个人的感受，即使是互联网圈，身边的小伙伴也有很多同学没有用过国内的这些APP，更不论三四线甚至五六线城市。

根据QuestMobile2024生成式AI及AIGC应用洞察报告，头部APP应用去重月活用户突破5000万。现阶段头部应用普遍聚焦在文本和图像信息模态生成；豆包、文心一言以月千万活跃用户规模“领跑”，其次是天工、扮伴-AI绘画及讯飞星火。

相比而言，2022 年 9 月至 2023 年 8 月期间，全球排名前 50 的人工智能工具吸引了超过 240 亿次访问。ChatGPT 以 140 亿次访问量领先，占分析流量的 60% 以上。

判断七：手机端侧大模型将加剧和超级APP的入口之争

大模型正在向端侧转移，AI推理将在在手机、PC、耳机、音箱、XR、汽车，以及其它可穿戴式新型终端上运行。端侧大模型具有一些独特优势，如，本地数据处理效率更高，节省云端服务器带宽和算力成本，对用户数据更好的隐私保护，开启更多交互新方式、新体验等。

未来借助端侧大模型，并结合向量化后的各类个人数据，用户可以跟手机进行更流畅的交互，实现各种原生操作和功能。如，小米的MiLM，VIVO的蓝心大模型、OPPO的安第斯、荣耀的魔方等端侧大模型。还有Humane 推出的 AI Pin，搭载GPT4，可实现语音交互，也可以投影在手掌上交互。高通推出骁龙8 Gen3 ，支持终端侧运行100亿参数的模型。苹果最新的M3芯片支持端侧推理，且计划推出更智能的Siri，为端侧大模型生态做积极准备。

但同时，很多端侧大模型的愿景是成为新的手机交互入口，比如只要跟手机助手聊天，就可以帮助点外卖、打车、购物，甚至发短信、发微信等等。如果实现，手机就有可能OTT掉大量APP，使得APP沦为后台为手机打工的角色。同时，这也进一步加剧了手机企业在生态内的话语权，让苹果税、鸿蒙税等更为持久和强势。

判断八：效率、体验、创造是当前大模型落地三大核心价值

效率自不必说，大模型仍然是机器提升自动化的逻辑。体验和创造是这一波大模型落地更为特别的驱动力。体验方面，一方面是交互更加友好，从人要去适应机器（无论是学Dos，还是后来的键盘鼠标输入）到机器来适应人（机器可以理解人的指令、语言甚至动作、姿态、情感）。另一方面，是出现了很多陪伴类的APP，即提供情绪价值类的原生APP。在这个过程中，也形成了一些亚文化，比如多推、单推、养崽等行为，以及使用中的脱皮、上皮、下皮等情形。

创造是生成式大模型天然的能力，当前在文字和图片创作、传媒影视、广告、短视频、甚至游戏等领域，已经大量引入AIGC的内容。在这些领域，大家一直诟病的模型幻觉问题，也有可能以另外一种创造的方式给人带来更多灵感启发。同时，创造还在AI4S领域有更大的想象空间，AI科学家可能就在不远的未来。例如，谷歌人工智能实验室DeepMind开发的深度学习工具“材料探索图形网络”经过 17 天的连续工作，A-Lab 进行了355 次实验，合成了 58 个拟定化合物中的41 个，成功率达到了 71%，平均每天产出的新化合物数量在2 个以上。

判断九：未来可能出现更多的一人企业

随着大模型能力的提升，以及AI Agent的发展，个人将有望获得更多的智能化工具支持。畅享未来，一个人可能拥有多个助理来协助工作，此时，对个人领导力和判断力的要求也会大幅提升。

一人企业的趋势，对未来大企业的组织方式也会产生很大的影响。组织内的个人，其角色也会由单一变得更为多元，如一人可以身兼产品经理、工程师、UI等多角色。企业内也会出现大量的数字员工，数字员工的多少和质量，会成为企业的核心竞争力之一。

判断十：“技术派”VS“变现派”的争论在3年内会有定论

最近“小珺访谈录”的两篇文章，分别访谈了杨植麟和朱啸虎，两人的观点可以说是针锋相对。按照小珺的观点：中国科技界针对大模型的态度已分裂成两股阵营。一股是技术信仰派，他们大多技术出身，认为应该像OpenAI一样信仰AGI、信仰scaling law（规模定律），思维更偏硅谷。在他们眼中，随着模型能力跃升、模型成本降低，过程中会解锁丰富的应用。倘若不追求“更大更强的AI能力”，一旦其他人的模型飞跃，很快会降维碾碎现有根据地与护城河。另一股是市场信仰派，他们信奉陡峭的技术曲线终有放缓的一天，只需将“足够的AI能力”投入可以快速变现的商业场景中，用中国市场庞大而独特的数据构筑壁垒。这类人往往在中国丛林式的商场中浸泡更久，思维更偏本土。

这种思维其实反映了很典型的长期主义和实用主义的争论，Open AI的成功，为我们坚持长期主义带来了很强的激励。按照奥特曼定律，智能每18个月升级的方式，预计到2026年，我们将迎来GPT6甚至更强的模型。届时，虽然还未达到AGI，但模型能力已经可以完成大多数人类社会的任务场景，从而变得更有商业价值。

在这个过程中，幻觉率的降低，是需要技术着力解决的问题。如果这个问题长期难以得到解决，会大幅影响行业的落地效果。也许，未来大模型会能够像人一样，会对回答给出一个置信度的概率，让我们知道哪些是仅供参考，哪些是确定性的判断。

转载自公众号 腾讯研究所  ，如若侵权请联系我们进行删除！