去年，AI行业始于该国增长的爆炸。从渴望创造性机构的企业家精神的大型模型的浪潮中，无数公司急于进入看似无穷无尽的新曲目的可能性。但是您是否注意到一个奇怪的现象：许多家用产品看起来还活着，他们对新闻发布会感到惊讶，并且在排名中非常受欢迎，但是当它们实际使用时，他们总是觉得人们“几乎很有趣”。这是为什么？一个主要原因是：我们使用“互联网思维”来进行AI。现在已经在移动互联网期间对这种逻辑增长进行了测试 - 快速重复，扣押用户，讲故事和排名清单 - 现在被迫进入AI行业，但结果是模型很弱，同质性产品很严重，并且实施方案缺乏深度。这似乎是一场技术革命，但实际上，许多人仍然类似于“应用程序r“十年前。AI不是下一个Doinan，也不是下一个Meituan。大型模型不是交通产品，而是基础设施水平技术中的竞争。它的要求不仅是一种嗅觉和操作感，而且是坚实的工程系统，长期对科学研究的投资，以及对基础ARI的彻底了解，我们将在本文中进行全面的了解，我们将在互联网上进行操作。大型模型，如果中国人想真正地进行“互联网思考”，那就想到了什么是在互联网上，这是中国的发展，这是中国的发展，这是中国的发展，这是在互联网上，这是中国的发展，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上，这是在互联网上， 这有效生长公式的范围。互联网思维的四个最常见特征是：1。流量是国王。首先，抓住用户，然后谈论微博，微信，迪迪，梅图安，然后再谈论doong和kuaishou。所有产品的第一个目的是：抓住用户，占领市场并制造dau。尽管产品不够完美，但首先要维护，包围和成熟的人，并且一切都可以优化。 2. Mabilis重复，小步骤和全文的快速运行快速运行
“制作MVP（最低可用产品），在线尝试，查看数据并构建它。”
这是互联网公司的默契规则。由于开发和发布软件的成本非常低，而且容忍罪的余地很大，“让我们在线谈论它”已成为逻辑默认值。
3。用户体验的方向，全部用于转换
无论是界面设计，内容还是建议算法是的，使用它很长一段时间。您可能不知道其背后使用了哪种算法，但是您应该知道该产品是“顶部”。
4。在风中驱动，增强资本
尽管该产品处于童年时期，但只要您站在前进并拥有足够的故事和想象力，就可以筹集资金，吸引人们并增加规模。让我们先讲一个好故事，然后找到一种好方法 - 在移动互联网期间经过测试和真实。
在互联网上，这些逻辑几乎已经完成，即“软件成本非常低，用户的行为清晰，市场增长很快”，这些逻辑几乎完成了。 MIDEA的商业武器。
但是问题是：AI，尤其是大型模型，不再遵循这些游戏政策。
大型型号不是互联网产品
它的基本逻辑完全不同
似乎大型模型产品与互联网产品非常相似：它们都是用户界面的应用活跃的“版本。但是它们的基本逻辑在此问题上并不相同。
使用互联网制作AI就像使用军队思考组成海军，而起点是错误的。
以下方面是大型模型中互联网逻辑最困难适应的关键：
1。反复试验的成本是荒谬的-Thew -High
在互联网期间，产品的开发和执行在线测试功能的成本几乎为零；如果失败，它将返回并重新开始。
但是AI，尤其是大型模型开发，并不是“在线尝试”。
微调一个基本模型，通常花费数十万；
从一开始就练习基本模型可能值得一百万元人民币；
调整参数的“反复试验”不是工程作用，而是科学研究 +超级工程系统 +超长链接协调的结合。
换句话说：这不是“迭代”，而是“重新创造”。
2。输出是概率iStic，不确定和黑匣子
互联网产品正在追求“用户体验” - 单击按钮，用户应该知道会发生什么。
大型模型的输出的本质是可能性的分布：每一代的结果可能会有所不同，模型的内部结构非常复杂，无法完全解释，并且很难通过传统逻辑“顺利进行”。
这意味着：产品经理无法像运行应用程序时那样控制体验路径；用户反馈很难直接使用改进点“映射”；整个互动体验是麻省理工学院是智能系统合作伙伴关系的一部分，而不是对人民的单向控制。
3。培训数据和潜在功能是“产品”，而不是UI接口
大型模型的真实“产品能力”不在界面中，而是：如果您具有高质量的语料库并且正确变化的维修数据；如果您具有工程能力，可以大规模训练很长时间；如果您可以开发良好的推理和部署系统。
就像苹果的产品强度看起来不像，但芯片 +操作系统 +生态系统 +供应链。
一个真正强大的大型模型制造商在看不见的层中竞争。
4。这不是“应用程序”，而是“平台”
互联网产品是“解决一定需求的工具”，而Willg模型是“支持无数新请求的基础”。
大型模型不是应用，而是能力；
这不是“可以做某事”的系统，而是一个“可以做很多事情”的系统。
真正的价值不取决于“如果此模型可以聊天”，而是可以推动一系列新产品的诞生。
因此，它就像电力，操作系统和工业基础标准一样，而不是下一个“超级应用”。
这些“重要的变化”解释了：为什么复制互联网方法不仅无效，而且可能误导决策和不匹配的来源，并落入抵御唱“它很忙，但并没有真正运行”的问题。
相反的误解了钨与AI相连
当在AI轨道上复制“交通思维”，“促销逻辑”和“热产品心态”时，技术革命将成为一场公关战争，一场参数战争和融资战争。
让我们打破一些最常见和破坏性的“互联网误解”：
误解1：凸起的参数=能够堆积的能力，赶紧列表=使用技术
在移动互联网期间，“列表”代表用户的偏好和流量趋势，以及增长时间。许多没有意外将这种逻辑应用于大型模型的制造商：“我们有更大的参数，更多的令牌和更高的排名，因此我们更好。”
但是问题在于，大型模型不是数码相机，而不是“像素更高，更清晰”。
实际上：模型越大，能力不一定会连续提高；参数密封通常会降低SES效率，减慢推理和实施难度的提高；列表中大多数模型都是演示“用于审查和培训”，并且没有实际的商业功能。
对“更大=更强”的痴迷是对技术的重要误解和非常昂贵的伪优化。
误解2：更改外壳并将其称为AI产品
为了“快速在线”，许多制造商曾经用来覆盖美洲驼，但现在他们涵盖了DeepSeek，更换皮肤，添加徽标并将其与UI配对，并成为“国内AI助手”，“智能办公平台”和“ Enterprise AI Middle Platform”。
这种类型的产品：基础取决于资源的开放模型，没有任何安排或适应性，没有差异功能，并且其功能几乎相同；用户的体验在表面上，一旦您询问，深层逻辑就会崩溃。
从表面上看，它是“一百花盛开”，但实际上是”贝壳团结起来”。
它显示的不是“变化速度”，而是缺乏潜在的功能和工程系统的控制。如果模型没有自己的灵魂，则该产品自然无法走远。
误解3：公关驱动研发，新闻发布会之前的新闻发布会。
在Internet期间，“首先退出，填写”是一个常规操作 - 首先启动应用程序，然后根据数据进行迭代式优化。
但是，大型模型的开发并不像“发布版本”那么简单。
如今，许多制造商对：在新闻发布会上的“讲故事”都充满热情；首先是PPT发射，缺乏操作；该模型是在线的，但即使是抹布的基本破布也不稳定，用户会发现“跌落”，“难以理解”和“毫无意义”。
它不是“快速发布”，而是“释放空”。
如果继续这样做，它不仅会透支用户的信心，而且还将节省团队资源，并将开发操作一堆不会实现的KPI类型。
分歧4：用户数量是唯一的指标，更好
大型模型不是流量平台。它的价值不在于“注册用户的数量”，而在于“用户创建的内容”。
不幸的是，许多制造商仍然习惯于使用DAU数字并注册来衡量模型的成功或失败，甚至使用“使用日志记录超过100万”来打包融资材料。
但是AI的真正价值是：它提高了用户效率吗？您是否完成了未完成实力-TAO的任务？流程，工具和决策过程会改变吗？
大型模型不会“做”“热产品”，而是“更改了底层”。
如果您仅查看用户数量，而不是使用深度，而不是登陆的影响，那么它与十年前的“ App of App”没有什么不同。
这四个主要的误解确实指出了一个普遍的问题：我们是仍然习惯于“开发产品”，而不是“发展能力”。
能力的建设是另一个世界是另一个世界。
AI制造商确实需要的新思维范式
如果“互联网思维”是一组短期赛车，高反馈和基于速度的技术，那么对模型的大型模型的需求就是一种专门用于科学研究，基础和协调的系统思维。
这是我们认为最关键的五个新保护者：
1。科学研究 +工程双轮驱动，不再关于“工程通用”的迷信
在大型模型的领域中，工程学的思想远远不够。工程学可以解决“如何快速做到这一点”的问题，但是科学研究决定了“正确的方向”。人工智能制造商通常经常强大：
顶级研究功能非常非凡（了解变压器，RLHF，Mult -Imod Architelect）；
出色的工程（LARGE尺度培训，优化优化，存储计划）；
能力创新的建筑水平（代理系统，插入生态，建筑链构建）。
科学研究决定了上限，工程确定了下限。两者都需要。
2。长期思考：模型不是一个项目，它是一个平台
在模型的大型开发中，最重要的是将模型视为“容量平台”，而不是一次性产品。
这意味着：每个培训，微调和部署都是平台复发的一部分；您不是“传递功能”，而是“培养代理人”；它的生命线是数据和联系的连续反馈回路。
因此：大型模型不是版本号，而是Body Body。您不构建产品，而是系统的开发。
3。解释“用户扣押”的想法，并转向“解决问题”的逻辑价值
AI的真实值不是用户数，但是解决问题的能力。
这要求我们改变方向：不再问：“如何拉动用户？”取而代之的是，问：“我可以解决一个独特的问题？”
示例：医疗，法律，制造，金融等领域的专业人工智能服务；智能代理无法替代业务流程；深度数据见解和知识管理方案。
与其制作“所有人都可以使用”的AI，最好制作一个“所有人都不能没有”的AI。
4。建立一个生态系统，而不是堆的浮雕
模型功能的上限并不是您制作的功能，而是您拥有一个继续增强这些功能的生态系统。微调数据从何而来？有封闭的数据循环吗？用户反馈可以转换为材料培训吗？插件可以在一起吗？代理可以分裂工作并合作吗？
生态学是能力的飞轮，而不是UI花瓶。
5。重新定义团队结构和组织日志我知道了
在大型模型中，“产品经理 +工程师”制造模型的传统划分被留下了。
您所需要的只是：算法的日子，基础建筑师，提示设计师，培训师模型，数据标签建筑师，多模式工程师；
跨部门的合作机制开设了整个数据链，研发，产品和操作传道；这就像“ AI科学研究实验室 +平台团队”的混合组织。该组织的路线遵循了中国模型最强大的模型的深入搜索公司。
以上五个点产生了AI思维的真正天堂，该天堂较慢，更深，更困难，更稳定。
但是，仅通过遵循这一路线，中国人工智能制造商可以真正摆脱幻想并提升自己的潜在障碍，并且具有与寻求深处和开放式的不同但强大的结构。
在过去的十年中，中国互联网上最好的是热产品。
从工具到平台，从社区到内容，从消费到电子商务 - 每个浪潮都是关于交通，吉格斯特和速度的狂欢节。
但是AI现在不是下一个狂欢节，而是基础设施的革命。
这不是新的“抑郁症流”，新的“增长曲线”或“更聪明的工具”。这是一个全新的技术范式，也是智能世界中的起点。
您所要做的就是不要创建“每月超过一百万”的产品，而是要产生可以在未来十年内带来智能生态系统的基础。
当建造高速金属时，构建了5G和电网时，它不是为了“快速”，而是用于稳定操作条件的所有可能性。
因此，我们应该释放对“热产品”的痴迷，并开始拥抱对“基础设施”的信念：我们不急于启动可以说话的助手，而是创造可以“学习，成长和重新使用”的代理人；我们不再是贝利在排名中的模型中的前夕，但要专注于解决真正问题并悄悄地建立能力的团队；我们不再记得用户的数量，而是专注于用户的真实转换和复合价值。
我们必须承认，这是一场遥不可及的比赛，没有奇迹，也没有系统的工程。
它很慢，沉重，非常昂贵，悲伤，但值得。回到Sohu看看更多