首页 > 专业知识 > 为什么大语言模型的应用爆发还没有出现？

为什么大语言模型的应用爆发还没有出现？

晰数塔互联网快讯
2023-08-09 11:23

一、NOW：LLM的应用大规模爆发还没有迹象

自从ChatGPT在去年11月30日发布至今，生态里的每一个玩家都高度关注这个大爆发的进程：

VC和各类创业者疯狂地交流，头脑风暴，试图找到The next big thing的迹象。毕竟这是继移动互联的大规模增长后，科技创投圈的全村的希望——村里的Web3、Metaverse、NFT都努力过了。

中小企业在媒体宣传下，也在关注各种可以用来降本增效或者提升自己业务销售的工具；我最熟悉的MNC板块也异常的活跃（考虑到合规本身对跨国企业有压力）：不仅是leadership有FOMO，management和业务第一线的专家都有自下而上的驱动来研究LLM（大型语言模型）的可能应用。

有些动力是来自行业中其他玩家带来的peer competition。有些动力是想找到帮助自己每天工作的助力；有些则是想提前看到自己的工作会不会被AI代替。

但是，现在已经是2023年8月1日了。大家期待的LLM寒武纪爆发——可规模化的PMF（Product-Market Fit），尚未出现明显的迹象。上述的各位可以看看自己身边，除了ChatGPT这个全球第一个LLM-native APP本身以外，还有什么其他AI产品是你每天都会用的？大家在各个领域，有遇到“用了就回不去了”的LLM产品么？

不用担心这只是“自己身边的观察”，我在和美国、欧洲以及亚洲市场的不同玩家交流后，得到的答案和大家一样：现在没找到像移动时代那样标志性的产品。

我和大部分从业人员一样，相信LLM最终会带来很大一波应用。We could say that 我们可能需要更多的时间，就像自从App store发布以后（2008年），iOS的杀手级应用如Angry Birds、WhatsApp、Instagram，也是经历了1年多时间才开始有流量（2010~2011年）。这是一个开头的迹象，然后大规模采用，则是在2012~2014年出现的（超过了100万个APP）。

但另一方面，这些“更多的时间”是用来干什么的？什么东西的出现会加速这个进程呢？

二、还差什么：产品形态&供给

在2B方面，影响找到PMF的因素很多，比如合规：因为LLM的特点（数据都得走一遍大模型），大型企业出于合规的顾虑，导致业务和IT同事更难在企业内探索业务场景，发现好场景的时间被拉长。

不过，这个问题并不对2C的创新型企业有效——他们并没有那么多合规顾虑，理论上可以任意探索场景。那为什么新的killer APP在2C领域也没有出现呢？

1. 缺少一种有效的产品形态

当前的LLM领域，开发者还没有找到合适这个技术的产品形态——我称为Tech-Product Fit。

有朋友可能还没分清楚：LLM本身是一种技术，而非产品。ChatGPT才是（面向消费者的）产品。

而从一个技术到一个终端消费者可用的产品，这中间还隔了很多东西。这意味着ChatGPT本身作为LLM-native的应用，其内部远远不止GPT（LLM）本身，还有很多其他技术组件和系统（而且并未全面向公众公开）。

比如把内燃机看做一种技术，那么汽车就是产品；如果多点触控是一项技术，那么iPhone就是产品。

所以，当开发者们拿到LLM的接口的时候，就好像拿到了一个已经封装好的引擎——而这离造出一辆可以卖给消费者使用的车，还差很多组件和相关技术。

而缺少组件，这还不是当前摆在全球开发者最面前的问题。更大的问题是：“什么是车？”——开发者得先知道自己要造车，才（可能）知道还缺少哪些组件。

这些components的存在、组织方式、运作机制加在一起，就是产品形态（Product Form）的框架（Framework）。

同一个产品形态的框架，可以做出很多近似，但各有特色的产品。就好像，汽车这类产品，除了都有发动机以外，还有变速器、制动系统、轮胎、转向系统、车身等等，加在一起就是“汽车框架”。在这个统一框架下，开发者不用再重复验证“汽车是有用的”，也不用重新探索“需要哪些部件才能造出车”；开发者可以只关注对“汽车”这个框架下的不同组件的创新和设计，制造出不同性能和功能的车，以满足不同消费者的需求。

在PC时代，最优的产品形态是桌面端软件；互联网时代的产品形态是Website；移动时代的产品形态是APP；当LLM的这一刻出现的时候，我们就有机会看到应用的大爆发了——只是可能还缺了一个重要因素。

2. 缺少业务端供给

真正的魔法不是交互，而是交付：只有业务交付才能带来真正的价值（和交易）——这就好像你在U Uber上下单了，一会儿真的来了一辆车。并不是只有在物理世界里的交付才算交付，在社交网站上，真的认识到人，也算（社交网站的）交付。

关键的问题是，如果交付是信息类的，比如知识，而且还是常识类的知识，那么多半这个交付可以由LLM本身完成。所以，要让终端用户感觉到你的产品有价值，那么完成交付的就不能是LLM本身。比如有开发者在LLM上套个皮（wrapper）就称为产品了，那么就没有你的add value，用户大可直接去用ChatGPT。

2016年，我关闭了一个2C的创业（智能助理）。当时有一个总结，是只要不能实现供给，智能助理最终都无法形成规模化的价值。当时称之为“API困境”，核心的意思是“你做的AI能推荐餐厅，但不能预订餐厅，就没有足够大的商业意义”——甚至你不会感觉这个技术有什么用。感兴趣的朋友可以去看《为什么你看到智能助理都像人工智障》。

到当前LLM时代，这个核心依然成立。LLM解决了自然语言理解的问题，但是并未解决供给端的业务逻辑（特别是私有的领域逻辑），更没有、也不能解决供给侧的交付问题。

这意味着，你对AI说“点4杯热拿铁送到办公室”，你会真正觉得有价值的是过了一会，热拿铁真的出现在了办公室。而这个过程中除了理解你表达出来的需求，还有很多环节的业务逻辑需要被执行（库存服务、身份识别、地理位置处理、支付、店员查看订单系统、店员制作你的那杯在物理世界真实存在的拿铁、派单给快递系统等等），才能最终让快递员把咖啡给你送上门。以上这些业务逻辑的设计与执行，都与LLM没有什么关系，而是符号系统（也就是传统软件）和人的事情。

所以，我们要想看到LLM在遍地开花，还需要全球开发者在拿到LLM的接口后，去设计业务（业务逻辑是什么？业务怎么交付？）才能真正给终端消费者传达有效的价值。

三、最后

可以想象未来可能的业务是非常多样的：incumbents可用LLM来翻新或者改善交互（如copilot）；也会有新的业务借由新的产品形态出现。

至于这个LLM-native的产品形态是什么，我的答案是：Agent，but not Autonomous Agent.

本文来自微信公众号：S先生（ID：TheMisterS），作者：Mingke