智能原生:AI蓝海世界的关键钥匙
火了这么久的AI,到现在为止的主要问题是什么呢?显然是商业不闭环。那么,该怎么站在AGI的基础上思考面向未来的产品呢?本文总结了几个关键因素,一起来看看吧。 AI到现在为止的主要问题是什么呢? 显然是商业不闭环。 互联网成就了Google等...
火了这么久的AI,到现在为止的主要问题是什么呢?显然是商业不闭环。那么,该怎么站在AGI的基础上思考面向未来的产品呢?本文总结了几个关键因素,一起来看看吧。 AI到现在为止的主要问题是什么呢? 显然是商业不闭环。 互联网成就了Google等...
区块链的商业应用,比如供应链追踪,一直以来都没有取得成功。但有人表示,该技术可能作为一种验证人工智能算法的工具而找到其存在的价值。 确保人工智能算法的安全性、公正性和准确性的困难正使一些公司转向一种曾被吹捧为革命性但在商业领域未能获得成功的...
即刻注册,免费畅享$1美金测试额度!按量付费,再无费用焦虑,充值更便捷,查询无烦扰,余额、用量实时掌握。
AI聊天APP已经逐渐成为了海外社交热门赛道之一,而在未来,AI聊天APP也会是大模型公司探索To C应用的一个有效路径。怎么解读AI聊天APP的异军突起与AI对话APP在国内外的发展现状?一起来看一下本文的拆解。 “当一台机器能够写出一首...
在大模型时代下,AI产品要怎么做?AI应用需要什么样的产品经理?做好AI产品需要具备哪些能力以及准备?本文从八个维度的重点内容展开,希望能带给你一些启发。 大模型时代的产品要怎么做?AI应用需要什么样的产品经理。 今天可能没有多少创业机会了...
三驾马车能让其尽快转型吗? 继今 年年初网易有道发布 基于 “子曰”教育大模型研发的三大创新应用及一款智能硬件新品:AI家庭教师“小P老师”、有道速读、虚拟人口语私教Hi Echo 2.0、有道AI学习机X20 后。 在日前举办...
台积电正乘着AI芯片热潮,而苹果在AI方面与其他科技巨头相比仍远远落后。 台积电(NYSE:TSM)于1月18日发布了强劲的第四季度业绩,有迹象表明芯片业务即将再次复苏。台积电一直在全速推进人工智能(“AI”)芯片的制造,但由于去年半导体库...
低价内卷,AI可治否? 如果说比拼低价是种内卷,那么除了更卷,只有技术创新一条出路。 围绕“低价”,电商巨头们挣扎了一整年,从调业务到调组织,甚至更换业务一把手,似乎都未能撼动拼多多的结构性“低价”。随之而来的是,拼多多先后成了...
与更大的机遇相伴的是更严峻的挑战 自打ChatGPT横空出世以来,有一个问题始终萦绕在很多人的心里:万一有一天AI变坏了怎么办? 从目前看,这样的担心并非毫无根据。最近,Anthropic的研究人员共同发布了一项研究,一旦LLM学会了人类教...
人工智能正在达沃斯世界经济论坛上占据中心舞台。 加密行业的失宠 在过去几年的世界经济论坛上,达沃斯的主干道上皆是大肆宣传自己产品的加密公司。 但在 2024 年,AI 成了新宠,扭转了过去几年的趋势。 要知道,在 2022 年 1 月的世界...
如何理解和应用AI是摆在我们面前的一大课题。 内容来源: 2023年12月2日,新加坡国立大学商学院主办的硅谷论坛,主题为AI时代新全球企业家的创新之路。 分享嘉宾: 贾扬清,Lepton AI联合创始人兼C...
伦敦AI产业优势。
2023年末,OpenAI联合创始人兼 CEO Sam Altman在X平台发文征集网友们2024年对OpenAI的愿望与期待。
从网友的反馈来看,呼声最高的前五名分别是:AGI(通用人工智能)、GPT-5、性能更强的GPTs、更好的推理能力、开源。转发清单中,Altman对AGI作了“请再耐心一点”的批注,让人对2024年的AI发展充满了想象。
回想2023年年初,ChatGPT一经推出就打破了历史纪录,成为增长最快的消费端应用。总有那么一些承载使命的企业,把某些实验室里复杂的工程科技带到大众视野里,而OpenAI成功将AIGC这一技术带到了大众视野,话题不断,成为科技圈最为关注的初创企业之一。
而2023年6月底,OpenAI则官宣在伦敦设立首个海外办事处,并表示,伦敦有着“充满活力的科技生态”和“杰出的人才(资源)”。
Sam Altman强调:“我们将此次扩张视为吸引世界级人才、推动AGI发展和相关政策的创新契机。”
事实上,伦敦不断吸引着国际巨头的关注,除了OpenAI,AlphaGo以及与“谷歌大脑”合并后的Google DeepMind也早在伦敦扎根。人工智能程序“AlphaGo”因为击败韩国围棋冠军李世石一炮而红,DeepMind的起点正是伦敦,尽管后来被谷歌收购,但它的总部、人才和整体架构都在伦敦,仍是一个英国本土企业。
伦敦发展促进署企业解决方案&商业服务负责人Alban Remy指出,伦敦拥有近1300家人工智能公司,比纽约还多,这个数字是巴黎和柏林人工智能公司数量总和的两倍。
为什么做AI的公司都要往伦敦跑?什么样的因素孕育了这片前卫科技的土壤?着陆Touch Base将从科技、人才、金融、政策等多维度分析伦敦AI产业优势。
英国媒体 TortoiseMedia去年6月底发布的The Global AI Index 显示 ,英国人工智能领域的综合情况目前全球排名第四,前三名分别是美国、中国和新加坡。
图源|TortoiseMedia
报告显示,英国人工智能领域的优势,主要体现在其强大的科研能力和人才储备——人才和研究这两项指标英国均排名全球第五。在人工智能的商业生态系统这项指标上,英国也表现不错。
DeepMind的一位高管曾自豪地说: “很多人告诉我们说,一个新的人工智能实验室需要设在硅谷才能取得成功。但我们并不这么认为。伦敦本地就有着全球顶尖的人才,并且这里也是全球人工智能人才的汇聚中心。”
全球AI教育城市排行榜数据显示,截至2022年底,伦敦的大学以29个人工智能方面的特定课程和333个CS/IT课程,跻身全球AI教育城市排行榜的首位。
英国人工智能发展有一个特色鲜明的机制——“以学带产”,即英国扶持人工智能创业的“2+5模式”。其中“2”是指Alan Turing Institute(艾伦·图灵研究所)和EPSRC(工程和物理科学研究委员)人工智能研究所。
Alan Turing Institute是英国国家数据科学研究所,更是人工智能领域的顶级研究所,在国家人工智能战略中发挥着关键作用,EPSRC则提供人工智能研发所需的研究经费和系统性支持。
“5”是指在这两大机构周围有全英顶尖的五所大学——剑桥大学、爱丁堡大学、牛津大学、伦敦大学学院、华威大学,还有大批机构帮助孵化人工智能初创企业。
可见,AI公司选择在伦敦设立业务,更容易地招募到卓越的工程师、数据科学家和业务专业人才,从而推动技术创新和商业发展。
而这里友好的技术交流环境也为科研人士提供了更多创新的可能性。
意大利人工智能数据分析公司iGenius成立不久后,选择在伦敦开设办公室。IGenius首席运营官Gabriel强调,面对伦敦的庞大人才库和丰富资源,在这里开设办事处就像创建一个能够连接世界各地的节点一样。
“它提高了我们作为一家国际科技公司的知名度,并为我们带来了新的机会。”Gabriel补充道。
伦敦有超过250种不同的语言以及1000万的人口规模,AI公司可以充分与其他行业领先者、投资者和研究机构建立紧密联系,促进创新和知识交流。多元化的交流环境为科研人士提供更多创新的可能性,欧洲规模最大的人工智能与新兴技术盛会CogX也诞生于此。
在2024·傅盛的开年AI大课暨猎户星空企业应用大模型发布会上,360集团创始人周鸿祎指出,一定要给AI找场景,而不是瞄着OpenAI造大模型,思考运用大模型去做一些原有应用的升级改变。第二,一定要尖锐,并且是要从小的场景深入,做重度垂直,做大的纵深。
事实上,AI的发展技术离不开场景的嫁接。而伦敦产业丰富,商业系统完善,从金融投资到文化创意、交通出行、医疗保健、零售电商等,都能从应用场景层面推动AI技术发展。
在医疗保健领域,如DeepMind Health开发的AI系统,通过分析医学影像(如MRI和CT扫描)来帮助医生更准确地诊断疾病; Genomics England(GEL) 则采用大规模基因测序,运用AI算法来分析这些数据,以帮助研究人员和医生更好地了解疾病的遗传基础,为个体提供更个性化的医疗服务。
比如,伦敦交通枢纽发达,这就带来了AI在交通管理和物流领域的思考空间。
Transport for London(伦敦交通局)利用AI技术来优化城市的交通流量——他们使用实时数据、传感器和智能算法,以预测交通拥堵并调整交通信号,以最大程度地减少拥堵和提高交通效率。
物流公司DPDgroup通过利用AI技术来优化货物的路线规划——他们使用实时交通数据、天气信息和历史交付数据,以智能方式规划最有效的交付路径,减少了运输成本,还大大提高交付效率。Ocado,一家在线超市,采用AI技术来管理其高度自动化的仓库和物流系统。机器人和自动化设备通过AI协同工作,以快速、精准地处理订单,同时最小化库存和提高配送效率。
支撑这些技术应用发展,当然离不开资金的支持,更何况伦敦向来享有投资之都盛名。自2013年以来,伦敦人工智能初创公司所获得的风投规模持续增长,至2021年,这一数字已较上年增长了36%,达到超34亿英镑,超过新加坡、巴黎和柏林三地的总和。
2017年至2022年间,伦敦人工智能公司的风险投资达到177亿美元,创纪录的一年则达44亿美元。
如总部位于伦敦的初创AI企业InstaDeep,2022年融资超过9300万美元。2023年1月,德国疫苗巨头BioNTech宣布以高达5.62亿英镑的价格收购InstaDeep。这是InstaDeep有史以来最大的一笔交易。
DeepMind等人工智能公司齐聚伦敦,伦敦AI企业的引资能力卓越图源 | 伦敦发展促进署
Dealroom的数据显示,过去十年来,伦敦已吸引超过1700个海外科技产业公司直接投资项目,当前伦敦的科技生态价值6215亿美元,比巴黎和柏林的总和还要多,稳居全欧首位。
英国政府的努力更是显而易见,从税收激励、法律结构、研发资金和创新基金鼓励AI公司在伦敦设立业务,致力于让伦敦成为AI企业发展的理想之地。
据英国《每日电讯报》当地时间2023年8月20日报道,英国政府官员已经与英伟达、AMD和英特尔等IT巨头展开讨论,以建立国家级的“AI研究资源”。
报道称,英国政府已拨款1亿英镑到这一项目,不过这还不足以满足英国政府在AI领域的雄心壮志,政府官员们正督促英国财政大臣Jeremy Hunt在未来几个月内为该项目提供更多资金。
而Hunt曾表示,英国政府将在5年内花费超过9亿英镑,用于人工智能和超级计算机研发。据称其中会有略多于5000万英镑被用于人工智能领域研发,但随着全球AI军备竞赛升级,预计该数字将上升至7000万英镑到1亿英镑之间。
尽管这个数字和美国相比还有距离,但足以看到英国政府在这方面的壮志雄心。
而为了让人工智能企业更好在伦敦落地,London & Partners(伦敦发展促进署)也有专门的团队来积极支持AI和AGI生态。
“我们已经支持了一家名为SambaNova Systems的美国公司在伦敦落户——这家公司打造出了一款先进的系统平台,能够使人工智能应用在平台上运行。”London & Partners企业解决方案&商业服务负责人Alban Remy称。
“AI的不当使用目前也是个问题。 一些居心叵测的人正在操纵图像、视频和音频,运用DeepFake(深度伪造)技术来愚弄民众,一些政客甚至利用AI操纵观点和舆论,拉投票。 2024年,我们需要阻止这种情况继续蔓延,否则会造成有害的、错误的信息的高度传播。 ”
UCL名誉教授、计算机科学家Dr. Peter J Bentley在近日接受采访谈及AI未来时,也提出了对AI监管方面的见解:“未来的监管应帮助我们在避开这些问题的情况下定制AI工具。通常来说,加强监管并不意味着技术会受限,反而会促进AI的发展。”
可见,AI安全将会是2024年必不可少的议题,而伦敦率先作出了一些动作。
2023年11月,英国全球第一届Artificial Intelligence Safety Summit, AISS(人工智能安全峰会)在伦敦召开,与会各国讨论了当下全球AI治理的问题。28个国家和欧盟一致认为,人工智能对人类构成了潜在的灾难性风险。会后,与会各国达成《布莱切利宣言》,该宣言也是“全球第一份关于有必要监管AI发展的声明”。
根据“布莱切利宣言”内容,与会国一致认为,人工智能已经部署在日常生活的许多领域,在为人类带来巨大的全球机遇的同时,还在网络安全、生物技术等关键领域带来了重大风险。
会场外,伦敦发展促进署CEO Laura Citron接受采访时表示:“随着人工智能快速发展,有很多问题亟待解决,例如医疗保健和气候变化。制定人工智能发展的伦理道德标准成为一个紧迫的国际问题,伦敦及英国可以在其中发挥关键作用。”
在人工智能发展安全问题上,英国政府酝酿已久。比如2023年3月,英国发布首部《人工智能监管白皮书》,提出了包括安全性、可靠性、公平性等在内的五项监管原则;5月底,英国首相Rishi Sunak会晤DeepMind、OpenAI等AI企业负责人,商讨监管框架;6月,Rishi Sunak宣布,科技投资人和AI专家Ian Hogarth将领导英国人工智能基础模型工作组,以研究人工智能带来的安全风险。
这些动作无疑是前沿的,不过在人工智能领域,伦敦的嗅觉从来是灵敏的,思路也十分清晰,如10年前首次举办London Tech Week,不到两年时间就将其打造成了欧洲顶级的尖端创新技术展览会。
尽管AI产业发展依旧面临着挑战,但在未来的AI版图上,伦敦似乎早为自己划定了一块属于自己的领地,一步一个脚印,利用AI技术进一步推动经济增长。当越来越多公司关注伦敦的同时,或许下一个硅谷就在那里。
欢迎免费使用GPT对话,感受ChatGPT的魅力!
AI爱好者 – 最具实力的中文AI交流社区平台 (aiahz.com)
ChatGPT国内版本,无需梯子,也能体验Chatgpt-AI爱好者 (aiahz.com)
长按扫描二维码进群领资源
AIGC将如何影响网文业务
据网文作者消息,番茄小说的番茄作家助手已开启AI写作工具相关功能内测。另有社交平台用户爆料,早在去年11月份番茄小说就已经向高等级作者开放AI相关功能。
该作者透露目前相关功能已经可以正常使用,不过番茄小说通过作者后台消息规定,要求作者不能够向外界传播功能界面以及工具生成的内容。
今年1月19日前后番茄作家助手曾通过后台向作者发布问卷调研,问卷内容围绕询问作者是否使用过、以及是否愿意使用AI来撰写小说。
据《新立场》接触到的番茄小说作者回应:“我确实用过Bing和ChatGPT来辅助我写小说,主要是通过交流的方式来验证一下我的某些灵感或观点,而且也非常愿意尝试更多的AI辅助方式,所以问卷调查我都选择了是,1月23日拿到了内测资格,立马试了一下。”
如下《新立场》根据该作者的口头描述整理出的功能清单:
利用AI来创作内容属于AIGC范畴,但番茄小说并不是目前唯一一个开设AIGC工具的网文平台。“七猫”平台曾在2023年为作者提供了“AI助理”等相关辅助写作功能,并且是基于跟百度的“文心一言”合作。
另外,阅文集团的大模型“阅文妙笔”和基于此大模型的“作家助手妙笔版”也已于去年9月前开放了内测,作者可以使用工具来进行相关角色或场景的刻画。不过该工具并未向阅文的全部作者开放。
不过由于各个网文平台本身的读者心智或业务偏向不同,其基于大模型的AIGC相关应用给该平台业务带来的影响自然也不同。
“ 短期内有一点帮助,如果功能进一步迭代的话也许会更好”,作者小刘在接受《新立场》采访时透露道,“最大的感觉就是,它生成的内容,很容易跟原文内在的一些东西不连贯,最主要就是主角的情绪或人格不连贯。就是明明前一刻在我的原创内容里主角还是一个复杂矛盾集合体,到了AI生成的内容里,主角就突然降智变成了NPC性格,所以作者和读者都在说一个小说哪里是用AI生成的其实都能看得出来。而且在扩写和改写的时候,他只会根据你选择的内容来生成,不会考虑上下文”。
关于侧边栏的功能,小刘表示:“AI起名有点鸡肋,毕竟人名是基本设定的一部分,我觉得还是我自己想比较快也比较具有我的个人特色,也许倒是可以用来生成路人甲乙丙丁的名字”。
“ 目前看来灵感生成这个功能是最有用的,因为我可以把我自己的小说主要设定喂进去,它生成的一些情节也很符合番茄小说读者的喜好,这是优于Bing或ChatGPT的地方……但是只适合用来生成不那么重要的支线情节”,另一个主写玄幻类型小说的小蒙对《新立场》说道。
不过AIGC写作也并不是能够拿来就用,在小蒙看来AIGC“有一定的学习成本,需要学习如何更好地输入指令”。
据《新立场》观察以及结合对作者的采访,番茄小说 “ 过稿签约较容易 ” ,但是 “ 前期难以获得露出,需要写到八万字以后才会进入推荐。 ” 番茄小说作家后台显示, “ 推荐 ” 的意思就是: 先圈定部分用户展现作品,根据读者阅读行为,持续圈定同类型用户,继而不断扩大书籍推荐量; 算法会根据读者阅读情况不断调整推荐。
这意味着在番茄小说平台,读者对内容走向的话语权非常高。那么如果以后AIGC功能与创作者磨合成功,网文创作能够更快地满足读者需求,读者的口味变化也会更快,从而形成更快速的内容迭代机制。
上述搭载了 “ 文心一言 ” 大模型的 “ 七猫 ” 平台,则素有 “ 保底大户 ” 之称, “ 保底 ” 在网文界的意思是,作者可以通过遵守平台发布的相关全勤激励,每日更新一定字数的内容后,拿到固定的保底收入,这部分收入不跟作品阅读量挂钩。
所以针对保底收入较高的网文平台,AIGC工具可以帮助网文作者更好地拿到“保底工资”,只不过根据社交媒体上部分作者反馈“现在部分小说网站的保底工资越来越不好拿”。《新立场》推测,AIGC导致网文的内容产出变得更加容易,则相关平台保底激励或许也会提高相应门槛。
AIGC同样也会影响整个文创IP产业链的模式。去年7月阅文在创作大会上公开网络文学行业首个大模型“阅文妙笔”和“作家助手妙笔版”时就表示,该大模型会为作家打造包括作家服务、数据运营、技术工具等在内的网文创作“新基建”。并且会构建新的IP上下游一体化生态体系,其中的核心正是通过AIGC打通“内容+平台”,为IP孵化和生态增效提质。
所以如果说番茄小说的强势在于利用AIGC工具更快地打通读者日新月异的阅读需求与网文创作,那么阅文强势则在于利用AIGC更好地进行从小说到影视作品及衍生品的IP完整孵化。
网文对创作能力的要求与其他领域的文学创作大不相同,这也就导致了不同的文字创作领域对AIGC的态度也完全不一样。
国内首先一批严令拒绝AIGC创作的小说领域是科幻小说,素有科幻小说黄埔军校之称的《科幻世界》杂志在2023年4月刊中有公告称:“本刊不接受人工智能生成内容(AIGC)投稿,一旦发现未经注明的AIGC投稿,该作者作品将永不录用。本刊坚信人类的想象力成果具有不可取代的独特价值,绝非AIGC可以相提并论。本刊同时倡议,广大科幻创作者要通过充满科学性、前瞻性的思考和创作,不断延展人类想象力的边疆。”
《科幻世界》作为最先发布《流浪地球》和《三体》等大热科幻IP原小说的杂志,其在业内的话语权举足轻重,所以其态度很大程度上也会引领科幻文学对AIGC的风向。
实际上不仅国内,从去年2月开始美国科幻杂志《克拉克世界》以及《阿西莫夫科幻小说》就因AIGC泛滥,甚至一度宣布停止接收投稿。
这种现象倒挺有趣,作为最了解AI的文学创作领域,科幻文学对AIGC的态度反而是最排斥的。不过这与科幻文学领域保守与否关系不大,网文属于日常快消品,需要作者的创作“又快又多又符合读者口味”,科幻小说与科技哲学关系匪浅,需要作者创作出逻辑严谨的设定以及具有前瞻性和想象力的情节。
所以可以预料的是,比起其他文学领域,也许AIGC应用的能力跟网文创作所需要的核心能力具有更大的互补性。
而关于网文界争议最大的版权问题,也并不是AIGC时代才开始存在的,“抄袭”,“融梗”等相关争议已经在网文界持续了很久,有些是不同创作者之间的矛盾,有些是创作者与平台之间的矛盾。
不过这也不是网文界单独的问题,2023年12月27日,《纽约时报》起诉ChatGPT 所有者OpenAI以及微软,声称其版权被OpenAI侵犯以训练该系统,这些公司应该要对“数十亿美元”的损失负责:当被问及时事ChatGPT 有时会从《纽约时报》文章中生成“逐字摘录”,如果不支付订阅费用,就无法访问这些摘录。
今年1月8日,OpenAI则在官网上回应,认为《纽约时报》的诉讼依据并不完整,并且“ChatGPT中显示带有归因的实时内容,可以为新闻出版商提供与读者联系的新方式”,意在表示平台为新闻出版商带来了流量。
双方各执一词,目前该诉讼仍未有判决结果。
事实上包括OpenAI在内的AIGC工具如文生图领域的 Stability AI 和 Midjourney 面临的相关诉讼从未停止过,AIGC工具或平台与创作者之间的矛盾是这个时代全新的问题,并非一朝一夕可以解决,但这些诉讼结果对于帮助网文平台如何更好地规范自身对原创网文的使用倒是有一定的借鉴意义。
欢迎免费使用GPT对话,感受ChatGPT的魅力!AI爱好者 – 最具实力的中文AI交流社区平台 (aiahz.com)
ChatGPT国内版本,无需梯子,也能体验Chatgpt-AI爱好者 (aiahz.com)
长按扫描二维码进群领资源
从 Performance 到 Performance,AI 将掀起一场数据和分析的深层次革命。
【 编者按】你用上 GPT-4 了吗?
在数据领域,AI 正逐步重塑数据处理和分析的各个环节,从 ETL、数据治理到数据分析和消费方式均会发生根本性变化。Kyligence 联合创始人 & CEO,Apache 顶级开源项目 Apache Kylin 的创建者韩卿(Luke.han)将用这篇文章来分享他在 AI 冲击开源领域之后引发的深度思考,其中涵盖了开源项目的商业化路径、技术变迁对行业格局的影响、AI 对数据分析和业务决策范式的革新等多个层面,反映出大数据与分析行业正在经历一场深刻的变革,呼唤从业者积极应对和创新。
Apache Kylin 毕业于 2015 年,Kyligence 公司成立于 2016 年,在过去几年,我们在技术上不断迭代和更新,以适应新的技术趋势,积累了不少实践和总结。
在新年之际,我想借此机会,和大家分享更多我们的一些思考,介绍我们对相关趋势的观察和思考,以及对未来的一些认知。希望大家一起,为这个行业的变革带来贡献。
Open source can't make big money
这是我很不愿意提及的话题,但事实如此。
从商业角度看,开源不是商业模式,只是市场手段。而在商业上,如果没有有效的商业化手段,开源的用户是不会转换成为付费用户,从行业中很多朋友们的实践中可以深刻地感受到。
很多人对我们的认知不够深刻,觉得我们是让用户先用开源 Kylin,然后转换到商业版本,这个误解很多年了。Apache Kylin 在我们离开 eBay 的时候,已经完成了几项重要的社区工作:
毕业成为 ASF 顶级项目,建立了品牌和知名度
被几大互联网厂商大规模使用,包括百度、网易、头条、美团等,磨炼了技术成熟度
作为中国第一个 ASF 顶级开源项目,构建了社区和影响力
因此,在我们创立 Kyligence 公司的时候,即全面开启商业化,几乎所有的客户都是直接谈的企业版,并且在一开始就走商业化合作,这也是这么多头部客户持续合作多年的原因。今天我们积累了这么多企业级客户,只有极个别是使用了 Apache Kylin 之后转换为商业版的,尤其是银行等金融客户,一开始就对企业级特性、安全、资源管理以及服务等提出了苛刻的需求,而这些也是企业版的设计目标。客户要的从来不仅仅只是技术,而是技术背后的产品设计、服务保障以及持续的创新能力。
商业是商业,我们所有人必须要深刻理解客户为什么付钱,为什么愿意付我们这么多钱。底层技术突破很难,但往往在产品上,真正赚钱的不是最高深的技术,我们只需要提升一些用户体验,改变一些工艺流程,只要能够帮助用户节省人力、成本,提升效率,客户都是愿意付费的——每个技术点,都要设计价值主张给到客户,而不只是声称技术很厉害,必须得到客户的认可。这需要我们更多地深入客户现场,更多去理解客户的实际需求、痛点、痒点。
当然,我们并不否认开源的价值。我们自己也是从开源技术、社区等获益匪浅,因此我们也将持续在各个开源项目中持续投入、参与和继续主导。
Hadoop is dead
Hadoop 作为大数据的代表,曾经风光无限,有着巨大的市场机会。可惜在 2021 年随着 MapR 的出售和 Cloudera 的私有化逐渐没落。这里面夹杂着太多的原因,但从我的视角,主要来自于社区的分裂和商业策略上的保守。
2017 年,Doug Cutting(Hadoop 之父)在 Hadoop 十周年之际畅想未来十年的 Hadoop 生态将会如何。而不到 5 年,行业已经几乎很少再谈论 Hadoop 的相关技术——有也只是小修改,没有惊艳的项目出现了。
在创业的前五年,我们很幸运跟着大数据、数据湖的扩张而扩张,那时候各家银行都在将基于 MPP 数据仓库的应用迁移到基于 Hadoop 的大数据平台。但随着 Hadoop 厂商的没落,我们也明显能感觉到市场的快速变化,同时随着云计算的兴起,云数据仓库、云数据湖又非常快速的在市场上出现,“数据仓库”的技术流派逐渐分裂。而国内的情况更加糟糕,滋生了各种定制的 Hadoop、魔改的私有云,使得这个市场非常复杂,却又很难赚到超额利润。
2021 年,某银行客户领导联系我们去讲课,直接坦承“Hadoop 已经结束了”,让我们去和他们的架构团队探讨 Hadoop 之后的大数据平台应该如何走向,以及现有的架构、应用等如何迁移等。当时我们就非常敏感地意识到,必须更快地迭代和转型。
过去的两年多来,我们可以真切地感受到,以 Hadoop 为主的平台正在放缓建设,一部分重新回到了 MPP(以数据仓库为基础,大数据/数据湖支撑部分业务),一部分走向了云原生架构(以数据湖为基础,走向湖仓一体)。我预测,未来这种复杂的混部架构应该会持续存在至少 5 年以上。
BI will be evolved
现代的 BI 工具,几乎都是可视化工具,而之所以需要这么强的可视化,是因为人类无法直接理解数据,给人 0 和 1 是无法直接解读和理解的。而图形可以帮助人类快速理解,某个指标是涨了还是跌了,某个因子比另外一个要影响更大,哪个结果指标是由哪几个过程指标分解等等。优秀的可视化能力,是帮助分析师高效完成分析、总结和探索的的利器。
但今天,当 AI 可以直接读取和分析数据的时候,就不需要前置一个可视化工具了。直接给 AI 数据 0 和 1,即可让 AI 快速给出分析结论:是涨了跌了?背后是为什么?什么因子影响的?影响有多大?还有什么原因……AI 产生的效率提升,是十倍到百倍以上的。相当于 AI 把以前分析师需要做的大部分工作都做了,人类只需要进行选择、判断和稍微修正就行。这是 AI 时代对数据和分析行业带来巨大变化的第一点。
自动化行业有一个非常好的比喻:不要让机器人打算盘。都已经有 AI 了,人类可以问 AI 要结果和建议,而不是依然让 AI 去做低效的工作。
图片来源:ChatGPT-4
我们今天的产品已经做到了这些能力,我们可以更进一步,去改变这个行业。为用户提供一个动态的、聪明的、高效的决策助理/Copilot,而不仅仅只是一个数据呈现工具。
Performance is not the key
Performance will be the new key
我们在 OLAP 的场景中,经常碰到的挑战就是 Performance/性能。
虽然性能是我们的强项,但往往我们花费了无数的心血,可能只是为了帮助客户的某条 SQL 提速了几秒钟,或者只是让他们在点开仪表盘的时候少等待几秒。
在技术 PK 中,Performance 也是最常见的、竞争性最强的一个点。性能良好的系统/OLAP,当然是非常好的,但当大家都到了秒级的时候,其实已经没什么可比的。而往往改变一个数据结构,或者一个数据 Pipeline,就能够以数量级的方式提升性能。
那为什么需要这么好的性能?在 AI 时代,性能依然重要吗?我们认为,之所以需要 OLAP 或者数据仓库端有极好的性能,是因为大量的数据分析工作,依赖于有限的几个分析师或业务用户,而这个人群的业务压力非常大,且往往数据出来后,依然有着非常繁重的任务,比如对比数据、查阅历史、分析原因、重跑各种可能性等等,并要形成报告和决策、行动建议。所以一个非常好用的工具确实是必不可少的。
但在 AI 时代,这里的大量工作其实可以委托给 AI 完成,甚至可以让 AI 提前完成,尤其是固有的、常用分析套路。AI 可以快速给出大致的总结,这已经能够大大节省人力。AI 甚至可以让各种系统自动化连接起来。
今天我们用 Kyligence Zen 出一个周报或者做一次归因,只要十秒左右即可,而且自带了总结,这比传统的那套流程:出结果、查资料、写报告……已经有了质的提升。性能,尤其是查询性能,在这个场景下其实已经没那么严苛了。反而,并发性成了下一个挑战,因为会有越来越多的人来使用系统。而并发,正好也是我们的强项。
而最近,更多的客户已经将关注点,从性能转移到了 Performance 的另外一个含义:绩效。
指标平台,本质上是一个 KPI 平台,而 KPI 则是 Key Performance Indicator 的缩写。当我们将关注点从性能转移到绩效的时候,突然发现,这才是客户真正要的产品:仪表盘或者报表从来不是客户要得最终结果,他们要得是基于数据的管理能力。几乎每一个有用的指标/Metric,都展示了某个业务或者管理的结果,而一个公司之所以需要指标,就是为了更好地观测相关业务的进展、健康状态以及及时采取措施来修正组织行为,从而确保公司的整体或者部分绩效能够按照设定的目标行进。
我们要跳出技术思维,在 Performance/绩效上打出差异化和壁垒,提升技术投入的 ROI,并快速占据市场。
AI is eating the world
图片来自网络
AI 正在吞噬软件,这是 NVIDIA 黄仁勋在2017年的一篇采访中提到的,到今天,应该没有人再怀疑这个论断。现在的问题是,AI 将如何改变不同领域的软件,在我们自己的行业,就是 AI 将如何改变数据与分析市场。
图片来自网络
在数仓领域,上面这种图已经用了超过 30 年了:“数据源”—“ETL”—“数据仓库”—“OLAP/数据集市”—“BI/Reporting”顶多再加上“元数据”和“分析预测”。无论 ELT 还是 ETL、数据湖还是数据仓库、本地部署还是云端部署,其中所有的假设,都是数据需要经过漫长的工程,从原始数据萃集后,整理成星型或雪花模型,从而提供给上层 BI 等使用。作为使用者的最终用户,往往是最后才被赋能,从而导致大量的数据其实今天依然没有被充分利用起来。
Generative AI(生成式 AI)的出现,使得数据的工艺流程出现了巨大的变革,数据的加工方式发生了革命性的变化。首先,各种复杂的重复性的劳动,尤其是数据的 Pipeline,都将由 AI Agent 来处理。小到行列转换,大到数据治理,未来应该有很多的 AI Agent 来处理这些工作,人类只需要用提示词设计合理的流程就好。这从 ChatGPT 自带的 Advanced Data Analysis 和众多使用 OpenAI’s Code Interpreter 的数据分析工具都可以看到,甚至 GPTs 可以通过几个简单的提示词就可以完成很多数据梳理、分析的工作。
当时我在一个内部的文档中就写到:
其次,人和机器的交互进化到了最自然的方式,数据的消费方式发生了革命性的变化。只要会说话,就能用数据,是这一次 AI 带来的巨大变革。这使得原来只有领导、分析师、专业用户等才能使用的“数据和分析能力”,一下子平民化到了每个人,即使文化水平有限的用户,也能被充分赋能。这将大大改变现在的数据架构、处理模式和消费方式等。
大部分公司现在能够有效使用数据的员工不超过 10 ~ 15%,而这次 AI 革命,能够让其余 85 ~ 90% 的人直接消费数据或者数据产品,可以预见,现有的数据架构是无法满足的。这里的变革才刚开始,我们的实践走在行业最前沿,最近收到很多的市场反馈,都说我们的产品做的非常务实和好用,甚至某头部股份制银行和我谈是不是给他们提供个产品咨询教他们怎么做产品——这说明我们的设计、体验和功能,获得了最终用户的认可,正在影响行业的发展。
当每个人都能、都需要消费数据的时候,传统的数据仓库或者数据湖的架构是否还适用,数据的存储方式将发生什么样的变革?这是一个开放问题,目前我还没有具体的答案,但可以预见,AI 的场景,必然会要求系统处理更多的数据,更灵活地访问数据和更高效地服务更多人。从今天的大部分 MPP 和大数据的架构上看,在这几个方面应该都会很快面临巨大的挑战,当比现在访问量大十倍、百倍甚至万倍的时候,今天任何数据系统要在成本可控的情况下完成都非常困难,这里期待我们未来和客户一起共同研究和探索,一起突破这里的极限。
AI 能带来的,将远比这些更多。AI 将带来数据和分析的深层次革命。机器将代替人类完成更多的工作,尤其是重复的、可被自动化的。过去数据系统完成数据的加工和指标的统计后,后续需要大量的人工去分析影响相关指标变化的影响要素,探索根因,并根据经验提供相关的决策建议。
简单的实践就能看到巨大的变化,这里面的潜力无限。希望所有人都能发挥想象力,更多地让 AI 来改变数据和分析,甚至是整个企业的经营和管理。
欢迎免费使用GPT对话,感受ChatGPT的魅力!AI爱好者 – 最具实力的中文AI交流社区平台 (aiahz.com)
ChatGPT国内版本,无需梯子,也能体验Chatgpt-AI爱好者 (aiahz.com)
长按扫描二维码进群领资源
社交是门人性生意
每隔一段时间,关于「新社交大战」的话题就会在中文互联网的语境中再度涌现,不是关于「字节放不下社交」,就是创业者们所显露出的「成为下一个抖音、微信」的野心。
新技术、新需求与新产品形态总会书写新一轮的社交竞争格局,这一次尝试改变的是来自AI。
据「硅基研究室」统计,无论是字节、百度、美团、快手、腾讯等头部大厂,抑或是小红书、挚文集团(陌陌、探探的母公司)等垂直平台或中厂,都基于AI对原有社交场景进行改造,或推出原生AI社交应用。
图源:Tech星球
据机构Mordor Intelligence的报告,预计到2028年,社交媒体市场中的AI应用规模将从2023年的16.4亿美元增长至56.6亿美元,增长超3倍。
但社交赛道早已经历过几轮混战,无论此前靠着LBS(Location Based Service)崛起的微信和陌陌,在熟人社交和陌生人社交两块山头各自「占山为王」,还是2017年掀起的短视频浪潮,抑或是2019年「雷声大、雨点小」的「多闪、马桶MT、子弹短信」对战微信......在社交赛道上,「成王败寇」的故事一直在上演。
在大厂们的密集推动下,以AI大模型为代表的技术真的能颠覆社交这门陈旧的「人性生意」吗?所谓的「AI社交」又究竟是不是一个伪需求?
社交是一门人性生意,经由过往移动互联网玩家们的塑造,按照关系链的强弱,可以分为熟人社交和陌生人社交,前者以微信、抖音为代表,后者则以陌陌为首。按照媒介形式划分,又可以归类于以图文为主,以短视频为主等等。
不过,所有的划分其实都可以被打碎。 因为在「社交大战」的十余年演进中,「没有永远的朋友,也没有永远的敌人」,玩家们都在各自擅长的领域上,互探边界。
具体到AI社交上,所反映出的情况也是类似的。所谓的AI陪伴、AI bot、AI Agent等形式,行业玩家并未固守在一个形式中,都是功能叠加的「缝合」,因此很难说定义谁是「真正的AI社交产品」。
难以归类与难以定义的背后,反映出的其实是一个趋势,当下的AI社交其实是一场「明牌战」。 在社交行业浸润多年的趣丸集团副总裁兼首席战略官庄明浩在近期一档播客里也表达了类似的观点:“对很多创业者可能是暗牌,但对大厂们来说都是明牌。”
如在AI bot+AI Agent叠加的AI陪伴赛道,「抖音心晴」定位为情绪关怀机器人,百度也在上线了AI对话独立APP「万话」,实现真人与AI虚拟人的交互,腾讯系的「未伴」APP和阅文旗下的「筑梦岛」都是类似的逻辑。
「硅基研究室」在近期观察到,小红书也上线了一款名为「宠物小伙伴」的AI陪伴类功能,除了可以选择宠物,与之对话外,还提供基于LBS的挖宝功能,主打治愈风。
小红书近期上线的「宠物小伙伴」, 主打治愈风 图源:小红书截图
“ 事实上在2021年左右,大家已经在探索AI社交了,但都还在摸索,大部分的赛道参与者主要想做一些更有趣的应用。”一位头部大厂产品经理向「硅基研究室」分析。据他观察,从业务逻辑来看,目前的AI社交类应用可以分为两类。
一类是基于已有的社交场景,通过AI工具优化某一个节点的体验,例如提升对话质量,Dating软件的匹配效率、元宇宙社交的Avatar创建等等。另一类则是基于新场景AI原生应用,比如Character.Ai所代表的AI角色扮演类的平台,百度在海外上线的AI社交产品「SynClub」,还有国内的大模型独角兽MiniMax所推出的Talkie和星野等。
而如果从社交关系链去理解,AI社交也并不复杂,行业玩家都在做的事,就是用新技术解决过去社交产品的老问题——用AI更高效、快速地建立关系。如在供给端,利用AIGC生成内容,提升分发的精准,深化关系。“AI可以贯穿全局,也可以仅仅作为中介,本质上就是让关系更容易建立。”上述产品经理表示。
从上述玩家的实践中不难看出,打明牌的AI社交至少还未脱离原有社交产品的玩法,所谓的「AI社交大战」更像是又一次被炒作起来的老话题。
首先,当下的AI社交产品,无论从理念还是功能来看,同质化太严重了, 仿佛在重复当年LBS时代的社交大战,做各类功能的叠加。其次,商业模式上并有逃开原有的会员、广告、直播打赏等商业模式。最后,从用户留存来看,由于替代品太多,爆款看似一时出圈,但长期运营留存压力很大。
上述问题,玩家们也不会不知道。尽管反复陷入「拿着锤子找钉子」的争议,重复造轮子,但行业玩家集体奔赴AI社交,并非偶然,而是一场必然的战役,背后的原因既与社交这门生意的吸引力有关,也与当下AI技术带来的可能性有关。
如庄明浩所言:”(社交)因为永远有机会,才会永远有人去尝试”。
AI与社交结合,所带来的改变有三重。
首先,AI技术可以拓宽原有社交玩家的边界,实现拓品类、拓场景。 过往的社交细分赛道中,无论是约会+社交、直播+社交,游戏+社交,语音+社交,还是内容社区+社交,大多细分赛道中已是巨头林立,想要拓宽边界并不容易。
但AI带来了顺理成章的改变。以语音和虚拟社交为例,过往在一些社交类产品中存在水土不服的现象,例如在一款强调陌生人社交的产品中,在初期以真实语音或真人形象社交对部分用户来说存在门槛。但通过AI技术,通过定制语音、虚拟人形象等方式,实则降低了门槛。
其次,AI所带来的改变在于提质增效,提高社交的效率与质量,优化体验。 一方面AI可以通过机器学习和数据分析技术,根据用户的兴趣、行为和偏好推荐更加个性化的内容和交友对象,匹配的精准度更高了。另一方面,通过智能对话和情感识别技术,能够减少沟通壁垒与误解。本质上,都是让社交产品从难用迈向好用。
比如,在目前的一些海内外AI社交产品中,已经可以实现「真人用户+AI Bot」共同组建群聊,增加互动。还有在一些约会软件中,用户可以先创建自己的AI Avatar,对方可以先与AI Avatar进行互动,再决定是否添加好友,比如海外社交应用Snack。据外媒报道Snack官方曾表示“随着训练程度的增加,AI Avatar将有可能帮助用户筛选和识别可能感兴趣的用户,并将合适的用户推送给用户”。
当然更关键的,从更现实的业务逻辑来看,押注AI社交对大厂们而言,是一笔算的过来的账,至少能给原有的社交场景带来增量。无论是在商业模式的补充,用户活跃度的提升,抑或是内部赛马的尝试,都是一个很好的切入口。
从当下AI社交的行业格局来看,玩家们都还在探索,赢家也未定。不过我们依旧可以从一些实际案例和历史经验中,总结提炼出一些确定性的共识。
首先,自建大模型的比没有大模型的更有优势。
目前在AI社交领域突出的两家公司,一家是海外独角兽Character. AI,另一家是国内独角兽MiniMax,两者都创建了类似的AI社交应用,且都有自己的基础通用大模型,更容易形成「模型-数据-用户」的飞轮,达成应用一体化。
其次,有边界的比没边界的更有优势。
社交行业发展至今,尽管人人都想要成为「下一个微信、下一个抖音」,但与巨头抗争的难度也大大提升,无论是关系链的积累、用户口碑和存量用户的沉淀都需要时间的先发优势和运营能力,因此在细分市场里寻找更细分的人群,在边界内深耕也不失为一个好选择。比如针对更垂直的心理咨询、老人陪伴等更细分的领域与人群。
当然,上述共识也只是可能的共识。毕竟,AI社交归根结底是一门没有标准答案的竞争,因为人性总是难以猜测。
参考资料:
1、Tech 星球:《抖音心晴、百度万话上线,大厂押注AI社交能跑出下一个微信吗?》
2、光子星球:《AI点燃社交“二战”》
3、白鲸出海:《AI社交,灵感搜集箱》
4、商业WHY酱:《从粗放式到精准陪伴,聊聊社交产品如何抓住年轻人》
5、霞光社:《2024年社交娱乐出海发展趋势洞察报告》
欢迎免费使用GPT对话,感受ChatGPT的魅力!AI爱好者 – 最具实力的中文AI交流社区平台 (aiahz.com)
ChatGPT国内版本,无需梯子,也能体验Chatgpt-AI爱好者 (aiahz.com)
长按扫描二维码进群领资源
电报官方交流群 https://t.me/aiahzcontact
QQ官方交流群 688475210
最新评论
大家好!!诚心真的需要大家的建议和bug反馈!
支持
好的
支持
I really appreciate the effort you put into your website design. It looks fantastic! Have you encountered any browser compatibility issues? Some of my readers have mentioned problems with viewing my blog on Explorer, but it looks great on Safari. Do you have any advice on how to fix this issue?
fbiVFlkZOMT
kfKdRLNDcem
你好,请加微信:Angel_zuriel 拉您进群