乐于分享
好东西不私藏

AI来了之后,80%以上的公司都会死掉

AI来了之后,80%以上的公司都会死掉

最近 FDE 真的热度太高了,上次那场我们就想着 10 个人差不多了,结果来了 20 个人

上周二这场,本来也想着 15 个人差不多了

结果还是来了 20 多个人,差点场地都坐不下了

……

线下活动里,提到了很多有意思的点,也简单回顾分享一下:

1️⃣ 企业 AI 落地的下一个阶段是什么?

明年或者后年,市面上 80%的公司,都会死掉

为什么呢?

一是因为,本来大部分中小企业,就活不过 3 年,甚至活不过 1 年,这是市场规律

二是因为,大家都没有真正找到,新的生态位在哪里

举个例子,这是播客《AI 炼金术》里的一期内容

提到了【集装箱】这个技术,这是推动全球化的核心技术之一

【集装箱】出现之前,大部分船,要在港口停留一周,让码头工人把货物,一袋一袋、一箱一箱搬到船上

那时候的【集装箱】,就像今天的 AI 技术

刚出现这个技术的时候,大家第一感觉,就是效率提升了,船只需要停靠半天,就能完成装货、卸货

这是「第一层」,叫效率提升

紧接着进入「第二层」,叫组织和人才的变革

以前的码头工人,开始大批失业,因为不需要你去搬东西了

取而代之的,是开货车的司机,是铲车司机,是吊车司机

港口的分工变了,人才结构变了

以前的码头人力资源公司,大批倒闭,货车公司崛起了

但是真正牛逼的,是「第三层」,叫新生态位的出现

在【集装箱】出现之前,大部分港口,只有「起点」和「终点」这 2 种类型

「起点」就是资源很多的出口城市,有各种香料、工艺品、茶叶等等

「终点」就是消费市场,是欧洲、美洲那些,买得起各种货物的地方

但是【集装箱】出现之后,一个大家从来没想过的生意出现了,叫「转运」

就是上一艘船,把货卸在你这里,然后下一艘船,再把货拉走,去下一个地方

以前的港口,只有「起点」和「终点」,但是现在,中间出现了一种「转运港口」

而当今世界,最大的转运港口聚集地之一,就是马六甲海峡

于是这里,诞生了一个经济强国,叫新加坡

在此之前,新加坡基本不可能作为港口的「起点」,因为它没有太多资源和产品;也不可能作为「终点」,因为它没有足够的消费能力

但是,作为新的生态位「转运港口」,就非常合理了

现阶段的企业 AI 落地,也一样

提效已经是标配了,下一个阶段,是组织和人才的变革,再下一个阶段,就是新生态位的涌现了

以前的老港口,也不是没用过集装箱,码头工人也不是没有学习新技术

但是问题是,船不来了,旧的市场消失了,你学会开吊车,但是港口都倒闭了,你怎么办呢?

所以更多的老板,需要未雨绸缪的,是寻找下一个市场,寻找下一个生态位

2️⃣ taste 是什么?

taste(品味) 或者叫审美,本质上是一种换位思考的洞察

洞察什么呢?

就是「这群人到底喜欢什么?」

审美品味,本质上就是一种,找到特定人群需求的【公约数】的能力

如果一个东西,只有你自己喜欢,叫做孤芳自赏、闭门造车

如果你能让某一群跟你相似的人,也喜欢你做出来的东西,那你就能做这群人的生意,或者跟他们交朋友

如果你能让天下间一半以上的人,都喜欢你的东西,这个叫爆款,叫名人,叫权力,叫欲望,你抓住的是人的本性和刚需

所以我们经常提到的审美和品味,核心其实是中间那层

就是你能洞察特定人群的需求,并且做出来一种,特定人群喜欢的东西

而且这个东西,能让这群人愿意给你花钱,愿意跟你交朋友,愿意把时间和注意力放在你身上

有点抽象,但是已经尽量具体了

3️⃣ 知识库的终局是什么?

大家都用过 GPT 吧?

是不是感觉,它“记住”你了?它对你拥有了“记忆”?

这是怎么做到的呢?

其实很简单,就是把你让它记住的东西,总结成一段话,每一段大概 100-300 字

同时它的记忆是有上限的,比如最多 200 条,因为模型的上下文窗口有限

然后它会在每次你跟它聊天的时候,把这些总结出来的“记忆片段”,作为系统提示词(system prompts ) ,在你看不见的后台,发给模型

然后它就假装记住你了

包括龙虾的 memory.md,或者 CC 的 Claude.md,都是一样的原理

就是把你的个人信息,充当成上下文,一遍一遍,不厌其烦地,发给模型,让它假装记住你

就像电影里一个失忆的人,每次醒来都会忘记昨天的事情,只能翻开床头的记事本,才能想起来曾经发生了什么

但是但是,如果你的个人信息,能够被训练进本地模型里呢?

一个独属于你的模型,从它出生开始,就真正拥有你的记忆

你不心动吗?

而且技术正在慢慢成熟,小模型蒸馏大模型,越来越聪明了

年底开始,搭载英伟达 RTX Spark 芯片的电脑,能本地部署 120B 模型的电脑, 就会开售了

AI 自己能够训练模型,能够帮你训练模型,这种 Coding 和自迭代的能力,也越来越强

也许知识库的终局,真的就是作为被清洗过的数据,成为你的专属模型呢?

……

以上,只是线下分享沟通的一部分,期待下次活动再有新的碰撞

文/曲率

图/曲率

排版/曲率

审校/曲率

相关学习资料