新聞資訊
News and information
-
24
12/06
AI編程在硅谷殺瘋了，但國內(nèi)還長得出自己的Cursor么
出路在哪里。2024年夏天，經(jīng)歷了3次重大功能更新和40余次功能迭代之后，AI代碼編輯器Cursor在北美制造了一場程序員狂潮，并且也隨即成為大洋彼岸中國程序員們的編程工具首選。面對強大的GitHubCopilot，Cursor帶來的交互方式的變化、使用體感上的創(chuàng)新、對整個程序文件全局補全代碼的能力、雖由OpenAI孵化但基座模型棄GPT4而選Claude的決策、快速拿下3000名各領(lǐng)域客戶的成績、以及早在8月就達到的4億美元估值，都讓它成為科技圈熱議的焦點。Cursor甚至都不是硅谷第一個走紅的AI編程產(chǎn)品，更不是最后一個。今年3月，“AI程序員”Devin引發(fā)行業(yè)廣泛關(guān)注，僅5個月后，另一家名為Cosine的AI初創(chuàng)宣稱，他們?nèi)峦瞥龅腁I程序員Genie測試表現(xiàn)遠超Devin，8月，集成了AI的強化型代碼編輯器Cursor迅速成為頂流，作為VSCode的衍生版本，它在繼承VSCode優(yōu)勢的基礎(chǔ)上，全面融入AI功能，極大簡化了軟件開發(fā)工作流和編程過程，在它之后，Magic、Bolt、Replit、Supermaven紛紛成為AI編程明星公司的代表，他們各自擅長不同的方向，Supermaven重上下文本長度，Bolt、Replit在工作流上做了更多延展，不僅能設(shè)計代碼的整體結(jié)構(gòu)，還能夠?qū)Υa作出全局修改，甚至超出了Cursor的能力邊界。據(jù)報道，這些公司的總?cè)谫Y額早已超過了22億美元。AI編程在硅谷逐漸成為最性感的AI賽道，10余家今年活躍的AI編程初創(chuàng)中，已有7家成長為獨角獸。然而，與很多領(lǐng)域的“追逐”不同，在AI編程公司席卷硅谷的同時，國內(nèi)卻基本上沒有聽到過AI編程初創(chuàng)公司的大消息。一位前沿科技領(lǐng)域主流VC的投資人告訴硅星人，其實國內(nèi)去年一下子也冒出了多家AI編程公司，他們當時梳理完曾經(jīng)有十四五家?！澳切﹦?chuàng)業(yè)團隊都在編程賽道上想各樣東西，比如代碼搜索，比如面對論文進行編程，比如做代碼注釋，或者代碼修復(fù)，還有一部分在做純代碼生成，完全對標Cursor?！彼Q。“但問題是，水平差了很多?！彼稳荩傮w而言這些團隊做得代碼生成，程度不深。硅星人了解到，去年奇績創(chuàng)壇投了六家AI編程領(lǐng)域的初創(chuàng)，此后幾乎全軍覆沒，而去年10余家曾短暫浮出水面的代碼類團隊，今年大部分已經(jīng)退場。對標Cursor，現(xiàn)實骨感“水平差了很多”的問題，其實是個AI行業(yè)常見的問題。在基礎(chǔ)模型上，在Chat類的AI應(yīng)用上，其實都存在中國公司追趕美國對手的現(xiàn)狀，但事實上這些賽道還是有融資發(fā)生，投資人也能在市場邏輯上自洽。但AI編程有一個很大不同，就是——面向開發(fā)者的AI編程產(chǎn)品沒有國界。這與那些面向企業(yè)的知識庫問答助手等產(chǎn)品都并不一樣，因為語言、生態(tài)等方面的差別，中國和美國差異很大。據(jù)硅星人了解，面向企業(yè)的知識庫問答助手，面向中國和美國客戶，面向中文與英文的版本差異堪稱巨大?！懊绹茸龀隽撕卯a(chǎn)品，國內(nèi)開發(fā)者都會去用，沒有太多門檻”。來也科技CTO胡一川指出。于是，水平做得太淺在AI編程的賽道上，就成了第一個問題。達不到Cursor、Bolt、Magic等新貴的身位，這個硬標準如果不能啟及，在許多中國投資人眼里，再好的團隊也不能吸引到投資。有AI應(yīng)用團隊聯(lián)合創(chuàng)始人表示，海外市場目前很多類似Cursor的明星產(chǎn)品跑出，本質(zhì)上是美國資本市場對這類——用海外最好的大模型（Cursor用的是Claude）直接做插件，做成Agent的編程產(chǎn)品非常buyin。客觀而言，在模型層面，國內(nèi)似乎不缺乏比肩GPT4的模型，然而問題似乎不在這里。因為哪怕是同樣基于海外模型，目前很多應(yīng)用的產(chǎn)品完成度和能力都依然欠缺。于是，當國內(nèi)投資人看AI編程賽道的一個共同邏輯是對標Cursor時，就自然下不了手。上文提到的AI應(yīng)用創(chuàng)業(yè)者表示，他經(jīng)歷過幾十次非常類似的交談，但發(fā)現(xiàn)投資人們最終認為，“這個標準國內(nèi)產(chǎn)品是達不到的”?！艾F(xiàn)階段在海外能解決這種IDE生態(tài)問題的中國團隊尚且看不到?！盇IGCodeCEO宿文表示。IDE指的是集成開發(fā)環(huán)境，指用于提供程序開發(fā)環(huán)境的應(yīng)用程序，包括代碼編輯器、編譯器、調(diào)試器和圖形用戶界面等工具，如微軟VS系列問題。他認為，目前中國公司們哪怕想在海外實現(xiàn)Cursor這樣的“插件邏輯”，也是遙遙無期。當在技術(shù)本身落后時，中國投資人過往的一個常見邏輯是，我們有更大的市場和應(yīng)用場景，商業(yè)化上可以快速跑起來，進而帶來應(yīng)用上的彎道超車機會。然而在AI編程上，商業(yè)化的環(huán)境也沒有比海外好到哪去?！巴端ˋI編程）就是因為其賺錢。”常駐硅谷的AminoCapital合伙人徐霄羽表示，AI編程火爆于硅谷，背后原因是PLG（產(chǎn)品驅(qū)動增長）SaaS模式在整個海外是成立的。徐霄羽發(fā)現(xiàn)，她們機構(gòu)最近3年投資的初創(chuàng)公司，發(fā)現(xiàn)并找到PMF的生成式AI公司，比沒有生成式AI驅(qū)動的公司能節(jié)省一半時間達到1000萬美金ARR（年度經(jīng)常性收入），這雖然不能幫助這些公司日后成為谷歌，但足夠發(fā)展成一個小獨角獸體量，其中最典型的例子就是2016年成立，今年躍升成為編程界新貴的Replit。但事實上，哪怕在硅谷當紅編程工具如GithubCopilot、Cursor和Bolt，在現(xiàn)實中的產(chǎn)品狀態(tài)也沒有達到強付費點。構(gòu)建自有編程模型的另一家新貴Magic，甚至都沒有發(fā)布正式可用產(chǎn)品，他們?nèi)越鉀Q存量場景下的存量程序員需求。國內(nèi)的付費道路更在最早期。國內(nèi)2BSaaS生態(tài)因利潤率低不賺錢，因復(fù)雜環(huán)境成因不起勢已是老生常談，就連李開復(fù)日前都說“現(xiàn)在還沒有SaaS訂閱的妄念”。而且，AI編程很重要的目標群體是互聯(lián)網(wǎng)公司的程序員們，但大廠傾向于團隊自己做生產(chǎn)工具。公開信息顯示，阿里云、字節(jié)跳動、華為、百度內(nèi)部都有成熟的AI編程業(yè)務(wù)，這些業(yè)務(wù)服務(wù)于內(nèi)部，讓外部的創(chuàng)業(yè)公司少了很多市場機會，同時這些業(yè)務(wù)在市場成熟的時候也很可能轉(zhuǎn)身入局，對外提供服務(wù)，像當年釘釘與飛書的歷程一樣，屆時創(chuàng)業(yè)公司的空間也會進一步被碾壓。尋找出路：有人找獨特的市場機會，有人認為還是要硬碰硬劉罡是國內(nèi)最早關(guān)注AI+行業(yè)方向的風險投資人之一，依循阿爾法公社的“投人不投賽道”的邏輯，作為合伙人的他很早走訪到幾家很有潛力的AI編程團隊，包括其中一家編程方向的項目，團隊資質(zhì)良好，有不錯的產(chǎn)品，項目針對B端企業(yè)和開發(fā)者，但付費很成問題，他們曾找到少數(shù)大B客戶做私有化部署，但總體“說白了收不上錢”，勉強維持但無法實現(xiàn)快速發(fā)展。這一團隊于2023年下半年陷入困局，今年伊始，他們堅決轉(zhuǎn)型進入全新領(lǐng)域，開始有了一些不錯的營收和業(yè)務(wù)增量。北京大學長聘教授李戈耶是國內(nèi)這一賽道最早的闖關(guān)人。兩年前他創(chuàng)立了aiXcoder，早于ChatGPT問世之前，李戈用比較傳統(tǒng)的編程方法孵化這一項目，在IDE（集成開發(fā)環(huán)境）里做插件，做代碼補齊，有些類似經(jīng)典的知識圖譜。2023年起，aiXcoder調(diào)轉(zhuǎn)船頭擁抱大模型，做大B端和2G端生意，接連獲得了幾家銀行和國企商單，年中預(yù)測今年會有6000萬左右的營收，和近10億人民幣左右的市面估值。還有高瓴、清流資本和一家汽車產(chǎn)業(yè)鏈基金的加注?！斑@是中國特有的機會，國內(nèi)有很多大型公司，自己有比較大的開發(fā)團隊，它們需要AI編程的輔助，但又不可能用GitHubCopilot或者Cursor這樣需要連接云端大模型的產(chǎn)品?！昂淮ㄕJ為。當下國內(nèi)絕大部分頭部銀行、保險公司、和金融行業(yè)里的大型企業(yè)，都擁有異常龐大的開發(fā)團隊，小則幾千，大則上萬，他們的共性是希望運用先進的AI工具和技術(shù)，但不太可能使用互聯(lián)網(wǎng)上的編程工具，出于安全考慮，必須使用一款能在環(huán)境里做本地化部署的AI編程整工具。這不僅是AI編程一個賽道的特性，還折射出整個大模型ToB落地的新趨勢。胡一川認為，目前很多客戶要的不僅僅是你的模型本身，或者AI編程軟件，要的是軟硬一體化的方案，“要這個東西做本地化部署，需要選擇什么樣的GPU，怎么在GPU上做訓練和推理，怎么高效使用GPU，都需要廠商具備很專業(yè)的服務(wù)能力。”總之，“AIcoding這里面的角色從設(shè)計到開發(fā)到測試到發(fā)布都有，新的公司想繼續(xù)走這條路，競爭是非常激烈的，除非他找到了一個非常獨特的群體，或者非常垂直的領(lǐng)域，一些通用的產(chǎn)品解決不了的問題，它能夠解決，才可能會有機會。”胡一川說。這的確是一種生存思路。最近原月之暗面視頻生成產(chǎn)品Noisee負責人明超平離職，他創(chuàng)業(yè)的項目也是一家AI編程公司，據(jù)硅星人了解，這家公司是走輕量級類似Websim的產(chǎn)品路線，瞄準游戲等場景，（Websim是款僅通過文字描述就可以生成網(wǎng)站的網(wǎng)站，可以生成小游戲和一段音樂，由OpenAI、Anthropic等大模型驅(qū)動，如Claude3.5Sonnet和GPT-4o），暫時沒有自己的專屬模型，要走比Bolt還輕的產(chǎn)品付費路線。與此同時，還是有新的創(chuàng)業(yè)者“不信邪”，認為最終的出路還是要與海外最強的產(chǎn)品“硬碰硬”，在能力和模式上通過創(chuàng)新來獲取自己的機會。AIGCode的宿文是其中一員。他表示，一些AI編程國內(nèi)企業(yè)做的大量工作是代碼測試和代碼修復(fù)，這都只是進入到了編程賽道，但不算真正在做深度代碼生成。“這個真正的工作像吃肉，需要放棄邊角料”。他此前在華創(chuàng)資本做投資人。2021年3月離開華創(chuàng)之后，保留了投資合伙人的身份，但幾乎是全職投入了創(chuàng)業(yè)模式，最終他在今年1月創(chuàng)立AI編程公司AIGCode，獲得了兩輪融資AIGCode的產(chǎn)品是一個端到端的Autopilot工具，有自己“pre-trainfromscratch”的通用模型，想對標poolside、magic，做大模型時代的產(chǎn)品發(fā)動機。宿文告訴硅星人，他把端到端做代碼生成定為自己20多人團隊的工作方向?！?0多人搞不定的事兒，200個人也搞不定，這個賽道的技術(shù)人才是非常有限的，有幾個人做過預(yù)訓練又有多少人做過先進且創(chuàng)新的軟件架構(gòu)呢？”20人的規(guī)模與他對標的競爭對手，美國AI編程初創(chuàng)Magic的體量相當。從模型和軟件架構(gòu)上去做代碼生成，做端到端完成任務(wù)的編程工具，并訓出自己的模型，與應(yīng)用垂直結(jié)合，最終接管APP工廠里的多個職能，這種端到端完成任務(wù)的編程方式，是宿文眼中在編程領(lǐng)域能脫穎而出的唯一方法。在鏈路管線上分工明確的硅谷，端到端沒有必要，但在中國的開發(fā)與B端環(huán)境里，端到端可能是更符合市場需求的模式?！爸挥卸说蕉说拇a生成或者片段化的代碼補齊叫做AI編程”。但這也要求你真的可以做得比硅谷新貴們流程全，做得水平比他們還好。這顯然并不容易，和其他同行一樣，市場和投資人給他的時間窗口也是有限的。一切都需要加速進行。宿文表示，自己的團隊已經(jīng)把很多先驗性東西跑完，目前處于往產(chǎn)品上補全功能覆蓋度的階段，并于最近開啟了產(chǎn)品內(nèi)測?！案顿M點沒到之前，最好的辦法是先讓用戶起來，讓產(chǎn)品出來，這個賽道就像南北坡爬山，Copilot已經(jīng)從北坡先爬到了大本營，我們在南坡還不一樣，但大家最終都能登頂?！八尬恼f。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
12/06
OpenAI進軍瀏覽器，AI正在消滅“網(wǎng)頁”，瀏覽器怎么活？
物競天擇，適者生存。ChatGPT之后，AI改造軟件就迅速成為了全球的共識，「人工智能將從根本上改變每個軟件類別，」正如微軟CEO薩蒂亞·納德拉所言，而瀏覽器作為最重要的軟件之一當然也在其中。甚至，OpenAI可能也要來了。TheInformation在最新報道中就披露，OpenAI打算開發(fā)一款自己的瀏覽器（Browser），來與Google旗下的Chrome硬碰硬。坦白講，這條新聞并不讓人意外，考慮到OpenAI已經(jīng)推出了ChatGPTSearch，還有獨立客戶端（Windows/macOS），就算推出瀏覽器也是順理成章的一件事。圖/OpenAI問題是OpenAI要打造一款什么樣的瀏覽器？是和大家一樣基于Chromium，還是基于自家的ChatGPT客戶端？是傳統(tǒng)意義上的網(wǎng)頁瀏覽器，還是基于AI問答的全新瀏覽器？目前來看，短時間內(nèi)我們還很難期待OpenAI正式推出自家的瀏覽器，也得不到上述問題的答案。但不管如何，瀏覽器很重要，時至今日依然是無數(shù)人通過互聯(lián)網(wǎng)看世界的重要窗口，尤其在PC更是最重要的窗口，沒有之一。瀏覽器的AI化，自然也是題中應(yīng)有之義。（編者注：本文提及的AI化，主要代指ChatGPT之后以大模型為基礎(chǔ)的生成式AI化）AI瀏覽器，才走出第一步作為一種產(chǎn)品，瀏覽器完全稱得上「古老」，基本伴隨了整個互聯(lián)網(wǎng)行業(yè)的成長過程，從網(wǎng)景和IE瀏覽器的王朝更替，到Chrome和Firefox的雙子星崛起，再到今天以Chrome為首的一超多強。但與之相對，AI瀏覽器還只能說是「初生牛犢」。今年1月微軟Edge在主流瀏覽器中率先打出了「AI瀏覽器」的口號；隨后的3月，360創(chuàng)始人周鴻祎也在一場直播中發(fā)布了號稱AI化升級的360AI搜索和360AI瀏覽器。圖/360不只是Edge和360，今年以來AI化已經(jīng)成了瀏覽器的共識。就連一向步驟緩慢的Chrome也沒有按耐住AI化的步子，由主導(dǎo)開發(fā)Chrome的現(xiàn)GoogleCEO桑達爾·皮查伊在年初宣布引入生成式AI能力。AI化的瀏覽器帶來了體驗上質(zhì)的升級嗎？很可惜，還沒有。目前來看，大部分所謂「AI化」的效果基本等同于按照一個AI功能插件的效果，以側(cè)邊欄、懸浮窗為形式，以網(wǎng)頁總結(jié)、AI聊天、AI生成文本/圖片等功能為主。不能說這些功能沒用，但實際帶來的體驗升級有限，與瀏覽器的結(jié)合也不夠深入，完全可以通過安裝一個ChatGPT插件、豆包插件、Kimi插件來實現(xiàn)。圖/夸克而另一方面，瀏覽器上變化最大的AI搜索，實質(zhì)上更接近一個獨立的產(chǎn)品和服務(wù)，脫離瀏覽器也完全服務(wù)用戶，所以這里先按下不表。當然瀏覽器的AI化也不全如此，比如Chrome年初宣布引入的生成式AI能力中，就專門提到了「標簽管理」的AI化，可以運用生成式AI的能力將所有標簽頁進行智能分組。包括新創(chuàng)瀏覽器公司TheBrowserCompany，在2月發(fā)布的「第二幕」（ActII）更新中甚至為Arc更早加入了類似功能，一鍵就能用AI組織標簽頁——根據(jù)網(wǎng)頁內(nèi)容自動分門別類并且重命名。此外，作為AI化可能最激進的瀏覽器，Arc還利用AI實現(xiàn)了搜索直達、書簽和下載文件的智能重命名等。但這是少數(shù)，大部分瀏覽器的AI化還停留在表面上，更多還是營銷考慮以及FOMO（害怕錯過）心態(tài)帶來的動作。另一方面，瀏覽器廠商還在進行各種探索和嘗試，這些都是需要時間的。不過有一個問題卻是瀏覽器需要共同面對的：如果Web再死一次，瀏覽器要往哪走？AI正在徹底殺死Web2010年，克里斯·安德森（ChrisAnderson）在《連線》雜志上發(fā)表了一篇影響深遠的文章——《Web已死，Internet永生》，其中最核心的觀點就是App對于網(wǎng)頁的大規(guī)模沖擊。2010年前后，在從桌面設(shè)備（PC）轉(zhuǎn)向移動設(shè)備（手機）的過程中，互聯(lián)網(wǎng)用戶的內(nèi)容消費習慣已經(jīng)呈現(xiàn)出現(xiàn)了明顯App化的趨勢，開始慢慢習慣用一個個App而非通過一個瀏覽器瀏覽不同Web。不過后來的事實證明，Web確實受到了App很大的沖擊，但依然有相當部分的消費者使用瀏覽器瀏覽網(wǎng)頁，尤其是在PC上依然堅挺。另外，還有不少瀏覽器延伸出了小說閱讀、資訊等服務(wù)，來吸引和留住用戶。但如果說瀏覽器的本質(zhì)是瀏覽網(wǎng)頁，那當用戶不需要瀏覽網(wǎng)頁的時候，還會需要瀏覽器嗎？圖/夸克這是生成式AI時代面對的一種可能，關(guān)鍵變化在于AI搜索正在直接生成答案，而不是引導(dǎo)用戶跳轉(zhuǎn)鏈接去到一個又一個的網(wǎng)頁。簡言之，如果越來越多用戶滿足于AI搜索生成的回答，沒有必要瀏覽一個個網(wǎng)頁，傳統(tǒng)瀏覽器關(guān)于標簽頁、書簽、擴展程序以及關(guān)于網(wǎng)頁瀏覽的大部分設(shè)計、功能慢慢也就沒有了用武之地，「瀏覽器」這類產(chǎn)品自然會逐漸失去本身的意義。如何面對這種可能？不同玩家有不同的答案。AI正在讓瀏覽器「脫胎換骨」10月，Arc瀏覽器開發(fā)商TheBrowserCompany宣布了一個大新聞——停止Arc瀏覽器后續(xù)的功能更新，未來只會進行基本的穩(wěn)定性維護。與之相對的是，他們將啟動一個全新的項目，CEOJoshMiller坦言：「說實話，我們甚至不確定它能不能稱得上是一個網(wǎng)絡(luò)瀏覽器?！箞D/TheBrowserCompany唯一肯定的是，新項目依然聚焦網(wǎng)絡(luò)瀏覽，但卻是從頭開始基于大模型驅(qū)動，而非像Arc一樣「半路出家」。至于新品到底是類似ArcSearch（移動端）的AI搜索，還是基于問答的全新形態(tài)，還要拭目以待?？傊凑找?guī)劃，這家集齊Chrome創(chuàng)始成員、Safari前首席設(shè)計師的新創(chuàng)公司將于明年春季發(fā)布這款全新的「瀏覽產(chǎn)品」（姑且稱之）。不過相比推倒重來，更多廠商不太可能放棄已有的品牌認知，也不想太過挑戰(zhàn)用戶的習慣。但即便是在原有瀏覽器產(chǎn)品形態(tài)的基礎(chǔ)上進行改良，不同瀏覽器廠商的判斷、能力也有所不同，帶來的結(jié)果和體驗也會有很大的差異。一個核心是大模型。相比大部分廠商沒有大模型自研能力，只能選擇接入第三方大模型，少部分廠商如夸克、豆包、Kimi擁有自研大模型，有利于實現(xiàn)從底層大模型到應(yīng)用層的垂直整合，并且根據(jù)AI技術(shù)的進展、用戶數(shù)據(jù)和反饋快速地進行產(chǎn)品迭代。同時夸克、豆包以及Kimi這三家，在桌面端產(chǎn)品上都不約而同將「AI搜索」——現(xiàn)階段可能是AI改造最重要的軟件類別，視為核心。但除此之外，夸克或許是沉淀了更多產(chǎn)品經(jīng)驗和對用戶需求的了解，沒有局限于AI搜索以及網(wǎng)頁總結(jié)等主流AI功能，還集成了一整套信息處理和生產(chǎn)的AI工具，包括AIPPT、AI簡歷、AI搜題等。圖/夸克寫在最后時間臨近2024年的年尾，AI改變世界的進程仍然存在不少不確定性。包括OpenAI聯(lián)合創(chuàng)始人、前首席科學家IlyaSutskever在內(nèi)，一批頂級AI技術(shù)專家看來，基礎(chǔ)大模型的智能涌現(xiàn)已經(jīng)碰到了瓶頸。但盡管如此，AI對于瀏覽器的影響已經(jīng)不言而喻，幾乎所有還在更新維護的瀏覽器產(chǎn)品，都在圍繞AI加入新的功能甚至交互設(shè)計，甚至重新改造搜索的體驗、獲取和處理信息的體驗。正如達爾文在《演化論》中反復(fù)論證的觀點——「物競天擇，適者生存」，AI正在底層改變我們獲取信息、處理信息甚至生產(chǎn)信息的方式，而作為我們通過互聯(lián)網(wǎng)獲取信息最重要的窗口之一，瀏覽器必須適應(yīng)時代的變化、重新改造，才可能不被用戶拋棄。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
讓AI“上天”“入地” 大模型如何打開未來世界
將大模型和生成式AI送到普通人手里，讓大模型觸手可得。從ChatGPT問世至今，已經(jīng)過去2年。大模型和生成式AI帶給人們的，除了無限暢想，還有理想與現(xiàn)實的差距。即便AI手機、AIPC、AI汽車相繼問世；即便隨便打開一個大模型，讓AI搜集一些資料、擴展一篇文章，已經(jīng)“SoEasy”，但大多數(shù)人仍覺得“不解渴”。用一句話總結(jié)，人民群眾日益增長的AI理想與AI現(xiàn)實之間存在巨大矛盾。那么，如果從專業(yè)角度，該如何評價過去兩年大模型和生成式AI的發(fā)展?“AI先生”李彥宏11月12日做了總結(jié)：“大模型最大的變化是基本消除了幻覺，回答問題的準確性大大地提升，變得可用、可被信賴?！蓖瑫r，他認為智能體是AI應(yīng)用的最主流形態(tài)，即將迎來爆發(fā)點。消除幻覺的一個標志性產(chǎn)品是百度自研的iRAG，將百度搜索的億級圖片資源跟強大的基礎(chǔ)模型能力相結(jié)合，沒有了幻覺，少了AI味兒。比如車企可以用iRAG生成宣傳海報，還原真實的車型，再也不用畫幾十萬去拍攝了。再比如馬斯克在故宮旅游，不僅馬斯克和故宮都能精準呈現(xiàn)，還能將人與場景非常自然地融合在一起。作為國內(nèi)大模型和生成式AI參與國際競爭的種子選手，百度在AI領(lǐng)域的進展值得關(guān)注。11月12日的百度世界大會上，李彥宏就重點介紹了百度大模型和生成式AI的當下進展以及未來空間。陡峭增長，日調(diào)用量超15億北京上班的小徐，最近嘗到了AI的甜頭。因公司設(shè)計人員不多，且集中精力備戰(zhàn)雙十一，給領(lǐng)導(dǎo)做PPT的任務(wù)就落在他頭上?？伤簧瞄L文字工作，制作PPT是短板，心里犯怵。經(jīng)同事點撥，他知道了百度文庫可以一鍵生成PPT，將發(fā)言稿全文上傳后，就能生成個七七八八，再更換下配圖、調(diào)整下文字圖片大小即可。這可幫了他大忙，接到領(lǐng)導(dǎo)這樣的任務(wù)，他再也不擔心了。百度文庫的一鍵生成PPT功能背后正是百度文心大模型在發(fā)揮作用，小徐的每次使用，都需要調(diào)用一次大模型。除了制作PPT，用戶每一次在百度App搜索智能體，每一次在文心一言問答，每一次用文心一言生成圖文都會調(diào)用文心大模型。除了C端用戶，B端企業(yè)用戶的數(shù)字人、智能客服等每一次服務(wù)用戶，也都會調(diào)用一次文心大模型。這個調(diào)用量規(guī)模有多大呢?李彥宏透露，截至11月初，百度文心大模型的日均調(diào)用量超15億。這足以表明大模型已經(jīng)深入用戶日常生活。更值得關(guān)注的是，日調(diào)用量增長的速度。李彥宏表示，百度內(nèi)部曾討論大模型的未來，“怎么才叫成了”。他當時說，如果文心一言大模型日均API調(diào)用量，一年之內(nèi)漲10倍，從今年5月初的2億到明年5月漲到20億，就認為成了。因為這說明，大家是真的需要。而目前，僅半年過去，就超過15億，逼近20億，這條超出百度預(yù)期的陡峭增長曲線，正是中國大模型應(yīng)用大爆發(fā)的縮影。此外，文心一言用戶規(guī)模達到4.3億。AI從量變迎來了質(zhì)量時刻。AI需求側(cè)的爆發(fā)式增長，離不開供給側(cè)的持續(xù)迭代。比如，百度研發(fā)了“理解—檢索—生成”協(xié)同優(yōu)化的檢索增強技術(shù)。檢索增強是大模型去幻覺，增強答案可靠性的主要路徑，即用海量搜索信息指導(dǎo)內(nèi)容生產(chǎn)，提高準確度。再比如，服務(wù)程序員的智能代碼助手文心快碼升級至3.0版本，不僅功能開發(fā)、代碼測試、問題修復(fù)等能力有所提升，還能實現(xiàn)多個智能體流水線協(xié)同，進一步提升程序員工作成效。面向產(chǎn)業(yè)端，百度構(gòu)建了文心大模型矩陣，包括ERNIE4.0Turbo等旗艦大模型、ERNIESpeed等輕量模型，以及基于基礎(chǔ)模型生產(chǎn)的系列思考模型和場景模型，滿足不同應(yīng)用的需要。當然，這更離不開百度AI先人一步出發(fā)。ALLinAI到李彥宏獲評AI先生，百度幾乎是國內(nèi)唯一持續(xù)多年在AI領(lǐng)域做投入、開源、人才培養(yǎng)、生態(tài)共建的企業(yè)。10多年來，百度為人工智能和自動駕駛研發(fā)投入超過1700億，聘請2024物理諾獎得主辛頓、吳恩達、DarioAmodei等全球科技領(lǐng)軍人物，使得百度在大模型領(lǐng)域成為真正的扛旗者。打開多個增長通道AI正在重塑百度。除了大眾知道的百度將旗下產(chǎn)品全部AI化以外，文心大模型還在至少三個維度為百度提供新的增長動力，由內(nèi)到外改變這家公司。一是智能體。這被李彥宏看作是AI原生時代，融合內(nèi)容、信息、服務(wù)的新載體，類似PC時代的官網(wǎng)，移動時代的自媒體賬號。與智能體緊密相關(guān)的是百度的搜索業(yè)務(wù)，以前用戶百度搜索之后的結(jié)果頁是官網(wǎng)或者其他SEO之后的內(nèi)容，如今得到的更大概率會是智能體。有何區(qū)別呢？以往，用戶在百度App搜索比亞迪，通過首個結(jié)果進入比亞迪官網(wǎng)，自主瀏覽、查看?，F(xiàn)在，搜索結(jié)果第一條是比亞迪智能體，變成了一個類似生成式AI的互動界面。用戶可以問某款車型信息，多款車型對比，或者線下門店信息等，智能體可第一時間生成答案，告知用戶。這種模式下，品牌與用戶的鏈接更精準、高效。在百度看來，搜索是智能體最大分發(fā)入口，智能體的爆發(fā)會使搜索成為AI時代的第一入口。數(shù)據(jù)顯示，截至2024年11月，百度文心智能體平臺已經(jīng)吸引了15萬家企業(yè)、80萬名開發(fā)者入駐。越來越多的智能體出現(xiàn)，將徹底改變原有的搜索體驗，為百度賴以起家的搜索業(yè)務(wù)帶來新的合作模式、盈利模式，打開新的增長通道。二是百度智能云。近幾個季度，百度智能云營收增長強勁、持續(xù)盈利，正是與大模型綁定的結(jié)果。因為大模型，解決了企業(yè)客戶在AI時代的需求，帶動了模型構(gòu)建、算力消耗、接口調(diào)用等需求，并幫助企業(yè)客戶催生了AI原生應(yīng)用。最初，云服務(wù)是解決企業(yè)客戶信息化、數(shù)字化的成本問題、效率問題，更多屬于CTO決策的范疇。后來，各個云服務(wù)廠商增加了行業(yè)解決方案，將云服務(wù)深入到企業(yè)經(jīng)營管理各方面，涵蓋了生產(chǎn)、銷售、服務(wù)、管理等多個環(huán)節(jié)，幫助CEO解決問題。在AI原生時代，企業(yè)客戶迫切需要借助大模型工具，實現(xiàn)自身業(yè)務(wù)的重構(gòu)。文心大模型與百度智能云結(jié)合，讓企業(yè)客戶應(yīng)用AI、大模型的門檻降低，不僅僅是成本，還包括人員組織等多維度。為實現(xiàn)這一步，百度在文心大模型旗艦版的3.5和4.0版本基礎(chǔ)上，推出了5款輕量級/特定模型、AI原生應(yīng)用開發(fā)工具AppBuilder等，幫助企業(yè)更低門檻、更高性價比的進入AI原生時代。目前。百度智能云千帆大模型平臺已幫助客戶精調(diào)了3.3萬個模型、開發(fā)了77萬個企業(yè)應(yīng)用。百度智能云也成為中國最大的大模型產(chǎn)業(yè)落地云，60%以上的央企，以及大量的民營企業(yè)，都在聯(lián)合百度智能云進行AI創(chuàng)新。三是自動駕駛。自動駕駛是百度面向未來，需要長期培養(yǎng)的增長點。在大模型的加持下，百度自動駕駛技術(shù)迭代更快，商業(yè)空間更大。今年，百度Apollo發(fā)布了支持L4級自動駕駛的大模型ApolloADFM（AutonomousDrivingFoundationModel），可以兼顧技術(shù)的安全性和泛化性，做到安全性高于人類駕駛員10倍以上，實現(xiàn)城市級全域復(fù)雜場景落地。門檻越低，商業(yè)版圖越大縱觀百度大模型近兩年發(fā)展，明顯朝著“上天”“入地”兩個方向發(fā)展?！吧咸臁笔遣粩鄡?yōu)化大模型技術(shù)，持續(xù)迭代，提高競爭壁壘。不論從專利數(shù)量還是應(yīng)用規(guī)模，百度在大模型領(lǐng)域都走在全球第一梯隊。前不久，沙利文發(fā)布的《2024年全球AI生態(tài)全景概覽》中，百度與谷歌、OpenAI等位于AI-NativeGiant（AI巨頭）同一序列?！叭氲亍笔前俣仍诓粩嘟档痛竽Ｐ蛻?yīng)用成本和門檻，讓更多人觸手可及。除了各種開放平臺、開發(fā)工具，百度還親自下場，為高校、企業(yè)培養(yǎng)了數(shù)百萬的AI人才，讓AI普及的速度越來越快。本次百度世界大會再次體現(xiàn)了這兩點。李彥宏在會上發(fā)布了兩項新技術(shù)。一是iRAG技術(shù)?；仡欉^去兩年，李彥宏認為，文字層面的RAG（檢索增強生產(chǎn)）已經(jīng)做得很好基本讓大模型消除了幻覺，即用戶跟大模型一問一答，大概率能得到用戶想要的答案。但在圖像等多模態(tài)方面，還存在較大幻覺，比如讓大模型生成一張某歷史人物在某景點的照片，還是存在“一眼假”的情況。要么是事實性錯誤，如人物張冠李戴，要么是畫質(zhì)“機器味兒”太重，缺乏真實感。?針對于此，百度開發(fā)了檢索增強的文生圖技術(shù)iRAG（imagebasedRAG），將百度搜索的億級圖片資源跟基礎(chǔ)模型能力相結(jié)合，可生成超真實的圖片。這項技術(shù)擁有廣泛應(yīng)用場景，比如過往汽車品牌要拍一組海報大片，動輒要大幾十萬，應(yīng)用百度iRAG，可立刻生成，且成本幾乎等于零。這是百度不斷“上天”，向技術(shù)高峰攀爬的行動。當天，李彥宏還重點介紹了計劃明年一季度上線的無代碼工具“秒噠”，是百度不斷降低大模型門檻，“入地”的體現(xiàn)?！懊雵}”可以說，滿足了大多數(shù)人對于大模型和生成式AI應(yīng)用的想象，即不需要懂編程，只需要說出想法，AI就能實現(xiàn)和生產(chǎn)所需要的應(yīng)用。具體如何實現(xiàn)？用戶只需對準秒噠用中文描述需求，如需要搭建一場活動的在線報名系統(tǒng)，并上傳活動時間、地點等信息。之后，秒噠會自動調(diào)取多個智能體、多個工具，實現(xiàn)程序的開發(fā)、BUG檢查、視覺設(shè)計等工作，完成報名系統(tǒng)的開發(fā)。也就是說，只要有想法，你就可以心想事成，這也將迎來一個前所未有的只靠想法就能賺錢的時代——點子時代。當一個復(fù)雜的事務(wù)變得簡單化，將是其走向千家萬戶，占領(lǐng)大眾市場的開始。比如微軟的可視化桌面系統(tǒng)取代Dos系統(tǒng)，讓普通人可以使用原本復(fù)雜的計算機。而“秒噠”的落地，意味著將開啟一個全新的點子時代，這才是AI真正的價值所在?！懊雵}”正是這樣一個工具，讓每個人都變成程序員，將極大提高AI原生應(yīng)用的生成效率，帶來更多智能體，進一步繁榮AI生態(tài)。而百度作為這一生態(tài)的主要創(chuàng)建者，未來的獲益無需多言?！窘Y(jié)束語】作為全世界最成功的快消品之一，可口可樂的成功有其獨特配方、成功的營銷，還有重要的一條，即建立了全球最大的飲料分銷系統(tǒng)。2019年其已在200多個國家建立超30000萬個銷售網(wǎng)點，覆蓋了全球約60％的零售店。這樣的結(jié)局是，世界各地的人們觸手可得可口可樂。當前的百度正在做類似的事情，將大模型和生成式AI送到普通人手里，讓大模型觸手可得。AI的普及和商業(yè)化自此打開，百度更廣闊的未來世界也被打開。本文來源：R艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
低代碼賦能企業(yè)數(shù)字化轉(zhuǎn)型：數(shù)百家軟件公司的成功實踐
在當今的軟件開發(fā)時代,以新技術(shù)助力企業(yè)數(shù)字化轉(zhuǎn)型已經(jīng)成為一個熱門話題。如何快速適應(yīng)技術(shù)變革,構(gòu)建符合時代需求的技術(shù)能力和業(yè)務(wù)模式,成為了軟件公司必須面對的課題。在這個背景下,低代碼技術(shù)是如何賦能軟件公司,助力軟件公司實現(xiàn)業(yè)務(wù)騰飛?本文將從低代碼時代軟件公司面臨的機遇與挑戰(zhàn)入手,分享低代碼轉(zhuǎn)型的最佳實踐:確定轉(zhuǎn)型戰(zhàn)略、探索轉(zhuǎn)型路徑以及打造組織能力,助力軟件公司實現(xiàn)破局。低代碼產(chǎn)業(yè)高速發(fā)展過去五年來,低代碼開發(fā)成為軟件開發(fā)技術(shù)的一個熱門領(lǐng)域。IDC、中國信通院、艾瑞咨詢、低碼時代、愛分析等眾多國內(nèi)外研究機構(gòu)對這個領(lǐng)域非常關(guān)注,發(fā)布了近百份研究報告。根據(jù)這些報告對低代碼發(fā)展趨勢的預(yù)測,2023年到2025年中國低代碼產(chǎn)業(yè)的增速在35%-65%之間,是中國軟件產(chǎn)業(yè)增長速度的3到5倍,低代碼技術(shù)正在進入應(yīng)用普及階段。企業(yè)對低代碼技術(shù)的實際需求驗證了專業(yè)機構(gòu)的預(yù)測。我們分析了國內(nèi)中大型組織在招標中提出對“低代碼技術(shù)”的需求,根據(jù)國內(nèi)五家重點招投標網(wǎng)站上發(fā)布的信息,從2022年到2023年共有411條(去重后)與低代碼相關(guān)的招投標記錄,金額普遍在50萬以上,僅僅這些企業(yè)在低代碼上的投資就已經(jīng)達到了數(shù)億元規(guī)模。同時,從時間維度看,低代碼需求呈現(xiàn)顯著的增長趨勢,從2022年上半年到2023年下半年,招投標的數(shù)量增長了8倍。(越來越多中大型企業(yè)采購“低代碼平臺”進行應(yīng)用構(gòu)建)開發(fā)者對于低代碼技術(shù)的關(guān)注度如何呢?我們選取了搜索指數(shù)這個維度進行研究。從2019年至2023年,低代碼技術(shù)的搜索指數(shù)從初始的0搜索量,增長到熱門技術(shù)JavaScript搜索量的25%,這表明低代碼技術(shù)已經(jīng)成為開發(fā)者關(guān)注的一個熱門話題。(“低代碼”一詞的搜索指數(shù)與JavaScript相比較)行業(yè)專家、企業(yè)用戶以及開發(fā)者紛紛將目光聚集于低代碼技術(shù),顯示了低代碼技術(shù)的巨大發(fā)展前景,也預(yù)示著低代碼將在未來三到五年加速普及,我們正在迎來“低代碼時代”。低代碼給軟件公司帶來的新機遇當前,超過95%的應(yīng)用軟件是以編碼為主進行開發(fā)的,一個中等規(guī)模的應(yīng)用,前期需要投入數(shù)百萬的成本。在應(yīng)用構(gòu)建完成之后,還需要通過市場的打磨和修正,才有可能贏得第一批用戶,后續(xù)還會面臨企業(yè)用戶復(fù)雜多變的個性化需求。在此過程中,軟件公司不但要投入巨大的資金和人力成本,還會面臨很大的風險。低代碼技術(shù)的出現(xiàn)能夠有效緩解上述壓力。與傳統(tǒng)開發(fā)方式相比,低代碼技術(shù)具有更高的效率和更低的學習曲線,使得企業(yè)能夠更快地推出新的軟件產(chǎn)品和解決方案,并通過敏捷迭代、快速試錯的方式,快速響應(yīng)市場變化。針對定制化和二開需求,低代碼技術(shù)能夠提供強大的集成和開放能力,結(jié)合拖拉拽等可視化開發(fā)的方式與業(yè)務(wù)人員共同協(xié)助,幫助實現(xiàn)貼合業(yè)務(wù)需求的軟件應(yīng)用。對軟件公司而言,低代碼技術(shù)能夠帶來顯著的價值:1.低代碼提供先進生產(chǎn)力,幫助軟件公司提升利潤傳統(tǒng)開發(fā)模式下,人力成本居高不下,利潤空間有限。采用低代碼技術(shù),可以大幅降低開發(fā)成本、工具采購成本和培訓成本,為軟件公司帶來了新的利潤空間。(先進的生產(chǎn)工具帶來先進的生產(chǎn)力)以上海格心科技有限公司為例,其使用低代碼為寧波愛健軸承搭建了一整套運營管理平臺——“智造云”平臺。該系統(tǒng)從產(chǎn)品設(shè)計、生產(chǎn)裝備數(shù)字化、生產(chǎn)過程管理、倉儲物流、能源利用等多個模塊展開,實現(xiàn)了對智能工廠的全面覆蓋。整個系統(tǒng)的開發(fā)工作量,僅為傳統(tǒng)代碼開發(fā)的1/4。系統(tǒng)上線之后,愛健軸承的生產(chǎn)效率提升了30%、生產(chǎn)成本降低了20%、產(chǎn)品不良率降低了28%、能源利用率提升了11%,產(chǎn)品研發(fā)周期也縮短了37%。憑借該系統(tǒng),愛健軸承成功入選“浙江省第二批智能工廠認定名單”,并榮獲全球領(lǐng)先的IT市場研究和咨詢公司IDC所頒發(fā)的FutureEnterpriseAwards未來運營領(lǐng)軍者。2.幫助軟件公司深度服務(wù)于企業(yè)數(shù)字化需求,促進業(yè)務(wù)發(fā)展傳統(tǒng)的信息化建設(shè)通常以外包、外采的方式為主,在框架、主數(shù)據(jù)和應(yīng)用創(chuàng)新上都有明顯不足。如今,面對激烈的市場競爭環(huán)境,企業(yè)對數(shù)字化應(yīng)用的深度和廣度都提出了更高的需求。企業(yè)更加注重統(tǒng)一平臺的建設(shè),希望實現(xiàn)更高效的數(shù)字化轉(zhuǎn)型。同時,企業(yè)對自主開發(fā)和可控性的需求增加,渴望能夠自主構(gòu)建數(shù)字化基座,并能夠自主決策未來數(shù)字化發(fā)展的方向。在新的形勢下,軟件公司不能繼續(xù)滿足于只為甲方企業(yè)進行項目交付,而應(yīng)該更深度地服務(wù)于企業(yè)數(shù)字化需求。對于有意引入低代碼的企業(yè),軟件公司可以從多個方面更好地服務(wù)客戶:·推動低代碼立項,幫助客戶準確分析企業(yè)現(xiàn)狀、明確項目目標和制定選型評估計劃;·幫助企業(yè)建立符合自身實際情況的低代碼技術(shù)規(guī)范,如技術(shù)管理規(guī)范、設(shè)計規(guī)范等;·幫助企業(yè)深化數(shù)字化轉(zhuǎn)型,如數(shù)字化人才培養(yǎng)、項目落地咨詢、協(xié)同開發(fā)等。這樣的綜合服務(wù),不僅能幫助企業(yè)構(gòu)建穩(wěn)固的數(shù)字化基礎(chǔ),還能助力客戶在低代碼時代中取得更大的成功。軟件公司通過提供全方位的咨詢和解決方案,能夠與客戶緊密合作,通過持續(xù)的創(chuàng)新幫助客戶實現(xiàn)數(shù)字化發(fā)展目標,共同推動數(shù)字化轉(zhuǎn)型的成功,創(chuàng)造更大的價值。開啟低代碼轉(zhuǎn)型的最佳實踐過去五年來,葡萄城與三百余家軟件公司深入合作,共同探索低代碼轉(zhuǎn)型的路徑,我們親身經(jīng)歷了一家家軟件公司借助低代碼技術(shù)實現(xiàn)了業(yè)務(wù)的騰飛,也很遺憾地看到一些軟件公司走過的坎坷歷程?；仡欉@些經(jīng)驗和角度,我們梳理總結(jié)出軟件公司實現(xiàn)低代碼轉(zhuǎn)型的最佳實踐,其中包括了指導(dǎo)思想、關(guān)鍵步驟、時間規(guī)劃,以及大量的文檔模板和培訓資料。限于篇幅,本文只簡要介紹其中的關(guān)鍵步驟,具體包括:確定轉(zhuǎn)型戰(zhàn)略、探索轉(zhuǎn)型路徑、打造組織能力。1.確定轉(zhuǎn)型戰(zhàn)略確定轉(zhuǎn)型戰(zhàn)略可以從低代碼戰(zhàn)略負責人、低代碼在公司發(fā)展的定位和低代碼代碼選型指標三個維度來考慮。低代碼戰(zhàn)略負責人:轉(zhuǎn)型戰(zhàn)略需要由軟件公司技術(shù)副總以上的高層來制定,而非僅由開發(fā)人員或部門經(jīng)理負責。轉(zhuǎn)型戰(zhàn)略也需要在公司管理層達成共識,這樣不僅可以保證軟件公司從應(yīng)用、技術(shù)、成本等多個角度全方位評估低代碼的價值,同時還可以制定出更適合自身發(fā)展的戰(zhàn)略,幫助企業(yè)更好地把握低代碼轉(zhuǎn)型機會。低代碼在公司發(fā)展的定位:把低代碼定位為公司技術(shù)能力發(fā)展的長期技術(shù)棧,而非臨時項目或?qū)嶒烅椖俊５痛a開發(fā)平臺擁有巨大的潛力和優(yōu)勢,能夠極大地提高開發(fā)效率和靈活性。通過將低代碼技術(shù)納入公司的長期技術(shù)戰(zhàn)略,將能夠幫助企業(yè)實現(xiàn)持續(xù)的創(chuàng)新和增長。低代碼選型指標:建議基于公司長期規(guī)劃遴選評估項目,在覆蓋全場景的同時,還要關(guān)注低代碼技術(shù)與現(xiàn)有開發(fā)團隊、項目管理方式的兼容?；谖覀兊膶嶋H從業(yè)經(jīng)驗,并參考一些專業(yè)機構(gòu)的研究報告,我們總結(jié)出面向軟件公司的低代碼選型評估十大指標如下:·功能組件豐富程度與需求匹配度·可擴展性(平臺級擴展)·易用性(開發(fā)環(huán)境的用戶體驗、性能、配套培訓資源等)·集成便利性·技術(shù)與架構(gòu)的兼容支持范圍·安全性與合規(guī)性·編程能力(項目級擴展)·協(xié)同開發(fā)能力·開發(fā)周期覆蓋度·基于關(guān)系和流程的模型驅(qū)動能力與開發(fā)效率2.探索轉(zhuǎn)型路徑確定轉(zhuǎn)型戰(zhàn)略之后,下一個重要問題就是制定轉(zhuǎn)型路徑。有兩個關(guān)鍵點需要關(guān)注:一是組建低代碼“先遣隊”,探索轉(zhuǎn)型路徑。建議先遣隊由企業(yè)抽調(diào)少量開發(fā)人員和技術(shù)高管共同組成,基于廠商提供的技術(shù)資料和資源完成初步的技能準備。二是選擇合適的試點項目,啟動轉(zhuǎn)型實踐。在篩選試點項目時,要選擇一個需求明確、復(fù)雜度適中且能在1-2個月內(nèi)交付的項目。這樣不僅有助于快速驗證轉(zhuǎn)型的可行性和效果,還可以為后續(xù)的轉(zhuǎn)型工作積累經(jīng)驗和信心。3.打造組織能力在探索轉(zhuǎn)型路徑之后,還需要制定一系列規(guī)范將其轉(zhuǎn)化為真正的組織能力,包括需求分析規(guī)范、設(shè)計規(guī)范、編碼規(guī)范、集成規(guī)范等。通過這些規(guī)范和低代碼平臺的結(jié)合,實現(xiàn)更加高效的開發(fā)與協(xié)作,在實踐中持續(xù)迭代優(yōu)化,打造組織能力。特別提醒的是,低代碼轉(zhuǎn)型的效果是逐步呈現(xiàn)的,而不是一蹴而就,我們需要對此保持合理的期望和耐心。下圖展示了低代碼轉(zhuǎn)型過程中,代碼開發(fā)與低代碼開發(fā)的典型效率對比。其中,橫軸表示時間,縱軸表示開發(fā)效率的提升。橙色的線是以Java開發(fā)的平均效率作為參考,藍色的線則代表使用低代碼開發(fā)的效率變化過程。從圖中可以看出,在轉(zhuǎn)型的初始階段,因為團隊的不熟練,低代碼開發(fā)的效率可能會低于代碼開發(fā)方式。但隨著轉(zhuǎn)型的推進,進入探索期之后,低代碼開發(fā)的效率將會趕上并超越傳統(tǒng)開發(fā)模式。當轉(zhuǎn)型進行第三階段時,低代碼的開發(fā)效率將大幅領(lǐng)先傳統(tǒng)開發(fā)模式,這才是低代碼技術(shù)的實際價值體現(xiàn)。結(jié)語從以上的信息可以看出,低代碼已經(jīng)成為業(yè)界的趨勢,未來的2到5年將是應(yīng)用普及的重要窗口期。建議軟件公司將低代碼技術(shù)作為重要的戰(zhàn)略舉措,盡快引入低代碼技術(shù),開啟低代碼轉(zhuǎn)型,提升生產(chǎn)力并響應(yīng)企業(yè)需求的新變化,從而在激烈的市場競爭中保持領(lǐng)先優(yōu)勢,實現(xiàn)可持續(xù)增長。本文來源：R艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
小程序變“傻”，誰變聰明了？
期待下一個五年，中國資本市場脫穎而出的“獨角獸”，不再是清一色的互聯(lián)網(wǎng)公司，而是還有SaaS服務(wù)公司?；ヂ?lián)網(wǎng)掀起的平民化浪潮，如今已波及到技術(shù)人自己。一個人人都是程序員的時代正在到來。廣西柳鋼一名鋼鐵工人，用低代碼平臺，給全廠7000多名員工開發(fā)了一個核酸登記應(yīng)用程序。四川古藺一名中學老師，也是用低代碼平臺，給留守學生開發(fā)了一個宿舍管理應(yīng)用。上海一個11歲女孩，在云棲大會上用8分鐘編出了一個小程序……小程序“傻瓜”化，誰變聰明了？11月17日，中國社會科學院大學數(shù)字中國研究院與螞蟻集團研究院聯(lián)合發(fā)布《2022中小實體企業(yè)“數(shù)實融合”新趨勢觀察》報告回答了這個問題。01.低代碼開發(fā)極大降低數(shù)字化成本報告總結(jié)了這兩年發(fā)生在中小企業(yè)身上的九個變化，其中一個變化——低代碼開發(fā)極大降低數(shù)字化成本——既是中小企業(yè)“數(shù)實融合”的新趨勢，也是小程序“傻瓜”化的直接原因。“低代碼”是一種只需要寫很少代碼就可以生成應(yīng)用，并快速配置和部署的一種技術(shù)和工具。這一簡易編程技術(shù)如今在我們的生活日常中已無處不在。我們玩的游戲，每天都會打開的各類小程序，背后都有低代碼的身影。Gartner報告預(yù)測：到2023年，超過70%的企業(yè)將采用低代碼作為他們發(fā)展戰(zhàn)略的關(guān)鍵目標之一。到2025年，整體低代碼開發(fā)平臺市場規(guī)模將達到290億美元，年復(fù)合增長率超過20%。低代碼開始席卷全球互聯(lián)網(wǎng)，始于2016年，微軟首次發(fā)布低代碼平臺PowerApps，次年，微信、支付寶接連推出小程序接口，讓低代碼在中國找到了大施拳腳的應(yīng)用場景。報告數(shù)據(jù)顯示，五年前，一個中等規(guī)模的小程序，開發(fā)周期為2-3周，現(xiàn)在只要10-14天。如果是一個只用拖拉拽來搭建的簡易小程序，最快五分鐘就能完成。一個小程序的年服務(wù)費，最低已降至幾百元。要知道，成本，是中小微數(shù)字化轉(zhuǎn)型最大的障礙。有研究表明，數(shù)字化成本如果超過中小微總資產(chǎn)的10%，他們往往就放棄了。數(shù)字工具越來越輕、越來越“好用不貴”，成為許多中小微邁出數(shù)字化第一步的動力。值得一提的是，報告組在發(fā)布會上說，他們在調(diào)研時還發(fā)現(xiàn)了一個有意思的現(xiàn)象，僅在廣州，就有近兩千家小程序開發(fā)公司。小程序開發(fā)者中，不乏曾在流水線上打過工的“廠哥”。一家受訪公司的HR告訴他們，同等能力和經(jīng)驗下，他們更傾向于招“廠哥”，因為他們比本科生能吃苦，流動性也更小。報告組還采訪過一個叫周一海的“廠哥”，之前在東莞一家電子廠工作，利用業(yè)余時間線上學習低代碼開發(fā)，跳槽到深圳一家小程序開發(fā)公司做前端工程師。和深圳許多互聯(lián)網(wǎng)創(chuàng)業(yè)公司一樣，周一海所在的公司要求員工起一個英文名，周一海給自己起了一個諧音名John。John如今一個月稅后一萬元出頭，是在工廠時的近兩倍，比本科應(yīng)屆畢業(yè)生的平均薪資也稍高一些。報告數(shù)據(jù)顯示，僅支付寶小程序開放平臺接入的數(shù)字化服務(wù)商目前就有1.1萬家，拉動的開發(fā)和運營崗位接近80萬人。這是一個值得期待、相互成就的生態(tài)故事，也是報告中指出的又一個趨勢——數(shù)字化服務(wù)商將成下一個風口。02.數(shù)字化服務(wù)商將成下個風口？數(shù)字化服務(wù)商中的一支主力是SaaS服務(wù)商。SaaS意為“軟件即服務(wù)”，也就是插即用的數(shù)字化小工具。它的特點是基本不需要使用者自己做開發(fā)，在訂閱SaaS服務(wù)后，即插即用。和IaaS、PaaS一樣，SaaS屬于云服務(wù)的一種，三者“長相”相似，所長卻大不相同——IaaS相當于水電氣三通的“毛坯房”，PaaS相當于“精裝房”，而SaaS則是拎包入住的“酒店式公寓”?？梢?，互聯(lián)網(wǎng)平臺云計算等技術(shù)基礎(chǔ)設(shè)施的成熟完善，是SaaS服務(wù)發(fā)展的前提。而小程序的普及，則讓SaaS服務(wù)市場找到了為中小企業(yè)提供數(shù)字化服務(wù)的重要載體。報告指出，當中小企業(yè)的數(shù)字化步入深水期，即不再滿足于單一環(huán)節(jié)的數(shù)字化，而是追求全鏈路的數(shù)字化時，互聯(lián)網(wǎng)平臺企業(yè)開始變得“有所不能”。比如，平臺企業(yè)往往只能提供通用的技術(shù)，以及標準化的獲客和營銷手段，而無法深入到各個垂直行業(yè)，為中小企業(yè)提供制定化、靈活的數(shù)字工具和數(shù)字服務(wù)。而這正是SaaS服務(wù)商的擅長。SaaS服務(wù)商對行業(yè)有多了解？報告組在發(fā)布會上分享了一個細節(jié)，他們在安徽合肥，調(diào)研了一家叫企邁科技的餐飲業(yè)頭部服務(wù)商，創(chuàng)始人為了了解咖啡館和奶茶店的的經(jīng)營場景和痛點，自己開了一家線下店，從德國進口咖啡機，從星巴克挖來資深咖啡師，就這樣鉆到行業(yè)里，邊賣咖啡邊發(fā)現(xiàn)問題，收集了近100個需要優(yōu)化的需求。螞蟻集團數(shù)字化生態(tài)開放運營負責人張琤坦誠，支付寶小程序團隊剛開始時，什么行業(yè)都想自己去專研、自己去服務(wù)，很快發(fā)現(xiàn)，“無論如何也專業(yè)不過服務(wù)商”。其實，“下場自己干”，是許多平臺企業(yè)擁抱實體的常態(tài)。比如阿里巴巴為了改造服裝制造業(yè)的生產(chǎn)供應(yīng)鏈，自己建了一個智造工廠；京東則將自己重新定義為了“新實體企業(yè)”。但在服務(wù)業(yè)中小微數(shù)實融合這條賽道上，螞蟻集團開始“向后退”，但“向后退”不意味著不作為，而是通過在后方為SaaS服務(wù)商開放產(chǎn)品技術(shù)、數(shù)字生態(tài)和平臺“原子能力”，助力SaaS服務(wù)市場發(fā)展，由其向服務(wù)業(yè)中小微提供“好用不貴”的數(shù)字化工具。簡單說，就是平臺和服務(wù)商拿出各自的長板來打配合。梳理支付寶小程序在這一兩年的布局和變化，不難看出他們在不斷向后調(diào)整“站位”，讓市場化的力量自己動起來——推出小程序快速搭建能力，讓服務(wù)商的開發(fā)者乃至商家自己，通過拖拉拽的方式，最快五分鐘就能做好一個簡易小程序并上線。這已經(jīng)不是低代碼開發(fā)，而是搭樂高一樣的零代碼了。推出小程序云托管，以此為載體，為服務(wù)商開放隱私計算、安全風控、個性化推薦算法等底層技術(shù)能力。推出“跨平臺框架”方案，以幫助服務(wù)商實現(xiàn)只需要寫一套代碼，就可以同時生成不同平臺上的小程序，降低不同平臺的適配和遷移成本。在餐飲業(yè)頭部SaaS服務(wù)商企邁科技IOT事業(yè)部負責人阿祖的眼中，平臺現(xiàn)在越來越像“服務(wù)商”，讓他們在小程序后端的創(chuàng)新開發(fā)中獲得越來越大的空間。他說他曾有一段時間來杭州出差，都是以“月”為單位的。他們和螞蟻的工程師一起，腦暴出了一系列長在支付寶小程序上的，總有一款你用過的爆款小功能——當你在小程序上點了一杯奶茶，可以在支付寶首頁上看到取餐進度；當你在線下單了一杯咖啡，拿到手上時，發(fā)現(xiàn)貼在杯身的單子上印著你的名字，以及一句寫給你的土味情話；當你通過小程序下單并選擇“自取”，就能獲得5G螞蟻森林能量球；……報告亦指出，如果中國的服務(wù)業(yè)數(shù)字化要走向縱深，實現(xiàn)高質(zhì)量發(fā)展，必須大力支持發(fā)展SaaS行業(yè)，壯大中國第三方技術(shù)服務(wù)市場。而在助推中國SaaS服務(wù)市場騰飛，長出“獨角獸”這件事情上，互聯(lián)網(wǎng)平臺企業(yè)應(yīng)承擔更多責任。03.一個世界級的生態(tài)故事SaaS服務(wù)市場長出“獨角獸”為什么很重要？因為這決定著，中國的產(chǎn)業(yè)互聯(lián)網(wǎng)能否像消費互聯(lián)網(wǎng)那樣，擁有世界級的競爭力，同時還決定著，中小微實體企業(yè)能否規(guī)?；赝瓿蓴?shù)字化轉(zhuǎn)型。而眼下的事實是，中國的消費互聯(lián)網(wǎng)有多領(lǐng)先全球，美國的產(chǎn)業(yè)互聯(lián)網(wǎng)就有多一騎絕塵。報告數(shù)據(jù)顯示，2020年，中國SaaS市場規(guī)模約為50億美元，僅相當于美國SaaS巨頭Salesforce一季度的營收規(guī)模。這個差距，直接決定了兩國中小企業(yè)數(shù)字化水平的差異。過去十年，隨著云服務(wù)模式不斷成熟，發(fā)達市場的數(shù)字化收益群體從頭腰部企業(yè)不斷向中小微企業(yè)下沉。美國餐飲業(yè)頭部SaaS服務(wù)商Toast的客戶，平均只有1.65家門店。美國50人以下的小微企業(yè)，和上千人的大企業(yè)一樣，每個員工平均會使用8個SaaS應(yīng)用。Shopify、Square等市值達數(shù)百億美元的SaaS公司，客戶中80%是中小微……相比之下，盡管中國的SaaS服務(wù)商站在了風口之上，但眼下中小微企業(yè)在SaaS用戶中的占比仍不足10%。我們期待下一個五年，中國資本市場脫穎而出的“獨角獸”，不再清一色是互聯(lián)網(wǎng)公司，而是還有SaaS公司；再下一個五年，中國能出現(xiàn)美國Salesforce這樣千億市值的SaaS公司。這樣的未來可期。過去10年，中國互聯(lián)網(wǎng)公司大量上云，帶動了中國IaaS層領(lǐng)先于SaaS應(yīng)用層快速發(fā)展，也就是說，大量“大樓”已建好，“毛坯房”也變成了“精裝房”，就等著SaaS服務(wù)商入場搞“軟裝”了。此外，在助力中小微企業(yè)數(shù)字化轉(zhuǎn)型的賽道上，隨著螞蟻等互聯(lián)網(wǎng)平臺企業(yè)開始調(diào)整策略和站位，SaaS服務(wù)商在技術(shù)研發(fā)上的資金投入和時間成本將被大大降低。這樣的未來值得努力。要知道，SaaS服務(wù)市場的繁榮，還是一個世界級的生態(tài)故事。Salesforce發(fā)布的經(jīng)濟影響力白皮書顯示，2019年，Salesforce每賺1美元，其全球生態(tài)賺了4.29美元；2024年，Salesforce每賺1美元，其全球生態(tài)將賺5.80美元。所以，中國小程序“傻瓜化”，是件好事情。它變“傻”，是因為中國數(shù)字化浪潮的參與者們變“聰明”了。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
小心這三個坑：用人工智能開發(fā)與傳統(tǒng)軟件開發(fā)有著顯著不同
生成式人工智能的不確定性會給軟件開發(fā)帶來麻煩神譯局是36氪旗下編譯團隊，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點介紹國外的新技術(shù)、新觀點、新風向。編者按：鑒于人工智能寫代碼已經(jīng)非常溜了，你很容易會產(chǎn)生這樣的想法，既然臟累活都是人工智能模型干的，那只關(guān)注市場需求和商業(yè)模式就行了。錯，生成式人工智能天生具有不確定性，這個坑可得注意了。文章來自編譯。在我們這里，做的每件事背后都有一個基本循環(huán)：寫作->開發(fā)->重復(fù)。開發(fā)會讓你接觸到以前隱藏的世界。寫作能幫你找到一種精確、簡潔的方式來表達你知道什么以及為什么。這個循環(huán)未必是線性的——有時候我們會從開發(fā)開始，然后轉(zhuǎn)向?qū)懽鳎袝r候我們會先從寫作開始——但我們認為，這種做法確實帶來了一種特別有效的創(chuàng)造新事物的手段。本文深入闡述了用AI開發(fā)產(chǎn)品的方式，為什么新的AI產(chǎn)品的關(guān)鍵風險是可行性，以及如何通過快速實驗來應(yīng)對這些風險。當我開發(fā)第一個AI項目時，所采用的方法跟過去開發(fā)產(chǎn)品是一樣的：明確一個問題，規(guī)劃解決方案，構(gòu)建最小可行產(chǎn)品（MVP），然后進行迭代。這是一種相當直白的軟件驅(qū)動法：快速開發(fā)，測試，學習，然后改進。但是，這種方法并沒有奏效——于是我自問：用AI開發(fā)跟傳統(tǒng)軟件開發(fā)究竟有何不同呢？我加入公司的時候是懷揣著一個很有野心的目標的：在三個月內(nèi)打造九款產(chǎn)品——也就是每10天打造一個項目。我的第一個項目Mindtune是傳統(tǒng)廣告技術(shù)和社交媒體算法的替代品，用AI驅(qū)動的。我的假設(shè)是，大家對社交媒體推送那些公式化的、冷漠的內(nèi)容已經(jīng)厭倦了，而AI可以提供更相關(guān)、更個性化體驗的機會。我做Mindtune的時候就考慮到了需求驗證，因為傳統(tǒng)軟件項目這一塊往往做不好。你得做出登錄頁面、跟潛在客戶交流、分析競爭對手，然后才會投入資源打造產(chǎn)品。創(chuàng)始人長期以來一直都是按這個模板走的，就好象是一種條件反射。我們未必會停下來問問自己打造這個產(chǎn)品是否有可能？用人工智能開發(fā)需要我們打破慣例，用不同的方式去做。人工智能產(chǎn)品帶來了一系列的獨特風險，如果你不了解這些風險，就肯定會犯錯誤。在做Mindtune的過程中，我識別出了三種風險模式，這些模式幫助我準確了解自己承擔的風險類型，更重要的是，讓我了解是什么決定了它是否成功。我會深入探討其中的每一種風險、它們之間的關(guān)系以及人工智能是如何顛覆了傳統(tǒng)的初創(chuàng)企業(yè)“風險鏈”的。我希望創(chuàng)始人和開發(fā)者能夠更好地了解自己想法存在什么風險，以及如何最好地化解這些風險，從而避免在創(chuàng)意迷宮中走錯路。▍初創(chuàng)企業(yè)風險鏈任何初創(chuàng)企業(yè)都會涉及到三種風險：可行性（feasibility）、價值以及生存力（viability）。1.可行性風險：是不是確實可以開發(fā)出來？這屬于典型的工程挑戰(zhàn)。比方說，SpaceX在開發(fā)可重復(fù)使用的自著陸火箭時就面臨可行性風險。2.價值風險：用戶從中能否獲得價值？這是產(chǎn)品市場匹配的核心。Airbnb就是價值風險的一個很好例子——大多數(shù)人最初認為這個想法很荒謬，認為沒有人愿意住在陌生人的家里。3.生存風險：我們自己能否從中獲取價值？眾所周知，F(xiàn)acebook與Google早期就面臨生存風險。他們知道自己的產(chǎn)品深受人們喜愛，但需要時間和實驗才能找到可持續(xù)的商業(yè)模式。這三種風險的相互作用方式至關(guān)重要?？梢园阉鼈兛醋饕粋€鏈條：可行性→價值→生存力。如果產(chǎn)品技術(shù)上不可行，那其他兩種風險就不重要了。如果可行但沒價值，你又會陷入困境。而就算用戶喜歡你的產(chǎn)品，你還是得想辦法從中賺錢。這三種風險可不是按順序出現(xiàn)的；每種風險的大小都會因產(chǎn)品類型而異。傳統(tǒng)軟件的可行性風險一般都不高。Facebook的第一版開發(fā)并未涉及任何突破性的技術(shù)飛躍。馬克·扎克伯格是在哈佛的宿舍里寫出代碼的。真正的挑戰(zhàn)在于價值和生存力風險：大家會用嗎？它能否成為一項盈利業(yè)務(wù)？相比之下，深度科技——基因療法、聚變反應(yīng)堆和自動化通用智能等項目，它們是將全新的技術(shù)推向市場。這類創(chuàng)新有明確的需求和商業(yè)模式（比方說，一種治療現(xiàn)有疾病的藥物），因此價值和生存力風險較低。其風險在于可行性：深度科技初創(chuàng)企業(yè)要冒著風險，打造一些他們不能100%確定是否可行的東西。我以開始覺得Mindtune可能會像軟件產(chǎn)品，可行性風險較低，價值和生存力階段的障礙會大一些。但從我的經(jīng)驗來看，人工智能會給可行性和價值帶來獨特挑戰(zhàn)，需要新的辦法應(yīng)對。首先，風險模式不一樣。人工智能初創(chuàng)企業(yè)主要分為兩類：一種是深度人工智能初創(chuàng)企業(yè)，一種是應(yīng)用人工智能初創(chuàng)企業(yè)。深度人工智能初創(chuàng)企業(yè)做的是基礎(chǔ)模型或硬件，比方說Groq的芯片與Figure的人形機器人。其最大的風險是可行性。這些公司通常從事前沿研究，其所追求的突破有無可能實現(xiàn)未必總是很清楚。這屬于高風險、高回報的領(lǐng)域。Sparkle和Lex等應(yīng)用型人工智能初創(chuàng)企業(yè)則是利用OpenAI等公司的現(xiàn)有模型和API。其關(guān)鍵風險在于價值。應(yīng)用型人工智能公司需要證明自己所使用的AI能創(chuàng)造價值，而且比非AI解決方案更好、更快或更高效。此外這類企業(yè)還存在可行性風險：AI模型未必不總能按照預(yù)期的方式運行，需要更多的思考和改進才能獲得良好結(jié)果。Mindtune是一款應(yīng)用型人工智能產(chǎn)品：它利用了已有的人工智能模型來提供更個性化的社交媒體信息流。我相信它的價值——用戶對不同的社交媒體體驗是歡迎的——而且這種商業(yè)模式已經(jīng)得到現(xiàn)有產(chǎn)品的驗證。但我現(xiàn)在越想越覺得我錯過了一個重要步驟：那就是沒有把這項技術(shù)的可行性考慮清楚。我一度認為，就因為我可以設(shè)計人工智能模型來提供結(jié)果，所以就等同于可始終如一地獲得正確結(jié)果。我低估了用人工智能來開發(fā)的可行性風險，甚至連應(yīng)用人工智能的可行性風險也沒考慮到。▍人工智能獨特的可行性挑戰(zhàn)傳統(tǒng)軟件從根本上來說是確定性的：如果邏輯和參數(shù)設(shè)置正確，代碼就會產(chǎn)生可預(yù)測的輸出。生成式人工智能有著本質(zhì)上的隨機性：結(jié)果未必是一致的，輸出質(zhì)量可能會因輸入數(shù)據(jù)和模型本身的細微差別而波動。所以你得不斷測試，好確定結(jié)果是否可靠，且對用戶來說足夠有價值。因此，傳統(tǒng)的工程直覺并不完全適用。慢慢地，你會意識到人工智能模型能做什么、不能做什么，但這些直覺沒有像對傳統(tǒng)軟件的直覺那么準確。就算是經(jīng)驗豐富的人工智能工程師也會遇到意想不到的結(jié)果。技術(shù)可行性風險比傳統(tǒng)軟件更大，因為模型在測試過程中可能會給你帶來驚喜，或者驚嚇。但這種風險不像深度科技那樣令人生畏，深度科技可能需要基礎(chǔ)科學上的突破才能向前發(fā)展。相反，生成式人工智能的風險介于軟件和深度科技之間——可行但不可預(yù)測。由于這種不可預(yù)測性，跟生成式人工智能打交道需要更多的實驗性方法。傳統(tǒng)的軟件開發(fā)，精心打造的第一版可能需要一些細微調(diào)整——改改按鈕位置，調(diào)整一下文案——而不是徹底改造?？墒?，對于生成式人工智能來說，第一版可能就需要不斷“調(diào)整”了——調(diào)整提示、合并其他數(shù)據(jù)、調(diào)整參數(shù)——為的是提高可靠性，增加用戶價值。而且每次調(diào)整都會讓結(jié)果略微有所改變，所以不斷迭代、不斷測試對于獲得期望的結(jié)果至關(guān)重要。我在做Mindtune的時候，一開始先是開發(fā)軟件體驗（線框、登錄等），然后測試模型（GPT-4o、Claude3.5Sonnet、GeminiPro1.5和Llama3.2），看看能不能給個性化廣告生成足夠好的內(nèi)容。這是錯的：評估模型輸出的質(zhì)量時我發(fā)現(xiàn)返回的結(jié)果不一致。其實我應(yīng)該先看看輸出的結(jié)果，然后再去折騰軟件組件，因為最終決定項目可行性的是底層模型的質(zhì)量，而不是位于其上的軟件。這個迭代過程還需要用直覺去判斷什么時候該停止或做出調(diào)整。在發(fā)揮模型能力與識別模型上限之間有著微妙的平衡。有時候，盡管已經(jīng)反復(fù)調(diào)整過了，但輸出可能永遠也無法達到可接受的質(zhì)量，這時候你就得放棄了?；蛘撸憧赡軙X得再迭代幾次就可以得到想要的結(jié)果。不過，這個階段也有玄機。有時候，應(yīng)用人工智能缺乏可行性表明這個項目不值得去做。但有時候，盡管可行性較低，可你仍確信是有價值的——因此不該放棄這個項目，而是應(yīng)該換個做法。你可能一開始以為自己做的是一個應(yīng)用人工智能項目，然后意識到自己其實在做的是深度人工智能，而且為了讓項目可行，你得進入研究模式，去構(gòu)建自己的模型。這樣一來可行性風險會增加，但項目價值也可能變大，因此更值得去做了。▍了解風險，找到方向是，不管做什么你都得了解風險狀況，但這一點對于人工智能來說尤其重要。如果你知道所需承擔風險的性質(zhì)，就可以確定該優(yōu)先分配資源和精力到什么地方。這還會迫使你在每個階段提出合適的問題：我們能做這個嗎？別人會用嗎？只有這兩個問題搞定后，才可以提出能否圍繞著它建立可持續(xù)發(fā)展的業(yè)務(wù)這個問題。不管是應(yīng)用型還是深度型的人工智能初創(chuàng)企業(yè)，其運營的復(fù)雜程度與傳統(tǒng)軟件產(chǎn)品都不一樣，需要更深入了解風險的相關(guān)性，并愿意去探索未知領(lǐng)域。很多開發(fā)者以為用生成式人工智能API就可以消除技術(shù)風險，但那只是多套了“一個殼”而已，別自欺欺人了。那怕使用的是現(xiàn)有模型，也需要進行大量實驗。低估這種技術(shù)風險會導(dǎo)致浪費時間浪費資源。你很容易會產(chǎn)生這樣的想法，既然臟累活都是人工智能模型干的，那只關(guān)注市場需求和商業(yè)模式就行了。但實際上，確保人工智能按需要運行是重大挑戰(zhàn)之一。實現(xiàn)可靠和有價值的結(jié)果需要的不僅僅是接入API，還需要你不斷調(diào)整、測試和深入了解模型的行為。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
服務(wù)即軟件（Service As A Software)為什么會替代現(xiàn)有的軟件？
未來，軟件開發(fā)模式需要從以功能為核心轉(zhuǎn)向以業(yè)務(wù)目標為導(dǎo)向。最近全球知名風險投資機構(gòu)紅杉資本發(fā)布了AI行業(yè)年度報告《GenerativeAI'sActo1》，總結(jié)了在生成式AI革命的兩年時間里，AI生態(tài)系統(tǒng)發(fā)生的變化及對未來的預(yù)測。報告中有幾個觀點我非常贊同：1.新的ScalingLaw：推理競賽已經(jīng)開始(1)o1代表通過“推理時計算在一般推理能力上的重大進展，給與模型推理時的計算越多，模型的推理能力就越強，這將推動應(yīng)用層的可用性2.SaaS重新定義：服務(wù)即軟件(1)在AI時代，代理推理將“SoftwareasaService”轉(zhuǎn)向“ServiceasaSoftware”3.領(lǐng)域?qū)I(yè)知識重要性(1)將專業(yè)知識與模型能力結(jié)合是構(gòu)建數(shù)據(jù)閉環(huán)、從副駕駛（copilot）到自動駕駛（Autopilot）的關(guān)鍵。再看Gartner10/21發(fā)布的TopStrategicTechnologyTrendsfor2025。其中，AgenticAI名列十大關(guān)鍵字之首。AgenticAI系統(tǒng)會自主的計劃并采取行動來滿足用戶定義的目標。當前的AI助手和大語言模型能夠完成包括生成文本、總結(jié)內(nèi)容或者使用基礎(chǔ)的工具，但是它們并不能夠主動的采取行動，它們是按照用戶的提示詞或者根據(jù)編排好的流程來行動。AgenticAI以目標驅(qū)動的規(guī)劃能力，也承諾能夠交付更有適應(yīng)性的軟件系統(tǒng)，能夠完成在眾多領(lǐng)域內(nèi)沒有被定義過的任務(wù)，而不是只能完成設(shè)計的功能。AIAgent的能力可以被視為一個連續(xù)的光譜，從在特定條件下為傳統(tǒng)軟件提供智能，以完成特定任務(wù)；再到完整的AgentiAI系統(tǒng)——它們能夠在環(huán)境中自主學習，規(guī)劃策略，做出決策，并獨立執(zhí)行任務(wù)。那么不同領(lǐng)域的兩個權(quán)威機構(gòu)做出預(yù)測的背后，反映了怎樣的技術(shù)趨勢？根據(jù)這樣的技術(shù)趨勢，我們又能推測出怎樣的商業(yè)趨勢？數(shù)智化變革的核心瓶頸在“人”LLM技術(shù)的突破，大家都有目共睹，從ChatGPT時刻發(fā)生到現(xiàn)在，我們可以看到的是正如智能摩爾定律所預(yù)測的——隨著開源LLM能力的迅速提升，推理成本則指數(shù)級下降，因此自然語言理解和表達能力對于任何軟件已經(jīng)觸手可及。而OpenAI今年9月剛發(fā)布的o1模型，則打開了推理能力，大模型的推理能力可以由推理時間的ScalingLaw來提升，這必將帶來的是，隨著時間的推移，推理成本能夠指數(shù)級下降。于是，任何軟件又可以再一次獲得極其便宜的推理能力。這將給企業(yè)軟件市場帶來什么樣的變化？我們試圖從時尚服裝業(yè)過去30年的發(fā)展變化中，發(fā)現(xiàn)一些規(guī)律。從商業(yè)角度來看，互聯(lián)網(wǎng)革命，本質(zhì)上解決了消費者和品牌之間的連接問題；互聯(lián)網(wǎng)時代之前，品牌必須通過媒體或線下觸達消費者，因此一方面是品牌信號的傳遞速度緩慢，另外一方面，品牌信號的傳播過程也會伴隨很多“噪音”。傳統(tǒng)時尚服裝行業(yè)一般是一年為一季，每年都需要經(jīng)歷對于時尚的判斷、產(chǎn)品設(shè)計、小規(guī)模生產(chǎn)、時裝秀、拿到反饋，然后生產(chǎn)、壓貨，其中的風險十分大。而從Zara/H&M，到Shein的品牌發(fā)展來看，由于消費者注意力越來越多地被吸引到線上，以及線下供應(yīng)鏈越來越成熟、敏捷，整個循環(huán)從年，到月再到周維度，在快速迭代周期中，最重要的是能夠?qū)τ谛碌奈锓N構(gòu)建起數(shù)據(jù)飛輪，因為在數(shù)字化的世界里，機器的運作是可以24小時*7天的，此時，人的生產(chǎn)能力就變成了瓶頸。但是在其它的大部分行業(yè)，從客戶獲取價值的流程中，由于種種原因，他們的業(yè)務(wù)規(guī)劃執(zhí)行周期仍然類似30年前的時尚服裝行業(yè)，是以年或者季度為單位。圖源來自：瀾碼科技以上述業(yè)務(wù)架構(gòu)為例，一般企業(yè)都會有業(yè)務(wù)流程，流程中會涉及到橫向的不同職能部門接力來完成一個決策，縱向則有管理來進行管控。而企業(yè)內(nèi)的信息系統(tǒng)只起到了記錄的作用，如過去的大數(shù)據(jù)系統(tǒng)也只具備單一的分析功能。在由不同的角色橫縱交叉組成的決策網(wǎng)絡(luò)中，核心的瓶頸仍然是人。專家知識的數(shù)字化和端到端的交互，是Agent落地企業(yè)并實現(xiàn)數(shù)據(jù)飛輪的必要條件那么，有了生成式AI帶來自然語言理解和表達能力之后，會產(chǎn)生什么變化呢？圖源來自：瀾碼科技我們發(fā)現(xiàn)，專家知識的數(shù)字化是AI助手落地的必要條件，端到端的人機交互對于提高AI助手在業(yè)務(wù)場景中的準確率也是必備條件，因為這樣能夠更好地解決一線業(yè)務(wù)人員對于目標上下文理解偏差的問題。但是，在現(xiàn)有的落地場景中，業(yè)務(wù)人員對于業(yè)務(wù)目標的拆解、計劃以及在業(yè)務(wù)活動中拿到客戶反饋等任務(wù)，仍然無法由機器來協(xié)助。而推理時計算的出現(xiàn)，則為這些環(huán)節(jié)的智能化帶來可能。如果只是為企業(yè)提供更多的自動化/智能化的功能，我們?nèi)匀粺o法解決當前無論是自行購買算力還是買token的成本問題。畢竟現(xiàn)階段技術(shù)尚未成熟，推理時的scalinglaw也意味著成本的飆升。由此產(chǎn)生的一個問題是，難道只能等模型的成本降低，才能獲取智能化帶來的價值？我們采訪了很多企業(yè)，發(fā)現(xiàn)有一個顯著且具有共性的特點：即使是百年老店或者世界500強企業(yè)，在業(yè)務(wù)能力上仍然是“一招鮮打遍天下”，也就是說它們的經(jīng)營重點大多都是聚焦在放大自己的競爭優(yōu)勢上。因此，在企業(yè)關(guān)鍵業(yè)務(wù)能力方面，業(yè)務(wù)專家就成為了瓶頸。假設(shè)專家將全部精力投入工作也就是“007”，但業(yè)務(wù)專家能力越是作為企業(yè)的競爭優(yōu)勢，則需要業(yè)務(wù)專家并行處理的業(yè)務(wù)任務(wù)或業(yè)務(wù)決策就越多，在此過程中還需要保障業(yè)務(wù)專家的決策質(zhì)量，所以，企業(yè)需要通過增加新的員工來分擔業(yè)務(wù)專家的工作內(nèi)容和壓力。那么，有沒有可能將消費互聯(lián)網(wǎng)行業(yè)的經(jīng)驗遷移到新時代的軟件開發(fā)中來呢？我們的答案是肯定的。我們認為，可以通過優(yōu)先找到企業(yè)主要價值流程中的決策瓶頸環(huán)節(jié)，重新設(shè)計業(yè)務(wù)流——讓業(yè)務(wù)專家設(shè)計的Agent去拆解目標，并通過交互收集業(yè)務(wù)信息并給出業(yè)務(wù)決策，讓只有在線下完成的業(yè)務(wù)活動仍然可以由現(xiàn)在的業(yè)務(wù)人員去執(zhí)行。也就是說，企業(yè)仍然可以在數(shù)字世界里面構(gòu)建數(shù)據(jù)飛輪。由于是Agent在處理任務(wù)、決策，因此可以24小時*7天在線，并且能夠永不疲倦且有耐心的輔助業(yè)務(wù)人員，通過這樣的數(shù)字化流程可以幫助專家節(jié)省更多時間成本，對Agent處理的業(yè)務(wù)任務(wù)或決策進行分析，并給出改進意見。圖源來自：瀾碼科技一方面，我們已經(jīng)看到了o1模型在代碼生成準確率上的提升，使得我們可以有能力準確地執(zhí)行數(shù)字世界中的計劃；另外一方面，o1在強化學習上，關(guān)于self-play和processrewardmodel的創(chuàng)新，也讓我們能夠通過專家將商業(yè)問題映射到相應(yīng)的數(shù)學問題之后，可以用數(shù)百條專家標注來學習到專家的隱性知識。同時，我們還可以通過歷史數(shù)據(jù)來構(gòu)建情景記憶，從而完成規(guī)劃任務(wù)的智能化。最后，也是最難的一步，如何讓專家以低成本的方式讓Agent通過數(shù)據(jù)進行反思，并改進它的規(guī)劃能力，甚至讓Agent自主的從經(jīng)驗中學習，這個部分可能有待o1模型或者新架構(gòu)的模型的推出才能夠得到答案。另外一方面，在已有軟件的改進或者新軟件的設(shè)計中，我們需要改變過去以功能為核心的軟件開發(fā)，變?yōu)橐詷I(yè)務(wù)目標為導(dǎo)向的軟件開發(fā)，實現(xiàn)從圍繞功能堆砌到圍繞角色的轉(zhuǎn)變。圖源來自：瀾碼科技基于此，我們也就能夠理解為什么軟件商業(yè)模式會變成服務(wù)即軟件。這里簡單引用一下紅杉文章的觀點：紅杉認為，由于Agent推理，人工智能轉(zhuǎn)型是“服務(wù)即軟件”。軟件公司將勞動力轉(zhuǎn)化為軟件。Sierra就是一個很好的例子。B2C公司將Sierra集成到他們的網(wǎng)站上，負責與客戶交流。Sierra的工作是解決客戶問題，它按每次解決問題的數(shù)量來收費，這里并不存在「按席位收費」的概念。你有一個需要完成的任務(wù)，Sierra完成了這個任務(wù)，獲得相應(yīng)的報酬。從商業(yè)模式上看，還是“上下同欲者勝”。SaaS替代傳統(tǒng)軟件，是因為SaaS模式使得軟件開發(fā)者可以知道不同功能的客戶使用情況是怎樣的，那么通過改變收費方式，雖然一次性收入看似降低了，但它讓軟件公司的功能迭代和客戶的付費關(guān)聯(lián)起來，從而讓SAAS軟件的迭代加速往正確的方向進化。同樣的，大模型令軟件可以交付業(yè)務(wù)價值時，新的商業(yè)模式雖然看上去收入變少了，但會由于利益的原因進一步加快軟件公司去推動數(shù)據(jù)飛輪的完成。當有新的AI原始軟件公司在組織上完成這一步蛻變的時候，那么就是萬億美元的服務(wù)市場向新物種開放的時候。而這場戰(zhàn)爭勢必會像19世紀末非洲的土著部落遇到歐洲殖民者的馬克沁重機槍一樣摧枯拉朽。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
AI智能體來了，App會死嗎？
手機廠商VS超級APP，巨頭逐鹿AI時代這個秋天的第一杯咖啡，是智能體幫點的。從9月開始，支付寶旗下AIApp支小寶、智譜的智能體AutoGLM，都能幫用戶下一杯少糖、去冰的生椰拿鐵。榮耀甚至開了個大招——讓智能體YOYO一口氣點上2000杯。當多模態(tài)為智能體安上了“眼睛”和“耳朵”，它開始展示出有希望接近人類管家的操作能力——這一代智能體開始學會幫人類“玩手機”，從日常購物、朋友圈評論到旅行規(guī)劃，AI都能幫用戶完成。由此，移動互聯(lián)網(wǎng)正迎來一場關(guān)于智能體的新革命嗎？在移動互聯(lián)網(wǎng)時代，超級App通過整合服務(wù)形成流量閉環(huán)，但智能體的出現(xiàn)，有望重新定義人與服務(wù)之間的連接方式。人們開始擔心這場變革是否將重新定義科技公司的新格局：智能體來了，App會死嗎？答案是，殺不死的App，將借智能體再進化。時至今日，超級App遠遠不再是一個軟件，而是一種生活方式的入口。比如，用支付寶，不僅是支付，更是理財、出行、醫(yī)療、旅游的生活場景入口；用美團，不僅是外賣，更是餐飲、超市、電影等本地生活聚集地；用抖音，不僅是短視頻，更是海量視頻內(nèi)容承載的商業(yè)生態(tài)。過去在移動支付時代，這些超級App下場做“泥腿子”，鋪二維碼、建小程序，通過開放搭建了一張數(shù)字服務(wù)之網(wǎng)。在AI時代，他們同樣可以腳下沾泥，去連接千千萬萬的線下商家和機構(gòu)，幫助千萬個商家機構(gòu)從數(shù)字化向智能化升級。當智能體和真實的用戶需求連接，才能真正落地生花。誰能搭建起下一個全面滿足用戶需求的智能體生態(tài)，才能成為AI時代的入口之王。從爆冷到走紅，智能體認準“真需求”“可以響應(yīng)自然語言，并且可以根據(jù)對用戶的了解來完成許多不同的任務(wù)，稱為智能體。智能體不僅會改變每個人與計算機交互的方式，也將是下一個平臺?！北葼柹w茨關(guān)于智能體的這段定義，也是我們想象中AI時代的未來。但在上半年，大廠扎堆押注智能體平臺的1.0階段，真金白銀的投入，卻沒能在流量的池子里快速砸起太大的水花。海外，OpenAI的GPTStore早于今年1月上線，奧特曼曾希望它能成為下一個“AppStore”；國內(nèi)，字節(jié)、百度、阿里等大廠也先后發(fā)布智能體平臺，寄希望于打造“Super智能體”（超級智能體）。但在1.0時代，受限于多模態(tài)能力發(fā)展，彼時的智能體更像是一個能說會道的AI對話機器人，雖然可以為用戶提供知識，但只能止步于獲取建議。因此，在用戶黏性上，大多人對智能體仍然保持“嘗鮮”的態(tài)度。即便背靠大廠的潑天流量，在后續(xù)的表現(xiàn)上，智能體增長乏力，在平臺上，至今沒有誕生一款Super智能體。歸根結(jié)底，是由AI能力創(chuàng)造出的大量偽需求，沒有切中用戶的真實痛點。而和1.0階段相比，智能體2.0在具體的場景上認準方向，試圖切中用戶的“真需求”。此前，AI智能體的B端應(yīng)用多集中在代碼編寫、輔助創(chuàng)作方面，而在C端，則衍生出了面向用戶的交友陪伴、心理咨詢等智能體。截至今年7月，據(jù)QuestMobile統(tǒng)計，文案寫作、職場辦公和情感陪伴成為主流AIGC產(chǎn)品中智能體落地的常見方向。據(jù)AI產(chǎn)品榜統(tǒng)計，僅今年一年，智能體數(shù)量新增17.9萬，比AppStore的應(yīng)用增速快了1.5倍。圖源：QuestMobile而在今年下半年，智能體在多任務(wù)協(xié)同中展現(xiàn)出了諸多改變?！敖裉斓拇竽Ｐ椭悄苷趶暮唵螒?yīng)用向復(fù)雜應(yīng)用不斷演進，尤其在智能體到o1推理模型的拓展中，使系統(tǒng)逐漸進化到能夠持續(xù)與外部交互?！敝亲VCOO張帆說。設(shè)想中的一句話點外賣、訂機票正成為了現(xiàn)實：9月，支付寶推出首個服務(wù)型原生App支小寶，作為AI生活管家，能夠幫助用戶承包“衣食住行”，只靠指令就能完成點餐、刷地鐵碼、打車等日常任務(wù)，也能智能感知用戶使用的時間和空間，智能推薦新聞播客、快遞查詢、旅游攻略等服務(wù)。10月，智譜推出智能體AutoGLM，它能夠自主選擇多款A(yù)pp進行操作，幫用戶完成手機交互。隨后，手機廠商也緊跟步伐，榮耀的YOYO智能助手、vivo的PhoneUse，都能通過一句話的指令幫用戶完成跨應(yīng)用操作。過去，用戶需要在復(fù)雜的界面中尋找海量功能，相當于增加了用戶的使用成本。現(xiàn)在，只需要通過發(fā)語音或文字表達需求，智能體就能直達服務(wù)，把想要的服務(wù)直接推送到用戶面前。至此，切入日常生活的剛需場景，智能體2.0找到了可突破的方向——“管家”智能體。從點外賣、加購物車到取消App自動續(xù)費，廠商試圖讓智能體融入我們的衣食住行，進一步簡化人和服務(wù)交互的步驟，把用戶從機械日常的交互中解放出來。比如“支小寶”，就一直強調(diào)“說句話就能辦事”。盡管目前市面上的諸多“AI管家產(chǎn)品”，能提供的AI辦事服務(wù)數(shù)量還比較有限，還無法執(zhí)行更復(fù)雜、更個性化的任務(wù)，但這個人機交互的進化方向，至少讓我們看到科技正在向一個新方向邁進——除了對話，也能讓AI“看我的眼色行事”，讓生活更簡單一些。AI時代，主導(dǎo)者是手機廠商還是APP？在移動互聯(lián)網(wǎng)時代，流量就是生命。智能體的出現(xiàn)，也將重塑流量分發(fā)的規(guī)則。1.0時代，從海外到國內(nèi)，科技公司都在試圖打造Super智能體平臺，通過智能體聚合流量。但2.0時代的思路變了。現(xiàn)在，大家正在試圖讓智能體化身手機里的“智能管家”，成為連接用戶和服務(wù)的新入口。這種變化最明顯的體現(xiàn)是手機廠商的布局。在2024德國柏林消費電子展上，榮耀產(chǎn)品線總裁方飛說：“如果現(xiàn)在的智慧助手是手機上的手動駕駛，那么，AI智能體未來就是手機上的自動駕駛?！被蛟S會有這樣的預(yù)言：當手機上的智能體開始學會跨應(yīng)用調(diào)取所需功能，比如用美團點外賣、打開淘寶買日用品，通過拆解任務(wù)場景，選擇不同App操作完成任務(wù)。相應(yīng)的，超級App只需要將部分接口提供給智能體調(diào)用，長此以往，App將成為智能體能力的一環(huán)，而本該流向超級App的流量，也將歸于智能體。但在多元的商業(yè)時代，競合關(guān)系才是常態(tài)。一方面，手機與超級App需要打磨AI產(chǎn)品，用產(chǎn)品競爭力贏得用戶，爭奪新入口的主動權(quán)；另一方面，正如移動互聯(lián)網(wǎng)的繁榮是眾人拾柴、日拱一卒的結(jié)果，AI時代的服務(wù)之網(wǎng)，也絕非任何一家科技巨頭所能壟斷，開放和合作仍是AI的未來之路。正如榮耀CEO趙明所說，兩者之間是協(xié)同關(guān)系，在找到邊界點后，大家通過各自協(xié)同完成分內(nèi)任務(wù)。于手機而言，智能體想要打通完整的服務(wù)生態(tài)，需要大量的服務(wù)資源的整合供給。于App而言，可以深耕垂直場景，借助智能體完成進化，煥新AI時代的諸多服務(wù)；同時，可以通過與手機廠商合作，探索軟硬件聯(lián)動的更多玩法。比如，在廠商搶做AI搜索產(chǎn)品的當下，包括小紅書、知乎在內(nèi)的社區(qū)App正在試圖通過長期沉淀的內(nèi)容優(yōu)勢，打造垂類搜索服務(wù)。以知乎為例，它瞄準了學術(shù)搜索賽道，在知乎直答中上線專業(yè)搜索功能，成為首家提供AI搜索與正版論文庫一站式解決方案的廠商。當下智能體的熱潮中，生態(tài)能力也將成為App的殺手锏與護城河。憑借400萬的商家機構(gòu)小程序以及8000多種生活服務(wù)能力，支付寶旗下的AI生活管家“支小寶”就能支持喚起打車、點餐、訂票、地鐵碼、查快遞、交話費、查賬單等各類生活服務(wù)——這種生態(tài)整合能力是純粹的智能體平臺難以趕超的。同時，目前的手機產(chǎn)商演示的AI點咖啡等操作，仍是采用屏幕識別與仿真操作的技術(shù)解決方案（你會看到AI在幫你查看屏幕和點擊按鈕），對手機性能要求高之外，還存在速度慢、服務(wù)單一等問題。想要AI做得更好，就需要服務(wù)側(cè)的供給變革——大量的商家機構(gòu)也能“AI化”，打造自己的智能體，再通過開放接口，推動生活服務(wù)的創(chuàng)新。只有更多商家機構(gòu)都有智能體，AI才能不停留在點咖啡這樣的簡單操作，而是可以幫你點得更多、點得更快、點得更準，甚至還能幫你找到最合適的優(yōu)惠券。無疑，就像移動互聯(lián)網(wǎng)時代建起數(shù)百萬小程序一樣，搭建AI時代的智能體生態(tài)，而這正是微信、支付寶等國民App所擅長的。結(jié)合獨有的平臺生態(tài)，App也能成為新的智能體平臺，并借助差異化的服務(wù)從AI混戰(zhàn)中突圍。例如，騰訊繼推出智能助手App“元寶”后，又打造了智能體平臺“元器”；支付寶也推出了智能體開發(fā)平臺“百寶箱”，讓商家機構(gòu)借助智能體為用戶提供更多更新的服務(wù)。以“黃小松”為例，它是黃山景區(qū)在支小寶平臺上開設(shè)的智能體，能夠為游覽黃山的游客提供實時景點導(dǎo)覽、景區(qū)飯店推薦、充電寶查詢等服務(wù)。此外，App廠商也可以跳出手機，與更多的智能硬件互聯(lián)互通，比如AR眼鏡、智能音箱、智能車機等。未來，AI無處不在，服務(wù)一呼即應(yīng)，人機交互的方式將更加多元和革新。此前，字節(jié)跳動旗下的豆包就推出了AI智能體耳機OllaFriend，為用戶安排了一位集隨身百事通、英語陪練、旅行導(dǎo)游和情緒加油站等能力于一身的“AI朋友”；下周即將發(fā)布的Rokid新款A(yù)R眼鏡上，也將聯(lián)合支小寶，推出AI打車、AI點餐及聲紋快速支付等功能，覆蓋更多的生活場景。AI時代，洗牌的周期會進一步縮短。朱嘯虎曾直言，“當大家一窩蜂地涌入風口，6個月之后，如果沒躋身頭部，這個風口基本上跟你沒任何關(guān)系了?！倍虝旱娘L口來臨，沒有人想先離開牌桌，AI將催生下一代的新手機，App也希望借AI再次進化，搶先布局的先行者，無疑將贏得下一個時代。但更為重要的是：獨行者快，眾行者遠，AI時代沒有一家獨大，有競爭，更有合作。開放與連接，原本就是互聯(lián)網(wǎng)的本義，進入AI時代，軟件與硬件的彼此開放，無數(shù)智能體的相互連接，才能催生真正的變革。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/08
軟件吞噬世界，我們錯失了什么？
想象一下兩家咖啡館：一家在PaloAlto,另一家在北京。在第一家咖啡館里，工程師們一邊喝手沖咖啡，一邊討論API集成。在第二家咖啡館里，運營經(jīng)理一邊喝著奶茶，一邊集思廣益，策劃病毒式營銷活動。2010年代見證了世界兩大經(jīng)濟體在科技史上最深刻的分歧。硅谷加倍投入企業(yè)軟件，而中國則將賭注押在消費者應(yīng)用上。這兩種策略都以無人能預(yù)料的方式奏效了，也失敗了。共同之處是：兩者以不同的方式完成了社會經(jīng)濟的數(shù)字化。疫情三年，星移斗轉(zhuǎn)，GPT橫空出世。過去的十年，我們到底錯失了什么，又應(yīng)該如何進入下一個十年？一、軟件吞噬一切2011年8月，MarcAndreessen在WallStreetJournal上發(fā)表了WhySoftwareIsEatingtheWorld一文。這篇文章站在2010年代的開端，一方面回顧了互聯(lián)網(wǎng)、智能手機和云計算對商業(yè)社會的改變，另一方面拋出了軟件在進一步重塑汽車、零售、物流、金融、醫(yī)療保健和教育等傳統(tǒng)行業(yè)的觀點。2012年5月18日，F(xiàn)acebook在NASDAQ以1040億美元的市值上市，就募資金額看，是美國歷史上第三大IPO.在資本市場和媒體的一致看好之下，仍然很快跌破了發(fā)行價，到了月底，跌去了四分之一的市值。盡管如此，它還是為早期投資人和員工提供了豐厚的回報。這次史無前例的IPO產(chǎn)生了深遠的影響，很多早期員工年紀輕輕就財務(wù)自由，同時又深諳軟件的巨大價值，很多人轉(zhuǎn)身創(chuàng)辦新的軟件公司，Asana、Quip、Cloudera等先后浮出水面，面向企業(yè)提供服務(wù)。而面向消費者服務(wù)的Quora、Path等公司則發(fā)展較為緩慢。另一方面，F(xiàn)acebook在IPO之后的十年中通過自身強悍的執(zhí)行牢牢占住了社交王座，把Twitter和Snap甩開數(shù)個身位，成為唯一能在數(shù)字廣告市場上與Google競爭的科技巨頭。在收購Instagram和WhatsApp之后，F(xiàn)acebook逐漸形成了近乎壟斷性的行業(yè)地位，讓一路看著Facebook長大的風險投資人避免在社交賽道上與Facebook直接競爭?？梢哉f，在Google和Facebook/Meta之后，美國科技業(yè)幾乎放棄了在消費互聯(lián)網(wǎng)上再造流量入口的嘗試，轉(zhuǎn)而選擇了一條截然不同的路線，造就了硅谷下一個十年的繁榮。二、美國：SaaS接力移動正如MarcAndreessen預(yù)言的，軟件完美接力上一個十年中的消費移動應(yīng)用，成為新十年的主流投資趨勢。新創(chuàng)辦的SaaS創(chuàng)業(yè)公司在2010年～2015年間，增速成一條45%的直線，每年都在1000家以上，直到2018年以后才逐漸下降。從投資金額來看，在2008年～2017年的十年間，風險投資逐漸達到高峰，特別是在A～C輪的成長期，每年投入的金額都在百億美元的級別。這些投資主要都集中在了北美市場的SaaS公司上。從退出的角度看，面向消費者的名字往往因為家喻戶曉而飽受關(guān)注，但SaaS公司無論是IPO還是并購，退出數(shù)量遠遠超過這個時期的消費互聯(lián)網(wǎng)公司?；乜催@些變化的時候，更會感受到MarcAndreessen文章的預(yù)見性。他從Netscape（更像是消費互聯(lián)網(wǎng)）到Loudcloud（企業(yè)云服務(wù)）的經(jīng)歷，以及對2000～2010年間的趨勢變化的理解，讓他更早地認知到“這是個巨大的機會。我知道該把錢投到哪里”。所謂“巨大的機會”，無非是基礎(chǔ)設(shè)施的普及，成本下降，但當人浸泡在這樣的現(xiàn)實中的時候，就會無所知覺。反而是從前個時代穿越而來，才能感受到變化的劇烈，以及未來如何分布不均。從協(xié)作辦公，到銷售營銷，到人力財務(wù)，再到IT安全，軟件裝上了SaaS的商業(yè)模式滲透進企業(yè)業(yè)務(wù)流程的每一個環(huán)節(jié)。在Microsoft和Oracle的時代（參考：《Oracle:復(fù)雜性戰(zhàn)爭》），企業(yè)軟件往往以功能的全面性著稱，而在SaaS時代，軟件則以專注于某個環(huán)節(jié)或者某個行業(yè)著稱。自動化平臺Zapier在10年間連接了6000多個企業(yè)軟件的應(yīng)用程序接口（API），成為一家僅融資一輪就盈利的獨角獸公司。API,或者說“接口”，不是為SaaS設(shè)計的，但由于SaaS需要和企業(yè)客戶對接，開放可編程接口是必備特性。同時，開源軟件社區(qū)也逐漸壯大，技術(shù)棧中越來越多的開源代碼也需要通過接口相互連接、調(diào)用，形成了一整套基于“接口”的軟件生態(tài)。在這個生態(tài)下，一家公司努力做好一件事，其他搞不定的事情，就找到其他公司的接口來解決。這既是一種軟件開發(fā)哲學，也是商業(yè)生態(tài)的網(wǎng)絡(luò)效應(yīng)，更是資本投入的高效杠桿。三、中國：超級應(yīng)用崛起中國的故事發(fā)生在消費互聯(lián)網(wǎng)上。字節(jié)跳動把Facebook的Newsfeed發(fā)揚光大，在沒有社交圖譜的情況下重新發(fā)明了信息流，之后又把短視頻生意做到了全世界。美團和滴滴曾經(jīng)是“共享經(jīng)濟”的代表，現(xiàn)在則是本地生活和交通出行的巨頭。拼多多從水果團購起家，現(xiàn)在則以匪夷所思的低價和退貨政策，成為淘寶、Amazon之外的電商新一極。所有這些公司都有一個共同的名字，叫“超級應(yīng)用”。最先獲得這個稱號的其實是微信，而后，中國的消費移動應(yīng)用都開始在產(chǎn)品增加更多相關(guān)或不相關(guān)的功能，依靠各種小紅點、推送通知或游戲化獎勵做產(chǎn)品內(nèi)部的引流和滲透。微信依靠春晚紅包獲得了支付能力，美團從團購變成了“送啥都快”的生活小幫手，拼多多和支付寶都可以看視頻，抖音和快手則可以購物和打游戲。閉環(huán)，是中國互聯(lián)網(wǎng)上黑話中的黑話；入口，是中國投資人眼中的皇冠上的明珠。順著“閉環(huán)”的“入口”看進去，只剩下直播間里賣的新國貨。我曾經(jīng)和一位中國的頂級風險投資人交談，他歷數(shù)了自己投資過的中國SaaS公司，這些名字遠沒有其美國同行響亮，慘淡經(jīng)營，也難以看到上市退出的希望。在GPT橫空出世之后，美國SaaS公司紛紛開始向客戶提供AI功能，過去已經(jīng)建立的客戶基礎(chǔ)和產(chǎn)品場景為AI提供了通路和上下文，大大提升了在AI上創(chuàng)新投入的回報確定性。在中國，AI應(yīng)用卻因為缺乏場景和商業(yè)模式而進展緩慢。上一個十年的錯失，會改變未來數(shù)個十年的路徑。四、錯失了什么，為什么？我在《視頻生成：AI的十億消費者機會》一文中表達過一個觀點：消費互聯(lián)網(wǎng)（ConsumerInternet）鋪路，企業(yè)互聯(lián)網(wǎng)（以SaaS為代表）造車，后者并不是一個獨立發(fā)展的趨勢，而是前者達到臨界規(guī)模后的衍生。這句話其實和MarcAndreessen講到的“軟件吞噬世界”的先決條件沒有本質(zhì)區(qū)別：正是因為互聯(lián)網(wǎng)在消費者側(cè)的大規(guī)模普及，才能推動云計算等基礎(chǔ)設(shè)施的快速鋪開，為企業(yè)軟件的成長奠定基礎(chǔ)。在上一個十年中，中國市場長出了短視頻，也很快把TikTok復(fù)制到了美國市場，美國本土的YouTube和Instagram也快速跟進。加上疫情居家辦公的影響，短視頻在企業(yè)營銷、教育培訓等方向愈發(fā)重要，也催生了大量的衍生基礎(chǔ)設(shè)施。那么，中國市場錯失的是SaaS嗎？從投資回報的角度看似乎是這樣的。但仔細看，中國的企業(yè)軟件很多沒有以獨立公司的形態(tài)存在，而是作為大廠“閉環(huán)”生態(tài)的一部分而存在的，更具體來講，往往是和云計算業(yè)務(wù)捆綁在一起。這其實很像Google/Microsoft提供的企業(yè)軟件，往往是用來敲開企業(yè)客戶購買云計算服務(wù)的敲門磚一樣。類似的，在騰訊/阿里/美團的電商生態(tài)中，也蘊藏著大量與零售、金融、物流等相關(guān)的軟件。這些來自大廠深處的企業(yè)軟件，延續(xù)了消費互聯(lián)網(wǎng)那種燒錢換規(guī)模，然后羊毛出在豬身上的“入口”邏輯。它們用免費+捆綁銷售的形式進入市場，憑借自身強大的市場開拓能力跑馬圈地。這種邏輯，不僅僅消耗了大量的資本，也綁住了大量的軟件工程師人才在一個高度集成的項目上，而非通過不同產(chǎn)品之間的“接口”進行重新組合。在2010年～2020年中，大廠的戰(zhàn)略投資逐漸崛起，而以LP回報為目標的風險投資基金則且戰(zhàn)且退。戰(zhàn)略資本的最高目標是實現(xiàn)企業(yè)的戰(zhàn)略意圖，如果大廠是在超級應(yīng)用上競爭，那么投資的目的也是如何更好地打造閉環(huán)，而不是打造更多的開放接口。早期創(chuàng)投的價值在于多樣性，而多樣性來源于開放性。這需要生態(tài)里面的玩家抱有“接口”心態(tài)，而不是“入口”心態(tài)。SaaS或許是因為中國企業(yè)服務(wù)市場的整體現(xiàn)狀而未能得到機會，但其慘淡現(xiàn)狀也反映出中國創(chuàng)投生態(tài)的問題。美國的生態(tài)截然不同，下面分成幾個層面來看。技術(shù)層面：以GitHub為代表，基于開源軟件生態(tài)，出現(xiàn)了一批開發(fā)者工具（DeveloperTools），圍繞軟件開發(fā)的各個環(huán)節(jié)，專門服務(wù)軟件工程師這個成本昂貴的群體，進而服務(wù)企業(yè)中的核心數(shù)字資產(chǎn)和業(yè)務(wù)流程。這意味著，軟件開發(fā)的生產(chǎn)效率在不斷改善，軟件工程師的人效在持續(xù)提升，軟件工程的穩(wěn)定性和可靠性也越來越有保障。產(chǎn)品層面：產(chǎn)品講求差異化，不做同質(zhì)化競爭，最終導(dǎo)致的結(jié)果是在垂直領(lǐng)域和業(yè)務(wù)環(huán)節(jié)都會出現(xiàn)細分。要么選擇一個大的垂直領(lǐng)域，端到端的把業(yè)務(wù)扎下去，要么選擇一個通用性很強的環(huán)節(jié)，做寬度和覆蓋，把客戶在這個環(huán)節(jié)上的需求都吃掉。這一點是和消費互聯(lián)網(wǎng)非常不同的地方，后者規(guī)模經(jīng)濟極強，最終往往是“一家獨大”的市場格局。市場層面：既有PLG這種以產(chǎn)品特性為主導(dǎo)，更接近消費互聯(lián)網(wǎng)用戶增長打法的路徑，也有SLG以銷售為主導(dǎo)的路徑。很多創(chuàng)業(yè)公司在起步階段就有1～2個DesignPartners,通過一定的股權(quán)綁定，作為“天使”客戶提供產(chǎn)品建議，并鎖定為最初的標桿客戶。同時，2010年成長起來的這些SaaS公司也培養(yǎng)了一代在經(jīng)驗、能力、人脈資源都更成熟的銷售、市場人才，成為從技術(shù)到客戶之間的潤滑劑。另外，創(chuàng)投圈也是初創(chuàng)公司的客戶來源，降低冷啟動的難度。財務(wù)層面：SaaS的核心是用標準化產(chǎn)品來替代非標準化的服務(wù)，從而大大提升企業(yè)財務(wù)的經(jīng)濟性。美國人力成本高昂，軟件公司特為尤甚，本土的核心團隊規(guī)模都不會太大，追求人效，不愿意靠堆功能、做外包來贏得客戶。很多做到億級ARR的公司，團隊規(guī)模還在500人以內(nèi)。也有很多初創(chuàng)公司在百萬美元ARR的規(guī)模上就開始盈利，對風險投資的依賴也在減小。投資層面：風險資本也跟隨產(chǎn)業(yè)趨勢逐漸細分。特別是在早期投資的市場上，以YCombinator為代表的加速器/孵化器大量出現(xiàn)，AngelList上也出現(xiàn)了天使投資的RollingFunds,LP可以按照季度進行小額定投（每季度在1萬美元左右），還有一些VentureStudio的孵化模式，以及資金規(guī)模不高、但強調(diào)dealflow的獨特性的Microfunds.融資渠道的多樣化大大增強了資本市場對創(chuàng)新的包容性。在生態(tài)的不同層面上出現(xiàn)的變化，核心在于其開放性，而不是包含在某個大廠的“閉環(huán)”中。一個值得玩味的說法是：中國講“入口”，而美國講“接口”。開放性和多樣性才是中美兩個市場在過去十年最大的差異，而非消費互聯(lián)網(wǎng)與SaaS之爭。開放性和多樣性是持續(xù)創(chuàng)新的基礎(chǔ)。自2022年GPT-3問世以來，美國的AI生態(tài)從芯片和基礎(chǔ)模型開始，到2023年進入Infra、DevTools的階段，到了2024年，企業(yè)軟件和消費應(yīng)用也逐步浮出水面。創(chuàng)新的接力賽一棒接一棒，沒有停歇的意思。中國錯失的，正是這種流水不腐的開放性與多樣性。五、如何進入下一個十年2020年代有兩個開端。一個是Covid-19的開始和結(jié)束。它對全世界的社會生活和政治經(jīng)濟都有深遠的影響。對于科技行業(yè)而言，它一定程度上加速數(shù)字化的滲透率，特別是對更為傳統(tǒng)的行業(yè)而言，僅僅是遠程辦公一個變化就足以驅(qū)動很多軟件采購的快速決策。另一個是GPT-3的發(fā)布。我們?nèi)匀惶幵谏墒紸I周期的早期階段，它對人類社會的影響仍然有待展開。一個明確能夠做出的結(jié)論是，它至少可以在上一個十年“軟件吞噬世界”所留下的高度數(shù)字化的基礎(chǔ)上，提升整個社會智能化的水平。這兩個開端，一個是把軟件周期推向了最高潮，另一個則在高潮之上再添新力，帶領(lǐng)世界進入了AI周期。六、模糊的B/C邊界經(jīng)過上一個十年，中美兩個市場在很多地方開始互相追平。在基礎(chǔ)設(shè)施建設(shè)上，美國通過軟件周期把根深蒂固的傳統(tǒng)行業(yè)進行了數(shù)字化，中國則通過移動互聯(lián)網(wǎng)也完成了零售、支付、物流、公共服務(wù)等領(lǐng)域的數(shù)字化。在人才儲備上，軟件工程師供給穩(wěn)定，開發(fā)工具和技術(shù)棧越發(fā)高效。在成本優(yōu)勢上，兩國的人力成本都有不同程度的上漲，但AI周期中也都有明顯的效率改進機會。消費互聯(lián)網(wǎng)的創(chuàng)業(yè)和投資不確定性更強，而最終的回報也更驚人。TikTok的崛起并不能被簡單理解為是短視頻產(chǎn)品形態(tài)的革新，而也要考慮到它突破了Facebook長期占據(jù)的SocialGraph,利用個性化推薦算法建立了全新的興趣圖譜（參考：TikTokandtheSortingHat和Seeinglikeanalgorithm）。AI無論在產(chǎn)品形態(tài)、交互界面和智能算法幾個角度上，都有機會做到全面創(chuàng)新。難點在于：如何做好用戶增長達到規(guī)模經(jīng)濟所需要的臨界點？這是消費互聯(lián)網(wǎng)的基本功，而在過去的十年中，只有Uber這樣的共享經(jīng)濟公司還存有一些know-how,除此之外，對于大量的SaaS公司，這幾乎是一項失傳的手藝。中國團隊反而在這里已經(jīng)經(jīng)歷過更慘烈的戰(zhàn)斗，調(diào)動過更大規(guī)模的資源，也積累了大量的經(jīng)驗。在企業(yè)市場上，中國軟件公司的確需要面對更不愿意付費的客戶或更封閉的商業(yè)生態(tài)。但在“出?！币呀?jīng)成為共識的前提下，這不應(yīng)該成為障礙。真正的難點還應(yīng)該回到產(chǎn)品和市場契合上來，如何深入到使用場景中去，拿到更多的企業(yè)內(nèi)部數(shù)據(jù)和上下文，讓AI能夠因地制宜，做出產(chǎn)品的厚度。以及如何構(gòu)造面向全球的GTM能力，語言、文化、人脈都會成為新的問題。在灣區(qū)和一些AI領(lǐng)域創(chuàng)業(yè)者交流的感受是：AI在效率改進上的價值很可能并不會強烈地區(qū)分消費者和企業(yè)。比如生產(chǎn)力工具，很多產(chǎn)品起初的PMF是在專業(yè)消費者（ProfessionalConsumers）上的，但最終賺錢是在企業(yè)客戶身上——后者更有支付能力。而在AIasaService的模式下，初創(chuàng)公司用AI來提升傳統(tǒng)服務(wù)業(yè)的效率，成為AI驅(qū)動的律師和會計師，面向消費者提供服務(wù)。AI周期中的消費互聯(lián)網(wǎng)與SaaS邊界越來越模糊。中國的創(chuàng)業(yè)者和投資人最不應(yīng)該擔心的，就是過去十年似乎錯失了SaaS的機會，特別是對于早期公司，這個區(qū)別根本不重要。對于旨在全球市場的AI創(chuàng)業(yè)者和投資人而言，更應(yīng)該調(diào)整“入口”心態(tài)為“接口”心態(tài)，發(fā)揮各自的長處，分工協(xié)作，通過“接口”的網(wǎng)絡(luò)效應(yīng)放大自身的價值；而非在“入口”上同質(zhì)化競爭，降低資本效率。七、從“入口”到“接口”：開放與多樣我認為，對于中國而言，還需要做好一件事，就是補充早期投資生態(tài)的多樣性。在上個十年里，一批新投資人出現(xiàn)了，他們以“$500kisthenew$5million”為口號，往往有著在科技行業(yè)的工作背景和人脈，在初創(chuàng)企業(yè)更早的階段介入，最終獲得豐厚的回報?，F(xiàn)在，我們經(jīng)常能在公司融資的新聞中看到一長串名字，其中很多人的投資金額并不高，但這些名字本身就是一種網(wǎng)絡(luò)效應(yīng)，為初創(chuàng)公司提供了大量非現(xiàn)金資源。同時，像SAFE這樣的投資工具也簡化了復(fù)雜的股權(quán)交易，抵消了因為多樣而帶來的額外成本?？梢哉J為，這是一種風險投資的“下沉”策略，更重要的是，它促進了創(chuàng)業(yè)生態(tài)中的連接性和包容性。在灣區(qū)，你很少會覺得一個想法太奇怪，或太愚蠢，或太不符合主流敘事，這不僅僅是對創(chuàng)業(yè)者而言的，也是對投資人而言——他們很多人也認為自己是一個創(chuàng)業(yè)者，也會以獨特的投資想法而贏得LP的認同?；氐街袊?，在上一個十年中賺到的第一桶金如何能夠以更易得的形式傳遞給AI周期的面向全球市場的創(chuàng)業(yè)者？面向全球市場的天使投資、孵化器、加速器、VentureStudio、Hackerhouse都在哪里？有沒有AngelList、SAFE這樣的投資工具來簡化投資流程？創(chuàng)業(yè)本來應(yīng)該是permission-less（無需許可的）。這是一種截然不同的價值創(chuàng)造方式：它需要站在未來，推導(dǎo)出現(xiàn)在可以做出的重大改變。它需要一些涓涓細流來滋養(yǎng)，而不是大力出奇跡式的大筆重注。大廠高管據(jù)說已經(jīng)成為現(xiàn)在中國AI創(chuàng)業(yè)里面的半壁江山。他們或許有更強大的資源優(yōu)勢，更容易獲得資本的青睞。但同時，他們也有很強的路徑依賴，產(chǎn)品想法往往集中在少數(shù)賽道上，少了一些想象力。他們動輒千萬美金的融資或許能支撐一個偉大的愿景，但也會打擊生態(tài)的多樣性和開放性。在上一個十年的軟件周期中，美國經(jīng)濟剛剛從2008年的金融危機中走出來，資本變得更加謹慎。而互聯(lián)網(wǎng)周期中賺得的“新錢”接替了“老錢”，以更靈活的姿態(tài)、更低的門檻支持了軟件周期中的初創(chuàng)公司。對于AI周期的中國而言，也應(yīng)該出現(xiàn)這樣的創(chuàng)新接力。上一代的創(chuàng)業(yè)者成為新一代的投資人，提供資金、經(jīng)驗和背書，既能做好資產(chǎn)配置，也能支持創(chuàng)新，實現(xiàn)長期愿景。更多的小型基金、個人投資或多種形式的孵化/加速項目，化整為零的滴灌、滋養(yǎng)未來的可能性。資本當然會追求最大的收益，但逐利性也會限制創(chuàng)新的可能性邊界。對于十年的周期而言，最壞的開局莫過于對多樣性的破壞。不要錯失本可以想象的未來。本文來源：虎嗅APP文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/08
中國老人愛上網(wǎng)，但為何沒有一款做成功的垂直App？
銀發(fā)文娛是僅次于電商、排名第二的銀發(fā)人群互聯(lián)網(wǎng)應(yīng)用熱土，垂直App、微信公眾號、小程序、抖音快手銀發(fā)網(wǎng)紅在過去十年依次迭興。2015年開始出現(xiàn)一批專注老年人的App,主打廣場舞的糖豆、主打圖文編輯的美篇、主打視頻編輯的彩視都是誕生在這一年，并先后獲得知名VC和頭部互聯(lián)網(wǎng)平臺的數(shù)千萬至上億元投資。2016年開始出現(xiàn)大量主打老年人內(nèi)容的公眾號，最常見的主題是養(yǎng)老金調(diào)漲、養(yǎng)生健康、單身老人寂寞情感、社會對老人偏見不公、領(lǐng)袖和明星人物故事。這些內(nèi)容在互聯(lián)網(wǎng)主流視野全放在年輕人身上的2016年，恰好填充了當時快速涌入的銀發(fā)網(wǎng)民的閑暇時間，老人分享轉(zhuǎn)發(fā)積極熱烈，10萬+爆文層出不窮，一時間出現(xiàn)許多粉絲數(shù)達到數(shù)百萬的公眾號矩陣。2017年隨著微信小程序上線，部分App和公眾號向小程序轉(zhuǎn)移，主打功能以相冊影集、小游戲、小說、短視頻為主，又在短時間內(nèi)收獲了大批銀發(fā)流量。2019年抖音快手的年輕用戶增長趨緩，而銀發(fā)用戶的比重開始快速上升，一批個性獨特、思維開放的老年人自己摸索或在MCN幫助下變身銀發(fā)網(wǎng)紅，拍攝各種搞笑段子和換裝視頻。他們的粉絲量在短時間內(nèi)迅速上漲，一批三五百萬粉絲的銀發(fā)網(wǎng)紅開始在短視頻平臺上占據(jù)一席之地。下面將從功能需求、流量紅利、商業(yè)變現(xiàn)三個方面分析銀發(fā)文娛互聯(lián)網(wǎng)的經(jīng)驗教訓。一、打磨特定功能需求，鎖定超強粘性銀發(fā)用戶銀發(fā)互聯(lián)網(wǎng)領(lǐng)域最知名的幾個App,在發(fā)展初期就鎖定了銀發(fā)人群某個方面的強需求，比如糖豆聚焦廣場舞的視頻、學習、交流，美篇聚焦操作簡便的手機端圖文編輯工具，彩視聚焦短視頻的拍攝剪輯制作分享。而瞄準的這個需求越剛性、越粘性，產(chǎn)品功能對這個需求滿足得越好，初期獲得的銀發(fā)用戶就越不容易輕易流失，從而成為下一步發(fā)展起關(guān)鍵作用的種子用戶。當然，個案項目要想成功，不能僅僅滿足于人有我有的功能，因為每個賽道方向都會有很多同類競爭者，廣場舞、圖文工具、有聲影集以及以后興起的各種賽道都是如此。但大部分銀發(fā)互聯(lián)網(wǎng)項目做得雷同，只是簡單將現(xiàn)有功能模塊復(fù)制一遍，然后圖標放大、字體放大，在銀發(fā)人群中不會留下深刻印象，最終的命運只會是即用即棄。而上述項目在產(chǎn)品功能上確實是有特點的。比如糖豆為便于廣場舞KOL拍攝出銀發(fā)人群眼中的炫酷視頻，開發(fā)出綠幕摳像功能，可以將舞者安放在公園、廣場、山川等各種預(yù)設(shè)的背景中，還可以將單個舞者復(fù)制成三、五甚至七八個，在畫面上呈現(xiàn)出群舞的效果。這個功能至少在2019年就已上線，而主流視頻App幾年之后才上線類似功能。再比如美篇，為了便于銀發(fā)人群圖文創(chuàng)作，App設(shè)計了提供高清圖片、高清視頻、音樂的素材庫，并將其作為會員收費項目。與之對比的是，微信公眾號經(jīng)過多年發(fā)展，影響如此之大，但后臺只提供編輯功能，圖片素材仍需要創(chuàng)作者自己解決。這些創(chuàng)新的功能點，背后蘊含著對銀發(fā)人群的深入洞察，這種洞察決定了產(chǎn)品好不好用、是不是真能擊中銀發(fā)人群的痛點，決定了能不能在銀發(fā)人群中建立獨特的用戶心智，決定了銀發(fā)人群是即用即棄還是來了就不想走，決定了在一堆同質(zhì)化產(chǎn)品中是否能夠脫穎而出，走向下個決勝點。二、抓住流量紅利，順勢起飛2016年后一批專做老年內(nèi)容的公眾號之所以能崛起，流量紅利所起的作用顯然占了更大的比重。在中國老人人手一臺智能手機之前，銀發(fā)人群接受信息的渠道主要是電視、報紙、雜志，信息來源的主體一般是官方媒體。但隨著智能手機在老人中的滲透率越來越高，并在2016年達到一個臨界點，中國老人從傳統(tǒng)媒體平臺大量流失，對互聯(lián)網(wǎng)內(nèi)容的饑渴越來越大，但此時主流互聯(lián)網(wǎng)還將注意力放在年輕人身上，相應(yīng)的老年內(nèi)容供給非常缺乏。此時一批敏銳的內(nèi)容創(chuàng)業(yè)者轉(zhuǎn)戰(zhàn)老年人群，聚焦在養(yǎng)老金調(diào)漲、養(yǎng)生健康、單身老人寂寞情感、社會對老人偏見不公、領(lǐng)袖和明星人物故事等極易引發(fā)老人共情的主題上，無需原創(chuàng)，只要將全網(wǎng)素材整合編輯，就能源源不斷制作出讓老人瘋狂轉(zhuǎn)發(fā)分享的10萬+爆款文。而且單獨一個公眾號顯然不能將老年流量收割干凈，開設(shè)幾十上百個公眾號形成矩陣并互相導(dǎo)流，組織公眾號專屬的讀者社群，再鼓勵群里的老人分享轉(zhuǎn)發(fā)到自己的群和朋友圈，形成進一步裂變。這些內(nèi)容本身具有非常高的裂變屬性，再疊加上空閑時間很多、希望以轉(zhuǎn)發(fā)顯示存在感、間接“暗示”子女關(guān)心自己的銀發(fā)人群，最終會實現(xiàn)幾何倍數(shù)的傳播。再加上當時微信流量成本很低，大量投放花錢購買粉絲十分劃算，因此許多公眾號的粉絲也在短短幾個月內(nèi)增長數(shù)十萬甚至數(shù)百萬之多。小程序在2017年后的崛起更是抓住了銀發(fā)流量紅利的典范。比如專注有聲影集和短視頻的小年糕，最早于2014年上線App,但一直不溫不火。2017年1月微信小程序面世，當年5月底小年糕就推出小程序，并與公眾號綁定，打通公眾號與小程序之間的無縫導(dǎo)流，從而快速擴充了小年糕的用戶群體。當時一個月之內(nèi)，小年糕用戶量就從1000萬漲到2000萬。2019年時，小年糕的中老年用戶已經(jīng)高達1.1億，在全體用戶中占比超過80%。類似的小程序還有很多。根據(jù)阿拉丁研究院公布的小程序TOP100榜單顯示，2017年8月開始，小年糕、卡娃電子相冊就進入榜單，之后美篇等圖文制作小程序陸續(xù)入榜。2018下半年到2019年，許多模仿跟風的流量玩家進場，在阿拉丁公布的小程序排行榜里經(jīng)常會看到一些不知名的公司輪番上場。這些小程序的操作非常簡單，相冊類小程序可以直接一鍵更換模板，模板隨著節(jié)假日及時間變化，每到節(jié)假日期間，這種相冊類小程序就會瞬間火爆，帶來大量流量。2019年開始，受快速崛起的抖音快手短視頻平臺帶動，流量玩家又轉(zhuǎn)戰(zhàn)短視頻領(lǐng)域，各種短視頻小程序從2019年開始集中涌現(xiàn)。這些小程序中的內(nèi)容多是來自各個視頻平臺，部分視頻中還留有騰訊、西瓜、火山等平臺的水印。并且這些新進入玩家大量鋪設(shè)相同主題相同內(nèi)容的小程序以及公眾號矩陣，目的也是簡單直接，只為盡量做大流量，為下一步變現(xiàn)做準備。在前述垂直App的發(fā)展過程中，流量紅利也曾經(jīng)起到重要作用，不過場景發(fā)生在手機上的應(yīng)用市場，時間窗口也比較短。業(yè)內(nèi)人士透露，2015-2017年時在應(yīng)用市場上去做廣場舞App的廣告投放，獲客成本只要1.5到2元，這種方式支撐了少數(shù)頭部廣場舞App的快速起量并接連獲得大筆融資。不過在應(yīng)用市場的投放成本逐漸走高之后，這種模式不再走得通，用戶增量開始枯竭，之后受到抖音快手的虹吸效應(yīng)，更是出現(xiàn)用戶大量流失的情況。三、變現(xiàn)路在何方？變現(xiàn)是銀發(fā)文娛在走過產(chǎn)品、流量兩個關(guān)口后必經(jīng)的第三個關(guān)口。下面就來看看銀發(fā)文娛都走過哪些變現(xiàn)之路，它們的表現(xiàn)又是如何。廣告上面提到過的流量型銀發(fā)文娛項目，一般公司規(guī)模很小，團隊只有個位數(shù)，但因為掌握著大量老年流量，通過廣告變現(xiàn)，高峰時一個月能實現(xiàn)數(shù)百萬元的凈利潤。但這個模式能夠成功的關(guān)鍵一是在于流量成本必須很低，二是在于有源源不斷地愿意支付高額廣告費用的廣告主。不過有能力有意愿支付高額廣告費的廣告主是稀缺資源，時常有不正規(guī)的保健品、化妝品甚至詐騙團伙隱匿其中，對銀發(fā)文娛項目來說存在很高的法律風險。因此一旦流量成本提高或者平臺監(jiān)管趨嚴，這個模式就很難維持下去。糖豆、美篇等代表性App,對外宣稱用戶過億，如糖豆2020年中老年用戶超2億、55歲以上用戶占比超過50%，美篇2019年累計注冊用戶超1.2億、65%以上中老年用戶。但他們均未披露過廣告收入的數(shù)據(jù)，只能猜測這些數(shù)據(jù)并不像想象中那么亮眼。知識付費/會員權(quán)益美篇在2019年推出過價格29.9元起/本的中老年回憶錄，根據(jù)官方宣稱，2019年雙11期間達6000單/天，交易額破百萬。彩視營收亦無公開數(shù)字，有媒體報道會員權(quán)益可占到50%，付費人數(shù)在數(shù)十萬量級，包含兩檔68元/3個月和198元/年，權(quán)益包括會員身份標識、視頻制作特權(quán)（特殊模板與素材、高清）、社交功能特權(quán)（類似陌陌）等。主播打賞多個App都先后推出過視頻直播和主播打賞。據(jù)了解，彩視的直播分成在高峰期可占營收50%，活躍用戶月支出在五六十元左右。美篇曾向外透露，2018年全平臺的打賞月流水曾達到千萬級。但真正屬于銀發(fā)人群的知識主播和草根主播并不多，反而是顏值主播貢獻的收入比重更大。這看起來更像是一個成熟的主播團隊在做透年輕人平臺后，又選擇一個新的未被開墾的老年人平臺繼續(xù)賺錢。旅游旅居旅游旅居在銀發(fā)文娛的各種變現(xiàn)方式中相對走得比較成功。疫情前的2019年，多個數(shù)百萬粉絲的公眾號矩陣能夠?qū)⒙糜温镁邮杖胱龅角f量級。另外，一家位于上海地區(qū)的老年退休生活平臺，以電視節(jié)目、公眾號、直播間、老年報、線下活動為運營載體，據(jù)稱擁有一百多萬老年會員，2019年旅游收入曾達到數(shù)億元。變現(xiàn)之路如何打通以上梳理足以說明，銀發(fā)文娛的大多數(shù)變現(xiàn)方式仍未走通，像旅游旅居這種驗證走通的模式在過去幾年又受到疫情的阻擊，仍需要一定時間恢復(fù)。而銀發(fā)文娛之所以如此難以變現(xiàn)，背后邏輯可以用一個簡化的等式幫助說明，即變現(xiàn)收入等于用戶規(guī)模乘以用戶平均收入。一般來說，超大用戶規(guī)模匹配低用戶平均收入或者中低用戶規(guī)模匹配高用戶平均收入，兩種方式都能實現(xiàn)理想的收入，前者代表是雁過拔毛的互聯(lián)網(wǎng)廣告，后者代表是重度氪金的游戲。恰好銀發(fā)文娛在過去十年的發(fā)展里，常常是中低用戶規(guī)模匹配中低用戶平均收入，與上述兩種情況都不相關(guān)，變現(xiàn)收入自然提不上來。在用戶規(guī)模上，銀發(fā)文娛項目在經(jīng)歷前期用戶高增的流量紅利后，不久就會受到同類競爭者和新興平臺的擠壓影響，用戶規(guī)模很容易出現(xiàn)增長放緩進而大量流失。上文提到糖豆2020年中老年用戶超過2億，但具有實際商業(yè)變現(xiàn)價值的月活用戶肯定顯著低于用戶總量，而且在經(jīng)歷同為短視頻競爭對手的抖音、快手、微信視頻號的輪番爭奪后，這個數(shù)字無疑會進一步降低。根據(jù)QuestMobile數(shù)據(jù)，2022年8月糖豆的銀發(fā)人群月活躍用戶僅為311.8萬。這一數(shù)字顯著低于同期頭部短視頻平臺的廣場舞KOL.根據(jù)QuestMobile,2022年8月銀發(fā)人群用戶在典型廣場舞KOL月活躍用戶規(guī)模，“小帥健身廣場舞”為946.7萬，“華州敏兒廣場舞”為726.4萬，另外還有多位KOL月活躍用戶在300萬-400萬之間。主打視頻制作的彩視也受到新對手的強大競爭。根據(jù)QuestMobile,2022年8月銀發(fā)人群在視頻工具App行業(yè)月活躍用戶規(guī)模排名中，彩視僅排名第五，月活躍用戶僅58萬，而排名第一的是2019年上線、抖音官方推出的剪映，月活躍用戶高達848萬。微信和抖音、快手上雖然有一大批專注銀發(fā)人群的公眾號矩陣和銀發(fā)網(wǎng)紅，但粉絲量大多集中在三五百萬量級，與動輒千萬粉絲的劇情段子、顏值主播等大號爭搶廣告收入毫無競爭優(yōu)勢，如果選擇直播帶貨，與美妝、服裝大號競爭的專業(yè)度又顯得很不夠，后者百萬粉絲卻可以年銷上億，靠的不只是粉絲數(shù)量，更是對產(chǎn)品設(shè)計和供應(yīng)鏈的掌握。在用戶平均收入上，前文已梳理，大多數(shù)情況下銀發(fā)付費用戶對線上業(yè)務(wù)能夠貢獻的收入在幾十元至一兩百元之間，而且付費用戶在整個銀發(fā)用戶里占比并不高。之所以線上收入提不起來，是因為大多數(shù)App和公眾號、小程序、抖音號、快手號，主要精力都放在內(nèi)容的制作和傳播上，與銀發(fā)用戶缺乏線下場景深度互動，銀發(fā)用戶看完即走，雙方之間缺乏情感維系和信任感，從而無法形成強粘性和持續(xù)變現(xiàn)能力。因此銀發(fā)文娛項目要想走通變現(xiàn)模式，無非是兩條路，一條是做大用戶規(guī)模之路，初期依靠流量紅利、內(nèi)容紅利積攢大批銀發(fā)用戶后，不要留戀這個單一用戶群體，而是果斷迅速向全年齡段尤其是中青年人群進發(fā)，就如B站、小紅書初期圈定90后年輕用戶后，果斷向80后甚至70后進軍，然后依靠超大用戶規(guī)模賺取廣告收入；另一條是做深用戶信任之路，初期依靠線上方式積攢大批銀發(fā)用戶后，果斷加強線下運營，線上線下雙輪驅(qū)動，做深做透銀發(fā)用戶對平臺的信任感，然后用高客單價的產(chǎn)品進行變現(xiàn)。本文來源;虎嗅APP文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/02
校園，超級App下一個必爭之地
超級App,競逐校園。超級App正涌入校園細分場景。校園，正成為超級App們眼中的“價值洼地”。近日，餓了么APP上線“學生版”。目前，全國5000多所高等院校的學生已可體驗新版本功能。當學生用戶將配送地址切換至具體高校，并完成學生賬戶認證后，餓了么APP將顯示定制化的學生版主頁以及學生專屬福利：既包括學生群體特別偏愛使用的甜品飲品、爆紅包等功能，還包含校園食堂、學生拼團、品牌學生價等定制化功能。此外，作為餓了么APP學生版的特色核心服務(wù)，餓了么還為學生提供了配送入校、送到宿舍、校園食堂、校內(nèi)“同學說”等升級服務(wù)。餓了么學生版相關(guān)負責人鐘朝平透露：“在所有外賣人群中，學生用戶的需求很特別，一個是他們更關(guān)注價格和優(yōu)惠，另一方面出于校園環(huán)境的特殊性，他們也需要更多特制化的服務(wù)，例如點校園食堂訂單、外賣送到宿舍、同宿舍一起拼團下單等?！碑斎?，餓了么在校園場景想做、能做的事遠不止外賣服務(wù)——即時零售是其更核心的著眼點?！凹磿r零售”是指用戶在線下單商品，一小時或半小時內(nèi)即可送達的業(yè)態(tài)。根據(jù)艾瑞咨詢最新發(fā)布的《中國即時配送行業(yè)研究報告》測算，2023年即時配送行業(yè)規(guī)模約為3410億元，預(yù)計2028年行業(yè)規(guī)模將超8100億元。在線外賣用戶規(guī)模達5.3億人，占全國網(wǎng)民數(shù)量比重近50%，基于高比例的外賣滲透，消費者即時電商消費習慣逐步養(yǎng)成。據(jù)餓了么平臺數(shù)據(jù)顯示，最近一年來自高校的訂單已達超10億單規(guī)模，學生群體對外賣的需求已經(jīng)不止用餐：從三餐到零售，學生群體對供給的品類、品質(zhì)需求都在不斷提高，美妝、娛樂等悅己生活服務(wù)消費占比正在快速提升。餓了么于8月發(fā)布“數(shù)字校園生態(tài)聯(lián)盟計劃”，宣布將全面升級“智慧校園”數(shù)字化服務(wù)，并繼續(xù)加大對高校場景的平臺投入。近日，杭州師范大學資產(chǎn)經(jīng)營有限公司下屬師達公司與餓了么合作，聯(lián)合上線高校數(shù)智校園生活服務(wù)平臺校園“隨e達”。據(jù)介紹，校園“隨e達”平臺整合了校園內(nèi)的各項供給，目前已上線的美食外賣、校園超市、校園文創(chuàng)、師達云超、隨e行、校內(nèi)商業(yè)等服務(wù)內(nèi)容，涵蓋校園生活飲食、購物、出行等方面。同時，“隨e達”可以為管理者提供校園數(shù)據(jù)的管理和分析。目前，杭州師范大學校內(nèi)師生已可通過“釘釘師大生活”進入平臺，選擇商品下單后，可以通過支付寶或校園卡進行支付，餓了么騎手會將商品或餐品配送至校內(nèi)宿舍樓外賣柜或者辦公樓。通過與餓了么共同推出校園“隨e達”平臺，除了通過數(shù)字化提升了校內(nèi)的電商購物體驗，也將即時配送的物流網(wǎng)絡(luò)規(guī)范化地引入校園。據(jù)介紹，校園“隨e達”上線前三天，外賣訂單量已突破10000單。目前餓了么針對校園環(huán)境定制了專屬高校配送方案，比如騎手將身著統(tǒng)一標識的工作服，并配戴工牌，便于校方管理人員及師生快速識別身份；騎手將經(jīng)過培訓與考核，以掌握安全知識、服務(wù)禮儀、校規(guī)校紀；在校內(nèi)騎行時，騎手會遵循25公里每小時的限速，并且不得在上下學高峰期時在人流中快速穿行……同時盯上校園市場的，還有二手交易平臺閑魚。同樣在9月，閑魚正式上線“學生魚”新功能，這是閑魚為學生群體打造的專屬交易交流頻道。當搜索到“學生魚”時，點擊頂部入口即可進入閑魚的校園頻道。“學生魚”不僅將各大高校的校園集市搬到了線上，還設(shè)置了熱帖、興趣交流、拼團、校園新鮮事等特色功能。接下來，閑魚還將與高校大學生合作，開啟“閑魚校園精英計劃”，邀請學生參與本?！皩W生魚”頻道的運營。更早前，針對大學生群體，一些互聯(lián)網(wǎng)平臺也有所動作。例如，在2021年，bilibili校園便上線。bilibili校園是一個專門為同校同學推出的校園社區(qū)，它鼓勵用戶討論所在學校的新鮮事，分享學習感悟和經(jīng)驗、展示才藝技能等。自2013年起，長租公寓平臺自如啟動針對畢業(yè)生的“海燕計劃”，至今已有370萬畢業(yè)生受益，自如累計提供的租房支持金額達12億元。據(jù)介紹，今年的“海燕計劃”預(yù)計將為畢業(yè)生提供超億元租房支持，包括押金減免及安家基金。當前，一些線下連鎖品牌也在進駐高校。9月19日，老鄉(xiāng)雞的首家校園店武漢大學校園店開業(yè)，這意味著老鄉(xiāng)雞正式布局高校市場，也是其對年輕消費者市場的一次深度挖掘。更早前，海底撈等品牌也將實體店開進大學校園。由于客流量穩(wěn)定，在校園的商業(yè)業(yè)態(tài)迭代過程中，教輔、培訓等教育高相關(guān)度品類最早聚焦校園市場；此后，各業(yè)態(tài)逐步布局。如今，校園人群也日趨注重價值消費、體驗消費、社交消費、個性化消費，以餓了么、閑魚為代表的泛受眾類超級App正在將校園視為典型細分場景。這背后，是日益龐大的大學生市場。從用戶體量來看，根據(jù)官方數(shù)據(jù)，2023年，各種形式的高等教育在學總規(guī)模4763.19萬人，比上年增加108.11萬人，增長2.32%。從消費水平來看，根據(jù)天貓商家成長團隊發(fā)布的《青春消費陣線——校園市場的無限潛力與蓬勃前景》報告，中國高校在校生消費規(guī)模預(yù)計在2024年至2028年間從約13000億元上升至約16000億元。同時，人均年消費水平也在不斷提高，從2015年的1.6萬元增長到2023年的2.9萬元，預(yù)計到2028年將達3.5萬元。另據(jù)艾媒咨詢發(fā)布的《2024中國大學生消費行為調(diào)查研究報告》數(shù)據(jù)顯示，七成以上的受訪大學生月均支出水平集中在1000-2000元之間，其中，超四成的受訪大學生月均收入在1501-2000元。其粗估2024年中國在校大學生的年度消費規(guī)模約為8500億元。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/02
語言模型驅(qū)動的軟件工具思考：可解釋與可溯源
語言模型在軟件開發(fā)的應(yīng)用與挑戰(zhàn)。語言模型正在變革軟件開發(fā)流程的各個環(huán)節(jié)，包括代碼的生成、編輯、測試、調(diào)試等。在開發(fā)和訓練代碼語言模型時，人們需要統(tǒng)一的收集清理數(shù)據(jù)、訓練模型、更新調(diào)整等。因此，我們預(yù)期，針對模型訓練的分析技術(shù)將成為新的一層架構(gòu)來回答“模型是如何產(chǎn)生某個預(yù)測的”、“模型預(yù)測是如何逐漸訓練得到的”、以及“我們應(yīng)該怎么做去修改和增強某個預(yù)測”等問題。在今年8月份舉辦的AICon全球人工智能開發(fā)與應(yīng)用大會上，上海交通大學計算機系副教授林云做了專題演講分享“語言模型驅(qū)動的軟件工具思考：可解釋與可溯源”，深入探討了如何分析模型、追溯訓練樣本，并構(gòu)建數(shù)字孿生環(huán)境來測試代碼編輯模型，最后展望了未來大模型對軟件開發(fā)范式的影響。以下是演講實錄（經(jīng)InfoQ進行不改變原意的編輯整理）。非常榮幸能夠在這里與大家分享我們團隊的最新研究成果。我們一直在探索如何利用語言模型來生成代碼，并深入理解這些模型背后的原理。目前，語言模型在軟件工程領(lǐng)域的應(yīng)用日益廣泛，已經(jīng)逐步介入到設(shè)計、編程、測試和調(diào)試等多個環(huán)節(jié)。我們的研究團隊致力于將語言模型融入這些環(huán)節(jié)中。在語言模型出現(xiàn)之前，我們已經(jīng)有了傳統(tǒng)的代碼編輯的技術(shù)，但語言模型的介入使得編輯過程變得更加智能化，我們稱之為“生成式編輯”。它能夠輔助我們完成整個代碼棧的工作。接下來，我會介紹我們與字節(jié)跳動合作的一個項目，該項目旨在自動定位代碼編輯的位置，并在特定行生成所需的編輯內(nèi)容。在語言模型生成代碼之前，我們也在解決測試用例生成的問題。按照傳統(tǒng)方式，我們會將測試用例的生成視為一個約束求解問題，關(guān)注如何實現(xiàn)分支覆蓋和路徑覆蓋。但語言模型的出現(xiàn)讓我們開始思考，我們是否可以實現(xiàn)需求覆蓋，即不僅僅覆蓋特定的分支，而是結(jié)合需求和分支，生成更符合項目特點的測試用例。此外，我們也在探索如何讓語言模型自動調(diào)試代碼。過去，開發(fā)者常常自嘲說，自己寫的bug含淚也要修復(fù)完。但現(xiàn)在，也許我們要含著淚修復(fù)AI幫我們寫的bug.AI時代的代碼調(diào)試問題也許是一個新的挑戰(zhàn)。因此，我們也希望有新的智能化技術(shù)能夠幫助開發(fā)者發(fā)現(xiàn)并修復(fù)bug.在這項工作中，我們的目標是將調(diào)試問題轉(zhuǎn)化為在代碼執(zhí)行軌跡上找到第一個出錯的步驟，然后讓語言模型在這個軌跡上通過交互不斷定位錯誤，并指導(dǎo)開發(fā)者了解錯誤是如何發(fā)生的。訓練軟件工程語言模型的“套路”當我們深入研究語言模型在軟件工程中的應(yīng)用時，我們逐漸發(fā)現(xiàn)了一個反復(fù)出現(xiàn)的模式，或者稱之為“套路”。在這個套路中，我們是這么做的。首先，我們需要收集和清洗來自Git、JIRA、Jenkins等軟件工具的數(shù)據(jù)，將它們轉(zhuǎn)換成訓練數(shù)據(jù)集。這些數(shù)據(jù)集隨后被用來訓練代碼模型，最終這些模型被集成到集成開發(fā)環(huán)境（IDE）中。無論是進行測試生成、調(diào)試、代碼生成還是測試用例生成，我們通常會遵循這個方式。但隨著時間的推移，我們意識到，盡管這個套路在業(yè)界得到了廣泛應(yīng)用，但在實際應(yīng)用中卻并不簡單。例如，當我們訓練出一個模型后，我們首先想知道的是，模型為什么會做出這樣的預(yù)測。畢竟，模型本質(zhì)上是將大量的數(shù)據(jù)集壓縮編碼到代碼中，然后利用其泛化能力進行各種生成任務(wù)。那模型的預(yù)測是如何產(chǎn)生的？我們知道，模型并非一蹴而就，而是經(jīng)過數(shù)小時甚至數(shù)天的訓練，經(jīng)過多次迭代才得到的。因此，我們想要了解模型預(yù)測的具體生成過程。最終，我們希望能夠提出一些方案，自動矯正模型中不符合我們期望的行為。上述套路解決的是"AIforSE"，即我們提出了AI解決方案來幫助程序員完成任務(wù)。但隨著AI解決方案的增多，我們發(fā)現(xiàn)需要一個"SEforAIforSE"的基礎(chǔ)框架，以支持和管理這些AI解決方案。案例研究：交互式代碼編輯(CoEdPilot)在具體介紹上述框架解決思路前，我想先跟大家介紹下我們與字節(jié)跳動合作的一個研究案例，這個案例恰恰符合我們之前討論的“套路”。我們稱這個過程為“編代碼、編輯定位”。在現(xiàn)代代碼倉庫中，編寫代碼并不總像Copilot那樣，給出一個注釋后自動生成十幾行代碼。更多的時候，我們面臨的是編輯任務(wù)：根據(jù)需求修改某一行代碼，刪除一行，或者更改一行中的幾個字符串。這種編輯往往是跨文件的，一次編輯可能會影響到多個文件。在我們的案例中，我們首先關(guān)注的是編輯定位問題。當出現(xiàn)一個需求或者一個編輯請求時，我們希望能夠迅速定位這個編輯在整個項目中如何傳播。接下來，我們想要解決的是編輯生成問題。一旦我們知道某一行需要修改，我們就想進一步推薦出這一行具體應(yīng)該改成什么樣子。我們希望通過人機交互來實現(xiàn)這一點，利用人的反饋來進一步推薦下一輪的編輯定位和編輯生成。我們的工作目前集中在開發(fā)一個VisualStudioCode插件上，這個插件旨在幫助用戶根據(jù)輸入的需求自動定位代碼修改的位置。用戶一開始會輸入需求，插件會生成一個定位提示，顯示整個文件中可能需要修改的地方。在這個提示中，紅色標記代表可能需要修改的地方，而綠色標記則表示可能需要添加內(nèi)容的位置。當用戶選擇某個特定的位置后，插件會通過一個差異比較（DIFF）視圖來展示這一行代碼可能的修改方式。用戶可以從多個選項中選擇。一旦用戶接受了某些建議或者拒絕了某些建議，這些反饋就會被收集起來，作為新一輪輸入和迭代的數(shù)據(jù)。這個插件的核心思想在于，我們通過收集代碼提交的信息來訓練模型。每個提交通常包含多個代碼修改，這些修改也被一并收集。通過訓練，模型能夠在整個項目中滑動窗口，識別出需要修改的地方，并推薦出具體的修改內(nèi)容。代碼編輯的基本設(shè)計思路我們的基本設(shè)計思路是將代碼編輯任務(wù)分解為幾個小模型來實現(xiàn)，避免直接將整個代碼庫喂給一個大模型，這樣做的原因主要是為了減輕模型的計算負擔，包含兩個核心部分：任務(wù)分解和矯正反饋。首先，任務(wù)分解的目標是將一個大模型拆分成幾個小模型，這樣可以減少模型的輸入量。例如，輸入1萬行代碼與輸入30行代碼的效果是有很大差異的。我們使用三到四個小模型來完成這個任務(wù)。其次，我們希望通過與用戶的交互來實現(xiàn)矯正反饋。具體來說，我們首先使用一個小模型，通過滑動窗口來預(yù)測文件中可能需要修改的位置。核心思想是比較兩段代碼的語義相似度和依賴關(guān)系，以判斷它們是否會產(chǎn)生協(xié)同變化。在得到這些信息后，我們使用另一個小模型，將問題轉(zhuǎn)化為一個分類問題。給定一個滑動窗口，窗口中有多行代碼，我們根據(jù)之前的編輯來預(yù)測每一行可能發(fā)生的編輯類型。這樣，我們不需要處理一個很大的窗口，只需要對每一行進行分類即可。訓練模式采用的是指令微調(diào)，即給定一個指令（如替換或保留），然后讓模型預(yù)測每一行的編輯類型。得到編輯類型后，我們使用另一個基于Transformer的編碼器-解碼器模型來生成具體的內(nèi)容。當我們確定某一行需要添加或替換時，就讓這個Transformer生成相應(yīng)的內(nèi)容。這樣，我們就大大減少了活動窗口的大小。最后，我們使用另一個模型來學習之前的編輯，將之前的編輯作為Transformer輸入和反饋設(shè)計的一部分。通過這種方式，我們在定位的準確性和生成內(nèi)容的準確性上都達到了一個可接受的程度。哪些訓練數(shù)據(jù)影響了這次預(yù)測?當我們構(gòu)建并訓練了代碼模型后，我們希望它能夠自動定位代碼編輯的需求，并最終集成到IDE中。然而，我們發(fā)現(xiàn)在某些情況下，模型的表現(xiàn)并沒有達到我們的預(yù)期。為了解決這個問題，我們首先需要進行訓練歸因分析，以了解為什么模型會做出特定的預(yù)測。我們想要回答的核心問題是：為什么模型認為某行代碼需要修改，或者需要插入代碼？為了解決這個問題，我們從三個角度進行思考：樣本歸因、表征歸因和仿真驗證。歸因問題在機器學習領(lǐng)域是一個經(jīng)典問題。我們想要了解的是，哪些訓練數(shù)據(jù)真正影響了模型的預(yù)測。當我們面對一個嚴格的數(shù)學問題陳述時，我們可以這樣表述問題：給定一個訓練樣本Zi,如果我們對這個樣本進行權(quán)重調(diào)整（增加或減少?），模型會發(fā)生什么變化？因為模型是在看到數(shù)據(jù)后才進行神經(jīng)元調(diào)整的，所以我們想要了解哪些預(yù)測相關(guān)的神經(jīng)元是由哪些數(shù)據(jù)調(diào)整的。在數(shù)學層面上，這個問題可以通過一個公式來描述。我們有一個測試集_X_test和一個訓練集_X_train.我們想要了解_X_train和_X_test之間的關(guān)系。如果我們發(fā)現(xiàn)_X_train和_X_test的值是一個大的正數(shù)，這意味著如果我們更多地訓練_X_train這個樣本，模型在預(yù)測_X_test這個樣本時的表現(xiàn)會變得更好。相反，如果_X_train和_X_test的值是一個大的負數(shù)，比如說-0.9，這意味著如果我們更多地訓練_X_train這個樣本，_X_test這個測試樣本的預(yù)測會變得更糟，說明這兩個樣本之間存在矛盾。如果_X_train和_X_test的影響因素是0，那就意味著無論我們增加還是減少對_X_train的訓練，對_X_test的預(yù)測都沒有影響。要理解模型預(yù)測的影響關(guān)系，我們可以從理論上推導(dǎo)出三個決定性因素。首先，模型對測試樣本_X_test的擬合程度會影響其預(yù)測。每個測試樣本都有其損失函數(shù)和標簽，模型在擬合這些樣本時會朝某個方向移動，這個方向反映了參數(shù)空間的調(diào)整。其次，模型對訓練樣本_X_train的擬合方向也是一個重要因素。如果模型在擬合_X_test和_X_train時方向一致，那么它們之間會有正向影響；如果方向相反，則會產(chǎn)生負向影響；如果方向的夾角為零，則它們之間沒有影響。最后，Hessian矩陣及其逆矩陣代表了所有樣本之間的交互效應(yīng)。Hessian矩陣是損失函數(shù)對所有參數(shù)的二階導(dǎo)數(shù)的矩陣，其逆矩陣反映了樣本間的相互作用。然而，計算Hessian矩陣的逆在實際中是非常困難的，尤其是當模型參數(shù)達到百萬或千萬級別時。為了解決這個問題，我們提出了一種改進的想法，即通過多次變異模型來模擬Hessian矩陣的效果。我們可以通過在參數(shù)空間上進行抽樣來模擬Hessian矩陣，觀察模型在多次變異后對訓練樣本和測試樣本的影響。如果變異后的模型在訓練樣本和測試樣本上都顯示出對抗性或正相關(guān)/負相關(guān)的影響，那么我們就可以認為它們之間存在相互影響。通過這種技術(shù)，我們發(fā)現(xiàn)模型預(yù)測中的一些問題并不總是源于模型架構(gòu)，而是可能源自訓練數(shù)據(jù)集本身。例如，在開源數(shù)據(jù)集上運行模型時，我們可能會發(fā)現(xiàn)模型的某些錯誤預(yù)測實際上可以歸因于訓練數(shù)據(jù)的標注問題。例如，在服裝分類任務(wù)中，開源數(shù)據(jù)集可能會將非常相似的服裝款式標注為不同的類別，而人類觀察者可能會認為這些款式是相近的。這種令人困惑的標注會影響模型預(yù)測的性能。為此我們設(shè)計了新的影響函數(shù)在很多開源數(shù)據(jù)集上找到了很多標注bug,并發(fā)表在了NeurIPS’22的會議論文《DebuggingandExplainingMetricLearningApproaches:AnInfluenceFunctionBasedPerspective》上。將影響函數(shù)應(yīng)用于代碼編輯生成任務(wù)我們將影響函數(shù)應(yīng)用于代碼編輯生成任務(wù)中，以評估每個預(yù)測背后的有益和有害訓練樣本。有益的訓練樣本是指那些通過增加訓練量可以提升特定測試樣本表現(xiàn)的樣本，而有害樣本則是指增加訓練量會降低某些測試樣本表現(xiàn)的樣本。我們發(fā)現(xiàn)，對于任何一個測試樣本，有害樣本和有益樣本的數(shù)量通常都非常少。通過這種方式，我們可以發(fā)現(xiàn)模型預(yù)測的具體影響。例如，當我們的模型預(yù)測需要將代碼中的版本號從0.01更改為0.02時，使用影響函數(shù)進行歸因分析，我們可以看到與數(shù)字變動相關(guān)的訓練樣本，這與模型的表征空間是相關(guān)的。在函數(shù)調(diào)用中添加參數(shù)時，模型應(yīng)該定位到代碼窗口中的某一行，并預(yù)測需要替換的行以添加類似的參數(shù)。對于這樣的測試樣本，模型的預(yù)測和歸因分析將揭示出形狀相似的代碼標注，指出在語法上需要添加子節(jié)點。這種歸因分析有助于我們理解哪些訓練樣本對預(yù)測有重大貢獻，從而發(fā)現(xiàn)可能存在的標注問題。例如，我們可能會發(fā)現(xiàn)原本認為相似的代碼樣本實際上在語義上有很大差異，這表明我們的標注可能存在問題，或者標注的語義不夠豐富。此外，在代碼編輯中，commitmessage的質(zhì)量非常重要。相似的commit或者過長的commit可能會導(dǎo)致信息量減少，從而形成打架效應(yīng)。這意味著，為了提高代碼編輯的質(zhì)量，我們需要確保commitmessage的書寫質(zhì)量非常高，避免使用過于冗長或含糊不清的描述。我們覺得未來可能會有好幾個方向可以嘗試，第一是通過影響函數(shù)，可以幫助我們?nèi)プ鰯?shù)據(jù)分析，判斷到底哪些是臟數(shù)據(jù)，或者說非預(yù)期的訓練數(shù)據(jù)產(chǎn)生了壞的影響。第二個是當產(chǎn)生壞的影響之后，有可能我們需要對整個數(shù)據(jù)進行重標注，所以我們也在嘗試在訓練過程當中動態(tài)地去更新某一些標注，因為我們永遠不能保證人標的東西就一定是對的，或者說預(yù)期的標注就是我們想要的。最后是想去觀測，如果有些訓練樣本有非常高的互影響的話，就意味著整個訓練數(shù)據(jù)集有可能是冗余的。我們大量地在收集數(shù)據(jù)集，但是數(shù)據(jù)集過大真的是件好事嗎？對此我們其實也是存疑的，我們有沒有可能利用一個小但質(zhì)量非常高的數(shù)據(jù)集產(chǎn)出一樣的效果？這對模型訓練效率的影響其實是非常大的。表征歸因在討論完樣本歸因之后，我們來談?wù)劚碚鳉w因。表征歸因是深度學習的核心，因為深度學習本質(zhì)上是表征學習。無論是處理圖像、聲音還是文本，深度學習的目標是將這些輸入轉(zhuǎn)換成向量，然后進行矩陣運算。以文本為例，深度學習模型需要將每個單詞映射到向量空間中。在這個空間里，語義相近的詞匯（如“男孩”和“女孩”）的表征應(yīng)該彼此接近，而語義相距較遠的詞匯（如“貓”和“狗”）的表征則應(yīng)該相距較遠。在自然語言處理（NLP）中，我們希望模型能夠通過單詞的embedding來捕捉這種語義關(guān)系。如果我們能夠訓練模型，使其對每個樣本或單詞的表征具有這樣的語義效果，那么模型就能逐漸發(fā)展出接近人類的預(yù)測能力，從而能夠進行更自然的交流。然而，我們面臨的一個主要挑戰(zhàn)是，真實的表征空間可能是512維、1024維或768維，而人類很難直觀理解高維空間中的變化。模型訓練初期，樣本的表征通常是隨機分布在高維空間中的。隨著訓練的進行，這些表征會逐漸變化，最終形成一種分布，反映出人類的理解能力。我們可以將模型訓練過程視為樣本表征在高維空間中的運動。一開始，這些表征是無序的，但最終會形成一個有結(jié)構(gòu)的分布。我們希望能夠在二維空間中幫助人們理解這些表征是如何變化的，例如，貓和狗的表征是否真的接近。這將能為提供巨大的信息量，幫助我們更好地理解和改進模型。在過去的工作中，我們的目標是將模型的訓練過程可視化。模型訓練本質(zhì)上是樣本表征在高維空間中的變化過程，但由于這些維度通常是數(shù)百甚至數(shù)千維，這使得直觀理解變得困難。因此，我們希望能夠?qū)⑦@一過程投影到二維空間，使人們能夠直觀地看到，例如，兩只貓的樣本表征如何逐漸靠近，而貓和狗的樣本表征如何逐漸遠離。將訓練過程轉(zhuǎn)化為二維動畫后，我們不僅可以觀察到模型在表征空間中的運動，而且還可以與動畫進行交互和分析。在模型訓練過程中，我們通過可視化技術(shù)觀察到了一個有趣的現(xiàn)象，即干凈數(shù)據(jù)和噪音數(shù)據(jù)在表征空間中的運動軌跡存在顯著差異。例如，在某個訓練階段，我們可以將橘黃色的點視為干凈數(shù)據(jù)，而黑色的點代表噪音數(shù)據(jù)。如果我們觀察到最后一個訓練階段，比如模型學習"apple"這個詞匯時，會發(fā)現(xiàn)無論是干凈數(shù)據(jù)還是噪音數(shù)據(jù)，模型最終都能達到很高的準確度。然而，它們在訓練過程中的運動軌跡卻大相徑庭。干凈數(shù)據(jù)在經(jīng)過一兩次訓練迭代后，很快就能定位到它應(yīng)該在的區(qū)域。相比之下，噪音數(shù)據(jù)則表現(xiàn)得像“釘子戶”，在初始位置上停留很長時間，直到訓練的后期，由于模型內(nèi)部的某種“拉力”作用，它們才最終被拉回到適當?shù)奈恢?。這種現(xiàn)象不僅揭示了噪音數(shù)據(jù)在訓練過程中的頑固性，也為我們提供了一種新的思路，即如何在訓練過程中有效地去除噪音。通過觀察數(shù)據(jù)在表征空間中的運動，我們可以識別出那些不易被模型正確學習的噪音樣本，并采取相應(yīng)措施?；氐酱a任務(wù)本身，我們注意到基于檢索的生成（RAG）是一個非常熱門的領(lǐng)域。在這種情況下，檢索能力變得至關(guān)重要。在這個語義空間中，我們可以觀察到代碼表征的分布情況，同樣也可以觀察到代碼描述的表征分布。這種映射允許我們在給定一個自然語言描述時，在整個語義空間中搜索與其最接近的代碼表征。這樣，與描述最相關(guān)的代碼就可以被檢索出來?；旧?，這是一種在高維空間中進行代碼檢索的方法。通過這種方式，我們可以根據(jù)代碼的自然語言描述快速找到相應(yīng)的代碼實現(xiàn)，從而提高代碼檢索的效率和準確性。這種方法利用了深度學習模型的能力，將文本描述和代碼映射到同一個高維空間，使得相關(guān)代碼的檢索變得更加直接和有效。高層語義編輯距離在深入研究模型訓練過程中的表征時，我們有時會發(fā)現(xiàn)模型可能只是學習到了表面現(xiàn)象，而并沒有真正理解人類所理解的概念。例如，當我們探討高層語義編輯距離時，可以通過比較兩個序列或字符串來觀察這一點。我們可以將字符串進行匹配，就像在本科課程中學到的字符串匹配算法那樣。這種方法也可以應(yīng)用于代碼，因為代碼中的每個token也都有一個高維的語義表征向量。例如，return這個詞在代碼中會有一個語義表示，我們可以計算兩個return之間的語義相似度，從而判斷它們在語義上是否大致相似。通過這種方式，我們可以對整篇代碼進行理解。如果我們使用像CodeBERT這樣的模型來訓練代碼，使用表征距離或高維空間的語義表征來對齊兩篇代碼。但是，在訓練的初期，代碼可以被正確對齊，但在訓練的后期，模型可能會將versiondownload這個詞與if的表征關(guān)聯(lián)得最近，而將data的表征與return的表征關(guān)聯(lián)得更近。這種現(xiàn)象表明，盡管模型似乎學習到了預(yù)測代碼和描述之間相似性的能力，但它的理解仍然與人類的理解存在較大差距。這提示我們在模型訓練和評估時，需要更加關(guān)注模型是否真正理解了代碼的語義，而不僅僅是表面形式上的相似性。通過深入分析表征，我們意識到在模型訓練過程中需要加強代碼和描述之間的對齊能力。目前，我們主要采用對比學習的方法來訓練模型，但為了進一步提升模型的性能，我們計劃在訓練中加入更多的對齊機制。仿真驗證（數(shù)字孿生）這部分我們想討論的是一種稱為仿真驗證的技術(shù)，也就是數(shù)字孿生。在模型訓練完成后，我們經(jīng)常會遇到模型的評估指標，如準確率、召回率和F1分數(shù)等，看起來非常高的情況。這些數(shù)字并不總能代表模型在實際應(yīng)用中能顯著提升程序員的工作效率。有時候，即使模型的BLEU分數(shù)只差一點點，程序員可能仍需花費大量時間進行調(diào)整。另一方面，即使BLEU分數(shù)差異很大，也不一定意味著模型的預(yù)測結(jié)果不對。這是一個非常微妙的問題。為了解決這個問題，我們提出了數(shù)字孿生驗證技術(shù)。在我們與字節(jié)跳動的合作中，我們進行了用戶實驗，讓學生實際使用我們的工具進行編碼。我們發(fā)現(xiàn)，即使在學術(shù)環(huán)境中，驗證模型的預(yù)測是否真正有用是一項工作量非常龐大的工作。因此，我們希望通過代碼提交，即編輯歷史的一個結(jié)果，來恢復(fù)過去的開發(fā)過程。我們稱這個項目為“Historian”，就像考古學家通過文物來還原歷史一樣，我們希望通過已知的代碼提交來恢復(fù)程序員過去的代碼編輯過程。在這個過程中，我們需要解決一些問題，例如兩個編輯之間可能存在的偏序關(guān)系，確定哪個編輯先發(fā)生，哪個后發(fā)生。通過恢復(fù)整個代碼編輯的開發(fā)過程，我們可以在這個過程中引入模型，并觀察在什么情況下模型真正有助于提升生產(chǎn)力，或者是否實際上在拖累開發(fā)。我們需要評估模型的表現(xiàn)是否真的有助于提高效率，或者它是否與不使用模型時的表現(xiàn)相當。基本思路：從提交歷史重現(xiàn)“當年的”開發(fā)過程在我們的工作中，我們建立了一個復(fù)雜的工作流程，旨在通過提交歷史來重現(xiàn)程序員當年的開發(fā)過程。這個流程的出發(fā)點是確定在何種程度的BLEU分數(shù)下，模型應(yīng)該采取下一步行動。我們的目標是利用歷史記錄來創(chuàng)建一個虛擬的程序員，這個虛擬的程序員能夠基于單個提交（commit）恢復(fù)出多種可能的編輯過程。在這些編輯過程中，我們的模型將被引入。我們允許對這個虛擬程序員的行為進行配置，例如：在檢查推薦時需要花費多少時間？如果推薦錯誤，他將被延誤多長時間？如果推薦正確，他將花費多少時間進行審查？我們會根據(jù)不同情況來設(shè)定這些參數(shù)。在這個過程中，我們會模擬實際的編輯場景。例如，如果我們輸入一個描述并產(chǎn)生編輯，這個過程可能需要77秒，這包括了第一次編輯、加載語言模型的時間（因為模型不是憑空產(chǎn)生的），以及推薦編輯位置所需的時間。如果我們的推薦正確，我們將計算產(chǎn)生的延遲；如果錯誤，我們將計算延誤的時間。我們還會模擬用戶檢測推薦所需的時間。通過這樣的模擬，我們可以與正常的編輯過程進行比較，以確定模型是在幫助用戶還是影響用戶。通過這種方式，我們基本上可以觀察到，當模型被應(yīng)用于實際的開發(fā)過程時，所有的性能指標，如準確率和召回率，實際上都會出現(xiàn)一定程度的下降。這是因為在現(xiàn)實世界中，模型的表現(xiàn)受到多種因素的影響，包括與人類用戶的交互。這個就是我們的SEfor（AIforSE）框架，旨在探索和改進人工智能在軟件工程中的應(yīng)用。在這個框架中，我們預(yù)見到未來業(yè)界將越來越多地采用這種模式。程序員的工作方式正在發(fā)生變化，他們不再只是調(diào)用和開發(fā)API或修改第三方庫，而是可能會需要收集訓練數(shù)據(jù)來微調(diào)模型，就像調(diào)整第三方庫一樣。模型本質(zhì)上是一種特殊的第三方庫，程序員在未來可能需要學習如何編寫更有效的提示（prompt）來與這些模型交互。這可能會形成新的工作模式。隨著這些新工作流程的出現(xiàn)，我們面臨著如何進一步提升和賦權(quán)這些模式的問題。目前的模型是概率模型，每次輸出可能并不穩(wěn)定，同時還需要解決模型輸出的幻覺問題。為了解決這些問題，我們嘗試提出了一些方法。例如，樣本歸因可以幫助我們追溯并理解對特定預(yù)測產(chǎn)生貢獻的訓練樣本。通過分析學習后的樣本表征，我們可以在表征空間上進行更深入的交互式分析。我們還提出了一個仿真驗證過程，也就是數(shù)字孿生的概念。通過創(chuàng)建一個虛擬的程序員來進行編輯操作，我們可以模擬實際的開發(fā)過程，并觀察模型在其中的作用。我們希望這種虛擬仿真的方法能夠幫助程序員或大型企業(yè)驗證模型的實際效用。如果我們想在生產(chǎn)環(huán)境中引入一個新模型，我們需要說服生產(chǎn)團隊這個模型確實能夠帶來產(chǎn)能增值。通過數(shù)字孿生技術(shù)，我們可以模擬模型在實際開發(fā)過程中的表現(xiàn)，從而預(yù)估它可能帶來的效益。展望：AI原生的軟件工程實踐隨著人工智能時代的到來，軟件工程的實踐將發(fā)生根本性變化。過去，編程主要是為了交付軟件產(chǎn)品。但在AI時代，編程不僅僅是為了交付，它還具有數(shù)據(jù)標注的意義。我們編寫的每一行代碼、提交的每一個commit、撰寫的每一個需求，都可能被用來訓練模型。這意味著代碼編輯和整個編輯過程實際上在無形中完成了數(shù)據(jù)的標注工作。由于模型訓練對數(shù)據(jù)質(zhì)量有很高的要求，我們預(yù)見未來將出現(xiàn)一種AI原生的軟件工程實踐。我們將利用現(xiàn)有的數(shù)據(jù)來訓練模型，然后評估這些模型是否符合我們的預(yù)期。有了新模型后，我們可以反向工作，利用模型預(yù)測的好壞來評估過去的編程實踐是否合適。這個過程類似于梯度下降，從模型預(yù)測到生產(chǎn)過程或代碼標注的反向優(yōu)化。我們可以通過模型的性能和對數(shù)據(jù)質(zhì)量的分析，反過來指導(dǎo)整個開發(fā)實踐，告訴我們何時應(yīng)該如何編寫代碼、如何記錄代碼歷史，或者如何提出問題。以前，我們通常依據(jù)一些軟性指標來推薦最佳實踐，未來我們將有更硬性的理由來證明為何要這樣編寫代碼。因為這樣做可以使模型訓練得更好。通過這種方式，我們可以不斷調(diào)整實踐，形成一個AI原生的軟件工程范式，最終推動整個過程的自動化。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
