在人工智能的浪潮中，AI大模型以其惊人的涌现能力和创造力，正在重塑我们对技术可能性的认知。正如达尔文所言：“自然界中没有飞跃。”在AI的发展中，我们见证了从量变到质变的飞跃。
抱歉，各位伙伴们，自从AI大模型刷屏以来，好像很长一段时间没来更新文章了。
今天的分享，主要围绕3个问题来展开：
1、AI大模型的本质是什么？
2、商业中哪些变了，哪些没变？
3、产品经理该如何应对？
这几个话题，之前好像在哪里讨论过，记不起来，不过当时的思考并不深入，今天就来系统化的梳理一下。
一、AI大模型的本质是什么？
从本质上来说，AI大模型的本质是具有大规模参数和复杂计算结构的机器学习模型。
既然是机器学习模型，那么它的核心能力，便是从已有的数据中挖掘规律， 学习复杂的模式和特征，然后进行能力泛化。
但是AI大模型和传统机器学习，最大的区别是在，涌现能力上。
传统的机器学习包括深度学习，只能泛化某个领域的一个或多个模式。
而AI大模型是将所有领域的模式进行了学习，当在处理某个任务时，所有相关领域的模式同时相互作用时，就产生了涌现能力。
我们也可以把“涌现能力”看做是一种创造力。
就好比一个人，本来只精通某个领域，能够按部就班的完成该领域的任务。
然后突然间他精通了所有领域，将所有的领域知识进行了融会贯通，达到了大道至简，殊途同归的境界。
然而此时，他在执行原有的任务时，并非按部就班的做，而是综合了该任务所有相关领域的知识去做。
我们再来对比一下任务的结果。
在原有模式的学习泛化下，任务结果相对比较稳定，基本上在我们的可预期范围内。而AI大模型的涌现能力，则导致了该任务结果的多样性。
导致这种结果的原因就在于AI大模型增加了一些其他领域能力的泛化，弱化了该任务原本领域的特征。
如果把传统的机器学习到AI大模型的进化，比作1个员工的蜕变，即从一个“专才”变成“通才”，那么此时所有的事情都在变好吗？
NO，我们可以很清晰的感受到“TA”变强了，尤其是在“思想上”、“创意上”，但是它的不确定性，让我们无法把“TA”安排到某个具体的岗位上。而是把“TA”当做一位老师或专家，来为我们提供更好的建议。
所以，此时的协作就变成了：AI大模型（提供专家建议）》决策层员工（结合专家建议和当前环境，建立计划、分解任务、制定标准）》基层员工/机器人（按照标准，执行任务）。
二、商业中的那些变与不变
我们再来看看整个商业体系中的变与不变，企业作为商业体系的最小单元（相对而言），企业的核心是由员工和业务组成。
员工又分为有决策权和无决策权；业务我们可以把它拆解为（市场需求，解决方案），解决方案，就是产品或服务。
企业的经营过程可以简单的梳理为：管理层员基于市场需求工，来进行战略战术决策，并制定标准，来指导基层员工进行产品服务的生产。
当AI大模型这个超级工具介入商业体系中之后，我们来逐个分析一下企业经营过程：
市场需求：无变化；
管理层员工：增加了AI大模型这位“专家导师”；
产品服务：部分产品服务，通过“AI大模型”的改造，提升了用户体验；
基层员工：增加了AI大模型这个强大的“创意生产工具”；
总结一下，我们可以发现，在企业经营过程中，市场需求无变化，解决方案发生了变化。其实就是需求侧未变，供给侧发生了变化。
那么此时可想而知，供给侧卷了（无奈），需求侧笑了（享受红利），怎么看下来，貌似什么都没有变，供给侧改革一直在被倡导，而AI大模型只是这个“改革”的一柄利器而已，风口过后，市场又会恢复平静，等待下一波的技术革命…
三、产品经理该如何应对？
所以呢作为产品经理，我们没什么可焦虑的，努力学习和吸纳新认知，然后将其应用到我们的产品服务中即可。
AI大模型的能力，只能改善产品服务中的某一些环节，对于整个产品服务体系来说，并没有什么颠覆性的影响。市场该分析分析、业务流程该梳理梳理、产品流程该设计设计、运营指标该强化强化，练好基本功，放到哪里我们依然是中流砥柱。
虽然AI大模型的介入并没有颠覆性的改造产品服务以及产品经理这个职业，但是它的“创造力”是我们必须要进行借用的。另外需要注意的就是，并非所有的产品和服务都需要AI大模型来进行改造。
不管是将其融入到现有的产品服务中，还是自我决策提升中，我们都必须深刻的认识到“创造力”这个维度，门槛降低了，开始贬值了。
尤其是市场中提供“创意服务”的公司，如企业咨询、内容服务、媒体服务等，在“人人都是创意大师”的时代，如何保持持续的竞争力呢？这是一个更为复杂的问题。
好了今天就先分享到这里，后续我们再来探讨，在应用层上如何升级我们的产品和服务。
题图来自Unsplash，基于 CC0 协议。
