文 | 李智勇
AI上，在这个时间点有那些认识可以让混沌的现实呈现出一些脉络？随着产品的进展、实践的增加，AI的产研越来越体现出一些与过去迥异的特质。这时候认知的冲突会加剧。
我们应该怎么看待这些大佬的观点：
当时看网站是怎么做出来的?通过浏览器一看源代码非常简单，稍微改一点，我也可以做出来，今天做智能体跟这个很类似……….起个名字，告诉它回答什么、不回答什么，就做成了 --- 李彦宏
今天我们可以看到的是，在国内全部大模型DAU加起来可能是千万量级，非常小，比我们平时用的每个应用都小很多。这说明用户的市场教育还远远没有完成。ChatGPT moment就在前年的12月，它被推出来之后迅速席卷全球，两个月之内达到1亿用户，这样的现象级事件在中国还没有发生。---李开复
如果从《为什么说互联网方法论在AI上差不多全是错的》的视角，这类观点实际都是互联网思维的惯性，非常值得商榷。下面我们会梳理一些AI的基础认识，应该会对每个人形成自己的判断有所帮助。
计算范式迁移
这个视角有点偏技术，但其实越来越有威力。
我个人因为程序员出身，做战略投资的时候又阅读了很多相关资料和案例，最终就比较确认这是判断产业的基石。
我们到底用什么样的结构（或者说栈）给人或组织提供计算？
每一次这事的变化都会导致个人能感受到的应用发生翻天覆地的变化，比如从PC互联网到移动互联网导致人的时间在不同屏幕上分布发生彻底的变化，但追其根由不过是手机融合了更多电脑的功能。
AI对计算栈的改变远超过去50年各种变化的总和。
琢磨事经常提的说法是：
过去的计算模式是CPU（包括电脑、服务器等）提供算力，程序员提供智能，互联网加持应用范围和可能性。
AI的计算模式是GPU提供算力，大模型提供智能，程序员负责缝合，互联网继续加持应用范围。
就我这么说可能会因为权威不够被怀疑，但最近发现，如日中天的黄仁勋也在这个视角下叙事了，说服力应该是大大增加了。
英伟达描述下的计算结构重塑。
这是6月份的发布会，琢磨事很久很久之前就发过这类观点，所以倒真不是顺风扯旗。
新计算范式会催生新的产业格局，第一波里面最大的机会是出现系统性平台的机会。
系统性
系统性和计算范式迁移直接相关。
说的是一种特殊的平台。这种平台在两边提供不同的编程接口，即可以对硬件进行抽象（基础算力），也可以对应用层进行抽象，进而让产品本身近乎有无限的扩展可能。
这类产品只在特定历史窗口下才有，是一种特殊的平台，具有最高的产业统治力。
过去是操作系统，现在则是系统型超级应用。
英伟达正在自己的产品中谋求这种系统性，并且实现了一部分。
所以英伟达不单应该看成一个芯片公司，而是Windows和Intel的合体。
其它部分显然格局未定。
其中还有两个关键分支，现在我们并不知道会怎么样。
一个分支是未来的AI很像《黑客帝国》里面的Matrix。这是一个具有超级中心的在云上上超级智能。
一个分支是未来的AI很像《超能陆战队》里面的大白。这是一个运行在端上的超级智能。
如果是前一种情况英伟达这类公司就不是产业1号位，会有更像PC时代微软的角色出现。
如果是后一种情况英伟达就是产业1号位，自己早晚会变成PC时代的微软。它自己在推“主权AI”，固然是为了卖芯片，可芯片上面CUDA那些是它的，大家适配的越多，它累积的力量越大。最后得到的肯定不是主权AI，而是另一个可以类比PC时代的微软。
AI很有意思的点是，它在基础设施上的变革和应用上的变革同步发生。在基础设施上体现出系统性，在应用上体现的特征则可以总结为大折叠。
大折叠：每一个成立的角色都会折叠掉大量的功能
AI的产品注定是以角色为中心，这区别于过去的以功能为中心。
角色和功能可以看成是不同的划分世界需求的视角。但因为最终围绕着人或者组织展开，用户是统一的。所以一种的崛起基本上会导致另外一种的边缘化。
在产品层就是功能的重整。
如果Siri这类产品真的使用频次上来，那还用什么搜索。
如果智能音箱这种产品成立，那音乐、天气、闹钟、故事等等功能就都不成为独立的应用。而是会被折叠。
折叠就是产业格局的重整。产品的重整注定会导致产业格局的重整。
AI现在还很弱小，这种颠覆性的冲击还不清楚，但AI的智能就是发动机，程度越高，这种特性体现的就更清楚。
折叠后的出现的新应用会有很多不同特征，不适合再用互联网的思维模式、方法论、指标去度量了。它们应该被称为智能中心型应用。思维方式、度量方式应该回到角色和智能。
智能中心型应用
移动互联网的产品是以APP和手机为中心。
AI的产品则以智能为中心，至于那个端（手机、PC、专有设备）更关键，纯粹看情景。
这会会影响方法论，然后也影响度量指标。
我们不应该还是用互联网的指标来衡量AI。
比如AlphaFold3一共可能就几万日活，甚至可能也没有APP，但这不影响它的价值。
所以计算DAU，计算ARPU值这类套路和话语体系实在不能用了。
用了即误导自己也误导别人。
这时候似乎应该计算每个角色的价值，VPR（Value Per Role）。
当然成本可以计量对应角色所用掉的Token。
简单总结就是AI要关注解决问题的深度，而不是解决问题的广度。
如果上面是对的，那开头提到的两个观点就不对了。像网站一样做无数个Agent关注的是问题的广度，用DAU来计量AI产品关注的也是问题的广度。很像互联网思维的惯性。
在深度上解决问题就要关注智能的价值密度。
智能的价值密度
不同情景下智能所创造的价值是不一样的。
通俗说这就是贫矿富矿的区别。
以能干为前提当然智能价值高的地儿更适合智能应用先落地。
Copilot等在纯粹数字和办公的情景下发力其实就这意思。
对比Copilot和智能音箱特别能感受到智能价值密度的差异。
智能音箱骨子里是一种语音查询，而Copilot则是AIGC，前者简化交互方式后者直接创造内容。智能的价值密度显然不一样。
这点和技术的程度一起决定了到底AI的落地会从那儿开始。
小结
认为自己知道和认为自己不知道会导致完全相反的行为模式。比如认为自己不知道，那活动就只能是“AI碰撞局”，总结也只可能有大致没差的AI判断。如果认为自己绝对正确，那就会变成类似“传教”，观点不容驳斥，很容易变成科技界“卖拐”。
