美国降低汽车燃效和排放标准

科技带来了很多可能，我们非常善于开发应用，并充分利用了这些可能。

同时，天工在大规模与训练的基础上，针对不同的情况，进行了场景化的微调，让天工能够应对更多的场景，并且提供高效、个性化的帮助。于是，在这一波生成式 AI 的风口，也有人问：这次会不会和之前一样，潮起潮退，沙滩上只留下一批一批的裸泳者？如果 2023 年的 AI 创业者们，不甘于止步于空谈，那他们就应该知道：大模型不应该只是一个美好却空洞的花瓶。

在一些AI大模型产品，仍旧在胡说八道、场景落地难、语义理解能力弱等问题中徘徊时，OpenAI 首先看到了落地的痛点，和微软合作推出 Copilot，主打在办公领域提升工作效率，打响了大模型向生产力进军的发令枪。天工则并没有落入这个陷阱，通过主动提问，缩小问题的范围：而为了测试天工的中文语义理解能力，雷峰网(公众号：雷峰网)向天工询问了一句古诗的情感色彩，不得不说，天工把握得相当不错：在不错的语义理解能力之上，天工的文采，也出人意料。二、场景优化模型鲁棒性：好用=可用+可靠尝试过用 AI 写稿的记者，尤其是某些垂直领域的记者，也大多心中都有过隐隐的担忧——如果 AI 在某些关键信息点一本正经地胡说八道，而自己没有发现，最后就会造成严重的事故。AI 应该成为下一个十年的内燃机和交流电，推动下一次产业革命。什么样的大模型，才能成为生产力？天工的模式，可以说为大模型赛道的其他竞逐者——无论是先发的，还是后来的——打了一个样。

比如下面的对话，天工就在连续对话上小试牛刀，还能够理解沙特球王的足球梗，在超强连续对话能力的背后，是天工的财大气粗。而蒙特卡洛树搜索的核心，就是通过一个树状结构，在每个节点进行随机搜索，并找到最优决策的方式。这就是为什么我说创业公司很难在这条赛道上跑出来，纯粹是浪费钱的原因。

只有前1~2两名（也有可能只有第1名）有资格选择闭源，从第三名开始，反正也追赶不上了，选择开源才最符合他的利益。但反过来说，假设AIGC部分只在全产业链占30%，但这30%却有极高的门槛。所以AI的渗透远比我们想象的更快。作为一个互联网老兵，很多朋友问浩哥AI这一波和当年互联网怎么比？其实区别还挺大的，互联网的核心价值是连接信息，AI是理解信息。

包括我的朋友王小川也在相关领域创业，以及很多FOMO的VC朋友，现在也在信誓旦旦一定要投或者已经投了大模型创业团队。但是其实以上这些，都没有场景更重要。

当然，既然是服务垂直行业，不管是AIGC+，还是+AIGC，创业者懂行业始终都是非常核心的。大厂没看上，觉得市场太小。也就是只有在非共识的情况下，创业公司才有机会抢跑，获得先发优势。这些最有价值的Know-How很可能不在互联网上，而是在企业的私有数据库里，甚至在一部分专家的脑子里。

另外用大语言模型做国内To C，会有比较高的合规成本。我们平时多在一二线城市跑，并未能关注到。严重一点的就是竞争对手会故意找一些敏感话题，然后去举报你，这就非常恶劣了，在互联网时代国内发生过很多起。所以创业公司做通用大模型，非常难。

钉钉的集成也很自然，其实就是微软Office系列的Copilot功能（AI助理）。华为和以上大厂比起来，场景是相对比较弱的。

因为这个全业务流程里，Adobe可能占了70%，以文生图只占30%。对比来说，竞争对手在产业链里深耕多年，90%已经有了，只需要补缺AIGC的10%，你觉得哪个容易？肯定是+AIGC更容易。

而且这个流量红利还在阿里的竞争对手手里，腾讯选择了扶持拼多多，没有自己亲自上场。可以说没有一家大厂不重视。而且微信有了授权，获取了个人语料之后，还可以个性化。而AI是把这本书仔细读一遍，融汇贯通，还可以回答任何问题。AIGC+ vs +AIGC ？还有一个创业者非常关注的问题：那就一个创业机会到底是AIGC+，还是+AIGC？换一句话，就是AIGC原生，还是AIGC赋能？做任何一个领域，比如说智能客服，创业者可以直接以AIGC做智能回复为切入点，然后把客服的全流程都做了。所以这是典型的国内To C市场，夹缝中做爆款。

当然有时候如果你觉得New Bing在乱讲，那你再去Google自己查询。因为大厂的这些超级APP里面，只有微信是自然语言驱动的，其他的APP都是在手机屏幕上划划点点。

再比如写作，本来也不存在唯一正确的答案。如果你是一名创业者，也想探索这方面的机会，欢迎随时和我们联系，一起开拓新的大航海时代。

我随便在New Bing（基于GPT4）搜微软的股票会涨么？，得到的信息（如下图），其实没有任何价值。中国人做海外To B的优势就是比较勤奋，迭代速度快，中国创业者996是默认，海外根本不可能。

甚至我们目前的教育体制都会受到冲击。所以这些创业公司（其实有的已经是独角兽了）是否还能像过去那样野蛮成长，还是有很大的不确定性。当然有人会挑战我说，浩哥你说的不对呀，人家OpenAI不也是创业公司吗？那事实恰恰是，当时Google等国外大厂没人觉得GPT能跑出来（甚至OpenAI自己也不确定），所以才给了OpenAI先发的机会。所以我觉得这个事在腾讯内部，大概率已经在路上了。

远景的话题我就不展开了，重点和大家聊聊大家所关注的：这一波大模型，哪些是创业者的机会，哪些不是？创业公司能不能做通用大模型？首先中国一定会有自己的ChatGPT。因为我做了这么多年互联网，深刻感受到那时候流量红利已经没了。

因此我判断：企业服务应该是开源模型的天下。国内SaaS上市公司的人均产值，是30-60万人民币，美国是30-60万美元。

首先，国际To C本身已经偏红海了，类似Jasper的公司，已经不下十几个了。第四个就是利用AIGC做海外To B。

因为通用领域，你也不知道用户会问什么。都是直接下载安装注册然后付费，全都自助完成，没有任何教育成本，因为在之前的公司就是这么用的。除了流量红利之外，还有一个就是做To C，大厂比较容易抄你。因为在New Bing搜索后，会直接给出答案结果，而不是Google那样给个列表，你还得一个个点进去查找。

但国内To B也继承了中国To B市场已有的问题，就是天花板比较低。你一旦PMF了，大厂就开始重视。

大厂的核心优势是自带场景。开源对于闭源最大的优势就是对私有数据的保护，这对于个人来讲好像无所谓，但是对于企业用户是一个非常核心的问题：我做一个SaaS产品，也想用大模型赋能，但是我并不想把我的行业Know-How和我企业内部的一些私有数据，透露给我的竞争对手，因为这是我的核心竞争力，怎么办？只能选择开源，自己host自己的大模型。

字节的飞书和钉钉也是类似。所以创业公司的痛苦之处也在于此，自己没有场景，像ChatGPT一样推问答，你还没流量。