生成式 AI 这一波，作为非技术人员，我的突破口究竟在哪里？

生成式 AI 这一波，作为非技术人员，我的突破口究竟在哪里？ 这个问题，从去年上半年开始，我一直在探索。但迄今为止，也不敢说有多么确切的答案。 最近读到几篇有意思的文章，感觉还挺给我信心的，试着整理出来： 1、智能效能=大模型的智商水平 × 现实理解的深度 内容来自《假如想做一个只有AI智能体的公司，那要分几步？》[1]。 前半部分的“大模型智商水平”，要依赖 AI 科学家和工程师们；后半部分的“现实理解的深度”，却主要靠各个领域的高手。 文章中说，这事行不行，能搞到什么程度，不是程序员能验证的，而是「理解领域的人」要自己操练大模型做判断。 而这，就是非技术人员的突破口之一。 2、做“汤姆猫”实现能力升级后，再去超越“汤姆猫” 结论来自《AI应用之路：质疑汤姆猫，成为汤姆猫，超越汤姆猫》[2] 文章中说，汤姆猫是2010年移动互联网早期的一款应用，迅速走红，又淡出视野。 这也对应了自己一些时候的焦虑吧，现在手头的事情，会不会昙花一现，难以长虹。 然后，文章里的这两段话安慰到我了： “AI现在所处的极早期阶段，在寻找PMF的时候，先不要嫌弃他是汤姆猫，找个具体且收敛的切入点，跑通他，让自己有个实验室，先完成能力跳变。” “（PMF）跑通后，整个人的思考水平、决策的犀利程度、心态的平稳度都有一个质变，再之后，就和业务量爬到几层楼相关了。” 3、赢家常常不是第一个，但大概率是第一批 规律来自《议古论今：聊聊现在AI应用层创业者面对的三个问题》[3] 通过梳理过去50年IT产业的发展和创业历史，这篇文章中发现： 第一个吃螃蟹的人，产品往往不完善；但笑到最后的玩家，都来自「产品定义/商业模式成为共识前」冲进来的那一批。 如果历史会押韵，那么与我而言，倒不是奢望成为所谓的“赢家”，但至少能说明早点来牌桌上呆着，是有一定价值的。 [1] [2] [3]