來源：互聯(lián)網(wǎng)怪盜團(tuán)
當(dāng)ChatGPT于2022年10月30日橫空出世之時，我跟周圍的很多朋友一樣，幾乎立即成為了它的用戶。我很快認(rèn)識到了AI大模型在生產(chǎn)力方面的巨大潛力，尤其是在翻譯、回復(fù)郵件、撰寫周報、總結(jié)會議紀(jì)要等任務(wù)上。此后大約一年半的時間里，我試用過市面上大部分流行的大模型聊天機(jī)器人，以及基于大模型的生產(chǎn)力工具，其中有些給我留下了深刻印象；但我一直是淺嘗輒止，站在旁觀者的角度進(jìn)行研究和評判，從來沒有在真正的工作任務(wù)上依賴過它們。
為什么？因為AI生產(chǎn)力工具還存在許多缺點。它們普遍無法處理復(fù)雜的、結(jié)構(gòu)化的信息（例如各種文件）；它們經(jīng)常產(chǎn)生所謂模型幻覺（即瞎編的夸夸其談）；它們無法根據(jù)最新的外部信息調(diào)節(jié)其回答；而且它們的用戶界面往往不夠友好?？偠灾鼈兡苡?，但實用價值和可靠性有待提高。就像一支球隊中的青訓(xùn)天才球員，偶爾能靈光一現(xiàn)、讓人眼睛一亮，卻無法成為值得長期依賴的主力球員。相信很多經(jīng)常接觸AI大模型的人，會跟我得出類似的結(jié)論。
然而，現(xiàn)在一切都不同了。今年6月以來，AI大模型開始對我的日常工作發(fā)揮舉足輕重的作用；我已經(jīng)在GPT-4o上面花費了上百小時，在騰訊元寶上面花費了幾十小時，它們分別是我處理英文和中文信息的最重要的生產(chǎn)力工具。我毫不猶豫地開始為GPT-4o付費；可惜元寶還沒有付費選項，不然我肯定會欣然接受。為什么？這是由一系列技術(shù)和產(chǎn)品革新決定的：
現(xiàn)在的大模型普遍具備了多模態(tài)功能，在輸入端和輸出端能同時處理文字、圖片和音頻信息；視頻功能暫時還沒有被整合進(jìn)主流多模態(tài)大模型，但應(yīng)該只是時間問題。
超長文本處理，以及對多種主流文件格式的解析，已經(jīng)成為主流AI產(chǎn)品的標(biāo)配。直接把一個大文件或者網(wǎng)頁鏈接扔給大模型解析的感覺非常好！
對外部信息的搜索和梳理功能也日益強(qiáng)大。上面提到的GPT-4o和元寶都可以隨時發(fā)動AI搜索，整合多個渠道的外部信息，并且列出可追溯的信息來源。
對我而言，從現(xiàn)在開始，AI生產(chǎn)力工具才算越過了從能用到好用的那根金線。這就好像當(dāng)年的法國小將亨利去掉了小將前綴，小小羅在曼聯(lián)晉升為C羅——從靈光一現(xiàn)的神童變成了值得依賴的主力。就在昨天晚上，我與GPT-4o進(jìn)行了兩個多小時的對話，梳理了全球三大云計算平臺（AWS、Azure、GCP）的基礎(chǔ)知識；今天下午，則讓元寶幫忙總結(jié)了幾份很長的券商研究報告，從中找出了幾個值得閱讀的新穎觀點。我有一種越來越強(qiáng)烈的感覺：這就是未來的工作方式，也是AI生產(chǎn)力工具的正確打開方式。它們會幫助我們節(jié)約無數(shù)的時間，徹底改造大部分傳統(tǒng)業(yè)務(wù)流程，把我們的工作效率帶到前所未有的高度。
舉一個剛剛發(fā)生的案例：我詢問騰訊元寶，如何看待未來幾個季度騰訊游戲業(yè)務(wù)的走向。AI深度搜索功能自動啟動（此功能7月1日剛剛上線），在半分鐘內(nèi)搜索了40個信息源，引用了其中4篇作為參考（且附上了鏈接），向我提供了如下結(jié)論：
在DNF手游的推動下，騰訊游戲二季度收入將實現(xiàn)兩位數(shù)的增長；三季度產(chǎn)品排期尚不確定，但是海外市場將驅(qū)動游戲業(yè)務(wù)整體繼續(xù)增長。除了游戲業(yè)務(wù)之外，還應(yīng)該關(guān)注視頻號電商帶貨以及微信搜一搜場景的商業(yè)化，以及對AI算力的持續(xù)投資，乃至AI+游戲等下一代產(chǎn)品。
上圖為元寶APP的一般AI搜索結(jié)果，下圖為深度搜索結(jié)果
（在補(bǔ)充騰訊一季報文件之后，元寶又恰如其分地指出了Supercell和Riot Games對騰訊游戲海外業(yè)務(wù)的重要意義，包括前者的《荒野亂斗》和后者的《無畏契約》，等等。）
對于一個已經(jīng)非常熟悉騰訊及其游戲業(yè)務(wù)的分析師而言，上述分析略嫌粗淺；可是對于一個沒有相關(guān)知識儲備的普通人而言，上述信息已經(jīng)非常有用了。幾乎所有的事實列舉都是正確的，論點和論據(jù)之間的結(jié)構(gòu)關(guān)系明確，語言組織的方式也頗具可讀性。我不禁想起了七年多之前，我剛開始研究包括騰訊在內(nèi)的中國互聯(lián)網(wǎng)行業(yè)時，找資料、整理資料、確定資料可靠性，都是老大難問題；如果當(dāng)時就有生成式AI該多好?。?/p>
值得特別指出的是，與其他具備搜索功能的AI工具相比，元寶有一個巨大優(yōu)勢：對騰訊生態(tài)的信息覆蓋非常完善。眾所周知，微信公眾號一直是中文高質(zhì)量專業(yè)文字信息的主要發(fā)源地，就拿我熟悉的互聯(lián)網(wǎng)、AI行業(yè)來說，幾乎所有的優(yōu)質(zhì)原創(chuàng)文章都來自公眾號；對于上面那個騰訊游戲的話題，元寶援引的4條鏈接，就有兩條來自業(yè)內(nèi)頗具影響力的公眾號。除此之外，根據(jù)我的觀察，元寶似乎對財經(jīng)專業(yè)信息的覆蓋尤其健全，這可能是源自騰訊自選股、騰訊新聞等平臺的財經(jīng)內(nèi)容。我相信，除了財經(jīng)之外，應(yīng)該還有不少其他專業(yè)垂類受益于這種高質(zhì)量的信息覆蓋，這對于生產(chǎn)力應(yīng)用的意義怎么估計都不過分！
AI搜索非常重要，但它不能單獨解決一切問題。長文本理解和文件解析也非常重要，例如在上面的案例中，我手工上傳的騰訊財報PDF文件就發(fā)揮了補(bǔ)充作用；其實我還可以上傳自己制作的Excel表格文件，讓元寶進(jìn)行更深入的數(shù)據(jù)分析。讓我高興的是，元寶把搜索和長文本/文件解析兩項功能，比較良好的融合了起來。當(dāng)然，必須承認(rèn)，與GPT-4o這種全球領(lǐng)先者相比，元寶還是有差距的，在不同信息來源的無縫融合方面還需要提高。不過我相信，這種差距不是出于大模型底層的缺陷，它可以通過良好的產(chǎn)品迭代得到解決。
今年3月的《哈佛商業(yè)評論》刊登了一篇題為《人們究竟如何使用生成式AI》(How People Are Really Using GenAI)的文章，其中提到了幾個有趣的發(fā)現(xiàn)：在全球的十多億腦力勞動者當(dāng)中，只有大約15%在使用生成式AI工具。剩下的85%為什么不使用呢？有些是認(rèn)為它們沒有用，有些是因為它們經(jīng)常給出錯誤答案，還有些單純是因為用戶界面不夠友好。時至今日，大模型自身的技術(shù)能力其實已經(jīng)超過了許多重復(fù)性勞動的要求，所以很顯然，問題出在產(chǎn)品端。其實，今年5月13日發(fā)布的GPT-4o就是一個典型的產(chǎn)品創(chuàng)新——它的底層完全是基于已有的GPT-4和DALL.E大模型，只是把多模態(tài)、搜索和文本解析功能做得更好了而已。
因此，我能夠理解，為何騰訊對于混元大模型（元寶就是建立在混元基礎(chǔ)之上）的定位是實用級大模型。以前的大模型產(chǎn)品更像是給極客使用的，很有趣、很值得研究，可是易用性與普適性不足；元寶這樣的產(chǎn)品則是面向每個普通人的。按照我的一位從事AI產(chǎn)品研發(fā)的朋友的話說：元寶的進(jìn)步相當(dāng)快，我指的不是模型側(cè)的進(jìn)步，而是應(yīng)用層面的‘雕花’。從單純的技術(shù)角度看，‘雕花’好像沒什么大不了的，但那是用戶真正關(guān)心的。騰訊最擅長的不就是把用戶體驗做好嗎？我很期待再過幾個月的元寶會是什么樣子。
對于這位朋友的觀點，我還想補(bǔ)充一句：我們都說騰訊擅長產(chǎn)品，這個擅長不僅僅在于重視用戶體驗，也在于把各項功能有機(jī)地捏合為一款產(chǎn)品的能力。例如，在國內(nèi)主流AI產(chǎn)品當(dāng)中，秘塔很擅長搜索，Kimi Chat很擅長長文本分析，這些都得到了用戶的公認(rèn)；而騰訊元寶則是兼具了這兩項能力，形成了一條更順暢的工作流，實現(xiàn)了秘塔+Kimi的效果。這背后折射的，是騰訊從QQ到微信、從PC端到移動端一以貫之的產(chǎn)品方法論，以及高度重視實用性的產(chǎn)品經(jīng)理文化。未來的元寶會不會像微信一樣，建立龐大的應(yīng)用生態(tài)、添加越來越多的功能，乃至演化為一個完全融入工作和生活的AI全能助理？會不會與企業(yè)微信、騰訊會議、騰訊文檔等現(xiàn)有的生產(chǎn)力應(yīng)用更深入地融合起來？一切皆有可能，但是最終決定一切的，肯定是用戶的實際需求。
上面說的是比較長期的愿景。在短期，我認(rèn)為AI生產(chǎn)力工具的殺手級功能已經(jīng)出現(xiàn)了，那就是深度搜索、文件解析和多輪對話（記憶）功能的有機(jī)結(jié)合。這三項功能足以有效地總結(jié)外部信息、用戶提供的內(nèi)部信息以及模型自我生成的信息，對它們進(jìn)行高效處理，同時最大限度地排除低質(zhì)量信息和模型幻覺。對于大部分組織和個人而言，這已經(jīng)非常實用了！《哈佛商業(yè)評論》提到的85%的腦力勞動者為什么還不使用生成式AI的主要原因，由此得到了圓滿的解決。
生成式AI對人類工作流程的改變，才剛剛開始。今后還有更多、更復(fù)雜的問題需要解決，但是我們已經(jīng)走在正確的道路上了。我迫不及待想看到各類AI生產(chǎn)力工具百花齊放、爭奇斗妍的那一天——應(yīng)該很快就會到來。那些最先適應(yīng)這個時代的組織和個人，無疑將受益匪淺。
看完覺得寫得好的，不防打賞一元，以支持藍(lán)海情報網(wǎng)揭秘更多好的項目。
感謝您的支持，我會繼續(xù)努力的!
打開支付寶掃一掃，即可進(jìn)行掃碼打賞哦
手機(jī)直接保存圖片,掃一掃識別二維碼,即可進(jìn)行掃碼打賞哦
