对GPT的一些思考观点

        站在个人角度，对于GPT是否意味着革命机会我觉得需要做一些更具体的尝试才行。上次看老板在群里分享了一张图片，大意是说GPT意味着如下几个机会：生产工具（写代码，生成内容、生成报告）、对话引擎（数字人、客服）、个人助理（情感陪伴、知识问答、辅助任务）、智能金融（风险评估、研报分析、智能投顾）、休闲娱乐（角色扮演、智能推荐）；这些听上去都对，但也都不是单凭个人就能够实现的。

        我觉得这次AI给个人带来的机会，就是造就“超级个体”。因为它能带来的效率提升是指数级增强。当然，这种增强也同样依赖于个人的知识储备，因为GPT需要prompt，相当于需要用知识解压缩海量知识。

        下面说下我的近期几点思考：

1、对于大部分普通C端用户而言，很少有人会为copilot（个人助理）买单。因为copilot往往意味着save time。而save time的产品一般都是变现非常困难的产品。只有某个特定岗位的copilot才容易变现。比如我就购买了github copilot，因为能够帮我生成代码，确实非常好用。但你要懂得如何描述清楚需求写好prompt，而大部分工程师都不喜欢思考和分解业务，所以也就无法用好。

2，我其实不是纯粹为生产效率买单，不是说它能生成代码就OK。而是它要在我的prompt下要表现的像熟手一样生成代码，我才会买单。说到底我仍然是在为最终解决方案的质量买单。我这类愿意买单的用户属于“professional consumers”。这类人群更容易知道工具带来的高效价值体现在哪里，所以才会买单。放到公司内部，如果你所在部门需要服务群体的专业水平没有那么高。那么，他们也很难体会到系统带来的高效到底有什么价值。其实道理都是一样的。

PS：下面这张图是google的2022年的应用市场的收入数据，我们看到，工具、社交、娱乐是用户最愿意买单的三类产品，下载量也是最大的。

3，场景的相互组合可能产生更有意思的场景；比如个人助理+智能金融+生产工具 = 智能投顾。不过单就这个例子而言，从表面上看逻辑貌似是对的。但问题是，现在的GPT技术是否真的能对风险进行评估，对研报分析和市场走势判断比专家是否更准？这个就是共识不一致（也是可能的机会）的地方。因为就GPT目前的表现而言，由于统计概率在发挥作用，很有可能读了各类研报之后，它会总结出一个“随大流”的观点，但背后的投资逻辑没有被真实学习到，所以得出的观点未必靠谱。当然，这个问题一定程度也能被解决，因为GPT展示的另一个能力是叫“智能涌现”，只要投喂的数据前期被标注的好，从技术原理上看，垂类大模型的表现是一定远超人类的。因为它能考虑到的维度量级实在太多了。

4，我发现一个有意思的AI产品：只要在https://www.oxolo.com/上输入自己的海外站，就可以自动生成模板化的产品介绍视频。这个idea其实很酷，因为它不仅仅能生成营销文案，而且还解决了自动读取数据、自动学习产品的问题。前期我做过一个实验，由于openai对输入的token存在限制，所以直接把几十页的研报喂给GPT是不行的。需要先用OCR将图片版的研报进行识别，生成文本。然后要再根据段落切割文本，最后再给GPT设置人格，进行分段prompt。整个prompt的过程同样很考验给到GPT的案例是什么，从而让它能理解整个业务场景和输出目标。总之，我觉得只有解决端到端问题的AI产品才有卖点。openai从定位上看属于作为AI基座给专业人士使用。其他普通用户可能就是玩一玩感受一下chatGPT。

5，我觉得可以利用GPT做解梦和算命的场景。我以前曾有一段时间喜欢研究命理学说，对古人的“梅花易数”和“六爻占卜”之法都很好奇。在看过一系列书之后，我觉得古人本质上也是在用概率对抗不确定性。怎么理解呢，相当于在玩德扑的时候，我们会提前记住不同位置需要的手牌范围。然后根据手牌、位置、筹码深度等维度制定自己的下注策略。其实这就是在利用概率来对抗不确定性。

通过数据分析，我想下面这张图已经可以表达出“算命”和“解梦”的用户需求程度，以及怎么找到这些用户。至于产品如何设计，如何跑通闭环我还得继续琢磨下：

6，AI+Web3是否有可能产生更好的赚钱机会呢？我觉得web3最大的功能亮点就是智能合约。比如AI生成的内容如何具备有效性赢得客户信任呢，我们是否可以利用智能合约记录AI生成的内容，从而让客户更加信任AI，最后为合约的内容买单。我感觉是有可能的，比如外汇交易平台的差价合约如果能写入以太坊，那绝对是更受客户信任，从而赢得更多客户。

 7，现在一个新的问题也来了，在AI时代还需要学习知识吗？我觉得在AI时代更需要学习垂类知识，对于通用技能则可以放低要求了。GPT虽然是个大型知识压缩模型，但让它有效的解压缩知识就需要我们有一定的背景知识。如果没有，那么prompt就很难写好，提取出来的知识质量就会很一般。而个人的知识存储（对业务和场景有更深的理解）就像是钥匙，这把钥匙可以通过prompt更好的解压缩海量知识。（前面说的web3智能合约就属于垂类知识，而一些编程技能比如java就可以不用那么花时间。）

8，我觉得国内公司在很长一段时间都比较难发挥出GPT的价值。因为GPT相当于创造了一个“知识丰富的人“，属于生产要素的革命。而在当前环境下，国内最不缺的就是人，所以机器产生的边际收益没有那么高，最后造成机器带来的采购和维护成本比人高。汽车在1886年就被发明了，在当时的大清，雇四个人抬轿子比买汽车要划算多了。