大模型时代：普通人的超车机遇

大模型已经横空出世两年了，不论是chatgpt、sora这些带来崭新体验的产品，还是多模态、长文本等百花齐放的大模型技术。大模型不再是遥远的未来，而是现在，从推荐系统到语音助手，从数据分析到创意生成。对于普通人来说，这不仅仅是技术的变革，更是一次超车的机会。

---

大模型杀死了什么

大模型，即最核心的transformer系模型，成功证明了一件事情：“大力出奇迹”。哪怕是一个不怎么懂技术的土老板，走到我面前，都知道说：“咱这个模型，能不能再加参数，能不能再加数据量”。的确不怎么好反驳，虽然咱做的也不是大模型……但是的确大模型叠加几千亿的参数、几十TB的数据量，就是有更好的效果。比起之前的改进算法、改进模型或者精妙逻辑，好使很多。

之前，每一个AI场景，包括信息提取、机器翻译、语言识别、等都有专门的模型和框架，有德高望重的专家，各种网络结构、各种框架像万花筒，只要你有些自己的想法，不需要多少算力资源，就能搞出来不少东西。而当去解决某一个特定业务场景的问题时，每个模型的建设都需要算法开发、数据处理、模型训练与调优过程。很多时候往往还需要对多个模型进行优化和深度融合，这也意味着每个企业都需要设一个算法作坊，需要养着一大堆的算法工程师来做造轮子的工作。大模型“预训练+精调”模式带来了新的标准化AI开发范式，实现AI模型在更统一且简单的方式下规模化生产。

AI大模型会逐渐成为一种基础设施，使得从业者可以低成本、高效率地获得AI能力，应用到自己的业务中。那么杀死的是各式各样的模型调参师和固守成规的算法工程师，以及低脑力活动的业务从事人员。

最近一个大厂搞了一个技术黑客马拉松，很简单。就是一群人写prompt，在做套壳大模型，看谁套壳套的好。结果一帮产品经理甚至运营进来，写了几个bot，效果还挺好，什么宠物bot，直播bot的。虽然没啥技术含量，但是可以预感之后的大模型技术，门槛会逐渐两极分化，底层越来越难，业务层越来越简单，变成全员业务开发。

普通人，锤炼业务sense和想象力将至关重要。

大模型会颠覆哪些行业

显然 AI 对于大部分人的机会就不是基础、底座、通用这些东西。

随着 LLM 能力的提升，大家对于如何扩展、定制 LLM 能力的发现，可能越来越多的会在自己熟悉的行业发现更多的落地的机会，而这个落地一定是通过行业大模型来实现的。

大模型在应用层的特点是什么？海量数据形成的精准理解，个性化输入的反馈。

那么行业具有这样的特点呢，以及有这样的需求呢。

通过大量病例训练的大模型，加上大量的医学知识的对齐，医疗大模型完全用临床试验数据来辅助诊断，同时为医生提供最新的研究成果和治疗方法。可以在病例分析、医学信息的检索、症状对照以及个性化治疗的制定方面，发挥巨大作用。比如很多人在病、伤过程中，喜欢自行在网上寻医，有了医疗大模型的辅助，个性化问诊的效率提升。

再从”个性化输入的反馈“来看。提供情绪价值的大模型机器人，也有发展机会。结合年轻人压力大的“陪伴”机器人，与老年人日常交流的“防老”机器人。**但是仅仅只是文本类问答，那么将缺乏创新和价值，必将被通用模型+prompt取代。**应该结合实际场景，比如刚才说的年轻“陪伴”机器人，年轻打工人需要输入输出的很多，那么附加上轻文档功能和记录，模型可以整理并陪伴，就有了更多附加价值。再比如说“防老”机器人，除了提供日常交流之外，可以结合健康监测和心理支持。记录老年人的饮食习惯和血压血脂等身体指标。模型可以根据老年人的语言和行为反馈进行学习。

结合实际场景，提供附加价值，是这类模型的创新之处。

以及马云说的，要重做电商的“AI电商大模型”，目前比如客服行业，也是存在海量的数据，和个性化反馈的需求。通过自然语言理解提供更精准的客户支持。模型可以处理大量的用户查询，实时提供解决方案，并持续学习以提高回答问题的能力。此外，模型还可以分析客户情绪，优化客户体验。再比如电商直播，模型可以用来分析观众的反馈，提供实时互动和内容推荐，甚至亲自上场来完成与观众的直接的视频交流。

以此类推，教育也是存在海量数据，和个性化输入反馈需求的。将大量的知识结合学生们的实际情况，做出个性化学习计划。不管是外语教育、基础教育、科普知识，大模型都有很大的发展机会，但是目前教育类产品的竞争非常激烈，市场的要求非常高，需要做出差异化。

创业者在剧变的行业中，需要形成智能思维，这是一种可流程化、可分析、输入输出明确的思维模式。"可流程化"意味着能够将复杂的问题分解为一系列可操作的步骤，"可分析"则是指能够通过数据和逻辑来理解和解决问题，"输入输出明确"则强调了目标的明确性和结果的可预测性。这种思维方式能够帮助他们在复杂的商业环境中，快速理解和把握行业动态，进行有效的决策。此外，智能思维还需要具备创新性和适应性，能够在不断变化的环境中，灵活调整策略，创新解决问题。只有这样，他们才能在激烈的市场竞争中立于不败之地。

大模型不是技术的自嗨

创业者A：“把可拖拽的模块组合起来，生成工作流，再通过大模型技术结合工作流，去解析内容、分析内容、生成内容。这是我们的想法，用了很多先进的理念，听着很炫酷吧”。

投资人：“那你们的用户是什么样的，用户为什么需要用到这些技术，我直接对接chatgpt帮我写，然后用mj或者sd生成不就行了吗，如果你这个面向消费者（toc），那你这个模型的图质量比美图秀秀还好吗”。

创业者B：“我们发现了一个垂类的方向很适合做大模型，但是需要海量的数据和算力资源来做这样的模型”。

投资人：“那为什么不直接使用开源的大模型，外层套个prompt然后直接对接业务场景呢”。

这些是很典型的技术人和业务投资者的思维方式的碰撞。

大模型让很多技术人热血澎湃，纷纷下场，都想通过技术带来新商业，卷技术，卷模型，但是做出的产品不少是伪需求，损失惨重。

甚至有vc投资机构的大佬点了点一些国内大模型明星公司：“你们搞什么大模型，一个个花十几亿，有必要吗，我们等国外新技术开源不好吗，llama一出，多少钱打水漂。”

在现在的经济环境，普通人最忌讳跟着天才们一起天马行空，做一些rocket science，“蒙”中的可能性很小，到头来只能在酒桌上吹吹牛逼。不如看看海外一些验证过的idea和技术，找到国内已经存在的市场，用微创新的手段去解决一个老问题。比如强如Kimi AI，现在最受欢迎的业务场景也只是解析pdf然后读内容，一个大家都会使用的小工具，配上领先硅谷的长文本大模型等技术，听上去“杀鸡焉用牛刀”，但是有一个业务抓手，能“活”。

大模型的一万种蹭法

有一说一，本文也在蹭大模型的热度。**土壤造成了现在国内和国外关于大模型发展的差异。**之前有调侃：“国外大模型教父忙着开源、造厂、搞算力、做产品，国内大模型教父忙着卖课、写书、搞直播”。相比于国外的融资环境和比较高的用户消费心智，有助于长周期的技术发展和小而美产品的孵化，国内大模型技术专家反倒是得另辟蹊径来赚钱。

不过“英雄不问出处”，能站上这波风口起飞才是道理。不少愿意钻磨的先行者，学会使用了各类llm系工具，来生成文本、生成图片、生成视频，通过组合来达成某类内容的服务，通过卖服务来赚钱。

比如：前段时间在小红书上很火的“赛博机车美女照”通过模型将一系列网红的照片异化为各种风格的摩托机车女孩照片，让一小帮子人可以点点stable diffusion web ui按钮，就钞票到手。

比如：通过写或者卖大模型提示词prompt，来帮助各类广告商写广告词，帮助各类写手码文案。

又比如：制作AI数字人，去帮助直播卖货提效。

更高级的比如非专业导演的电影制作：通过gpt生成剧本、关键节点和文生图脚本，通过sd mj等工具生成一批剧照，再根据视频大模型工具比如sora等去衍生图片、生成视频，最后通过修饰、剪辑、配音等传统手段去微调和优化视频，得到一部低成本的短片。

这类同学通过专注于某类大模型工具的使用，去卖服务，是一种手段。

在国内有了掘金的需求，就有了卖水的需求。运营社群，去教会你如何通过工具挣钱，以及直播、卖课。去打造社群价值体系、社群运营体系、货源体系、用户拉新流转留存体系，的流量玩法，应运而生。卖课教父“年入五千万”，也是一种手段。

其他还有各种消费行业、去重构市场，去通过大模型微调一些小需求，比如大模型帮你算命，大模型帮你心理辅导或饮食建议，大模型帮你测mbti性格，都是普通人区别于企业军团作战的创业手段。

---

大模型技术在一个时代周期中的位置

历史不会重复，但是会押韵。我觉得可以从两个角度来看这个大模型技术的位置。

从宏观角度看，在历代工业革命的规律中，可以归纳。

第一次工业革命，主要技术是蒸汽机，带来了机械化生产。社会经济影响包括城市化进程加快，社会阶层分化，工人阶级的形成，以及资本主义的发展；

第二次工业革命，主要技术是电力和内燃机，带来了大规模生产和工业化。社会经济影响包括生产效率的大幅提高，消费主义的兴起，以及全球化的初步形成；

第三次工业革命，主要技术是信息技术，带来了数字化和自动化。社会经济影响包括信息社会的形成，全球化的深化，以及新的经济形态（如电子商务）的出现；

第四次工业革命，也就是现在，主要技术是人工智能、机器人技术、物联网、大数据等，带来了智能化和网络化。

社会经济影响包括生产方式的根本变革，就业结构的重大调整，以及社会治理方式的创新。个人除了独特的创新，其余能做的，大模型都能做的更好。大模型技术能够学习和模仿人类的行为，完成各种复杂的任务。企业可以进行更精准的市场预测，优化生产流程，实现个性化定制等，从而提高生产效率，降低生产成本。这是因为大模型技术能够处理和分析大量数据，提供有价值的信息和洞见。

经济发展模式从以规模和速度为主转向以质量、效益、个性化为主，从资源消耗型转向绿色环保型。这是因为大模型技术能够帮助企业和社会更有效地利用资源，提高效率。对普通人来说，要求更加高了，但是上限也更高了。

而从微观角度看，在信息时代，可以推演。人类对于一项新的技术，是分阶段的，先感知（观察并获得信息），思考（将信息表达、归纳、转化为知识、并作推理和规划），实践（实际去做出互动、能量转化、控制以此达到目标）。

很显然我们经历了第一个阶段：记得二十年前，在浦东开个车都要买张地图，现在高德地图随便就能搜到目的地。这就是信息的爆炸；

我们正在经历第二个阶段：我们对于海量的信息，我们进行了转化和推理，包括Open AI在内的众多科技公司就是通过海量数据训练，生成出通用大模型或行业大模型；

那么很显然，第三个阶段将是–实践，我们需要通过技术来对环境产生影响。自动驾驶、机器人、精确控制，很显然将是下一个阶段的基础。包括特斯拉、小米在内的科技公司也都在发展这样的组合技术。

针对于Open AI、特斯拉、小米这些科技公司的解析和调研已经太多，本文就此略过。重回普通人，那么在这个阶段转变的节点，在知识成本降低，知识应用能力和生产力提升的情况下，我们需要注意什么，能做什么呢。

每个人都会开始用这个辅助大脑（大模型），直到它能力增强慢慢成为主力大脑，最后会形成一个共同大脑。人与人，人与智能，智能与智能会产生各种链接和合作，产生无数可能。我们需要勤于扩充知识广度，不管任何行业，需要阅读关键论文，并深度思考；同时必须以行动为导向，思考清楚后，果断采取行动；最后就是不跟风，因为追逐热点可能代价和机会成本会更高。

结尾

创业者创造的价值，创造的财富会越来越多，机会也会越来越多。

在这个时代，大模型带来了更普适的能力，更短的开发周期，更少的资金需求（不搞基础设施）。

普通人，从产品和业务层面去探索机会。看看能否在所在的行业中，找到颠覆的机会。在变革的浪潮中，探索更多机会。

现在的机会除了数字化基础：像移动互联网/云、人工智能/边缘计算、新兴平台等，属于企业。普通人如果要做，得不走寻常路。

像数字化应用，我们是有很多机会的。我们需要细分人群，如果做toc，我们需要关注马洛斯人类需求层次，如果做tob，我们需要关注降本增效，如果做tok，我们需要关注这些创作者们的个性化需求和体验。

同时之前很火的其他技术，也并不是和大模型技术割裂的。把大模型去结合那些前沿技术比如：移动互联网、3D元宇宙、web3.0、脑机接口、新能源、生命科技、新材料分析、新空间技术等等，都会有机会，这个后面文章会一一分析。

同时像前文说的三阶段：**感知、思考、实践，合一（即信息+模型+行动），也将会产生大量的机会。**看看哪个行业缺少或欠缺这三合一的哪一part，比如，电商领域有信息有行动，但是没有好的模型，chatgpt有信息有模型，但是缺少好的行动。电商需要重做AI+电商，Open AI需要设计出应用大模型的killer app，做好端。而我们在每个小点上，都可以用这种方式去思考缺少什么，可以做什么。

这是新的“大航海”时代，去探索，去创造吧。

​

如何学习AI大模型？

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

四、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。