"长了脑子"的AI
和以往的我们谈的AI算法不同，这一届的AI开始，让人感觉仿佛是长了"一个脑子"，它可以通过对话的方式，给出一些符合逻辑性的回答。我们知道这是因为在AI训练的时候，当参数达到一定的数量级时，AI出现了"智慧涌现"的变化，仿佛一瞬间开了窍。
比如我们以往需要写一篇宣传软文，或者编写一段代码，它在1秒内的工作成果和人类5分钟的成果输出没有太大的区别。这也就突出了AI目前最突出的价值--- ---提高生产效率。
就单一工作来说，AI似乎比人类做得更好，比如老板或者客户让你修改方案，你改了一稿又一稿，最后客户选择了第一稿。AI就不同了，当你使用GPT或者Copilot时，至少你现在可以将文稿或者错误的代码一边又一边交给它，告诉它修改意见或者你的修改想法，它可以"不厌其烦"地帮你改到你累为止。
虽然AI目前还存在"幻象"或者"幻觉"问题，但当我们将任务拆分得足够细，或者流程足够合理时，AI的工作产能无疑是巨大的提升。
AGI正在悄悄接近
AGI（Artificial General Intelligence），也就是通用型人工智能，正在悄然接近。
构建一个LLM大模型会包含预训练和微调2大核心部分，训练方式又包含监督学习、非监督学习、强化学习、对抗学习等等。本质上，我们是在通过"教学"的方式，让大模型不断对一个概念的各种运用场景进行总结和理解，从而最终达到理想化输出的水平。
学习-总结-分享，这是人类学习新事物的定向模式，而现在AI开始通过输入-分析-输出的模式来模仿人类的思维范式，当AI将一件事物拆分到足够细，分析的角度足够多时，那么我们距离AGI实现也就不远了。
行业又一次被重塑
在PC互联网时代，我们使用软件将行业流程进行重塑，使其从线下走到线上来，打破了信息传递的枷锁，提高了信息交互的效率。在AI时代，所有的工业软件、消费软件，都值得被用AI重新做一次，再一次突破流程上的枷锁，实现真正的智能运作。
AI对于行业所带来的，不仅仅是技术上的变革，而对于行业人才来说，会有越来越多的有想法的人，可以借助AI作为工具快速了解行业，甚至在短时间内成为这个领域的专家。当一个行业储备了足够多相关领域的人才，那么这个行业或者领域将得到快速的发展。
未来的产品形态
在AI开始逐渐影响各行各业后，未来的产品形态可能会呈现两种形态，一种是主流的和GPT、Copilot这种对话框方式，利用自然语言交互的方式，通过聊天来完成事情，比如我们打开一个页面，告知AI需要实现什么效果，AI就可以实时渲染和反馈。
另一种形态是AI Agent，在日常的使用场景，特别是ToB场景中会有许多的任务流、操作流的存在，我们可以都使用一个AI Agent来完成该节点的工作。比如制作一个视频，需要文案、音乐、分镜......最后合成视频，原本手工做的事情，通过拆分工作阶段，建立一个标准化的流程，再通过AI Agent来完成标准化流程的每一步，从而使得整个流程自动化。
"π"型人才
每当一个新技术来袭时，不免的让人产生焦虑，这份焦虑一部分来源于对自己未来的不确定性，一部分来源于外界各种焦虑灌输。在这样一个大模型加持的环境下，我们都需要停下来想想，自己未来的路应该怎么走。
在AI时代，每个人都应该成为一个超级个体，即"π"型人才。超级个体可以一个人抵得上一个小团队，甚至一个小公司，可以完成以往需要10人或100的人的工作。借助于AI工具，去学习自己工作上下游的工作，成为所谓的全栈人才。
AI业内有一句话叫做：淘汰你的不是AI，但是有可能是你旁边会用AI的同事。程序员在除了了解编程之外，还应该去了解一些跨端，或者跨界的人在做什么，从而达到自己去尝试完成你的上下游同事完成的工作。比如你不用等着产品经理出需求文档，不用等着UI给设计稿，自己就可以尝试去完成这些岗位所做的事情。