為什么說“模型不是產品”

最近看到一篇很有意思的文章：，核心觀點是模型即產品。這觀點我事實上前面在“”中已經回復過，這篇我舉個具體的例子，進一步聊下模型和產品的邊界。

先說結論：AI大模型會折疊掉大量按照過去思路設計的產品，但也會催生一個全新的產品簇。從對舊世界產品的破壞來講，模型即產品；從創建新產品世界來講模型不是產品。

下面拿企業舉一個具體例子，然后分析其中各個環節，看哪些環節是會被折疊到模型之中，而哪些不會。然后其它領域大家可以自行腦洞。

人的角色和價值

比如蘋果公司，這公司做的事可以簡單概括為創造新產品，改善新產品，銷售。如果忽略細節公司的運轉就變成一個不停創造知識，并用新知識打造新產品的系統。

這時候企業自身的運轉可以看成是一個知識創建和流轉的過程。

描述這個創造過程的理論中比較有名的是野中郁次郎的SECI（下圖是從侯宏老師PPT中截取的）：

現在AI要重塑這個企業，哪里會發生變化呢？

如果我們不認為蘋果公司會變成Matrix，也就是說你不扔主意它也干活。

也不認為這是一種人控的Matrix，也就是說你扔一句話它就把活干了。

（上述兩種情形如果實現，其實就沒有公司了，是完全另一種經濟形態和社會形態，即使可能，也科幻的很，就不說了）。

那么上面的知識創建和流轉過程就必然需要加入AI的角色。

過去知識創造過程里，人和組織是二元分立的，人是知識創造的主體，創造的東西需要在組織中存儲，所以往往被命名為知識庫等等。

但在新模式下，AI驅動的組織既承載知識也創造知識。

這里產生第一個邊界：AI不會創造所有知識，真正的新知識創建還有人類的角色在。也就是說當地球上從來沒有過現在我們在用的智能手機，AI直接就把它干出來，估計不是這樣的。還要喬布斯等人的介入。

這個邊界也會成為模型不是產品的支撐，人與智能組織的協作邊界是需要復雜定義的，并且每個公司的知識系統不一樣，偏好不一樣，模型自身不能包含所有公司的偏好和特征。

數字與非數字的邊界

下面再深入一層，然后說第二個邊界。

在新模式下，AI也是知識創造的主體（當然人也還是）。

在這個知識過程中在不同情景下，人和AI的權重是動態的，比如棋譜那可能就真的是百分百AI，但比如某種制造工藝，那就可能是人+AI，再比如某種道德體系那就可能完全是人。

但不管是哪種配重，最終知識的承載主體會變成組織，新式的智能組織。

這是和過去的根本區別。

在這個知識創造過程中，一共就有這么幾個相關的角色：

1. 既有的沉淀到數字空間的知識。

2. 尚未沉淀到數字空間的知識

3. 人、AI

3沒什么好說，1、2可以用另一個模型來做思考。

（繼續盜侯宏老師的圖，DOS模型本意應該不是這個，算是歪念的經）

這里面：

Digital space：可以代表企業歷史沿革，過去在數字空間中都沉淀了什么，比如歷史經營現實，數字資產等。

Resource space: 可以代表社會關系中的所有權，企業有什么，比如有2畝地，一棟房子

Utility space: 可以代表你的可操作性，比如有兩頭牛，三輛車。

Institutaional space：可以代表某種權限結構

這四個維度上數字和非數字各有邊界，所有權有邊界，并且因為現實世界的流變所以也都會動態增減。

在知識創造過程中，人可以調度這四個維度上信息進行知識創造，AI也可以。

因為這里面很多東西是私有的，所以私有知識應運而生。

如果我們不假設世界是百分百數據化，也不假設沒有所有權邊界，那么第二個邊界就出來了。

所有權和非百分百數據化成為第二個邊界。在上面四個維度上都需要接口，這種接口不太可能一下子適配所有的公司。適合蘋果的大概率不適合小米。每個企業在這個邊界內創造自己的部分，并且也有一部分會不停流入公域，流入大模型，但真正有價值的是屬于自己的那部分。包括AI創造的，人創造的以及兩者協同創造的。

我自己判斷，在特定約束條件下，排列組合型的知識估計都是AI主導了。

但如果本來不知道怎么造7nm芯片，而想把它工藝創造出來，估計純粹AI還不靈，需要人+AI，因為這牽涉很多物理世界的實驗設備、反饋等等。

上面兩個邊界決定了AI進入企業后，企業會變成一種新式的動態知識系統。每個企業并非是歸一化的，但邊界之外可以歸于模型，這是歸一化的，邊界以里歸于自身，這是差異化的。也就是說如果企業不創造差異化的知識，那基本沒有存在價值。

而兩者之間（差異化的知識和公有的知識）的連接就是新型應用。它注定是一種系統型的超級應用（以前寫很多這個話題，大家自己翻翻），這次再往下延展一點。

系統型應用

這種應用的功能不可能是單純數字、AI完成某個簡單任務（創建文件、拷貝文件、瀏覽、總結等等）而是要完成上面說的動態知識創建。

在四種維度上都需要一種表征（即統一的企業模型），如果為了通用，這種表征還要比較抽象，通過具象和實例化能夠變成不同的企業。

這個企業模型不是AI大模型，一定程度上和過去ERP底層的模型類似，但要面向AI。

任何時間點它都要是一個企業全量信息的截面。同時又因為不可能所有企業都完成充分數字化，所有任務也不可能完全由AI完成，所以要留有一個動態的讓人接入的接口。

用Glean來舉例，就是左下connector加上權限等形成的一種企業表示：

而這套系統要想運轉起來，那么除了一套執行系統類比經常說的System1，還需要System2，System3。我們最后說核心的System1。

System2可以看成一個在各個方面需要和人進行交互的界面，核心是注入人類的知識，比如運行的基本策略等等。

System3可以看成是一個對某些物理世界的活動單元進行管理感知的系統，比如你需要配送，那要知道車在哪兒。

System2和System3都需要和人打交道。

System1則不是，System1基本是一個純粹的由AI智能體組成的系統。它消化人的注入，自己也創造知識，同時也完成企業的核心運營。如果要類比，那在Robotaxi這類系統中這部分完成對所有出租車的調度管理。并一定總是需要3套系統，System1在一段時期會最關鍵。

暫時似乎看不見把這三個系統合并為一，變成一個超大號的端到端系統（可以回看前面兩節提到的邊界）的可能，如果是這樣，那其實就是模型的歸模型（通用知識和通用智能），應用的歸應用（任務導向的多角色聯動，權限，物理世界的接入，人機協同邊界的處理等）。

小結

如果從工具（AIGC等）的角度看模型確實只會看到歸一化，歸一化的結果就是模型即產品（我以前寫的是模型即應用）。如果從知識創造過程來看待模型就會發現模型也不過就是其中一個環節（不能把模型等價為全知全能），這時候顯然的模型不是產品，而是一個部分。更上位的就是智能原生的產品。上面雖然拿企業端舉例子，C端其實是類似的。

歡迎大家加入AI碰撞局，深入探討AI相關的各種問題，具體請聯系：shuixiu2024。