怎樣才能提前2年看穿OpenAI的發(fā)展路徑

就在10月6日的開發(fā)者大會(huì)上，OpenAI描繪了一個(gè)清晰的未來：

AI將通過智能體（Agents）無處不在，而OpenAI的平臺(tái)本身，將越來越像一個(gè)操作系統(tǒng)。

當(dāng)他們發(fā)布全新的Apps SDK時(shí)，一個(gè)兩年前的我的行業(yè)演進(jìn)判斷得到了終極印證。

早在2023年，我便在《》等文章中提出，大型語言模型（LLM）的本質(zhì)是“一種新式的云端的操作系統(tǒng)”，并勾勒了其后續(xù)的產(chǎn)業(yè)演進(jìn)脈絡(luò)，參見：

當(dāng)時(shí)很是被噴了一頓。

這里我想做的就是通過一次復(fù)盤，揭示一種能夠提前預(yù)判走向的分析方法。這種方法的核心，就是我曾在《》一文中探討的：

在“實(shí)”（技術(shù)現(xiàn)實(shí)）與“名”（抽象概念）之間穿梭，進(jìn)行獨(dú)立的思考與推演。

先強(qiáng)調(diào)下：說到底要回到自己的邏輯，回到技術(shù)現(xiàn)實(shí)，回到數(shù)據(jù)（雖然有時(shí)候沒有），所以還不是算卦。

最新的對未來的判斷在下面這本書里面：

案例一：預(yù)判AI大模型會(huì)走向“操作系統(tǒng)”

最初的判斷（2023年）：

在《》一文中，我明確反對將LLM簡單類比為云服務(wù)或搜索引擎，因?yàn)檫@種類比“失之毫厘，謬以千里”。

● 它不是云服務(wù)： 云服務(wù)是成本中心，不改變數(shù)據(jù)價(jià)值本身。而LLM是“數(shù)據(jù)價(jià)值的放大器”，是利潤中心，其放大倍數(shù)的差異“會(huì)導(dǎo)致生死的差異”。

● 它不是搜索引擎： 搜索的核心是信息集散，而LLM的核心是內(nèi)容生成、邏輯推理乃至決策。將它局限于搜索，是“買櫝還珠”。

我當(dāng)時(shí)給出的核心判斷是：

LLM與Windows和安卓更像，它是一種新式的、云端的操作系統(tǒng)。

這個(gè)“AI操作系統(tǒng)”將顛覆過去的人機(jī)交互范式。在《》中我進(jìn)一步解釋了下：

“低智能、低信息量的前提下，最合適的吞-吐信息的方式一定是分類。菜單、按鈕、網(wǎng)頁導(dǎo)航等全是分類。整個(gè)圖形用戶界面交互的基礎(chǔ)就是分類。高智能、全范圍信息量的前提下，最合適的吞吐信息的方式會(huì)變成對話。智能體負(fù)責(zé)分類并折疊了它?！?/strong>

這意味著，AI正在成為繼PC、手機(jī)之后的第三個(gè)“通用計(jì)算平臺(tái)”。

它將以“對話”和“意圖”驅(qū)動(dòng)，成為所有應(yīng)用的統(tǒng)一入口，并最終像折疊卡片相機(jī)一樣，將純粹的數(shù)字工具歸并為自身的一個(gè)功能。

兩年來的事實(shí)什么樣呢？

OpenAI的發(fā)展路徑，尤其是最新的開發(fā)者大會(huì)，為“操作系統(tǒng)”這條演進(jìn)路線提供了個(gè)新證據(jù)，至少在下面幾個(gè)方面上：

1. 戰(zhàn)略官宣邁向操作系統(tǒng)：這次可以看成是OpenAI戰(zhàn)略意圖的一次徹底攤牌。他們不再滿足于提供模型API或者做一個(gè)簡單應(yīng)用，而是明確將自己定位為一個(gè)承載無數(shù)AI智能體的“操作系統(tǒng)”。這個(gè)新操作系統(tǒng)讓chatGPT這類應(yīng)用從一個(gè)被動(dòng)的“應(yīng)答者”變成了一個(gè)可以主動(dòng)感知、規(guī)劃、執(zhí)行任務(wù)的“行動(dòng)者”。

2. 一個(gè)完整操作系統(tǒng)的架構(gòu)浮現(xiàn)： 一個(gè)操作系統(tǒng)的生命力在于其應(yīng)用生態(tài)和完整的架構(gòu)。Apps SDK后，操作系統(tǒng)的各個(gè)組件已經(jīng)比較清楚（雖然還就像Win32的初級(jí)階段）。我們可以類比下：

a. 模型 (Model) 如同操作系統(tǒng)的 內(nèi)核 (Kernel)，負(fù)責(zé)最底層的智能計(jì)算。

b. Apps SDK 扮演了 系統(tǒng)API 的角色，為上層應(yīng)用提供調(diào)用內(nèi)核能力的標(biāo)準(zhǔn)接口。

c. GPTs 則像是 應(yīng)用外殼 (App Shells)，是用戶與系統(tǒng)交互的語義化界面。

d. MCP (模型控制協(xié)議)等類似于 驅(qū)動(dòng)層協(xié)議，確保硬件（數(shù)據(jù)源、外部工具）能被內(nèi)核識(shí)別和調(diào)用。

e. ChatGPT 本身，就是這個(gè) AI-OS 的集成體現(xiàn)。這時(shí)候要記得奧特曼和蘋果的前設(shè)計(jì)師不停的在勾搭，原因就很清楚了。

f. 而 用戶 (User) 在這個(gè)系統(tǒng)中，則史無前例地扮演了多進(jìn)程任務(wù)調(diào)度者 的角色，通過自然語言同時(shí)啟動(dòng)和管理多個(gè)復(fù)雜的任務(wù)流（Agents）。不是一個(gè)應(yīng)用干一個(gè)事，而是一個(gè)應(yīng)用干所有事。這明顯是應(yīng)用級(jí)別的OS。

這個(gè)完整的架構(gòu)標(biāo)志著生態(tài)構(gòu)建馬上就進(jìn)入深水區(qū)了，一個(gè)龐大的原生智能體生態(tài)呼之欲出。

最終當(dāng)然不一定是OpenAI勝出，Google這些玩家怎么可能開心，后面各種常見的競爭套路都會(huì)出來的。

3. 操作系統(tǒng)即下代通用計(jì)算平臺(tái) 如果說之前的ChatGPT還只是一個(gè)超級(jí)App，那么以Apps SDK為基礎(chǔ)構(gòu)建的未來，就是一個(gè)真正的“通用計(jì)算平臺(tái)”。開發(fā)者構(gòu)建的Agents可以操作瀏覽器、調(diào)用其他軟件API、管理文件，真正成為所有軟件的上一層——那個(gè)總調(diào)度的中樞。這正是“通用計(jì)算平臺(tái)”的本質(zhì)含義。

這種判斷的根源何在？

在《》中我曾畫圖對比：

● 舊模式： CPU提供算力，程序員提供智能。

● 新模式： GPU提供算力，大模型提供智能。

當(dāng)“智能”的供給方發(fā)生根本性變化后，上層的應(yīng)用形態(tài)、交互方式必然會(huì)被重塑。抓住“智能供給”這個(gè)牛鼻子，就能推導(dǎo)出交互方式必然從“分類”走向“對話”，應(yīng)用架構(gòu)必然從“孤島”走向“被操作系統(tǒng)統(tǒng)一調(diào)度”。

案例二：預(yù)判AI商業(yè)化的漫長與垂直生態(tài)的崛起

最初的判斷（2023年）：

在《》中，我給出了一個(gè)在當(dāng)時(shí)看來頗為悲觀的判斷：AI行業(yè)，尤其是希望構(gòu)建平臺(tái)或深入行業(yè)的公司，在3-5年內(nèi)難有商業(yè)模式，甚至?xí)凹哟筇潛p”。

原因在于：

1. 商業(yè)要素未變： 客戶議價(jià)能力、成本結(jié)構(gòu)、競爭格局等核心商業(yè)要素并未因技術(shù)突破而改善。相反，算力、數(shù)據(jù)、人才成本和模型升級(jí)迭代的壓力還在劇增。

2. 增長模式改變： AI平臺(tái)的構(gòu)建不是互聯(lián)網(wǎng)式的“大水漫灌”，而是“持續(xù)打深井”。它需要在一個(gè)領(lǐng)域做深做透，形成系統(tǒng)性產(chǎn)品（我稱之為“把IBM未完成的沃森事業(yè)干好”），這與追求“快”的互聯(lián)網(wǎng)打法背道而馳。

3. 垂直生態(tài)的必然性： 我斷言，市場不會(huì)只有一個(gè)通用大模型。因?yàn)椤癘penAI的大模型再厲害也解決不了便利蜂的供貨補(bǔ)貨問題”。因此，“每個(gè)垂直的領(lǐng)域注定會(huì)有一個(gè)自己的大模型，而每一個(gè)大模型都是一套系統(tǒng)和生態(tài)?！?我將其比喻為一個(gè)個(gè)“章魚”，模型是頭，終端和數(shù)據(jù)源是觸手。

兩年來的事實(shí)也是基本呼應(yīng)。

1. 虧損成為常態(tài)： 現(xiàn)實(shí)情況比預(yù)想的更為嚴(yán)峻。除了少數(shù)頭部玩家，全球絕大多數(shù)AI創(chuàng)業(yè)公司仍在巨額虧損中掙扎，尋找著產(chǎn)品市場契合點(diǎn)（PMF）。“百模大戰(zhàn)”的價(jià)格戰(zhàn)，更是將成本壓力推向了極致。

2. 從“模型”到“解決方案”： 市場風(fēng)向已然轉(zhuǎn)變。單純夸耀模型參數(shù)已無意義，投資人和客戶都在問：“你的AI能為我解決什么具體問題？” 行業(yè)共識(shí)正在向“系統(tǒng)性產(chǎn)品”和“垂直解決方案”聚集。

3. 垂直模型的興起： 法律、金融、醫(yī)療、教育等領(lǐng)域的專業(yè)模型和應(yīng)用層出不窮。企業(yè)也逐漸意識(shí)到，通用模型只能解決70%的問題，剩下30%的核心場景，必須依靠與自身數(shù)據(jù)和工作流深度結(jié)合的垂直模型來完成。這正印證了“章魚生態(tài)”的判斷。

在行業(yè)早期，信息往往是不充分的，下面就說說這時(shí)候的判斷方法。但在展開之前還是想強(qiáng)調(diào)下，有數(shù)先要窮盡數(shù)的獲取和判斷，沒有再用下面的方法。

方法論：“解玄”——在“名”與“實(shí)”之間穿梭

那么，如何才能建立起前瞻性的判斷力？

算命肯定不靈，還是需要一套思維框架，其核心在于“名”與“實(shí)”的相互觀照與穿梭。

● “實(shí)”： 指的是事物的本來面貌，是技術(shù)最本質(zhì)的現(xiàn)實(shí)。對應(yīng)到LLM，就是它基于Transformer架構(gòu)、是一個(gè)“預(yù)測下一個(gè)詞”的概率模型、它有統(tǒng)計(jì)推理能力但會(huì)產(chǎn)生幻覺、它極度依賴算力和數(shù)據(jù)。但它具有通用性，所以和過去模式是并行的。

● “名”： 指的是我們用來描述和理解現(xiàn)實(shí)的抽象概念、范疇或“基類”。比如“工具”、“平臺(tái)”、“搜索引擎”、“操作系統(tǒng)”。

許多分析之所以會(huì)產(chǎn)生偏差，要么是沉溺于“實(shí)”的細(xì)節(jié)而缺乏洞見，要么是追逐于“名”的空談而脫離根基。真正有效的戰(zhàn)略思考，是一場在“名”與“實(shí)”之間的穿梭：

第一步：始于“實(shí)”——回歸技術(shù)本源。 首先要做的，是剝?nèi)ニ忻襟w和資本賦予的光環(huán)，直面LLM的技術(shù)內(nèi)核。這里很關(guān)鍵，必須回到技術(shù)的根本特征，否則就全是想象和想法。AI的根本特征是什么呢？它改變計(jì)算模式，過去靠程序員堆積if...else，現(xiàn)在則是任意輸入都給你輸出結(jié)果any...then，并且這種改變具有通用性。（前面都寫過的，感興趣大家自己找就行）

然后就需要思考：一個(gè)超級(jí)強(qiáng)大的通用決策器，到底能用來做什么？

第二步：躍遷至“名”——尋找最恰當(dāng)?shù)某橄蟆?/strong> 它最強(qiáng)大的能力是通用性，那它就能成為人與所有機(jī)器之間的通用接口。這時(shí)候就需要對應(yīng)到一個(gè)概念，這里顯然是操作系統(tǒng)，操作系統(tǒng)在過去完成通用計(jì)算的任務(wù)。它顯然不是“工具箱里的一個(gè)工具”，也不是簡單的“信息檢索器”等單一功能的產(chǎn)品。它通用，所以能調(diào)度萬物、屏蔽底層復(fù)雜性、建立應(yīng)用生態(tài)——這不就是操作系統(tǒng)么！

第三步：在“名”的世界里推演。 一旦確定了“操作系統(tǒng)”這個(gè)“名”（基類），我就可以調(diào)動(dòng)所有關(guān)于操作系統(tǒng)的歷史知識(shí)和商業(yè)規(guī)律進(jìn)行推演。

操作系統(tǒng)的競爭史告訴我們：

● 勝利者最終靠的是生態(tài)，而非單一技術(shù)領(lǐng)先。

● 它需要漫長的投入和開發(fā)者培育周期。

● 它會(huì)產(chǎn)生巨大的網(wǎng)絡(luò)效應(yīng)和鎖定效應(yīng)。 由此，我自然能推導(dǎo)出關(guān)于商業(yè)模式、競爭壁壘和產(chǎn)業(yè)發(fā)展階段的判斷。

現(xiàn)在借助AI可以把過去事實(shí)的部分簡化很多。

第四步：以“名”馭“實(shí)”——回歸現(xiàn)實(shí)進(jìn)行驗(yàn)證。 最后，將這些在“名”的世界里推演出的結(jié)論，映射回“實(shí)”的世界，去觀察現(xiàn)實(shí)世界的發(fā)展是否與之吻合。OpenAI的每一步，尤其是10月6日開發(fā)者大會(huì)的藍(lán)圖，都在驗(yàn)證著“操作系統(tǒng)”這條路徑。從這個(gè)角度看，它后面要干什么也是可推測的，和微軟的關(guān)系、Google的關(guān)系等等都是可推測的。

這個(gè)過程，正如《解玄》中所說，是“從特殊到一般，一般到一般，從一般再到特殊”的循環(huán)。

它要求思考者既要有工程師般的求實(shí)精神，又要有哲學(xué)家般的抽象能力。

結(jié)語

所有能夠經(jīng)受住時(shí)間檢驗(yàn)的前瞻性思考，其共同點(diǎn)并非是預(yù)測未來，而是在沒譜的各種要素里面，找到實(shí)的點(diǎn)。分析的錨點(diǎn)需要定在技術(shù)的本源之上，并勇敢地進(jìn)行抽象和推演。

這背后最原點(diǎn)上的支撐其實(shí)保持一份獨(dú)立的判斷力，要有自己的體系。自己體系不靈就看啥都有道理。

吳國盛老先生寫過這樣一段話：

亞里士多德在《形而上學(xué)》第一卷開篇談到三類知識(shí)，他認(rèn)為最基本的知識(shí)是經(jīng)驗(yàn)知識(shí)，動(dòng)物都有經(jīng)驗(yàn)，但是經(jīng)驗(yàn)不可傳遞，所以是知其然不知其所以然的知識(shí)。亞里士多德認(rèn)為比經(jīng)驗(yàn)更高的知識(shí)叫技藝或者技術(shù)，這一類知識(shí)就有點(diǎn)類似于中國人心目中的理論知識(shí)，比經(jīng)驗(yàn)知識(shí)更加普遍化，它能夠溝通、能夠?qū)W習(xí)。

但是，亞里士多德說這兩類知識(shí)都還不是真正的科學(xué)，他提出第三類叫科學(xué)的知識(shí)。這類知識(shí)什么意思？首先是超越功利。經(jīng)驗(yàn)也好、技藝也好，統(tǒng)統(tǒng)都是有實(shí)際目的、有實(shí)際用途的，只有一類知識(shí)是沒有功利目的、完全為著自身的目的而存在的，這就是科學(xué)。我們中國人的知識(shí)譜系里有經(jīng)驗(yàn)知識(shí)、理論知識(shí)，在我們看來，一切知識(shí)首先來源于經(jīng)驗(yàn)，然后對經(jīng)驗(yàn)進(jìn)行歸納、總結(jié)、提升、一般化，構(gòu)造出理論，理論再反過來為實(shí)踐服務(wù)，這是中國人一般的看法。

但是在我們的知識(shí)譜系里始終缺乏這第三個(gè)類別，就是科學(xué)。這是一種什么樣類別的知識(shí)呢？亞里士多德說，被我們稱為科學(xué)的這類知識(shí)，必須首先是為了自身的目的存在的，不是為了任何別的目的存在。所以希臘科學(xué)的第一個(gè)特點(diǎn)叫做“為自己的學(xué)術(shù)”，是為自己而存在的。

可以簡化下：

這意味著啥呢？意味這如果把上述方法弄到極致，你很可能看到些完全沒啥用也不該看的東西！

https://www.tsinghua.edu.cn/info/1662/56770.htm

本文作者：李智勇，《無人公司》《終極復(fù)制》作者