AI
以下仅为个人观察，可能存在偏差，欢迎与大家共同探讨、学习。我认为，当前许多大模型的实际效果和运行成本尚未达到能够大规模商用的水平。主要问题在于以下几个方面：首先，大部分大模型或
AI模型的目标是替代
人类完成某些任务，这不可避免地会与现有的方法、流程甚至从业人员产生冲突。从效果和效率来看，这些模型未必能完全达到预期。下面通过几个具体领域来说明这一问题。以
AIGC（人工智能生成内容）为例，尽管该领域热度很高，但实际生成的内容往往难以满足业务需求。例如，在Text23D领域，很多算法生成的3D模型在材质和光照上存在解耦问题，导致模型看起来不错，但缺乏实用价值。即使勉强接入后续制作管线，也可能因为质量太差而无法生成高质量内容。相比之下，
美术设计师直接手动建模可能更高效。再看Text2V
IDEO领域，实际使用时会发现生成的视频中存在大量伪影（artifacts），真正可用的结果寥寥无几，难以直接投入应用。至于Text2Motion模型，其稳定性也存在问题。比如，要求生成一个人边倒退行走边挥手的动作，大部分热门模型都无法准确实现。连这种粗粒度的需求都难以满足，更不用说生成符合专业
美术标准的内容了。由此可见，许多
AI模型的生成结果不仅满意度较低，可控性也不足，难以真正提升工作效率。其次，由于上述局限性，这些模型在B端市场的落地面临较大挑战。如果转向C端市场，虽然对生成内容的质量要求可以适当降低，但目前尚缺乏合适的平台来承载这类需求。普通用户对于创建3D模型、动画等内容的兴趣和需求并不高，这使得模型的商业化进程陷入上不去、下不来的尴尬境地。总结我认为人们往往容易高估技术短期内的进步，而低估长期的发展潜力。要让这些模型真正实现实用化，还需在技术和业务层面脚踏实地解决许多问题。这远不是一些公众号或自媒体所宣传的那样简单。希望与行业从业者共同努力，推动技术进步，为未来创造更多可能性！
