大模型真实落地应用有哪些？

专家

这里面有炒作、蹭热度的，也有真的落地应用的。接下来我就讲讲哪些应用是真正落地可行的。写作堪称生成式大语言模型的看家本领。在大模型输出logits时，添加top_p、top_k、temperature等随机采样策略，这可是生成式模型的灵魂所在。市面上存在众多大模型。在实际应用时，我会让提示工程专家帮忙生成优质的提示工程模板。当大模型权重固定后，好的模板可最大程度激发其潜力。下面就来列举几个我觉得能够落地或者已经落地的场景，同时分享对应的提示工程模板。爽文类剧本。当下爽文短剧十分火爆，新闻曾报道北京有一对夫妇做短剧每月入账4亿多元。其实短剧要做到让人感觉爽、使人上瘾并且符合人性，关键就在剧本。以前用大模型写剧本，通常是直接给大模型输入我想写一本主题为XXX的爽文小说。若想生成得精准，还得靠提示工程。下面我就把生成爽文剧本常用的提示工程模板列出。具体小说篇幅太长，就不往上放了。AI写作爆文。这个项目的整体逻辑为，借助推荐流量机制，依靠AI写作工具辅助，快速二次创作领域爆款文章，提高爆文几率以获取更多广告收益。

有些专职工作室进行矩阵化发文，项目初期月入10万并不难。我把之前用过的AI爆文提示词免费分享出来，如下。除了爽文剧本、AI爆文写作，大模型还有很多典型的写作应用。若想以更优且更省时间的方式全面掌握大模型相关应用，成为超级个体，更快获取技术红利，可以关注下「网络知学堂旗下AGI课堂」推出的公开课。此课程为期2天，主要面向想往AI方向进阶的产品经理和程序员，课程里大模型原理、AI应用开发框架、LangChAIn、AI Agent、模型微调技术等内容，务必要仔细听讲！更可贵的是，它不但传授大模型技术，还会教导你发掘大模型时代的产品机会，以及找到大模型应用商业模式的方法。相信学完这套课程后，你对大模型技术和商业应用的认识会提升一个层次。这个标题貌似很套娃，但这是大模型研发实际情况的反映。人类所创造的数据成本太高了，许多公司和开发者都在偷偷用AI生成的数据来训练AI模型。然而，像GPT - 4这种最先进的模型，在写作、编码等方面的表现已接近人类，并且能通过美国律诗考试等基准测试。所以，将GPT - 4大模型用于构建自己的大模型，是当前非常典型的应用场景。问了不少设计师朋友，他们在实际用AI绘图时，大多把AI绘图当作提供灵感的工具。下面展示几张midjourney。生成的产品原型图里有1张被某产品采用，且已批量化生产。

搜索细心的同学会察觉到，各个互联网公司都已把私域知识和大模型融合起来了。这在技术上叫知识检索增强，实际工作流程是先检索，然后用大模型对内容进行总结与润色。像网络就已经推出了发现功能，用户提问之后，大模型能够依据网络里的问答和文章作答。再如知网推出了CNKIAI学术研究助手，用户若要搜索人工智能方面的论文，只要问给我几篇人工智能经典论文就行。不过总体而言，用大模型做检索增强属于锦上添花之举，就目前看，这花未必能提升用户体验。智能问答是怎样的？智能问答包含诸多内容，像客服智能问答、高考志愿问答、求职问答等各类问答。其应用不少，但真正落地的却不多。拿智能客服问答来说，从商业角度看，一笔交易源于买卖双方的信任。现阶段，顾客对AI天然缺乏信任。在产品推广时，用户会试用智能问答产品，可使用中会怀疑AI回答的准确性，而且感觉AI说话缺乏尊重，这时用户常常会切换到人工客服，甚至直接终止交易。智能问答类应用普遍存在对话AI感过强的问题。若有一天人类在交流时不能区分对方是AI还是人，这类应用将给社会带来颠覆性变革与影响。我始终觉得智能体是AI大模型应用的最终形态。智能体在根本上极度依赖大模型参数量大幅增加而产生的逻辑推理、任务分解、数理分析等能力，学术上叫做智能涌现。前段时间小米汽车搭载的大模型，是智能体在车载终端应用的典型范例。车载智能体能够灵活调用、控制并集成车上软件功能。它不同于传统的Siri之类的智能语言助手，不是单纯的命令执行者，而是具备规划、决策和执行能力的多面手。另外，去年我就设想过大模型会给手机行业造成颠覆性的变革。现在我们使用的手机都是图形用户界面（GUI）。但当智能体发展到一定程度时，人与产品的交互模式会从图形用户界面（GUI）转变为语言用户界面（LUI）。到时候，设计师不用再设计众多组件，前端也不必依照设计稿构建界面。也许未来手机界面就只有一个类似Siri的对话器，用户借助语言或者脑机接口表达需求，大模型接收需求后，分析、拆分、派发并解决任务。国外已有像AI Pin这类产品达成上述想法了。从产业发展角度而言，与移动互联网的发展相比，如今的大型语言模型（LLM）仿佛还停留在2011年。整个产业尚处于早期探索阶段，业内企业都想在这混沌之时率先发力，甚至发动价格战来争夺用户、努力破圈。大模型企业竞争激烈，技术方面像RAG、Agent等大模型应用框架不断涌现。但在应用方面，类似iphone时刻那种具有变革性的产品应用却迟迟未现。其根本原因是基座大模型各方面能力尚有所欠缺。许多人都清楚，瓦特改良蒸汽机开启了人类首次工业革命。然而鲜为人知的是，1763年瓦特就接到改良蒸汽机的订单。那他花了多少年才完成这个订单？长达27年，直至1790年，瓦特彻底解决核心技术问题，我们熟知的蒸汽机才得以诞生。回顾历史可知，每次技术突破似乎都水到渠成。第一次工业革命我们很熟悉，接着是第二次工业革命，再然后是信息技术革命。信息技术革命先有PC互联网，自2010年起又开启了移动互联网革命。这话听起来简单，可对每个推动技术进步的发明家而言，那都是多年持续的投入。多数人没有这种对时间流逝的切实感受，于是就极易产生强烈的怀疑：这么多号称前沿的技术，被吹嘘得很厉害，可我用起来感觉不怎么样，都是些搞噱头骗钱的人。大模型也不例外，当前RAG准确性欠佳，Agent也不够成熟。我们要做的是把技术框架、用户、应用、生态都筹备完善，待底层技术成熟时，AI大模型将催生大量可落地的实际场景。大家的机会也将建立于新技术的突破之上。