大模型的终局是「通用」还是「专用」？
共 2929字，需浏览 6分钟
·
2024-07-22 19:39
这是求职产品经理系列的第278篇文章
通用与专用的辩证
随着人工智能领域的迅猛进步，大模型成为了行业的焦点。你是否曾想过，大模型的未来到底是走向「通用」的超级智能，还是发展成为针对特定场景的专用工具？
这一问题不仅关乎技术走向，也影响到每一个正在关注或参与这一领域的你我。
计算架构的演变与启示
要理解大模型的未来，我们必须回顾计算架构的发展历程。
计算技术的演变，从早期的集中式架构到后来C/S架构，再到云计算、边缘计算的崛起，每一步都在回应用户日益复杂的需求。
正如计算机科学家阿尔维所说：“每一次技术的飞跃，都是为了更好地满足人类不断变化的需求。”
早期的集中式架构虽然效率高，但缺乏灵活性和安全性。
而随着互联网和云计算的发展，我们开始拥抱更具弹性和分布式的架构。
如今，随着边缘计算和多种云服务的出现，我们看到计算架构的复杂性逐渐增加。
这种变化正是为了应对不同场景下的个性化需求，比如数据隐私、实时性和资源限制等。
通用与专用的较量
在大模型的世界里，“通用”与“专用”也如同计算架构的演变，都是对用户需求的回应。
通用模型，如同一个知识渊博的图书馆，能够处理各种通用问题，具备广泛的知识面。
而专用模型则像是精准的医学仪器，为特定场景提供高度定制化的服务。
以智能驾驶为例，实时性要求极其苛刻。车载系统需要在几乎零延迟的情况下做出反应，这要求边缘计算和专用模型的配合，云计算显然无法胜任。
再看金融领域，由于数据隐私的要求，模型必须在本地处理数据。这些需求的多样性决定了大模型的发展不仅仅是一个“通用”或“专用”的选择，而是两者的结合。
正如人工智能领域的权威安德鲁·恩戈所言：“AI的未来，不只是一个全能的通用智能，而是多样化的应用场景中精细化的解决方案。”
未来的生态演变：大模型的“生态圈”
未来，大模型的终局将不再是单一的通用智能或专用工具，而是一个多层次、多维度的生态系统。
正如生物学中的“共生关系”，各类模型将共同构建一个繁荣的生态圈。
在这个生态系统中，企业不仅要研发智能的通用AI，还要提供完整的定制化工具链，包括数据处理、模型训练、优化和推理部署等服务。
OpenAI在GPT-4发布后，将重心转向了构建“Assistant API”和“GPTs”，这明确了未来大模型竞争的核心将是生态系统的构建，而不仅仅是单一技术的突破。
这种转变显示了“大模型生态”的重要性，企业将在这个新兴生态中争夺优势地位。
伊隆·马斯克曾提到：“在技术变革的时代，真正的赢家是那些能够塑造未来生态的先驱者。”
生态共生的未来
所以我个人认为：大模型的发展将趋向于通用与专用的融合，共同构建一个丰富多彩的生态系统。生态的形成，将是必然！
这种生态系统的形成，将使得大模型不仅具备广泛的适用性，也能在特定场景中提供精准服务。“未来的科技，不在于单一的创新，而在于整体生态的演化。”
一场没有硝烟的斗争正在打响。对于普通人来说，尽早看清楚这一切，在该下注之时稳准狠地下注，或许能够获得远超意料的收获。
对于想要拥抱AIGC的大学生和职场人而言，进入AIGC领域的关键在于：
1、紧跟技术前沿：时刻关注大模型的最新动态，了解行业内的技术突破和应用场景。可以重点看一下以下几个公众号：
👉AI界 - AI产品解读
👉AI科技大本营 - AI科技研究
👉量子位 - AI科技产品
👉36Kr智能硬科技 - 智能硬件与科技
👉人工智能科技 - AI科技前沿
👉雷锋网AI- 观点与分析
👉机器学xi笔记 - 机器学xi应用
👉GeekPark - 科技产品与趋势
👉网易智能 - 智能科技资讯
2. 积累实际项目经验：尝试使用和优化通用与专用模型，积累实战经验。
一共两条路：
2.1 如果公司内部有AIGC项目组，主动申请内部转岗过去，这样可以在公司内部积累项目经验，是相对比较快速的一种方法。
2.2 通过私下学习补足项目经验。
2.2.1 通过找到一个AIGC领域的产品大牛/朋友带你做两三个项目【推荐】这种方式的好处是有经验的人知道要学习哪些算法、算法要掌握到什么程度、做AIGC项目的流程和方法是什么、面试中会重点问哪些问题等等，这其实是最快速的一种方法。
2.2.2 自己摸索自学【不推荐】，这种方式存在的问题是低效，网上找到的资料非常不成体系，而对于一个小白来说没有辨别能力，而且遇到问题没有人问会非常的痛苦。
3、提升数据处理能力：大模型的性能依赖于数据的质量和处理能力。提升你的数据收集、分析和处理技能，将对你的职业发展大有裨益。
4、构建多元技能：掌握编程、数据分析、模型训练等多种技能，将帮助你在大模型的生态中找到自己的定位。