本文主要是介绍AI 应用之路：质疑汤姆猫，成为汤姆猫，超越汤姆猫，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
过去一年，我对 AI 应用的看法经历了这样一个过程：质疑汤姆猫，理解汤姆猫，成为汤姆猫，超越汤姆猫。
什么是汤姆猫？汤姆猫是 2010 年移动互联网早期的一款应用，迅速走红，又淡出视野。这是一个比喻，指代那些很好玩，一度成为现象级，但没有长期留存的产品。拍出海马体的妙鸭相机，让郭德纲说英文相声的 Heygen，都有点 AI 时代汤姆猫的意思。
坦率讲，最开始我是质疑汤姆猫的，这类产品一度热闹，但玩法单一，没有长期留存率，很难持续。在写的《今天的AI创业，与移动互联网时代的区别在哪里？》中，有一段对汤姆猫的讨论：
一个平台从 1 岁走到黄金年龄，会经历很多真伪机会。回头看移动互联网的早期，有四类机会都曾霸榜。
……
第二类机会叫「汤姆猫」，是小机会。汤姆猫很巧妙的用到了手机的麦克风，你说什么话，它就会用猫的语气来复述。当时日下载量到了百万级别，但没有长期留存率，因为玩法单一，和猫对话几天后就没有新鲜感了。后来汤姆猫被中国的一家上市公司收购了，作价 70 亿人民币。
今天在 AI 的早期阶段，摆在我们眼前的依然是这四类机会，我们需要想清楚，谁是 AI 时代的手电筒，谁是 AI 时代的抖音快手。基于大模型的套壳应用是新时代的手电筒，很短的时间就会被大模型的能力击穿；基于 AI 做出的一些原生小爆款应用，如果玩法过于单一，无法形成自己的资产，很可能成为新时代的汤姆猫；
后来为什么理解汤姆猫了？因为更理解大模型的能力边界，和当下所处的阶段了。
01
理解汤姆猫，
是因为理解了当下大模型的能力边界
大模型的发展规律和互联网有很大差异，更应该参照芯片行业的发展规律。
50 年代，仙童发明了半导体后，随着芯片能力的提升，先后出现了计算器、PC、游戏机、移动手机、MP3、智能手机这些国民级的电子产品，这背后是摩尔定律的推动，「处理器的性能每两年翻一倍，价格下降为之前的一半」。
这些电子产品横跨几十年，依次解锁，半导体刚出来的时候，它的能力只能用来做计算器，随着计算能力的提升，才能造出 PC。
OpenAI 推出 ChatGPT 只有一年多时间，基于大模型的应用的出现也是有先后顺序的，在要出计算器、随身听的时候，不要硬造 PC；在要出汤姆猫的时候，不要硬造抖音，造不出来。历史无法跳跃，只能经历。
Scaling Law 会成为 AI 时代的摩尔定律，堆算力，堆参数。随着模型能力的提升，基于大模型不是造应用，而是造虚拟人，起初是本科生，之后是白领，之后是某些领域的专家比如医生、律师，后面会造出科学家，最终极的形态是 AGI，随着模型智能程度的提升，这些虚拟人会依次解锁。
以造人的标准来看待当下大模型的能力，就知道需要多少智能，和中间的差距了。
而现在我们常说的「AIGC 应用」，可能只是 AI 发展史上的过渡阶段，是因为当下的模型还造不出虚拟人，所以先造辅助软件。
02
成为前千分之一的汤姆猫，
完成能力蜕变
理解汤姆猫后，我认为应该尽快「成为汤姆猫」，且做前千分之一的汤姆猫。
这缘于我的一个观察。
和很多投过的早期项目相处后，我发现创始人的能力不是线性增长，而是跳变的，忽然之间上了很大一个台阶，可能就一个月时间，隔壁老王已经不是我认识的老王，我得管他叫王哥了。
发生跳变的时间点往往和 PMF 跑通有关系，跑通后，整个人的思考水平、决策的犀利程度、心态的平稳度都有一个质变，再之后，就和业务量爬到几层楼相关了，月收入 1000 万、月收入 1 亿、月收入 10 亿是完全不同的思考水平，爬楼的中间，会有很多正负反馈，往往深刻又惨痛，反馈越大，能力跳变越明显。这才有了士别三日当刮目相看的感觉。
这让我明白了一个朴素的道理，产品是创始人的实验室，首先要跑通 PMF，让自己有个实验室，哪怕这个实验室小了点。
然后要寻找更大的实验室，基于 10 万日活和 1 亿日活能做的实验是不一样的，一个人天天基于几亿日活做商业实验，他的水平能不高吗？为什么一些平台级产品的大佬思考水平极高，像开了天眼一样，因为他有几个亿的用户啊。
人人都想做有终局的产品，做下一个微信和抖音，但别忘了，张小龙是做 Foxmail 被腾讯收购的，Foxmail 是个邮件客户端，是那个年代最知名的套壳应用了。
基于这一观察，和 AI 现在所处的极早期阶段，在寻找 PMF 的时候，先不要嫌弃它是汤姆猫，找个具体且收敛的切入点，跑通它，让自己有个实验室，先完成能力跳变。
AI 和移动互联网的差异，远大于移动互联网和互联网的差异，先跳下来，刷一遍自己的 ROM 很重要。在 AI 这个全新的世界中，大多数人是从头学，今年完成能力跳变，还是明年完成能力跳变，会遇到截然不同的机遇。
但即便以汤姆猫的标准看 AI 应用，只求爆款，不苛求留存率，也只有前千分之一的产品能成汤姆猫。
03
超越汤姆猫，
才有机会成为 Super App
前千分之一的选手成为汤姆猫后，会面临两个选择：
一是基于汤姆猫继续绣花，迭代产品，希望做出长期留存，这很难，因为这个产品的地基很薄，就是绣花绣上天，也是个绣花版汤姆猫，基于汤姆猫建成一个迪斯尼娱乐王国是不现实的。
二是通过做汤姆猫实现了团队能力升级，走出汤姆猫，去做新的事情。人站在一层楼和一百层楼看到的机会是不一样的，做过十亿的业务，自然会发现百亿业务的机会，这或许会找到更厚的地基，做出 super App。这是所谓的「超越汤姆猫」。
选一还是选二，是一道分水岭。很多耳熟能详的平台级产品，初创时都有过类似汤姆猫的阶段，又推出新产品超越了汤姆猫。
2012 年 3 月，字节跳动成立，先推出的是内涵段子，同年 8 月推出了今日头条，2016 年 9 月，抖音上线。
2015 年 4 月，拼好货上线，做的是拼团买水果，同年 9 月，拼多多上线，切到了电商的主战场，2022 年 9 月，Temu 上线，开始海外的征程。
2010 年 3 月，美团团购上线，2013 年 11 月，美团外卖上线，2015 年 10 月，美团合并大众点评，从交易平台延伸到了信息平台。
好了，即便我们懂了「超越汤姆猫」这个道理，依然难过好这一生。
绝大多数情况下，人们很难大大方方承认自己是个汤姆猫，面对低留存率、低商业价值的时候，会做很多设想，是不是自己功能不够完善？是不是用户数量不够多？是不是应该把汤姆猫升级成社交产品，就有网络效应了？这种事情在移动互联网发生过很多了，做日历的、做滤镜的、做小游戏的，都有过平台梦。
「成为汤姆猫」是块石头，用好了可以踩着石头过河，实现「超越汤姆猫」；用不好是阻拦前行的巨石，做一辈子的汤姆猫。
04
Scaling Law 会成为 AI 时代的摩尔定律
上面是从质疑到成为的心路历程，也是感受当下，认清当下，抓住当下的过程。
那么更具体的聊聊当下，现在处于什么 timing，会推演出哪些信号？
最关键的信号，Scaling Law 会成为AI时代的摩尔定律，模型的智能程度每年增长百分之 X，价格降为之前的 1/N，现在还只有一个定性的描述，当 X 和 N 都成为一个定量数字的时候，这个规律就开始正式运转了。
Scaling Law 会把模型送上一个个新高度，从而会依次解锁上层应用，也就是造人。这些虚拟人需要替代真人，端到端的完成任务，做到「L4 级别」。在真实工作环境中，我们 90% 的时间是在解决那 10% 的难题，大模型能否解决好那 10% 的难题是一道及格线，过不了这个及格线，大模型只能做副驾 copilot，充其量是一个好用的软件；过了这个及格线，大模型就是主驾，我们开始为主驾付工资。
基于造人的标准，需要有一套图灵测试 2.0。在 ChatGPT 出来后，模型已经通过图灵测试 1.0，接近人的回答水平，以假乱真了。图灵测试 2.0 是一套基于工种的测试，比如文案策划、剧本杀小姐姐、程序员、医生，如果这个虚拟程序员能听懂你的需求、写出完整代码、修正 bug，那他就通过程序员图灵测试了。当下的大模型基本通过剧本杀小姐姐的图灵测试了，大家在 Character.ai、星野这些应用上和 AI 聊的很欢。
如果以图灵测试 2.0 来衡量当下的 AI Agent，真正的 Agent 尚未出现，真正意义上的 Agent 是可以自己规划任务，端到端的完成任务的。
如果第一个 Agent 出现，大概率是出在 OpenAI，因为他有最领先的模型，Agent 的出现主要和模型的智能程度相关，OpenAI 什么时候出 Agent 的 demo 产品，会是应用层百花齐放的关键信号。
基于上面的这些推演，AI 还在很早期的阶段，如果硬要类比互联网的话，此时此刻对应 Yahoo 出现的门户时代。
做 AI 应用的创业者经常半夜问自己，我这应用有网络效应吗？放心，没有。
即便是 ChatGPT 也没有网络效应，只有品牌效应。互联网早期，门户网站也没有网络效应，只有品牌效应，Google 出来后才有了规模效应，Facebook 出来后才有了网络效应。
AI 行业什么时候会有网络效应这种城河？可能是 AI Agent 横行天下的时候，比如我们有个秘书 Agent，帮我们和生意上的伙伴约时间排会，双方的 Agent 一通交流，一握手，约好了！对方的 Agent 也必须是同一厂牌的 Agent，才能最大限度的交流，这就是 AI 时代的网络效应。
多久会发展到这个阶段？很难量化，但不要小看 AI 的进化速度。Sora 出来后，带给我最大的触动是，他比想象中来的快，行业里的人认为 2024 年年底或 2025 年才会出高质量的视频模型，OpenAI 直接在今年 2 月就拿出来了。
对 Sora 的热议，又一次体现了我们总是「高估当下，低估未来」，Sora 还没有公测，大家看到的是精选出来的 demo，在公测后，我估计大概率达不到大家的预期，这时又会出现「不过尔尔」的声音。又过一段时间，Sora 又进化的让人惊讶。
这种冷热交替，去年年初的时候已经在 ChatGPT 上上演过了，先是热议，认为要革命了，然后大家用了一段时间后，觉得还是有局限性，智慧程度不够，上层的杀手级应用也没出现，热议之后是冷静。然后 Sora 横空出世，又带来一波热议，如此往复。
别忘了，不管冷热，Scaling Law 永远在那里，在推动着模型成长。
万物自有其规律，没人能越过 1 到 17 岁，一步到位长到 18 岁。我们都知道 AI 带来的机会大，这是共识了。对当下 timing 的研判、对模型能力边界的理解，还处于非共识，这是真正考验创业者的地方。
人人都想做有终局的产品，望着终局，恨不能省略中间的过程，跳跃中间的历史，直接做最有价值的事情，这是一种我执，忽略了真实世界运转的规律。
而理解汤姆猫、成为汤姆猫、超越汤姆猫，才是真实世界运转的规律，这是一种去执。
去执后，更容易看清当下，抓住当下。浪潮来的时候，关键是要站在海里，且早早学会游泳，早早习惯海水的味道。
这篇关于AI 应用之路：质疑汤姆猫，成为汤姆猫，超越汤姆猫的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
