几月前和一个创始人朋友交流，达成一个共识：AIGC时代生产力爆发，看似别人能做的你也能做，实际上能做的很少。要专注，要选择离你最“近”的业务，因为最终比的是：1、你比别人更懂用户/客户，能做出更好地解决问题的产品/服务。2、你比别人离客户更近，更容易卖出去给客户。

去年年底前司董事长我的老领导给我打了一个电话，说想见个面，和我了解下最新AI技术进展，以及讨论下如何和业务结合起来，降本增效。

从那天老领导的一通电话，到今天第一单央企业务，好多感慨。也许生产力爆发的时代，最终比拼的就是业务理解力+销售能力。核心都是信任，信任的并不是你pitch得最好，而是你一直以来都是一个值得信赖的人。

就像黄仁勋在斯坦福最新的采访中所说：
“So the thing I learned is, you can make up a great interview. You could even have a bad interview. But you can't run away from your past. And so have a good past, you know, try to have a good past.”

最主要的感受是，gpt 4o的多模态+实时交互之快，尤其是丝滑打视频带来的想象空间之大，openai沉淀的人机交互数据只会越来越多，优势将进一步拉大。

最近又在刷大明王朝1566，真是常看常新啊，改稻为桑，很难不联想到房地产和新质生产力..多得也不敢细想，作为平头百姓，就是时代的一粒沙。

攒了攒最近玩的remini👌

LLM，就是数据库2.0？

所谓数据库2.0，并不仅仅是要讨论LLM之于传统数据库的延伸意义，而是借数据处理范式迭代的视角，一瞥大语言模型(LLM)未来发展的走向。

👉LLM：传统数据库在非结构化数据领域的延伸和补充

首先，我们不难从一些基础属性层面，看出LLM与数据库的相似性。

一方面，与作为“商品”(commodity)的数据库一样，LLM也越来越像commodity，最终其价格会趋近于成本。从技术属性来看，像deepseek, llama 3这样的开源LLM正在快速成为一种“商品”(commodity)。

commodity是在技术商业当中用得比较多的一个词，是说一个东西一旦变成commodity，很多人就都能生产，所以它就无法卖出一个极高的溢价，也就是说最终它的价格就会变得跟成本相关。越来越多的企业和个人有能力利用这些LLM来构建应用，其价格也会逐渐接近成本。

另一方面，与数据库一样，今天的LLM更像是一种基础设施，离AGI尚远。最近OpenAI与StackOverflow的合作恰恰说明，连OpenAI也没有一个secret weapon来解决编程数据的问题。

这么看，两者都是commodity，都是主要用于处理数据的基础设施，且接口都相对简单。不同之处在于，数据库主要处理结构化数据，而LLM则专注于非结构化数据。所以从这个角度，LLM其实可以看作是传统数据库在非结构化数据领域的延伸和补充。

👉LLM将催生新的产业范式：LLM成为软件标配

未来十年，LLM会像数据库一样，成为各类软件系统的标配。这意味着几乎所有的程序、所有的应用和所有信息化组织结构的核心都会改变。就像现在几乎每一个稍微复杂一点的程序都会有一个数据库，以后稍微复杂一点的信息系统都会有一个大语言模型。

今天所有使用数据库的企业未来都可能会采用LLM。那些还没有使用数据库的企业，也很可能会在这个发展过程中逐渐采用LLM。因为这个事情本身还在发展中，也就是说数据库的发展并没有停止。正如数据库在二三十年前软件行业的崛起中发挥了关键作用，未来的软件创新可能同样离不开LLM。

👉LLM对人才结构的影响：谁将被取代？

有人会问，LLM是否已经达到了AGI的水平，能够胜任绝大部分具有经济意义的工作？软件工程师、数据处理师、设计师等与物理世界关联度较低的职业是否都可以被LLM取代？

事实上，除非进化到AGI的水平，在绝大多数认知任务上超越人类，否则LLM取代人类还有很长的路要走。LLM可以处理非结构化数据，根据你的prompt在一个巨大的非结构化数据当中，生成一个非结构化的反馈。

今天业务逻辑不在数据库里，工程师需要跟数据库打交道来实现业务逻辑，用类似SQL的语言来查询数据库，获取所需的数据，然后再进行处理和展示。未来业务逻辑也不会在LLM里，还是需要工程师来利用LLM以实现更智能的业务逻辑。

在这个过程中，行业的人才结构和创新模式可能会发生变化。

一方面，掌握提示词工程(prompt
engineering)将成为职场新的必备技能。类比一下，prompt engineering就是新的SQL。

另一方面，单打独斗的“超级个体”创新模式反倒可能会逐渐减少，因为一旦形成了成熟的范式，团队协作的效率往往会超过单兵作战。

瑞克和莫蒂粉狂喜😁继remini粘土风破圈火了之后，小红书这个rick and morty风也甚得我心👌不过估计是担心版权问题，xhs没有明着蹭rm。

效果上，眼神捕捉到了rm的精髓，但手部处理还是有明显问题。

相比较之下，粘土风由于自身的属性使然 ，用户对细节的容错率更高，错和丑都成了生动的一部分，也不涉及版权问题。

粘土之后，下一个可破圈的形式会是什么呢？

男朋友拍照大模型
supervised fine-tune 之前 vs 之后
😑🙄🫠

各位在国内做电商的朋友，求问大家有没有用过好用的ai短视频剪辑应用？有位酒厂厂二代朋友，有此需求。

想针对性地咨询下国内电商圈的朋友们（而且不是出海圈），谁用过哪家的工具确实好用，不太想直接从ai圈去了解🙏🙏

感谢AI探索站主理人@Szhans 持续用心curate优质AI内容！也很荣幸入选本期目录❤️

强烈建议大家去看晚点这篇报道原文，太精彩了，评论区也很精彩，PropTech X的群已经讨论炸锅了

沈总的愿景看得我感慨万分。一方面觉得天下苦装修久矣，装修行业也需要一位左晖。一方面又觉得行业水深已久+当下大势如此，这也太tm难了😂

咋说呢，每隔一段时间，就有大佬往传统行业里冲..

还记得王长虎也被龙湖挖去过一段时间，现在拥抱AI去了。还有想改造物业行业的李明远，不知道现在咋样了，哎..

只讨论LLM性能不讨论成本也是耍流氓lol

看大家刷reddit帖子，纠结llama3性能到底是否超过/比得上gpt4，可是别忘了，“比得上”是一个接近的概念，往夸张了说性能打9折甚至打8折，但你看看人家llama 3 70b的token成本，可是只有gpt 4 turbo和claude 3 opus的几十分之一啊！

根据artificial analysis的估算方法，llama 3 70b的成本，每消耗100万tokens才不到1美金。groq上更便宜，都不到0.7美金。

artificialanalysis.ai