AI 发展到现在，终于轮到「行业专家」扬眉吐气了。

1、杜克大学电子与计算机工程系陈怡然教授，在微博上聊了下有关大模型创业的想法，其中很重要的一条是：

“我现在看到大模型成功创业的例子，护城河都是团队自身对于「垂直领域」的深入积累和理解。

大模型本身带来的机会我见到的不多（或没有或看不清楚）。”[1]

2、不少AI领域专家和一线Agent创业者认为，诸多AI 在「垂直领域」无法落地的重要原因之一，是大模型对垂直场景的理解差，尤其是训练语料中严重缺乏垂直领域know-how 的数据。

在2B业务领域，绝大多数的成功经验和失败教训都不大可能被公开分享出来。前者多为创造价值的商业机密，而后者则很少会被主动分享，即使公开，也有很多美化及偏离事实的可能性，这可能会带来大模型的错误归因。

即使在公司的“私有数据”中，关于过程的数据，也依然很少。大量的所谓“经验”，只存在在相应岗位专家的大脑里，并未以任何文字的形式被记录下来。

因此，要做好垂直领域的AI创业，必须和行业专家、岗位专家一道，收集、萃取和整理领域知识及私有数据，拆解具体业务的工作流。[2]

3、另一方面，绝大多数行业专家和岗位专家，其实并没有那么了解AI，更别说会欢迎 AI 或者参与垂直领域 AI 的共创了。

5 月中旬的时候，我曾成功给一位行业天花板级别的专家安利过 ChatGPT。

我把安利过程发出来之后，上过「即刻镇小报」，感兴趣的朋友可以看看：

m.okjike.com

此后的几个月，我一直在密集地跟行业专家和岗位专家合作。过程中发现，大模型本身的理解能力、泛化能力，如果能加上行业专家的know-how，真的是如虎添翼的。

当然，如果行业专家本身足够懂业务/生意，那项目的成功率就非常之高了。

4、现阶段，作为非技术 AI 从业者，要么本身是行业专家、岗位专家，要么得非常擅长跟行业专家、岗位专家打交道。

个人算属于第二类，从找 AI 在垂直领域的高价值场景，再到跟高价值场景中一线人员沟通需求、萃取 know-how，然后到形成行业专家、岗位专家认可的AI demo 以便产研同事工程化落地，最后到垂类 AI 产品的应用推广，大大小小的坑踩了不少。

如果你对这一块儿感兴趣，欢迎一起多多交流。那啥，别套我公司方面的内容，问就是以财报为准。

———

[1]weibo.com

[2]mp.weixin.qq.com