目前各種“大模型”就是個燒錢的商業玩具？_風聞

【本文來自《大模型只是超級刷題大師》評論區，標題為小編添加】

• 印加節度使
• 一隻高中數學大模型飄過並表示，晨大你不要管一個貓是真貓還是刷題貓，this is racist……只要抓到老鼠就是好貓。（PS鄧副主席早就教導我們，貓子是用來抓老鼠的，不是用來擼的）

沒有什麼脱離物質基礎的“真正”智慧、“獨立”判斷。人類從來就做不出任何“跳出現有數據所代表的知識框架”、或者説超出自己當時當地認知範圍之外的東西，杜甫做不出《七律·人民解放軍佔領南京》，李白也做不出《假如生活欺騙了你》。乾隆李杜都是大模型，沒有誰是真詩人、誰是假詩人，只不過乾隆他訓練環境有問題，反饋誤差大，因此他的解距離絕世好詩的誤差一直迭代下不去而已，解不能繼續收斂，振盪了……

刷題解決不了企業的實踐需求，目前各種“大模型”就是個燒錢的商業玩具。

培養AI人才，應關注以下關鍵能力：

1. 對複雜系統問題的拆解與架構能力。這種能力實際上是通過長期工程開發、實踐形成的解決問題的“套路”，即把複雜的、模糊的、不確定的工業現場問題解析為具有確定的、可被測量和控制的獨立問題，然後對其進行模塊化的開發、測試驗證，再進行重組。拆分模塊需要具有獨立性和完備性，即能夠在編程上形成高內聚、低耦合的模塊的能力。

2. 對 AI 工具和算法邊界的理解。這也是一個重要的能力，它不僅涉及技術視野、格局方面的洞察力，還植根於大量的工業實踐。為了不同任務而可選用的 AI 的方法、模型、算法組合非常多樣，而且有很多在實踐中不斷優化的算法。這種理解有助於選對方法和工具，並有效開展工作。對物理模型的理解也屬於這個範疇，對物理對象及其數學模型的掌握同樣是基本功。

3. 軟件工程規範、產品思維與對客户價值理解。屬於業務層面的能力，即對項目經理、產品經理的能力需求。他們需要能夠規劃整個項目，進度、質量控制，並能夠完成自身業務目標或外部客户的應用需求。

需要指出的是，儘管大學/研究所在計算機和電子信息方面有很強的實力，但他們聚焦的研究方向是商業AI ，而非工業AI，所以目前工業企業更願意自建AI團隊（大型企業），或是與自動化企業（擁有較好的數據源和對工業機理的理解）合作升級智能系統，來推進工業企業的AI戰略。

工業AI與商業AI最大的區別在於：工業AI需要將IT（信息技術）與OT（運營技術）有效結合才能管用。換句話説，再優秀的商業大模型也只是IT，離開了OT支持，是無法與工業企業生產相結合的。

大學/研究所取得IT的經驗比較容易，在實驗室就可以驗證成果；而想要取得OT的經驗就得去找有重資產的工業企業合作。如果大學/研究所缺乏與工業企業合作的渠道，那麼在OT方面的經驗就可能接近於零，這樣的大學/研究所想要搞工業AI就是天方夜譚了，只能去搞輕資產的商業AI。

工業AI投入生產立刻就能見效，就能創造財富，就有資源不斷自我完善迭代升級；而商業AI到目前為止，依舊是個燒錢怪。。。