昆仑巢·潮时间活动的脱水版会议纪要
一，AI当前，人面临怎样的挑战？事儿好办了还是难办了？
1，这几年，难做了还是容易做了？
赵振宇：大数据服务行业，平台工具越来越丰富，做事儿更容易了；融资、拓展新客户、团队成长在变难。
为什么难？大模型能力不断增强，面向行业的知识库、微调还有一些机会，比如：RAG的内容方式、医疗等专业模型还有机会，但大模型更新很快，使得行业信息服务很容易被击穿，钱没有以前好赚了！
郭小生：影视行业过去几年的行业变化很大，娱乐、影视业受资本退潮和疫情影响特别大，我的感受是有过半的从业者都相继转行。当然，我们还有许多人在行业中坚守，留下来的是真正热爱这个行业的人，这些人才是行业的中坚力量。另外，影视行业也是有周期的，我相信行业一定会回潮。我大学是学计算机专业的，是个理科生，一直比较关注科技和艺术的融合，AI的发展一定可以赋能影视行业，接下来，我会继续关注AI，了解AI、学习AI、使用AI。
胥克谦：教育培训行业，难是真难、机会是真大。
疫情也带来教育行业很大的压力，比娱乐影视更大。巨头没了、腰部没有了，只剩下小作坊、私教。但理性综合判断：教育的需求并没有变少，机会大大增加，存在比新东方更大的机会。
难在：第一步很难迈。比如融资没有了，过去习惯的玩儿法没了。
易在：在教研储备、课程研发、技术准备中，二十人三四万工资三四个月的事儿，现在AI辅助下，一个人两三个小时搞定。
新问题：之前团队几个月干出的活儿，附带有团队建设功能：培训团队、形成共识，锻炼团队配合性；现在一个人干了一个团队的活儿，效率是高，但也丢掉了团队磨合的机会。
醒客：我刚才听到的，振宇：活儿容易干了，钱不好挣了。从做生意的角度看，钱不好挣了就是活儿不好干了。小生：行业差点搞没了，那么：个人成长不成长在行业巨大变化的背景下，变得微不足道；即便微不足道，依然有以小博大的信念，要从AI找突破。胥老师：行业压力大过天，单人做事容易了，组团队更难了。
我是互联网的原住民，什么都跟互联网有关系，没有太多行业的概念。但也感受到一些困难：2014年之后，感觉需要学习的知识越来越多，学习时间精力不够，大量想关注的内容积压。去年，大模型可以使用之后，学习大大提速了，半年多还清了过去几年的读书债。
2，如何向未知领域突破，有哪些得失？
赵振宇：大部分人都面临学习压力，我们大数据服务就是服务于你们的，提供信息学习、整理的工具，降低用户学习和获取专业信息的门槛。我常说大模型击穿了我们的业务，就是你们直接用大模型了，这是现在大数据服务不好做的一个原因。
如何挽回逐渐向大模型转移的客户？17年18年感受到订单变化之后，在行业细分上下功夫，从服务个人转向服务人所在的组织，针对大模型不精确的问题，把数据服务的颗粒度拉细，提炼行业数据，从2C转向2B、2G。
对于个人来说，不需要像过去那样成为太多方面的专才，只需要一专多能，借助大模型，个人能力能够延伸到更多的领域。
郭小生：我也积累了很多AI资料，也是没有时间看。我的解决之道：不需要！不是什么都需要知道，未来人与AI的关系是：你有问题随时可以问。我们更应该关注AI来了之后，行业会出现哪些翻天覆地的变化。AI时代，人与人的差别或许就体现在每个人与AI的交互能力。
作为影视行业，我关注文生视频、影视制作等，我觉得，行业真正的变革没有想象的那么快。比如《异人之下》、《传说》等AI加持的电影，但AI作用却很拉跨，“一眼AI”成了失败的代称。
醒客：跑的很快，但不知道跑到哪儿了。
振宇：一眼（廉价）AI，也是机会，做到“一眼不廉价”就好。
醒客：给别人出主意都信心满满，自己做就压力山大。这个信心-压力梗有普遍性。
郭小生：《传说》运用了AI换脸，从效果来看，是失败的，甚至对电影的观赏起到了反作用，并且，电影的换脸技术早就有了，我们要效果，不一定要AI，但我相信AI未来会给行业带来变革，现在还不到时候
胥克谦：AI对我的帮助很大，但同时造成二次创业的起步延迟。
招人变难了，创业者在AI的加持下一个人就能搞定工作，为什么还要招人？有了AI，单个人的工作比过去跑得快很多，人与人之间的协作难很多，就要求一个人完成闭环。能够独立完成闭环的人特别难找，他们都是中流砥柱，要么在大公司被供着、要么也独立在干了。
自相矛盾： “与大模型对话”和“与人对话”类似，要求使用者有团队的管理能力。如果一个领导像过去带领五个成员，分配给五个成员的活儿很快就被干完，大量的时间都闲着等待领导分配任务，领导永远是卡点，这会出问题，现在还没有办法解决。
振宇：确实不能像以前一样去找人了。工作的拆分跟以前也不一样了，因为大模型是个逻辑不可解释的东西，自己从头串到底思路会更清晰，不希望流程被打断，需要我们重新思考如何拆分工作。
顾鹏：AI作为工具，要看掌握在谁手里。当外卖骑手的业务被植入AI的算法，外卖员的事业是被加速了还是减速了？AI算法当然可以提升外卖员的效率，但还要看企业管理的价值观导向，也就是，谁在用很关键。好事效率在提升，坏事的效率也在提升。
AI能提升学习效果，但学习的关键是兴趣，到底工具在哪里能突破？
赵振宇：互联网是服务业，对大模型既紧张又兴奋，我们在大模型细分，行业数据库上在工作。
王书海：这几年融资变得更难了。2013年14年钱多，很容易融资，现在很难。
醒客：90年代更难。
赵振宇：经济是波动的，不是一直高涨，历史的车轮是波动的，我们经历过经济高速上涨的时代，但是放眼全球，纵观历史，我们会发现经济的低增长和停滞才是主流，高速增长只是科技革命、制度革命等在独特的社会环境下发生。创业者应该有一个更加全面冷静的经济史观。当然，大模型还在赛道里，机会还是比较多。当年的融资的门槛低，但业务门槛高，现在融资门槛高，但业务门槛低了很多，很多好用的工具，共享经济解决了人的问题。我还是把大模型当成工具来用，大部分没法参与到大模型基座工作中，只能作为工具来用，并且需要积极来用。
郭小生：大部分行业短时间内不可能被AI颠覆，要先做好本行业，才有更好的机会拥抱AI，不要直接投入AI，要拥抱业务再AI。
赵振宇：Diss，昆仑巢现在推出了巢小亮、巢小臂、巢小咖、巢小飞、巢小玩、巢小厨，用大模型可以直接切入。
小生：多长时间有结果？多久能做成？怎么考核结果？
振宇：我们没有想好怎么接受KPI，只是想做出来，让子弹飞。
醒客：这个问题问出来就很好，答案反倒不重要了。
胥克谦：欣赏小兄弟王书海的状态。兴趣是重新起盘的重要动力，可以不要一般意义的回报，持续全方位的探索。前几年拿融资看着容易，但从自己的经历看，也是经历了一个不容易拿到容易拿的过程，让子弹飞吧。
醒客：有想法的人，在起点上很兴奋，但终点上并不容易拿到成果。那，从起点到终点的动力是什么？兴趣与爱好。即：愿景。个人进入一个新行业，需要自己付出代价，要让自己感到充实，就需要自己能够接受不挣钱也可以。同样的人、同样没结果，能否坚持下去，区别在自己的愿景，这是人们很少说出来的区别。
我个人的经验，每次穿越不同领域、行业的时候，为自己的爱好买单。开始都可能看不到钱，你准备足了之后，可能就产生收获。比如你尝试了十个方向，最后有一个方向成了，它就足以覆盖其他九个方向的成本，自己给自己的风险投资。
二，如何看当前的环境，有机会还是没有机会，机会如何抓？如何选择？举例说明自己的取舍
3，机会如何抓？如何选择？说说自己的取舍
赵振宇：我们选择的业务选择，也缺乏对结果的足够判断，要回到老一套，先表决，再不断在前进中迭代调整。大模型提升认知很快。
郭小生：我乐观主义者，相信AI是未来，没有舍，就是取。现阶段，AI对影视行业影响的深度并不大，但在各方面广度都有涉及，剧作、拍摄、后期、特效等各环节正在渗透。所以，需要关注更多的AI进步。
醒客：只取不舍，拿着更多筹码，会感到踏实吗？
郭小生：目前AI对影视行业的渗透还不太深，只是辅助作用，谈不上AI焦虑。我说的“取”是选择和使用AI工具的决心不会变，随着AI工具的更新，选换不同的工具就可以了。对我本来说，AI工具的使用一定有利于行业发展。所以，我没有感觉到不安。醒客：我听着是有一点不安哈，拿多少筹码好？
胥克谦：这几年大量的从业者转行，能做的事情也变少。是转行，还是等待，选择很难。今年以来，越来越笃定教育行业，信心来源于：行业有很大的变化，AI带来了巨大的可能性，教育又是必须的，难得的一个行业全新起盘的机会。产品人选择的方法论：用户是谁，业务在什么情景之下，然后才是产品是什么。教育在哪、情景在哪没有变，供给减少了，新产品的机会就来了。
醒客：信息量越来越多了，振宇选择用技术整理，一种赋能；小生，看好不好，预先主观直觉评判；胥老师，不变应万变，用户的需求在那里，以需求反向组织新产品。
很多人在选择的时候是有困难，我个人的意见：要找到一个对标物。你要去讲课，那就找一个类似老师作为标准，看是否能够超越，当然，超越与否要客户视角不是自己认定。
也就是说，所有的选择，都有要目标，最好市场上已经存在的目标，新的方法是否能够达成目标，能比对手好一点即可。不要只按过去的直觉判断，要以目标为中心，找到同行交流、对比，通过做真实任务让客户满意。
4，几乎每个创业者都要碰触新领域，对不懂的内容如何判断？如何跨领域交流？
醒客：比如，过去做机械设备的，现在要懂电子、懂大模型，编剧、影视业，过去有规范的流程和专业性，现在被很多没有接受过影视教育的门外汉打得落花流水。一些行业已经变化了，很自身的专业人士不能适应新的变化，如何与这类老专家交流？如何跨领域交流？
郭小生：编剧这个职业跟很多职业一样，都是需要学习积累和方法论的。即便是非科班的编剧，也是需要长时间的学习积累，才能真正创作出好的作品。所以，我不认同一个专业的编剧会被一个门外汉打得落花流水。不过，一个从业者呆在自己的领域久了，得到一些荣誉成就以后，很容易变得自我。不只是编剧这个职业，任何行业都是如此。所以，我觉得跨领域交流的第一个前提是：保持开放的心态，态度包容一些，讲道理，讲逻辑。
赵振宇：客户的意见相左，先验知识对新问题有帮助还是阻碍？两个可能性都是有的，很难预先知道。能突破自己边界、推翻自己的人也很少。一般以不争论为核心，避不开的话，对内，团队表决，对外，站在客户的角度想问题。
胥克谦：前提要有对人尊重。团队的目标必须一致，不一致长期会有问题。团队文化就是一个培养共识的过程。
王书海：团队要有共识，追问和叩问，每个人可以有不同的意见，但需要说出理由。第一，符合逻辑，第二，真实的想法，结论要有理由与依据。
顾鹏：区分事实判断与价值判断。价值判断不一致很正常，事实判断不一致则无法交流。
醒客：我听到的，沟通技巧，一是要有共识的前提，一是讲逻辑。我再提供一个思路：互联网公司的通常做法，内部竞争方式。这不一定是最好的方法，一些大公司的产品出了问题，往往也是因为评价标准有偏差，即使在内部竞争中胜出了，还是存在问题。
跨行业跨领域沟通是很难说服的，更好的办法是行动。先定一个小目标，好不好，用目标实现的成果来证明，不断更新推动目标前进，用行动而不是嘴来说明。即：建立基于行为的竞争机制。
关键：分歧有两类：一类是认知一样但看问题的角度不一样。不同角度更多是利弊权衡的问题，这时候讨论还有意义的。另一类是认知上就存在差异，这个就比较麻烦。
顾鹏：选择沟通的对象，就是一个重要的方面。
郭小生：价值观不一致的人是很难交流的，找合适的人，不要吊死在一个歪脖树上。如果你判断这个人是有能力，有才华的，那自己就要能容人。另外，，创业者需要有识人用人的能力。
赵振宇：多次复盘review的机制，来消除问题。
胥克谦：团队里的成员一开始都是不合格的，都不符合团队要求，要靠团队一起成长，高频次的沟通、不断调整、用小目标累计大目标。
醒客：整个意见听下来，人要基本对路、同频，然后寻找更多共识、讲理、不断尝试，并且，每一步潜在都有排序，好的东西我们都想要取，精力不够怎么办，排序靠后的舍弃，舍不得也要舍。
三，各种各样的AI工具不断产生，给我们带来帮助了吗？还是更乱了？AI到底好不好用？怎么用好？
5，AI到底好不好用？怎么用好？
醒客：AI工具的认知存在很大分歧，下到普通人，上到大佬，比如杨立锟，他觉得大模型无法推理，普通大众都相信这个说法，他肯定不是为了违反大众的常识，而是有深入的思考。现在，看上去到处是机会，但伸手好像又够不着。针对这种情况，大家分享一个具体的例子，来说明一下我们是怎么让AI工具用得更好。
赵振宇：大家可以自己搭起来应用，多用一用常见的大模型，智谱、文心一言、千问等等，我们自己还会做一些优调的工作，还做一些行业知识库。标准模型在有些情况下回答非常差，一般来说，大模型有1%的压缩比，即重复100遍的知识能被学习，不是简单重复，比如用100个问答、100个人来描述。回答不好的大模型，如果不是参数性能的问题，需要添加行业知识库。
郭小生：我刚提到只取不舍的原因也在于此，因为工具更新太快，比如文生图和文生视频，一直有新的工具推出，我就选择最好最新的工具就可以了。我也不认为很乱，只要你想清楚了，就一定不乱。
胥克谦：大模型有两种极端的评价：特别好或者特别烂。这两种回答都是用得太浅，人类掌握的知识在跟不同人交流的时候，也会表现的不一样，大模型也没有固定的答案。大模型也很难一次满足你所有的要求，我个人有一个三段的方法论：第一，找话题。如果让大模型写新版《西游记》，四个现代小学生版的西游记，尽管提了很多要求，也很难满意。那么就不断换话题，不同的话题大模型的回答会有不同，找到相对满意的话题，再进一步深挖。第二，单次单点深入突破。第三，再把多次的单点突破的结果灌回大模型形成结论。
王书海：我赞同杨立锟院士的观点。目前大模型在出厂时的能力是固定的，人能几十年的持续学习，更聪明。
振宇：你选择什么方法？强化学习？
王书海：通过人的思想和行为来逆向思维还原出算法，心理学中也有一些方法支持逆向操作。人在不断生成自己的想法，每个生成都是负责任的，以大量的生成判断的收敛为输出。大模型是一种静态完美状态，我设计一种动态完美状态。
赵振宇：回忆也不是从数据库里调东西，是抓数据重构。语言是人总结的离散量，与现实有差异很正常，现在新技术需要处理视频流这种连续量，大模型是否能处理，我持保留态度。数据驱动可能还会有意想不到的结果。
醒客：刚才我听到，振宇说的是模型优化的问题，如何建立专业的知识库，让答案更快收敛。小生是从工具使用的角度说的，限定了工具，就限定了范围。胥老师则也是从使用的角度，说到了交互技巧。
不同的大模型有很大差异，我区分集中使用情况：第一，知识检索，国内外的头部大模型基本都是合格的。你觉得大模型不好用的时候，更多是理解能力不足。你只要把对方当成小学生，组织好问的语言，大模型的回答就会提升。比如，问“现在天气为什么热？”大模型回答可能是乱的，你应该描述清楚：我今天穿了什么衣服，感觉热还是冷，描述清楚一些，大模型就能给出更满意的答案，问的越细致，知识检索能力越强。第二，当你微小改变问题，理解能力好的大模型，能给出你想到的几乎所有潜在可能性。如果大模型如果难以区别，那么就不要跟大模型较真，是大模型本身性能的问题，对输入的理解能力不足很难提升。第三，你不是在检索知识，你是在创作，可以把你想到的知识输入大模型，看看互相有没有一个印证的过程，进行三四次多回合操作，通常能提升满意度。
醒客：现在来总结，每人一分钟。
赵振宇：遇到问题，第一，问的对不对，考虑改善问题。第二，模型知识够不够，然后考虑是否要做向量知识库，进行定向优化。第三考虑，模型的能力够不够，考虑多层MoE（Mixture of Experts）模型，拆成多个代理Agent，每个Agent由专家模型提问，在整合返回的结果。
郭小生：面对AI还是面对新业务，都要自己喜欢，坚持做下去，AI也不是新概念，是一个曲折发展的过程，但未来很光明，相信AI。不管什么AI发展到什么阶段，选择自己最喜欢的，最有天赋的事业就好了。
胥克谦：大模型应该当做一个人，大模型的缺点跟人一样，虽然拥有全世界的知识，但没有办法超出一个人的边界来回答问题。大模型即便是世界上最优秀的专家，能不能用好是人与大模型协作的问题，都体现在与大模型的沟通当中。
醒客：在AI探索上，自己是投入者，可以不挣钱，但要考虑自己投入精力和时间是否得到了自己想要，按周总结，是否满意取得的成果，不满意就要修正。不要无畏地投入，投入永远要考虑产出的成果。
要点总结：
- 做事容易了。AI让工具更多了，做事情变得容易，做之前的信心增加。
- 做成事变难了。选择多了、决策难了，缺乏样板案例，成果不好评估。
- 活不值钱了。干活看着容易，难有高定价，成功率低，收钱更难。
- 个人努力难敌行业压力。大趋势方面：大模型冲击行业信息服务，新业务方面：网络视频冲击影视娱乐，偶发方面：疫情冲击教育，行业出现断崖式变故。
- 以小博大。个体很难左右行业命运，但动荡下多了以小博大的可能。
- 没必要什么都学。信息越来越多，但并不需要什么都学，大模型可以随问随答。
- 个人做事变易。大模型加持下，一个人顶一个团。
- 人际合作变难。但人与人更难协作。
- 工具好不好，还要看谁掌握、谁在用。价值观决定谁受益。
- 突破新领域的动力是兴趣与爱好。为自己的愿景能力买单，投资自己。
- 想都是问题，做才有出路。不断优化、不断精进。
- 所有选择都要基于目标。直觉能利用好先验知识，目标加持更客观理性。
- 跨领域的交流：找共识、讲道理，前提是人同频。
- 大模型使用三步：合适的话题、单点深入、综合形成结论。
- 大模型使用注意三点：自己的问题好不好，大模型知识够不够，性能够不够。
====
潮时间·昆仑巢：昆仑巢开设的一档线下圆桌交流，每周一个深度话题，欢迎有想法的朋友参与。潮时间Chaos Time，有你的参与，世界从无序到有序，巢人塑造的高质量时间片。