AI发展的最大障碍已经不是模型了

如果我们把产业的发展看成是一个技术、产品、模式不停转动深入的过程，那自chatGPT发布到o3可以看出是一个阶段，而o3之后可以看成一个阶段。

o3作为分水岭其意义在于，在到o3这种水平之前核心问题是模型好使不好使，在此之后的核心则是到底怎么让o3水平的模型发挥效力。(不是说模型不需要发展）

发挥效力的时候，如果只是从技术本身看待AI的挑战，看到的会全是提示词怎么写，这与AI会大范围提供通用智能的本质特征是错位的。

一定需要从此延展纵深到更大的空间才可能理顺应用通路，显然的萝卜快跑事件不是来自于技术和产品，但它确实影响产品化的进程，而每个落地情景可能都面对小微型的萝卜快跑式困境。

那在这个应用通路中什么最关键？

第一是AI和人的关系问题

这是未来各种应用塑形的基础和原点，在2024.12.29的AI碰撞局上北大国发院的侯宏老师提出了一个思考框架：

参见：https://arxiv.org/pdf/2403.16971

第五，自适应

自动驾驶和过去最大的区别是它的自适应。

而所有未来的应用几乎都是需要具备自适应能力。

当累积足够的全场景数据后，会有两种进化模式一种则类似这种端到端的模型，这时候模型和应用是不分的，数据回来会贡献于更好的模型。

但还有一种情况则是更大量级的数据和更长的分析时间，可以得出更好的方案（利用o3的能力）。

显然的，这时候系统的内核则会划分成两个部分，一部分负责快思考，一部分负责慢思考。

对于系统型应用它绝大部分功能是自主完成的。这时候一部分是要实时处理各种响应，一部分则是要迭代并总结自己的行为进行改善。这两个活显然是要分开做的。所以系统型应用的kernel部分，需要双系统分立。

参见：https://arxiv.org/pdf/2410.08328

小结

也许写的看起来有点夸张和独断，但这是一种必然性的脉络，这种脉络很像方法的方法，往往不以人的意愿而改变。我应该还是有点资格这么说，参见：AI的脉络：非共识时刻的认知价值，这是前面做的脉络判断，大致是准的。补充说明：

上面的论文能看看思路，实际做有问题的。

1. 系统肯定不是在现在系统上的增强，而是现有系统之上的再定义，所以和现有系统的关系大概率不对。

2. 双系统的例子不好，它那例子不需要双系统。