在新加坡举办的Super AI大会上，波士顿动力公司的小狗型机器人等众多AI项目展现了海外在AI领域的广泛应用，涵盖了从基础客服到人形机器人等多种形式，技术水平令人印象深刻。然而，国内大众对AI的认知和应用仍处于初级阶段，许多人对ChatGPT的使用方法和下载方式仍感到困惑，国内AI工具在技术和用户体验上与海外相比存在显著差距。

尽管AI应用种类繁多，但目前全球每天使用AI产品的人数仅有4000多万，其中ChatGPT用户占比最大，约2000多万用户通过网页端使用，1000多万用户通过手机端使用。考虑到全球每天有4亿手机用户，AI的渗透率不足1%，远低于长视频或社交工具50%以上的渗透率，这表明AI在日常生活中的应用空间巨大。

目前AI技术仍处于小范围普及阶段，美国调研数据显示，近90%的民众仅听说过ChatGPT，从未实际使用。普通用户对AI的使用率低的主要原因是缺乏易于使用的优质产品。

AI产品需要兼具易用性和广泛性，只有当产品让用户产生依赖感并愿意主动推广时，才能实现广泛普及。例如，ChatGPT的日活跃用户数与Facebook、Instagram等全球超级App相比仍相差近百倍，AI技术的进一步发展和普及仍需时间。

设计师群体对AI的态度相对中性，虽然存在一些对工作被取代的调侃和担忧，但实际焦虑并不普遍。然而，市场上仍存在贩卖焦虑的AI课程，这反映出部分人群对AI仍抱有不安情绪。

新技术的出现是不可避免的趋势，我们唯有积极拥抱它。

许多从事文字工作的用户对目前大型语言模型（LLM），例如假设的 GPT 衍生产品 Charge GDP，在事实准确性方面的表现并不满意。由于中文语料库的精确度问题，LLM 在资料整理过程中经常出现事实错误。

对于新闻工作者而言，错误的信息是致命的，绝不能被其误导。因此，在几次尝试后，部分用户放弃了使用 LLM 处理涉及事实的任务。

即使是生成标题等创意性任务，LLM 的表现也差强人意，难以捕捉到人类感性层面的精髓。

LLM 在许多行业难以有效应用的原因之一在于其正确率问题。对于很多行业而言，99.9% 的正确率等同于零。

例如，在数据分析工作中，使用工程化方法进行自动化的数据分析，除非代码出错，否则不会出现错误。而且一旦错误被修正，便不会再次出现。

然而，LLM 的表现却截然不同，即使一千个结果中只有一个错误，也是不可接受的。在医疗、教育和无人驾驶等领域，这个问题尤为突出。例如，一款学习辅助产品的正确率为 99.9%，家长是否会放心使用？无人驾驶的安全率为 99%，乘客又会作何感想？因此，解决 LLM 的模糊性问题以及最终实现更高的正确率是这些行业应用 LLM 的关键挑战。

目前，业内普遍认为，如果 AI 创业公司只做产品或只做模型都存在风险。对于那些基于开源模型开发产品的公司而言，是否应该自主研发模型是一个值得探讨的问题。

由于大模型底层建设投入成本巨大，除非公司本身专注于此领域，否则并不值得投入。开源的价值在于为技术使用者提供基础，使其能够在此基础上进行训练和微调。

从长远来看，开源特性将促进技术的繁荣发展。因此，部分公司选择专注于应用开发，并在开源模型无法满足需求时进行针对性的训练和微调。许多功能看似简单的应用背后，实际上是多个模型（包括大模型和深度学习模型）的协同运作。

创业公司在使用开源大模型时还面临着技术进步带来的挑战，例如补丁失效甚至整个系统更新。尽管如此，一些开发者认为根本性的改变可能性不大。

如同衣服的纽扣会不断改进，但衣服本身作为一种基本物品从未被替代。因此，开发者应该关注用户的本质需求和应用场景。

回到基础用户界面生产，这是一项本质的需求。人们需要继续与屏幕和数字世界互动，这就需要各种人机交互界面和形式。

技术的发展将改变软件的形态，我们只能以开放的心态迎接它。变化带来新的市场和新的产品，这是发展的最佳路径。

总而言之，如今各种生成技术（文字、视频、图像等）如同不同口味的佳酿，而部分开发者正在努力为这些佳酿打造更精美、更适宜的容器。

该项目启动于2021年，彼时XGP技术尚未引起广泛关注。直到2022年底，这一生成模型的发布，为项目发展带来了颠覆性的改变。

项目团队始终秉持“以用户为中心”的产品理念，致力于提供能够解决用户实际问题的产品。技术的更迭并不会改变这一核心目标，而是为实现目标提供了更多可能性。

大模型的出现对项目产生了两个主要影响：

首先，它提升了某些场景下解决问题的效率和准确性。团队并不会排斥新技术，而是积极拥抱并选择最有效的技术方案，无论是深度学习还是大模型，只要能够更好地服务用户，都会被纳入考虑范围。

其次，大模型带来了全新的“生成”能力。尽管团队成员在AI领域深耕多年，但大模型仍然是一个全新的学科。

GPT的出现，让团队成员感到震撼的同时，也需要深入理解其能力、局限性以及潜在缺陷。 掌控大模型之后，团队发现了由“生成”能力带来的新机遇。

例如，输入一句话即可生成界面，这在2021年是难以想象的，而现在不仅已经实现，而且还有更大的提升空间。

大模型之于项目，如同为一辆已经造好的汽车更换了一个性能更强大的发动机。生成技术不仅启发了团队对“汽车”进行改造升级，甚至使其拥有了变革成为“电动汽车”或其他形态的潜力，从而能够进入新的领域，探索新的形式。

四月份的发布会展示了未来充满希望的图景，其中一个令人兴奋的场景是辅导孩子做作业。ChatGPT已经能够识别图片，指出题目中的错误，并给出解题思路。

近期，作业帮等教育工具也开始探索利用AI技术辅助学生解题和学习。这无疑为家长减轻了负担。

大模型在教育领域的应用前景非常明确。比尔·盖茨曾总结大模型将改变的四个领域：软件、教育、医疗等。

大模型的本质在于理解人类意图，并据此进行信息传递和表达，这在教育领域尤为重要。例如，一对一的个性化辅导一直以来都是最理想的学习方式，而大模型的出现，让实现这一目标变得更加触手可及。