GPT-4出來之后，人們似乎對AI又開始興奮起來！AI技術的再一次迅猛發展，催生了一個個超級個體，人類的能力邊界再一次被拓寬和強化！

“通過簡單的對話聊天方式，人們發現AI幾乎是上知天文下知地理，可以回答任何能想得到的問題，甚至可以替人們完成編輯ppt、寫論文、寫專利，翻譯學術專著，提煉論文核心觀點和結論 ...”

這類AI技術，人們一般叫做AGI（Artificial General Intelligence），即通用人工智能，因為它“不挑活兒”，同時，由于這些技術背后的算法模型的參數規模巨大，也叫做大模型。

大模型可以對文本、圖像、音視頻進行理解以及創作生成，而其中，最典型的且最有代表性的是自然語言大模型。作為聊天工具的OpenAI ChatGPT就是自然語言大模型。

在領略了ChatGPT的魅力之后，國內很多AI廠商迅速開始奮勇追擊，研發了國產化的自然語言大模型底座模型。例如，百川大模型、智譜大模型、文心一言，以及Kimi等 ...

這些大模型底座比較適合中文的文本大數據應用場景，更加符合國內人的語言交流習慣和文書表達風格。

和傳統AI相比，大模型之所以具有更大的技術亮點，主要在于“通用性”和“生成性”這兩個方面。

對于生成性：傳統的AI更多關注分析數據，而AI大模型則可以生成數據，也就是直接給出工作成果，完成了業務活動的“最后一公里”的交付。

對于通用性：則強調了，AI不僅能很好地完成任務，而且可以完成各種類型的工作，具有極強的可塑性。

以前，AI做什么，不是使用AI的人說了算，而是開發AI的人說了算。

開發一套AI的代碼必須經過數據規整、特征工程、模型構建、參數訓練、模型有效性驗證、模型部署等一系列繁冗的步驟。

模型開發的效率遠跟不上需求的變化。業務人員總是在用過時的技術工具和過時的知識經驗成果。

有了AI大模型，可以實現“零樣本”學習或者“少樣本”學習。什么意思？

就是說，AI的能力不總是依賴于開發人員從頭開始的構建，而是當用戶口頭發布任務指令的時候，就可以立刻掌握這個任務的相應能力，并按照要求“完美”地完成工作。

人的“想法”可以立刻得到執行，同時，很多創新的思路也可以快速進行實驗，每個人都可以成為在他所在領域的創作者、發明家。

數字化轉型，不僅僅是企業的數字化，組織的數字化，流程的數字化，更是人的數字化。

人能更好地利用當代信息技術工具開發自己的創新潛力，挖掘數據要素價值，是數字化理念最成功的表現之一。

因為有了AI大模型，一些基礎的執行層面的工作被機器迅速替代，而人的價值更多地體現在提出想法。

這個時候，1+X的多代理（Agent）方式，可以快速撐起極具創新力的團隊。

用提示詞工程（構建任務問題模板）重塑大模型的能力，對他們進行連接編排，形成業務合力。

如果這個“想法”運轉得好的話，那么這將是未來一個典型的高產值超級個體模式：

    ... 定義一個價值鏈流程，明確這個價值鏈的每個環節都需要完成哪些任務，讓AI大模型在各個環節高效地完成數據和知識的轉化，而人只需要監督整個流程，在恰當的時候予以必要的業務指標校正就可以了...