当前的AI主题是LLM， Agent， ALL in显卡 服务器，大量的电力消耗和用户争夺。
但是在实际的应用中， 我那AI tools当作大数据搜索整合工具， 而不是真正意义上的人工智能。 举几个例子： 我会用Cursor来生成LC刷题笔记，但是它不是真正意义上的原创内容，而是基于大数据的内容整合。 我会用VS Code生成代码，但是它不是基于需求理解的代码生成，而是通过语意的关联性搜索类似的代码段然后填充，如果我想实现一个数据库不存在的代码段，VS code很可能生成的代码是不符合我的期待的。 代码的自动填充是基于概率的补充，而不是基于思考的实现。 AI在我看来只是”看起来“智能。
当然不得不说AI工具能快速辅助我，让我从重复性无聊的事务里脱身。 以前想实现多步骤的图片修改， 比如把多余的内容过滤 需要几小时的人工，现在只需要几个指令+AI图片处理就好了。 这些，是基于大量的计算机运算来实现重复性操作，而不是基于智能去主动的改变什么。 方便，快捷，但是真的能算是“智能”么？
尤其是大型通用性模型花费了极其高昂的算力和电能，实现的可能只是用户重复的简单需求。
下一步AI辅助的细分大概是某个趋势？ 比如说ChatGPT提供的法律解释大概率不够靠谱。 但是一个专用的专注于正确法律辅助的AI能帮助法律从业者更快的更有效的工作？ 针对智能家居的AI管家能基于如何帮主人更好的生活，能够提供家用电器的优化控制，给予主人恰当的建议（比如基于图片识别的家用采购清单）？ 这类专用/专业的针对性AI比通用AI对于资源的消耗更可控，同时可靠性更好，用户也更有意愿买单。
我有一个朋友，她会付费给专业营养师，每天给自己的事物拍照 然后得到系统的热量计算以及专业的建议和反馈。现在已经有相关手机APP在做类似的事情，引入AI（后台调用第三方API）来实现类似的功能。 当然，本质上还是用的通用LLM， 期间存在很多不需要的overhead的同时 不知道有没有在精准度上面有优化？
当前的科技领域：大公司凭借资本 大批裁员减开支来买显卡。中型公司因为没有足够的资本 逐步被淘汰。 新型的小公司及个人 通过AI帐号和API接口来快速积累人气和收入。 水深火热。
这种能源消耗换热点的局面，什么时候能够破局呢？ 期待分布式AI的存在，AI落地不应该是只有大型模型才行的局面。 毕竟几家独大目前都是烧钱倒贴换人气，哪天站稳了涨价了 或者泡沫破了 那就是全民灭杀的局面了。
一个健康的科技圈不应该是这样的。
13 responses to “关于当前AI趋势的旁观者的一点反思”
tetracycline hydrochloride ointment
tetracycline hydrochloride ointment
buy antibiotics for sinus
buy antibiotics for sinus
zyloprim generic
zyloprim generic
doxycycline hyclate 100mg cap
doxycycline hyclate 100mg cap
fluconazole 150 mg tablet
fluconazole 150 mg tablet
furosemide 40 mg price
furosemide 40 mg price
diflucan generic name otc
diflucan generic name otc
vibramycin hyclate 100mg
vibramycin hyclate 100mg
nitrofurantoin for uti in men
nitrofurantoin for uti in men
flagyl for uti
flagyl for uti
doxycycline for sinus infection
doxycycline for sinus infection
lasix for dogs
lasix for dogs
minoxidil for eyebrows price
minoxidil for eyebrows price