生成式AI创造了什么应用价值？8.28血战到底。
随着国内的百模大战正式打响，下一阶段产业界需要思考的问题是：AI究竟能在具体的行业场景里面解决什么问题？创造何种价值？不管是一线大厂还是小的创业团队，恐怕都逃不了这样的灵魂拷问。如果回答不出来投资人不会继续买单，C端用户新鲜感过了也不会续费了。
·一故事的起因：这轮生成式AI热潮是由OpenAI带动起来的，核心的创造是做了一个通用意义上的大模型去搞定所有事情。上一轮AI大家用的方式是小模型去解决具体行业的事情，所以一开始并不看好大模型这条路。
可是OpenAl这家公司用于创始团队的信仰与坚持硬生生的做出了Chat GPT4.0，效果还不错，所以出圈了，成为了史上用户破亿的最快应用。(融资金额100亿美金，超过其它所有同领域公司之和，相比之下今年的预计收入只有2亿美金，付费用户预计200万人)。
·二生成式AI到底解决了哪些问题？
→1.升级版的搜索引擎相比于百度谷歌ChatGPT直接告诉你答案，而传统的搜索引擎给出的更多是线索，还要用户自己进一步去点击进去看。
→而ChatGPT只需要继续提问，两者的用户体验肯定是ChatGPT更好，其实本质上两者的信息质量应该是一致的。因为ChatGPT训练的原材料就是网络上的公开信息，但目前的实际效果可能还是传统的搜索更加可信，至少它引用的信息来源是可追溯的(这里暂且不论信息源头是否造假)。
→2.初步思路创意及想法碰撞器。客观的讲ChatGPT4.0能在90%以上的通用领域做到7十分，也就是它的表现可以超越。
→3.低配版的个人助理：解决套路性重复性的工作。比如写一些总结会议发言稿，比如科大讯飞在这方面确实就做的不错，百度如流也不错。
·4.情感上的陪伴：虽然OpenAI的创始人并不认为目前的ChatGPT已经具备通俗意义上的"意识"，但是还是有很多用户认为对面是个人在聊天，所以能提供一些情绪上的价值。
·3.生成式AI目前还存在哪些问题：
→1.造假：从内容主干到引用都可以全篇造假，所以尝鲜过后对于内容准确性要求较高的用户应该不会用了。
·2.信息泄露：比如前段时间某知名企业员工在ChatGPT上提问，后来信息便被同行获取，因为圈子太小众太狭窄。
→3.专业性\垂直性不足：因为每个人大多都属于某个特定领域或者行业，当你想问非常具体的领域或者信息时ChatGpt会拒绝回答，或者因为训练的语料库有限回答不了。
→4.生成式AI具体能在哪些场景落地？我自己是按下面的优先级排序的。
→1.能解决以前解决不了的事情(这点是机会最大也是最值得探索的)。
→2.成本更低的解决(比如插画原图设计AI律师)。
→3.更高效率的解决(搜索答案写重复性套路性的文章查文献，后面有时间我会详细的mapping系统研究梳理一下。
目前这些就是我现在的认知水平，后续会通过学习继续提升。
