大模型浪潮的心态变化与时机问题

在 2023 年大模型兴起之初，产业界普遍感到兴奋、困惑与焦虑。兴奋在于看到了许多原本无法解决的问题有了新解法；困惑源自“不知道怎么选、怎么用”；焦虑则来自“用了却没看到质变，怕别人用得更好”。进入 2024 年，随着大模型应用进入“生产力场景”，这些困惑与焦虑明显减轻。央企普遍引入人工智能，63% 的中国企业积极应用大模型，用户也从“尝鲜”走向“实用”。

但新的疑问随之出现：在大变局和高不确定性的背景下，现在是否是使用大模型的最佳时机？无论古代《管子》所说的“当时”，还是现代学者对“快速抓住时机”的强调，都指出了一个道理：时机对成败至关重要，而大模型正迎来这个窗口期。

科技发展的曲折规律与大模型定位

大模型的发展不可避免地伴随曲折。历史上，科技常常经历“好事多磨”的反复，人们在困境中探索，最终迎来突破。高德纳的技术成熟度曲线揭示了这一规律：新技术会依次经历萌芽、期望膨胀、泡沫低谷、复苏爬升、成熟五个阶段。人工智能及其细分领域的发展同样如此，并且可能在不同阶段多次经历“小曲折”。

因此，对大模型不应盲目乐观，制造泡沫；也不能过度悲观，从而错过浪潮。更合理的态度是承认曲折的必然性，把握其中的节奏，在波动中寻找真正的成长机遇。

第一波浪潮：早期先行者的探索

大模型兴起初期，OpenAI、微软、百度等率先推出了产品化的尝试。GPT 模型在 2018 年已问世，但直到 ChatGPT 的推出才引发广泛关注与商业价值。微软推出 Copilot 等应用，推动了 AI 进入产业场景。然而，这一阶段的局限在于“有模型、缺场景”，技术虽先进，但未能充分转化为市场收益，证明了应用创新和用户体验才是技术与市场之间的桥梁。

第一次波折：算力短缺与幻觉困境

2023 年初，大模型遭遇两大难题。算力短缺像“胃口巨大而难以填饱的怪兽”，训练需要的芯片和计算资源极其紧缺；幻觉问题则让模型输出虚假或不准确的内容，给产业应用带来风险。这导致大模型一度陷入低谷。但随着芯片供应改善、计算能力提升，以及人类反馈强化学习、监督微调等方法的引入，幻觉率逐步下降，模型从“可玩”走向“可用”。

第二波浪潮：现有应用的重构

当大模型基础功能趋于稳定，企业开始将其融入现有产品进行改良，而非直接开发原生应用。海外的 Adobe、Notion、Salesforce 等借助大模型提升产品体验；国内百度等公司不仅重构内部产品，还开放大模型能力供企业使用，数以万计的企业尝试接入，应用场景不断扩展。这一阶段，大模型的价值逐渐进入“生产力化”。

第二次波折：安全与可靠性的挑战

随着应用增多，安全性与可靠性成为焦点。金融、医疗、工业安全等领域要求 AI 系统稳定、准确且具备防护能力，否则难以赢得信任。研究人员通过数据管理、算法优化、安全防护和价值对齐等方法来增强模型，而国家也出台了《生成式人工智能服务管理暂行办法》，推行大模型备案制，降低风险。百度成为首批备案通过的企业之一，获得了官方对其可靠性与安全性的认可。

第三波浪潮：人工智能原生应用的爆发

在 RAG 等技术帮助下，大模型的幻觉被大幅抑制，准确性和可信度显著提升。用户不再满足于对现有产品的改造，而是希望构建原生 AI 应用。这些应用可能催生千万级用户的“现象级产品”，但对大多数企业而言，更务实的方向是追求“超级有用”。从实践看，第二波与第三波浪潮有可能并行展开。

从“能做什么”到“创造价值”

近几年，生成式人工智能正经历从“第一幕”到“第二幕”的过渡。第一幕的核心在于证明大模型能做什么，虽然 ChatGPT、文心一言等应用展示了惊艳的能力，但仍停留在单点应用阶段，用户黏性有限，未能像微信、抖音那样深度嵌入生活。第二幕则更强调解决实际问题、创造价值，大模型正通过应用重构与原生应用深入到垂直场景和各类行业，如法律、医疗、教育、金融、政务、文娱等，带来效率提升与模式创新，同时也改变着个人生活，如儿童陪伴、智能办公与 AI 手机。

尽管发展伴随曲折，但生成式人工智能已进入“百花齐放”的应用阶段，正逐步迈向技术成熟度曲线中的复苏与成熟期。