滨州防盗门维修全国统一24小时400客服中心
全国报修热线：400-996-1195
更新时间：
滨州防盗门维修全国统一24小时400客服中心
滨州防盗门维修维修电话：(1)400-996-1195(2)400-996-1195
滨州防盗门维修各售后全国24小时客服受理中心
滨州防盗门维修全国24小时服务点热线号码-:(3)400-996-1195(4)400-996-1195
滨州防盗门维修售后服务电话：(5)400-996-1195
7天24小时人工电话客服为您服务、滨州防盗门维修服务团队在调度中心的统筹调配下，滨州防盗门维修线下专业全国网点及各地区售后人员服务团队等专属服务，整个报修流程规范有序，后期同步跟踪查询公开透明。
所有售后团队均经过专业培训、持证上岗，所用产品配件均为原厂直供，
滨州防盗门维修全国24小时服务点热线号码-
滨州防盗门维修服务电话全国服务区域：
滨州防盗门维修各售后全国24小时客服受理中心
上海市（浦东新区、徐汇区、黄浦区、杨浦区、虹口区、闵行区、长宁区、普陀区、宝山区、静安区、闸北区、卢湾区、松江区、嘉定区、南汇区、金山区、青浦区、奉贤区）
北京市（东城区、西城区、崇文区、宣武区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区）
成都市（锦江区，青羊区，金牛区，武侯区，成华区，龙泉驿区，青白江区，新都区，温江区，双流区，郫都区，金堂县，大邑县，蒲江县，新津县，都江堰市，彭州市，邛崃市，崇州市）
长沙市（芙蓉区，天心区，岳麓区，开福区，雨花区，望城区，长沙县，宁乡市，浏阳市）
北京、上海、天津、重庆、南京、武汉、长沙、合肥、成都、南宁、杭州、广州、郑州、太原、济南、海口、哈尔滨、昆明、西安、福州、南宁、长春、沈阳、兰州、贵阳、湖州、南昌、深圳、东莞、珠海、常州、宁波、温州、绍兴、南通、苏州、张家港、徐州、宿迁、盐城、淮安、淮南、南通、泰州、昆山、扬州、无锡、北海、镇江、铜陵、滁州、芜湖、青岛、绵阳、咸阳、银川、嘉兴、佛山、宜昌、襄阳、株洲、柳州、安庆、黄石、怀化、岳阳、咸宁、石家庄、桂林、连云港、廊坊、大连、大庆、呼和浩特、乌鲁木齐、鞍山、齐齐哈尔、荆州、烟台、洛阳、柳州、
蒙克：感谢迈克-布朗曾为球队所带来的能量 以及他对比赛的热情
文 | 李智勇
如果我们把产业的发展看成是一个技术、产品、模式不停转动深入的过程，那自chatGPT发布到o3可以看出是一个阶段，而o3之后可以看成一个阶段。
o3作为分水岭其意义在于，在到o3这种水平之前核心问题是模型好使不好使，在此之后的核心则是到底怎么让o3水平的模型发挥效力。(不是说模型不需要发展）
发挥效力的时候，如果只是从技术本身看待AI的挑战，看到的会全是提示词怎么写，这与AI会大范围提供通用智能的本质特征是错位的。
一定需要从此延展纵深到更大的空间才可能理顺应用通路，显然的萝卜快跑事件不是来自于技术和产品，但它确实影响产品化的进程，而每个落地情景可能都面对小微型的萝卜快跑式困境。
那在这个应用通路中什么最关键？
第一是AI和人的关系问题
这是未来各种应用塑形的基础和原点，在2024.12.29的AI碰撞局上北大国发院的侯宏老师提出了一个思考框架：
可能不好理解，但本质是在说知识创造过程中如何界定人与AI的关系（更多相关文章大家可以参照侯老师的公号：）。
关注知识创造和流转正是它成为一个原点问题的的原因。
因为在知识创造的过程中人、机的角色边界最终就会变成应用的边界的决定因素之一。
人机是横向切分的视角，如果再配上数据可获取范围的纵向视角，那基本就是AI应用的潜在格局。
人、机边界决定了应用的形态和深度，决定到底以什么方式给个人、企业提供智能，比如是Copilot还是Autopilot。
数据可获取边界则决定了角色的功能边界，到底提供什么，比如是教育还是法律还是其它。
第二，数据的可获取性
如上所说，数据的可获取性决定应用的功能边界。
这里的关键有两个：
一个是利益的各相同性，否则就不可能有源源不断的数据，没有源源不断的数据也就不可能越做越好，最终就只有低垂的果实。比如你给法院提供方案，那显然数据没法源源不断，这不是各技术问题，而是个生产关系重构的问题。需要复杂思考才可能找到一条真正可能的通路。
一个是数据自身的成本，成本是指长期确保高精度数据所要付出的成本。这个搞不好相当于一个强大的AI周边全是说假话的，它就不可能好使。
对于产品而言，这两个都是个战略问题，和后天努力关系不大，它先天决定产品的最终扩张的时候的边际成本。
如果我们把AI应用归为两个类别，一个是创造新效能，一个是创造新体验，对于前者上面说的生死攸关。
第三，数据通路的通用性问题
我们知道AI大模型的核心特征是能力的通用性。
我们假设AI大模型扮演大脑的角色，那这个脑子显然既能收玉米也能摘桃子，可如果实际干活的时候如果触手只有一种，比如像章鱼一样的爪子，那它就不能收玉米，只能摘桃子。
这时候不是模型能力不行，而是感知反馈通路的通用性不够，两者错配。
这是和过去应用的核心差异。
只要数据通路没问题，AI可以提供任何功能，关键的不再是功能。
第四，AI应用一定是系统型应用
AI应用没有小而美一说，因为数据的边界是应用的边界，小范围根本没壁垒，要么被大模型本身吸收掉，要么被同类别的应用吸收掉，只有极短的窗口期。
每个可能都和搜索、微信差不多，最终NO1的几乎占据所有。
而一旦数据通路的通用性变关键，就会导致应用往系统化方向发展，因为源是多的，需要表现出来的能力是需要动态变化的。前者衍生类似过去的硬件抽象层（HAL），后者衍生出来技能商店，这样一来中间就比如有调度器（Scheduler）等作为kernel。
参见：https://arxiv.org/pdf/2403.16971第五，自适应
自动驾驶和过去最大的区别是它的自适应。
而所有未来的应用几乎都是需要具备自适应能力。
当累积足够的全场景数据后，会有两种进化模式一种则类似这种端到端的模型，这时候模型和应用是不分的，数据回来会贡献于更好的模型。
但还有一种情况则是更大量级的数据和更长的分析时间，可以得出更好的方案（利用o3的能力）。
显然的，这时候系统的内核则会划分成两个部分，一部分负责快思考，一部分负责慢思考。
对于系统型应用它绝大部分功能是自主完成的。这时候一部分是要实时处理各种响应，一部分则是要迭代并总结自己的行为进行改善。这两个活显然是要分开做的。所以系统型应用的kernel部分，需要双系统分立。
参见：https://arxiv.org/pdf/2410.08328小结
也许写的看起来有点夸张和独断，但这是一种必然性的脉络，这种脉络很像方法的方法，往往不以人的意愿而改变。我应该还是有点资格这么说，参见：AI的脉络：非共识时刻的认知价值，这是前面做的脉络判断，大致是准的。
补充说明：
上面的论文能看看思路，实际做有问题的。
1. 系统肯定不是在现在系统上的增强，而是现有系统之上的再定义，所以和现有系统的关系大概率不对。
2. 双系统的例子不好，它那例子不需要双系统。