如何理解李彦宏说的“不要卷模型，要卷应用”

“不要卷模型，要卷应用”

7月4日，2024世界人工智能大会暨人工智能全球治理高级别会议全体会议在上海世博中心举办。在产业发展主论坛上，百度创始人、董事长兼首席执行官李彦宏呼吁：“大家不要卷模型，要卷应用！”李彦宏认为，AI技术已经从辨别式转向了生成式，但技术本身并不是目的，真正的价值在于如何将这些技术应用于实际场景，解决实际问题。并且提醒大家避免掉入“超级应用陷阱”，即过分追求用户日活跃量（DAU）而忽视了应用的实际效果和产业价值。称AI时代的规律可能不同于移动时代，一个“超级能干”的应用即使DAU不高，只要能为产业带来实质性的增益，其价值就远超传统的移动互联网。关于李彦宏的这段发言，你是怎么理解的？大模型技术本身和个性化应用，你的看法又是怎样的呢？快来分享你的观点吧！

我的观点

我理解李彦宏的发言是强调人工智能技术的应用价值和产业效益。他认为技术本身不是最终目的，而是应该将其应用于解决实际问题和改善实际场景。他提到AI技术从辨别式转向生成式，意味着AI已经可以创造新的内容和应用。他呼吁大家不要沉迷于开发大型模型，而是将重心放在应用上，更多关注应用的实际效果和产业价值。

关于大模型技术本身和个性化应用，我的看法是，大模型技术的发展带来了很多创新和突破，使得AI能够具备更强大的学习和创造能力。然而，我们也需要关注其应用的限制和潜在风险。大型模型消耗大量的计算资源和数据，对隐私和数据安全也提出了挑战。个性化应用可以根据用户的需求和偏好，提供更加个性化的服务和体验。然而，过分追求个性化可能会导致信息过滤和用户隔离，削弱了信息的多样性和社会交流。

在发展人工智能技术和应用时，我认为需要平衡技术创新和社会效益的关系。我们应该注重推动技术的实际应用，解决现实问题，促进社会进步和产业发展。同时，我们也应该关注人工智能的伦理和社会影响，确保其发展符合公共利益并造福全人类。

1.AI技术应用场景探索

AI技术在许多实际场景中都能发挥重要作用，并具有巨大的潜在价值。以下列举了几个常见的领域：

1. 医疗保健：AI技术可以用于医学图像分析、疾病诊断、药物研发和个性化治疗等方面。例如，AI可以帮助医生识别病例中的异常模式，辅助进行早期癌症诊断，并为患者提供更加精确的治疗方案。

2. 交通运输：AI可以用于交通管理和预测、智能驾驶系统以及智能交通信号优化等方面。通过整合实时交通数据和模拟预测模型，AI可以帮助减少交通拥堵和事故，并提高交通效率。

3. 零售业：AI技术可以帮助零售商预测消费者需求、优化库存管理和供应链，以及提供个性化推荐和客户服务。通过分析大量消费数据和购物习惯，AI能够帮助零售商更好地了解市场趋势和消费者喜好，从而提高销售和用户满意度。

4. 金融服务：AI可以用于风险评估、欺诈检测、投资组合管理和客户服务等方面。通过自动化和机器学习算法，AI能够更快速地分析大量金融数据，提高风险管理和决策的准确性。

5. 教育领域：AI可以用于个性化教学、学习分析和教育资源推荐等方面。通过分析学生的学习行为和表现，AI能够为每个学生提供量身定制的学习计划和教学资源，提高学习效果和个人成长。

这些场景中，AI技术的潜在价值主要体现在提高效率、减少人为错误、优化决策、创造新的商业模式以及改善用户体验等方面。AI能够处理大规模的数据、模拟复杂的情境、学习和优化算法，从而帮助人类解决一些复杂的问题和提供更好的服务。然而，随着技术的进一步发展，我们也需要更加关注AI的伦理和社会影响，确保其应用能够符合人类的价值观和利益。

2.避免超级应用陷阱的策略

追求DAU（日活跃用户）的弊端主要包括以下几点：

1. 流量导向：追求DAU可能会导致过度关注获取用户数量，而忽视了用户质量和转化率。一味追求DAU可能会吸引大量浮躁用户，这些用户可能只是因为好奇或其他非真实需求而使用应用，而不会真正参与或为应用带来价值。

2. 用户疲劳：追求DAU可能会使用户感到厌倦或疲劳，因为他们被频繁要求访问应用或参与活动。这可能导致用户流失或降低活跃度，因为他们感到压力过大或被打扰。

为了平衡用户活跃度和应用实用性，可以考虑以下措施：

1. 提升用户体验：关注用户的真实需求，提供有价值、有趣且易用的功能。通过用户调研和反馈，了解用户喜好和痛点，不断改进应用的设计和功能，提升用户体验，增加用户的参与度和留存率。

2. 个性化推荐：根据用户的兴趣、偏好和历史行为，个性化地推荐内容和功能。这样可以提高用户的参与度和粘性，使用户感受到应用的个性化关怀，从而增加用户的活跃度。

3. 丰富内容和活动：提供多样化的内容和活动，以吸引用户的关注和参与。这些内容和活动可以包括有趣的社区讨论、游戏、专业知识分享、悬赏任务等，增加用户的参与度和活跃度。

4. 个性化沟通：与用户建立良好的沟通渠道，定期推送个性化的消息和提醒，保持与用户的互动和关联。通过有效的沟通和关怀，提高用户对应用的认知度和亲近感，增加用户的活跃度。

5. 数据分析和优化：通过数据分析，了解用户的行为模式和偏好，针对性地优化应用的功能和内容。这样可以提高用户的满意度和参与度，增加用户的活跃度和留存率。

综上所述，平衡用户活跃度和应用实用性的关键在于深入了解用户需求，并提供具有个性化和创新性的功能和内容，同时通过数据分析和持续优化来提高用户体验和参与度。

3.个性化智能体开发

开发能够提供个性化服务的智能体应用需要考虑以下几个关键因素：

1. 数据收集与分析：为了提供个性化服务，首先需要收集用户的个人信息和使用习惯等数据。这些数据可以通过用户注册、问卷调查、行为追踪等方式获取。接下来，需要对这些数据进行分析，以了解用户的需求和偏好。

2. 机器学习和数据挖掘算法：借助机器学习和数据挖掘算法，可以对用户数据进行深度分析和建模。通过算法的训练和优化，可以实现针对个体用户的预测和推荐。

3. 实时反馈和个性化推送：智能体应用应该能够实时监测用户的行为和反馈，并根据用户的个性化需求提供准确的推荐和服务。例如，在电子商务应用中，可以根据用户过去的购买记录和浏览行为，向其推荐相关的产品。

4. 用户界面和交互设计：用户界面和交互设计应该简单易用，并能够根据用户的喜好和习惯进行个性化定制。通过了解用户的使用情况和反馈，可以进一步优化用户界面和交互体验。

在我之前的项目经历中，我参与开发了一款智能家居应用。该应用通过连接各种智能设备，如智能灯泡、智能音响等，实现对家居设施的远程控制。为了提供个性化服务,我们采用了以下策略：

1. 用户画像：我们通过用户注册和问卷调查等方式，收集用户的个人信息和家庭环境等数据。然后，我们使用机器学习算法对这些数据进行分析和建模，以了解用户的偏好和需求。

2. 智能推荐：根据用户的个人喜好和家庭环境，我们为用户提供智能推荐功能。例如，根据用户的作息时间和光线需求，我们可以自动调节灯光的亮度和色温。

3. 实时反馈和控制：我们的应用能够实时监测用户对家居设施的控制和调整，并根据用户的反馈进行智能调整。例如，如果用户频繁调节灯光亮度，我们可以学习到用户的喜好，并自动调节灯光亮度。

4. 个性化界面：我们的应用具有简单易用的界面，并能够根据用户的使用习惯进行个性化定制。例如，如果用户经常打开音响播放音乐，我们可以将音乐控制功能放置在界面的主要位置。

综上所述，开发能够提供个性化服务的智能体应用需要结合数据分析、机器学习算法和用户界面设计等方面的知识和技术。通过不断优化和改进，我们可以满足用户的一对一需求，提供更好的个性化服务体验。