00:00
嗨，大家好，我们都知道人工智能的世界每天都在飞速变化，但它真实的样貌到底是什么样子的？今天我们就要做一件以前没人做过的事，通过一份超级庞大的数据集来揭开AI生态系统内部真正的秘密。说实话，接下来你将看到的数据很可能会彻底颠覆你对AI的认知。先来看看这个数字，100万亿就是我们这次分析的数据规模，100万亿个AI token, 你可以简单的把一个token理解成AI处理信息的一个小单位，差不多就是一个汉字。这么庞大的数据量就好像给了我们一个前所未有的高倍显微镜，让我们能清清楚楚的看到AI世界里到底在发生什么。当然了，一个吓人的大数字仅仅是个开始。真正有意思的问题是，这100万亿个数据点，他们串联起来，究竟在给我们讲一个什么样的故事？它揭示的真相又会怎么影响我们对AI未来的看法呢？
01:09
好，我们的第一个重大发现就直指AI领域最核心的战场，在开源模型和B源模型之间，这场竞争到底是谁输谁赢，格局又是怎样呢？来，我们看这张图，你看啊，上面的一大块儿深蓝色区域，代表的是那些大公司的专有模型，他们确实是市场的主导，没错，但关键是下面这块浅蓝色的区域，也就是开源模型，他们稳稳的占据了大约30%的市场份额，而且你看这条分割线，它非常非常的稳定，这说明什么？说明开源已经不是什么小打小闹了，它是这个市场里一股不可或缺的，而且是持久的力量。所以这就直接打破了一个流传很广的神话，那就是觉得未来会有一家公司、一个模型独霸整个AI市场。数据告诉我们根本不是这样，我们看到的是一个双轨并行的健康结构，而且看起来它还会长期存在下去。
02:07
那么我们再把镜头拉近一点，只看开源这个小世界，哇，这里面的故事就更精彩了。就在不久前，Deep sick这个模型，你看它几乎就是唯一的玩家，但你再看看现在，来自q moon shott AI甚至open AI的各种新模型一下子就涌了进来，整个市场瞬间就变成了一场混战，百花齐放。这种局面其实也给我们揭示了今天开源生态的几个新规则，第一，市场需要的是多样性，而不是一个霸主，第二，新玩家冒头的速度快的惊人，可能几周之内就能吸引大量关注。第三，也是最残酷的一点，你必须不停的迭代，否则很快就会被遗忘。好了，我们知道了谁在玩这个游戏，那下一个问题就是，大家到底在用AI玩什么呢？数据揭示了两个绝对的杀手机应用，他们几乎驱动了绝大多数的AI使用，而且说实话，其中一个可能会让你大吃一惊。
03:13
第一个支柱，可能很多人都想不到，他不是什么高大上的生产力工具，而是充满创造力的角色扮演，对，就是人物互动、故事创作，这些你敢信吗？这部分在开源模型里竟然占到了一般以上的流量，这简直就是一个看不见的巨人。而第二个支柱呢，则完全是另一个画风，AI正在成为我们这个时代进步的引擎。你看，编程这个用途在所有模型里的总使用量，从区区11PERSON一路狂飙，现在已经接近50，无论是代码生成还是d bug AI都成了程序员们不可或缺的伙伴。
04:01
所以你看我们眼前是AI发展的两个强大引擎，一方面呢，开源模型，它更像是一个巨大的充满想象力的创意乐园，而另一方面呢，如果我们放眼整个AI市场，它正飞速的进化成一个极其专业的编程工具。接下来，我们还要看一个更深层次的变化，不仅是AI被用来做什么在变，我们如何使用AI的方式，也正在发生一场根本性的革命。这场革命的核心概念我们叫它智能体推理。这个词听起来可能有点技术化，但意思很简单，就是我们不再只是让模型说点儿什么，而是开始让他去做点儿什么，通过多个步骤的规划、推理和行动来完成一个复杂的任务。你看这条增长曲线简直太疯狂了。代表着这种推理工作模式的绿色区域，在短短一年之内，它的使用率就从几乎是零飙升到了超过50%，成为了新的默认选项。这说明什么？说明这种智能体的交互方式已经从一个很小众的实验性功能迅速成长为了主流。
05:17
那么这个转变具体是怎么体现在我们的使用习惯里呢？首先，我们给AI的指令，也就是提示词变得越来越长了，平均输入长度足足增长了4倍，特别是在编程任务里，开发者们现在会把整个代码库都扔给模型去分析，这在以前是根本不敢想的。既然我们给AI的信息更多，任务更复杂，那我们的交互自然也就变得更深入了。你看整个交互的总长度，也就是输入加上输出增长了超过3倍，这就是一个非常清晰的信号，说明我们的互动早就不再是一问一答那么简单了，而是变成了复杂的、多步骤的深度对话。
06:01
所以这里的关键结论是什么呢？就是AI的使用重心已经变了。他已经从一个简单的听指令办事儿的创意生成器，进化成了一个能够处理复杂任务的分析引擎。好了，在一个变化这么快、竞争这么激烈的市场里，到底是什么能留住用户？用户中争多的秘密是什么？这项研究提出了一个特别有意思的理论。这个理论他们称之为水晶鞋效应。这个比喻真的太妙了，它的核心观点是，在AI世界里，不一定总是那个技术最牛的、最好的模型能赢。真正能赢的是那个第一个完美解决了某个特定高价值问题的模型，当他和用户的需求完美契合时，就像灰姑娘穿上了那只独一无二的水晶鞋。数据给了我们最直接的证据，来我们看左右这两张图的对比，左边是cloudnet这个模型，它显然找到了它的水晶鞋，你看他最早的那批用户留存率非常高，形成了一个非常稳定的核心用户群。然后你再看右边Lama marick这个模型，用户在所有群体里都在快速流失，这说明什么？他没能实现那种完美的匹配，这个对比简直是把水晶鞋效应的力量活生生的展现在我们面前。
07:24
所以，这对所有做AI模型的人来说是一个极其重要的启示。你真正的护城河可能不是你的技术参数有多高，而是你能不能率先找到那个工作复合和模型之间的完美匹配，这才是预测一个模型能不能获得持久成功的最关键的型号。好的，讲到这里，我们把所有这些线索都串联起来，就可以开始描绘一幅AI未来的图景了。这幅图景是复杂的，高度细分的，也是全球化的。这张市场地图就完美的展示了这一点。AI市场远不是一块铁板，它被高度分化成了不同的区域。你看左上角是那种高流量低成本的大众应用，比如角色扮演，而右下角呢，是低流量但是价值极高的专业领域，比如金融和科技。这些不同的应用场景，他们的价值模型和成本模型可以说是天差地别。
08:26
那么最后让我们一起留下一个思考题，如果AI的未来不是由一个万能模型赢家通吃，而是一个由十数个专业的小而美的工具所构成的充满活力的生态系统，那么对我们每一个使用者来说，真正的问题就变成了，我们该如何为自己手头的任务找到那只最合脚的水晶鞋呢？即刻关注走向未来公众号，加入走向未来知识星球，一起向未来。
我来说两句