假设o1草莓模型终极表现和发布的信息完备同等，然后回发生什么呢？
一、AI大模型更贵了
从表露的数据来看，我们可以认为Scaling Law有效，不过这次不是堆数据而是堆机器和优化算法。
这意味着AI大模型显然会更贵，也更难，先是须要更多的机器，这导致更贵，然后靠人来做画龙点睛，这导致更难。
(上面文章里面有这图）
这可以和过去Sam Altman的辞吐结合起来看，Sam Altman发过的惊人辞吐包括须要召募七万亿美金等等，投资去办理电力问题等，两者倒是匹配。
二、AI安全了，但AI大模型公司危险了
AI公司的风险有无数个，但AI作为一个行业，其风险只有1个，便是AI不好用。
如果Scaling Law有效，那不管多贵，都意味着这个行业办理问题的代价在增加，以是这个行业安全了。大概率不会再变成80年代大家喊骗子的局势，行业的安全意味着AI大时期基本会确定打开。
但很多AI大模型公司是真的危险了。他们变成了运用不是运用，模型不是模型的一种公司。
跟进跟不起，不管是机器还是人才储备，显然的要想干好模型不单下一步贵，并且一段韶光会越来越贵。
不跟进，那自己的高估值拿什么做支撑呢？定位是什么呢？同时这种推理的进展覆盖正是他们本来做的那部分事情。
三、冲击波从专业职员开始
从宣布看Level2确实能过去，那我们之前所有对Level2影响的预判将在短期成为现实。之前我们这么解读五级模型：
上层运用实现的程度和先后可以参照OpenAI对后续AI进阶划分进行推测，下述为参照OpenAI分阶并补充系统型超级运用信息后整理而来。
阶段1：谈天机器人。AI能够与人对话，然后纯粹看对话内容你不能分辨它是人还是AI。对话的时候AI可能有幻觉并胡说八道，但逻辑自洽。当前就处在这个阶段。这个时候垂直型运用场于只能涌现类似Copilot这类纯粹的生产力工具，让ERP等进入下一代这类事情只可能在极小的领域中涌现，处于抽芽期。
阶段2：推理并办理真实问题的机器人。当你给AI真实的问题，它能够自行推理，乃至找你要它办理问题所欠缺的信息或者资源，然后真正的能够代替人办理问题。到了这个阶段，所有白领事情基本就不须要人了。在这个阶段各种不牵扯现实物理天下的事情基本可以全部用AI来办理，大量系统型超级运用会在企业领域、部分行业比如状师涌现。
阶段3：AI智能体。全面感知物理天下并且能够采纳行动办理问题，相称于把阶段2的能力从虚拟数字天下扩展到真实物理天下。到了这个阶段所有体力事情就不须要人了，街道、家庭、公司随处都是机器人。这个阶段新式系统型超级运用扩展到物理空间，具身机器人会充斥在各个天生生活的环节。
阶段4：创新者。AI能够组合现有要素在特定的方向上完成创新，比如他会创造性的根据面条和动物捏合出来用各种维妙维肖的动物。到了这个阶段，现在200人的公司估计只要不到10个人，像产品经理这样须要创新能力去定义产品的角色AI也能够承担了。这个阶段现有大部分可见的岗位全部完成AI对人的置换。系统型超级运用会遍布在各行各业。
阶段5：组织者。这时候AI能够卖力组织折衷的事情，承担AI之上的AI角色（过去高管和CEO的角色）。到这里每个我们现在看到的领域也都有了一个自己的AlphaGo，这个AlphaGo的专业性和能力远超过去人类同时具有通用性，大多企业里不须要管理职员，而是全部被AI接管。
这个五级分类可以算作是一种AI伟大叙事类比过去的大同社会等。
现在Level2眼看要实现了，那首先是Level2的影响会发生，其次在于后面的是不是也是靠谱的，而不是纯挚的想象？
推理这事的影响方向非常清楚：白领包括高等白领乃至科研职员受冲击最大。
不过如果幻觉问题没办理，那人类还能略有喘息。
四、智能飞轮看起来要转起来了
如果说推理能力确实能破局（当前并非是大成，而是一种破局），那AI真的可以做积极的未来展望。不是由于OpenAI多牛，关键是我们总说的智能飞轮要启动了。
当年AlphaGo为什么后来水平进展极其快？
核心就在于它转起来一个叫智能飞轮的东西。
形象讲便是AI能够奉养AI。
AlphaGo的领域太垂直了，围棋太分外了，以是过去险些只有AlphaGo能干这事。
可如果推理能力搞定了，情形会有大变革。
在数据和算法两个环节，AI逼近能够奉养自己的边缘。而这会解锁AI的进化速率。
提及来是个有点悲哀的故事，从智能飞轮、从AI进化的角度看，人才是最大障碍，人卖力的越少，AI卖力的越多，那智能飞轮转的越快。
而推理能力最关键的就在于削弱人在AI进展过程中的角色，这反倒是会加速AI的进展。
五、AI运用的黄金时期
琢磨事一贯反复说个话题，AI会由于打算模式的迁移导致大量的运用重做，过去我们把它总结成从功能中央式打算迁移到角色中央式打算。用老黄的图便是：
但这种重做在过去有点像构思轰隆战缺内燃机，推理的窗口一打开，各种新现实就不是空想，而是须要更为负责的构思了。
这种负责的构思关键是须要前瞻性，顺着AI脉络的前瞻性。
当年基于摩尔定律有这么一种思维模式：
我先把程序按照未来的打算量开拓好，那怕现在慢点，然后我就休假去了，什么也不用干，等我回来过去不怎么好用的繁芜图形用户界面就好用了。
现在AI的脉络在呈现类似摩尔定律的确定性，以是负责思考是指基于这种脉络的前瞻性思考。
六、小结
不管怎么样AI革命先革自己也是有点出乎猜想的，过去大量AI的算法职员在这种进展下承压可能比装修职员大的多。当年那些深度学习算法，是不是很快AI就可以干的比人更好？
当然这还只是发布会上的一些零散信息，它的真正潜力还须要一些先锋运用来验证。值得期待。
本文由大家都是产品经理作者【琢磨事】，微信公众号：【琢磨事】，原创/授权 发布于大家都是产品经理，未经容许，禁止转载。
题图来自Unsplash，基于 CC0 协议。