要的是理解两者之间的关系。 AGI
和产品对我们来说并不是⼿段和⽬的的关系，两个都是⽬的。同时，在追求
AGI
的过程中，我认为 所谓的数据⻜轮是很重要的，尽管它是⼀个⽼套的概念。 像
ChatGPT
这样的产品，还没有完全建⽴起基于⽤⼾数据的持续进化。我觉得这很⼤程度上是
base
model
还在进化，进化了⼀代，之前的⽤⼾数据就没什么⽤了。这跟发展阶段有关系
⸺
现 在“吃”的是 的？因为刚刚你也提到了模型是⼀个⿊盒，并且其实⼈类到现在还没有弄清楚⾃⼰的⼤脑是怎么⼯作 的。 杨植麟：可解释性核⼼是个信任的问题。建⽴⼀个信任的⼼智是很重要的，对应的应⽤场景甚⾄可能 和
ChatGPT
的也会不同，⽐如
long-context
和搜索的结合。
当模型完全不
hallucinate
或者概率⾮常低，就不需要解释了，因为它说的东西都是对的。⽽且解释有 可能也只是
alig 开始的时候只有很少的内存。第⼆点就在于
AI
的终极价值是个性化。

海外独⻆兽：OpenAI
其实也有⼀定的
long-context
了。
杨植麟：它还没有把⽤⼾的交互过程真正视为个性化的场景。⽐如，如果我们去
ChatGPT
prompt
某 个东西，
不管是今天还是明天，只要模型版本相同，可能效果基本上差不多，这就是我说的缺乏个性 化。 最终所有东西都是指令遵循。只不过你的指令会越来越复杂。今天你的指令⼀开始可能是
10
个词，但

OpenAI 说起，前一年年底，ChatGPT 的横 空出世，标志着对话式 LLM 开始进入公众视野，为人们 提供了全新的人机交互方式。而 2023 年 3 月，同系 GPT-4.0 的发布则将 LLM 的规模和能力提升到一个新 的台阶，为 LLM 的广泛应用奠定了基础。再之后的 11 月份，OpenAI 再发力，GPTs 的到来，“用户自定义 ChatGPT”的能力，更是让世人领略了 OpenAI 如人意，车翻了又翻。 三、 Claude 2、PaLM 2、Llama 等模型与产品也展现了 LLM 在语言理解和多模态处理能力方面的探索，甚至 Claude 2 还一度被誉为实力可以硬刚 ChatGPT。而 Meta 开源的 Llama 2 更成为了 LLM 领域开源势力的典型代表，它的 出现，犹如一颗投入平静湖面的石子，激荡起层层水波， “Llama 2 一开源，全球范围内进入了百模混战阶段”， 各种应用在原本的基础上增加 AI 能力，使其智能化，但 它的智能只充当了“辅助”角色；在 AI 原生的语境下， LLM 从一开始就是应用的中枢，应用本身的架构、功能、 交互层是围绕 LLM 中枢来构建的。也许 ChatGPT 是最 经典的“AI 原生”应用。此概念目前还处在萌芽期，明确 的概念、应用场景、架构、技术栈细节等尚未完成自洽。 换一种视角来看，这个概念的提出其实都没技术什么事， 有人称之为“造商业概念”，这里按下不表。

我们先看大模型赛道的整体状况：  大模型是一项相对较新的技术。尽管 OpenAI 早在 2019 年就发布了第一个重要的 模型 GPT-2，但大模型的广受关注实际始于 2022 年 11 月发布的 ChatGPT。8 个月以后 Meta 就与微软合作发布了开源大模型 LLaMA-2。这个赛道的主要玩家在技术和商业化上有差距， 但没有到翻盘无望的程度。  大模型赛道不但包括模型的训练，也包括模型服务。训练是软件的制作成本，而服 进性”更多是用于公关宣传 的素材。考虑到数据获取、加工的成本，模型训练的成本，这是一种相当昂贵的宣传方式。 C 端用户指那些把大模型当成智能个人助理来使用的普通个人用户。OpenAI 在 ChatGPT 上一个重要且成功的操作就是把大模型从学术界、工业界直接推向了普通个体，让 C 端用户切 实感受到了大模型的可能性与魅力。这一点被国内的大模型厂商广泛学习。在 B 站刷视频，国 内知名的那 已从单一的辅助工具，逐渐演 变为软件开发人员不可或缺的助手或伙伴。 除了前面已介绍的 Cursor、Composio SWE-Kit、OpenHands CodeAct 等工具之外，国 内主要使用 chatGPT、GitHub copilot、通义灵码、CodeGeeX、文心快码、蚂蚁 CodeFuse 等编程工具，国外还出现一些受欢迎的、新的编程工具，如 Codeium IDE Cascade、Solver