链载Ai

标题: 私域大模型建设记录（一） [打印本页]
作者: 链载Ai    时间: 昨天 11:16
标题: 私域大模型建设记录（一）
周日志
这周终于在公司内部发起了大模型相关的预研，领导迅速认同了我的想法同时让我去统筹整件事情。其中我写了几个行动方向建议：
1. 行动方向：围绕未来构建港航/建筑设计行业私有大模型，开展一系列科研及生产活动；
2. 认知提升：开始与市场上提供私有大模型服务的厂商进行交流学习，互相借鉴；
3. 场景探索：积极拥抱大模型AI技术，结合外部力量，普及包括提示词工程在内的相关使用技能培训，以便发动更多力量探索港航/建筑设计行业有价值的应用场景；
4. 技术积累：开始考虑在项目交付的同时，如何构建一个机制，有利于积累后续构建私有大模型的数据。

当然，除了给领导看的东西。实际上我在想的是如何能在公司名正言顺地搞大模型，利用大模型的能力做出一个属于自己的产品。我回想，到底是什么让我终究还是憋不住了呢？可能跟几句鸡汤有蛮大关系，比如：

我们花太多的时间在工作上，所以工作应该有更深刻的意义——萨提亚 纳德拉

对一个东西最好的批评，是做出新东西来替代他——KK

不打就不会输，打就一定要赢——电影《打擂台》

What I cannot create, I do not understand——费曼



其中最后一句几乎是我人生信条一样的东西。

我渴望主导构建团队，手动选择每一个我认可的人。同时希望团队成员都有极客范儿，做事儿足够积极主动，并且做到永远“no excuses”。但运行一周后，我发现自己对团队能力水平确实有比较大的误判。

而好消息是，大多数第一时间（被动或主动）加入的人，都明白做这件事情不单纯是为了公司，而是为了自己的时间不要被浪费掉，最低限度起码能在自己简历上写一下自己参与了这么个事。
显然，想将开源社区的玩法直接复制过来是不可行的，甚至大多数人都无法习惯每天几十条信息的轻量级“信息轰炸”。后续我也只能按照传统项目管理的方式去对团队进行管理，从项目启动会开始，定目标，定WBS，定标准，分配任务……
总而言之，起码是开始了。我敢于挑战这个事情，往往也是在有了一种自信，觉得自己一个人都能搞出来之时，我才会在公司里面发起这个东西。

思考：软件不做定制化如何赚钱？
软件不做定制化如何赚钱？这是软件产品渴望回答的问题。从实物产品角度借鉴，定制化都应该是量身订做的高客单价服务，标准产品则是批量生产的。当互联网产品也在强调垂直细分之时，软件产品无论C端还是B端，都是服务于某一特定群体的产品。一家公司若希望以产品力取胜，其必然对所服务的群体极为熟悉，甚至自己就是该群体中的一员。这种熟悉所带来的优势对比你去探索陌生领域再形成产品，成本要低得多，而且更有可能让你的产品走进高增长循环。
数据人在职业生涯领域也一直存在痛点：无法对某单一行业形成深厚而又独特的认知，同时又不得不反复地去学习不同的行业知识以应对各种数据产品需求。改变方向有二，一是通过智能工具+信息分析让熟悉行业的周期变短，二是选择一个相对熟悉行业持之以恒，不断积累独特认知（最好是学科认知）。但行业也有周期，未来人的一生都要经历三个以上不同行业，甚至从事现在不存在的行业，想要避开终身学习显然不可行。所以答案是大小飞轮一同转，小飞轮让自己在每一个迭代中做得更快更好，大飞轮让自己前后从事的行业相互关联，带来独特的优势。也就是说，在积累层面，从以往的堆时间式的积累，逐渐转换为一种效应叠加。这就需要建立一种可以关联多个行业的认知框架，或者说需要某种更强大的通识基础来作为你的背景。
数据人的尴尬从我从业至今都没什么变化，但可见的同行破局案例则有不少。比如说专精数据采集的，以数据为资产式的产品与服务构建。例子有很多，社媒数据、语料数据、地理数据、电商数据等等。专精工具的，以一站式大数据工具为主导，以卖工具与服务为生，当然，卖工具仍免不了大量服务，两边总是拉扯着。专精服务的，以堆人头为主，既然产品难搞，还不如就专注做好服务，但对实施人员普遍不友好，人员流动性极高。
然而数据产品所面向用户始终是数据人本身居多，其无法直接面向终端用户提供服务，而在大模型多模态能力的背景下，大数据的价值要通过大模型来增益。虽然大模型能力体现目前集中爆发在C端，产品试错成本也极高。因此，在B端的发展，可以稍微慢一些，并且要优先解决数据私隐问题。但未来的智慧化，也就是数字化、智能化已经不可能抛开大模型去说的了。技术路线实际上也并没有十分复杂，从使用（API）角度来说，甚至都没有大数据和数字孪生那么难，并且大模型又可以为这两者本做出许多提升。
记录周期：2023/12/3 ~ 2023/12/9





欢迎光临 链载Ai (https://www.lianzai.com/) Powered by Discuz! X3.5