|
今年大模型进入落地年，大家自然对于应用和商业化的关注程度大幅上升，近来看到一个观点值得关注：是否对于一家大模型公司来说，产品和模型同时做，同时优化，是最佳的应用和落地模式？
MiniMax的闫俊杰说“产模一体化”，
闫俊杰：... 比如我们看美国的公司，OpenAI 是都做，Anthropic 之前只做模型、昨天他们把 Instagram 的 CTO 也招过去了，我不知道是不是它们也有可能做产品。我觉得至少对做模型的公司来说，自己做产品几乎是必然的选择。我们算是比较坚决的，有些公司后面变成这样了，这是必然的。反过来，其实对做产品的公司也是一样的。比如说我们国内的开放平台上，有很多做产品的公司和客户，其实规模还挺大的，大概有接近一千家。这里面有大的公司，也有小的创业公司。其实坦白说，对所有这些公司来说，如果它们的产品得很大，他们也希望自己掌控模型的。这也是必然的一个路。出门问问的李志飞讲“产模结合”：
之所以「产模结合」这么重要，是因为产品对于模型来说，有一个非常重要的「定向」或「灯塔」作用，为模型的研发指引方向。产品的需求可以倒逼模型能力的优化方向，也更容易检验模型能力的实际表现。有了产品，就有了大模型的聚焦，而不是漫无边际地拓展大模型的能力边界。软件2.0
我对“产模一体”这个方向是赞同的，科技企业做的事情，本质上是数字化生意，就是用机器的能力来驱动商业流程，而这个的主要手段是通过软件的研发。以前的软件都靠程序员编写，而大模型和神经网络的出现，带来了Andrej Karpathy所说的“软件2.0” 。他认为软件1.0能做出的产品非常局限，而软件2.0则能大大拓展可开发的产品空间：
“相反，我们的方法是在理想程序的行为上指定一些目标（例如，"满足一个输入输出对实例的数据集"，或者 "赢得一盘围棋"），编写一个粗略的代码骨架（即一个神经网络架构），确定一个程序空间的子集进行搜索，并使用我们所掌握的计算资源在这个空间中搜索一个有效的程序。在神经网络的情况下，我们将搜索限制在程序空间的一个连续子集上，在这个子集上，搜索过程可以通过反向传播和随机梯度下降而变得高效（有点令人惊讶）。”换句话说，模型即程序，而这个程序通过训练由机器自动产生，而不是由程序员手工编写。训练模型的过程，就是一个新的生成软件的过程。更重要的，这个过程能解决的问题，比传统的“PM+Dev+Test”的软件1.0要更多，更广泛，可以识别图像，可以进行翻译，可以进行企业知识推理，可以自动匹配广告。同时，和所有的软件研发过程一样，从需求出发，不断迭代提升能力，更好满足用户需求，也是软件2.0成功的关键，区别在于这一迭代是基于机器训练，而不再是人工编码。
既然模型本身就是程序，模型的能力因为Scaling Law快速提升，那么必然的一个结果，就是大模型原生的产品中，模型不能是一个简单的标准化组件和工具，而是产品的关键环节，甚至就是产品的主体和本身。因此，传统软件研发的过程也自然被颠覆，要从以手工编码为中心，转向以模型为中心。那么，这意味着：
对于模型公司，如果产品的主体、提供90%能力的模型都已经做了，这时候不做终端产品的话，就既带来方向感的缺乏，也带来不必要的商业化的迂回。因此模型公司纷纷做2C产品。
反过来，对于产品公司，简单地将标准大模型“套壳”而形成的产品，因为核心的模型不能主动、持续大幅进步、无法形成差异化，注定无法成为大模型落地的主力。所以，产品公司也必然做模型。
因此，产模一体是个顺理成章的事情。剩下的，就是选择哪个切口进入，如何差异化，以及在企业资源框架下做的问题。
困难与机会
任何方法和组织的改变，都是很困难的，传统软件的研发体系形成也经历了挺长的过程，从“人月神话”到软件研发铁三角，经历了不断总结和方法论的迭代。所以产模一体肯定也会需要不断实践总结出好的方法。
万事开头难，“产模一体”在当下，面临的困难不少：
困难之外是巨大机会，产模一体最大的机会，当然在于跑通这一模式的团队，就有机会拿到做出新一代Super App的船票。有谁能拒绝这样的机会呢？
| 
