AI大模型：折叠与新生，模型与产品的边界在哪？
最近拜读了一篇关于AI模型与产品关系的文章，深有启发。文章的核心观点“模型即产品”引发了我对AI发展方向的深入思考。实际上，早在之前的文章中，我就对此有过探讨。今天，我想结合具体案例，进一步剖析模型与产品的边界，以及AI大模型对现有产品形态的颠覆与重塑。
文章认为，AI大模型既会折叠掉大量基于传统思路设计的产品，同时也会催生一个全新的产品簇。在我看来，这种观点颇具辩证性，既看到了AI的破坏性力量，也看到了其创造新价值的潜力。
苹果公司的案例：知识创造与流转的视角
为了更清晰地理解AI在企业中的作用，我们不妨以苹果公司为例进行分析。苹果的核心业务可以概括为创造、改善和销售产品。从本质上讲，公司的运转就是一个不断创造知识，并利用新知识打造新产品的系统。
在这个知识创造和流转的过程中，野中郁次郎的SECI模型提供了一个有益的框架。SECI模型描述了知识在组织内部是如何通过社会化(Socialization)、外化(Externalization)、组合化(Combination)和内化(Internalization)这四个过程循环转化的。
那么，当AI介入企业运营后，SECI模型的哪些环节会发生变化呢？
首先，我们必须明确，AI不会取代人类的创造力，苹果公司不会变成完全由AI驱动的“Matrix”。这意味着，知识的创造和流转依然需要人类的参与。
过去，人是知识创造的主体，知识需要在组织中存储，形成知识库。但在新的模式下，AI驱动的组织既能承载知识，也能创造知识。
这便引出了第一个关键的边界：AI无法创造所有知识，真正的新知识依然需要人类的参与。 例如，即使AI再强大，也无法在地球上从未出现过智能手机的情况下，直接创造出智能手机。这需要乔布斯这样具有远见卓识的人的介入。
这个边界也支撑了“模型不是产品”的观点。人与智能组织的协作边界需要复杂的定义，并且每个公司的知识系统和偏好都不同，模型自身无法包含所有公司的偏好和特征。
数字与非数字的边界：所有权与数据化程度
接下来，我们深入一层，探讨第二个边界。
在新模式下，AI也是知识创造的主体。在不同的情境下，人和AI的权重是动态变化的。例如，在棋谱领域，AI可以占据绝对主导地位；而在某种制造工艺领域，则可能是人+AI协作；而在道德体系领域，则可能完全由人来主导。
无论是哪种配重，最终知识的承载主体都会变成组织，一种新型的智能组织。这与过去存在根本区别。
在这个知识创造过程中，存在以下几个相关的角色：
- 既有的沉淀到数字空间的知识
- 尚未沉淀到数字空间的知识
- 人、AI
为了更好地理解数字与非数字之间的边界，我们可以借鉴侯宏老师提出的DOS模型（当然，这里对DOS模型做了一些“歪念的经”）。DOS模型包括四个维度：
- Digital space（数字空间）： 代表企业历史沿革，以及在数字空间中沉淀的各种信息，例如历史经营数据、数字资产等。
- Resource space（资源空间）： 代表社会关系中的所有权，企业拥有的各种资源，例如土地、房产等。
- Utility space（效用空间）： 代表企业可操作的资源，例如设备、车辆等。
- Institutional space（制度空间）： 代表企业的权限结构。
这四个维度上，数字和非数字各有边界，所有权有边界，并且由于现实世界的流变，这些边界也会动态增减。
在知识创造过程中，人和AI都可以调度这四个维度上的信息。但由于其中很多信息是私有的，因此私有知识应运而生。
如果我们不假设世界是百分百数据化，也不假设没有所有权边界，那么第二个边界就出现了：所有权和非百分百数据化。 在上述四个维度上，都需要接口，而这种接口不太可能一下子适配所有公司。适合苹果的接口，很可能不适合小米。每个企业都需要在这个边界内创造自己的部分，并且也有一部分会不停流入公域，流入大模型。但真正有价值的是属于自己的那部分，包括AI创造的、人创造的以及两者协同创造的。
我自己判断，在特定约束条件下，排列组合型的知识估计都是AI主导了。但如果本来不知道怎么造7nm芯片，而想把它工艺创造出来，估计纯粹AI还不灵，需要人+AI，因为这牵涉很多物理世界的实验设备、反馈等等。
这两个边界决定了AI进入企业后，企业会变成一种新式的动态知识系统。每个企业并非是归一化的，但边界之外可以归于模型，这是归一化的；边界之内归于自身，这是差异化的。也就是说，如果企业不创造差异化的知识，那基本没有存在价值。
而两者之间（差异化的知识和公有的知识）的连接就是新型应用。它注定是一种系统型的超级应用。
系统型应用：连接差异化与归一化
这种应用的功能不可能是单纯数字、AI完成某个简单任务（创建文件、拷贝文件、浏览、总结等等），而是要完成上面说的动态知识创造。
在四个维度上都需要一种表征（即统一的企业模型）。为了通用，这种表征还要比较抽象，通过具象和实例化能够变成不同的企业。
这个企业模型不是AI大模型，一定程度上和过去ERP底层的模型类似，但要面向AI。
任何时间点它都要是一个企业全量信息的截面。同时又因为不可能所有企业都完成充分数字化，所有任务也不可能完全由AI完成，所以要留有一个动态的让人接入的接口。
以Glean为例，它通过左下角的connector加上权限等形成一种企业表示。
而这套系统要想运转起来，那么除了一套执行系统类比经常说的System1，还需要System2，System3。
- System2 可以看成一个在各个方面需要和人进行交互的界面，核心是注入人类的知识，比如运行的基本策略等等。
- System3 可以看成是一个对某些物理世界的活动单元进行管理感知的系统，比如你需要配送，那要知道车在哪儿。
System2和System3都需要和人打交道。
- System1 则不是，System1基本是一个纯粹的由AI智能体组成的系统。它消化人的注入，自己也创造知识，同时也完成企业的核心运营。如果要类比，那在Robotaxi这类系统中这部分完成对所有出租车的调度管理。
暂时似乎看不见把这三个系统合并为一，变成一个超大号的端到端系统的可能。如果是这样，那其实就是模型的归模型（通用知识和通用智能），应用的归应用（任务导向的多角色联动，权限，物理世界的接入，人机协同边界的处理等）。
