ChatGPT所代表的大语言模型使用方向

ChatGPT的复现依托于大模型，他的落地有三种途径：

1. 根据instruct GPT复现（ChatGPT的姐妹模型，有揭露paper）
2. 根据OpenAI现在敞开的GPT3.0付费接口落地，再结合详细场景进行fine-tuning，现在刊例价费用是25000token/美元，换算国内价格约3700token/根据OpenAI试点中的ChatGPT PRO落地，42美元/月，换算后约284元/月

榜首种途径依赖于新玩家的进入，但大约只能是大玩家的赛道。第二种和第三种途径需求打平付费接口的本钱，需求针对的场景具备满足价值。

当然本钱的问题能够期待被快速处理，就像AI绘画范畴相同。不过现在而言，本钱依然是ChatGPT落地的一个限制因素。

最终，最重要的是ChatGPT现在的才能依然存在缺点：

1. 结果不安稳。这会导致无法直接使用，必定需求人工review，更多是瞄准辅助性场景或自身就不寻求安稳的场景。
2. 推理才能有限。例如问询现在的美国总统是谁，会答复奥巴马，或特朗普，但又能答复出拜登是46届总统。咱们能够发现模型中事实存在，但他无法推理出正确答案。假如要优化，一方面是输入的时分，能够通过Prompt逐渐引导，另一方面是在模型侧的Few Shot Prompt环节中选用思想链技术（CoT,Chain of Thought）或选用代码数据集来改进。就现在而言，发展可喜，但才能依然有限常识更新困难。一方面整个模型的重新训练本钱很大，另一方面常识更新也会带来常识忘记的隐忧，即你不知道他这次更新是不是在学会什么的一起，也忘记了什么。也便是说ChatGPT在处理这个问题之前，他的常识将始终落后一段时间。

综上，ChatGPT很惊艳，但更多在于它的潜力和未来，根据当下要做使用的话是需求做十分多适配和场景探索的。接下来进入咱们第三部分，探索ChatGPT为代表的GPT大语言模型使用方向。

ChatGPT所代表的大语言模型使用方向

从现在来看，使用方向能够分红三种。

1. 模型服务

以OpenAI为典型代表，孵化大模型后，敞开接口，提供公共模型才能。

现在OpenAI的接口支撑GPT3.0的才能调用，一起支撑二次tuning。而在大规模的商业协作上，notion、office全家桶、bing都在推进傍边。

2. 2B笔直东西

以COPY AI，Jasper为例，主打生成内容，而且瞄准了有清晰价值需求的范畴。例如主动生成SEO文章、广告创意、ins案牍等等。

这一类现在海外发展得较好，一方面受益于对SaaS付费的承受度，另一方面也是由于瞄准了清晰的用户群——电商从业者。

事实上代码校验提示，会议纪要生成，专业文档写作等都或许是这个方向的扩展。但一方面要看fine-tuning效果怎么，另一方面商业价值的确也不如电商范畴高。

C端文娱类

C端应该说是场景最匹配ChatGPT使用的方向了，究竟用户的忍耐度相当高，智障音箱都能忍，何况晋级后的GPT。

但困难的在于两方面：

榜首，要找到可供才能落地的C端场景，究竟单纯聊天是没有价值的，附加了场景才发生价值。

第二，要找到商业模式突破本钱线。依照GPT3.0的刊例价来算，要求这个产品每输出3700个字，就要从用户身上赚到1块钱（作为参阅：现在国内头部小说网站起点的付费阅览是20000字/元）。

海外的C端文娱使用我不太了解（之前用的账号过期了，最近懒得弄）。查找了一下国内使用，最近交际分类Glow这个APP冲上了第7名，扩展往下看会发现主流的文娱类Chat基本上是环绕二次元/宅集体进行的。

假如环绕这个用户群稍作扩展，在年青/黏性/新事物测验等维度的组合下，明星粉丝也是一个或许的方向。

但也不好说就锁死在这些集体上——你猜猜给一个茕居的二大爷测验ChatGPT他会喜欢吗？给一个流水线的工人测验呢？究竟孤单，一直是人类永久的出题，谁也不知道下一个爆款来自哪里。

第四部分：AI产品经理能做什么？

1. 商业层

现在的互联网环境，收益已经是榜首位的事情了，不论是外部投融资仍是内部项目盘点，商业变现都是最核心的问题。

商业上的事情其实又能够拆成两个模块，战略上的，战术上的，根据公司的规模和团队结构不同，AI PM的话语权会有不同程度的衰减。

举例子说明一下。

战略层的问题：我要发动一个ChatGPT项目，用户群是什么，商业模式是什么，壁垒在哪里，演进的过程是什么？

这些问题的发生在“决定项目做不做”，“接下来项目往哪走”的环节。假设对这方面有话语权，不论大仍是小，那么都会是一件十分锻炼人的事情。这个环节中无非便是两种才能：常识获取以及常识的推理。

常识获取包含你过往的职业经历，事务经历，以及临时抱佛脚所调研的职业信息。这方面依赖的是常识的挖掘、辨别、结构化收拾才能，特别是现在这个时代的信息环境，真的是屎山里找金。

常识的推理是对这些常识有挑选地推导，从常识中得出商业答案。这个环节能够利用一些思想东西去结构化推导（例如商业画布），多推几次后，自身自己会沉积下来一些商业分析的肌肉回忆，东西反而退居其次了。

战术层的问题：产品做出来了，甚至免费运作一段时间了，那么接下来产品怎么定价？价格阶梯怎么设置？个体顾客和企业顾客的价格会不同吗？渠道服务商的价格和直售的价格相同吗？我的本钱线是多少，盈利线是多少？

仅仅环绕一个价格，就会延伸出一堆细碎冗杂的问题。更何况关联发生的产品方案，渠道政策，广告ROI等模块。

战术层的问题因其细碎和广泛，会被拆成十分多不同的方向，每个方向其实都没那么杂乱，仅仅需求一些敲门进去的方法论，剩余的便是一些实战经历。所以咱们会看到，现在大厂招人，往往倾向在笔直细分方向找一个有相关经历的人，这样会节省上手时间和试错本钱，例如会员产品经理。