AI 落地进行时，让创新真正触手可及｜AI 先行者沙龙圆桌实录
内容提要
在「破晓 · 知乎 AI 先行者沙龙」上，嘉宾们讨论了AI在不同领域的应用。他们认为，2024年可能是AI应用元年，但也有人对此表示疑虑。AI在游戏开发中有领先优势，但在文档编辑和电商领域仍需人的审美和判断能力。AI应该与人进行协作，而不是取代人的工作。个人创业者应该找到AI应用的切入点和核心价值。AI的谬误问题可以通过佐证和尝试来解决。
延伸解读
国内AI应用为何未现大繁荣：模型差距与人才分散
嘉宾指出，国内AI应用未出现大繁荣，部分原因在于底层模型仍有差距，且人才和资源较为分散。董应赛对比国外OpenAI、Anthropic、Google等公司人才密度高、投入集中，而国内模型多、资金分散，导致应用端开发时能感受到模型能力不足。李乐则认为技术永远没有最好，产品经理应在现有技术条件下选择合适场景做出好产品。两种观点并存，反映了模型能力与产品创新之间的张力。
AI落地需选对场景：游戏与办公的实践启示
李乐分享，2018年将seq2seq模型用于游戏“养育系统”，即使技术不成熟也有玩家互动，关键在于选对场景。汪大炜则提到WPS AI最初尝试右侧对话框，但用户办公任务复杂，需将AI能力打散融入功能流程，而非一步到位。两者都强调，AI应用应匹配具体业务场景，避免为创新而牺牲体验，例如动作游戏不适合自然语言输入。
人机协作而非取代：审美与判断仍是人的核心
多位嘉宾认为AI应与人协作，而非取代人类工作。汪大炜表示WPS AI目标是提升效率，人在办公中仍有重要作用，需要引导方向。李乐补充，人机协作能形成闭环，但人需提升业务能力和审美判断，知道什么是好的。吴海波也指出，垂直行业的核心壁垒在于价值判断和审美，如电商商拍中选数据、打标签、喂模型等Knowhow，这些不是模型求平均能算出来的。
AI谬误的应对：交叉验证与尝试
针对AI谬误问题，汪大炜认为错误在人身上也会发生，应用应提供佐证工具，如搜索、原文引用、权威文献摘要，帮助用户交叉验证。同时，可以通过尝试和试算来验证结果，例如数据分析工具准确率并非100%，可用不同引擎试算。李乐则从有趣角度补充，游戏场景中模型的小瑕疵可能被玩家脑补为有趣，娱乐场景对谬误的容忍度不同。
Q&A
为什么国内AI应用没有出现大繁荣？
原因包括：基础模型仍有差距，人才分散导致资源不集中；模型不成熟，高质量开源模型释放较慢；AI研发和推理成本高；开发者担心创新被大厂或基础模型能力覆盖。
AI在游戏开发中能起到什么作用？
AI可以降低游戏研发成本，初期可降低20%-30%，某些环节甚至达80%-90%；提高效率，如用AI绘画做原画、辅助代码开发；还能创造新体验，如文字捏脸、AI军师提供策略推荐。
WPS AI的目标是取代人类工作吗？
不是。WPS AI的目标是提升用户效率，在不同场景提供助理服务，如执行助理、灵感创意助理和智库助理，帮助用户节省时间、激发灵感，但人在办公中仍有重要作用，需要引导和判断。
个人创业者如何找到AI应用的切入点？
创业者应思考自己的创新点，明确是否为AI native，找到核心价值；动手实践，了解基础模型边界和客户反馈；避免依赖现有工作流程，注重价值判断和审美判断，构建垂直行业的知识壁垒。
AI应用中的谬误问题如何解决？
可以通过交叉验证和尝试来减少影响，例如提供搜索、原文引用、权威文献摘要等佐证方式；对于数据分析等工具，可用试算或其他场景验证；在娱乐场景中，某些谬误反而可能增加趣味性。
2024年是否是AI应用元年？
嘉宾们普遍认为靠谱。经过2023年的技术突破和摸索，市场已出现AI应用，预计2024年会有更多新产品和新APP出现，越来越多的公司会努力推动应用落地。
