随着ChatGPT3.5/4.0的发布，AIGC一下子热了起来，这个热不是口头上的，而是实际行动上的。
热度是真实存在的，因为他正在改变当前的工作生产方式，改变是否是革命性不得而知，但确确实实影响着大批量的知识工作者。以往的自动化一般针对的是体力劳动者，但这次对象已经发生了变化，变化来得也更加凶猛，更加有冲击力。不等死就只能迎难而上，拥抱改变，迎接蜕变。
目前来看国内大厂纷纷入局，发布自己的大模型，除了百度、阿里、腾讯、字节、华为，360、京东（ChatJD）、AI四小龙（商汤、旷视）、国内高校或科研院所（复旦的MOSS等）都相继发布。成果如何还未可知，希望迎头赶上，促使国产大模型的基础设施层坚固可用。
同时，随着陆奇关于AIGC新模式的分享，从信息系统到模型系统到行动系统，目前正在跨入模型系统的时代，如何利用大语言模型进行模型系统的进化。人们或许会恐慌，当大语言模型掌握了现有所有知识的前提下，当人获取信息的时间和成本将会非常低或趋于0时，人的未来唯一有价值的就是具体独到的洞察和见解，也给以后的人才模型定了一个大的方向，当然不管是过去、现在、将来，这个方向一致没有变过，以不变应万变才是不断奋斗的方向。
不过，也不要过于悲观，人工智能并不能无监督的模式下发展出涌现的能力，就现在的成果来看，它带着非常明显的西方普世价值观，掌握的绝大部分是英语世界的知识（英语占92%以上），并且是截止过去某个时点的知识，而在一些国家明确禁止接入的情况下，知识的获取也可能存在问题，没有最广泛的知识，最新最全的知识，就无法给出最合理最新的回答。同时，还带着非常强的RHLF增强学习，这样才能生成真正人类需要的信息。
那对于大家的机会是什么？其实现在也基本给出了比较明确的答案。那就是对于非底层的厂商，就是如果利用用户的反馈和专业的数据和知识，训练出所处专业领域的模型。换句话说，谁掌握了哪个行业的专业数据和知识，就能够在基于少量专业知识的前提下，训练出这个行业的大模型，然后服务于这个行业的方方面面。
稍微展开一下，AIGC类比软件体系的方法论，可分为3层：
1、基础设施层（基础模型层）：这一次的成本非常大，GPU、数据量的多少最终确定了模型的可性度、可用度。目前OpenAI的训练集大部分是基于英语资料，占92%，中文资料少2%左右。所以中文的结果比英文的结果会差一些。一方面中文资料在各私有化的网络中，无法获取，安全要求的前提下，很难公有化。但对于公开的信息，依然可以做通用大语言模型的训练，也是AIGC的前提。基础设施层由于成本大，数据多，适合大厂进行投入或联合完成，确切的结论是小公司是不可能有能力进行这方面投入的。
2、专业模型层：即利用专业的数据和知识，利用实时实际的用户反馈，训练专业的知识模型，服务业业务应用层。
3、业务应用层：利用基础模型层和专业模型层的技术，在前端客户应用层面，寻找应用场景，包括但不限于内容生成、任务执行、智慧客服以及研发内部的降本提效。比如内容生成中的会议纪要生成、内容简介摘要生成、图片生成、视频生成等，内容生成再结合现在的互联网技术，将会给客户带来更大的体验。比如任务生成中的定制报表、短信生成等，结合已有的平台和数据，基于任务生成结果，快速、简洁、高效。比如智慧客服中的典型的知识问答机器人，客服服务机器人等。比如研发内部的代码辅助生成、代码审核辅助工具、运维预警监控等。不管是哪个维度，都能大大提升效率。当然不好的消息是一批简单、重复性工作人员可能面临失业的危险，因为未来需要洞察和见解。
总的来说，面向AIGC，不必恐慌，做马车升级到汽车的司机，让自己成为具体独到的洞察和见解，并利用AIGC为自己服务，利用好这次变革，成为一个会使用AIGC的人，而不是被AIGC所取代。
