6月25日，第十八期超声波俱乐部内部分享会在杭州圆满落幕，本期的主题是：万物智能——AI重新定义交互体验。
到场的嘉宾有：超声波创始人杨子超，超声波联合创始人、和牛商业创始人刘思雨，上海非著名资深程序员兼AI爱好者靠谱的老马（马劲柏），杭州电子科技大学副教授沈运红，浙江天合航天发展基金会理事长李丽苮，优普兄弟AI创始人Alex（项先经），保观科技COO吕子睿，淘天集团前端技术专家李冬杰，技术美术工程师王智文等。
01
今年9月份AI将迎来2C应用创业潮
杨子超从近期iPhone计算器应用的交互体验更新开始，分享了他认为AI创业的几个大方向：
1. 所有有行业和场景数据的企业都会+AI。
当下大部分企业还没有完全感知到AI的能力，所以目前只是“企业＋AI ”的开始，随后的两到三年，越来越多的企业会意识到+AI的重要性，2B的业务会有长足的发展。
2. 手机和PC有内容和数据的应用也都会重做一遍。
各种各样的端侧“小”模型会进入手机和PC，所有的手机和PC的应用都会迎来AI的赋能提升，某种意义上也会出现所有应用重做一遍的大机会。
3. AI将成为云服务的标配，所有IoT智能硬件都将成为智能体。
未来所有的云服务都将提供AI服务，所有的IoT智能硬件也都有AI的赋能，并具备云边端的AI服务，更多围绕数据服务的创新硬件智能体将会诞生。
4. 端侧小模型将大有可为，服务于各种垂直场景。
端侧小模型最近会成为大家讨论的话题，一个是“小”模型是一个趋势，另一个是苹果也给了一个很好的示范作用，各种垂直场景会有不同的小模型作为场景方案适配，没有最好的小模型，只有最好的场景适配的小模型。
5. 多模态识别和语音交互的交互体验重新定义App的交互设计。
杨子超认为这一条很重要，可以理解为之前App的交互体验是人的单项表达，现在是人和AI的共同表达。
本质上是把AI拆成三个角色：一个私人助手、一个分析师和一个分享者。私人助手帮你分解任务，分析师帮你分析和回答你的任务，分享者帮你展现和表达你的最终任务结论。
在杨子超看来，这是用户交互体验的AI化进化，这种进化可以和智能手机当年的“随时随地”功能相抗衡，是颠覆式的变革进化，任何一个AI创始人都需要认真体会这种进化。
所有的App有了重做的理由，这是一个以AI为代表的新App时代的到来，相信在今年的9月份将迎来一波2C的应用创业潮，就如同2012年的移动互联网井喷一样，这是一个我们谁都不敢错过的时间节点。
6. 新能源自动驾驶与车载智能系统。
现在这个赛道已经很热了，相信大家都很认可。
7. 家用机器人会在五年后成为大众商品进入家庭。
这个赛道要比大家想象的进化速度还要快，但比起AI的大部分赛道要慢一点。整体来看，家用机器人市场在这三年内都是默默耕耘期，需要创业者们耐得住寂寞，广积粮，抗持久战。这个赛道五年后一旦起来，将会带来AI真正的原生应用场景。
杨子超总结了目前AI创业的几个特点，首先一定不要做大模型的事，要做上来就能盈利的事。
2B围绕大老板的需求，2C围绕新奇展开。“新奇”大概率不是你设定好一个产品目标，就能完成的东西。而是你本身知道自己擅长什么，就朝着那个方向走，走着走着，可能就脱颖而出了。
马劲柏补充，其中2P（professional，专业人士）的市场机会也很大。比如律师、医生、高级工程师等，这些专业人士的时间非常宝贵，如果能帮助他们提升效率，也是非常有价值的。
杨子超发现AI创业团队中，1-3人的特种部队很多。习惯了特种部队的人，很难再去接纳更多的乌合之众。因为从思维到认知都无法沟通和理解，更无法一起并肩作战，因为特种部队的作战是一种赏心悦目的配合，而乌合之众的作战则是一种大锅饭式的冲锋。
另外，出海机会多多。目前海外还有一些流量红利，用户的付费意愿可能比国内更强。
更重要的是创业者一定要知道AI的能力边界在哪里，要善用AI能做到的能力。
杨子超还分享了自己最近的一些创业感悟：
1．创业不要预设目标，但要找到自己擅长的能力，持续把这个能力发挥到极致就能赚钱。
2．世界变化太快，新概念新技术发展太快，不要盲目跟进，但要持续学习。
3．放下个人的成见和ego，不断结交有才华的朋友，欣赏他们的才华。
4．远离负能量的人，远离认知低的人，不浪费大把时间和他们纠缠。
5．我们改变不了任何人，我们能掌控的只有我们自己，所以珍惜自己的时间。
6．不要着急，不要焦虑，不要崩溃。多运动，多和朋友聚会，多看书，多冥想。
7．人生就像大模型炼丹，经历几次失败很正常，但只要成功一次，就可以一鸣惊人。
02
“小”模型有大用处
马劲柏分享了他对小参数模型的观点。
什么是“小”模型？设备端部署场景下，GPU参数量<=7B，CPU参数量<=2B。目前市面上有多种小模型可以选择，表现也不错。
服务器端部署场景下，显存占用<=24GB，参数量<=33B（4bit量化后，33B模型显存占用大约为17GB）。
从设备端来看，有些实际使用场景不一定非要依赖云端大模型。云端的好处很明显，但也有不足，比如流量成本高、速度比较慢、可靠性也差一些，因为移动设备上的网络连接可能没那么好。
小模型不限于我们平常说的那些简单的语音语言交互功能，它不仅包含了大语言模型，还包括了传统的一些机器学习的模型，比如图像识别、语音识别（ASR）及生成（TTS）、面部识别、手势识别等。所以设备端小模型的使用场景还是比较广泛的。
比如健康监测市场在未来将会有非常大的发展前景。现在的智能手表有很多功能，最简单的就是测心率，还有血糖血氧分析等。现阶段比较常见的血糖分析手段，使用的是非侵入式的技术，准确率还不是很高，但后面一定会变得精准。随着技术的发展，一些实时追踪、血糖突然升高了会有一些警告或者介入治疗之类的功能，将在设备里变得普及。
设备端侧小模型的能力还体现在数据预处理方面。在传统的移动设备上去做数据处理，我们只能做很简单的东西。但通过小模型的能力，在端侧就可以从一些非结构化的数据中提取出来结构化的信息。
数据对企业来说是最宝贵的财产，尤其那些注重数据隐私和安全的企业，对私有化部署的需求比较多。
小模型也可以帮助企业解决一些私有化部署问题。马劲柏会遇到一些企业相关负责人的疑问：“调用GPT-4o或者Claude这种大参数模型的API，还经常满足不了我应用的需求。你弄一个7B甚至6B的小模型，它能满足我的需求吗？”
答案是分数据、分场景，在内容生成和数据分析的需求场景下，小模型有着非常不错的表现。内容生成方面，比如RAG（面向企业内部的信息查询系统），原来需要人手动去查很多资料才能找到的东西，现在通过小模型可以快速找到，并能生成符合要求的文档，能够节约很多时间。
企业技术产品支持里，传统的售前流程是，先接到客户的需求，然后整理客户企业的资料，再花几天时间苦思冥想写一个方案。现在可以根据客户自己的产品资料或者私有文档，可能有几百份、几千份文档，再结合客户的应用场景，直接为对方定制化方案。这也是一个所谓的2P场景，给高价值用户提供服务。
客服系统已经烂大街了，很多智能机器人乱打电话，大部分成了对客户的骚扰。但里面有很多细节问题可以挖掘和改进，比如做 24 小时的产品咨询、问题反馈等等功能。不只是文字方面，智能交互现在也可以做得很好了。
此外在企业内部自然语言查询、会议摘要自动生成方面，小模型都可以满足大部分需求。
在数据分析方面，小模型也可以很方便地把非结构数据结构化，做数据挖掘，数据提取。还有数据分类，就是打标签。传统的打标签可能需要人工标注，现在机器通过分析就可以自动打标签了，甚至还可以打多个标签。
不能说哪个模型是最好的，只能根据数据和场景，去找不同的模型、不同的提示词去试，才能找到最适合自己的模型。
比较复杂的问题，可以拆解成多个简单问题。小模型的能力虽然没有大模型那么强，但给它足够简单的问题，它一样也可以做得很好。
幻觉问题，对很多企业来说是很致命的。但有很多方法可以解决，比如通过拆分工作流和RAG，更好把控结果，基本不会出什么问题。
马劲柏总结：“现在很多人讲AI就立马套到大语言模型，实际上机器学习的这块东西已经非常多了，不光是大语言模型。”他举了一个制造业的例子，某工厂用来做高精密加工的数控机床有非常多的传感器，可以记录电压、电流、压力、温度、震动情况、转速等数据。
小模型可以通过分析这些数据，并结合历史样例，预测损耗件的使用寿命，让工厂可以精准地预防性更换损耗件和进行未来季度的备货，极大节约成本。在传统的机器学习方面，小模型也很好用。
03
万物智能AI for everything
吕子睿分享了两个正在使用AI降本增效的行业。
一个是影视制作行业，比如下周我们要拍10个景，传统的流程是先写剧本，剧本出来后是分镜头。画师先把图画出来，画完了以后导演才知道这个景搭建得对不对，往往等到画师费半天劲画完后，导演一看，还得改。
现在通过AI绘图，几秒钟就完事了。如果导演说这里不对，那里要再加点什么东西，那就再画一张。AI的加入，极大减少了前期的成本投入。
还有一个是首饰设计行业，传统的流程是先找设计师，然后设计师花很长时间把首饰图画出来。画完后交给师傅加工，结果师傅可能说做不出来，这种材质没有办法做到这个弧度。
现在就方便很多，前期通过简单的描述，让机器出几十张图。或者拍一张手头上的钻石给机器，看它基于这颗石头能设计出多少个耳坠或者戒指。我们再挑选出几张满意的给师傅看，师傅再告诉我们哪个能做哪个不能做，分别需要多长时间。最后再交给设计师细化。
虽然很多公司头疼大模型的幻觉问题，但在艺术领域，幻觉就是创造力。以往的流程是ABCD，现在可能变成了BAD。AI赋能下，传统的流程重塑。无论是文案，还是设计，很多岗位都在发生变化。
杨子超补充，目前大部分拥抱AI的企业家对AI的认知还是仅仅停留在降本增效层面，对AI重塑生产流程方面其实考虑得很少，更多的传统企业家还在观望和学习阶段。
李丽苮分享了AI是如何赋能航空航天产业的：“我们有一方面的应用是用AI做数据预测。结合以往三十年在太空中积累的数据，来预测一些科学实验的结果，比如特殊新材料的应用、太空育种等。如果AI能够跑出来特别重要的结论，再拿去太空环境下做验证。”
参会嘉宾们都贡献出了精彩观点，但由于是超声波俱乐部内部的分享会，所以很多精彩的内容不便对外公开，欢迎更多优秀的朋友们加入超声波俱乐部。
超声波俱乐部目前拥有超过200位AI领域的顶级创业者，连接超过1000位AI领域的创始人、CTO、产品经理、风险投资人。
超声波俱乐部定期组织成员开展内部分享会，也会举办不定期的开放交流活动，分享内容涵盖AI行业趋势、技术创新、产品及商业等方向。
