近期厂内关于AI云原生思维的讨论非常热烈，尤其是AI大模型时代，产品如何重做重构的话题异常火热。关于这个话题，我倒是联想到一句经典的谚语：“It is like teenage sex: Everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims”.
但说说容易，我们应该如何思考这个话题呢？在我看来，需要引入一些模型化思维来拆解这个问题，这样很多现象就能得到很好的解释，关于如何重构产品也就能逐步看到清晰的路线了。
首先，我们可以观察到，一切复杂系统，包括人体，组织，社会，甚至互联网，都是由三个子系统组成：
- 信息系统：数据，文章，网页，图片，视频等等一切我们能看，能读，能听，能感受到的东西，这个大千世界充满了信息，信息可以是数字化的，例如互联网上的数据，也可以是模拟的，例如线下的交流对话等
- 模型系统：通过各种推理，拆解，演绎，总结等手段，将信息转化为知识沉淀下来，例如人的大脑内部就存在一个抽象的世界模型，这个模型赋予了我们认知的能力，让我们可以产生意识，理解这个世界
- 行动系统：当模型处理完信息之后，它需要执行一定的操作和这个环境互动，这就是行动系统的作用。例如我开车过程中看到了一只小狗，我的大脑获取这个信息后，交给认知模型进行分析和处理，认知模型决策需要避开，我的行动系统的手和脚操作方向盘和刹车，完美避开相撞的风险。
当把互联网这样的复杂系统拆解为这三个子系统之后，最近三十年互联网发生的事情，就能用这三个系统的变化得到如下分类：
- 信息时代：从1995年开始，我们进入了信息时代。这个时代的互联网产品，本质上都是在做信息的搬运工。这其中还细分多个阶段，例如90年代开始由论坛，新闻门户网站组成的Web1.0阶段，初步形成信息的数字化。典型的代表有雅虎，新浪，搜狐和网易这些老牌门户网站。从2000开始，随着Web2.0的兴起，我们有了更高效的搜索引擎，社交网络，电子商务平台，实现了信息更高效的运转，真正将获取信息的边际成本降为了0。这个阶段出现了很多伟大的公司，典型的代表有Google，Amazon，百度，腾讯，阿里等。正是有了这些平台，我们才真正实现了获取信息效率的极大提升。到了2010年以后逐步兴起的移动互联网，又诞生了一批新的平台公司，实现了移动设备上的信息生产和消费，让用户可以随时随地地获取信息，使用信息
- 模型时代：其实从2010年前后，互联网平台产品就已经开始具备了模型能力，但这种模型还是“小”模型，并不具备转化为知识的能力。例如在搜索引擎中，我们有LTR模型来优化排序，在推荐引擎中也有稀疏大模型来优化推荐的列表。但这些模型都专属于某一个垂直领域，无法通用化使用。一个搜索引擎的模型是无法用在推荐系统中的，模型应用的边际成本依然很高。直到2022年开始，以OpenAI的ChatGPT为代表的大模型真正登台之后，我们才真正步入了模型极大发展的阶段。代表特色就是这种模型具备通用的认知能力，将使用和获取知识的边际成本真正降为0。举个例子来说，在模型时代之前，我们想了解一种疾病如何治疗，需要去阅读，去理解各种专业知识，甚至花费数年专业的学习才能真正解决临床上的病症。但如果有一个经过医学专业知识训练好的大模型，通过大模型就直接获得了治疗方法，这就是将获取知识的成本降为了0。当前我们正处于这个模型时代刚开始的时期
- 下一个时代——行动时代：行动时代其实已经初露雏形了。典型的代表就是自动驾驶。自动驾驶是将我们驾驶行动的边际成本降为0，我们不需要付出太多获取信息-认知处理-操作汽车这一系列的成本，自动驾驶就自动替我们解决了。这个时代同样也处于早期阶段，但并不遥远
因此，在当前的模型时代，我们需要思考的是，如何用大模型来改造以及创造各种产品，将各行各业需要人来认知的过程的边际成本降为0，将是这个时代的主旋律。
以New Bing为例，为什么搜索是第一个大模型为先的应用及平台，从上面的分析可以获取答案。在信息时代，搜索产品本质上是人通过搜索query来找信息，找知识，完成任务，如下结构所示：
人 → 信息
但人在用搜索引擎找信息的过程中，还需要去理解网页信息，阅读内容，并将这些网页内容通过人自身的认知模型转换为知识，转换为下一步的行动。而且每一次搜索，都要重复这一过程，付出类似的成本，这就是人找信息过程中，需要付出的边际成本。
人 → 理解认知 → 信息
但大模型的出现，将中间需要人的认知模型来理解的步骤交给大模型来完成，整个流程变成了：
人 → 大模型 → 信息
这就意味着，大模型可以部分代替人的认知能力，把繁琐的总结，汇总，提取信息的边际成本都降为0，直接可以获得人想获得的答案。这就是经过大模型改造后的搜索引擎，其效率将比传统的搜索引擎更为高效，成本更低。
更进一步，人在找到信息之后，还会有下一步的行动。传统上这些行动还需要人去做判断，思考，决策才能执行这些行动。这个阶段的边际成本也可以交给大模型来降低，如下所示：
人 → 大模型 → 信息 → 大模型 → 人 → 行动
其实上面本质上就是一种所谓的端到端闭环。举一个例子，我希望买一个空调，在搜索引擎搜索后，大模型帮我筛选了若干最新款空调的信息，并总结展示给我供我选择，但我决定选某一款空调后，大模型帮我进一步规划去哪里买，什么价格最便宜，售后服务更完善，最终高效地完成了一次人找信息，再从信息到行动的闭环。
以上，就是New Bing在这次大模型时代对传统搜索引擎做出的重构：通过在人找信息这个环境中加入大模型，将人的理解和汇总的边际成本降为0，甚至实现信息到行动的0边际成本的延伸，真正实现一个高效率的搜索引擎。
如果这样推演，我们可以扩展到更多互联网产品和平台上么？完全是可能的。我们就以另一个Web2.0时代产物，推荐系统为例，尝试推演推荐系统如何应用大模型。
推荐系统本质上和搜索类似，实现的是信息找人的过程，如下所示：
信息 → 人
但feed流在推送给用户无限下拉的信息流的同时，人还是需要去理解、阅读每一个推送信息，并由自己的认知模型来判断，自己是否对这个信息是否感兴趣，是否值得点开看看，看完之后是否满意。这个过程可以如下所示：
信息 → 人 → 理解认知
表现到产品上，就是虽然推荐系统针对人的兴趣点做了个性化千人千面，但仍然存在信息爆炸，人每天都会浪费时间刷手机。当然对于休闲无可厚非，但对于用户希望获取特定领域新内容的需求，推荐系统满足的并不高效，甚至浪费人的精力。
如果我们能针对上面这种获取自己感兴趣内容的需求，通过大模型来帮助人们做一次精选，人所理解认知的边际成本将降为0，整个信息分发的效率将极大提升，整个产品形态将变为：
信息 → 大模型 → 人
这样每个推荐的用户，将拥有大模型来协助自己去理解、汇总、压缩所有的推荐内容，经过筛选过后再给用户，满足用户获取知识和内容的需求，这样的效率将得到极大的提升。
这样的思维实验其实可以更进一步，甚至可以扩展到内容的生产B端，这里就不再继续演绎了。
总的来说，大模型带来了新的时代新的范式的变化。当前时代的互联网产品，都将会受到大模型为代表的范式变革带来的冲击。这些冲击有的会是温和的重构，例如刚才举的搜索和推荐的例子，也有的会是剧烈的变革，例如内容创作，客服等领域。但无论如何，它最终的目的，都是将我们使用模型系统的边际成本降为0，提升我们认知、学习、转化知识的效率，最终解放整个社会的生产力。这场变革已经开始，并不以我们的意志为转移，犹如野马一般，朝着朝阳奔驰。