百度及AI的前途

近来百度搜索全面AI化，作为核心业务，内部称大搜，确如百度AI Day上所称，为十年来最大变化。

然而众所周知，搜索的关键字零散，隐约指向用户的问题，而AI预期的Agent模式，能够辅助执行完整的任务，差距不可以道里计，大约不会受制于搜索框。尽管此次改版扩框，支持长文本和多模态输入，恐怕仍不够激进，是一种过渡状态。

同期百度文库网盘业务发力，虎嗅商业消费组做了采访，《百度暗藏一支1200人的劲旅》，这标题略抽象，仿佛在说司马懿图谋造反。文库的野望是做“一站式AI创作平台”，已经开发内容操作系统和系列创作工具。

或许后者更具想象空间。当下号称自媒体UGC(用户生成内容)，仍遵循媒体逻辑，将用户区分为受众和作者，这是因为内容制作仍有一定门槛，而字节始作俑的算法分发模式，让流量变现闭环。内容生产没有质量，也有数量。若能更进一步，完全消除门槛，且创新分享方式，突出内容本身的逻辑，超越流量，那不啻于一场内容革命。

AI的序幕刚刚拉开，判断具体业务成败还为时过早，不妨先回顾产业史，确认真问题。互联网连接万物，连接的对象和方式，可分为信息，人与商品(服务)三类，要满足用户简单的需求，供给端并不简单，构成纷繁的生态，即对应BAT三头，硅谷FANG大同小异。

自产业开辟，生态经历若干轮变革。大套娃管住小套娃，不限于巨头，创业，就业，对变化的把握，回应关系重大。一个人的命运，当然要靠自己奋斗，也要考虑历史的进程。百度一度沉寂，战略为坊间议论，也可以放在这个框架下理解。

01 算法的大他者

最初门户时代以信息为主，社交和电商已经开张，还很弱小，不成为生态。商业模式也以广告为主。相比门户主页平铺，由海量编辑人工生成，以“标题党”著称。

搜索引擎按关键字排序，赋予全网信息一个结构，从而接管信息生态。按关键字匹配广告也更精准，圈占可能最肥的一块油水。同时社交和电商壮大，找到商业模式，于是进入BAT时代。

那时就有个人站，站长同时懂内容和技术，还要搞定域名啥的，堪称六边形战士。2005年新浪博客上线，人人都能零帧起手，说起来UGC(用户生产内容)这条赛道还是门户开启的。当初起高楼何其热闹，已于2023年悄无声息地关闭，也成了时代的一粒灰。

微博2009年上线，顾名思义短小的博客，对其定位两个平行，高配低配的产品。结果尽管新浪同时掌握了内容和渠道，却错过市场机遇，没能结合，搞撒尿牛丸。有点像硅谷历史上的施乐帕乐阿托中心。

微博不加思索地沿袭推特的140字限制，超出只能挂外部生成的长图文，站方听之任之，重点推名人大V，“我是薛蛮 子，我有987万粉丝，让我进去。”全都是浮云……还是受限于门户的媒体思维。微博如今也能多发字数，发文章，然而为时已晚。

企业官方定义，“基于数据挖掘的推荐引擎产品”。挖掘的是用户行为数据，实际是一个关于人的观赏(恶)趣味的引擎，打开App刷第一个内容，算法就开始标注，根据标签推荐。

刷得越多，标注越细密。交叉多(人)对多(标签)。理论上可以无限细分，机器的能力没有上限，如同古人用正多边形趋近求圆面积，然而人不等于诸多标签(现象)叠加，后面存在一个整体意识统摄所有，哲学上叫主体性。且随着时间流逝，人性是会变的。

我们无意探讨这一终极命题，已经争议几千年，实操并不会无限细分，通过专一高强度投喂，受众心智会不自觉向标签滑动，双向奔赴，反过来验证标签，实现闭环。“喂用户吃矢，用户吃了，说明用户爱吃矢。”

费钱费力开发这套系统，当然不是为探索人性的边界，而是发售广告，在用户画像的颗粒度和营销的规模经济之间平衡，也不会无限细分。这就跟传统媒体的模式一模一样，只是技术上从狂轰滥炸到精确制导的飞跃。

如果说受众还是不自觉被规训，作者则自觉配合标签生产，有时还会分担标注工作。卖的人设并非本人，鼓吹“做自己”也是滥大街的标签。所以生产也是传统模式，可以看作一个拥有成千上万频道的电视台，或者用机器替代新浪的海量编辑。

双方实际不构成供需，关注实际无关，各自勾兑算法。站方就像地产中介或村里的媒婆，两头忽悠，最大化商业模式。将两边的人都分解为标签，标签同质化，作匹配，积少成多，由此创造了流量。

流量为王，于是这个时代所有人都不免被流量裹挟，作者追求10万+，五分钟热度，黑红也是红，官媒也拙劣地模仿……来历不明的势力买量，制造影响，普通观众则沦为数字，信息过载，被迫接收大量做作，没有营养的内容。

将人降级为信息，就不是社交是媒体。而作为一种信息生态，尽管搜索结果也为SEO(搜索引擎优化)污染，永远博弈，还是能对人们寻求未知有所帮助，而算法分发强化成见，在使用价值，以及社会评价上都稍逊于搜索。

算法分发商业上取得巨大成功，曾经以为BAT格局已定，字节异军突起，给人印象深刻，腾讯相关业务负责人打急了，说过头话，百度专门成立“打头办”(内容生态市场部)，两家都和字节高强度诉讼，抖音后来还能带货，也即一打三，等等，然而抛开数字，把握定性，并未能侵入三头的原生生态，构成替代，仅仅威胁到衍生的内容和直播。

在这个意义，BAT的霸权仍然成立，如同IT古典时代，“无法和IBM竞争，只能和IBM的一部分竞争。”百度沉寂多年，市值掉落携程，市盈率破十，不改变当下搜索还是最高的信息生态。

尽管三头的护城河都在，受冲击的程度因人而异，小马过河。腾讯更适合作为公关战的目标，然而社交主生态的商业模式不等于信息子生态。在门户时代QQ不被看好，就因为社交不兼容广告，后来与游戏结合，算法的冲击对腾讯只是变起肘腋，而搜索依赖广告，对百度就是心腹大患。信息模式不构成替代，商业模式却是零和。

游戏的风评也不高，算法分发的问题还要严重一些，前者更多是观念的惯性，用互联网搞社会对立却是个新发明。给人贴标签，且标签之间割裂，自然不能像完整的人格那样内部折衷，按这种模式内在的逻辑，必然上强度，标签极化，用粉圈术语叫提纯结晶，以转化购买冲动，廉价的情绪比知识更容易制造，劣币驱逐良币。

这并非平台单方面的阳谋，算法分发与下沉市场同步，作者营业配合标签，下沉市场受众则在社会学层面拥抱标签，普大喜奔，如户晨风“苹果人生”“安卓人生”，传统“面子”是由人肉网络维持的评价。精英也不能免俗，只是追捧的更精致优雅，如山姆会员店，各有各典，求仁得仁。

张小龙干了一辈子程序员，有精神追求(洁癖)，多半想不到这层，咪蒙第一个天才地把握到其中潜力，并付诸实践(及以下均为比喻，今日头条与微信公众平台于2012年8月几乎同时上线，咪蒙则迟至2015年才走上人生巅峰)。

奈何咪老师和她月薪五万的小助理，全是废物文科生，还停留在手工业时代。咪老师风光了几年被封，团队开枝散叶，有丝分裂，手速再快，终究比不过另一批理科生开动流水线生产，一个咪蒙倒下去，千万个咪蒙站起来。

这是最大的外部性，远远超过制造垃圾信息。如今美国的党争已接近明末的水平，就在写这篇文章时，MAGA青年领袖查理·柯克在集会上遭枪杀。国内倒不至于，也不可小觑。种种对抗性议题固然有社会成因，被技术急剧放大，亦难辞其咎。

这不是简单的企业价值观，社会责任问题，不想负自有不可抗力制裁。各内容平台均设立自查，然而主要针对明确违法违公序良俗，软性的舆论导向，系商业模式派生，用学术黑话是结构性的，现有措施治标不治本，扬汤止沸。作者最终是平台不可控的，杀君马者道旁儿，而平台最终不能以作者的个人行为推脱免责。

微博已经历几轮整改，前(翻)车之鉴，从蛮荒时代走过来，屏幕底下没有新鲜事。大V膨胀了，飘了，以为天兄附体，最终公开处刑，身(账号)死名灭。此时此刻恰如彼时彼刻。

红书也是个性推荐，然而刻意与抖音错位，信奉“自然生长”，渐进渗透圈层，且女生多，养成大不一样的调性，或为模式演化的更高形态。也隐约可见张力，在红书，既能找到大量有信息密度的内容，特别是完整可执行的方案，对搜索引擎构成真正的替代，也有丰富的小布尔乔亚景观，以及打拳。近来也暴露增长焦虑，参考君泽《小红书的“赵露思悖论”》。

如果一切可以重来，百度身在业内，应该很早接触到算法分发的概念，有过短暂的时间窗口，假使抓住机会，顺利抢占赛道，那不过是将两个信息生态的冲突内部化，也要承载随之而来的所有业力，如同当年的医药广告。

02 我还有机会吗

算法模式统治行业已久，成为事实的标准，甚至塑造了从业者的信念，如同曾经BAT的霸权。然而当初有过别的可能。

2000年代中，曾泛起一阵思想波澜(够不上浪潮)，也是财经出版最后的黄金时代，光阴似箭，一晃已经二十年。当时仍以引进概念为主，我游戏文字，选取最热的四个，拼凑为“蓝长平二”，《蓝海战略》和《世界是平的》如今看就是笑话，图样图那义务，而web2.0和长尾理论，长尾其实也是2.0的一种现象，仍然有生命力。

Web 2.0概念源自2004年技术出版机构O'Reilly和Media Live International头脑风暴，作为对2001年纳斯达克互联网泡沫破灭的总结。2.0由用户而非网站雇员生成内容，那么早有这样的认知，可谓远见。然而先驱们未曾料到算法分发的出现。硅谷真正的思想输出也就到此为止。

中国同行经历同一个周期，开始与硅谷分化，出现一些本土的创新。因而那一波概念也与以往有所不同，尝试作本土化阐述。当时BAT尚未与门户交接，QQ和淘宝(c2c)也可以说验证2.0，然而业界心目中最贴合的是豆瓣。

承认对豆瓣有个人偏好，如蒋勋说：“我向你介绍的巴黎，一定不是客观的，因为我二十五岁时在巴黎读书，我介绍的巴黎，其实是我的二十五岁。”豆瓣正是我的青春，巴黎的一部分。已是昨日黄花，后来更被1450攻陷。我又在业界混了这么久，阅网无数，豆瓣的模式仍未被超越。

2010年3月美团成立，4月小米成立，标志移动互联网启动。手机系于人身，体现2.0精神，尽管概念的热度已经过去。业界很快掀起一股社交热，打车软件，支付宝，都要加点社交的花头，影响正业，被网友怒斥。

腾讯更成为王中王，众矢之的，2010年7月《计算机世界》刊发封面《“狗日的”腾讯》，11月爆发“3Q大战”。转过年2011年1月微信上线，从陌生人社交跃迁熟人社交，圈层从年轻人为主扩展全民。三头中第一个完成移动互联网升级。

移动最初对电商呈中性，关键节点支付，物流等，均在终端以外，直观的不便线上货架展示，也是手机用户界面共通的问题，这不难解决。正逢阿里2014年9月纽交所上市，在移动互联网开局是一个资本故事，收购了我当时任职的UC浏览器。

之后逐渐渗透，用户在行动中触发消费场景，呈点状，不颠覆全局，同期本地服务兴起，要求线上线下闭环。继泛社交，又引发泛场景运动，从逐点争夺，到近期追踪消费者的即时零售，电商继终端的跃迁，在业务上又经历一场由静至动的转变。继腾讯自我革命的新产品新生态，阿里通过一系列改良，积跬步以至千里，也完成移动升级。

然而迄今未触动信息生态。如上所述，算法分发的内容虽由用户生成，实为站方操纵，且配合强运营，是伪装成web 2.0的1.0，生态并非直线进化，亦有退化，只是触动信息的蛋糕。

另一重大的退化缘起底层的终端，传导到生态，在未建设新生态之前，先破坏旧生态。从人们有智机手机的想法，想到并不难，到各种笨拙的触控笔，长期局限一隅(专业PDA)。除了通信与IT的行业壁垒，用户界面始终是大阻碍。乔布斯发扬苹果的图形界面，解放笔触，打开新世界的大门。

然而为此放弃超文本语言HTML，搜索引擎正是建立在超文本上，广阔无垠的大陆，而采用App模式，将信息分隔在众多孤岛。所以尽管进入移动互联网很长时间，搜索仍能贡献巨大的现金流，基于这一明确的预期，资本市场并不买账。

在App框架内顺势或补救，巨岛化，向头部App集中，终究不成大陆，更加深巨岛之间的鸿沟，站内搜索取代广域搜索。算法分发也有赖App割据，站方得以全面控制用户，尽管身处同一环境，如今残存的PC网页也疯狂推送，只要用户能像HTML一样方便地横向逃逸，就能抵消纵向的控制。总之App模式一系列连锁反应，都对百度有减损而无加成。

然而回过头看，这一路径并非必然。再稍微等几年，硬件性能就有巨大的飞升，支持HTML或其它连通的模式，那百度也可以继续坐地收钱。当然我们不能苛求古人，无损乔布斯的英名。

说到这，百度为什么不自己做一款系统？移动操作系统。当拙劣的先行者，不怕世人耻笑，凭中国市场的“洼地优势”，调动政策，山寨机等一切资源，先圈地自萌，徐图进取。

本地服务虽卷出天际，取线性增长，多少能抢些份额，糯米最后就卖掉，又是一条稳妥的路，操作系统取指数增长，赢者通吃，ios和安卓已分庭抗礼，能否构成实质的第三个选择，或比200亿更多的血本无归， 是一条凶险，少有人走的路，然而比本地服务，甚至算法分发，更具战略意义。至少延展旧的商业模式边界，至少为行业，国家趟路。

犹记百度最初的定位，向新浪等巨头提供站内搜索服务，然而随着纳市崩盘，需求萎缩，被迫转型 to c，意味着在中文语境与谷歌正面竞争，谷歌当时也创业不久，已于2000年成为雅虎的搜索供应商。两个战略落差何其之大。无疑是艰难的决定，百度迈出这一步，成就后来的霸业。

自研系统只是个头脑风暴，风险极大，不足为凭，然而综合百度历年的经营，投资策略，可谓保守，或者说在这样的环境，三头各有各的保守。

总之移动互联网雨露不均，信息生态始终未起势，不进反退，百度求其次，追逐自己不擅长的风口，屡战屡败也可以理解。这些年投的战略项目，本地服务为异质生态，与电商更亲和，在最近京东美团阿里乱战中混同，YY给予百度的想象空间很大，语音构成视觉(搜索框)外又一输入方式，然而落地缥渺，且和支撑估值的直播不搭噶。收购本身一波三折，延宕四年，连现值也耗尽。

俱往矣，AI来了。与移动互联网的关系不像社交和场景那样紧密，长期平行发展，当下的焦点通用大模型，主要在B端，数据中心。然而其前程无疑在c端，即移动端，不可限量。普及个人信息助理，群众知识平权，将是比PC更伟大的革命。

AI面向信息，这是百度同调，等待已久的机会。BAT三头当初登顶的时间略有先后，可以归入同一浪潮，而移动互联网对三大生态的改造相距甚远，形态各异。用学术黑话叫共时性与历时性。App的bug也有望由AI在更高维解决，而不必返回去修正用户界面。

03 讲一点唯物主义

百度布局AI很早，2013年即成立深度学习研究院，甚至在2009年的框计算概念中可见雏形，2017年明确AI为公司战略，2012年还曾参与“AI教父”杰弗里·辛顿及学生发起的竞拍(辛顿最终选择加入谷歌，23年离开)，是为业界一段佳话，不可谓不重视。然而在近期百模大战中表现并不突出，又引来自媒体一轮群嘲，起个大早赶个晚集。

下判断还为时过早，整体发展路线存疑的话，短暂的先后并不能决定，说明什么。硅谷带头，采取一条堆砌算力(显卡)，也即资本密集路线，英伟达的市值直冲上4万亿。2025年初deepseek给了当头一棒，结合创新的架构和算法，明智地开源，用软件挖潜硬件，将API定价脚踝斩。

算力成本控制引起行业的重视，参考公众号直面AI文章《OpenAI的命门，决定了大模型公司的未来》，GPT-5新增的路由routing功能，在推理和非推理模型之间分配算力。效果显著(？)，引起新一轮扩张，又抬高甲骨文的股价。OpenAI 还计划在印度建设1Gw以上的数据中心。

疯狂扩张算力，以及在deepseek之前闭源，全押在规模法则Scaling Law上，技术属性上是新生事物，然而转换到商业策略，并无新意。是著名的信息经济三定律：摩尔定律，吉尔德定律与迈特卡夫定律，在AI领域的延伸。贯穿产业史，塑造行业的方方面面，从发展到竞争态势，乃至创业，从业的人性。

1990年代郭士纳从外行入主IBM不久，就意识到这种特异性：传统行业线性增长，竞争将止于若干寡头，而IT业指数增长，竞争不到赢者通吃，输者清零，不会罢休。这一幕从IBM的大型机，到Wintel于PC，再到FANG，BAT于互联网，反复上演，本土业界在PC时代打下手喝汤，在互联网时代吃好了，自然对这一波趋之若鹜。

我们无从预测Scaling Law的极限，相比技术迷雾，用户较直观。在三定律中摩尔定律最接近，主要描述技术，供给函数，要完整理解摩尔定律，技术潜力不会自动成为现实，实际驱动增长的是PC用户的算力稀缺，饥渴。后来所谓摩尔定律失效，技术上还是可以努力一下，然而存量算力对绝大多数人已经够用。

迈特卡夫定律就兼顾供给和需求，网络的价值与节点(用户)数的平方成正比。用户而非技术自我驱动，互相分享推荐，滚雪球般导入市场，让厂商白嫖，效果却比花钱打广告好。也是与传统行业特异之处。统一的价值远大于分立，也是用户最终裁决赢者通吃。这正是AI面临的问题，Scaling Law即使继续有效，能够在多大程度上，或者什么层次，转化迈特卡夫定律。

已堆砌这么多，AI在c端仍形同电子宠物。长文本和多模态具有全网通约性，之前搜索主要处理短文本，多模态是短板，这块收益预期明确，且很快落袋。然而再之后，当进入专业领域，就只有局部通约，小规模指数增长，广域主要是线性加成，且各部分进度不均。

不同于App是人为割据，尚能由政策强力调解，知识的壁垒要深刻地多，正是知识累积的结果，现代性学术分科，或者更抽象，个体的有限性，存在主义的困境。

在PC古典时代，软硬件处在较低水平，通约性是最大的。技术增长简单粗暴，行之有效，攒机几大件，千言万语化作一组指标，每一分钱能精确换算。当朋友都在用QQ，微信，你不可能抗拒。正因为后续发展，弥高弥坚，AI解放生产力，用户互动，是间接，渐进的，效果是模糊的。

分化并非自现在而始，算法分发已经在构筑茧房。不要被概念蒙蔽，人工智能听起来高大上，和大数据(算法)，云(网络)计算，或者还加上元宇宙，其实是同一事物的不同位面，形态，不同时期命名不同，代表特定厂商的卖点。“创新就是把睡了两个月的床单掀起来抖抖，翻个面接着睡……”

然而专业化已是后话，就目前训练语料的情况，知识持续进步，专业化，恐是奢望。我们不能详尽各家的数据来源，显然以在线公开数据为主，免费也容易扒取，数量庞大，质量普遍不高。这也是IT业的老生常谈，传统ERP厂商：“输入垃圾，输出的只能是垃圾。”公开免费的还有学术文献，这又太高太硬。

一般所说的信息质量，是微观概念，知识之间的联系，同样适用迈特卡夫定律，学术文献就是高度结构化的信息，与互联网信息呈截然的反差。早期发布内容极零散，搜索赋予一个结构，不是单纯反映，也在拣选，推动信息进化。然而仍是一个扁平的结构。也造成逆反选择，大量信息被SEO污染，如今AI也或出于幻觉，或用户蓄意伪造信息。业界在反刍自己的呕吐物，拉出的屎山。

如果AI主要处理文本，处理主要运用统计，根据上下文，大概率出现哪个Token，那很难说进入知识的层次。AI还远不能“独立思考”，其实在整合人类的输出，比搜索高出有限，大可不必担忧。输入低结构化信息，又不能自己创造结构，自然无法循序渐进。

就宏观的质量，线上数据根本是缺失的。知识指导实践，实践要闭环，知识也要闭环。重要的知识植根于场景，经验，或提炼为文本意犹未尽，总是作为商业机密保守，线上只见凤毛麟角，以线上数据为主，不免舍本逐末。

更抽象的层面，人们总是通过继承的概念装置“看”世界，以为自己在看，其实是大他者通过个体“看”，包括看待个体自身。迄今只有少数人认识到这种遮蔽，处境。AI照本宣科，接收了遮蔽，却作为技术，拥有中立的形式。人们依赖AI获取信息，就叠加两套装置，如刘禾说：ChatGPT的能力在于放大人类的自恋。

总之整体发展太过失衡，海量资源投向容易量化的部分，高歌猛进，资本大佬已将Token数增长列为比美国赤字和关税更重要的股市影响因子，然而前述在业务上对AI发展关键的两方面，都很难短时间内，或仅仅通过堆资源改观：训练语料是一块贫瘠的土地，线上数据已发掘殆尽，线下数据获取就复杂了，而步入应用，穿过长文本多模态一块平川，前面是陡峭的群山。

这些都可以再讨论，精算，应用也会不时涌现亮点……主要技术花钱太多了，苹果，微软，腾讯起飞的时候，都还是小公司，时来天地皆同力，出现在合适的时间地点，作合适的努力，初始资源够他们买票上车，而不是去造风洞。

可以预期知识不断精进，翻越群山，终将再次勾连，融会贯通，或打破学术分科，回归博物，社会共享知识，再或纯靠技术解决，脑机成熟，个体接入，无缝分享知识。这里没有一件容易做，对当下的AI业都是何不食肉糜。试问资本市场有耐心等三到五年？当下的气氛与2001纳市崩盘前夜何其相似。

时间，才是最宝贵的资源，和最顽固的成本。我们不低估技术的潜力，也不低估人类的惰性，不幻想跑步进入知识的共产主义。

互联网自诞生起，因为高成长而高概念。互联网革命是中国蹉跎二百年后，第一次与西方站在同一起点，有形同步，无形的差距仍然巨大，阿里做支付，京东建仓储，都有在补工业时代的课。更需要概念来填补差距。然而也正因此，可以补最新的课，弯道超车，是为后发优势。

2001之后，中国业界即与硅谷渐行渐远，包含一个三阶的递进：业务本土化，去硅谷概念，去概念。2010前后，“互联网思维”或许是本土最后的概念狂欢，代表互联网下沉，转由业务驱动。

不算加密货币，政策给出明确的表态，元宇宙也放了空炮，AI是在分化二十年后，中美再一次合流，同样有形同步，无形的差距却易位。当今的中国，互联网已全面渗透国民经济，成为背景，而硅谷一直走不出技术的舒适区，或进入新能源，航天这样的重资产行业。

中美业界都从最初鼓吹的轻资产模式，“快鱼吃慢鱼”，逐渐重资产，与旧式资本主义合流。国内互联网资本最终把手伸向社区买菜，这很土很low，然而也标志互联网下沉见底，已完成的改造尚具价值，如船山说始皇帝：“秦以私天下之心罢侯置守，天假其私以行其大公。”而硅谷发展AI靠资本驱动，固然有路径依赖，重在缺乏业务支撑。

同理，也依赖概念驱动。有研究报告称，在美国，AI正通过消灭招聘，而非直接裁员，这样略迂回的方式，消灭低端岗位。也可以理解为，以迂回的方式下沉，推进拖延了十五年的功课。然而以当今美国的政治环境，其后果恐怕不太妙。

也暴露AI概念与现实脱节，不是互联网早期的延迟满足，在不确定的时间，“英特纳雄耐尔一定会实现”的豪迈，而根本是两张皮。

而中国有业务支撑，存量已瓜分殆尽，边际递减，AI给我们一个回归创新，更上层楼的机会，不止行业，带动中国经济整体。概念就是多余，甚至有害。国产AI应该走自己的路。

04 中层模型

Create2025百度AI开发者大会李彦宏作《模型世界应用天下》演讲，“只要找对场景，选对基础模型，有时候还要学一点调模型的方法，在此基础上做出来的应用是不会过时的……模型会有很多，但未来真正统治这个世界的是应用，应用才是王者。”

两句所描绘的场景隐约对立。“选对基础模型”代表业界习惯的路径，基于统一的标准开发多样的应用，互相成就护城河。从企业系统到个人系统，搜索广义上也属于这一模式，又自然沿袭到AI。而“模型很多”则指向未来的不确定性，未必通吃。

回顾传统企业系统大厂如何衰败，政策去IOE(IBM主机，Oracle甲骨文数据库，EMC存储)只是表象，保持通约性意味着稳定性(保守)，尽管厂商定期更新，PC生态大约每两年(比摩尔定律18个月稍长)，然而市场的变化太快了，并且存在路径依赖，有多少实质的更新存疑。

我刚入行就是在企业系统市场，后来去互联网to c，多年以后在阿里云计算的会场重新听到行业黑话，居然大体沿用，小小震惊，然而又十分合理，最终电商企业，而非当年哪一家国产系统软件取代了IBM，因为贴近市场和变化。

旧企业系统的应用开发，在顾问的指导下，将用户的专有知识注入通用软件。AI的应用开发，涉及知识蒸馏技术，将大(教师)模型训练的回路注入小(学生)模型，于是有通用与垂直模型之分，也广泛应用于算力成本控制。

个人还对历史感兴趣，同为处理大量且多种类型的数据，史学理论就相当于历史大模型，只是由人脑及人肉网络(学术共同体)训练。存在与本章讨论相似的问题，历史学比互联网悠久，对此反思也要深入一些。

文史哲不分家，哲学作为神学余孽，热衷追问世界本源，树立普世 价值，正如AI当下的阶段，文学如有可以称为大模型，隐藏在文本后面，让人物置身于具体的处境，某种小模型。而历史介于其间。

史学长期依附于哲(神)学，总是试图提出大而全的理论。如秦晖老师的“秦制”，就是这样一个，统摄华夏两千年历史的通用模型，谌旭彬，郭建龙等作者再面向专题史作二次开发。这里不是要和秦晖及其后学辩经，他们是一个好的案例，说明通用与垂直模型的辩证。

哲学体系一般由元概念派生，而史学要求对史料有足够的解释力，史料先在于理论，且参差，相互抵触，任何论据都能找到反例。是两个学科的根本差异。据说秦制绑定法家的意识形态，参见秦晖《秦汉史讲义》，要将诸子百家全部塞进法家的筐，或与法家暗通款曲，或已为法家夺舍，就要做大量的解释。

秦晖的逻辑和史料工夫均属一流，完成工作，自圆其说，“智足以拒谏，言足以饰非”。然而已经暴露问题：秦制的大模型不仅没有节省，反而加重小模型的工作量。解释最终为了解释史料，而非解释你的大模型。后学们的功力颇不久，对明显的反例，要么视而不见，要行强辞夺理。

黄宗智，杨念群等学者，提出一种新的模型开发思路：中层理论。所谓中层，并非简单的大小之间，而是反转开发流程。传统范式，如胡适“大胆假设，小心求证”，还是先有理论，再找证据，中层理论则从史料出发，就有限的组合，提出某种“不完整”解释，是为中间，仅适用现有材料，不追求普遍。

同理，若干这样的中层理论，可整合其全部材料，上升更高的中层理论，如此层层递进，最终得出通有模型。也即自下而上构建，由垂直模型“蒸馏”通用模型，自然与自上而下，通用蒸馏垂直不同。

引申AI，当下更值得做的，走向线下，跟随业务采集数据，基于原生高质量的数据，训练垂直模型，生成对实践完整，结构化的知识。当初导入本地服务轰轰烈烈的地推，甚至见血，导入AI也需要地推，更精细，更宏大，更具技术含量。

此外可以关注一下学术共同体的构建，既是信息生态，也是知识社交。其形成于前工业时代，直至进入互联网，奇特地结合了创新与保守，业务始终对新技术开放，而作为一个共同体，仍以和中世纪差不多的方式运作。如知识社交关键的纽带之一学术刊物，商业纸媒已被互联网消灭殆尽，学刊仍顽强地存在，甚至还能涨价。

最后以刘慈欣作品《乡村教师》选段结束本文：

“这几百年前就在欧洲化为尘土的卓越头脑产生的思想，

以浓重西北方言的童音在二十世纪中国最偏僻的山村中回荡，

就在这声音中，

那烛苗灭了。

娃们围着老师已经没有生命的躯体大哭起来。”

本文来自微信公众号“奇点湃”，作者：人造天堂，36氪经授权发布。