如何理解李彦宏说的“不要卷模型，要卷应用”

7月4日，2024世界人工智能大会暨人工智能全球治理高级别会议全体会议在上海世博中心举办。在产业发展主论坛上，百度创始人、董事长兼首席执行官李彦宏呼吁：“大家不要卷模型，要卷应用！”李彦宏认为，AI技术已经从辨别式转向了生成式，但技术本身并不是目的，真正的价值在于如何将这些技术应用于实际场景，解决实际问题。并且提醒大家避免掉入“超级应用陷阱”，即过分追求用户日活跃量（DAU）而忽视了应用的实际效果和产业价值。称AI时代的规律可能不同于移动时代，一个“超级能干”的应用即使DAU不高，只要能为产业带来实质性的增益，其价值就远超传统的移动互联网。关于李彦宏的这段发言，你是怎么理解的？大模型技术本身和个性化应用，你的看法又是怎样的呢？快来分享你的观点吧！

提醒：在发布作品前，请把不需要的内容删掉。

方向一：AI技术应用场景探索

在智能制造的广阔舞台上，AI技术以其强大的数据处理能力和智能决策支持，正引领着工业生产的深刻变革。首先，AI通过集成机器视觉、自然语言处理等先进技术，能够实现生产线上高精度、高效率的自动化作业。它能够精准识别并处理复杂的产品特征，优化生产流程，减少人为错误，从而显著提升生产效率和产品质量。这种智能化生产模式不仅降低了生产成本，还为企业赢得了市场竞争的先机。

其次，AI在预测性维护方面展现出卓越的能力。通过对设备运行数据的深度学习和分析，AI能够提前预测设备故障，为企业提供精准的维护计划和建议。这种预防性维护策略有效避免了设备突发故障导致的生产中断，降低了维修成本，提高了设备的可靠性和使用寿命。

此外，AI在供应链管理方面也发挥着重要作用。它能够实时分析市场需求、库存水平和物流信息，优化库存管理和物流路径规划，实现供应链的透明化和高效运作。这不仅提高了供应链的响应速度，还降低了库存积压和物流成本，为企业创造了更大的经济效益。

最后，AI在智能制造领域的潜在价值还体现在推动产业升级和创新发展上。随着AI技术的不断成熟和应用场景的拓展，智能制造将向更加智能化、绿色化和服务化的方向发展。AI将助力企业实现生产过程的全面优化和升级，推动制造业向高质量、高效率、高附加值的方向转型。同时，AI还将催生出一批新兴业态和商业模式，为制造业的创新发展注入新的活力和动力。

综上所述，AI技术在智能制造领域中的实际应用场景广泛且深远，其潜在价值不仅体现在提高生产效率、优化生产流程、降低生产成本等方面，还体现在推动产业升级、创新发展和社会进步等方面。随着技术的不断进步和应用的深入，AI必将在智能制造领域发挥更加重要的作用，为人类社会的繁荣和发展做出更大的贡献。

方向二：避免超级应用陷阱的策略

在移动互联网的激烈竞争中，DAU（日活跃用户数）作为衡量应用成功与否的重要指标，往往成为开发者关注的焦点。然而，单一且过度地追求DAU可能带来一系列不容忽视的弊端。首先，这种追求可能促使开发者采取短视的策略，如频繁推送不必要的通知、设计复杂且干扰用户操作的功能，以及牺牲内容质量以换取用户短暂停留，这些行为无疑会损害用户体验，导致用户满意度下降和长期留存率的降低。

为了平衡用户活跃度与应用实用性，开发者需要采取更为全面和长远的策略。首先，应始终将用户需求放在首位，深入理解并满足用户的真实需求，而非仅仅追求数字上的增长。通过优化产品功能、提升用户体验、提供有价值的内容和服务，来吸引和留住用户。其次，要注重用户留存而非仅仅关注新增用户。通过提高应用的实用性和易用性，增强用户对应用的依赖性和忠诚度，从而实现用户活跃度的自然增长。

此外，开发者还应关注应用的长期价值，而非仅仅追求短期的DAU增长。通过不断创新和完善应用功能、提升服务质量、建立良好的用户口碑和品牌形象，来增强应用的竞争力和可持续发展能力。同时，也要注重数据分析和用户反馈，及时调整和优化产品策略，以更好地适应市场变化和用户需求的变化。

综上所述，平衡用户活跃度与应用实用性需要开发者在追求DAU的同时，注重用户体验、用户留存和长期价值。通过全面考虑用户需求、优化产品功能和提升服务质量，来实现用户活跃度和应用实用性的双赢。

方向三：个性化智能体开发

在开发能够提供个性化服务、满足用户一对一需求的智能体应用时，我们需要从多个维度进行深思熟虑与精心策划。结合我在学习和工作中的项目经历，以下是我对此过程的一些建议：

首先，明确需求与目标用户。深入理解并明确你的智能体应用旨在解决什么问题，以及目标用户群体的具体需求和偏好。这包括通过市场调研、用户访谈和数据分析等手段，构建用户画像，确保智能体能够精准地定位并服务于每一位用户。在我的一个项目中，我们专注于为金融行业客户提供个性化投资顾问服务，通过详细分析客户的投资偏好、风险承受能力等信息，为他们量身定制投资策略。

其次，选择合适的AI技术栈。为了实现个性化服务，你需要运用自然语言处理（NLP）、机器学习（ML）、深度学习（DL）等先进技术。这些技术能够帮助智能体理解用户输入、分析用户行为、预测用户需求，并据此提供个性化的回应和建议。例如，利用NLP技术解析用户的自然语言输入，通过ML模型预测用户的潜在需求或兴趣，再借助DL算法不断优化模型性能，提升个性化服务的精准度和用户体验。

接下来，设计灵活的个性化服务框架。这个框架应该支持高度可定制的服务流程和界面，以便根据用户的不同需求和偏好进行调整。你可以采用模块化设计，将不同的服务模块解耦，使得开发者可以轻松地添加、删除或修改功能。同时，确保智能体具备学习能力，能够不断从用户反馈和行为数据中学习并优化自身性能。在我的项目中，我们设计了一个基于规则的个性化推荐引擎，它能够根据用户的历史行为和实时反馈动态调整推荐策略，实现更加精准的投资建议。

此外，注重用户体验与隐私保护。个性化服务必须建立在良好的用户体验之上，这意味着你需要确保智能体的交互方式流畅、自然且易于理解。同时，由于个性化服务涉及大量用户数据的收集和处理，因此必须严格遵守相关法律法规，加强隐私保护措施。通过提供透明的数据使用政策、设置用户权限管理、加密敏感数据等手段，增强用户对智能体应用的信任感。

最后，持续迭代与优化。智能体应用的发展是一个不断迭代和优化的过程。你需要定期收集用户反馈、监测应用性能并分析数据变化，以便及时发现并解决问题、优化服务体验。同时，随着技术的不断进步和用户需求的变化，你需要不断引入新技术、新功能以保持智能体应用的竞争力和吸引力。在我的项目中，我们建立了一个持续集成的开发流程和一个基于用户反馈的迭代优化机制，确保我们能够快速响应市场变化和用户需求的变化。