AI 大模型时代，兴奋与恐慌交织。探索其从科幻到应用的真实路径。

AI来了，大模型来了。兴奋的人看到了未来，恐慌的人担心被取代。但现实是，AI要大面积取代大部分人的工作，还需要相当一段时间——这注定是一个渐进的过程。

原因主要有两点。一方面，AI自身能力的进化需要时间。从弱人工智能到强人工智能，已经走了很长一段路；但从强人工智能到通用人工智能，可能需要更长的时间。很多人预测OpenAI会在2024年发布GPT-5，结果并没有。反而是o1到o3的发布，走的是推理路线，而非原先的“堆数据”路线。OpenAI的CEO Sam Altman说过“There is no wall”——通往人工智能的道路并没有墙堵着。但别忘了，GPT-3是在2020年训练好的，GPT-4是在2022年，而GPT-5至今杳无音信。这至少说明，AI模型的进化速度并没有人们想象中那么快。

另一方面，AI模型的落地、真正赋能具体应用场景，需要一个深度融合的过程。这不是堆积木，在原有基础上往上叠加就能解决。经过2023年和2024年大模型能力的快速发展，AI能力已经具备了成为基础设施的潜质——工具准备好了，关键要看往哪用。这就好比当初电力已经有了，发动机也有了，但到底该把它们放到哪里，是个关键问题。

技术本身没有太多价值，只有当技术变成产品，产品变成商品，它才能真正产生价值。这也是为什么百川智能的CEO王小川会说，现在的阶段更需要关注的是TPF而非PMF。TPF指的是Technical Product Fit，让技术与产品匹配。以往的思路是PMF——让产品与市场匹配。而现在，首先要解决的是技术与产品之间的契合问题。

那么，该如何实现TPF？又该如何让AI大模型落地到具体的应用场景？回答这个问题，需要两个关键因素：Know What 和 Know How。

Know What，指的是要知道大模型的能力边界。它很强，但并非无所不能。使用者必须清楚它能做什么，不能做什么——只有明确了边界，才能让它发挥作用。Know How，指的是需要熟悉行业里的具体业务流程，也就是具体的落地场景和SOP。因为大模型不是要立刻碘伏现有业务，而是赋能某个环节。

不妨拿人力资源行业来拆解一下。HR要招到合适的候选人，核心是人岗匹配。整个流程包括：简历筛选、线上沟通、面试过程、结果评估、offer发放等一系列环节。如果想让AI大模型赋能招聘，必须想清楚：哪个环节可以用AI增效，哪个环节需要人来做最后的决策。

比如简历筛选，AI完全可以去做。但前提是需要一个既懂业务需求、又懂岗位要求的垂直大模型——或者叫它小模型。一旦训练完成，它就可以在海量简历中筛选出合适的候选人，提升效率，减少人力成本。目前智联招聘就在做大模型实现的高效人岗匹配和简历筛选工作，为HR腾出更多时间专注于更重要的事情。

再说线上沟通。传统招聘由HR线上沟通具体情况和面试时间，现在可以交给AI——相当于一个AI招聘客服，主动和候选人沟通、了解基本情况并确定约面时间。58同城公司已经采用了这样的AI智能客服来帮助HR完成面试前的信息沟通工作。

至于面试过程，也有公司训练出了AI面试官，专门用于蓝领人员的招聘。这些岗位的职责和面试要求相对固定，AI可以帮助公司快速筛选合适的候选人，提高决策效率。最后是结果评估：先让大模型做出判断，再由HR和公司领导层共同做出最终决策。当然，前期需要高质量的数据和专业人才去训练出这样的垂直大模型。

上面这个AI赋能招聘的例子，展示了一个核心逻辑：要让大模型真正落地，前提条件是知道AI的能力边界，同时掌握行业的Know How。两者结合，AI才能真正做到赋能。

但这个过程注定是漫长的。人都有惯性，对新鲜事物常常会有抵触情绪。对企业来说，还要看性价比——如果一个垂直大模型的训练成本比原有的人力成本还高，很可能老板们就不愿意投入。不过，这终将是个大趋势，就像水电网络一样，AI大模型早晚会赋能各行各业，走进千家万户。作为普通个体，我们能做的，就是积极拥抱它，持续提升自己，在时代的浪潮里找到自己的位置。