大模型时代已来，未来*的产业机会在哪？AI原生应用究竟长什么样？基础模型与Killer Apps如何共融共生？垂类模型与基础模型是互为竞争关系吗？

百度官方消息称，李彦宏将会在10月17日的百度世界大会上带来长达一小时的主题演讲，“手把手教你做AI原生应用”。现在，距离这次演讲还有10天时间，笔者梳理了李彦宏今年以来关于大模型和生成式AI的全部讲话内容，从上万字的演讲实录中选摘出18条干货。这是一把开启生成式AI创业大门的钥匙，也是“创业军规”。

李彦宏的思考进一步揭示了AI原生应用的本质，为正在大模型创业、创新路上的同行人提供一份启示。

以下为实录摘编，enjoy：

1、过去的人工智能是，我们想让机器学会什么技能，就教它什么技能。教过的可能会，没教过的就不会。大模型出现“智能涌现”后，以前没教过的技能，它也会了。这就是为什么有人讲，我们现在朝着通用人工智能（AGI）方向发展。

2、大模型如何重新定义人工智能？主要体现在人机交互方式的变化。过去几十年，人机交互方式共经历了三次变革，从命令行到图形用户界面（GUI），再到人工智能时代，我们可以用自然语言跟电脑进行交互。也就是说，未来的应用是通过自然语言提示词来调动AI原生应用实现的。

3、人工智能时代的到来，让IT技术栈从三层变成了四层：底层仍然是芯片层，但主要的芯片已经不是CPU ，而是以GPU为代表的新一代适合并行大规模浮点运算的芯片；上面我们叫做框架层，就是深度学习的框架，像百度的PaddlePaddle飞桨、Meta的PyTorch、谷歌的TensorFlow都是在这一层；再上面一层是模型层，ChatGPT、文心一言等都属于模型层；最上面是应用层，以后AI时代的原生应用，都会基于大模型来进行开发。

4、垂类模型不是基础模型的竞争对手，反而应该建立在强大的基础模型之上。没有足够强大的基础模型做支撑，垂类模型就很难持续提升和发展。然而，只有少数公司会在基础模型上达到较高水平。

5、生成式大模型的问世，会带来哪些创业和投资机会？我觉得至少有三方面机会：首先是新型云计算，第二类是行业模型的精调，第三类是应用开发。

6、大模型是Game Changer，它会彻底改变云计算的游戏规则。未来云计算公司的主要商业模式会变成MaaS，就是模型即服务（Model as a Service）。以后的应用会建立在大模型上，而不是建立在云计算的这些算力或者存储上。

7、大模型时代，*的机会既不在基础服务，也不在行业服务，恰恰是在应用。就好像在移动互联网时代，*的商业机会不是iOS或者安卓这样的操作系统，而是微信、抖音、淘宝这些应用一样。美国有几十个基础大模型，跟中国量级一样，但在基础大模型之上，美国已经有上千个“AI原生应用”，但中国市场是没有的，这是*的区别。

8、只有在大模型的基础之上产生了足够多的AI原生应用，才是一个健康的生态环境，这代表了大的技术发展趋势。对创业者来说，卷大模型没意义，卷应用机会更大。

9、什么是AI原生应用？我认为至少满足三个条件：*，能用自然语言交互，这是最根本的变化；第二，能充分利用理解、生成、推理、记忆等，这些过去不具备的技术能力；第三，每个应用的交互都不超过两级菜单。

10、每个AI原生应用的交互都不能超过两级菜单。如果超过两级菜单，大家就记不住这个功能到底在哪。好多工程师辛苦开发出来的功能隐藏在第三级甚至第四级菜单里，没有人用。PPT、Excel都是这样，可能80%的功能，绝大多数人从来没用过，就是因为使用门槛太高了，不知道在哪。

11、你只要思路活跃、表达清晰，机器就能给你干活儿，这就是AI原生的应用。

12、未来，我们要有意识地培养AI原生应用的思维方式和理念，用新的理念去重构现在的每一个产品和业务。生成式AI的来临，让我们发现很多时候只需要敲一两个关键词、点击下鼠标就能解决问题，不再像过去要用一大段话来描述需求才能获得想要的内容。这也让我们意识到，有多少工程师辛辛苦苦开发出来的功能被藏在一层层菜单下永远无人问津，有多少苦思冥想的灵感都无法获得反馈，但现在，它们可能会通过一些简单的提示词被激发出来，所以我们应该有勇气去改变自己的思维方式。

13、所谓“AI Native”，最明显的特征就是“提示词工程（Prompt Engineering）”。过去没有这个行当，我们也不觉得跟计算机交互需要那么多讲究。但在未来，通过写好提示词来激发大模型的潜力，是非常有意思的行当，我也认为这是新工作机会最容易出现的地方，未来薪酬水平将取决于提示词写得好不好。

14、我做过一个大胆预测，10年后，全世界有50%的工作会和“提示词工程”有关。这就好像教育方式一样，提出问题往往比解决问题更重要。未来我们会需要越来越多的提示词工程师。

15、今天百度有上万个工程师，会C++、Python，但到了AI原生应用全面落地的时候，可能会要求大家都来写Prompt，而且要看写了之后run出来的结果如何。

16、大模型本身的能力放在那，用得好不好完全靠提示词决定。提示词写得好，智能涌现可能就多一些，反馈结果就更有价值一些；提示词不好，出来的东西就是一本正经胡说八道，或者是错误结论。

17、未来的应用是通过自然语言提示词来调动原生AI应用实现的。提示词的书写是有技术含量的，是需要学习的。怎么把提示词写好，这既是技术也是艺术，甚至艺术的成分还更多些。

18、不同的大模型，比如文心大模型和Chat GPT，它们的提示词也存在明显差异。毕竟这些模型是通过独立底层训练得出来的。如果把它们比喻成一个人的话，它们的“脾气秉性”肯定是不同的，在与它们交互的过程中，我们也需要不断摸索，逐渐了解如何写提示词才能达到更好的效果。