第 1 章 什么是大模型 / 1
1.1从单节点模型开始 / 2
1.2大模型的养成 / 4
1.3大模型的核心能力 / 5
1.4大模型的构建 / 6
1.5大模型需要的基础设施 / 7
1.6大模型的“不可能三角” / 10 番外篇 OpenAI 为何成功 / 14
番外篇 CUDA 壁垒是怎样形成的 / 23
第 2 章 软件在大模型时代还有没有价值 / 31
2.1历次科技变革，改变了谁 / 32
2.2大模型变革下的四类 SaaS 企业 / 35
2.2.1人调用软件 / 35
2.2.2软件梳理流程 / 41
2.2.3翻译工具 / 44
2.2.4大模型调用软件 / 45
番外篇 GPU IaaS 业务拉开云加速序幕 / 46
2.3大模型与 DevOps（可观测性） / 48
2.3.1可观测性的实现原理及关键环节 / 49
2.3.2大模型如何与可观测性结合 / 50
2.3.3针对大模型搭建可观测性平台 / 52
2.4大模型改变数据库 / 53
2.4.1大模型如何改变数据库交互 / 53
2.4.2大模型是否能改变数据库底层 / 54
2.4.3数据仓库与数据湖如何支持大模型训练 / 56
2.4.4大模型的应用取决于成本 / 57
2.4.5向量数据库 / 57
2.4.6大模型可被用于 ETL 工作 / 61
2.5大模型改变网络安全 / 62
2.5.1大模型在不同网络安全场景中的应用 / 62
2.5.2现有网络安全企业的大模型应用情况 / 64
2.5.3微软 Security Copilot 的优点和缺点 / 65
2.5.4大模型数据交互安全 / 65
2.5.5AI Native 网络安全公司出现了吗 / 66
2.6大模型与 RAG / 66
2.6.1RAG 的技术难点 / 67
2.6.2RAG 是个系统，单点突破难做差异化 / 69
2.6.3RAG 需求爆发得非常快 / 70
2.6.4相对微调，RAG 技术更具优势 / 72
2.6.5RAG 的评测 / 73
2.6.6混合搜索与技术栈选择 / 74
2.6.7RAG 的商业化与进入市场策略 / 76
2.6.8金融领域的 RAG 应用 / 78
2.7大模型改变办公与销售管理软件 / 79
2.7.1大模型如何影响办公类产品 / 79
2.7.2大模型如何影响会议类产品 / 79
2.7.3大模型如何影响协同产品 / 81
2.7.4大模型如何影响销售管理工具 / 81
番外篇 数据基础设施（Data Infra）：大模型决战前夜 / 83
第 3 章 大模型将改变产品生态 / 94
3.1大模型与产品设计 / 95
3.1.1大模型 AI 产品的设计流程 / 95
3.1.2大模型 AI 产品的设计准则 / 99
案例 Microsoft 365 Copilot 的产品设计 / 104
3.2大模型与产品销售和营销 / 109
案例 卫瓴科技如何通过大模型赋能销售和营销 / 111 案例 Salesforce 的大模型赋能销售解决方案 / 118
3.3大模型与组织变革 / 126
3.3.1AI 时代的组织进化展望 / 126
3.3.2个人与组织价值创造逻辑的差异 / 127
3.3.3组织协作的“假象”与“理想” / 128
3.3.4AI 在组织协作中应用的可能性 / 130
3.3.5技术路径与商业实践探索 / 131
案例 腾讯如何搭建适合自己的大模型 / 134
第 4 章 大模型将改变更多行业 / 144
4.1大模型改变客服和电销 / 145
4.1.1大模型改变了客服 / 145
4.1.2将大模型应用在电销上难度大 / 147
4.1.3如何交付大模型客服 / 148
4.1.4大模型客服如何选择模型 / 149
4.1.5客户眼中的大模型客服与落地仍然有预期差 / 150
4.2大模型改变教育 / 150
4.2.1成熟 AI 教育公司的启示 / 151
4.2.2大模型对教育场景的重塑 / 152
4.2.3大模型如何影响教育创业和教育事业 / 155
4.2.4大模型教育如何看待 / 选择大模型 / 157
4.3大模型改变设计 / 158
4.3.1大模型应用在不同的设计场景 / 159
4.3.2大模型对设计的提效 / 161
4.3.3现有的设计软件如何应对大模型 / 162
4.3.4大模型设计在 To B 场景的落地 / 163
4.4大模型改变游戏 / 164
4.4.1AI NPC 在玩法层面的落地 / 164
4.4.2AI NPC 在局部留存 / 商业化上更容易落地 / 165
4.4.3AI 在游戏的技术层面落地难点 / 166
4.4.4游戏公司使用 AI 工具的情况 / 167
4.4.5大模型在游戏引擎中落地的方向 / 168
4.4.6大模型在 VR 中的落地情况 / 171
4.5大模型改变广告 / 171
4.5.1广告创业公司的观点 / 171
4.5.2广告平台方的观点 / 173
4.5.3广告主的观点 / 175
4.5.4生成式广告 / 175
4.6大模型改变推荐系统 / 176
4.6.1大模型在推荐系统现有环节的应用 / 176
4.6.2大模型在广告 / 电商推荐系统中的应用 / 177
4.6.3大模型在搜索推荐系统中的应用 / 177
4.6.4大模型在内容推荐系统中的应用（以 Meta 为例） / 180
4.7大模型改变传统工业 / 180
4.7.1大模型在传统工业中的应用处于初级阶段 / 181
4.7.2小模型在传统工业中的应用广泛 / 182
4.7.3大模型在传统工业应用的难点 / 183
4.7.4大模型在传统工业应用的方法 / 185
案例 头部 AI 咨询公司 C3.ai / 187
案例 难以被 AI 颠覆的艾斯本科技 (Aspen Tech) / 206
第 5 章 对大模型未来的思考 / 220
5.1大模型未来三年的几个假设 / 221
5.1.1 开始摘低垂果实（2024 年） / 221
5.1.2AI 带来的实际经济影响（2024 年） / 223
5.1.3GPT-5 会成为更标准落地的分水岭（2025 年） / 225
5.1.4面向消费者（To C）领域的预期（2025 年） / 226
5.1.5AI 或许可以替代高阶的职能（2026 年） / 227
5.1.6工业领域会看到很多多模态实践（2026 年） / 228
5.1.7基建与电力可能比 GPU 更稀缺（2024—2026 年） / 228
5.2大模型技术面临的挑战 / 229
5.2.1 数 据 / 229
5.2.2计算资源 / 230
5.2.3安全和合规 / 231
5.3大模型就像贪吃蛇与俄罗斯方块 / 232
5.3.1贪吃蛇与俄罗斯方块 / 232
5.3.2贪吃蛇也没有秘密 / 234
5.3.3中国的方块与美国的方块 / 234
5.3.4模型与应用公司的下一步 / 235
5.3.5Sora 如何改变世界 / 237
5.3.6 我们在 1.0，即将进入 2.0 / 238
5.4GPT-4 Turbo 带来的行业进化 / 239
5.4.1GPT-4 Turbo 带来的成本下降 / 240
5.4.2GPT-4 Turbo 长下文带来的变化 / 240
5.4.3低代码工具及 GPTs / 241
5.4.4OpenAI 的官方 RAG 工具 / 242
5.5GPT-4o 带来的行业进化 / 243
5.5.1GPT-4o 如何降低延迟 / 244
5.5.2GPT-4o 的实时互动机制 / 245
5.5.3GPT-4o 为什么要用到 RTC / 247
· · · · · · (
收起)
6 有用 旅客马健康 2024-09-15 01:20:38 上海
东拼西凑浪费时间
2 有用 seaver 2024-10-06 13:32:44 辽宁
平凑起来，不用心
0 有用 momo 2024-11-19 16:41:22 重庆
推荐还没入行AI的人看看。
0 有用 Di 2024-10-01 10:43:11 北京
2024 年的第 35 本书。“共识粉碎机”是国内对 AI 产业研究最为深入的团队之一，内容质量很高。本书是公众号文章的合集，用产业和投资逻辑串起来。相对于大模型技术来说，本书的内容更偏产业落地和应用场景，很多案例都来自一线的创业团队或业务负责人，是难得的接地气的信息。需要注意的是，大模型技术发展非常快，因此本书有不少内容是有时效性的，需要自行甄别。也希望后续能够有及时的更新。
0 有用 绮妤 2024-10-07 22:49:22 上海
挑了最前/最后/相关的部分先扫了眼。本书不适合AI纯小白阅读，整体定位确实接近文集汇总，想面面俱到地谈大模型的现在与未来，以及在应用层可能的影响。但观感上可能是聊得都不够深入。比如要是纯聊模型吧，是不是可以多对比不同的技术路径，比如聊应用层吧，确实是比较蜻蜓点水。 不过整体而言，对完善基础认知是有帮助的，点出一些值得关注的方向，比如我之前对知识库、云、安全方面关注不那么多。
0 有用 善宝橘 2024-12-03 17:05:41 浙江
想了想，还是给个四星，至少知道大模型在各个行业能怎么用。最后一章 rtc 和延时的问题还是挺有感触的，因为自己项目里有接触过。
0 有用 momo 2024-11-19 16:41:22 重庆
推荐还没入行AI的人看看。
1 有用 Seamus💤 2024-11-08 07:04:01 广东
看完毫无启示，在x看到某v宣传，买完回来一看，好家伙原来书中在推销自己的项目，怪不得那么卖力，后来者慎买。 书中内容杂乱无章，毫无逻辑，缺乏严谨前瞻观点，几乎全书就是杂合各方观点拼凑而成，看几篇人工智能相关文章比这强。 所列举案例大多也不是前沿经商业认证，总之是能0星就不给1星的书，浪费时间的书。
0 有用 绮妤 2024-10-07 22:49:22 上海
挑了最前/最后/相关的部分先扫了眼。本书不适合AI纯小白阅读，整体定位确实接近文集汇总，想面面俱到地谈大模型的现在与未来，以及在应用层可能的影响。但观感上可能是聊得都不够深入。比如要是纯聊模型吧，是不是可以多对比不同的技术路径，比如聊应用层吧，确实是比较蜻蜓点水。 不过整体而言，对完善基础认知是有帮助的，点出一些值得关注的方向，比如我之前对知识库、云、安全方面关注不那么多。
0 有用 仲翔 2024-10-07 21:20:24 广东
国外案例有些借鉴，但又浮于表面