大模型启示录

★每个人都能读得懂、且读来会让你大呼过瘾的技术商业书。

★既有技术讲解又有案例分析；既有深刻洞察又有实操方法；既有落地实施又有未来展望。

★朱啸虎说：“这本书是当下最具洞察力、最懂大模型产业与商业化落地的著作之一。”

★戴雨森说：“这本书能为对AI感兴趣的大众读者打开一扇了解和探索AI世界的大门。”

★王永东说：“本书是不可多得的知识宝库，值得一读。”

★余海洋说：“将本书力荐给像我一样关注 AI 发展的你。”

★星爵说：“这是 AI 创业者和决策者不可或缺的参考书籍。”

★李广密说：“《大模型启示录》给我带来了很多深刻启发。”

★邹欣说：“这本书值得一读再读。”

★WhatIf Research Alliance说：“这本书巧妙地展示了那些真正具有生命力的研究，为读者提供了洞见和启发。”

★作者说：“我们相信，在阅读本书的过程中，读者将有信息量丰富、时效性强、专业性和经验兼具的独特感受。”

★编辑说：“这本书看得太过瘾了！看了很多遍都没烦。”

本书旨在成为大模型在各行各业落地应用的“百科全书”，专为对大模型感兴趣的从业者和企业管理者量身打造。本书结合了实地调研和多元视角，不仅对大模型进行了技术分析，还从商业、产品、行业等多个角度进行了应用探讨。全书共5章：第 1 章介绍了大模型的训练过程和核心技术；第 2 章分析了大模型对软件行业的影响，通过具体案例展示了软件公司如何适应大模型需求；第 3、4 章分别从产品和行业角度出发，讨论了大模型如何改变产品升级流程和工作流程，以及它对各行各业的具体影响；第 5 章展望了大模型的未来，预测了它将如何改变我们的世界。本书由互联网企业的大模型产品经理、公有云服务的战略规划专家、活跃于中美两国的大模型投资者和从业者，以及专注于行业应用的大模型创业公司共同参与创作。本书将为从业者提供如何选择合适的大模型产品，以及大模型将如何影响其所在行业的深入分析。对于企业管理者，本书将探讨企业如何有效实施大模型应用，以及如何调整现有业务流程以适应 AI 技术的变革，帮助读者更快地接受大模型技术，并提前规划 AI 转型策略。

周默：长期专注于中美科技公司分析与投资，与其他几位作者一起创立了“共识粉碎机”公众号与社群。他曾在微软和腾讯担任产品与战略投资相关职务，随后在对冲基金Prime Capital负责全球科技股的投资工作。丁宇：某互联网公司前战略总监，负责云服务和AI业务的战略规划。他不仅具备深厚的软件行业和AI技术理论基础，还亲身参与了多个产品从创立到成熟的完整发展过程。加入互联网公司之前，丁宇在麦肯锡咨询公司工作，参与了许多国内外传统企业的信息化转型项目。赵毓佳：人工智能产品和落地领域的专家，目前担任微软MSAI的产品经理。她拥有国际化的视野和丰富的客户对接经验，对AI产品规划中的技术细节和挑战有深入的理解，曾参与多个海内外大模型项目的落地实施，并积极协助国内大模型公司解决技术和产品相关问题。Andy Liu：具有丰富的一线大型模型实战经验，以及多年的数字化转型、战略咨询和投资研究背景。他对大模型相关的算法、硬件、通信互联等领域均有深入的认识。

我信仰AGI，但我更看重应用价值，看重能商业化的技术。我认为，中国在 AI应用上的创新领先于美国。中国的大模型从业者应专注于自己的数据和应用场景，挖掘商业机会。

本书提供了丰富的实战经验和宝贵的行业建议，不仅全面剖析了大模型技术，还深入挖掘了其在商业应用中的巨大潜力。无论是对创业者还是对大模型感兴趣的读者，都是一个难得的学习机会。

朱啸虎

金沙江创投主管合伙人

作为早期科技投资人，我们对AI可能带来的美好未来感到非常兴奋。技术进步是推动社会生产力发展的根本动力，而预测未来的方式就是亲自创造未来。我真诚希望这本《大模型启示录》不仅能为从业者提供丰富的价值，更能为对AI感兴趣的大众读者打开一扇了解和探索AI世界的大门，激发更多人学习和使用生成式AI技术的热情，共同参与创造一个AI普惠人类的未来。

戴雨森

真格基金管理合伙人

《大模型启示录》一书深入探讨了当前全球热议的人工智能科技的原理、成果、影响及发展路线。书中不仅对大模型技术的宏观趋势进行了判断和展望，还包含了一些技术细节的解析和应用案例的解说。总体而言，本书内容丰富、信息量大，对于希望了解人工智能领域新动态的读者来说，是不可多得的知识宝库，值得一读。

王永东

微软全球资深副总裁微软亚太研发集团主席

微软（亚洲）互联网工程院院长

尺度定律（Scaling Law）带来了近两年 AI 大模型的突飞猛进。行业的健康发展不仅依赖于模型训练的持续进步，还需要 AI 产品在实际的生产生活中产生价值。我们一直在寻找 AI 产品落地的场景和应用，也相信 AI 的发展会像移动互联网一样充满机会，改变我们的生活及整个世界。如今，腾讯的不少被投企业也都在尝试应用 AI 去更好地服务客户并提升自身，其中一些尝试已取得显著的进展和效果。

“共识粉碎机”是行业中最为优秀的 AI 社群之一，本书的几位作者也一直与我保持沟通与探讨。我非常欣赏他们对 AI 的热情、对行业的深入研究，以及对前沿变化的关注。我曾参加“共识粉碎机”的投资研究活动和技术讨论活动，也将本书与共识粉碎机力荐给像我一样关注 AI 发展的你。

余海洋

腾讯投资董事总经理

《大模型启示录》深入探讨了大模型的技术原理与应用场景，并阐明了其带来革命性变革的原因。倘若将大模型比作数字时代的大脑，那么向量数据库便是其不可或缺的存储基石。作为向量数据库领域的创业者，我们亲历了大模型在众多行业中的应用落地，深切体会到书中所描绘的快速变化。深度学习与大模型的进步将彻底改变信息的管理、处理和运用方式，并带来众多机遇与挑战。本书也为管理者和投资者提供了指导，从技术、产品到商业模式，结合行业实例，为企业 AI 转型和产品创新提供了宝贵的洞见。

星爵

Zilliz创始人兼 CEO

与时代强音共振！

毫无疑问，未来十年的强音将是 AGI（通用人工智能）。大模型开启的 AGI 浪潮， 不仅是人类对未来黄金十年的千亿美金科学投资，更是新时代摩尔定律的象征。同时， AGI 不仅是一项宏大的基础设施建设，更是一场漫长的马拉松。随着基础设施的成熟、算力成本的显著下降和算法的持续发展，AGI 应用将逐步解锁，迎来大爆发。

《大模型启示录》给我带来了很多深刻启发。在 AGI 应用大爆发的过程中，理解模型能力与应用场景的匹配至关重要。同时，AI 也在重塑许多成熟企业，尤其是那些掌握分发场景和用户的公司，很多公司的商业模式也会因此改变。AGI 时代下的伟大公司已经在孕育之中，非常期待周默带领大家冲浪 AGI 大时代，见证下一个苹果和谷歌的诞生。

李广密

拾象科技CEO

人们往往高估了新技术的短期收益，而忽视了它的长期巨大影响。以大语言模型为核心的新一代人工智能技术，现在到底能做什么？将来会带来什么巨大的改变？

《大模型启示录》通过丰富的案例和深入的长远分析，充分回答了这两个问题。这本书值得一读再读。

邹欣

《编程之美》《构建之法》作者

从互联网到人工智能，信息的获取、处理和认知形成方式都经历了显著的变革。在WhatIf的研究中，我们见证了层出不穷的新实践。共识粉碎机团队作为这些新实践的探索者，在多次季度会议上与我们就此进行了深入讨论。这本书巧妙地展示了那些真正具有生命力的研究，为读者提供了洞见和启发。

WhatIf Research Alliance

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
2．5．5 AI Native 网络安全公司出现了吗 / 66
2．6 大模型与 RAG / 66
2．6．1 RAG 的技术难点 / 67
2．6．2 RAG 是个系统，单点突破难做差异化 / 69
2．6．3 RAG 需求爆发得非常快 / 70
2．6．4 相对微调，RAG 技术更具优势 / 72
2．6．5 RAG 的评测 / 73
2．6．6 混合搜索与技术栈选择 / 74
2．6．7 RAG 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
3．3．1 AI 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
3．3．4 AI 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
4．4．1 AI NPC 在玩法层面的落地 / 164
4．4．2 AI NPC 在局部留存 / 商业化上更容易落地 / 165
4．4．3 AI 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
5．1．2 AI 带来的实际经济影响（2024 年） / 223
5．1．3 GPT-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
5．1．5 AI 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
5．3．5 Sora 如何改变世界 / 237
5．3．6 我们在 1．0，即将进入 2．0 / 238
5．4 GPT-4 Turbo 带来的行业进化 / 239
5．4．1 GPT-4 Turbo 带来的成本下降 / 240
5．4．2 GPT-4 Turbo 长下文带来的变化 / 240
5．4．3 低代码工具及 GPTs / 241
5．4．4 OpenAI 的官方 RAG 工具 / 242
5．5 GPT-4o 带来的行业进化 / 243
5．5．1 GPT-4o 如何降低延迟 / 244
5．5．2 GPT-4o 的实时互动机制 / 245
5．5．3 GPT-4o 为什么要用到 RTC / 247

推荐序一

大模型技术是当前科技界最重要的变革之一。作为一名长期关注技术与市场结合的投资人，我深知这一领域带来的巨大机遇和挑战。在中国，关于大模型的讨论主要分为两派：技术信仰派和市场信仰派。技术信仰派追求更强大的 AI 能力，而市场信仰派更注重将 AI 技术应用于商业场景中。

我始终认为，真正的价值在于技术能够带来实际的商业应用和变现。因此，我对大模型产业的泡沫持谨慎态度。许多融资数亿元乃至数十亿元的公司往往缺乏实际应用场景，难以产生真正的价值。尤其是在基础模型的“军备竞赛”中，即使投入几千万美元研发出 GPT-4，如果别人开源了，那么所有的投入都可能付诸东流。

《大模型启示录》的理念与我专注于大模型商业化落地的理念不谋而合。这本书从多个视角深入浅出地探讨了大模型技术的发展与应用，是当下最具洞察力、最懂大模型产业与商业化落地的著作之一。

在 AIGC 领域，找到真正的产品市场契合（Product-Market Fit，PMF）非常有挑战性，即使投入大量资源，也未必能找到合适的应用场景。过去资本泡沫时期的宽松环境已经一去不复返。我相信，只有那些不过度依赖资本、具有明确 PMF 的项目才有可能成功。这本书通过详实的案例，帮助我们更好地理解如何在大模型浪潮中找到切实可行的商业机会。本书展示了大模型如何在各个垂直行业落地并创造价值的具体案例，包括办公软件、DevOps、数据库、网络安全、客服、教育、设计、游戏、广告、推荐系统、传统工业等领域。同时，书中还探讨了大模型如何改变全生命周期产品流程，以及组织管理如何在大模型时代变革。

我信仰 AGI，但我更看重应用价值，看重能商业化的技术。我认为，中国在 AI 应用上的创新领先于美国。中国的大模型从业者应专注于自己的数据和应用场景，挖掘商业机会。在短期内，我们应该首先关注企业市场（To B），寻找那些落地明确、增长迅速的应用场景。就像大哥大和电脑最初问世时，都是企业先行使用，因为它们能立即提升生产力，企业也愿意为此投资。

而面向消费者的应用（To C）则需要等技术更加成熟、用户需求更加明确，例如， 等到每个手机都能运行大模型时，才会大规模爆发。这些应用必须满足用户的刚需和高频的需求，才能拥有长远的商业机会，否则，一旦技术发展放缓，就难以保持市场地位。

本书在其未来展望部分还大胆地预测了大模型将如何改变我们的世界。在 AI 容易替代的部分领域，未来 3 到 5 年有可能实现 80%~90% 的人工替代。然而，要实现AGI 的最后 10%，可能需要天量的算力和能耗。美国有资金进行前期试错，我们跟随其后，应该努力“花小钱办大事”。与其过分关注 AGI，我们更应该关注大模型在各个行业的落地和未来具体能创造的价值。就像回过头来看 PC 行业的发展历程，虽然早期美国的技术领先，但随着时间的推移，技术发展的速度逐渐趋于平稳。

总的来说，《大模型启示录》提供了丰富的实战经验和宝贵的行业建议，不仅全面剖析了大模型技术，还深入挖掘了其在商业应用中的巨大潜力。无论是对创业者还是对大模型感兴趣的读者，这本书都是一个难得的学习机会。它不仅是一本行业指南，更是一部商业圣经，为每一位关注大模型技术的读者提供了宝贵的知识和洞见。

让我们一起翻开这本书，探索大模型的技术奥秘和商业前景，共同迎接这场波澜壮阔的科技浪潮。

朱啸虎

金沙江创投主管合伙人

推荐序二

《大模型启示录》是一本兼具深度和广度的好书。共识粉碎机团队以深入浅出的笔触，向读者展示了以大模型为代表的生成式 AI 技术近年来的飞速发展。本书不仅详尽阐述了大模型的技术原理和发展历程，还全面梳理了 AI 技术在各行各业的创新应用，为读者描绘了一幅栩栩如生的 AI 应用全景图。尤为难得的是，作者们凭借其深入的调研和敏锐的洞察力，对大模型发展可能塑造的未来景象进行了很多前瞻性的展望。

大模型的智能涌现，在很大程度上得益于训练过程中使用的海量优质数据。2022 年 11 月，ChatGPT 横空问世，标志着大模型技术正式进入公众视野，并迅速成为全球科技创新领域的热点话题。自那以后，这一领域的发展日新月异，新技术和新应用层出不穷，以至于我们常常有“新闻都看不过来”的感觉。在这个信息爆炸的时代， 共识粉碎机团队及其社区的贡献显得尤为珍贵。他们不辞辛劳地对海量信息进行了系统的整理和提炼，为读者提供了一个全面且深入的学习平台。这些信息正是读者训练自己思维模式所需的优秀数据。

人类历史上每一次重大的技术进步都带来了工具的升级，进而推动社会生产力的发展。从人类学会使用火开始，历经农业革命、工业革命，再到信息革命，技术进步不断改变着人类的生活方式和社会形态。然而，AI 的出现预示着一个全新的范式转换。它带来的不仅是一种新型工具，更重要的是，AI 可能成为人类历史上首个能够自主使用和创造工具的技术。这一特性使得 AI 有潜力成为对人类文明影响最为深远的科技进步。AI 有望重塑我们的工作方式、学习模式，甚至是思考方式，从而对人类社会的各个层面产生深远的影响。

与此同时，与任何重大技术创新一样，AI 在其发展初期不可避免地会遇到质疑和挑战，也会出现一些泡沫和过度炒作。我们需要保持理性和耐心，既要对 AI 的长期发展持乐观态度，也要对短期进展保持耐心和宽容，避免过度炒作对行业造成伤害。历史告诉我们，技术的发展是一个循序渐进的过程，中间一波三折是常态。截至2024 年，AI 也经历了多次高潮与低谷。此外，AI 目前仍存在从底层技术路线到具体工程实践的多重不确定性，并且具有天然的随机性，可能导致“胡说八道”的结果。保持对未来理性乐观的态度，既不神化也不轻视 AI，我们才能客观地看待 AI 技术的发展，并从中获得最大收益。

在这个科技飞速发展的时代，撰写一本介绍前沿科技的书是一项充满挑战的任务。我相信，当我们再过 5~10 年回顾这本书时，将会有许多有趣的对比：我们可能会见证一些准确的“神预言”的实现，同时，我们也肯定会发现一些预测并未按预期实现，甚至可能完全相反。然而，这种“预测”与“现实”之间的不确定性，恰恰体现了科技发展的不可预测性和激动人心的魅力。承认未来的不确定性，从中学习、思考和验证，这一过程才是最为宝贵的。作者和社区成员所展现出的持续学习和分享精神，正是这本书最珍贵的部分。

作为早期科技投资人，我们对 AI 可能带来的美好未来感到非常兴奋。技术进步是推动社会生产力发展的根本动力，而预测未来的方式就是亲自创造未来。我真诚希望这本《大模型启示录》不仅能为从业者提供丰富的经验价值，更能为对 AI 感兴趣的大众读者打开一扇了解和探索 AI 世界的大门，激发更多人学习和使用生成式AI 技术的热情，共同参与创造一个 AI 普惠人类的未来。无论你是技术爱好者、企业家、研究者，还是对 AI 感兴趣的普通读者，我相信这本书都将为你开启一段激动人心的AI 探索之旅。

戴雨森

真格基金管理合伙人

本书缘起

本书的编撰源自 2023 年年初的一次偶然的讨论活动。我一直从事科技股投资， 并持续主理公众号，因此结识了许多业内朋友。ChatGPT 发布后，无论在产业界还是投资界，都引发了热烈的讨论。许多朋友找到我，探讨是否可以创建一个关于大模型1 的交流社群，将业内朋友、投资人，以及AI 供应商和客户聚集在一起。鉴于行业形势变化迅速，我们希望通过频繁的讨论激发出新的火花。因此，在 2023 年4 月，我与“共识粉碎机”的其他几位主理人共同举办了第一期“AI 颠覆软件讨论会”，主题为“AI 如何颠覆数据库行业”。经过 14 个月的时间，我们举办了 17 期讨论会， 每期都邀请产业一线从业者和社群成员、公众号关注者共同参与。

与其他公众号或播客不同，我们对每期讨论会都进行了精心、专业的整理，通过对话提炼结论，并进行深入探讨。凭借几位编撰人的技术背景，我们对每次讨论会都进行了充分的话题准备，并针对几乎每个话题都邀请到中美顶尖的大模型创业者进行交流。

在组织讨论会的过程中，我们收到了许多读者的反馈。同时，电子工业出版社的孙学瑛编辑也注意到了我们的工作，并促成了本书的出版。

我们对以往的讨论会内容进行了整理，并根据大模型的进化情况进行了更新。此外，我们添加了许多番外篇和案例作为补充，以丰富本书的内容。

本书特点

这是一本关于大模型在各行各业落地实践的“百科全书”。

在本书的编撰过程中，我们邀请了数十位产业一线从业者参与共创，他们中的许多人曾是“共识粉碎机”主办的“AI 颠覆软件讨论会”的嘉宾，来自全球顶尖科技公司、大模型创业公司、投资基金公司及大学的前沿实验室。我们将在具体章节中逐一介绍这些参与共创的朋友，在这里不再详细列举。

本书并非从学术或理论的角度出发，而是汇集了前沿的行业实践经验，每篇内容都紧密关联实际应用，旨在成为大模型在各行各业落地实践的“百科全书”。我们相信，在阅读本书的过程中，读者将有信息量丰富、时效性强、专业性和经验兼具的独特感受。

本书的结构清晰，分为 5 章，每章都围绕大模型的不同方面进行深入探讨。

第 1 章重点介绍大模型的训练过程，探讨大模型的核心技术，还介绍了 OpenAI 的发展历程，以及 CUDA 壁垒是怎样形成的。本章的内容结合了实地走访和调研的成果，呈现了相对深入的见解。

第 2 章分析大模型对软件行业的影响，包括 DevOps、数据库、网络安全、RAG、办公软件等领域的变革。本章通过分析 Oracle、AWS、Azure、Snowflake、Databricks 等公司的案例，展示了软件公司如何适应大模型的需求。

第 3 章从产品的角度出发，探讨如何利用大模型进行产品升级，以及产品团队和销售团队如何利用大模型改造自身的工作方式。

第4 章深入分析大模型如何改变各行各业，包括客服、电销、教育、设计、游戏、广告、推荐系统、传统工业等。大模型不仅改变了软件技术栈，还改变了许多行业的工作流程。本章的共创者包括大模型创业者、行业客户及行业从业者，他们的观点碰撞为读者提供了多元的视角。

第 5 章展望大模型的未来，以三年的跨度预测大模型将如何改变我们的世界，并分析最近几次大模型迭代产生的影响。

因为这是一本专注于大模型在各行各业落地实践的“百科全书”，所以我们不仅希望读者能够通读全书，更希望读者在遇到新问题时，能够通过书中对相关行业和问题的深入分析，获得新的启示和实际帮助。我们期望这本书能够成为读者在 AI 领域探索和实践中不可或缺的参考资料。

关于本书作者

如果您对 AI 领域的新动态和深入讨论感兴趣，可以在微信中搜索并关注公众号。我们每月举办 1~2 次“AI 颠覆软件讨论会”，探讨 AI 在不同行业的应用及其产生的影响，其中可能包含您感兴趣的话题。同时，我们也欢迎您通过公众号添加我们几位作者的微信，以便进行更深入的交流。

为了让大家更好地了解本书的背景，我简单介绍一下自己。我在中学时期就对计算机竞赛充满热情，因为竞赛成绩不理想，才让我最终选择了经济学作为大学专业。我的职业生涯起步于 LinkedIn（后被微软收购），参与了多个角色的工作，包括战略分析师、数据分析师和项目经理。我亲历了“赤兔”项目的起落，这段经历让我对创业路上的挑战和如何避免失败有了深刻的理解。

之后，我加入了腾讯，承担“微视”的推荐产品经理和渠道投放工作，同时担任腾讯AI 实验室的战略顾问。这些经历为我撰写关于大模型的文章提供了实践基础。目前，我专注于科技股投资，涉足中概科技股、全球软件互联网行业，以及大模型行业。我欢迎各行各业的朋友与我交流行业动态和投资思路。如果您所在的是寻求大模型落地解决方案的企业或有 AI 研究需求的投资机构，我也愿意从客户角度提供咨询或投研项目的服务。期待与您的交流！

本书的其他几位主创也都是来自行业一线的资深从业者。

丁宇，某互联网公司前战略总监，负责云服务和 AI 业务的战略规划。他不仅具备深厚的软件行业和 AI 技术理论基础，还亲身参与了多个产品从创立到成熟的完整发展过程。加入互联网公司之前，丁宇在麦肯锡咨询公司工作，参与了许多国内外传统企业的信息化转型项目。

赵毓佳，人工智能产品和落地领域的专家，目前担任微软 MSAI 的产品经理。她拥有国际化的视野和丰富的客户对接经验，对 AI 产品规划中的技术细节和挑战有深入的理解，曾参与多个海内外大模型项目的落地实施，并积极协助国内大模型公司解决技术和产品相关问题。

Andy Liu，具有丰富的一线大模型实战经验，以及多年的数字化转型、战略咨询和投资研究背景。他对大模型相关的算法、硬件、通信互联等领域均有深入的认识。

这些主创的专业背景和实战经验为本书的内容奠定了坚实的基础，使得本书不仅具有理论深度，更充满了实践智慧和行业洞察。我们相信，这样的主创团队编撰的图书为读者带来的关于大模型落地各行各业的解析将是全面而深入的。

变化实在太快

当下，科技行业的快速发展让人有时空错乱的感觉。尤其像我这样从事科技股投资的人，对信息和预期变化的敏感度高，这种感觉更甚。在撰写本书的过程中，我们也深刻感受到这种快速变化带来的挑战。

在撰写“番外篇：CUDA 壁垒是怎样形成的”时，我们最初并未意识到 NVDA 在推理侧也会形成如此强大的壁垒。但随着模型优化的深入和 GPT-4 等模型参数量的成倍增大，我们不得不对内容进行更新，重新介绍推理侧壁垒的形成和发展。

在撰写“番外篇：GPU IaaS 拉开云加速序幕”时，我们注意到 Oracle 宣布的GPU IaaS 计划。当时我们认为集群搭建相对简单，但直到 2024 年 5 月，Oracle 的集群仍未开售。这再次说明，由于大模型的快速进化，集群规模需要不断增大，搭建难度也在不断提升。

在撰写“大模型改变推荐系统”时，我们也遇到了类似的情况。2023 年 10 月， 我们与推荐系统行业的专家沟通时，大模型的应用还主要集中在审核和理解等环节。然而，不久之后，Meta 的 Wukong 大模型横空出世，Transformer 架构开始被用来直接改造推荐算法模型，我们不得不迅速更新内容，以反映这一重大变化。

当前的时代变化如此之快，学习的速度似乎永远跟不上技术进步的步伐。我们相信，在不久的将来，各位读者将会看到《大模型启示录》的第二版，只因时代在不断推动我们更新知识。

周默

2024 年 8 月