芈月传

解读ChatGPT Atlas背后的数据边界之战_我的网站

一 |           　　□ 魏敬群      　　济南东护城河原响闸处旧影      　　东护城河原响闸处新建的水磨景点      　　水磨历史悠久。济南的水磨最早记载于元代。    OpenAIChatGPT Atlas当然是一个浏览器产品，但也更是一个信号。                   大家应该还记得劈柴是靠什么当上过去的Google现在的Alphabet的CEO的——很核心的一个点就是Chrome的成功。元代御史中丞、枢密副使许有壬在作于至元四年(1338年)的《圭塘小稿·林虑记游》中称：“历下所谓趵突者，清澈尤甚，土人疏导作堰，以激磑碾，为利甚大。

二 |                    回到那个时间点其实可以讲Chrome其实是谷歌和微软那波竞争里面的巨大功臣，它让谷歌有了自己的端和入口。”堰，挡水的低坝;磑，石磨。                   在AI大模型的背景下，故事明显在被重演，只不过角色发生了互换，OpenAI变成了昔日的Google，而今天的Google则变成了昔日的微软。

三 | 趵突泉水势汹涌，北流成河，当地百姓筑坝拦水，形成激流，让其推动石磨旋转，得以磨米磨面。                             这显然是过去所谓的入口之争的延续，但还有一部分在悄然发生变化，透视整个变化乃至未来的趋势，需要先从一个我称之为“智能规模效应”的底层逻辑开始。

四 | （也许可以翻译成：Intelligence Scale Effect，但真的是我杜撰的词）                    这个效应的根基可以用一个简单的公式来概括：                    智能的效能 = 大模型的智能水平 × 现实理解纵深                    这个公式可以揭示了未来智能应用竞争的核心。     　　玉带河与护城河都有水磨 明代时德王府独霸水源      　　明代文学家、史学家王世贞《古今名园墅编序》载：“异时，宦游所经历，至济南，谒德藩，游真珠泉，泉东西可十余丈，南北三丈许，东一亭枕之其下。                   为了在竞争中获胜，仅仅拥有一个“更聪明”的大模型（即更高的“智能水平”）是远远不够的。真正的胜负手在于第二个乘数：模型对现实世界“理解的纵深”。

五 | 瑟瑟群起，拍掌振履，则益起，纚纚而上，空明莹彻，与天日争彩，金鲤百头，小者亦可三尺。                   并且越到后面后者越关键，甚至会影响前者的进化速度。                   为了最大化最终的“效能”，我们将会看到，每一个投身于AI浪潮的公司，都将开始一场疯狂的、无休止的竞赛——一场旨在无限扩展自身数据边界的竞赛。其西泉穿宫墙而出，为大池，皆以白石甃甓。                   模型公司想明白了，都会向应用发展，向应用发展就几乎都会走到这里。                   在这里应用和模型是分不开的。                   解构“智能规模效应”                    让我们首先拆解这个公式的两个关键组成部分。中有水殿，前后各五楹，彩鹢容与箫鼓四奏，王时劳赐殽醴，往往丙夜。又西为长沟，曲折以达后圃，芍药数百本。

六 | 高楼踞之，泉出后宫墙为水碓水磨，以达大明湖，湖景尤自韶丽。

七 | ”从上述描写看出，真珠泉(珍珠泉)水面颇大，泉河可以行船(彩鹢)。                   1. 大模型的智能水平                    这是AI的“基础智商”。

八 | 珍珠泉、溪亭泉、散水泉等汇为玉带河，流出后宫墙。                   它由模型的架构、训练数据量、参数规模和计算资源共同决定。                   以OpenAI的GPT系列、Anthropic的Claude系列为代表的顶尖大模型，通过在数万亿Token的公共数据上进行预训练，获得了强大的通用能力，如语言理解、逻辑推理、知识储备和代码生成。                   这是AI的“势能”。                   它代表了模型理论上能达到的最高高度。河中有水碓和水磨。水碓是一种借水力舂米的工具。它的动力机械是一个大的立式水轮，轮上装有若干板叶，转轴上装有一些彼此错开的拨板，用来拨动碓杆。                   在过去的几年里，我们见证了这场“智能水平”的军备竞赛——参数从十亿级飙升至万亿级，模型能力不断突破想象。

九 |                    可往后想，核心是什么？                    是谁能拿到更多的真实场景的全量数据。

十 |                    大家应该还记得此前大家怎么认定智能水平上不去了吧？数据不够了。每个碓用柱子架起一根木杆，杆的一端装一块圆锥形石头。下面的石臼里放上准备加工的稻谷。                   所以大模型的下半场注定要回到数据。

十一 |                    不是和过去性质重复的数据，而是加入过去没纳入的维度的数据。                   (自动驾驶场景下理解智能规模效应更容易）                    2. 现实理解纵深                    这是AI的“情境智商”。                   如果说“智能水平”是AI的CPU，那么“现实理解纵深”就是它的RAM（内存）和I/O（输入/输出）系统。它代表了模型在执行具体任务时，能够接触和理解的特定、实时、私有或专有数据的深度和广度。                   一个“智能水平”再高的模型，如果对正在处理的工作、你的私人日程、你公司的内部知识库一无所知，它就如同一个被锁在密室里的天才，空有智慧却无法施展。                   它的“现实理解纵深”为零，导致最终的“智能效能”也趋近于零。

十二 | 流水冲击水轮使它转动，轴上的拨板拨动碓杆的梢，使碓头一起一落地进行舂米。

十三 | 水磨是一种古老的磨面粉工具，主要由上下扇磨盘、转轴、水轮盘、支架构成。                   “智能规模效应”的核心洞察在于：                    在“智能水平”达到某个阈值后，决定应用成败的关键因素，将迅速从模型本身的智商转向它所能撬动的“现实数据”的规模。                   数据的“圈地运动”                    这会导致什么呢？                    会导致新的圈地运动——数据圈地运动。                   ChatGPT Altlas可以看成是开始正式号角，直接怼到谷歌的腹地。                   但其实这并不真是从这儿开始，而是由来已久：                    表现一：从云端走向桌面与OS——抢占个人上下文                    案例：OpenAI的ChatGPTAltlas和Anthropic的桌面端                    这其实没啥好说的，就是端-云一体的路线。

十四 |                    目标也简单，就是解决体验瓶颈，拿到更多数据，否则没法搞定网页版AI与用户工作流割裂的核心痛点——网页AI无法“看到”本地文档或应用，导致用户必须频繁复制粘贴，效能低下。                   走向也是定的，所以哪天OpenAI推出OS也一点不稀奇。（Google弄安卓的翻版，并且效果更明显）                    方式也统一。                   都是通过具备系统级权限的原生应用，在用户授权后，AI能直接“看到”屏幕内容、读取本地文件，从而理解完整的上下文。

十五 | 这与“失明”的Web版AI形成鲜明对比，后者局限于浏览器标签页内。

十六 | 上磨盘悬吊于支架上，下磨盘安装在转轴上，转轴另一端装有水轮盘，利用水流落差的冲击力为动力，冲击木轮转动从而带动石磨转动。磨盘旁凌空的两根木条上架着长方形的木质面罗，由摇臂推拉做水平运动，分离出面粉与麸皮。                   可以看一个典型的场景：设计师在Figma中可直接唤出桌面AI，指着某个元素提问：“帮我把这个按钮改成新拟物风并给出CSS代码。”AI因“看到”了全局设计，能给出精准建议，将原先5～10分钟的跨应用操作缩短至30秒内。                   当然，这种深度集成也带来了严峻的隐私和安全挑战，需要用户给予极高信任。这点后面说。     　　济南不光玉带河有水磨，东护城河也有水磨。济南的泺水也叫泺河，由黑虎泉泉群和趵突泉泉群汇流而成，在城东者叫东泺河，在城西者叫西泺河，两河注入小清河。

十七 | 东、西护城河便各是东、西泺河的一段。                   这就是AI比你自己更了解你自己的开始。你记不住1年前的事的，理论上它可以。                   表现二：从静态走向实时——拥抱动态世界                    案例：Perplexity AI（AI搜索引擎）                    成立于2022年、在2023～2024年间迅速崛起的Perplexity AI就是干这个的，它解决了两大痛点：传统LLM的知识“陈旧”，以及传统搜索引擎“只给链接不给答案”。                   在当时他们是比较早的整“实时检索+LLM总结”（RAG）架构的。明朝时，泺河上有听水闸、利田闸、护城闸等十几道闸门，“立闸潴蓄，用作灌溉……两岸新置石楗，扃用大木板，视水之高下盈缩，以时启闭，庶其绪前人之功，而有利于斯民也。                   当用户提问时，它先实时抓取最新网页信息（扩展现实理解纵深），再将其喂给大模型（如GPT-4）生成即时答案。”(清卫既齐《五柳闸纪略》)石作楗库，插木为闸，调节水位，蓄以灌田，且有防汛排涝功能。

十八 | 护城河第一闸是响闸，因水声而名。

十九 | 这与Google（提供链接列表）和基础版ChatGPT（知识陈旧）形成鲜明对比。响闸一旦关闸蓄水，上下会产生一二米的落差，河水从闸上跌落，产生很大的冲击力，响声轰鸣。响闸位于东护城河中部，按察司东之城墙外。                   现在这个变基本功能了。水磨就设在响闸处。附近居民很早就开发利用水力以代替人工，设有水碾、水磨、水碓、水排、水转纺车等，碾米、磨面、加工油料和农副产品。这事未来不一定有谱，没准就挂了。                   不过也算成就了个产品，Perplexity在2024年初月活跃用户（MAU）突破1000万。用户在查询“昨晚的财报数据”时，其时效性和召回率远超静态LLM，极大节省了筛选时间。                   其限制在于答案质量依赖信源，且双重成本高昂。不料，明朝时却为豪强霸占。         表现三：从公共走向私有——深入企业知识库                    案例：Microsoft 365 Copilot                    微软面向其庞大的M365企业客户群全面推出了Copilot。明代文士刘敕《历乘》载：“响闸，东城河，近中贵为水磨，以分其流，大损风气。

| 它旨在解决企业内部最大的痛点：数据孤岛。”中贵即中官、宦官，也指皇帝的宠臣、近亲。这里所说的中贵指德王。员工的知识沉淀在Outlook、Teams、SharePoint等应用中，传统工具无法融会贯通。                   Copilot的集成核心是Microsoft Graph。                   以前我们老贴下面这图：                              这个Graph索引了企业所有的私有数据（构成了“现实理解纵深”），并将其与Copilot的“高智能水平”相结合。德王封藩济南，繁衍六代，仗着是皇帝近亲，给齐鲁百姓造成深重灾难。德王府将响闸据为己有，碾米磨面，独享其利。附近百姓却守着一河碧水，失却灌溉和生活之便。

| 由此看来，玉带河的水碓、水磨离德王府那么近，老百姓肯定也是无缘使用的。

| 当员工提问（如“总结A项目上周进展并起草周报”）时，Copilot能实时检索邮件、聊天和文档，生成精准报告。     　　清道光间，住在城东护城河边的济南知府吴振棫曾写《水磨》一诗：“筑石阑水水受矶，失势一落如溃围。水中大轮三十毂，冲激倏忽行如飞。下轮上磑一柱贯，轮旋磑转无相违……雷风交奋出奇响，日月疾走无停机。这是任何“公共”AI助手或传统内部搜索都无法比拟的。”这里写水磨工作情形。

| 筑坝蓄水，抬高水位，再提闸泄流，让河水以巨大的冲击力推动轮盘旋转，由此带动石磨转动。                   这也是拉通端-云。接着，吴振棫笔锋一转，重提德王府强占响闸旧事：“昔人豪横殖生产，妨民灌溉家自肥。                   据说用户在总结会议等任务上速度提升近4倍，平均每周节省1.2小时。

| 今人生计嗟日微，搒掠聊免铅舂悲。”感叹世风不古，民生艰难。

| 诗中还有“水声激激寒生衣，北方有此吾见稀”之句，是说在南方司空见惯的水磨，到北方却成稀少之物。                   表现四：从数字走向物理——万物互联的终局（展望）                    这场边界扩展的终点，必然是从数字世界走向物理世界。                   可穿戴设备（如智能眼镜、AI Pin）和物联网（IoT） 设备，是扩展“智能规模效应”的终极形态。                   奥特曼老勾搭做硬件的，就是这事。

|                    试想，一个AI助手如果能通过你眼镜上的摄像头“看到”你正在看的景象，通过麦克风“听到”你正在进行的对话，它的效能将是何等强大？它可以实时为你翻译菜单，提醒你识别刚见面的客户，甚至在你修理器械时提供逐步指导。南北之别，在于水之多寡也。                   这显然引发其它问题，但我真的在活动上听到过，大家探讨整个麦克风把自己每天活动都录下来然后做分析的事。     　　张含英在响闸建造山东第一座水电站 示范全省      　　1929年，山东省建设厅技正兼科长张含英(新中国成立后任水利电力部副部长)与技士九君森对响闸磨坊进行改建，建造闸坝、水道、电站，购进水轮机、发电机等设备，利用坝上坝下1.3米的水位差和每秒1.4立方米的河水流量，建成山东第一座示范性水力发电站。安装尼哥拉四叶式小轮水轮机一座，马力约为26匹。发电量14.7启罗瓦特(即千瓦)，电压为110至115伏。                   至少当事人本身不排斥，只是说周围的人可能排斥。

| 夜间供省建设厅、教育厅(位于山东按察司旧址)和教会建筑群用电，白天供附近居民磨面。                   为何这场竞争比以往更激烈？                    “智能规模效应”所引发的竞赛，其激烈程度和“赢家通吃”的效应，很可能将远远超过PC互联网和移动互联网时代。                   在互联网时代，竞争的核心是“注意力”。1937年日寇侵占济南时，水电站被毁，后又恢复水磨、水碓等，成了粮食和农副产品加工厂。上世纪50年代，磨坊消失，响闸保留下来。                   平台通过内容和服务（如搜索、社交、视频）来争夺用户的屏幕停留时间。2009年末，为了护城河通航需要，市政府拆除了响闸。但在响闸北面不远，新建水榭磨坊一景，里面有四个铜塑人物：一位在水磨旁忙碌的男青年，一个举着粮食口袋玩耍的男孩子，磨面的奶奶正唤他回家。还有一位手拿卷筒图纸的书生——他就是当年的张含英。

|      　　小清河与绣江俱有多盘制香水磨 只是辉煌不再      　　水磨不仅可以加工粮食，也可以制香。过去，朝拜进香之风盛行，香的需求量很大。虽然也存在网络效应，但用户的“迁移成本”相对可控——我今天可以用Google，明天也可以切换到Bing；我可以在微信上发文，也可以在微博上发言。制香的原料是木屑，过去没有电锯，木屑都是由水磨碾压而成。清代本邑诗人朱令昭写有《香磨》一诗，诗前序曰：“激水转磨屑木作香料者也。                   这时候性质完全不同的东西：搜索、IM等，它是并行的各玩各的网络效应。                   但在智能时代，竞争的核心已经转变为“上下文（Context）”，即我们公式中的“现实理解纵深”。”诗云：“惊箭双流下，明波百尺开。银龙喷艳雪，铜鼓激晴雷。地轴时轮转，天香画下来。                   这是一个本质的区别。

|                              加上大模型的智能的通用性，会让这个本质区别的影响放大到无以复加的程度。

| 慎无摧伐尽，恐有栋梁材。                   一旦某个AI应用成功地深度嵌入你的个人或企业工作流——它理解了你所有的本地文件（如XX桌面端）、掌握了你公司所有的私有知识库（如Copilot）、或是接入了你的实时物理世界（如未来的智能眼镜）——它所积累的“现实理解纵深”将构成一道无与伦比的护城河。                   搜索和IM的竞争的弱竞争，上面这种竞争是搜索和搜索的竞争，是强竞争。

| ”生动地描写了香磨的工作场面，并对浪费木材的行为颇有微词。小清河畔便有一处香磨集中的地方，名叫香磨李村。据说，明朝洪武年间，有位姓李的男子携妻从直隶枣强来到此地，结庐而居，打鱼为生。后来，又有他姓人家迁徙至此。                   所以越往后AI的应用越是：软硬产品千重浪，遍地英雄起硝烟。

| 这里的住户多以磨香做香为业，他们在小清河中安装了多盘水磨，利用水流作动力，昼夜劳作。                   过去真有高度粘性的是网络效应。1928年《历城县乡土调查录》载：“制香业，三十六家，在洛(泺)口闸子一带。”闸子又叫香闸。如今，这里早已无人以磨香为业，但为铭记香磨李的历史，这里建起圆形的石磨广场，在香磨李社区的一个圆顶小亭里，还放着小清河疏浚施工时发现的两具磨盘。     　　章丘的绣江河上不仅水磨多，而且体量大。

|                    操作系统、微信是很难换的，别的么，换换其实没啥问题。

| 《章丘文史资料》记载：“绣江河水磨始创于明正德年间，其事之缘起乃因明水镇有富户周八缸者(家中有银八缸，以之为名侈言其富)，为富不仁，勒索乡里，百姓怨之。                   京东买还是天猫买东西，有啥粘性。                   但接下来高粘性的无形蛛丝可能再来一个：                    你无法轻易地将积累在一个AI助手里的、对你个人习惯和私有数据的深度理解，“导出”并“导入”到另一个AI助手中。更换AI助手的成本，可能等同于对一个新员工进行“从零开始”的漫长培训。山东按察使知其不仁，令其出银，沿绣江河两岸设水磨十八盘，使百姓用以磨面，不准取利，以此修善而赎前愆。

| 但水磨维修一项，仍归周八缸支付，至穷无立锥，此制方废。                   企业的核心是知识，上面这模式整到后面，换产品相当于把员工都换一批，知识清零重来。”此后，人们开始用水磨碾磨树渣做香，带动了一方经济发展。                   又因为通用智能的无边界的特质，数字空间大厂间这场竞赛的终局将更趋向于“零和博弈”。

| 清康熙年间章丘知县钟运泰的《绣江春涨》诗中，有“一天春卷千堆雪，三月晴轰两岸雷”之句，前一句写水磨磨木屑的情形，后一句写水磨转动的声响。水磨大都建在绣江河的上游，清末民初的鼎盛时期达到72盘。绣江水磨主要由三部分组成，最上面是两起石磨，直径均在1.5米左右，每起约重一吨，上起由绳索固定不动，下起由立轴连接转动。用户（无论是个人还是企业）最终很可能会选择一个“主AI”，并将其数据边界最大化。立轴为中间部分，上连石磨，下连水轮，水轮上有多根迎着水流方向的轮辐，均为木板构成，水轮是用柳木或槐木特制，以求常年浸泡不变形。这导致了竞争的空前加剧：                    谁最先占领了用户的核心数据源，谁就几乎锁定了胜局。绣江水磨因所处地势不同，水位差距很大，水磨的转速也相差甚远。转速最快、产量最高的是金盘水磨，昼夜产香末800斤。                   效能与信任的“大博弈”                    这里面，还有个变量，就是用户的权重到底有多高。一般水磨昼夜产香末400斤左右。                   说来滑稽，在微信告诉扩展的时候用户虽然全体最关键，但个体其实最不关键。当时，章丘香末驰名省内外。                   就拿红包和运营各种拉，和割韭菜差别差不多。     　　后来，香被认为是一种封建迷信用品，需求一落千丈，绣江水磨好景不再。                    “智能规模效应”驱动的这场数据边界扩展，则在这里带来了一个新挑战：隐私与信任。                   当AI为了“更懂你”而疯狂地扩展其数据边界时，它不可避免地会触及用户的隐私红线。

|                    ● 你是否愿意让AI读取你所有的本地文件，只为在写报告时给你提供更好的建议？                    ● 你是否愿意让AI分析你所有的聊天记录，只为更精准地预测你的需求？                    ● 企业是否愿意将最核心的商业机密交给一个AI系统，只为换取更高的运营效率？                    这就是未来的核心矛盾。随着时间的推移，彻底失去了用场。用户对“效能”的渴望是无限的，但对“隐私”的担忧也是真实的。

| 那数吨重的磨盘，被遗弃在墙角屋后，浑身遍布灰尘和青苔，犹如一位历尽沧桑的长者在娓娓诉说着过去的故事。

|                    隐私究竟能不能对冲效能！                    因此，这场竞赛的下半场，将不仅仅是关于谁能抓取更多的数据，更是关于谁能以一种更可信、更安全的方式来处理这些数据。                   小结                    要选，我会把“智能规模效应”（智能效能 = 大模型智能水平 × 现实理解纵深）选做AI时代应用的第一性原理。                   它明确指出，AI的未来不在于构建一个无所不知的“数字上帝”，而在于构建无数个“深度嵌入”现实的专业助手。                   OpenAI的ChatGPTAltlas还只是这场宏大竞赛的序幕。

|                    真正的战场，就在于对“现实理解纵深”的无尽追求。

|                    我个人希望最终的胜利者，将是那些不仅能最大化这个公式的乘积，更能在此过程中，赢得用户最终信任的人。                   本文来自微信公众号：琢磨事，作者：李智勇。

Current article:http://jmyi.linlangdouwaqiexusan.bond/iy2wki/men5.html

Published on:13:40:37