文 | 李智勇
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 。
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。
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 。
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 。（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。
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” 。
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。
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 。
参见：马上，OpenAI就会成为最大的无人公司（Zero-Person Company）
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。
1. 大模型的智能水平
这是AI的“基础智商” 。
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 。
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。
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 。
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 。
所以大模型的下半场注定要回到数据。
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 。
“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。
参见：没有组织的进化，就没有AI的深层落地
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 。
ChatGPTAltlas可以看成是开始正式号角 ，直接怼到谷歌的腹地。
但其实这是并不真是从这儿开始 ，而是由来已久：
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 。
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 。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。
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。
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 。
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 。
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 。这与Google（提供链接列表）和基础版ChatGPT（知识陈旧）形成鲜明对比。
现在这个变基本功能了 。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 。
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。它旨在解决企业内部最大的痛点：数据孤岛 。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。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 。这是任何“公共 ”AI助手或传统内部搜索都无法比拟的 。
这也是拉通端-云。
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 。
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 。
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。
至少当事人本身不排斥，只是说周围的人可能排斥 。
参见：怎样才能提前2年看穿OpenAI的发展路径
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 ”。
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 。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 。
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 ”。
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 。
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 。
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 。
过去真有高度粘性的是网络效应。
操作系统 、微信是很难换的，别的么 ，换换其实没啥问题 。
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 。
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 。
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”。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 。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 。
（说起来近7-8年前我写过这话题 ，实在是早了点）
参见：
接近温和拐点，AI将迎来比撒手速度的周期
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。
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。
就拿红包和运营各种拉 ，和割韭菜差别差不多 。
“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 。用户对“效能 ”的渴望是无限的 ，但对“隐私”的担忧也是真实的 。
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 。
参见：
基于人的教育可能解决不了AI带来的问题
注：本文部分图片通过AI辅助生成
本文来自作者[包自乐]投稿，不代表视听号立场，如若转载，请注明出处：https://m.stddy.com/zheh/202510-53301.html
评论列表（4条）
我是视听号的签约作者“包自乐”！
希望本篇文章《智能规模效应：解读ChatGPT Atlas背后的数据边界之战》能对你有所帮助！
本站[视听号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：文 | 李智勇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--...