引言

大模型出世前，我很难想象意大利19岁高中生能给硅谷AI初创公司提供技术服务月入上万美金，法国人UI设计师能不写代码创作游戏获得数万用户，产品经理能用自然语言开发工具成倍提升工作效率。这一切都在切实发生着，大模型正在民主化人们对信息技术的操纵权。

大模型是新的CPU，Prompt是新的代码

Chain of Great Inventions

https://rd0pqvzk7fa.larksuite.com/space/api/box/stream/download/asynccode/?code=MDUzYTI3NzZkMjEzODFlOWU2YTg2NjA3MTQxMGU5YjFfT2pSR0ZrT2NHdUY1Qkw3bmlsYmtNNG5jU0VMYWRFbDZfVG9rZW46Vkp1ZmJtSmtVbzdFcEp4RjJ4Y3U5aVNGc3BoXzE3MDA0NzE0MjI6MTcwMDQ3NTAyMl9WNA

• 从电力发动机到电脑，再到大模型，每次科技变革都会创造一个全新的基础设施, 作为平台提供了新的底层能力。平台之上，新的解决方案的载体会操纵这些底层能力去解决以前解决不了/好的问题，计算机时代这个载体是软件，大模型时代是AI原生应用。最重要的是,我们有一群新的创新者和创作者,会用某种语言去和平台交流,并去搭建这些解决方案.
• 计算机的底层能力是表示和控制0和1的能力，工程师会使用代码和计算机交流调用这种能力搭建软件的解决方案。大模型的底层能力是基于上文预测下一个token的能力，AI创作者会使用prompt和大模型交流掉用这种能力搭建AI原生应用。

AI创作者 vs. 软件工程师

• 现在主要有两波人会去研究怎么写prompt, 第一波是现在的软件工程师, 他们有很强的技术背景, 会把prompt当作一种AI函数放在代码里来给产品加一个生成式ai的模块,他们在乎prompt的稳定性和质量, 只花一部分时间去研究prompt
• 而第二波人是AI创作者, 他们把prompt作为一种新的编程语言去搭建独立的可以直接面向用户的ai原生应用程序, 他们大部分人不会写代码, 在乎的是做出来的ai原生应用有没有独立的解决好问题,提供好的体验, 他们是真正会去花上百个小时去研究怎么写prompt调用大模型的底层能力的人,甚至发明了自己的写prompt的框架. 他们做出来的应用每天有上万人会去使用, 获得了自己的粉丝和用户. 我们相信他们会成为未来大模型生态里的主流创作者

平台能力进化会驱动解决方案载体进化

• 早年的电脑内存非常有限，只能显示文字，速度也非常慢。代码的长度和软件的复杂度非常有限。当时没有任何的开发者生态，现在繁荣的开发者工具链以及社区在早期完全不存在。也因此, 当时的软件非常简陋。但随着电脑硬件能力不断进化，开发者生态不断繁荣，软件的能力有着指数性增长，这是因为电脑的硬件能力决定着软件的理论天花板，开发者生态决定着多少人能做出触达理论天花板的软件。
• 现在的大模型非常早期, 不够智能，成本很高，上下文长度有限，只能显示文字。现在除了我们也没有任何的创作者生态，更别说工具链。也因此，现在的AI原生应用并不惊艳。但我们观察到大模型正经历和电脑一摸一样的进化，随着模型能力变强，创作者生态不断变大，AI原生应用的复杂度以及天花板正不断提升。

变长的Prompt，变复杂的AI原生应用

• 在FlowGPT上，我们观察到prompt的长度和复杂度随着时间增长。例如，早期平均500字的prompt，现已发展到3000字，应用场景也从简单的文案生成器扩展到复杂的多agent代码生成器和图文并茂的文字冒险游戏。随着模型能力提升以及生态的完善，我们相信很快AI原生应用的能力能达到传统软件的水平。

传统软件不会消失，软件市场将被扩大。

• AI原生应用能很好解决三类问题。1）传统软件解决不了的问题 2）传统软件解决不好的问题 3）因为传统软件成本太高而不值得解决的长尾问题。 现在看来AI原生的特点是不确定性带来的个性化以及多样内容生成。软件的特点是可预测可控以及精准。