Shunyu Yao 的那篇《AI 的下半场》放在窗口一周了，刚刚读完…

我理解他核心想表达的意思是：AI 的上半场比拼的是模型与算法（谁能把 ImageNet、MMLU、HumanEval 的分数再抬 2 %，谁就是论文第一作者），下半场我们应该回到产品经理式的思维，该让 AI 去解决谁的、什么真实痛点，再倒推“怎样衡量真正的进步”

如果说上半场的 AI 是 Researcher 和 Engineer 驱动，下半场的 AI 可能就要看各位 PM 的了：如何连接效用与技术

但对 PM 的要求可能会比以往更高，比如能把宏大战略拆成“当下 AI 真能做、做了真有用”的最小切片，并用可量化的技术债清单驱动技术团队迭代

所以首先应该判断一个需求需要几级 AI 能力（L1-L5），再和团队讨论：我们今天稳定可落到哪一级，差的那几级成本多大，而不是得出粗暴的结论，能做和不能做

不过这个时候提出下半场，是不是说明沿着过去的技术路线收益真的放缓了啊 🤣

—————

题外话：之前大家以为 OpenAI 会一味追求 RL（强化学习），看 Shunyu 的分享看来人家很清楚 Pre-training 的价值

"It turned out the most important part of RL might not even be the RL algorithm or environment, but the priors, which can be obtained in a way totally unrelated from RL.
事实证明，强化学习中最重要的部分可能甚至不是强化学习算法或环境，而是先验知识，而这些知识可以通过与强化学习完全无关的方式获得。"