「相关文章 by 张辉」

最近我经常思考AI时代的一个重要问题：在大模型普及后，我们如何真正用好AI？如何才能与AI更深入的互动？而不是简单的提问。

经过观察和思考，我发现了一个普遍适用的AI应用范式，我把它总结为：「在通用大模型之上，聚焦自有场景、不断产出私有数据、逐步完善专用模型」。听起来可能有点抽象，但我给大家举几个简单的例子，就很容易理解了。

我们先看一个企业的案例（参考自《AGI时代的CEO超级个体：设计百名AI员工，用4个月让教育Agent收入近亿》）：最近在K12教育赛道上快速崛起的智能精准学。这家公司乍一看好像只是一家卖学习机的企业，但他们实际上卖的是一个名为「寒雪」的AI老师Agent。更有趣的是，他们并没有从头开发一个全新的大模型，而是借用了阿里云提供的通用大模型「通义千问」作为基础。

但是，通用模型虽好，面对具体场景却往往显得有些笨拙。比如有一次学生用语音说「消Y」，意思是消去方程里的未知数Y，但通用语音识别技术却错误地识别成了「校外」，这直接导致学生退货。这看似小问题，其实反映了通用大模型在具体场景中的瓶颈。

智能精准学选择了自主研发一个高度专用的语音端到端模型。与此同时，他们因为之前服务过全国数千家教培机构，手里握有大量精准教学数据。这些数据就像给模型「独享大餐」，从而能培养出了一个能准确理解学生表达的AI老师，这构成了这家公司的独特护城河。

结果非常惊人，智能精准学在完全没有品牌推广的情况下，仅用了短短4个月，就实现了近亿元销售额，直接成为高端学习机市场的头部品牌。

在这个案例中，教培就是「自有场景」，教培过程中老师和学生之间的交互数据（尤其是语音交互数据）就是「私有数据」，而他们训练出来的语音端到端模型就是「专用模型」。

另一个有趣的例子是Personal AI，这家公司专注于为个人用户打造个性化的AI助手。他们的产品强调个人数据的私有性和专属性，比如用户的日常笔记、交流记录和灵感等私有数据都会被用来训练专属于个人的AI模型。Personal AI使用了一个名为「Generative Grounded Transformer (GGT-1)」的通用模型作为基础，但在此之上，他们充分利用用户提供的私有数据进行深度微调，逐渐形成一个能够「记忆」并深度理解个人习惯和需求的专属AI助手。这个案例中，同样能体现出「自有场景 - 私有数据 - 专用模型」的范式身影。

类似的范式，不仅对企业适用，对我们每个人同样适用。比如，很多人问我如何用好AI写作工具，我认为核心也是在通用大模型基础上积累个人的私有数据，比如过去写过的文章、记录的灵感、读书笔记等等。虽然表面上我们没有刻意开发专用模型，但每次跟AI互动、修改、确认的过程，AI其实都在悄悄记住我们的偏好和风格，类似于训练一个越来越懂我们的「专用模型」。

就像Get笔记或密塔搜索这些AI知识库工具一样，用得越多，给它们的私有数据越多，它们就越懂你。最终，这些通用工具会渐渐变成我们专属的「个人专用模型」，仿佛为每个人量身打造了一位AI助手。

这个范式对大部分企业（主要希望在AI应用层获得收益的企业）的启发很明确：一定要明确自己的核心场景，并主动积累能够形成竞争优势的私有数据，然后再在通用大模型基础上用私有数据训练专用模型，这才是AI时代真正的核心竞争力。

对于个人用户来说，启发同样重要：我们要懂得把日常点滴的知识、创作和思想记录下来，把这些变成自己的私有数据库，通过长期、频繁的互动，培养一个真正懂自己的AI助手。这样一来，我们就能更好地应对AI时代的变化，提升个人竞争力。

所以，我想强调的是，通用大模型的出现，只是一个起点，真正决定AI落地效果和竞争力的，是在这个基础之上如何发掘自有场景，利用私有数据，打造精准服务于特定场景的专用模型。

AI时代正在扑面而来，每个人、每家公司都可以用这个简单而有效的范式，踏上通往未来的一条坦途。

相关文章：AI时代可能最先颠覆大公司上一篇：如何更有效地使用AI工具（V1.0）

今天分享的知识星球语音是新鲜出炉的「AI时代的工作系统」。我们一定要尽早学会借力AI，让自己变得更加强大，无论在生活还是工作当中。

在今天的语音中，我会和大家分享一下我对于AI时代工作系统的思考。今年（2025年）可以称为中国的AI元年，春节期间DeepSeek的开源彻底引爆了中国社会对于AI的热情，AI从技术的深宅大院走向我们每个人的生活。无论你在哪个行业，无论你从事哪种工作，你都会感受到AI带来的冲击波。面对这种冲击波，有人忧虑，有人焦虑，有人兴奋，有人开心。作为职场中的你和我，该如何思考AI对我们职业生涯带来的影响，我们该如何采取行动，这是我在今天语音中要解决的问题。