数字化转型网人工智能研习社关注人工智能从技术到落地的全方面，包含机器学习算法、深度学习架构、自然语言处理（NLP）技术、计算机视觉技术、AI+医疗健康、AI+交通出行、AI+金融、AI+制造、AI+消费品、AI+互联网、数据隐私和安全、算法公平性、产业生态建设、政策法规制定与完善等。
随着大模型等人工智能技术日新月异地发展，AI应用如雨后春笋般涌现。在这一波汹涌的浪潮中，一些大模型应用产品昙花一现，很快就宣告“死亡”。数字化转型网www.szhzxw.cn
钛媒体发布的文章《AI墓地，和738个死去的AI项目》，根据「甲子光年」统计，截至2024年6月，这份名单共收录了738个已经死去或者停止运行的AI项目，具体来看：
Chatbot、AI写作等文生文产品共271个，约占37%；
AI绘画、AI设计等文生图产品共有216个，约占29%
AI语音、AI视频等文生音视频产品共有73个，约占10%；数字化转型网www.szhzxw.cn
AI代码工具、SEO优化工具等其他类产品，约占33%。
通过分析这些AI应用，可以得出一个结论：在AI墓地，绝大部分都是“套壳”产品。
一、什么是套壳应用
首先，我们来明确一下什么是大模型套壳应用。简单来说，套壳就是在已有的 AI技术或模型基础上，进行简单的包装和整合，而没有对核心部分进行实质性 的创新或改进，就将其作为一个新的应用推向市场。
这种套壳的方式主要分为两类：数字化转型网www.szhzxw.cn
1.直接调用大模型API的简单应用
一些应用仅通过调用大模型的API，如OpenAI的GPT或百度的文心一言等，然后添加一个简单的用户界面和少量的功能设置，就声称开发出了一款新的AI应用。例如，有些写作助手类应用，只是将用户输入传递给大模型API，再将生成的文本直接返回给用户，没有对文本生成的质量、风格、专业性等进行针对性的优化和调整。
2.对开源模型的浅层次利用
部分开发者获取开源的AI模型后，未对其进行深入的定制化开发，只是利用其现有的功能，稍作修改或添加一些基本的功能模块，便作为自己的产品推出。比如，一些图像生成应用，使用开源的图像生成模型，仅改变了输入参数或输出格式，而没有在模型的架构、训练数据等方面进行创新，这也类似于套壳行为 。
套壳是一种快速进入市场、获取用户和收益的方式，尤其在大模型技术发展初期，市场需求旺盛，套壳应用也能获得一定的生存空间。但从行业发展角度看，AI套壳应用的大量存在可能会在短期内造成市场的虚假繁荣，导致大量低质量、同质化的应用充斥市场。数字化转型网www.szhzxw.cn
随着近两年大模型、人工智能技术在各行各业落地应用遍地开花，用户对AI技术的了解逐渐加深，以及对应用质量和个性化需求要求越来越高，他们会更倾向于选择那些具有创新性、功能更垂直、更能解决自身问题、能够提供更好用户体验的AI应用。例如，在图像生成领域，用户希望能够生成更符合自己创意和审美要求的高质量图片，而套壳应用往往难以满足这种个性化的需求。
同时，可嵌入移动、PC等终端设备的大语言模型的不断面世和性能提升，使得用户不需要另外下载APP或软件，直接通过手机、电脑系统自带的通用模型变得触手可及。AI套壳应用的市场价值将愈加式微，最终走向死亡不足为奇。
二、AI应用长青的奥秘
综合来看，要想尽量延迟走向AI墓地的时间，最终活下来的AI应用企业可能有两类：
第一类是真正理解了B端或C端用户需求和痛点的企业；数字化转型网www.szhzxw.cn
第二类是做出ChatGPT、Midjourney等生成式AI产品替代不了的功能，把某一细分场景打透、打穿的企业。
要想成为这样的企业，需要从以下几点进行创新：
1.功能与应用场景创新
套壳应用只是简单地复制了其他大模型应用的功能，如常见的文本生成、问答等功能，而没有针对特定用户群体或行业需求进行优化和创新。但若是能够开发出全新的功能，如利用大模型进行复杂的图像与文本融合创作，或针对金融行业的风险预测、辅助医疗诊断等特定场景开发出专业的垂直工具，为用户解决特定领域的细分问题，提供独特的价值和体验。数字化转型网www.szhzxw.cn
现在有许多AI应用开发平台，为开发者提供了丰富的工具和资源。开发者可以利用这些平台，结合自己的创意和对市场需求的洞察，开发出各种独特的AI应用。比如，利用低代码或无代码的AI开发平台，非技术出身的创业者也能够开发出具有创新性的AI营销工具、智能客服系统等。
这些通过独特的功能设计和业务流程优化，为用户提供有价值的服务的AI应用，都是在激烈的市场竞争中脱颖而出的关键。它们不仅满足了用户日益多样化和精细化的需求，还为行业的发展注入了新的活力和创新动力。
2.数据创新
数据是大模型的“燃料”。如果一个大模型应用能够收集到独特的、高质量的数据，而不只是使用公开的、常见的数据集，并运用专业的方法对数据进行有效的预处理、筛选、标注等深入挖掘和处理，从而使模型在性能和表现上有显著提升，这便是在数据层面的创新。
比如，医疗大模型应用通过与多家医院合作，结合大量的专业医疗数据进行训练和优化，开发出了一款能够辅助医生进行疾病诊断的应用，该应用不仅能够准确理解和分析医学影像、病历等复杂数据，还能根据患者的具体情况提供精准的诊断建议和治疗方案。与通用的大模型相比，它在医疗领域的专业性和准确性上有了显著提升，为医疗行业带来了实际的价值和效益。数字化转型网www.szhzxw.cn
再比如，市面上有不少写作辅助类的大模型应用，只是在通用大模型的基础上，增加了一个简单的界面，用户输入文本后，直接由通用大模型生成结果并返回。而对于写作中的一些特定需求，如文案风格的精准控制、特定题材的专业写作等，并没有提供有效的解决方案。而另一些优秀的写作辅助应用则不同，它们在通用大模型的基础上，通过对大量优秀文学作品、专业写作样本等数据的学习和分析，开发出了能够根据用户需求生成不同风格、不同题材的高质量文本的功能，还能对用户的写作进行实时的语法检查、逻辑优化等。
3.AI应用架构融合创新
从技术基础来看，如今大多数大模型都是基于Transformer架构及其变体，许多专业的开发团队会在获取大模型或开源模型的基础上，投入大量的时间和精力对Transformer架构进行改进和优化，调整模型的层数、神经元数量、连接方式等，以适应特定的应用场景和数据特点。他们会根据特定的应用场景和用户需求，对模型进行重新训练、微调参数，甚至修改模型的架构。数字化转型网www.szhzxw.cn
还有些AI应用会将多种不同的AI技术或模型进行融合创新，创造出全新的应用架构和功能。例如，将自然语言处理与计算机视觉技术相结合，开发出能够理解图像内容并生成相应文字描述的应用，或者将强化学习与深度学习融合，应用于智能机器人的控制和决策等。这些创新的应用不仅需要对各AI技术有深入的理解，还需要强大的技术研发能力和创新思维，绝不是简单的套壳所能实现的。
三、着力方向
结合以上三个方向的创新路线，如果想要避免大模型应用陷入“套壳”魔咒，企业或创业者应从以下三个方面着力：
在应用开发过程中，要紧密结合用户多维度、多层次的需求以及瞬息万变的市场趋势，洞察用户在不同场景下的痛点与期望，深度挖掘哪些未被充分开发或具有独特价值的应用场景，开发出具有差异化竞争优势的功能和服务。大部分AI应用的开发团队，在差异化功能开发方面会有得天独厚的灵活性和优势，这种打法也相对轻盈，不会过早地背负上沉重的资产包袱。数字化转型网www.szhzxw.cn
在数据创新方面，打破企业内部的数据孤岛，促进数据共享与协同，同时拓展数据资源的获取渠道，积极拓展与外部合作伙伴的数据共享渠道；重视数据资产的管理和保护，建立一套完整的数据收集、标注、清洗、存储、管理的数据处理流程和安全保障体系，确保数据的质量和有效性；加强数据分析和挖掘能力，从多源的结构化数据、非结构化数据、半结构化数据中提取有价值的信息和知识，发现潜在的用户细分需求。
在技术基础方面，关注新兴技术的发展趋势，积极探索人工智能与其他前沿技术的融合应用。有条件的团队，应注重技术研发的投入，培养专业的技术人才团队，深入研究大模型的核心技术，不断探索和尝试新的架构、算法和训练方法，以实现技术上的突破和创新。数字化转型网www.szhzxw.cn
总之，只有在应用开发、数据处理、技术研发等方面不断努力，才能让大模型应用摆脱“套壳”困境，实现真正有价值的创新与发展，在激烈的市场竞争中占据一席之地。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网人工智能研习社包含哪些内容
数字化转型网人工智能研习社关注人工智能从技术到落地的全方面，包含机器学习算法、深度学习架构、自然语言处理（NLP）技术、计算机视觉技术、AI+医疗健康、AI+交通出行、AI+金融、AI+制造、AI+消费品、AI+互联网、数据隐私和安全、算法公平性、产业生态建设、政策法规制定与完善等。
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于 王敏思悟所；编辑/翻译：数字化转型网Jack。
