聊聊目前对于大模型，还有数据的一些看法，一家之言，不一定对，仅仅是观点，不是事实。

算法，数据，算力，是人工智能的三个重要点。

其中，数据是人工智能的动能，或者说燃料。

这是未来，持续需要的。

在未来还有一个细分领域很有潜力，我认为是小模型。

大家现在比得是大模型，可是在各个领域会出现不少小模型，解决具体问题，甚至有些行业或者大企业需自建，也是一个机会。

还有，模型是会失真的，模型的价值不在于真实与虚假，而是在于有用就好。

英伟达，谷歌，微软这些国际巨头，还是在各个领域有很强的先发优势。

人类之前需要的真理是因果，你会发现人工智能最终是结果为主，如果有用你未必需要执着于因。

所以，数据集的质量很高，模型的要求未必需要太高。

如果数据被污染质量差，模型好结果也未必准确。

数据治理，细分小模型，数据质量，很重要。

Meta收购了Scale AI，OpenAI收购Rocket，最终还是数据决定了大模型的上限。

模型未来的发展，一定是受限于数据的。

模型还受限于，脏数据，能源，自我幻觉等。

所以，智算发展，也遇到一些瓶颈。

通用型大模型，在细分领域是不如判别式的垂直模型的。

未来，一些大模型会涨价的，API接口会提价。

大模型也是从烧钱模式，向现金流模式转换。

AIagent会导致token的消耗量，超过对话型的模式。

所以，要避免杀鸡用牛刀的情况，避免浪费。

另外，可视化分析，SQL查询，多模态交互等也是数据的一些应用场景。