最近和一些不同领域的朋友聊大模型的产品和应用，渐渐有了一些「暴论」，一家之言，大家不妨先看看，欢迎分享您的看法。
第一，如果你到现在（2024 年 12月）还没有使用过大模型产品，大概率你是最不会被替代的一批人，这是你的幸运。
从 ChatGPT 为代表的大语言模型到 DALL·E 等图像模型，大模型产品所影响的范围一直是白领或知识从业者群体，大量体力劳动者或蓝领人士不会有明显感知。
但这并不意味着你可以不了解这类产品，大模型正在无处不在，特别是在中国，基于大模型技术的内容消费（新闻、短视频）、电商直播等正在逐步普及，由此带来的会是更丰富的内容消费场景以及更虚假的信息泡泡。
第二，没有所谓高级的大模型产品。使用 ChatGPT Plus 的你，并不意味着比免费薅豆包的他——或者另一个维度里的你——更高级，价格、逼格都不是选择或不选择一款产品的理由。
在消费者需求与大模型基础能力相差无异的当下，不同模型的日常体验正在趋同化，这或许也是因为训练数据重复率上升的原因。
想一下，包括中国在内，全球互联网用户，已经被 YouTube、TikTok、中国的小红书、抖音高度影响，用户的需求其实是高度一致的。如果你相信大模型是一种对互联网的压缩，那么早已千篇一律的互联网内容，也让大模型基础输出能力越发接近了。
第三，所有的大模型产品都有审查，并不存在「外国的月亮比较圆」的情况。
但需要明白一点，并不是所有审查都「平等」，比如政治内容审查更具地域性，而道德层面的内容审查则基于人类普世的价值取向，哪个更好，各位可自行判断。
第四，除了关注大模型，「小模型」更值得期待，这些「小模型」的参数基本在 70 亿/80 亿级别，这个领域既有 Google Gemini Nano、OpenAI 的 GPT-4o mini 等闭源模型，还有 llama 3.3 7B 或 Gemma 2 8B、Qwen 2.5 7B、Phi-3 等开源模型。
「小模型」由于体积小，可以广泛部署到笔记本甚至智能手机里。「小模型」在性能方面当然不如大模型，但只需想一下我们日常使用大模型的流程里，到底有多少场景需要 GPT-4o 或 Claude 3.5 Sonnet 的能力？是不是绝大多数场景完全可以通过「小模型」覆盖？
第五，即便我们在 2025 年迎来 GPT-5 或 Claude 3.5 Opus，大模型也不是「灵丹妙药」，它不会直接帮助我们解决哪怕是写一篇文章这样的所谓「简单需求」。
年龄稍大的朋友应该还记得十年前有个词叫「互联网+」，现在我们也处于「大模型+」的阶段。任何一个企业、个体，都需要站在自己的角度审视大模型带来的价值，从自己行业需求的角度提出问题，寻找大模型方案的可能性，从而继续发展或解决问题。
这意味着什么呢？你能提出什么样的问题，直接决定着你使用大模型产品的成果。换句话说，大模型带来的新竞争，赛场不在大模型产品上，而是取决于个体的认知。多读书、多思考、多和现实世界发生关系，这是我们高效使用大模型产品的不二法则。
