> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/zh/2025-nian/w24-da-mo-xing-ying-yong-ban-nian-hui-gu.md).

# W24-大模型应用半年回顾

最近看了WWDC、Google IO、Pichai 的专访、还有一些近半年AI赛道的总结。

AI进入产品化与生态整合，模型竞赛冷却，大多数公司都可以大大方方的做一些“壳”应用了。

模型能力和价格的变化。开源模型快速追赶甚至超越部分闭源模型，顶级模型间的差距大幅缩小。本地模型虽能力有限，但现在如 Llama 3 70B 已经能在普通笔记本上运行，且能力接近 GPT-4 级别。大模型推理价格持续下降，速度远超互联网时代的摩尔定律。顶级大模型推理价格年降幅普遍达到10倍，部分轻量/蒸馏模型甚至100倍。

之前有人说AI产品价值的衡量是 Token 消耗的速度，只提供Prompt框或Chatbot，等用户主动去问肯定是不够的，但一味追求 token 消耗速度这明显不是目的。衡量AI产品价值的关键指标是每个Token所产生的价值，这一点在商业模式的变化上体现出来了，行业共识从MaaS（Model as a Service），转变为RaaS（Results as a Service ）。很多 toB 公司不按 token 使用量计费，而是按拉新、转化了多少客户计费。很像广告发展过程中从按量付费到按效果付费的变化。

人机交互并没有看到 NUI 代替 GUI这样的范式转移。日常体验也能感觉到，大多数情况点选还是最高效的。但人机界面还是有一个明显的趋势，从传统的“工具栏+菜单”，变成更自然、更直观的“自然语言+智能执行”。

应用工程上的挑战增多。模型过度“拍马屁”、系统提示词泄露、模型“打小报告”等，反映了大模型在安全性、可控性上的挑战。工具调用、权限管理、prompt 注入等问题成为工程落地的重点难题。

苹果在 AI 上的动作确实是落后了。 乔布斯说一切归结为品味，之前我理解苹果可能是在品味和体验上的追求让他们选择继续保守。体验过GPT4o的多模态或 Gimini Live 后，发现他们已经足够好用，对 Siri 是代际差异，保守的策略已经不可解释了。

大厂入局更通用的产品时，之前的一些垂类应用很容易就被截胡了。比如 Google 推出 AI Mode 和 Agent Mode，前者支持更复杂的对话查询，后者能够主动完成多步任务（如房屋查找、票务预订等），此前的一些垂类 AI 产品（如 Perplexity、Manus）就不香不臭了。