区分“模型”和“应用”是对AI最大的误解 原创

作者｜高飞

多数人仍然习惯用传统的“两层思维”生态架构来思考大模型：系统基座在下面，面向用户的应用在上面，二者泾渭分明。

历史上看，这种二分法是对的：

1. DOS 操作系统面世时，没有可执行的 “.com” 或 “.exe” 程序，用户根本无从交互；

2. Windows 问世时，也没有人会拿一个操作系统单独“空跑”。哪怕是当年经典的“纸牌”和“扫雷”，也是微软为了让大众理解并熟悉图形界面，不得不自己编写的小应用；

3. iOS 让智能手机成为一种基础设施，但首批吸引用户使用的，还是纸飞机、拍照，甚至打电话这些关键应用；

4. 云计算概念提出来后，人们谈论的都是基于云的 SaaS 和各种网站，用不了多久就变成“这家公司用 AWS 跑后台”这样的陈述。云计算本身并没有变成一个直接面向大众的入口。

但是，AI 之所以是一场技术革命，就意味着它会颠覆我们已有的常识。我认为，两层架构在这个时代已经失效。

举个例子：OpenAI 的 ChatGPT 从一开始发布时，就既是一个模型，又是一个面向大众的消费级应用。

你不需要再去下载任何“子程序”才能让 ChatGPT 跑起来；只需要在对话框输入文字（提示工程，Prompt Engineering），它就能执行推理或生成内容。它甚至创造了最快达到 1 亿月活用户的新纪录。这是一个毫无争议的应用。

但它同时也是一种模型，OpenAI提供了 API 调用，让无数应用可以基于它构建。

当我们说 “DeepSeek” 时，既可能指一种在 LMarena、AIME 榜单上排名靠前的前沿推理模型，也可以指一款曾登顶中美等多个国家 iOS 应用商店的 App。

所以，下次再有人问：“我们该投大语言模型还是应用层？”也许可以告诉他，这不是一个非此即彼的问题。在这个领域里，模型就是应用，应用也就是模型。

如果你在做模型，你的用户并不需要了解多少编译、链接或 SDK 之类的东西，就能够通过自然语言提示来使用它。

反过来，如果你在做 AI 应用，其实最终还是在向用户交付一项“大模型”能力，无论你使用的是提示工程、强化学习、工作流、Agent，还是别的“套壳”手段，底层都还是那台贯通一切的“大脑”。

模型与应用的边界正在塌陷，用户甚至不知道，或者并不在意自己是在“跑模型”还是在“用程序”。

但是，除了投资规模，做应用也并不比做基座模型廉价，因为在这个时代，切换一个模型底座并不比换辆车开更难。几乎你使用的所有 AI 应用，都提供了在后台切换模型的设置选项。

你能在云计算时代想象这些吗？一个网站提供了切换不同云主机访问？还记得适配安卓、iOS 等不同系统、不同尺寸的手机有多难吗？

只不过，应用开发者还是需要一点戒备。你的产品最好不要在“智能演化”的延长线上。就像山姆·奥特曼（Sam Altman）所说：如果基座模型变得更好，你的应用也应该同步变得更好，而不是被彻底替代、不再被需要。