上周五、周六（8.15-8.16）两天去北京参加25年产品经理大会，这次去会场主要有几点收获，首先是帮我把许多碎片化的AI知识做了串联，另外也清晰感知到未来AI的应用趋势，以及大家在用AI做的一些探索和案例。OK直奔主题，下面是我具体的整理：
大会整体体验
首先是整体主题挺丰富的，除了主会场外，两天的分会场涵盖覆盖7个主题：生成式人工智能、Agent智能体产品设计、企业级AI产品与应用、产品与服务体验设计、产品战略与创新、运营与增长、具身智能与硬件、AI+行业应用落地实践。由于分会场并行举行，这两天参与的场次有限，本文主要基于我听到的几场精彩分享，结合我的个人思考进行总结。
重新理解AI：大模型的本质与演进生态
大模型的本质
构建通用认知能力的一种计算范式。
在参加完这次活动后，帮助我将之前在模型认知过程中接触到的诸多碎片化概念进行了串联。
首先是“构建”：构建统一的认知框架，这一过程主要由自注意力机制实现。
Transformer是目前主流的大模型基础架构，它的核心就是自注意力机制，但是自注意力机制背后隐藏着计算量随序列长度平方级增长的核心瓶颈，而这直接导致了上下文处理成为当前业界面临的共同挑战，因为自注意力难以高效处理超长文本。
然后是“认知能力”：对海量数据的概率化建模。
目前大模型已基本完成了对人类现存公开数据的学习，未来的数据重心将转向经验型与推理型数据，例如人类思维链数据或模型基于参数化知识自我衍生的推理数据。
最后是“计算范式”：输入层（NLP）+处理层（API、多模态理解）+输出层（生成、行动）。
目前输入层的自然语言交互已趋于成熟，而处理层与输出层仍有很大的优化空间。以后的发展重点会从训练范式转向推理范式，让大模型实现更高效、可靠的任务执行与世界交互。
大模型演进生态
整体演进方向会从原来的对话助手转变到智能体平台
在对话助手时期，大模型仅做为自然语言交互层替代GUI，将我们与机器的输入方式做了革新形成LUI，在应用层还是需要人自主调度去协助完成一些目标。
但是在智能体平台时期，大模型则作为智能体的调度中枢，给我们呈现的是一个自助代理的生态操作系统，将整个应用生态都进行了重构。
在智能体平台下，一种可能成为标准的Agent-to-Agent通信协议会出来，实现Agent之间的交互，让完整的闭环业务能通过Agent跑起来，人类来做最终的审核即可，真正实现业务自动化。
AI的应用趋势
模型层
先说结论：混合推理通用模型是大趋势。
模型厂商会考虑模型融合将推理专家模型、代理专家模型、通用聊天专家模型形成一个混合推理模型，它具备慢思考、快思考能力，并且会在后训练阶段就将Agentic能力内置到模型中。
这个趋势不难看出，模型的优化重点会逐步从训练阶段向推理阶段过渡，让模型更讲逻辑、更能懂业务。
而懂逻辑、懂业务、还具备Agentic能力的模型，正是未来智能体平台中Agent的基本能力。
应用层
AI应用则会在集中在ToC和ToB市场双轨发展，其中ToC市场的关键词是”个性化”，ToB市场是”自动化”。
ToC市场
在ToC市场的应用，更多是我们每个生活人的数字化延伸，或者是赋能个体，成为我们的私人伙伴。
（1）情感与心理健康陪伴：最近几年”孤独经济”市场正在形成，AI应用可以提供情感支持和陪伴，营造贴心朋友的感觉；
（2）个性化的生活方式管理：成为个人的生活助理，帮助规划旅行行程并自动下单购买机票，或者是规划健身计划等等；
（3）大众化的内容创作：降低创作门槛，将想法变成视觉故事，将哼唱变成歌曲；
ToB市场
在ToB市场的应用，则更多在于整合企业核心工作流，实现运营效率提升。
（1）为开发者提供工具：开发者服务的工具生态蓬勃发展，如用户调研、验证修复代码等；
（2）自动化商业引擎：优化企业销售、营销和客服流程，实时分析通话内容提供智能提示、产品图变成广告视频等；
（3）垂直领域的AI助手：各垂直领域专家助手，增强专家能力，如医疗的简化账单处理、法律的帮助研究起草文件；
可以明显感知，ToC市场着重满足”人类的情感与自我实现”，而ToB市场追求”组织的效率与自动化”。
通过AI改变某种”范式”
所谓范式（Paradigm）其实就是涉及底层逻辑的思维框架或标准体系，在这次会场中能明显感觉到大家在单节点、流程（联动节点）和结果上都有颠覆原有范式的想法。
开发范式——单节点
编程的进化史已经快进到Vibe Coding阶段，人人都可以上手去实现一个简单小游戏或网页。如果再往前走，是否能实现改功能改产品变成像改文档一样简单，对于整个应用市场会出现不一样的颠覆，定制化、生产和交付都会与原来的范式不一样。
研发范式——流程（联动节点）
传统的研发范式（业务-产品-设计-研发-测试-上线）所需的成本人力和交付周期都有一定的瓶颈，如果一个应用能将业务、设计、研发的工作承接，可能降本增效的效果将大大放大，毕竟企业最看重的就是成本和效率两个指标。
交互范式——结果
当LUI已经成为主流后，那么载体就变得十分更丰富了，回归人本身的生活，手机、手表、汽车、电视等等，不再局限于手机、电脑本身，而是融合到我们生活中的方方面面，人类曾因便利性将电视、DVD等设备的功能集成到手机中，未来可能因新的交互范式，让智能再次回归到电器/物件本身，你想要做的事只需要说出来就可以实现。
小结
透过现象看本质，再思考演进方向
之前原本碎片化的概念，在整理完以后都串起来了，是因为把概念的更小颗粒度看清了。有了概念和底层本质，再去看趋势时，你会发现自己能理解了，因为底层的本质决定它未来的拓展性和扩展方向应该往哪里走。
比如：模型的本质是什么，为什么上下文工程是瓶颈？瓶颈的解题思路可以怎么扩散？
思维方式的转变，从单点迭代转化为范式创新
很多小团队应该在这个AI时代也被增加很多的KPI，可能都被要求将AI融入工作，AI的产出占工作内容要达到什么比例，但是我觉得可以换个思路，与其想着单节点AI产出占比能达到多少，不如想想如何切分一个小的闭环场景让AI百分百完成，也许对打工人的效率更多。
敢于尝试，快速验证迭代，探索AI新时代的蓝海
刚开始的上网时代，只能拨号上网、并且那时候上网网速也慢、能浏览的内容少，但是后来有百兆、千兆的光纤出来网速就起来了，还有了Wi-Fi可以连接各种终端，各类资讯、社交、娱乐等形态就涌现出来，而那个时代仅仅是信息获取方式的变革。
今天的AI是生产范式的变革，可以感受到的它有能力改变原本生产过程的范式，但是它的极限或者是最终形态是什么，我觉得有很大的空间，而最好的参与方式就是现在开始尝试，希望大家自己都能参与其中主动去探索。
以上就是整体的收获和转化，不一定准确，仅是我自己的一些理解和转化，非常欢迎大家能一起相互探讨和学习。另外还有一些细节业务的理解也收获不少，AI产品设计的一些解题思路、模型的精调、企业知识库搭建等，还需要再消化理解下然后和大家分享。