ai

韦青提到，人们需要的不是一个无所不知的模型，而是一个能够理解自己喜好，并提供个性化建议的模型。

韦青认为，人们身边的小模型除了能够调度本地应用，还要在必要时能够调用云端大模型，云端某个大模型可能擅长回答人文问题，而另一个擅长回答科学问题，可以通过分工合作提供更加精准和个性化的服务。微软Azure架构就是在为这种方式做准备，即将所有模型集中在一起构成一个庞大的系统。

微软内部并没有神化大模型。Microsoft Azure首席技术官Mark Russinovich评论大模型是“junior employee”，即学了很多知识、主观能动性很强、记忆力也超强，但是一个非常幼稚的员工。要让这个员工知道怎么帮你干活，就需要“your data”来训练，否则它不知道你的喜好、边界。

韦青认为，大模型要普及就得变成一种本地能力为个人使用。他把大模型比作公有发电厂，它的任务就是发电，但只是发电的话，并不足以让大模型应用普及。人们并不能直接使用电子，电子需要被整合到电器中才能被使用。同理，这些token被整合到各种应用中，尤其是边缘计算领域，如AIPC等，大模型应用才会变得流行起来。

韦青认为，未来的趋势就是，程序员要在两端都非常强大：既要有扎实的底层知识，也要对行业需求有清晰的认识。虽然中间的实现部分也很重要，但最关键的是要保持对基础数学建模能力和行业需求的深刻理解。这意味着，对程序员来说，只擅长写代码已经不够了，他们应该从码农升级为程序员，达到架构师的水平，即具备行业知识，并能够用逻辑方式表征这些知识。

韦青描述说，梳理现有流程、重构流程，确保每个节点都能进行数字化数据采集，是企业数字化转型的第一步。这个阶段确保了企业能够不断产生数据来表征流程模型。

韦青解释称，数据要包含信息才有意义，而信息如果没被有效利用就没有价值，之后通过各种比对和分析，信息才会产生洞察力，进而形成知识。对于数据、信息、知识和智慧的服务，如果要清晰地应用这一轮的AI模型，就需要有明确的目标，否则就会失去方向。

韦青把大模型比作公有发电厂，它的任务就是发电。但只是发电的话，并不足以让大模型应用普及。他进一步比喻说，人们并不能直接使用电子，电子需要被整合到电器中才能被使用。同理，这些token被整合到各种应用中，尤其是边缘计算领域，如AIPC等，大模型应用才会变得流行起来。

韦青认为，对于我们所有人来说，接下来真正的挑战不仅仅是技术，真正限制在于我们的意识。他用了一句很哲学的话来总结：我们越接近真相的核心，就会发现我们离真相越远。

韦青认为，对于我们所有人来说，接下来真正的挑战不仅仅是技术，真正限制在于我们的意识。他用了一句很哲学的话来总结：我们越接近真相的核心，就会发现我们离真相越远。

韦青提到，程序员应该从码农升级为程序员，达到架构师的水平，即具备行业知识，并能够用逻辑方式表征这些知识。他们需要重新考虑从数据到信息的转化过程，并明确企业的目标是仅仅实现数字化和信息化，还是真正建立机器知识。

韦青认为，程序员在AI时代应该具备扎实的底层知识，并对行业需求有清晰的认识。他们需要保持对基础数学建模能力和行业需求的深刻理解，既要有强大的底层知识，也要对行业需求敏感。

韦青描述了使用代码生成工具的情况，他提到，如果程序员不了解网络结构的底层知识，仅仅依赖于Tensorflow或PyTorch等工具，那么也是无法有效完成任务的。程序员需要对数学，特别是机器学习领域的知识有深入的了解，以便更有效地使用代码生成工具。