看到消息说，苹果正在和腾讯和字节跳动洽谈，将两家公司的人工智能模型整合到在中国市场销售的 iPhone 中。当然这个谈判还在早期阶段，不排除还会有变数。
有的网友难免会问，苹果选来选去的，是要比较哪家最强么，还是有什么标准？
要我说，苹果未必会看中一个大模型参数更多或是评分指标有多高，而是要看交付的总体质量，尤其是交付体验和最终用户体验。而这两点，腾讯和字节确实都更适合苹果一些。当然最后花落谁家，现在无法确定。
国内的大模型追赶的速度比我之前预期还要快一些，之前有些能力还不具备，但现在，几乎都已经开始对齐。
在刚结束的 2024 冬季火山引擎 FORCE 原动力大会上，字节跳动宣布了一系列让人目不暇接的产品发布和能力升级：豆包视觉理解模型发布、豆包 3D 生成模型首次亮相。豆包通用模型、音乐模型、文生图模型等在内的豆包大模型多款产品能力进行了更新。
两天的会议看下来，重头戏是豆包视觉理解模型。
宣传视频我看了几遍，豆包视觉理解模型已经具备强大的内容识别与理解能力，覆盖图像、动作、文字、逻辑推理等多个维度，并支持细节描述、指令遵循和多文体创作等功能。国产大模型的一旦补上某项能力，后续的迭代改进速度就会更快，用不了多久，追平业界最好能力并非不可能。有的人说，我们追赶的这段时间里，人家不也发展么？并不一定，领跑者有时候会走弯路。
视觉理解能力在前些天已经下发到个人用户，豆包 App 和 PC 端产品都可以用了。普通用户随时可在豆包应用中体验这些能力。第三方最新数据显示，11 月的 AI 产品全球月活跃排行榜上，豆包的 MAU 已经接近 6000 万，仅次于 ChatGPT。字节团队做用户增长，还是有绝活儿，不服还真不行。
对个人用户来说，别整天担心被 AI 取代，你先把工具用好，让工具帮你更好的处理工作，解决生活中遇到的问题，先从中获益再说。
企业用户能以极具性价比的价格使用视觉理解模型：处理千个 token 的费用仅为 0.003 元，比行业平均价格低 85%，价格上极具优势，足以满足绝大多数企业的预算需求。
这次发布会把很大篇幅放在 MaaS、扣子这些平台的工作上，讲怎么更容易的把模型用起来。对于企业用户而言，这意味着更好的使用体验，而开发者也能够借助平台优化工作流程。值得一提的是，优秀的使用体验是平台型产品的重要竞争力，但却常常被忽视。
至于企业是否能够真正用好大模型？我的观点是，对于绝大多数行业企业而言，关键在于如何将大模型能力应用到实际业务中。重要的是先尝试使用，通过优化或解决具体业务场景中的问题，逐步实现模型的适配与迭代。如果自己做不来，就找团队协助自己完成这一步。在此过程中，企业不仅能享受到模型能力升级的红利，为客户创造价值，也能提升自身的竞争力，推动行业发展。
视觉理解模型在教育、电商、旅游、门店管理、金融、医疗等多个领域都很有想象力，比如医疗领域，对于手写病历的识别和理解在过去是个难题，现在不一定是了，这就是个合适的场景。前 AI 时代的应用场景和边界，尤其值得我们公司这样规模的团队积极探索，给出更好的解决方案。
在生物进化中，眼睛的形成是物种多样化与生态系统发展的关键推动因素，为生命的繁荣与物种爆发奠定了基础。字节这么重视视频理解模型的发布，一步到位给出大家都能用得起的价格，应该是非常看好多模态交互，想吸引更多开发者把应用做起来。
多模态交互已成为大模型发展的必然，每家大模型参与者都得跨过这一步，也都能跨过去。有理由期待，在这个过程中还会有更多令人惊叹的创新应用出现。
机会对所有人，所有企业，都还存在。
