以大模型为核心的 AIGC，在推广普及的早期阶段，观望者是多数。大模型难落地的话题屡见不鲜，同时各类充满创意和创新的项目不断在互联网上涌现，大家不禁会产生疑问，到底大模型落地有多难？

我尝试深追了一下，和身边的同事、好友以及合作伙伴谈及这个话题，慢慢有了一些切实的感受。原来大家对“落地”一词是有很多角度的理解。首先提出的一派观点就是产生收益即落地，能赚到钱说明被市场和客户认同了，道理上一看貌似也说得通。但是以收益来评价落地效果在早期阶段会有一些走样，比如 AIGC 相关的知识付费，对于提供者来说是“落地”了，可对于消费者来说这才刚刚了解和接触，能不能用到自身的工作、业务中亦未可知。于是有了第二类说法，使用 AIGC 像作个表情包，画一张宣传广告图，生成一小段音乐等等，有付费且最终被购买者使用了，这该符合“落地”了吧。有意思的是它们有个共通的特点，都是贴近生活娱乐的，产物都是被人类直接消费掉的，严肃地说它具有什么样的价值——其实心里也觉得是模模糊糊的。当然还有另外一种形式，就是所谓工具党，也称作卖铲人，比较常见于软件开发、办公效率场景，软件开发者喜欢用到 AI 编码助手，根据上下文智能地生成代码能极大提高开发效率，办公类工具就更举不胜举了，自动生成文案，润色稿件，生成 PPT 或 Excel 表的内容……传统办公应用在大模型的加持下的确焕发了新的生产力。

当然不能简单地认为以上那些就是无价值的，AIGC 提升生产力也不是一蹴而就的，它仍然需要一个过程。刚开始只是对已有的产品在局部的流程里引入智能生成的能力，大部分还只是一些中间产物，有限的体验导致效果不够明显，加上网络疯狂地宣传，使得人们对 AIGC 充满了几近科幻的期望，很容易产生与现实的落差感。这不难理解，智能生成的内容只要还是给人看的或者用的，它就不可能对生产结果具有关键性作用，生产的工艺没有发生变化，产品的供求关系也没有发生重大转变，所有的决策依然是人做的，所以在这个阶段，大模型谈价值为时尚早。那些抱怨 AIGC 没有落地的人们，心里的焦急是源于解放自己劳动的迫切诉求，恨不得现在就能把所有的工作都交给 AI 来做，但大模型毕竟不是终结态，还有不少障碍有待于一一攻克，如能源问题，社会伦理问题等等。

可喜的是，最早引入 AIGC 的那些企业，已经在生产流程中不断挖掘更多的智能生成环节，至少对这个环节的相关决策人来说，还是起到省时省力的效果，期待这个量变再积累一段时间，就能引发整个生成式 AI 效力的质变。我们现在看到了大量的案例都是以 Assistant 和 Copilot 的形式出现，这也是大模型的一个必经阶段。所以大可不必那么着急大模型落地的时间点，它自身还需要迭代升级，只要不是停留在概念和 demo 上，更新一点能力我们就用好一点能力去造福人们的生产生活场景，这其实就足够了。

同时在对待 AIGC 的心态上，也要更理性和开放一些，夸张的宣传和过高的期望予以适当控制，一口吃不成大胖子，急功近利之下的很容易产生负面的问题，比如为了极端的商业目的而弄虚作假，或者是弃公众信息安全于不顾，这些都是我们不愿意看到的。社会的行业结构也在不断的发展，其实现在也很难想象出高度智能化时代会是什么样子，社会的分工和人类的生产方式都会发生巨大的变化，彼时的“落地”也许会是一个全新的定义，远超我们此刻的理解，人机融合会创造出更多的可能性。