人工智能是2023年的热门话题，企业争相利用其获取竞争优势。但AI究竟能带来实质帮助，还是仅生成大量低质内容？
尽管ChatGPT、Bard等语言模型曾产出不少劣质博客文章，但AI正迈入新阶段，孕育诸多机遇。IBM将2023年的进步形容为“AI性能及其推动企业价值潜力的一次‘阶梯式飞跃’”。
了解这些技术进步，有助于零售、电商及DTC企业的管理者与所有者有效利用AI赋能业务。
基础模型
谈及ChatGPT的工作原理，人们常提及“大型语言模型”、“生成式AI”或“向量”等术语。另一种更准确的描述是：ChatGPT属于基础模型。
过去，预测电商产品最佳售价需训练模型处理海量交易数据，虽能完成任务但耗时漫长。基础模型则更进一步，以无监督方式在互联网级规模的信息集上进行训练。
这种通用方法不同于传统AI针对单一任务的训练模式，更像一位虚拟“多面手”。它依托广泛知识库执行各类任务，从生成类人文本到识别复杂数据模式均不在话下。
得益于全面且多样化的初始训练，此类模型在灵活性上表现卓越，具备对众多主题的扎实理解。该基础可被微调用于特定应用（如电商定价预测），所需时间、数据和资源仅为以往一小部分，展现出变革性潜力。
生成式AI
生成代码、文案等内容是下一关键概念。以GitHub Copilot为例，它利用OpenAI技术将自然语言转化为完整代码段。
当平台创造出此前不存在的新形式内容时，即被称为“生成式”平台。
GitHub Copilot是一种源自OpenAI基础模型的代码编写生成式AI。
Google搜索也正演变为生成式AI结果。未来搜索引擎不再仅展示链接或片段，而是直接生成包含引用链接的答案。
在电商场景中，商家可向生成式AI工具提供产品规格，要求其自动生成商品描述。这与2016年文章《如何为电子商务‘制造’产品描述》中所述的五步手动流程形成鲜明对比。
原文以汤勺为例，生成的描述如下：
渴望享用浓郁美味的鸡肉面条汤或奶油蛤蜊浓汤吗？这款汤勺拥有较大的勺碗，便于将浓汤和清汤送入口中。事实上，这款汤勺的容量约为普通餐勺的三倍。你可以吃三倍的份量，或者购买这款汤勺，大口畅饮。
将该文粘贴至ChatGPT并让其学习流程后，为锤子生成的描述如下：
准备好迎接下一个 DIY 项目了吗？这款锤子采用高品质钢制锤头，确保经久耐用。其设计旨在每次挥动时都能提供强劲有力的打击。正确完成任务，今天就将这把可靠的锤子加入您的工具箱吧。
AI结合基础模型知识与特定流程，成功创建了全新的锤子描述。生成新内容正是基础模型灵活性的核心体现之一。
大型语言模型
AI可生成图像、音频和视频等多种内容，但在商业领域，文本仍是最重要的生成式AI形式。
ChatGPT、Google Bard和Jasper等工具引入了“大型语言模型”（LLM）概念。LLM利用基础知识预测下一个最可能出现的单词。
某软件公司工程总监曾巧妙解释LLM：“我不完全了解自己在说什么，请将其视为词语串联——每个词基于前词显得合理，主要目标并非追求100%正确。”
例如输入“不要为打翻的……哭泣”，LLM大概率输出“牛奶”，这源于其基础模型的知识储备。
应用场景
理解基础模型、生成式AI和大语言模型，有助于思考AI如何创造商业机会。我们通常不会要求ChatGPT直接开发产品，但可让其分析市场空白，发掘潜在产品机会。