AIGC是下一个PD-1吗？
AIGC（Artificial Intelligence Generated Content），即人工智能内容生成，也是大模型最火热的应用场景，甚至在很大程度上成为了大模型的代名词，虽然不准确，但是具备了很强的代表性。
最近我和一些药企密集接触下来，发现了很多有意思的事，和大家分享，探讨。
先说说我观察到的一些现象：
①2023年，很多药企处于观望阶段，部分药企开始试水；2024年，观望的药企比例大幅度降低，试水的药企大幅度增加
②相当多的药企混淆了AIGC到底是目的还是手段，这点我们非常能理解
③绝大部分药企现阶段只关注内容生成本身，忽略了可能会更重要的判断、决策和个性化
④非常多药企对于AIGC的能力边界认知存在误区，在生成方面期待值过高，而在判断、决策和个性化方面的期待，则远低于实际的可能性
⑤跟试水药企数量一样大幅度增加的，是AIGC的提供方，任何一次需求沟通会，都是一次认识新乙方的机会，非常多听过的、没听过的药企出现，热闹非凡
再说说我的一点点思考，抛砖引玉：
- 首先，AIGC不等于大模型的全部应用。因为大模型的能力不仅仅是生成，还包括了判断、决策和很重要的个性化；
- 其次，AIGC一定应该是手段，而不是目的。进一步说，AIGC应该是得到业务价值的手段之一，远不是唯一。甚至在移动互联网时代，有某巨头（以算法著称的移动互联网顶级巨头）说过，“如果可以更快地通过人力去解决问题，就不需要拼产品力”。我们生命科学行业的企业，还是应该以业务为主，分清手段与目的；
- AIGC和大模型的能力边界仍然比较有限，大家在热情拥抱之余，需要谨慎对待；
- AIGC应该成为杠杆和加速器，这意味着应该在现有的基础上进行，而不是重起炉灶。
AIGC从能力到场景，都远未达到共识，但是在实现路径上却出奇的一致。
无他，根本能力在大模型手中，不是靠企业的工程化能力；场景又都较浅层，于是造成了无数企业蜂拥而至，各个参与企业在AIGC方面的核心价值远未建立，同质化竞争便不可避免。
PD-1互卷的场面，马上就会在AIGC这里出现，甚至会远超——毕竟，PD-1还需要亿级的投入和数年的研发，而最简单的AIGC，只需要开通账号即可，甚至有些企业连API都没接入，成本低到忽略不计，具体可以参考技术行业最近的“数字人”。
综上，从整体而言，行业需要对AIGC重建共识，明确一些疑问：
业务价值——AIGC真的可以提高终端内容的产出么？哪些内容合适？还有什么因素制约？
能力边界——AIGC能和擅长做什么，不擅长做什么
适用场景——哪些业务场景适合用AIGC解决？除了画图、写文章、做PPT，AIGC还可以做什么？
安全合规——安全、合规等企业级应用都必须在意的事——其实这应该是第一条，毕竟是拥有“一票否决权”的限制条件
最后，欢迎大家一起讨论！
