清华姚班出身、现任 OpenAI 研究科学家的姚顺雨在《The Second Half》一文中提出：AI 的下半场，不再只是追求模型分数，而要像产品经理一样思考——AI 应该为谁解决什么问题，又该如何评估“解决得好不好”。谁能解决这个问题，谁就能真正释放万亿级的经济价值。 过去几十年，AI 的进步主要靠“造新模型”。从深度学习、卷积网络，到 Transformer、GPT 系列，再到 AlphaGo 的强化学习突破，研究者不断发明新方法。结果显而易见：AI 能在围棋击败世界冠军，考试超过大多数人类，甚至赢得国际奥赛金牌。逻辑很简单：谁能造出更强的模型，谁就在 benchmark 上胜出。这就是 AI 的“上半场”。
但游戏规则正在改变。转折点在于——强化学习终于“泛化”了。以往 RL 在特定环境中有效，但一换场景就不行。而今天，借助大规模语言预训练与推理能力，AI 不仅能写作、编程、解数学题，还能操作电脑、回答复杂问题。它不再只是“专用工具”，而是形成了一个通用“配方”。这意味着，单纯追求更大更强的模型已意义不大：你的新方法提升 5%，下代通用模型可能直接提升 30%。
因此，下半场的核心从“训练”转向“评测”。问题不再是“能否训练一个模型解决 X”，而是“AI 应该解决哪些问题？如何评估它真的有用？”换句话说，评测比训练更重要。
对比来看：
过去的评测关注分数：AI 考试能考几分？能否打败棋手？翻译更准吗？
现在的评测要看实用性：AI 能否帮程序员高效写代码？能否像客服一样解决复杂对话？能否在长期任务中越做越熟？
为什么评测如此关键？因为虽然 AI 已经能赢棋赛、考试和竞赛，但经济和社会并未因此发生巨大变化。根本原因在于，这些评测结果不等于真实价值。如果继续只追求“更难的考试”或“更高的分数”，AI 可能不断破纪录，却难以真正创造经济效益。
下半场的游戏规则是：
设计新的评测标准，衡量 AI 在真实场景中的价值。
用现有通用模型去挑战这些新标准。
在评测压力下倒逼新方法和创新出现。
总结来看：
上半场：核心是训练与新模型（造轮子）。
下半场：核心是评测与问题定义（判断轮子是否跑得稳、跑得远）。
#产品经理 #产品知识 #产品经理入门 #AI #大模型 #AI评测 #人工智能 #人工智能快讯 #人工智能评测
但游戏规则正在改变。转折点在于——强化学习终于“泛化”了。以往 RL 在特定环境中有效，但一换场景就不行。而今天，借助大规模语言预训练与推理能力，AI 不仅能写作、编程、解数学题，还能操作电脑、回答复杂问题。它不再只是“专用工具”，而是形成了一个通用“配方”。这意味着，单纯追求更大更强的模型已意义不大：你的新方法提升 5%，下代通用模型可能直接提升 30%。
因此，下半场的核心从“训练”转向“评测”。问题不再是“能否训练一个模型解决 X”，而是“AI 应该解决哪些问题？如何评估它真的有用？”换句话说，评测比训练更重要。
对比来看：
过去的评测关注分数：AI 考试能考几分？能否打败棋手？翻译更准吗？
现在的评测要看实用性：AI 能否帮程序员高效写代码？能否像客服一样解决复杂对话？能否在长期任务中越做越熟？
为什么评测如此关键？因为虽然 AI 已经能赢棋赛、考试和竞赛，但经济和社会并未因此发生巨大变化。根本原因在于，这些评测结果不等于真实价值。如果继续只追求“更难的考试”或“更高的分数”，AI 可能不断破纪录，却难以真正创造经济效益。
下半场的游戏规则是：
设计新的评测标准，衡量 AI 在真实场景中的价值。
用现有通用模型去挑战这些新标准。
在评测压力下倒逼新方法和创新出现。
总结来看：
上半场：核心是训练与新模型（造轮子）。
下半场：核心是评测与问题定义（判断轮子是否跑得稳、跑得远）。
#产品经理 #产品知识 #产品经理入门 #AI #大模型 #AI评测 #人工智能 #人工智能快讯 #人工智能评测
