大模型抢不了张雪峰的饭碗

文:互联网江湖 作者:刘致呈

又是一年高考季,不知各位牛马的工作和当年报考的专业还有几分关系?

回想当年的同学们,学了国际金融的胖子张三,现在的保险卖的风生水起;学土木的李老四,已经是某地区的销售一把手,当然,这两年快成光杆司令了。

最贴合专业的是学考古的王五,当时理想是亲手挖出夏朝玉琮,如今在古玩一条街支了个小摊,人更瘦了,可那气质颇有些仙风道骨,倒是逍遥自在。

开个小玩笑,不过相信有不少朋友看过搞定复杂代码外卖小哥,国外名牌大学回归基层(街道办)的,前者可能是段子,后者就是赤裸裸的现实了。

艺术源于现实,多数人18岁毕业那天,似乎都没有想好将来的人生路该如何走。

这个问题,张雪峰这几年给了年轻人答案。今年,提供答案的又多了一位,他叫AI大模型。

但如此重要的人生时刻,AI真的能胜任吗?

//志愿填报,大模型的练兵场

我们从技术条件和市场竞争两个维度来看。

首先从AI大模型的底层技术看,需要庞杂的使用场景,堆彻大量的数据才能训练出优质的产品。

志愿填报就是一个不错的磨刀石,这里有海量的数据和高频的应用场景。

有数据显示,每年高考期间,超过95%的高三考生及家长都会使用百度查找相关信息及服务,总搜索及浏览量超过百亿人次。

大模型抢不了张雪峰的饭碗

所以现在大厂们都去抢志愿填报这个应用场景,一是想要在垂直领域做出尝试,而且理论上它的数据是相对垂直的,相对来说开发的难度其实并不高。根据去年市场调研数据,虽然使用体验极差,但不少做教育的企业也能开发出志愿填报的产品。

二是可以积累技术,高考的志愿填报需要极其精准,用户所产生的真实使用数据,对于提升大模型理解复杂任务、适配地域规则、识别用户偏好等能力具有极大价值,能反哺模型训练。

这也是一个大规模的可以复用的开发场景,不仅需要理解用户的多场景需求,还需要调用大量结构化数据,是对Agent或大模型“实战能力”的检验。

任何新兴产品的开发都一样,必须有实战,干中学,有应用场景,才能不断的迭代技术。

现在大模型一个比较大的短板就是会出现幻觉,虽然是垂直的数据,但是有时候还是会给出啼笑皆非的答案。

这里就引申出第二个市场的维度,铺天盖地的宣传,垂类数据的投喂,这都需要资金。而且就线下市场的统计数据来看,近两年虽然十分火爆,天眼查APP显示,仅志愿填报这个词条,就注册有2000多家公司,但是总的市场规模也就10亿左右。

大模型抢不了张雪峰的饭碗

那赔本赚吆喝的大厂图个啥?很明显,是流量,是增量的用户。

目前可以说是通用大模型的元年,也是这个阶段的年轻人第一次能够拥有属于自己的手机,能够自由的进入互联网世界,对互联网整个行业来说都是妥妥的增量用户。

大模型的竞争者众多,一般人也就留一两个在手机上,一旦形成习惯,用顺手了,和淘宝,京东,美团等APP一样,可能就不会再更换了。

这和婴配奶粉抢占婴儿的第一口奶很像,养过孩子的都知道,给孩子换奶粉是一件比较麻烦的事情,他们虽然小,但是对口味的认知比较执拗,所以很多母婴店都会针对新生儿做活动,以求能第一个让孩子尝到自家品牌的奶粉。

高考志愿填报就是通用大模型给当代年轻人的“第一口奶”,谁能抢到,谁能服务好,就能拿到年轻人手机APP的“房产证”。

但其中难度也不小,高考的志愿填报对绝大多数人是个重决策,考生一定会货比三家,多问多看。

此外,志愿填报决策虽重,但没有延续性,是短时间爆发的流量,想把用户留下并不容易,所以到最后,还得看产品力。

免费的模式其实也是一个砸钱给用户的行为,但转化率确实还得看产品,比如当年在春晚砸了几十亿的百度APP,但从用户事后的反馈来看,都是对APP的不满意,比如度小满等等,留存率据说只有2%。

另外,就算真的留存下来了,这批新加入的年轻用户,将来如何变现也是个问题。

比如B站,年轻的客户群体就决定了,这部分人的消费能力不高,且对产品要求比较苛刻。想要维持调性,就限制了商业化的发展速度,或者说,年轻用户的转化性价比不高。

综合来看,无论是底层技术还是用户的转化,大厂还在探索阶段,那在将来,技术成熟之后,线上的大模型真能取代线下的张雪峰们吗?

//同一个赛道:两条不同的商业逻辑

过去张雪峰的卖点是什么?能提供什么?结合大模型的情况,我们做一个对比。

一是专业性

能让家长和孩子对未来的专业、就业情况能有个大概的了解,不只是蒙着眼靠分数报考。

具体来说,因为每个省份的情况都不一样,市场上缺乏十分全面的报考、就业数据,而专业志愿规划师会长期积累自建信息库。

这些规划师,每年都会去一线做专业的调研,从用人单位的偏好,到院校的专业人数情况都会照顾到,从而形成一个数据库,这套调研数据甚至可以说是核心竞争力。

但是大厂的数据目前还是来自于公开的渠道,虽然广泛,但是深度完全不够用,形不成有效的结论。

在这个数据本身就没有优势的情况下,大模型还有个产生幻觉的短板。

举个现实的例子,之前出现过AI推荐的学校在该省份并无招生计划、推荐院校与用户所选目标城市不符、给排名4000左右的考生推荐冲刺清华、北大等情况。

这是分比较高的学生,选择范围还比较小的情况。

如果分数在中游,则有直接推荐将近200个院校的现象,大有“听君一席话,如听一席话”之意。

产生幻觉这个事,大模型诞生也不少年头了,始终还没解决办法,在上半年红杉的闭门会上,OpenAI的高管也坦言,想要完全消除幻觉并不容易,可能需要很长一段时间,这个时间还得靠不短的训练来堆。

也就是说,短时间内,大模型因为技术原因还无法完全替代线下的咨询师们。

二是情绪价值

志愿填报是重决策,有些人的一生可能因此就改变了,不花点钱,总觉得会少点什么。

举个夸张点的例子,比如去看病,虽然你腿疼,医生经过自己的经验判断之后,告诉你没事,但是你还是想要花钱做个检查,开点药吃吃才会安心。

我们买二手车,二手车电商平台给的检查报告单再详细,你也会花钱再去找第三方做一个检测。再比如,我们买二手3C产品,为什么喜欢在转转,而不是闲鱼?很简单,转转是C2B2C模式,需要官方检测,哪怕贵几百,你买的踏实。

对于相当一部人用户来讲,高考志愿填报,本质上就跟你买二手车,二手3C产品一样,这个钱花出去了,心理层面安稳。

市面上,动辄几万的高考志愿填报,之所以那么抢手,看重的就是这个心理,家长钱掏的越多,心理越踏实,越觉得不亏欠孩子。本质上,跟前几年国产奶粉卖的贵,学习机动辄大几千一个道理。

三是使用有门槛

AI是个智能数据库,你得主动提问题才行,是被动的。但问题是问题怎么提才对?很多人都还不会正确的使用AI这个工具,别说得出正确答案。

不然你看市面上很多售卖使用AI工具的课程,为什么那么多人购买?核心是,大模型的应用,也是有门槛的,但现在再学可能已经来不及了。

报考机构却是主动提问你,主动回答你,再圈定几个答案供你选择,给你服务到家。

在一些家长的反馈中,机构仅仅是和家长沟通就需要6-8个小时,需要全面系统的了解你的家庭、孩子,诸如收入、孩子性格、未来期待等问题,这样才能做到深入了解。

综合来看,现阶段的大模型报考,很像汽车行业的L4无人驾驶技术,技术上看似很接近完全的无人驾驶,但还有很大的短板无法弥补;情感上,这是个人命关天的大事,完全把车交给电脑,谁也不会放心。

但是反过来想,要是能提供情绪价值,加上多数人在报考时,其实还是自行做决策,AI还是有一定的市场空间的。

上面我们说到,大厂一定程度上想要抢占年轻用户的心智,但实际上,这是个使用者和决策者分离的场景,最终还是要搞定家长。

有两个场景可以便于我们理解:

当年一句广告语“今年过节不收礼,收礼只收脑白金”火爆全国的脑白金,最终吃的都是老人,但是真正购买的却都是送礼的晚辈们,他们可能知道功效没有宣传的好,但是只要送出去这就是孝心,老人的情绪价值就给满了。

志愿填报AI的使用者可能还是孩子们,但最终的决策者还是家长们。这时候营销的方向最好还是以家长为中心。

但总的来说,这虽是场看似交叉的生意,实则大厂的AI和张雪峰做的是两种完全不同的事,大厂要的是流量蓄水池,张雪峰要实打实的赚到钱。

这样看似相关实则不同的生意还有很多,比如泡泡玛特和茅台,都能给人情绪价值,但是泡泡玛特爆火后,却能影响到的是茅台终端的价格,因为黄牛都去炒作泡泡玛特的玩偶。

最终,商业竞争本质上还是要回到第一性原理,从用户的角度出发去观察。

以上就是大模型抢不了张雪峰的饭碗的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/89660.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
iOS 18.1beta6版评测_iOS 18.1beta6版一键刷机教程
上一篇 2025年11月18日 06:27:15
三星宣布搁置 One UI7.0 推送计划 因存在解锁 BUG 和隐私泄露风险
下一篇 2025年11月18日 06:30:18

相关推荐

  • composer require-dev和require有什么不同_Composer Require与Require-Dev区别解析

    require用于声明项目运行必需的依赖,如框架、数据库组件和第三方SDK,这些包会随项目部署到生产环境;2. require-dev用于声明仅在开发和测试阶段需要的工具,如PHPUnit、PHPStan、Faker等,不会默认部署到生产环境;3. 安装时composer install根据环境决定…

    2026年5月10日
    1000
  • Golang JSON序列化:控制敏感字段暴露的最佳实践

    本教程探讨golang中如何高效控制结构体字段在json序列化时的可见性。当需要将包含敏感信息的结构体数组转换为json响应时,通过利用`encoding/json`包提供的结构体标签,特别是`json:”-“`,可以轻松实现对特定字段的忽略,从而避免敏感数据泄露,确保api…

    2026年5月10日
    000
  • 利用海象运算符简化条件赋值:Python教程与最佳实践

    本文旨在探讨Python中海象运算符(:=)在条件赋值场景下的应用。通过对比传统if/else语句与海象运算符,以及条件表达式,分析海象运算符在简化代码、提高可读性方面的优势与局限性。并通过具体示例,展示如何在列表推导式等场景下合理使用海象运算符,同时强调其潜在的复杂性及替代方案,帮助开发者更好地掌…

    2026年5月10日
    100
  • Debian syslog性能优化技巧有哪些

    提升Debian系统syslog (通常基于rsyslog)性能,关键在于精简配置和高效处理日志。以下策略能有效优化日志管理,提升系统整体性能: 精简配置,高效加载: 在rsyslog配置文件中,仅加载必要的输入、输出和解析模块。 使用全局指令设置日志级别和格式,避免不必要的处理。 自定义模板: 创…

    2026年5月10日
    000
  • 比特币新手教程 比特币交易平台有哪些

    比特币是一种去中心化的数字货币,基于区块链技术实现点对点交易,具有匿名性、有限发行和不可篡改等特点;新手可通过交易所购买,P2P交易获得比特币,常用平台包括Binance、OKX和Huobi;交易流程包括注册账户、实名认证、绑定支付方式、充值法币并下单购买,可选择市价单或限价单;比特币存储方式有交易…

    2026年5月10日
    000
  • c++中的SFINAE技术是什么_c++模板编程中的SFINAE原理与应用

    SFINAE 是“替换失败不是错误”的原则,指模板实例化时若参数替换导致错误,只要存在其他合法候选,编译器不报错而是继续重载决议。它用于条件启用模板、类型检测等场景,如通过 decltype 或 enable_if 控制函数重载,实现类型特征判断。尽管 C++20 引入 Concepts 简化了部分…

    2026年5月10日
    000
  • Go语言mgo查询构建:深入理解bson.M与日期范围查询的正确实践

    本文旨在解决go语言mgo库中构建复杂查询时,特别是涉及嵌套`bson.m`和日期范围筛选的常见错误。我们将深入剖析`bson.m`的类型特性,解释为何直接索引`interface{}`会导致“invalid operation”错误,并提供一种推荐的、结构清晰的代码重构方案,以确保查询条件能够正确…

    2026年5月10日
    100
  • 理解编程指令:当结果正确,但实现方式不符要求时

    本文探讨了在编程实践中,即使程序输出了正确的结果,但若其实现方式未能严格遵循既定指令,仍可能被视为“不正确”的问题。我们将通过具体示例,对比直接求和与累加求和两种实现策略,强调理解和遵守编程规范的重要性,以确保代码的健壮性、可维护性及符合项目要求。 在软件开发过程中,我们经常会遇到这样的情况:编写的…

    2026年5月10日
    000
  • Golang goroutine与channel调试技巧

    使用go run -race检测数据竞争,结合runtime.NumGoroutine监控协程数量,通过pprof分析阻塞调用栈,利用select超时避免永久阻塞,有效排查goroutine泄漏、死锁和数据竞争问题。 Go语言的goroutine和channel是并发编程的核心,但它们也带来了调试上…

    2026年5月10日
    000
  • 《魔兽世界》将于6月11日开启国服回归技术测试

    《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试

    《%ign%ignore_a_1%re_a_1%》官方宣布,将于6月11日开启国服回归技术测试,时间为7天,并称可以在6月内正式开服,玩家们可以访问官网下载战网客户端并预下载“巫妖王之怒”客户端,技术测试详情见下图。 WordAi WordAI是一个AI驱动的内容重写平台 53 查看详情 以上就是《…

    2026年5月10日 用户投稿
    200
  • 使用 Jupyter Notebook 进行探索性数据分析

    Jupyter Notebook通过单元格实现代码与Markdown结合,支持数据导入(pandas)、清洗(fillna)、探索(matplotlib/seaborn可视化)、统计分析(describe/corr)和特征工程,便于记录与分享分析过程。 Jupyter Notebook 是进行探索性…

    2026年5月10日
    000
  • 如何在HTML中插入表单元素_HTML表单控件与输入类型使用指南

    HTML表单通过标签构建,包含action和method属性定义数据提交目标与方式,常用input类型如text、password、email等适配不同输入需求,配合label、required、placeholder提升可用性,结合textarea、select、button等控件实现完整交互,是…

    2026年5月10日
    000
  • 网站标题关键词更新后,搜索引擎为何仍显示旧标题?

    网站标题更新后,搜索引擎为何显示旧标题? 网站SEO优化中,站长常修改网站标题关键词,期望搜索结果显示自定义标题。然而,即使更新标签、meta keywords、meta description和结构化数据中的name属性后,搜索结果仍显示旧标题,这令人费解。本文将对此进行解释。 问题:站长修改了网…

    2026年5月10日
    100
  • 创建指定大小并填充特定数据的Golang文件教程

    本文将介绍如何使用Golang创建一个指定大小的文件,并用特定数据填充它。我们将使用 `os` 包提供的函数来创建和截断文件,从而实现快速生成大文件的目的。示例代码展示了如何创建一个10MB的文件,并将其填充为全零数据。掌握这些方法,可以方便地在例如日志系统或磁盘队列等场景中,预先创建测试文件或初始…

    2026年5月10日
    000
  • Python命令怎样使用profile分析脚本性能 Python命令性能分析的基础教程

    使用Python的cProfile模块分析脚本性能最直接的方式是通过命令行执行python -m cProfile your_script.py,它会输出每个函数的调用次数、总耗时、累积耗时等关键指标,帮助定位性能瓶颈;为进一步分析,可将结果保存为文件python -m cProfile -o ou…

    2026年5月10日
    000
  • 如何插入查询结果数据_SQL插入Select查询结果方法

    如何插入查询结果数据_SQL插入Select查询结果方法如何插入查询结果数据_SQL插入Select查询结果方法如何插入查询结果数据_SQL插入Select查询结果方法如何插入查询结果数据_SQL插入Select查询结果方法

    使用INSERT INTO…SELECT语句可高效插入数据,通过NOT EXISTS、LEFT JOIN、MERGE语句或唯一约束避免重复;表结构不一致时可通过别名、类型转换、默认值或计算字段处理;结合存储过程可提升可维护性,支持参数化与动态SQL。 将查询结果数据插入到另一个表中,可以…

    2026年5月10日 用户投稿
    000
  • 使用 WebCodecs VideoDecoder 实现精确逐帧回退

    本文档旨在解决在使用 WebCodecs VideoDecoder 进行视频解码时,实现精确逐帧回退的问题。通过比较帧的时间戳与目标帧的时间戳,可以避免渲染中间帧,从而提高用户体验。本文将提供详细的解决方案和示例代码,帮助开发者实现精确的视频帧控制。 在使用 WebCodecs VideoDecod…

    2026年5月10日
    000
  • Discord.py 交互按钮超时与持久化解决方案

    本教程旨在解决Discord.py中交互按钮在一段时间后出现“This Interaction Failed”错误的问题。我们将深入探讨视图(View)的超时机制,并提供通过正确设置timeout参数以及利用bot.add_view()方法实现按钮持久化的具体方案,确保您的机器人交互功能稳定可靠,即…

    2026年5月10日
    000
  • Debian Copilot的社区活跃度如何

    debian copilot是codeberg社区维护的ai助手,旨在为debian用户提供服务。尽管搜索结果中没有直接提供关于debian copilot社区支持活跃度的具体数据,但我们可以通过debian社区的整体活跃度和特点来推断其活跃性。 Debian社区的一般情况: Debian拥有详尽的…

    2026年5月10日
    000
  • python中zip函数详解 python多序列压缩zip函数应用场景

    zip函数的应用场景包括:1) 同时遍历多个序列,2) 合并多个列表的数据,3) 数据分析和科学计算中的元素运算,4) 处理csv文件,5) 性能优化。zip函数是一个强大的工具,能够简化代码并提高处理多个序列时的效率。 在Python中,zip函数是一个非常有用的工具,它能够将多个可迭代对象打包成…

    2026年5月10日
    000

发表回复

登录后才能评论
关注微信