为什么 AI 发展这么久了，却没有大规模真正整合进传统软件？

[chman]

Cursor 的出现，极大提升了开发的效率，属于 AI 帮助传统软件提升效率的体现。

仔细详细，还有很多传统软件，急需 AI 帮助我们提升效率。

比如输入法。为什么现在的输入法集成 AI 还停留在 AI 对话上？ 为何不能实现： 当我输入：今天不去，明天 它能推理出以下几个选项：a 、也不去； b 、要去； c 、看情况决定； d 、...

如果说数据法规限制或者网络 API 调用延迟，让输入法做不到。 那么为什么没有出现一个本地小模型 AI 解决方案呢？

越来越期待苹果 IOS AI 能实现这一切。

[gaobh]

成本抵不上营收，就这么简单

[Raynard]

ai 魔怔患者挺多的

[xjdata]

发展的还不够久。

[guiyumin]

AI 不是银弹
任何工具都有应用场景的

[kepenj]

怎么没有，360 的什么米 AI ，我现在都没找到如何关闭启动自起/删除，卸载了还会装回来。

[archxm]

高德导航就是最厉害的 ai

[cenbiq]

并非 AGI ，现阶段在生产力方面使用 AI 的用户群体，必须拥有对输出的可靠性验证能力，这与使用它的目的相背了，所以目前应该只能广泛用于替代重复带动力上。

[p286767375]

我也觉得输入法应该是最有发展潜力的，检测上下文做出回答、回答润色、高情商回复推荐、结合个人性格语气的等等。不过要的权限也应该挺多的，以后聊天也感觉变成机器人对聊

[Gress]

输入法上 AI ，很多应用数据接口搞不了，最简单的方式可能是实时录屏？但成本 hold 不住

[JamesR]

推特整合的 Grok 就挺不错，还需要完善，AI 整合需要个时间和过程。

[mumbler]

当年诺基亚就是想在传统手机上加电脑功能，被苹果的电脑上面加个打电话 APP 的方式，打得渣都没了

腾讯果断放弃 QQ ，重新用移动互联网思想做了微信，牛到现在

在传统软件+AI 不如从头用 AI frist 思想重头做软件，成本更低，效果更好

[Gowabby]

发布 xx 加入 AI ，股价涨 20%，真的加入需要投入涨 40%的钱，要我我也不加，视角看到明天就可以了，后天那是明天到了才需要考虑的事。

[ntedshen]

。。。输入法这玩意要不是社会需求硬拉，早死完了。。。
哥们你还搁这发展上了。。。

何况大模型他就是再小。。。
你要不要问问苹果那个黄金内存常驻个模型等效多少成本？

[Mithril]

你真正开始尝试做事，就会发现 AI 并不是那么好用。

很多传统软件和行业软件，用户并不是开发人员。对于运营，维修，客服，行政等人员来说，他可能没法自然理解 AI 对话是什么意思，模型的能力边界在哪里，以及如何通过反馈来改进输出质量。使用效果很多时候并不好。

如果将其集成到现有功能中，不暴露对话窗口。比如辅助表单填写这种。它很多时候又没法保证每次都能按照你想要的格式和内容输出，特别是你说的“本地小模型”，指令遵循更差。

最有希望的是领域特化的功能。比如说 OCR 。目前已经几乎没有不用神经网络的 OCR 功能了，Paddle 那种普通移动设备上都能用，微信的 OCR 也是大家公认的效果好。如果从这方面看，早就已经大规模整合进传统软件了。

至于苹果的 AI ，你说的是那个 WWDC2024 演示造假，整个功能唯一真正实现的就是跑马灯的 Siri ？这马上都快 WWDC2025 了，也不知道他们团队组建了没有。是不是还是找营销团队创作个录屏完事。

https://bgr.com/tech/report-reveals-behind-the-scenes-drama-over-fake-siri-demo-at-wwdc-2024/

[wyntalgeer]

推理成本不够低，别说数字人，即使是 TTS ，我现在的方案也只能做到 3:1 的推理速度，加上模型切换的开销，一个 TTS 客户端最多开 2 个并发。实时数字人就没什么能用的，全是恐怖谷。文本推理是开销最低的场景，全功率的最强大模型在商业应用中的表现也就一半，本地小模型更是没眼看。静待发展吧，AI 迭代速度是每年 4 倍，未来的一两年就有机会见识到了

[xubingok]

本地小模型 AI 解决方案.
你怕是对模型有什么误解..最小的模型也要 1.5G....还是个弱智模型.

[Maerd]

不用 vscode 的？ copilot 都集成两年了，现在都支持 mcp agent 了

[HannibaI]

让子弹飞一会儿

[michaelzxp]

工业革命不是那么快的，

[cheng6563]

小尺寸模型是让你用来学习模型部署，训练的....
其能力没有实际使用的意义

[dongyado]

最大的问题 还是准确性和幻觉, 真正做过使用 AI 去落地 toB 的产品,就会体验到: 这东西聊聊天还是可以, 但是准确性很难说. 举一个很简单的例子,假如一个流程中调用了 3 个模型去处理数据, 每个模型的准确率 90%, 那最终的准确率只有 73%, 哪个甲方能接受这种准确率.... 模型越多越不可控. 当然还是有一些场景适合使用的. 但是对于高准确性的场景不适合.

[itskingname]

楼主只是用输入法举一个例子，但是评论里面很多人抓着输入法这个例子不放。

我觉得主要原因是因为，大家的想象力不够。因为 OpenAI 开始，GPT 是以聊天对话的方式推广出来的，导致现在很多人理解的 AI ，就是一个对话框，你可以输入内容，对面 AI 回复内容。这起了一个很坏的头。你会发现，现在各种各样号称大模型加持的产品，全都是给你一个对话框，让你通过对话的方式来交互。

但我认为，聊天对话并不是一个好的交互方式。因为很多人并不会正确的说话。

但是目前没有一个公司能够很好得演示，如何在不使用对话的情况下，高效使用 AI 产品。所以很多公司不知道如何把 AI 藏在幕后，让用户使用传统的交互方式来跟软件交互。

这也就是为什么很多传统软件公司没有集成 AI 的原因。因为他们的场景，他们的用户决定了，他们的交互方式不适合对话框输入。他们需要想办法把 AI 藏在后面，用户操作的 UI 还是传统的 UI ，但是让 AI 能够在背后悄悄发力。这些传统的公司是非常守旧的，他们必须有看到有人做了示范，才会跟进。

[crackidz]

输入法这个是有的，只是效果不好，要不然你也不会这么问了...

[kid2man]

可能的因：
1.程序员，甚至是项目主导都不希望自己“提前失业”或者进入“万年竞业”的状态，导致没有动力推进。
2.使用者（使用终端用户），很大一部分没有数字世界的思维模式，他们很大一部分是技能熟手，你让他们使用 ai ，需要投入的培训成本其实更高，中小企业或者初创企业还没有行业话语权，而且对 ai 的应用尚不成熟。
3.成本，ai 需要产业上游，即 ai 提供商（一般是云），这种依赖性增加了企业盈利的核心不稳定因素。
4.安全性，法律尚不成熟，投入 ai ，需要承担可能的法律风险，企业可能成为 ai 项目立法的试金石或者沉没成本。
5.社会接纳度，企业也是产出产品或者服务，现在我告诉你杂家的咖啡是 ai 配比的，给你开刀的全都是机器人，你是否能接受。

[stone9527]

to young to simple

[InkStone]

Cursor 能起来是因为程序员既是产品，又是开发者，还是用户，做产品的人知道用户需要什么，也有利用最新技术的能力。

但其它行业中缺乏这样的角色。懂产品和用户的人没那么懂 AI ，懂技术的人不懂怎么设计产品，也不知道用户需要什么。

[iflint]

期待 ios 还是有点。。

[Yadomin]

没那么容易，不说传统产品了，就是想用来改进传统 AI 搜广推算法，都不太行

[letwewell]

ai 都进洗衣机，空调了，还没进传统的吗

[adoal]

#22 说得很对。现在泛滥的 AI 对话框只是展示了大模型对自然语言理解和推理分析的可能性，实际的“业务系统”，往往不需要用户以这种方式输入，也不能保证用户有能力输入正确的问题描述，所有需要把 AI 的能力以非 UI 的方式添加到业务流程处理过程中。而做这种事情的案例，首先做得好的很少，再就是行业之外的大众往往是看不到的。

[adoal]

@adoal 所有 => 所以

[donotquestion]

总归是效率问题，你打字多块，AI 能跟的上你的速度？想什么呢

[TonyG]

数据安全、使用成本刚刚解决，应该很快能看到百花齐放了

[samnya]

AI 优化传统工作流程，首先需要对客户的业务非常非常地熟悉，知道每天业务都在做一些什么操作，才能去研究怎么用 AI 优化。而很多工作内容用传统的自动化流程都不是那么好解决的，要一步到位 AI 就更加了。

[wulili]

算力跟不上，再加上目前的 AI 大模型成本太高了，基本没有哪家能做到敞开了随便用量大管饱的阶段。

[zsvc]

都是抖音各种营销号吹牛 B 吹的什么都能干结果一地鸡毛。

[a935855375]

根本原因是 AI 上下文窗口太小了，很多场景满足不了，压缩上下文后的 AI 的能力又很有限。 还有算力成本和响应速度的问题

[mxT52CRuqR6o5]

数码相机把柯达干破产花了多久？更何况现阶段的大模型并还没达到万能的地步

[zf9617]

运行 AI 模型很考验电脑配置，配置低的电脑跑不动。什么？装到手机里？高配手机的配置比低配电脑的配置还低，低配电脑都跑不动，何况手机呢

[Death]

AI != chat with LLMs

[prosgtsr]

舔狗：AI 输入法，请帮我每天主动舔我的女神，每天发消息不少于 200 句，女神每发一句话都要在两分钟内回复，最后对话结束人一定是我而不是女神
女神：AI 输入法，请帮我每天应付我现有的 20 个舔狗，最好每天在每个舔狗身上榨出一杯奶茶钱，还有另一个任务，主动帮我找舔狗，也就是帮我发动态、图片等，帮我捕捞更多的舔狗并进行维护，标准也是一样，一杯奶茶钱/人*天

[2018yuli]

让小黄鸡再长大一点，鸡蛋迟早会有的。

[qiuhang]

@p286767375 语音助手才是，比如小爱同学这些。

[loolac]

AI 致命问题： 走神比我还严重

[xuanbg]

AI 整合进业务流程的难度远超你的想象

[FlytoSirius]

到底 AI 发展了多久了?

估计楼主应该是个二十岁左右的青年吧, 可能会觉者三四年已经是非常久的时间了.

[momo1pm]

你自己都不知道干什么让别人告诉你？以后就是甩锅给 ai ？

[nxuu]

因为好用的功能都是收费的 .真正用到核心功能的人 并不多.

[mmdsun]

苹果 AI 功能与发布会差距过大， 在海外都已经被集体诉讼了。。

[YsHaNg]

你们不用 iMessage 罢了

[MartinYANG06]

这 3-4 年进入大模型时代才有的目前突破

[Blanke]

为什么 AI 发展这么久了，多久？

[zhangeric]

要让这些传统软件来开发 mcp 客户端和服务端来支持 ai.

[iyaozhen]

你说的输入法那个场景，输入法想做，但是他不知道上下文

飞书里面已经做了，能分析上下文和你有权限的所有文档，如果有人问你，上个月 xx 的营业额多少，能帮你生成好答案

回到问题，“传统软件” 这个定义太广泛了。目前在融入的主要是一些强付费的场景（不然回不了本），只是还在做吧 未来可期

[hahiru]

输入法我记得一直有智能提示下一句的功能。我经常用。
比如输入：小宝贝
输入法会提示：在干嘛 呀 儿 了 们 吃 啦 订了 饿 等等
第二候选词还会跟一个你经常跟“小宝贝”一起输入的词。
点击自动上屏。

[kasusa]

钉钉文档里面自带 ai 可以协作总结，帮我写段落。

[HaibaraDP]

感觉现在的大模型像在“80386”的阶段，等它到“i5 12400”的时候就无处不在了

[ToneSun]

今天问问 DeepSeek 小米 15 和 vivo x200s 的影像配置对比，结果给我来个这俩手机尚未正式发布，给我整了一堆预测配置对比

[crac]

抛开应用场景和模型够不够用的前提为例：
- 云端 AI 的成本开销拉不回营收
- 端侧 AI 普罗大众的配置，能跑 7b 小模型的也需要中端以上平台，以笔记本为例，至少 24 年发布的新品 5K RMB 以上的机型才有戏，而 5K 以下的机型实际销售占比 80%以上 ，能跑的机器真的不多

[yh7gdiaYW]

就你举的输入法例子来说，如果不结合上下文只看当前输入，那现在有输入法就能做到；如果要看上下文，那个 token 消耗起来会非常离谱

[zmcity]

你说的输入法这个场景，ai 的输出真没有我打字快。

[jones2000]

为什么要”整合进传统软件“， 直接把传统软件各个功能截图或录制一个软件的使用视频，然后给 ai ， 它不就能直接生成对应的软件。

[hewitt29]

鸟用啊。。ai 除了码农卷死自己，其他花里胡哨的。真 ai 还早着呢。。。有生之年见不到的

[moudy]

@itskingname #22 因为文字形式的返回结果对 talker 容错最高吧。菜鸟程序员都知道 cli 上提取执行后的返回信息最费劲。因为前面执行的程序只要 blahblah 说就行了。后面接话的程序才是考验。现在就是让人来做这个接话的角色

[areless]

因为传统软件是对抗势力。就算一个输入法，你能一下打一句话的~也比打一个字的强啊

[hehe5120]

AI 这条路我的预判是基于目前的理论基本也就这样了，除非将来有完全颠覆性的技术，比如彻底研究明白人脑的工作原理，并且找出符合伦理的方法开发出人造大脑。

[abc1310054026]

大伙都在疯狂整活赚流量，只有你真的想干点实事。

[RipperJack666]

@hehe5120 都不是短期得工程项目。材料学也要能跟上

[BestPix]

不够快，我有几十万数据要处理，用 AI 要等很久

[Allenqjy]

@cenbiq 替代重复劳动直接程序就解决了，不需要 AI

[cnredbest]

首先需要明确这里提到的 AI 是什么，AI 是一个连贯几十年的概念，技术也一直是连续成长的，我们近期热议的 AI 更多是指大模型，即 NLP 领域的突破，从而带来的一波技术迭代。往前追溯上一波 AI 热潮是 CNN 相关的技术在图像领域的突破带来的。再往前追溯 AI 可以到早期的机器学习相关领域，比如 SVM 、LR 等传统领域的突破带来的热潮。这么按照时间顺序来看：
AI-机器学习领域突破，已经深度融入各行各业，比如最直接的量化交易，顶级的对冲基金基本都是这方面的大咖，其余领域就不用多说了；
AI-CNN 突破，即诞生 AI 四小龙的那一波，其实也已经深度影响各行各业，比如安全领域，各种照相修图领域，监控领域，生活中常见的比如停车场缴费（已经没有人工了吧）；
AI-LLM 突破，这一波就是近期热炒的，其实从技术角度讲，确实突破了，指标确实刷上去了，基本的图灵测试已经能通过了，犹记得当年 BERT 刚出来时，我们一帮人研究 BERT 在线上应用，觉得 BERT 模型好大，inference 好慢，现在看 BERT 就是一个 toy ；所以需要一些时间来优化。我记得在哪本书里看过一句话，工业革命牛逼的地方不是做了一个超级大的电动机，而是让电动机小巧化后放在了多个地方，从而完成了系统级的创新。所以我理解现在的 agent 会有机会朝这个方向发展，随着成本优势的体现，这一波 AI 浪潮也许会出现现象级的大 APP ，也许会像之前一次一样融入的各行各业，静观其变。目前企业中已经在大力推广各种 AI 应用，我们的应用经验是效果不错。

[fcbwalk]

可靠性问题，导致在很多领域无法进入生产