北美 The Vox Media Insights and Research 团队在 2023 年 4 月，针对 2,000 名在美国的成年人进行了一轮消费者行为调研，围绕生成式 AI（AGI）工具的使用状态。
AGI 工具的知名度方面，有 57% 的调研对象听说过或用过 ChatGPT。而其他工具（MidJourney、Stable Diffusion）则低得多。
搜索引擎、头脑风暴、艺术创作方面是典型应用场景。从反馈看，主要还是用来做某种内容或作品的 “创作” —— 纯线上场景为主。
大模型的线下场景或者垂直生产场景貌似很宽广，但还是有很长的路要走。尤其是商业上要形成一轮轮的闭环。
经典的一个门槛就是：某个垂直场景所需数据要整理得比较可用，成本就不少了，然后还面临一个细分场景产生的收入能否有经济性问题。
OpenAI、DeepMind 和 Anthropic 分别提出各自对通用人工智能（AGI）的标准，均为 5 个级别。
从描述上看，OpenAI 和 DeepMind 的提法更像从人类的角度，而 Anthropic 则是从 AI 的攻击性和风险角度。
Geoffrey Moore 的经典的 “跨越鸿沟” 理论，告诉我们高科技企业的早期市场和主流市场之间存在着一条巨大的 “鸿沟”，能否顺利跨越鸿沟并进入主流市场，成功赢得实用主义者的支持，就决定了一项高科技产品的成败。
如果是事后诸葛亮角度，等新产品发展 N 年后，我们在来评价这个产品是否跨越了鸿沟是容易的。而对于正在处于发展期的产品，是否跨越鸿沟，或者是否有 “跨越鸿沟” 的潜力，如何判断呢？
临时想到一个小点子，供大家做参考。
微信指数是反映了微信体系内的关键字词频强度。我选取 “iPhone”、“AI”、“5G”、“ChatGPT”、“MWC”、“OpenAI” 六个关键字。
我们可假设 iPhone 是进入主流的产品，其他关键字的指数与 iPhone 的比例，可折算为 “大众影响力” 的程度。
Andrej Karpathy 提出在 “Vibe Coding 氛围编程” 正在引起越来越多兴趣。原本可能不会编程的用户，通过自己的描述 “需要解决的问题”，由 AI 自动生成程序代码，并且可以运行。
从最早期的数学和计算逻辑，到汇编语言、到 C/C++、到 Python 等，现代编程语言的发展是逐渐脱离硬件和底层逻辑，逐渐贴近应用场景的 “抽象化过程”。
贴近自然语言的 Vibe Coding 看起来也符合这种抽象化趋势。
