在职场上，不要使用多模型

开篇

前几天，有人说：想学多模型。 我：拒绝使用多模型，必须使用单模型，让多模型去X。

多模型不是多模态，不是一个东西

人家说我拒绝学习，态度恶劣。 我的态度：不学，胆小。

持续失血

假定我开发了一个软件，他有各种问题，但是已经开始盈利了。那我就可以继续优化，继续提升。

一个商业化不成功的项目，他：

• 产生的商业价值，低于token花费/设备租金/人力成本
• 用的越多，亏损越大
• 继续开发，会亏损开发成本；停止开发，项目越来越差。

我把这个状态描述为持续失血。

• 他本身没有盈利能力，需要公司大量扶持
• 规模越扩张，亏损越明显
• 用户越用越少，评价两极分化

从一个demo开始聊

我前几天看到一个AI的demo，大概是这样的：推荐系统，使用AI推荐，下面都是666、NB的评价。

核心问题就是：

• 拿着这个demo进行商业化，能不能盈利？
• 如果不能，低成本的进行改造，能不能盈利？

如果可以，就是一个非常好的商业化产品。如果不能，那么没啥意义。

公司的一个通病：没有耐心

能不能慢慢优化，非要一个demo直接说能不能商业化??

我入职过很多公司，对于持续失血的项目，真的是非常惨：

• 人力不断流失，升职加薪无望，随时都会被优化
• 加班没有尽头，不知道什么时候能结束
• 领导热切的眼光不断转为怨恨，抱怨开发不给力
• 组会不断
• 天天减员增效，抓考勤，怨气重

熬半年或者一年，项目组解散。

公司他不是科研机构，他得赚钱。 板凳坐得十年冷，一朝成功天下知。等不起你十年，公司急着等米下锅。

一个demo必须立刻覆盖成本，或者稍微改改就能覆盖成本。盈利多少不重要，重要的是开始盈利。

无法起步

在我接手的项目中，有大量AI的项目，就停在无法商业化这一步。

• 开发的工期，大概是1- 3个月
• 开发完成以后，发现效果不理想
• 多模型，切换其他模型、使用硬编码、换人

二次失血

多模型是个非常正确的逻辑：使用多个模型，取长补短，实现共同富裕，解决商业化难点

但是问题也非常明显：为什么非要多模型？很可能是因为单模型的商业化失败了/不理想

而多模型他有固有的几个核心问题：

• 黑箱进一步加重
• 运维和部署成本大大增加
• 开发成本翻倍
• 效果提升不明显

想依赖多模型来彻底解决单模型无法解决的问题，难度只能说非常大。

• 单模型，投入1倍人力，两个模型，投入1.8倍人力；十个模型，3倍人力
• 你原来就难以盈利，拖家带口又带了多个模型，更难回本了

总结

一个公司如果一个模型能解决95%的问题，通常不会使用多模型。只有单模型效果不理想，会依赖多模型来解决。

• 一个公司开始使用多模型，大概率是单模型效果不好，公司持续失血中
• 多模形会增加更多开发成本。导致回本更加困难