DeepSeek开启AI元年，AI应用的七个级别，90%的人都在第一层！

关注公众号回复1

获取一线、总监、高管《管理秘籍》

前面我们说2025是国内AI元年，近两年一定会爆发大量实用的AI应用。

其原因是之前国内AI应用苦于没有好的基座模型，很多公司只能偷偷使用GPT的API；其次整体推理资费大概率是亏的，公司很难亏本扩大化。

但DeepSeek的出现完全改变了这一切，基础技术环境到位了，就轮到应用层上场了！

在这个情况下，所有公司老板都想尽快拿到下一个AI 10年的船票，从而显得有些AI焦虑了，于是乎很多对话在粉丝群就炸开了：

1. 老板说，我们要All in AI，后续项目全部要跟AI相关；
2. 群里老哥，我们要私有化部署DeepSeek，哪位大哥有经验呢？
3. 我们公司需要DeepSeek相关培训，有意者联系啊，急在线等；
4. ...；

更有甚者，有些图连我都惊讶不已：DeepSeek刚出不久，很多公司就用他提升100%+的效率...

而这跟我去年为10多家公司做的咨询情况是不一致的，这里先请大家看一个小故事。

AI依旧“遥不可及”

去年开始，我自己出来折腾一些企业管理+AI的场景，于是有机会接触了很多公司，其中为一些公司做了比较深入的AI转型，过程可以说苦不堪言！

当时，我们是认为各个公司在效率上都可以借助AI有很大的提升，但真实情况是不必借助AI也可以有很大的提升...

因为，很多公司是没有SOP的，业务直接的执行完全是割裂的！这似乎是一个机会，于是我花大力气做了一套基于AI的SOP流程平台出来。

信心满满，我找了一家公司做实施，满以为马上就能收获甜蜜的果实，现实情况却很糟糕。

因为一个月下来，实施还没开始！复盘原因无非一点：公司根本没有业务流程体系，他们也需要重新建设...

但是一般公司很难靠自己将业务流程体系完成，所以我们一个月薪5w的总监，花了2个月的时间，免费协助他们设计了第一个版本的SOP，文档改了很多很多版...

而后，我满以为能够顺利实施，但我们产品自己问题又在持续爆发...

最后花了2.5个月，终于将第一个版本实施结束，问题又来了：

一般的公司连基本的信息化都没完成，他们连在线文档都没怎么使用，在Word、Excel之间不停飞来飞去。

进一步打败我们的也不是系统问题，而是员工的IE浏览器版本太低不兼容问题以及员工不会用的问题......

总之，你永远预料不到问题会以如何与“产品”不相干的方式爆发出来！

而这会是AI应用在GPT出来两年后还没爆发的核心原因：他门槛依旧高！

所以，这里我们再来定义一下什么是AI应用。

AI应用的级别

其实，AI应用是有“级别”之分的，只不过很多很多公司还没搞懂，我这里就来简单做下分类。

第一级，小白级应用

所谓小白用户，就是既无数据、又无工程能力的人，他们使用AI的场景，大概是打开DeepSeek或者ChatGPT的官网聊天页面，然后敲入：AI会取代人类吗？

然后在跟AI的聊天过程中，不断卧槽、卧槽的对象，这种属于非常业余的用户，但可能是90%的用户。

第二级，一人赚钱工具

第二级别的用户，会在第一级的基础上往前跨越一大步，他们会清晰感受到AI在处理单点问题时候的“牛逼之处”，并利用其高效率的特点，协助自己完成一些工作，最常见的是：AI爆款文章、AI文生图讲故事。

并且，他们会在自己熟悉后，教第一级别的90%不明群众去使用完成AI写文章之类的动作，总之很Low但确实能赚到钱。

第三级，个人助手

第三个级别的用户，会开始具备一定工程能力了，他们会在第二级的基础上，使用类似RPA类似的自动化手段，去批量做一些动作，比如收发邮件、简历筛选、财务审批...

从这一步开始，AI已经真实成为解决工作问题的一部分，并且开始解放人力了，属于个人助手级别的应用，但其也就局限到个人应用了。

举个例子：有个律师基于DeepSeek创造了一个个人问询工具，并做成了插件化放到了线上平台，每次有用户咨询时，AI客服先去做意向沟通，发现用户花钱意向高才引导到真人，这样效率提升在10倍以上。

第四级，SOP平台

从第四个级别起，对工程能力要求开始高了，往往不是个人玩家能做好的。

他们会开始意识到，每个个人对AI的使用都是去帮助自己去完成某一类的工作，而这类工作一定会有相当的共性，于是大家很容易就想到了这是我们第二段说的SOP。

于是，平台为了帮助更多的玩家建立个人助手，便搭建了一套平台级别的SOP搭建平台，现在最出名的应该是飞书扣子的Agent搭建平台吧。

在这个基础上，也会衍生出很多教90%用户如何使用这种低代码平台的人群，其本质是吃信息差吧，不高明但十分有效。

第五级，行业工具

前四级有一个特点：他们只需要各位了解AI，更进一步有一定工程能力即可，但从第五级开始便要求团队具备行业认知，并且具有行业认知下的优质数据了。

比如常见的AI医生、AI律师就是这个级别的产物，因为是严肃的AI工程应用，对用户来说回答错了就可能赔钱，所以其开始必须解决大模型幻觉问题。

如果要解决模型幻觉问题，离不开知识库为基础的RAG或者模型训练过程，其本身对成本的要求就会提升不止一个Level。

这个层级的入场券是优质数据与强大的工程能力而所有这一切都离不开钱...

很多公司想要利用公司内部数据搭建一套内部的AI问答机器人，就可以归属到这个级别的浅层次应用，所有这类浅层次应用都有平台化的可能。

第六级，行业模型

也会有“牛逼的团队”想要训练一个自己的行业小模型，比如金融、律师或者公司内部场景...

这种需求往往是对数据安全有一定诉求的单位，比如大医院，而他们也有哪个数据与财力去搭建一套自己的行业小模型。

这个级别的应用难度不好说与第五级谁高谁低，端看使用场景如何，只要用得人多了，那么对模型或者应用的要求就会直线上升。

第七级，通用基座模型

类似于DeepSeek、GPT、GLM、文心、千问等做底层模型的团队，区别于之前，他们不仅是需要各种优质数据还需要真的深入模型底层技术去探索，而前六级是不需要的。

其实总结下来，可以分为四个大类：

1. 有数据、有底层模型研发能力、有算力（有钱）；
2. 有数据、有行业KnowHow、有工程能力（有AI应用层研发团队）；
3. 有工程能力；
4. 小白用户；

从这个角度我们再来看最近两年的AI应用。

为什么没爆款

基于此，我们再来探讨一下为什么GPT诞生了两年依旧没有什么行业爆款AI呢？

其实这句话没对，程序界其实是有爆款的：Cusor 与 GitHub Copilot。

原因是什么呢？答案很简单：程序员这帮人天生喜欢分享，最高质量代码全部在github，之前甚至有人将B站核心代码全部上传上去了...

而其他行业为什么没有爆款产品呢，原因也很简单：数据不好整理！

站在工程角度：模型只是一个API调用工具，他们工作的核心是将行业KnowHow所产生的数据与其结合起来。

那么什么是行业KnowHow的数据呢？以AI律师为例：

1. 大模型的工作模式是输入输出：输入 -> Prompt -> 输出；
2. 所有的工程能力全部会体现在这个Prompt，所谓Prompt就是我们对规则理解的文字化；
3. 对于AI律师，这里的Prompt就是某著名律师这10多年的经验；
4. 这个经验是理解用户问什么，然后给予他正确的法律反馈，如何给予用户正确的反馈；
5. KnowHow的数据，也就是AI律师需要的输入输出规则。

所以，AI律师就需要律师与用户的各种对话，甚至是私密对话，也包括各种文书，而这些数据，很可能是没有的...

因为行业数据的质量和数量储备不足，所以迟迟没有达到AI工程应用的基础。而真实情况可能更糟糕...

如第一段AI依旧“遥不可及”所述，多数公司还在Excel、word飞来飞去呢，这反应一个问题：多数公司在历史上并不重视数据记录，等到要用的时候，当然拿不出来了...

进一步，没有优秀的AI人才，对于一般公司：既不重视数据记录、又不知道数据应该如何记录、也不知道数据应该如何应用，在这个基础上也能诞生应用级爆款AI应用，那就奇了...

结语

在这场AI的狂欢中，许多企业看似已步入了智能化的未来，但却常常忽视了最基础的东西——数据的打磨和基础设施的建设。

AI行业有一句话：attention is all you need，特别在焦虑的时节，很多公司容易抓瞎乱搞，最后造成大量资源浪费。

一个没有坚实地基的建筑，不论多么宏伟的设计都终将崩塌。

企业要想实现真正的AI赋能，必须先把数据建设做好，切莫急功近利。

今天的AI应用，很多都是追求热度的“面子工程”，虽说把AI加入到企业宣传中，似乎能让老板们感受到科技的力量，但往往忽略了这些技术背后的真正含义和应用场景。

与其追逐那些浮躁的“AI转型”，不如先从踏实的数据建设做起，慢慢积累，才能在未来的竞争中稳扎稳打，获得真正的回报。