人和大模型的最大差距是什么？

不太认同其他答案。我认为，是对于宇宙间的真相的探索能力和探索效率。

相比较时间有限的人类，模型拥有更多的时间可以用，可以有能力在短时间内通过穷尽式计算来推理结果，（未来）拥有更强的对宇宙间真相的探索能力。

——————

这个周末的沙龙问题（缘起 @张俊林 老师的分享）衍生出的话题下，下一众回答中多多少少都是从“情绪能力、情感能力、当前的交互限制、模型研发运行成本”等要素进行观点展开，都没问题（现在看），也都有问题（只能是现在看）。

和玩模型的同学们有一个基本共识，目前技术依旧在保持快速演进状态，大模型的终极形态还没有到来，许多结论下的有些早了。

——————

支持情感理解和情感反馈的学术和商业产品大概率会出现和越来越多，国内外已经不少公司和产品在朝着方向努力…

当前交互范式在经历变革，当前的工具/API交互协议也在变革，语言模型能做的事情非常多，包括并不局限于“plugins”和其背后的工具使用的论文等。甚至，在现在来看，越来越多的多模态模型出现。并且，模型的完善过程中，可交互的数据会越来越多，包括过去无法被使用的数据，可交互的系统和硬件也只会越来越多。就这个方面来说，模型能力边界也还远远没有到头。

研发成本和其他曾经火过的领域一样，终究是能够降低到合理的范畴的。目前创业方向和开源社区中大把的人做模型训练和推理成本的提效，模型算法优化，硬件层面也不乏厂商们在努力寻找硬件平替方案，积极建设开发软件生态，市场供需的天平是在变化的。

例子举一些大家都知道的：

1. Character.AI, 情感陪伴方向，如果不理解情感、情绪，又怎么能够做到情感陪伴呢，创始人有一句话很有意思，情感陪伴伟大且重要，这个事情连狗都做得到的，它甚至不会自然语言。
2. Brain.AI 推出的 Natural ，剁手这类操作，根本不需要我们再去重复以前的老路，打开购物软件，搜索或者打开商品页面，然后购物车...（当然，你也可以归类为 RPA + AI 的路子，那么其实交互边界就已经被证明是变化了的，原本大量的场景 + 原本不能被攻克的场景）
3. Adept.AI，目前能够施展的地方是浏览器内，但扩展到更大的场景（chrome 浏览器系统之外的操作系统），真的有壁垒或者有什么能够拦住它吗？甚至相同的观察学习模式下，如果硬件都有接口的话？对吧？
4. 优秀和可以期待的公司还有很多比如：Cohere、Vercel、Perplexity 等等，在不同领域方向，让 AI 真的智能，而非智障进化的公司...

……

所以，我觉得当前阶段，尤其是就模型短处比，或许是有些着急啦，让子弹再飞一阵吧。

以上。