什么会是未来企业的核心竞争力-向量数据库
"向量作为大模型理解世界的数据形式，也可能促进新的重要基建：向量数据库"
在我没有喂给AI一个我建立的语料库前呢，他给到我的回答是比较宽泛的，但当我把一本书的内容投喂进去并且要求他严格按照我给到的语料库进行回答的时候呢
这时候不难发现他已经有向我书籍描述的专业性靠拢的趋势了，那如果我喂入十本书，一百本书呢，要求对我提出一个问题的不同维度进行回答呢
那么这时的优势可能就是它已经从一个脑子正常但是没有记忆的人转变成一个独属于我个人的或属于公司范畴下的理论专家，但缺点在于他并不知道如何比较俩种理论之间的适切性，而且随着一些学者普遍的争锋，恐怕是非常容易得出对立的一些观点，那么如何调试呢
拿在学校数据中心实践的例子而言，当一些固定字段无法描述我所要探究的对象的时候，我可能就需要借助一些必要的手段，提取一个相应的特征量，在河里的情况下去尽可能模拟扩充我的维度，包括采取一些手段如问卷、访谈等搜集受测主体的信息；
在计算机中常见的做数据集的手段，一种是完全模拟生成，一种是部分模拟生成。
"在未来的一个AI native应用有几个重要元素：LLM＋交互＋个性化（专有数据+个性化）+多模态"
除开做一些数据而言，那么另一方面就是要采集一些数据，往往现实社会中有一些专家言论和普通百姓的生活严重脱节，如果不考虑利益输送这些问题的话，那首要的就是缺乏实践；经历过广泛实践验证过的理论，都是有一个适切的生产环境，什么样的环境应用什么样的理论应当得到什么样的产出，这应该是需要去做验证的。这也是需要把这些喂进去作为参考指标的重要一环。
其实无论是在旅行社做一个销售还是作为一个客服售后，其实我们都有针对我们的客户，一个服务对象设计一套话术用来匹配不同的客户，不同的人想听到的东西是不一样的
在没有AI或者语料库呢，可能是借助一些相应的培训，有专门的精英销售或者报价员给出一个指导，那么小白接受一个相应的培训，这样的一个成本是小公司所难以承受的；
眺望未来像这样的一个培训，其实是当我们拥有一整套完善的农业技术之后呢仍然奉行刀耕火种，假如我有vits技术或者sadtalker技术，假如我挂载了一个服务器，有了一个API挂靠在公众服务号上呢，假如我能24小时不间断的回复用户问题生成专业性回复、甚至是虚拟的一个真人口播呢。
再试想一下，未来俩家公司所比拼的可能已经从人员的一个专业性和丰富度，到语料库的一个权威性，比拼的是什么呢，我不知道。
再想回头看看现在的教育，教出来的学生能适应现在急剧变化的生产力环境吗，我也不知道，当我以为我自己多读几本书而沾沾自喜的时候，当我以为自己会写几行垃圾代码而得意的时候，未来会怎么变化呢，我也不知道。
事到如今，只知道我是无知的，除此以外我一无所知。
