1. 序言虽然目前市场上已经有很多关于 AI 潜在落地场景的讨论，但讨论方法主要是基于“开脑洞”式的穷举或是基于已有落地场景的归纳。而微软、 Open AI 以及此前 MIT 和 CMU 学者的讨论落脚点都在于 AI 对不同职业的替代程度。所以，我们希望构建一套“标准”来进行“AI 落地场景的发现”。 只聚焦在“前端应用的落地场景”而不讨论后端各大模型孰优孰劣。因为能够自建大模型的玩家很少，且大模型作为一个复杂系统，每个模型都会有自己的一些特点和优势指标，事实上我们是不太可能通过一些简单的量化指标客观评估各家模型的能力，单纯问“如果 GPT-4 是 100 分，百度文心一言大概多少分”没有答案也没有意义。 我们希望提出一些标准，来粗略描绘现阶段 AI 能够落地的“场景边界”。我们希望基于另一种思路展开讨论：基于 AI 的技术局限和商业局限提出一些标准，来粗略勾勒我们心中现阶段 AI 能够落地的“场景边界”。打一个比方，我们可以把所有的潜在落地场景看作一张纸，而每一条标准就像是一条线，把这张纸分成不同的部分，多条标准交叉就会勾勒出满足各个条件
