今年年初，ChatGPT 现象级的爆发，让底层技术 AIGC 的载体 OpenAI 备受关注。 叠加了几个buff，工人的命运可以说是跌宕起伏，命运多舛。 在中国，AIGC的长期价值逐步被挖掘，人们的办公、娱乐甚至生活方式正在被重构。 企业希望通过低代码 AIGC模型构建满足自身业务需求的应用程序。
鱼与熊掌兼得在数字化趋势下，许多企业希望使用数字化手段来降低成本和提高效率。 然而，“易用性”和“定制”一直是不相容的。 人工智能的进步为治疗数字化的“顽疾”找到了“药引子”。
Gartner预测，未来五年至少需要开发5亿个新应用来满足企业转型的需求，其中65%将通过低/零代码完成，75%的大型企业将使用至少四种低代码开发工具进行应用开发，而且这一比例还在继续增加。
颠覆的背后，方向极其重要。 “AIGC 低代码”模式侧重于将AI能力与低代码平台相结合，提高平台应用的上限，降低平台应用的下限。
AIGC 低码模式是一家试图独自握住AIGC“方向盘”的企业。 ChatGPT 的原理是整合大量的“数据”，如文字、图片、视频，输入到深度学习的神经网络中进行学习和训练，用于智能决策。
基于AIGC的加持，交付流程可以转化为交互式语言生成应用，复杂需求可以直接转化为复杂的表结构、字段类型、关联对应、流程逻辑、数据指标，无需构建者动脑筋。 通过用自然语言描述应用程序，可以自动构建应用程序。关键应用程序具有数据、流程，并且可以到达业务人员。
AIGC 低代码工业数字化迈向深水区其中，生成式低代码模型需要在各种数据和流程上进行训练。通过对不同行业不同仓储环节的“数据”进行整合、学习和训练，当某个行业的仓储需求提出时，可以快速做出明智的决策。
当越来越多的数据被集成、学习和训练时，数据量越大，预测就越准确。 细心的朋友会发现，AI构建的路径并不是一般意义上的“一句话生成应用”，而是“辅助构建机器人”的作用。
AIGC下的低代码轨道黑暗而动荡但由于诸多因素，AIGC 低代码的局限性比较大，从底层技术角度来看仍面临一些问题。 这也是目前“AIGC 低代码”不能“一步到位”的关键。最明显的是，它无法满足非常复杂的业务逻辑的业务需求。
对于企业和开发人员来说，技术试错的成本太高了。 原生技术和低代码都是开发人员手中的工具。工具变革和改革的意义大不相同。换刀意味着生产方法的改进和生产效率的提高。你也可以专注于另一个轨道——低代码，核心逻辑是使用代码库快速复制现有的开发样本，整个开发过程中的人工成本接近于零。
中国企业在AIGC取得突破的机会在AIGC的热土上，你我都是开拓者。 即使是百度这样的大公司也无法避免。随着底层大模型的不断完善，低代码领域的大量“数据”被用于学习和训练，输出越来越精准的智能决策。
对应的“AIGC 低代码”也会爆发出更强大的能力，所以未来应用 GPT 等产品的场景可能会越来越多。铆接足够的能量来发力，未来可期！
