張小珺在訪談裡問了楊植麟一個問題： 你們最終是要做通用大模型而不是coding模型對吧？ 這個問題更深層反映出來的是現在用戶對一個新AI產品， 包括所有大模型和agent或其他產品形態在內的使用，遷移，直到形成習慣的界限， 其實是很模糊的。 往往一個垂類的卓越表現會吸引到用戶， 而泛化/通用能力達到60分則能夠粘住用戶。 這一點在我使用perplexity和GPT的時候感覺尤為明顯： perplexity在市場調研能力（速度上）比chatGPT好； 而在google郵箱裡的搜索/撰寫等實用表現比google自家的Gemini好。 正是在一次次偶然對比性任務裡perplexity的表現比其他通用大模型都好，讓我使用它的頻率一次次增加。 做其他AI產品也是一樣的： 模型or非模型的討論在我看來是有點過時， 或者至少不是一線builder在思考的問題。 思考的一定是切入點，黏性點。 小問題小場景逐個擊破，農村包圍城市，perplexity也可以比GPT和Gemini更好用。