我有一个朋友做麦克风，他的产品在一个时期贴片后不良率能做到千分之一左右。这个你如果没有制造业经验听上去可能觉得还不错，但实际上要看产品。如果是耳机上的麦克风，有个小板子，做完了PCB可以检，在最后组装环节之前把这千分之一贴片次品检出扔掉，如果你的价格够便宜，还是会有人使用；但是在更大的主板上，比如手机，这种维修率接受不了。

LLM商业化面对同样的问题，如果它交付的东西有一个defect rate，怎么去fix这个defect，要花多少cost，以及有什么样的risk，这个就要一个应用一个应用的看。尤其是电脑生成的东西是容易上规模的，一下子生成一百万字也不难，人能检吗？这个就不对称了。

在两个极端的情况下交付相对容易，一个是交付品完全主观，一点形式化的检验规则也没有，比如画个人像，这个好不好大众是没有很高的鉴别力的，用在要求不高的广告上插画上那就没有问题；另一个是交付品有完全的形式化规则的，比如代码，为什么很多程序员对自动生成代码很兴奋，一定程度上是因为他们知道如何找到交付品的问题，而不是盲目接受。

在这个之间的东西有一些会很麻烦，例如有法律效力的文书，它是有规则的，但是检查不容易，风险却不低。实际上我们生产生活中有大量交付品是有软件需求意义上的矛盾的。就是经典的你问客户要什么，他说我要个石头，你给了她一块石头，它又说我要一块蓝色的鹅卵石。这个refine的过程不容易。而且，并没有什么好的材料给ai学习。