Amazon Go和Google Lens是在电子购物领域通用性很强的AI工具，可以识别许多不同类型的物品。但是，在某些细分领域，它们的判断就不够强。例如，当我们需要寻找一款特定风格的衣服时，通用性的AI工具可能无法很好地满足我们的需求。在这些细分领域，需要处理和训练更加聚焦的数据，以获得更准确的模型。
为了解决这个问题，我们可以通过在某一个小的场景下收集相关的数据，然后使用这些数据来训练AI模型。结合ChatGPT这种大规模预训练AI模型，我们就可以创建一个足够小但专业的细分领域的AI应用，该应用可以快速准确地为用户推荐符合其风格的衣服，从而提高购物的效率和体验。
总之，通用型AI应用能够解决一般性需求，但是在深度挖掘各个领域的AI数据方面，还有许多可探索的空间。通过细分领域的AI数据和大规模预训练AI模型的结合，我们可以创建更加专业、聚焦和好用的AI应用，为生活和工作带来更多便利和创新。
