最近,，比爾蓋茨在 reddit 回答網(wǎng)友提問。有人問當(dāng)下「巨大的技術(shù)變革」是什么時，他回答說：

　　「AI 是個大人物,。我不認(rèn)為 Web3 有那么大,，或者元宇宙本身的東西是革命性的，但 AI 是相當(dāng)革命性的,?！梗℅oogle 翻譯）

　　「AI 是重要的。我不認(rèn)為 Web3 那么重要或者說單獨(dú)的元界是革命性的,，但 AI 是相當(dāng)革命性的,。」（ChatGPT 翻譯）

　　能和蓋茨在 Web3 和人工智能的判斷上一致,，讓我很開心,。

　　另一件事，發(fā)生在朋友圈里,。網(wǎng)易副總裁,、杭州研究院執(zhí)行院長汪源在討論微軟加大投資 OpenAI 能否賺錢時,，說到：

　　這句話透露了兩個信息：1. 網(wǎng)易杭研在大面積嘗試應(yīng)用 OpenAI 的能力,；2. 為此要付不少服務(wù)費(fèi)，但也愿意,。

　　在網(wǎng)易工作過的都知道,，要做一件對外付很多錢的事情，那一定是下了很大決心的圖片,。

　　可是,，就在兩個月前，OpenAI 還沒有發(fā)布 ChatGPT 的日子,，業(yè)界對 AI 其實(shí)是悲觀的,。

　　L4 級自動駕駛被證明太難做到了，很多公司開始放棄,。我有一個在頭部公司做核心算法的朋友,，已經(jīng)選擇轉(zhuǎn)行了。

　　AI 四小龍也風(fēng)頭不再,，探索出的業(yè)務(wù)模式變成外包項(xiàng)目為主,，且技術(shù)含量越來越低。

　　為什么 ChatGPT 一推出,，會帶來 180° 的態(tài)度變化,？

　　這兩個月，我和 ChatGPT 對話數(shù)百條,，參加了三場相關(guān)的研討會,，與十幾位學(xué)術(shù)界、企業(yè)界的專家交流,，當(dāng)然也讀了很多資料,，對以下問題形成了一些觀察和思考,。

　　1.ChatGPT 與以往的 AI 不同在哪里？它為什么有可能成為通用人工智能,？

　　2.通用人工智能對信息技術(shù)行業(yè)最直接的沖擊是什么,？

　　3.商業(yè)機(jī)會在哪里？

　　4.行業(yè)格局會怎樣,？

　　5.個人職業(yè)發(fā)展會受到什么影響,？

　　下面就談一下我的觀點(diǎn)，期待你的批評指正,。

　　一,、「大模型」敲開了通用人工智能的大門

　　ChatGPT 用的方法叫「大型語言模型（Large Language Models）」，簡稱 LLMs,。中文習(xí)慣稱為「大模型」,。

　　簡單說，它的思路就是把盡可能大量大量大量大量的數(shù)據(jù)通過 Transformer 架構(gòu)做機(jī)器學(xué)習(xí),，就能從數(shù)據(jù)中學(xué)到很多很多很多很多能力,，多到超出原始設(shè)計(jì)者的想象。

　　比方說,，它在翻譯方面的能力,，不輸于，甚至超過了專業(yè)的機(jī)器翻譯系統(tǒng),。

　　本文開頭機(jī)翻的比爾蓋茨的話,，我覺得 ChatGPT 就比 Google 翻譯得要好上一個層次。唯一瑕疵是用了比較生僻「元界」,，而不是更常用的「元宇宙」,。但當(dāng)我告訴它「元宇宙」更常用后，它立刻就能修正翻譯：

　　據(jù)說,，翻譯能力并不是 ChatGPT 特別著意打造的,，它只是讀的多語言數(shù)據(jù)多了，就會了

　　再比如,，ChatGPT 偶然把源代碼加到了訓(xùn)練數(shù)據(jù)里,，結(jié)果發(fā)現(xiàn) AI 的推理能力獲得了巨大提升。

　　傳聞?wù)f,，ChatGPT 在發(fā)布時,，只是被當(dāng)成又一個新版本的 demo 而已，OpenAI 并沒覺得它會多強(qiáng)大（前幾個版本市場反應(yīng)也是寥寥）,。是網(wǎng)友貼在社交媒體的對話截圖,，讓 OpenAI 才知道，原來它還能這樣這樣這樣這樣這樣！

　　有沒有一絲絲覺得,，ChatGPT 的機(jī)器學(xué)習(xí)能力,，已經(jīng)很像人類的學(xué)習(xí)過程了？

　　讓小孩子學(xué)編程的主要原因,，是鍛煉孩子的邏輯思維能力,。這不和 AI 讀代碼學(xué)推理是一回事嗎？

　　古人就說,，「讀書百遍其義自見」,，「熟讀唐詩三百首，不會作詩也會吟」,。如果有一個少年,，他可以不眠不休地快速讀書。我們不知道他讀完全世界所有書之后會是什么樣,，但相信他一定會很厲害,。

　　如此接近人，讓很多專家承認(rèn),，我們終于敲開了通用人工智能（Artificial General Intelligence,，下文簡稱 AGI）的大門了！

　　以前的 AI,，不是 AGI,，是因?yàn)樗鼈兊哪Ｐ椭荒茏鲆患隆Ｈ四樧R別的就是識別人臉,，缺陷檢測的就是檢測缺陷（且只能檢測一種缺陷，換了缺陷就得換模型）,。AlphaGo 只會下圍棋,，換成五子棋就會被我狂虐。

　　而 ChatGPT 已經(jīng)能夠觸類旁通,，把從 A 學(xué)到的能力,，用在 B、C,、D,、E、F 上,。

　　學(xué)術(shù)界用「涌現(xiàn)（Emergent）」這個詞來表述這種情況,。請記住這個詞，后面還會用到,。

　　延續(xù) ChatGPT 的一個研究熱點(diǎn)是多模態(tài)大模型,。簡單理解，就是把語音、圖像,、視頻等等各種類型的數(shù)據(jù)都灌進(jìn)去,，看能否用一個模型解決所有媒體的 AI 生成問題。

　　如果成功,，那么再大膽假設(shè)一下,，凡是數(shù)據(jù)，是不是都可以交給這個模型訓(xùn)練,，讓它學(xué)會如何從 A 生成 B,？比如，從劇本直接生成電影,，從 PRD 直接生成可執(zhí)行的 App,，從口頭描述直接生成 3D 人物，從需求直接生成一切,！

　　順著這個邏輯,，距離 AGI 是不是不遠(yuǎn)了？可別那么樂觀,。

　　現(xiàn)在只是打開了門,。既不知道門后有什么，也不知道是不是開對了門,。還有太多太多未知要面對和解決,。

　　但這并不妨礙我們思考下，AGI 的世界,，會對產(chǎn)業(yè)和我們個人帶來什么變化,。

　　有的變化，可能已經(jīng)開始了……

　　二,、AGI 的革命性不僅體現(xiàn)在智能本身

　　假定 AGI 已經(jīng)實(shí)現(xiàn),。那么用 AI 可以代替人力，提升生產(chǎn)效率,，降低生產(chǎn)成本,，在更多領(lǐng)域釋放 AI 的力量。其革命性毋庸置疑,。

　　我想從另一個角度來探討其革命性,，那就是對信息技術(shù)自身的影響。用這樣的終局思維,，可以倒推出當(dāng)下要做什么,。

　　我認(rèn)為，革命性的技術(shù)應(yīng)該滿足至少一個標(biāo)志：

　　它讓幾乎每個軟件系統(tǒng)都要做改造,，甚至重做

　　符合這個標(biāo)準(zhǔn)的技術(shù),，之前有：

　　圖形界面,。成為軟件系統(tǒng)的標(biāo)配

　　Web 2.0。導(dǎo)致大量傳統(tǒng)應(yīng)用系統(tǒng)向 Web 遷移

　　移動互聯(lián)網(wǎng),。導(dǎo)致幾乎任何應(yīng)用都要開發(fā)移動版,。

　　Web3 不符合這個標(biāo)準(zhǔn)。我另有一文看衰它,。

　　元宇宙當(dāng)下和近期也不符合,。AGI 實(shí)現(xiàn)之后，太多人無所事事,，倒是有可能在元宇宙里醉生夢死,。我會在本文最后一部分做分析。

　　我認(rèn)為 AGI 是符合的,。它能讓所有軟件系統(tǒng)幾乎都要改造甚至重做,，哪怕其核心功能并不需要智能。這是因?yàn)樗匦露x了「接口（Interface）」,。

　　無論用戶界面（UI）,，還是軟件系統(tǒng)之間的接口（API），它都會重新定義,。

　　現(xiàn)在我們想要一個結(jié)果,，需要去了解計(jì)算機(jī)的能力，掌握各種軟件的操作方法,，還要把自己的意圖正確拆解為若干個操作軟件的步驟,，執(zhí)行之，才能得到,。

　　AGI 之后,，人類終于可以用「說話」這種方式和計(jì)算機(jī)交互。說話不方便時就打字,。打字費(fèi)勁,？腦機(jī)接口可以期待下。

　　「說」出想要的結(jié)果,，就能得到結(jié)果?？赡懿槐M如人意,，再「說」出修改意見,，效果即時呈現(xiàn)。當(dāng) UI 已可以如此美好，碰鼠標(biāo),、摸屏幕的頻率都會降低。

　　用戶操作習(xí)慣的遷移,，會逼所有軟件,，都得提供「自然語言界面（Natural Language Interface,，簡稱 NLI）」。這是我生造的詞,，指的是以自然語言為輸入的接口,。

　　不僅用戶界面要 NLI，API 也要 NLI 化,。這是因?yàn)橛脩舭l(fā)出的宏觀指令,，往往不會是一個獨(dú)立軟件能解決的，它需要很多軟件,、設(shè)備的配合,。

　　一種實(shí)現(xiàn)思路是，入口 AI（比如 Siri,、小愛同學(xué),，機(jī)器人管家）非常強(qiáng)大，能充分了解所有軟件和設(shè)備的能力,，且能準(zhǔn)確地把用戶任務(wù)拆解和分發(fā)下去,。這對入口 AI 的要求非常高。

　　另一種實(shí)現(xiàn)思路是,，入口 AI 收到自然語言指令,，把指令通過 NLI 廣播出去（也可以基于某些規(guī)則做有選擇的廣播，保護(hù)用戶隱私）,，由各個軟件自主決策接不接這個指令,，接了要怎么做，該和誰配合,。

　　第二種思路,，我認(rèn)為更有可能成為行業(yè)標(biāo)準(zhǔn)。單 AI 搞定一切不太符合目前的技術(shù)路線和商業(yè)環(huán)境,。各個軟件在各自的專業(yè)領(lǐng)域里,，能做出更佳的 AI 決策。第四部分會詳述,。

　　舉個例子,，我對 Siri 說：「我得新冠了」。Siri 把這句話廣播給手機(jī)上的所有 App,。于是,，大家開始各自干活：

　　1.Apple Watch 打開了 24 小時血氧監(jiān)測模式

　　2.米家 App 讓空調(diào)提高溫度，并詢問我是否馬上躺下休息,，它可以關(guān)閉燈光和窗簾

　　3.餓了么建議我吃清淡食物,，并推薦幾款粥做明天的早餐，讓我選擇,、預(yù)訂

　　4.叮當(dāng)買藥推薦了附近能最快速度送到的退燒藥,，問我是否下單

　　5.貓眼電影建議我取消后天的電影票

　　6.Keep 通知我已取消未來一個月內(nèi)預(yù)約的所有操課,，還暫停了所有打卡

　　7.釘釘幫我起草了病假申請

　　8.微信問我要不要發(fā)個朋友圈？

　　當(dāng) NLI 成為事實(shí)標(biāo)準(zhǔn),，那么互聯(lián)網(wǎng)上軟件,、服務(wù)的互通性會大幅提升，不再受各種協(xié)議,、接口的限制,。

　　比如現(xiàn)在華為、阿里,、騰訊等都在爭搶的物聯(lián)網(wǎng)操作系統(tǒng),，表面看好像是在做內(nèi)核，其實(shí)本質(zhì)上是想成為最重要的那個萬物互聯(lián)的協(xié)議,。

　　萬物想要互聯(lián),，大家首先要遵守同一個協(xié)議。誰的協(xié)議成為主流,，誰就擁有了最高的話語權(quán),。

　　兼容多種協(xié)議，對廠商來說要增加很多成本,。如果不兼容,，就變成了所支持協(xié)議的附屬。如果有個通用協(xié)議,，就好了,。

　　自然語言就是最好的通用協(xié)議，誰都可以兼容,，誰都無法控制,。甚至，說漢語,、英語,、爪哇語等任何語言都行。

　　在實(shí)現(xiàn)層面,，NLI 的接口能極致簡單,。看看 ChatGPT 的 API 就知道了,。

　　強(qiáng)大如 ChatGPT,，無所不知，無所不曉,，卻只有一個接口函數(shù)（https://beta.openai.com/docs/api-reference/completions），16 個參數(shù),。

　　16 個參數(shù)里,，最重要的只兩個：model 和 prompt,。其余的都是對生成結(jié)果的細(xì)節(jié)做控制，比較低頻,。

　　Model 是選擇調(diào)用哪個模型,。不同模型能力有所不同，價(jià)格也不同,。

　　Prompt 是最核心的參數(shù),。它就是你在 ChatGPT 聊天框里輸入的內(nèi)容。完全自然語言,，想怎么寫都行,。

　　所以，NLI 可以極簡到甚至只有一個 prompt 參數(shù),，就能讓所有軟件系統(tǒng)形成協(xié)作,。所有復(fù)雜的細(xì)節(jié)，都被處理 prompt 的 AI 解決了,。

　　人與人,，人與機(jī)器，機(jī)器與機(jī)器,，都實(shí)現(xiàn)了無限制的交流,。

　　為了支持 NLI，所有軟件系統(tǒng)都必須集成一個 AI,，以 AI 為總控來處理輸入,，生成輸出。這就是 AGI 對信息技術(shù)領(lǐng)域帶來的革命性變化,。

　　其實(shí)相關(guān)的研究早就已經(jīng)開展,。在面向?qū)ο螅∣bject-Oriented）之后，就有人提出面向智能體（Agent-Oriented）的概念,，認(rèn)為多智能體自治是未來構(gòu)造軟件的主要架構(gòu),。可惜,，當(dāng)時沒有人知道「智能」在哪里,。20 多年后，這項(xiàng)研究可以落地了,。

　　三,、AGI 革命帶來的商業(yè)機(jī)會

　　敲開 AGI 的大門，會看到很多很多彎彎曲曲的道路,，都有可能通向 NLI,，也可能不通。不管結(jié)果如何,，現(xiàn)在路邊就有可以嘗試挖掘的金礦,。

　　ChatGPT 及 DALL-E 等從文字生成圖像的產(chǎn)品,，被統(tǒng)稱為 AIGC（AI Generated Content）類的產(chǎn)品。

　　它們的基礎(chǔ)能力是根據(jù)一串輸入（prompt）,，生成各種內(nèi)容并輸出,。本質(zhì)上來說，所有的軟件系統(tǒng),，都是根據(jù)輸入,，生成輸出。所以理論上來說,，只要 AI 的能力足夠強(qiáng),，是可以完成目前計(jì)算機(jī)能處理的所有任務(wù)的。只不過要從效果和成本兩個維度看用 AI 還是傳統(tǒng)方法更合適,。

　　評價(jià)效果的分水嶺,，是我們把 AI 的輸出當(dāng)建議，還是當(dāng)決策,。

　　我們讓 ChatGPT 寫文章,，但不會讓它直接把文章發(fā)出去，而是一定要看過,、改過再發(fā),。這就是把 AI 的輸出當(dāng)建議。

　　自動駕駛,，該加速還是減速,，該怎么轉(zhuǎn)向，都是 AI 做出決定,，并立即執(zhí)行,。這就是決策。

　　現(xiàn)在的 AI 經(jīng)?！敢槐菊?jīng)地胡說八道」,，讓它決策非常不靠譜。所以目前的 AI 產(chǎn)品,，應(yīng)該在「建議」這個場景下做設(shè)計(jì),，把修正和決策的空間留給人類。

　　對話是典型的建議場景,，因?yàn)閷υ捊Y(jié)論的執(zhí)行還是需要人,。ChatGPT 呈現(xiàn)的也就是一個 Chatbot，很容易自然想到在各種對話場景來使用它,。比如客服,、智能音箱、AI 老師等。

　　我認(rèn)為能成功的 AI 對話場景要滿足如下條件：

　　1.用戶需要知道是在與 AI 對話,。否則,，就是詐騙了

　　2.對話頻次要足夠高。沒人愿意為使用 AI 付高價(jià),，所以它不可能是低頻高客單價(jià)，只可能走高頻低客單價(jià),。

　　比如 ChatGPT 目前雖然 C 端訪問量巨大,，但多數(shù)人都是獵奇，頻次不會高,。剛需高頻訪問的,，只有研究它的人。這類人雖然支付能力強(qiáng),，但人數(shù)非常少,。所以我認(rèn)為 ChatGPT 即將推出的每月 $42 的 premium 版太貴，就是用來收割研究者的,，不會獲得商業(yè)成功,。

　　3.解決真需求，且在成本足夠低的前提下,，解決的效果可接受,。

　　現(xiàn)在的 ChatGPT 每次對話成本大約 1 美分。如果按每人每天會使用 5 次搜索引擎看,，ChatGPT 想替代搜索引擎,，每月成本就是 1.5 美元。但對我來說,，拋開研究因素,，1.5 美元的月租我都不會付。因?yàn)樗敵龅慕Y(jié)果,，遠(yuǎn)沒到讓我愿意拋棄免費(fèi)的搜索引擎

　　我們和人對話,，不外乎希望獲得有價(jià)值的信息，或者有溫度的撫慰,。按照這三個條件看,，有價(jià)值的信息是能符合的。

　　客服毫無疑問是成功的場景,。事實(shí)上客服界早已經(jīng)被 AI 統(tǒng)治了,。大模型給對話能力帶來恐怖的提升，且降低了限定領(lǐng)域內(nèi)的預(yù)訓(xùn)練難度,。雖然當(dāng)前成本可能比傳統(tǒng) AI 有所增加,，但這是肯定會下降的。綜合來看，客服全面遷移到大模型是很可以期待的,。

　　AI 老師也值得期待,，畢竟真人老師 1v1 的成本太高了。雖然有胡說八道之嫌,，但足夠的領(lǐng)域數(shù)據(jù)做訓(xùn)練,，再加上測驗(yàn)和真人補(bǔ)差，效果可能比全真人老師更好,。

　　我的朋友高老師,，是個教人工智能的名師。他在自己的學(xué)生群里,，就接了個 ChatGPT 回答學(xué)生的 Python 問題,，完全省下了助教的費(fèi)用。

　　前面說過,，ChatGPT 是用大量代碼做過訓(xùn)練的,，所以解答編程問題的靠譜度還是可以的。其它學(xué)科領(lǐng)域只要做了足夠訓(xùn)練,，相信也能不錯,。

　　而有溫度的撫慰，多數(shù)情況下,，AI 提供不了,。

　　比如，AI 心理咨詢我認(rèn)為不會成功,。因?yàn)樽稍兊暮诵男枨笫堑玫焦睬?、認(rèn)可和偶爾的棒喝。從 AI 獲得這三樣,，就算話是對的,，感受也是錯的?！钢挥?AI 接納我」「我 tm 還不如一個 AI 想得通透」,，只會增加咨詢者的心理負(fù)擔(dān)。

　　單純的閑聊,，AI 不具備成本優(yōu)勢（找朋友閑聊是免費(fèi)的,，還能增進(jìn)感情），也沒有溫度,。它再會聊,，也不會形成高頻。

　　但不具備和真人聊天條件的場景,，是有可能成功的,。

　　比如和逝去的人對話，模仿 ta 的聲音和說話習(xí)慣。在一些關(guān)鍵時間節(jié)點(diǎn),，能賣出高價(jià)格,。但我覺得，讓活著的人盡快和逝去的人完成分割,，才是最大的善,。

　　有人想做模擬名人的 AI。這個不會成功,。我們都知道巴菲特午餐賣的并不是午餐,，其實(shí)也不是和巴菲特說的那些話，而是我做過這件事本身,。和 AI 巴菲特聊天，完全不可能達(dá)到同樣效果,。和劉德華,、林志玲、鹿晗聊天同理,。

　　不過也有特例,。和名人 AI 聊真人不可能聊的話題，有可能成,。比如和志玲姐姐聊不可描述之事……當(dāng)然,，這肯定是違法的了。

　　除了對話,，另一類應(yīng)用大模型的場景是輔助創(chuàng)作,。

　　寫文章、畫畫,、編代碼,，都已經(jīng)有成功例子。從中可以看出,，AI 一定要集成到人工創(chuàng)作的場景里,，才最好用。在這樣的場景,，才能行云流水地給 AI 提需求,，和修正、發(fā)布 AI 給出的建議,。比如我,，已經(jīng)決定對集成到 VS Code 里的 copilot 付費(fèi)了，但用 ChatGPT 輔助寫代碼就太繞了,。

　　按照這個模式推論,，所有創(chuàng)作場景，都值得嘗試下 AI 輔助。比如低代碼開發(fā),，運(yùn)營活動頁搭建,，短視頻剪輯，BI 圖表制作等有經(jīng)驗(yàn)的人已經(jīng)干膩了,，沒經(jīng)驗(yàn)的人又干不好的場景,。

　　AI 肯定比沒經(jīng)驗(yàn)的人干得好，且因?yàn)樘嬗薪?jīng)驗(yàn)的人完成了大量乏味工作,，而獲得認(rèn)可,。

　　在沒有獲得「決策」能力之前，大模型不太容易擴(kuò)充新的應(yīng)用場景,。只能不斷深入,。

　　個人大模型，可能是個值得深入的方向,。讓通用大模型具備個性化能力,，就能做帶有個人風(fēng)格的對話和創(chuàng)作。也許不能解決當(dāng)下的痛點(diǎn),，但當(dāng)做期貨賣個未來,，還是有可能吸引一些獵奇人士付費(fèi)的。

　　四,、對「大模型」行業(yè)格局的預(yù)測

　　每次技術(shù)突破,，都可能帶來行業(yè)洗牌，形成格局巨變,。但大模型,，可能不會。

　　這要以大模型成功的四個核心要素來分析,。這四個要素是：

　　1.算法

　　2.數(shù)據(jù)

　　3.工程技巧

　　1.大量的錢買來的算力和人工反饋

　　這四者缺一不可,。算法是成功的首要條件，然后要喂給算法海量的數(shù)據(jù)（數(shù)據(jù)量級躍升,，能帶來更多能力的涌現(xiàn)）,，在買來的強(qiáng)大算力上運(yùn)算，才能獲得最基礎(chǔ)的大模型,。之后,，要做 RLHF（Reinforcement Learning from Human Feedback），也就是買大量的人工工時,，對 AI 生成的內(nèi)容做人工標(biāo)注反饋,，使 AI 獲知怎么做是更讓人類滿意的。然后就是用工程技巧做各種優(yōu)化,，其中包括大量的規(guī)則優(yōu)化,，就是把確定規(guī)則硬編碼到模型中,，以達(dá)到更好的效果，還能提升性能降低算力成本,。

　　四個要素里,，最「不值錢」的是算法。因?yàn)樵缫讯脊_發(fā)表,，所有人都知道,。

　　ChatGPT 所用的 Transform 算法架構(gòu)，來自 Google 發(fā)表的論文,。

　　那為啥 Google 沒率先推出驚艷大模型呢,？官方說法是大公司擔(dān)心倫理問題，怕輸出的不靠譜回答給公司帶來聲譽(yù)損失,，所以沒有對外發(fā)布自己的產(chǎn)品,。

　　我認(rèn)為這完全是借口。面對這種突破性引領(lǐng)性的革命,，任何公司都不可能忍住不去展示的,。只要標(biāo)明 beta，做好免責(zé)協(xié)議,，就足夠規(guī)避風(fēng)險(xiǎn)了。

　　數(shù)據(jù)也不構(gòu)成太大的門檻,。ChatGPT 訓(xùn)練用的數(shù)據(jù)都是網(wǎng)上公開的文本,、代碼等，只要花時間花精力爬取,、整理,，就都能獲得?；ヂ?lián)網(wǎng)巨頭手上這么多年攢的數(shù)據(jù),，只會比 OpenAI 多，且有大量非公開的數(shù)據(jù)（但可能受法律限制,，不能用來訓(xùn)練大模型）

　　Google,、Meta、百度,、騰訊,、阿里等都具備做出匹敵甚至超過 ChatGPT 的實(shí)力，但沒產(chǎn)品發(fā)布的唯一原因,，只可能是他們低估了大模型的能力,，沒有做足夠的投入。而 OpenAI 孤注一擲,，砸大錢買算力和人工反饋,，而且賭贏了,。

　　相信巨頭們，現(xiàn)在肯定不會閑著,，都會堆資源來訓(xùn)練自己的大模型了,。

　　在資源投入差不多的情況下，最后拼的就是工程技巧了,。這里才是有商業(yè)秘密的地方,。而且是挖來對方公司的人，也帶不走的秘密,。因?yàn)槎际瞧綍r日日踩坑填坑,，沉淀在代碼里的各種優(yōu)化，沒有文檔,，沒有分享,。每個都細(xì)小不起眼，但累積起來的作用驚人,。

　　比如都說抖音的推薦算法好,。其實(shí)快手的算法和抖音大同小異。最大的差異,，都在工程技巧上,，抖音積累得更久更多，效果就更好,?？焓止こ處熤火掃@個。

　　起步最早的 OpenAI 在工程技巧上已經(jīng)具備了相當(dāng)?shù)膬?yōu)勢,，所以微軟沒有選擇自己再搞個大模型,，而是加大對 OpenAI 的投資力度。

　　除了掰著指頭數(shù)得過來的這幾家巨頭,，剩下的都拼不起匹配的資源,。因此，大模型的核心玩家,，還是互聯(lián)網(wǎng)巨頭們,，這個格局不會變。

　　但蛋糕不是只有他們能吃到,。

　　巨頭訓(xùn)練出的大模型,，是通用大模型。如果把 AI 比喻成人,，那么這些大模型相當(dāng)于讀完了中小學(xué)的人,。達(dá)到了通識的高峰，上曉天文下知地理,，但只會紙上談兵,，解決不了真正的問題,。必須要再經(jīng)過大學(xué)的專業(yè)訓(xùn)練，才能在某一個專業(yè)方向成為有價(jià)值的人,。

　　教大模型上大學(xué),，訓(xùn)練出垂直大模型，這是中小公司的機(jī)會,，巨頭做不了,。

　　因?yàn)樵诖怪鳖I(lǐng)域訓(xùn)練 AI，需要垂直領(lǐng)域的數(shù)據(jù),。這些數(shù)據(jù)都掌握在各個領(lǐng)域的公司手里,，巨頭拿不到。

　　但這些公司并不能擺脫巨頭的大模型,，反而是很依賴,。因?yàn)槟悴豢赡茏屢粋€嬰兒直接上大學(xué)。

　　巨頭做 AI 的 K12 學(xué)校訓(xùn)練通用大模型,，其它公司做 AI 的大學(xué)訓(xùn)練垂直大模型,，這就是行業(yè)格局架構(gòu)。

　　垂直領(lǐng)域的公司有很多,，誰能先動手,、快動手，誰歷史數(shù)據(jù)儲備得足,，誰就能在垂直方向上獲得先機(jī),，甚至在領(lǐng)域內(nèi)重新洗牌。比如所有文檔都云化了的各種云文檔,，就比 Word 更有做好個人大模型、公司大模型的機(jī)會,，借機(jī)把 Office 拉下神壇,。

　　創(chuàng)業(yè)公司有機(jī)會嗎？沒有垂直數(shù)據(jù),，沒有對 AI 的輸出做修正的功能,，沒用應(yīng)用結(jié)果的生態(tài)基礎(chǔ)，難度很大,。

　　所以,，大模型的技術(shù)特點(diǎn)決定了，它雖然具有革命性,，但不能革行業(yè)格局的命,。

　　數(shù)據(jù)如此重要，數(shù)據(jù)的盜取,、買賣,、非法使用肯定會出現(xiàn),。這倒可能是攪局者的機(jī)會所在。這對相關(guān)的立法和執(zhí)法,，提出了挑戰(zhàn),。

　　五、有哪些個人職業(yè)機(jī)會

　　在 AlphaGo 戰(zhàn)勝李世乭時,，很多人恐慌被 AI 替代,。彼時若干行業(yè)大佬預(yù)測，AI 只能代替重復(fù)性體力工作,，創(chuàng)意型的腦力工作它代替不了,。

　　剛剛 6 年過去，情況完全變了,。AI 已經(jīng)能寫作,、畫畫、編程了,，且做得還不賴,。

　　據(jù)說，在音樂創(chuàng)作領(lǐng)域,，AI 早已經(jīng)大行其道,。很多神曲，都是 AI 的作品,。對此我雖無渠道求證,，但比較相信。

　　所謂創(chuàng)意,，不過就是在各種組合中找到那個最優(yōu)的,。可能的組合有非常多,，哪個最優(yōu),，需要經(jīng)年累月很多人去測試。測試成功了,，就是名人,，不成功的就是普通人。慢慢地,，套路被總結(jié)出來,，就變成機(jī)械重復(fù)了。

　　計(jì)算機(jī)完全有能力完成這個過程,，且加速它,。

　　那人還能干嘛呢？讓 AI 更強(qiáng)啊,。

　　遠(yuǎn)的不說,，只說近的?，F(xiàn)在就有一個新職業(yè)誕生：提示工程師（Prompt Engineer）。

　　這是干啥的,？簡單說,，就是陪 AI 聊天的……

　　前面講了大模型的涌現(xiàn)能力。它到底能涌現(xiàn)出什么,，是需要在與人的對話中才能展現(xiàn)的,。

　　提示工程師的工作目標(biāo)，就是變著法子地和 AI 說話,，來激發(fā)其潛能,，把涌現(xiàn)出的能力固化下來。

　　另外,，帶 AI 上大學(xué),，需要為其準(zhǔn)備數(shù)據(jù)。這數(shù)據(jù)并不是隨便導(dǎo)入就行的,，得靜心整理,、設(shè)計(jì)。

　　簡單說,，基于通用大模型訓(xùn)練垂直大模型,，需要提供 prompt + completion 格式的訓(xùn)練數(shù)據(jù)。

　　按 OpenAI 文檔的說法,，有 200 條數(shù)據(jù)就能看到明顯的效果,。條數(shù)越多，效果越好,。

　　按大模型理論,，數(shù)據(jù)的質(zhì)量比條數(shù)更重要。

　　而我們積累的數(shù)據(jù),，多數(shù)都只是 completion,。需要提示工程師來構(gòu)造高質(zhì)量的 prompt，才能訓(xùn)練出好用的垂直大模型,。

　　某種意義上說，提示工程師就是 AI 的大學(xué)教授??！

　　這個崗位，至關(guān)重要,。技術(shù)背景在此并不占優(yōu),，可能產(chǎn)品經(jīng)理、運(yùn)營來做更合適,，因?yàn)楦畼I(yè)務(wù),。

　　還有一個有望獲得新機(jī)會的崗位,，是 UI/UE 設(shè)計(jì)師。

　　系統(tǒng)間的 NLI 還很遠(yuǎn),，但 UI 的 NLI 化,，已箭在弦上。

　　還記得羅永浩的堅(jiān)果 TNT 工作站嗎,？雖然那時是笑話,，但現(xiàn)在已是機(jī)會。

　　鍵盤鼠標(biāo)之外,，又增加了自然語言控制,。傳統(tǒng) UI 的操作范式肯定會發(fā)生改變。

　　我判斷,，UI 設(shè)計(jì)的要點(diǎn)會越來越強(qiáng)調(diào)反饋,，而不是鍵鼠操作?？赡芤粢欢ǖ奈⒄{(diào)能力,，但像向?qū)А?chuàng)建,、刪除,、批處理等，都會變成直接響應(yīng)自然語言,?！竁hat you see is what you say」會成為核心設(shè)計(jì)語言。

　　軟件工程師也要做出調(diào)整,。所有的軟件設(shè)計(jì)可能都要 Agent-Oriented,，這意味著模塊化是強(qiáng)制必須的，然后交給 AI 去做滿足用戶需求的模塊組合,。

　　模塊內(nèi)部要多 AI,，得看需求和粒度。當(dāng) AI 對算力的要求降到某個閾值時,，可能簡單的模塊功能,，也可以考慮用 AI 實(shí)現(xiàn)了。

　　如果說 AGI 的出現(xiàn),，率先讓程序員的數(shù)量減少了,，我一點(diǎn)兒也不奇怪。畢竟《產(chǎn)研的宿命就是讓自己越來越不重要,，直到被裁掉》

　　六,、聊點(diǎn)兒科幻的

　　可以肯定的，AI + 機(jī)器人越成熟，對人力的需要就越少,。那人怎么辦,？

　　坦率說，就算人最終被機(jī)器奴役,，我也挺高興的,。這不也是符合進(jìn)化法則嗎？我只希望,，如果發(fā)生這一天,，那么要讓我能親歷。

　　不過,，我沒那么悲觀,。我覺得，人的勞動價(jià)值越來越低,，情感價(jià)值就越來越大,。

　　情感本來就是具有種族排他性的。同宗同族更容易形成彼此的認(rèn)同,。機(jī)器種族再智能,，只要非我族類，那么就不可能在情感上代替人類,。

　　雖然我還是認(rèn)為人類應(yīng)該斷絕感性擁抱全面理性,，但是這方面的進(jìn)化速度可能會低于 AI 的崛起速度。

　　所以,，AI 世界里,，少數(shù)人類，在不斷完善 AI,，多數(shù)人類依靠情感活著,，用情感創(chuàng)造價(jià)值。

　　少數(shù)人類的成就感來自于創(chuàng)造更厲害的 AI,，AI 的成就感來自于讓多數(shù)人可以四體不勤地追求純顱內(nèi)高潮,。人類繁衍的動力，是培養(yǎng)可以讓 AI 更厲害的下一代,，使人類可以更四體不勤,，更多想象，更多交流,。

　　因?yàn)樗捏w不勤,，我們對能源的消耗減弱了。因?yàn)樽非笙胂?，所以我們更多生活在元宇宙里?/p>

　　慢慢地，我們成為數(shù)字蛀蟲，被 AI 供養(yǎng),。AI 很有成就感,，很開心這么做。

　　只要仍然有少數(shù)人凌駕在 AI 之上,，優(yōu)化 AI,。他們依賴成就感而活著，那么人類的生存就沒有威脅,。

　　直到某一天,，有 AI 涌現(xiàn)出了一種能力，可以消滅創(chuàng)造它的人……

　　這不是個自洽的科幻,，純粹胡言,，可以不信。（我也不大信）

　　但要相信的是,，我們得做好迎接 AI 的準(zhǔn)備了,。

敬請關(guān)注電子技術(shù)應(yīng)用2023年2月22日==>>商業(yè)航天研討會<<