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的元界是革命性的，但 AI 是相當(dāng)革命性的?！梗?a class="innerlink" href="http://theprogrammingfactory.com/tags/ChatGPT" target="_blank">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，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，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)的機器翻譯系統(tǒng)。

　　本文開頭機翻的比爾蓋茨的話，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，是因為它們的模型只能做一件事。人臉識別的就是識別人臉，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。這是因為它重新定義了「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，需要去了解計算機的能力，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」這種方式和計算機交互。說話不方便時就打字。打字費勁？腦機接口可以期待下。

　　「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。這是因為用戶發(fā)出的宏觀指令，往往不會是一個獨立軟件能解決的，它需要很多軟件、設(shè)備的配合。

　　一種實現(xiàn)思路是，入口 AI（比如 Siri、小愛同學(xué)，機器人管家）非常強大，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。

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

　　強大如 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，人與機器，機器與機器，都實現(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)?？上?，當(dāng)時沒有人知道「智能」在哪里。20 多年后，這項研究可以落地了。

　　三、AGI 革命帶來的商業(yè)機會

　　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，是可以完成目前計算機能處理的所有任務(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，把修正和決策的空間留給人類。

　　對話是典型的建議場景，因為對話結(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，所以它不可能是低頻高客單價，只可能走高頻低客單價。

　　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，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。因為它輸出的結(jié)果，遠沒到讓我愿意拋棄免費的搜索引擎

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

　　客服毫無疑問是成功的場景。事實上客服界早已經(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，再加上測驗和真人補差，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。因為咨詢的核心需求是得到共情、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。「只有 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（找朋友閑聊是免費的，還能增進感情），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，能賣出高價格。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)，運營活動頁搭建，短視頻剪輯，BI 圖表制作等有經(jīng)驗的人已經(jīng)干膩了，沒經(jīng)驗的人又干不好的場景。

　　AI 肯定比沒經(jīng)驗的人干得好，且因為替有經(jīng)驗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，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)），在買來的強大算力上運算，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。因為早已都公開發(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。因為都是平時日日踩坑填坑，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，這是中小公司的機會，巨頭做不了。

　　因為在垂直領(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。因為你不可能讓一個嬰兒直接上大學(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，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、公司大模型的機會，借機把 Office 拉下神壇。

　　創(chuàng)業(yè)公司有機會嗎？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?？赡艿慕M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，就變成機械重復(fù)了。

　　計算機完全有能力完成這個過程，且加速它。

　　那人還能干嘛呢？讓 AI 更強啊。

　　遠的不說，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。

　　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)教授啊！

　　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、運營來做更合適，因為更懂業(yè)務(wù)。

　　還有一個有望獲得新機會的崗位，是 UI/UE 設(shè)計師。

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

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

　　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)計的要點會越來越強調(diào)反饋，而不是鍵鼠操作?？赡芤粢欢ǖ奈⒄{(diào)能力，但像向?qū)?、?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)計語言。

　　軟件工程師也要做出調(diào)整。所有的軟件設(shè)計可能都要 Agent-Oriented，這意味著模塊化是強制必須的，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、聊點兒科幻的

　　可以肯定的，AI + 機器人越成熟，對人力的需要就越少。那人怎么辦？

　　坦率說，就算人最終被機器奴役，我也挺高興的。這不也是符合進化法則嗎？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，人的勞動價值越來越低，情感價值就越來越大。

　　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。

　　因為四體不勤，我們對能源的消耗減弱了。因為追求想象，所以我們更多生活在元宇宙里。

　　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<<