马斯克联名呼吁暂停AI大模型研发6个月，理由是给社会带来风险，其曾称人工智能可能会毁灭人类文明；比尔盖茨说GPT是他一生中第二次让他印象深刻的技术演示，上一次把他送上世界首富的PC图形界面；而黄仁勋发布人工智能芯片H100，称是AI时代的时刻。
上线5天用户破百万，两月用户月活过一亿，成为历史上增长最快的消费级应用，手机用了16年，web用了7年，用了4.5年，只用了两个月。
企业老板们要思考业务会不会被人工智能重构，如何转型升级业务和商业模式，而打工人焦虑的是会不会失业，会不会被人工智能替代，如何提升自己在人工智能时代的竞争力。而在这波热潮里，送水类服务，账号买卖付费社群etc，已经挣到第一桶金。
在这些讨论里，除了技术创新带来的震撼和可能性，也有各利益相关方的推动，媒体需要新流量，资本需要新故事，创业者需要新希望，普通人需要新话题，多少带点情绪和煽动，不一定都是事实，很多结论是基于成功的归纳总结和包装。
00
要点
带来的不是人工智能技术范式的变化，它真正创造的价值，是让每个像我们一样的普通人用上了AI这个生产力工具，它将开启个体大规模应用AI的智能时代。
不是，而是个超级APP，它是个微信，依然需要依赖其它硬件和平台上去输出自己的能力。
自然语言交互，对后面整个互联网软件应用生态，是一个变革性的能力，所有应用都能用AI式的交互再做一遍。
大模型的竞争，是资源的竞争，最终的格局可能是BAT+H+T5家和一两家创业公司+多家垂直行业大模型共存。
意义是人赋予的，对意义的定义和感受，是人跟机器最大的不同，意义来自于体验，创造和分享。
职业划分这个事情，为了简化，但未必合理，有时代的局限性，更需要讨论的是什么能力会被替代，而不是什么职业会被替代。
01
它是什么
的表现形式是一个聊天机器人，是基于GPT（ Pre- ）自然语言处理大模型衍生的一个应用。相对于其他同类的产品，在上下文的理解，回答的准确性，广泛的场景支持，都有非常突出的表现，突破点在于它引入了RLHF：基于人类反馈的强化学习方法。
它在尝试做一个通用人工智能AGI（ ），从局部AI到通用AI，从垂直行业到所有行业，它是一个通用人工智能的雏形，是通用人工智能的一种可能性。
它像一个全能全知的助手（如果这个能力所有人都可以用，未来世界是怎样？个人的竞争力在哪里？你怎样与别人不同？），有整个人类的知识体系，能随时调用回答你的问题，它可以对这些知识做排列组合展示优化，给到最匹配用户需求的答案，本质上还是Y=F(X)的解法，只是X是上一步生产的Y，它依然是个概率匹配的问题，只是在对问题的匹配概率更高效果更好。
在当下，我们很难说它有创造知识的能力，更不会像人一样有情感，之所以有时候感觉像人，或者回答很有用，部分是因为用户在使用时就设定了自己对机器「人」的期待，另外是在产品的设计上，产品经理功不可没。
一是它模拟人类对话的方式甚至是语气词，让自己感觉与人对话的温度。二是在答案呈现的时候，结构化的列个一二三，显得逻辑很清晰，满足人性对确定性的需求，人很容易被这种的形式的答案说服，即使很多时候的答案并不准确。三是答案输出有时快有时慢有时要等好久，特别是一个字一个字往外蹦时，会有一种跟人在交流的错觉。
到目前为止，人工智能70年的发展历史，是大力出奇迹的历史，更多的数据，更多的参数，更强的计算能力，做出一个更好的算法模型，这种形式对算力的需求会不会有瓶颈？算法模型大到一定程度对效果提升是不是有局限？
GPT是个黑盒，我们不知道达到这个智能程度，它结构是什么，能力是从哪里涌现出来，甚至的人再做一遍都不一定能保证这个效果，当我们没有办法解构它，我们就没法理解和预测它，那未来它智能的天花板在哪里，这是个问题。
当然，单纯讨论的能力到底行不行，没有建设性，只是需要对AI的能力边界有个清晰的认识，最核心的事情，其实是如何把GPT和的能力结合到现有产品和行业上。
02
当下AI处在什么时间点上
带来的不是人工智能技术范式的变化，它是神经网络模型的优化，也谈不上是数字化体系的下一代计算平台和新模式升级，它更多的是对当下数字化平台的补充、提升和加速，它更像是一个微信级别的超级APP，内核是GPT模型。
但不影响它开启的AI对互联网和各行各业变革性的改造，它真正创造的价值，是让每个像我们一样的普通人用上了AI这个生产力工具，它开启AI大规模应用的智能时代。
如果AI在当下和局部很难理解，那么拉大时间尺度，拉出结构，找到它的驱动力，能帮助我们更好的去分析它。
AI技术的成熟度
代表的生成式 AI只是AI的一个细分方向，一个起点，处在期望膨胀期，距离真正的落地创造价值，还有2-5年的时间，很多时候我们用觉得，很有用，是它启发了我们思考和学习，它离正真的价值创造，还有一段路径，简单来说就是你付的会员的钱，通过挣回来了吗。AGI通用人工智能的阶段就更为早期，通用人工智能这个命题是否成立，还值得商榷。
数字化的体系结构
数字化的本质，是针对大规模的信息，通过计算平台，用芯片+算法，来提升我们解决任务的能力。相对于人脑+其他工具（算盘、笔和纸张），它的计算能力更强，规模更大，产生的效益也越高，它是大脑的部分替代和延伸，AI是用来提升数字化计算的效率和交付需求的精准度。
数字化的发展，基本上都是由计算平台的发展和规模驱动，平均每12年有新一代的计算平台诞生，每一代计算平台的诞生，都会产生数字化结构性的机会。计算平台核心的结构，由前台、后台构成，前台以交互的效应和规模来驱动。后台是以计算资源的规模和能够覆盖的空间来驱动。
判断是否是下一代计算平台，主要是看有没可能形成新的商业生态，前端是否有更自然高效的交互方式，新终端硬件的成熟度，是否有杀手级应用，以及其他基础支撑技术能力是否成熟，特别重要的是有没有一个定义性的体验产品来驱动生态的发展，如web时代的浏览器，移动互联网的。
PC时代的交互是从笔跟纸切换到图形界面，硬件是图形化PC，企业办公软件是杀手级应用，它把企业的办公和管理数字化了，商业生态是以为核心的软件开发者生态。
移动互联网的交互从鼠标键盘转到手指和触屏，是定义性的产品，微信类社交产品是杀手级应用，应用商店则驱动了整个商业生态的正向循环，它数字化了人的行为，手机成了人体器官的延伸。
元宇宙是下一代互联网，AR是下一代计算平台，但在当下，不管是在多模态手势语音交互方式的提升，硬件入口XR硬件产品成熟度，杀手级的应用，还有整个商业生态的建设，都遇到瓶颈，但它的普及只是时间问题。
GPT很像会开启下一代的计算平台，它有更自然的交互方式，也有商业生态形成的可能性，但是目前还缺少支撑它新的硬件终端，后面很有可能是AR眼镜或者机器人。
不过AI人工智能本身是个技术形式，它不像互联网和元宇宙，是模式的概念，把当下为代表的AI去和以往的计算平台对比，没有太多的可比性，也会产生很多误导。它没法类比开启移动互联网的，GPT4不是，不是iOS，也不是App Store。
GPT是个AI技术基础设施，是个算法模型，他更像是一个可调用的中心化的能力，通过API的形式展现，需要依赖电脑和手机等终端上，给各类型的应用做赋能，提供新的产品特性。
是个超级APP，它是个微信，依然需要依赖其它硬件和平台上去输出自己的能力，是微信小程序，基于微信平台的能力，会衍生出各种基于微信组建构建的应用。
如何基于现有的互联网平台和商业生态，用GPT的能力，把原来的应用用AI提升或者重构一遍，像微软把自身产品用GPT重构一样，或是基于这个超级APP去构建轻量化的小程序，是一个值得参考的路径。
人类文明演进的范式
人类财富增长的历史，是技术驱动的历史，技术是推动人类发展核心的驱动力，经济是技术外延的表现形式。
技术的本质，是通过改造自然现象，来满足人类需求，它通过不断的组合老的技术，不断的满足人类各种形式的需求，来推动社会进步和经济发展，技术对自然现象改造的能力越强，对人类需求的满足范围越大越精准，社会财富总量的创造就越快越大。AI通过算法提升改造自然现象能力和更精准满足人类需求。
整个宇宙，一切事物可以简单的总结为：宇宙=能量+信息，能量是一切的源头，物质是能量的表现形式，信息是能量和物质的符号，组织和调用方的式。
能量密度越大，对能量组织效率越高，产生的效益就越大。AI通过算法，提高信息的组织效率来提高了能量的转化效率，能量转化效率的提高，意味着技术满足人类需求的能力越高，人类财富就自然增长就越快。
农业文明把太阳能和人的劳动力，通过光合作用转化出来食物，食物是最大的财富，工业文明把能量密度更高的煤和石油，通过电和人的知识技能，更高效的转化成财富，所以有了飞机汽车，而数字文明本身，能源并没有太多改变，但是组织能源的方式发生了极大的变化，计算机和人工智能，把数据转化为信息，在信息中抽取知识，用知识来组织，提升人类社会现有的资源和能力，把财富创造的总量和速度提升到一个更大的量级。
从这个角度看，GPT开启的不只是下一个计算平台，它会颠覆原来所有计算平台和商业生态，不只是数字化计算平台的升级，而是数字文明范式的更新，从原来的信息时代，跨步到智能时代。但它不会来得太快，人往往太高估一个事情短期的影响，忽视中期的影响，低估长期的影响，互联网把世界拉平，人工智能把世界缩小。
以上都是类比和归纳，它的局限性在于，希望用过去小模型的经验去预测大模型可能发生的不确定的未来，发布的时候，我们并不知道它会开启一个怎样的新时代，虽然很多人都会说第一眼看到就知道新时代来了。
当下我们所处的时间点是AR、VR、5G、AI、区块链，3D等各种快速融合发展的阶段，AI与其他技术相结合，会创造出很多新的东西，创造出新的行为、思维模式、工作方式、商业模式和新的不确定性。
在确定性消失的时代，思想最大的问题是以为确定性的方法可以解决不确定性的问题。
03
带来的可能性
更自然的交互
生成式AI可能会创造出一种更为深刻的人机关系，用户端的最大变化，是因为后端智能的提升，信息展示架构更简单，降低了前端的交互复杂度度，相对移动互联网，从触屏操作到自然语言交互的升级，它的交互路径更短更自然，拿求职应用举例：
原来用户需要浏览大量岗位信息才找到匹配的工作，现在只需要说几句话，AI就能精准的给你匹配工作。求职1.0是上51job投简历等电话，求职2.0是上boss直聘刷招聘需求直接找老板聊，基于AI的求职3.0可以直接通过自然语言的表达，跟机器人聊。
在聊天过程中让AI推荐最合适的工作，减少求职者大量信息的筛选，降低使用门槛，提高匹配的效率，它的产品形态，可以就是个式的对话框。
PC互联网是鼠标+键盘 mouse+，移动互联网是手指+触屏++GPS+，AI时代是自然语言+麦克风voice++各种。
这也是整个人机交互的趋势，它沿着信息展现越来约简单，交互越来越自然，路径越来越短，精准度越来越高，互动性越来越强的方向在发展，最极致的情况是脑机接口。
自然语言交互，对后面整个互联网软件应用生态，是一个变革性的能力，所有应用都能用AI式的交互再做一遍。
商业模式的变化
类生成式应用一个很大的特点在于，上线即可以收费，不像互联网应用，需要先免费圈用户再找盈利模式，相对于互联网提供信息，移动互联网做交易和服务的撮合，类的生成式应用，一上来就能直接提供价值，或者说它提供的是生产力工具，所以它能直接收费，从免费到收费，这是无到有的巨大区别，也能从中看到此类应用的价值。
如果你开发一个生成式AI应用，还需要思考要不要收费，那你需要思考的是，这个应用，到底有没有为用户创造价值，它值得做吗？
超级个体和公司小型化
超级个体和公司的小型化趋势，在短视频和直播已经体现的非常明显，微信抖音等超级平台提供了完善的生态和工具，让每个有特长的个体，都能基于平台创造价值。
带来了低成本强智能获得方式，提高价值创造的速度，企业和个人能以足够低的成本以及便捷的方式获得这个能力，来提高生产的效率，从而减少团队的规模，甚至是产生一人团队，对大公司也一样，公司平台汇集资源，下面落地具体业务的团队会越来越小，有时候团队规模太大反而会产生太高的协同成本。
创造价值，很多时候不是凑够一波人，而是找到合适的方法路径，善用合适工具，网传营收一个亿美元的图片生成工具，核心团队只有11人。
04
带来的机会和挑战
带来这波AI的浪潮，算不算个大的结构性机会，我不知道，机会有大小，有时间点，但没有高低，对个人来讲要看合不合适，对企业来说要评估的是是否在战略规划上，能不能提升现有业务价值，有没有竞争优势。
但能确定的是，它将对每个企业的运营，对每个个体工作与生活，都将产生非常大的影响与挑战。
大模型
当下吸引眼球的是做中国的AI大模型，把别人干过的事情用中国式的方式再干一遍，赛道足够性感，也足够拥挤，对数据，算力，人才密度，资金，节奏把控的要求很高。
基于中国的国情和互联网环境，最后的终局可能是BAT+H+T5家和一两家创业公司+多家垂直行业大模型共存，参考下当下中国自然语言处理和云的产业格局。
有一个比较大的问题是，大模型，怎样才算大？是否需要专门的人工智能模型或垂直行业模型用于不同的用途——比如一个用于教育，一个用于医疗，另一个用在制造，还是只需要一个通用的人工智能？
中国大模型是个相对确定的事情，基本可以照着的路径往前走，但确定性高的竞争，通常是资源的竞争，未必是模型和算法本身，特别是云的竞争，大模型可以算是云原生，云厂商和大模型厂商的竞争关系会非常微妙，即有竞争也有合作。
大厂本身有算力，数据，人才，最重要的是有具体能落地的场景和应用，大模型可以直接赋能给自身产品，提升现有产品的竞争优势，创造商业价值，缺点在于本身有盈利压力，还有各大业务线的相互限制，普通大众和股民的期望过高， bard和百度发布文心一格发布后股价暴跌就是个很好的例子。
从各个方面看，创业公司都没有太大的优势，除了没有组织和业务的包袱，更适合当下快速变化不确定性的环境，可能就是叫相信相信的力量，也证明靠使命和愿景驱动，未必会比资源丰富的大公司做得差，但这个关键点在于，当时做的是创造，当下大家想做的更多是复制，这有本质上的区别。
当然，对做通用大模型公司来讲，沉淀基础能力后做垂直行业的大模型或者应用，先放再收，可能是个更好的选择，通用大模型创造的价值最大，但是创造价值，跟获得价值是两回事，如果非得把比作做操作系统的话，那获得最大价值的，不是操作系统，是基于操作系统的应用。
如果沿着的路径走，未必能跑出来，这里还有几个挑战：
1、GPT3发布于2020年，GPT4早在2022年8月就发布了，这中间的差距最少两年，能否追赶或者得花多长时间，追上了意义有多大。
2、大模型盈利模式不够清晰，投入到实现盈亏平衡的时间是多长，特别是在国内这种竞争环境下。
3、 GPT会以什么样的方式落地到中国。
