（头图中 50% 的代码由 AI 编写）
最近，比尔盖茨在 reddit 回答网友提问。有人问当下「巨大的技术变革」是什么时，他回答说：
「AI 是个大人物。我不认为 Web3 有那么大，或者元宇宙本身的东西是革命性的，但 AI 是相当革命性的。」（Google 翻译）
「AI 是重要的。我不认为 Web3 那么重要或者说单独的元界是革命性的，但 AI 是相当革命性的。」（ChatGPT 翻译）
能和盖茨在 Web3 和人工智能的判断上一致，让我很开心。
另一件事，发生在朋友圈里。网易副总裁、杭州研究院执行院长汪源在讨论微软加大投资 OpenAI 能否赚钱时，说到：
这句话透露了两个信息：1. 网易杭研在大面积尝试应用 OpenAI 的能力；2. 为此要付不少服务费，但也愿意。
在网易工作过的都知道，要做一件对外付很多钱的事情，那一定是下了很大决心的。
可是，就在两个月前，OpenAI 还没有发布 ChatGPT 的日子，业界对 AI 其实是悲观的。
L4 级自动驾驶被证明太难做到了，很多公司开始放弃。我有一个在头部公司做核心算法的朋友，已经选择转行了。
AI 四小龙也风头不再，探索出的业务模式变成外包项目为主，且技术含量越来越低。
为什么 ChatGPT 一推出，会带来 180° 的态度变化？
这两个月，我和 ChatGPT 对话数百条，参加了三场相关的研讨会，与十几位学术界、企业界的专家交流，当然也读了很多资料，对以下问题形成了一些观察和思考。
ChatGPT 与以往的 AI 不同在哪里？它为什么有可能成为通用人工智能？
通用人工智能对信息技术行业最直接的冲击是什么？
商业机会在哪里？
行业格局会怎样？
个人职业发展会受到什么影响？
下面就谈一下我的观点，期待你的批评指正。
一、「大模型」敲开了通用人工智能的大门
ChatGPT 用的方法叫「大型语言模型（Large Language Models）」，简称 LLMs。中文习惯称为「大模型」。
简单说，它的思路就是把尽可能大量大量大量大量的数据通过 Transformer 架构做机器学习，就能从数据中学到很多很多很多很多能力，多到超出原始设计者的想象。
比方说，它在翻译方面的能力，不输于，甚至超过了专业的机器翻译系统。
本文开头机翻的比尔盖茨的话，我觉得 ChatGPT 就比 Google 翻译得要好上一个层次。唯一瑕疵是用了比较生僻「元界」，而不是更常用的「元宇宙」。但当我告诉它「元宇宙」更常用后，它立刻就能修正翻译：
据说，翻译能力并不是 ChatGPT 特别着意打造的，它只是读的多语言数据多了，就会了
再比如，ChatGPT 偶然把源代码加到了训练数据里，结果发现 AI 的推理能力获得了巨大提升。
传闻说，ChatGPT 在发布时，只是被当成又一个新版本的 demo 而已，OpenAI 并没觉得它会多强大（前几个版本市场反应也是寥寥）。是网友贴在社交媒体的对话截图，让 OpenAI 才知道，原来它还能这样这样这样这样这样！
有没有一丝丝觉得，ChatGPT 的机器学习能力，已经很像人类的学习过程了？
让小孩子学编程的主要原因，是锻炼孩子的逻辑思维能力。这不和 AI 读代码学推理是一回事吗？
古人就说，「读书百遍其义自见」，「熟读唐诗三百首，不会作诗也会吟」。如果有一个少年，他可以不眠不休地快速读书。我们不知道他读完全世界所有书之后会是什么样，但相信他一定会很厉害。
如此接近人，让很多专家承认，我们终于敲开了通用人工智能（Artificial General Intelligence，下文简称 AGI）的大门了！
以前的 AI，不是 AGI，是因为它们的模型只能做一件事。人脸识别的就是识别人脸，缺陷检测的就是检测缺陷（且只能检测一种缺陷，换了缺陷就得换模型）。AlphaGo 只会下围棋，换成五子棋就会被我狂虐。
而 ChatGPT 已经能够触类旁通，把从 A 学到的能力，用在 B、C、D、E、F 上。
学术界用「涌现（Emergent）」这个词来表述这种情况。请记住这个词，后面还会用到。
延续 ChatGPT 的一个研究热点是多模态大模型。简单理解，就是把语音、图像、视频等等各种类型的数据都灌进去，看能否用一个模型解决所有媒体的 AI 生成问题。
如果成功，那么再大胆假设一下，凡是数据，是不是都可以交给这个模型训练，让它学会如何从 A 生成 B？比如，从剧本直接生成电影，从 PRD 直接生成可执行的 App，从口头描述直接生成 3D 人物，从需求直接生成一切！
顺着这个逻辑，距离 AGI 是不是不远了？可别那么乐观。
现在只是打开了门。既不知道门后有什么，也不知道是不是开对了门。还有太多太多未知要面对和解决。
但这并不妨碍我们思考下，AGI 的世界，会对产业和我们个人带来什么变化。
有的变化，可能已经开始了……
二、AGI 的革命性不仅体现在智能本身
假定 AGI 已经实现。那么用 AI 可以代替人力，提升生产效率，降低生产成本，在更多领域释放 AI 的力量。其革命性毋庸置疑。
我想从另一个角度来探讨其革命性，那就是对信息技术自身的影响。用这样的终局思维，可以倒推出当下要做什么。
我认为，革命性的技术应该满足至少一个标志：
它让几乎每个软件系统都要做改造，甚至重做
符合这个标准的技术，之前有：
图形界面。成为软件系统的标配
Web 2.0。导致大量传统应用系统向 Web 迁移
移动互联网。导致几乎任何应用都要开发移动版。
Web3 不符合这个标准。我另有一文看衰它。
元宇宙当下和近期也不符合。AGI 实现之后，太多人无所事事，倒是有可能在元宇宙里醉生梦死。我会在本文最后一部分做分析。
我认为 AGI 是符合的。它能让所有软件系统几乎都要改造甚至重做，哪怕其核心功能并不需要智能。这是因为它重新定义了「接口（Interface）」。
无论用户界面（UI），还是软件系统之间的接口（API），它都会重新定义。
现在我们想要一个结果，需要去了解计算机的能力，掌握各种软件的操作方法，还要把自己的意图正确拆解为若干个操作软件的步骤，执行之，才能得到。
AGI 之后，人类终于可以用「说话」这种方式和计算机交互。说话不方便时就打字。打字费劲？脑机接口可以期待下。
「说」出想要的结果，就能得到结果。可能不尽如人意，再「说」出修改意见，效果即时呈现。当 UI 已可以如此美好，碰鼠标、摸屏幕的频率都会降低。
用户操作习惯的迁移，会逼所有软件，都得提供「自然语言界面（Natural Language Interface，简称 NLI）」。这是我生造的词，指的是以自然语言为输入的接口。
不仅用户界面要 NLI，API 也要 NLI 化。这是因为用户发出的宏观指令，往往不会是一个独立软件能解决的，它需要很多软件、设备的配合。
一种实现思路是，入口 AI（比如 Siri、小爱同学，机器人管家）非常强大，能充分了解所有软件和设备的能力，且能准确地把用户任务拆解和分发下去。这对入口 AI 的要求非常高。
另一种实现思路是，入口 AI 收到自然语言指令，把指令通过 NLI 广播出去（也可以基于某些规则做有选择的广播，保护用户隐私），由各个软件自主决策接不接这个指令，接了要怎么做，该和谁配合。
第二种思路，我认为更有可能成为行业标准。单 AI 搞定一切不太符合目前的技术路线和商业环境。各个软件在各自的专业领域里，能做出更佳的 AI 决策。第四部分会详述。
举个例子，我对 Siri 说：「我得新冠了」。Siri 把这句话广播给手机上的所有 App。于是，大家开始各自干活：
Apple Watch 打开了 24 小时血氧监测模式
米家 App 让空调提高温度，并询问我是否马上躺下休息，它可以关闭灯光和窗帘
饿了么建议我吃清淡食物，并推荐几款粥做明天的早餐，让我选择、预订
叮当买药推荐了附近能最快速度送到的退烧药，问我是否下单
猫眼电影建议我取消后天的电影票
Keep 通知我已取消未来一个月内预约的所有操课，还暂停了所有打卡
钉钉帮我起草了病假申请
微信问我要不要发个朋友圈？
当 NLI 成为事实标准，那么互联网上软件、服务的互通性会大幅提升，不再受各种协议、接口的限制。
比如现在华为、阿里、腾讯等都在争抢的物联网操作系统，表面看好像是在做内核，其实本质上是想成为最重要的那个万物互联的协议。
万物想要互联，大家首先要遵守同一个协议。谁的协议成为主流，谁就拥有了最高的话语权。
兼容多种协议，对厂商来说要增加很多成本。如果不兼容，就变成了所支持协议的附属。如果有个通用协议，就好了。
自然语言就是最好的通用协议，谁都可以兼容，谁都无法控制。甚至，说汉语、英语、爪哇语等任何语言都行。
在实现层面，NLI 的接口能极致简单。看看 ChatGPT 的 API 就知道了。
强大如 ChatGPT，无所不知，无所不晓，却只有一个接口函数（https://beta.openai.com/docs/api-reference/completions），16 个参数。
16 个参数里，最重要的只两个：model 和 prompt。其余的都是对生成结果的细节做控制，比较低频。
Model 是选择调用哪个模型。不同模型能力有所不同，价格也不同。
Prompt 是最核心的参数。它就是你在 ChatGPT 聊天框里输入的内容。完全自然语言，想怎么写都行。
所以，NLI 可以极简到甚至只有一个 prompt 参数，就能让所有软件系统形成协作。所有复杂的细节，都被处理 prompt 的 AI 解决了。
人与人，人与机器，机器与机器，都实现了无限制的交流。
为了支持 NLI，所有软件系统都必须集成一个 AI，以 AI 为总控来处理输入，生成输出。这就是 AGI 对信息技术领域带来的革命性变化。
其实相关的研究早就已经开展。在面向对象（Object-Oriented）之后，就有人提出面向智能体（Agent-Oriented）的概念，认为多智能体自治是未来构造软件的主要架构。可惜，当时没有人知道「智能」在哪里。20 多年后，这项研究可以落地了。
三、AGI 革命带来的商业机会
敲开 AGI 的大门，会看到很多很多弯弯曲曲的道路，都有可能通向 NLI，也可能不通。不管结果如何，现在路边就有可以尝试挖掘的金矿。
ChatGPT 及 DALL-E 等从文字生成图像的产品，被统称为 AIGC（AI Generated Content）类的产品。
它们的基础能力是根据一串输入（prompt），生成各种内容并输出。本质上来说，所有的软件系统，都是根据输入，生成输出。所以理论上来说，只要 AI 的能力足够强，是可以完成目前计算机能处理的所有任务的。只不过要从效果和成本两个维度看用 AI 还是传统方法更合适。
评价效果的分水岭，是我们把 AI 的输出当建议，还是当决策。
我们让 ChatGPT 写文章，但不会让它直接把文章发出去，而是一定要看过、改过再发。这就是把 AI 的输出当建议。
自动驾驶，该加速还是减速，该怎么转向，都是 AI 做出决定，并立即执行。这就是决策。
现在的 AI 经常「一本正经地胡说八道」，让它决策非常不靠谱。所以目前的 AI 产品，应该在「建议」这个场景下做设计，把修正和决策的空间留给人类。
对话是典型的建议场景，因为对话结论的执行还是需要人。ChatGPT 呈现的也就是一个 Chatbot，很容易自然想到在各种对话场景来使用它。比如客服、智能音箱、AI 老师等。
我认为能成功的 AI 对话场景要满足如下条件：
用户需要知道是在与 AI 对话。否则，就是诈骗了
对话频次要足够高。没人愿意为使用 AI 付高价，所以它不可能是低频高客单价，只可能走高频低客单价。
比如 ChatGPT 目前虽然 C 端访问量巨大，但多数人都是猎奇，频次不会高。刚需高频访问的，只有研究它的人。这类人虽然支付能力强，但人数非常少。所以我认为 ChatGPT 即将推出的每月 $42 的 premium 版太贵，就是用来收割研究者的，不会获得商业成功。
解决真需求，且在成本足够低的前提下，解决的效果可接受。
现在的 ChatGPT 每次对话成本大约 1 美分。如果按每人每天会使用 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。但对我来说，抛开研究因素，1.5 美元的月租我都不会付。因为它输出的结果，远没到让我愿意抛弃免费的搜索引擎
我们和人对话，不外乎希望获得有价值的信息，或者有温度的抚慰。按照这三个条件看，有价值的信息是能符合的。
客服毫无疑问是成功的场景。事实上客服界早已经被 AI 统治了。大模型给对话能力带来恐怖的提升，且降低了限定领域内的预训练难度。虽然当前成本可能比传统 AI 有所增加，但这是肯定会下降的。综合来看，客服全面迁移到大模型是很可以期待的。
AI 老师也值得期待，毕竟真人老师 1v1 的成本太高了。虽然有胡说八道之嫌，但足够的领域数据做训练，再加上测验和真人补差，效果可能比全真人老师更好。
我的朋友高老师，是个教人工智能的名师。他在自己的学生群里，就接了个 ChatGPT 回答学生的 Python 问题，完全省下了助教的费用。
前面说过，ChatGPT 是用大量代码做过训练的，所以解答编程问题的靠谱度还是可以的。其它学科领域只要做了足够训练，相信也能不错。
而有温度的抚慰，多数情况下，AI 提供不了。
比如，AI 心理咨询我认为不会成功。因为咨询的核心需求是得到共情、认可和偶尔的棒喝。从 AI 获得这三样，就算话是对的，感受也是错的。「只有 AI 接纳我」「我 tm 还不如一个 AI 想得通透」，只会增加咨询者的心理负担。
单纯的闲聊，AI 不具备成本优势（找朋友闲聊是免费的，还能增进感情），也没有温度。它再会聊，也不会形成高频。
但不具备和真人聊天条件的场景，是有可能成功的。
比如和逝去的人对话，模仿 ta 的声音和说话习惯。在一些关键时间节点，能卖出高价格。但我觉得，让活着的人尽快和逝去的人完成分割，才是最大的善。
有人想做模拟名人的 AI。这个不会成功。我们都知道巴菲特午餐卖的并不是午餐，其实也不是和巴菲特说的那些话，而是我做过这件事本身。和 AI 巴菲特聊天，完全不可能达到同样效果。和刘德华、林志玲、鹿晗聊天同理。
不过也有特例。和名人 AI 聊真人不可能聊的话题，有可能成。比如和志玲姐姐聊不可描述之事……当然，这肯定是违法的了。
除了对话，另一类应用大模型的场景是辅助创作。
写文章、画画、编代码，都已经有成功例子。从中可以看出，AI 一定要集成到人工创作的场景里，才最好用。在这样的场景，才能行云流水地给 AI 提需求，和修正、发布 AI 给出的建议。比如我，已经决定对集成到 VS Code 里的 copilot 付费了，但用 ChatGPT 辅助写代码就太绕了。
按照这个模式推论，所有创作场景，都值得尝试下 AI 辅助。比如低代码开发，运营活动页搭建，短视频剪辑，BI 图表制作等有经验的人已经干腻了，没经验的人又干不好的场景。
AI 肯定比没经验的人干得好，且因为替有经验的人完成了大量乏味工作，而获得认可。
在没有获得「决策」能力之前，大模型不太容易扩充新的应用场景。只能不断深入。
个人大模型，可能是个值得深入的方向。让通用大模型具备个性化能力，就能做带有个人风格的对话和创作。也许不能解决当下的痛点，但当做期货卖个未来，还是有可能吸引一些猎奇人士付费的。
四、对「大模型」行业格局的预测
每次技术突破，都可能带来行业洗牌，形成格局巨变。但大模型，可能不会。
这要以大模型成功的四个核心要素来分析。这四个要素是：
算法
数据
工程技巧
大量的钱买来的算力和人工反馈
这四者缺一不可。算法是成功的首要条件，然后要喂给算法海量的数据（数据量级跃升，能带来更多能力的涌现），在买来的强大算力上运算，才能获得最基础的大模型。之后，要做 RLHF（Reinforcement Learning from Human Feedback），也就是买大量的人工工时，对 AI 生成的内容做人工标注反馈，使 AI 获知怎么做是更让人类满意的。然后就是用工程技巧做各种优化，其中包括大量的规则优化，就是把确定规则硬编码到模型中，以达到更好的效果，还能提升性能降低算力成本。
四个要素里，最「不值钱」的是算法。因为早已都公开发表，所有人都知道。
ChatGPT 所用的 Transform 算法架构，来自 Google 发表的论文。
那为啥 Google 没率先推出惊艳大模型呢？官方说法是大公司担心伦理问题，怕输出的不靠谱回答给公司带来声誉损失，所以没有对外发布自己的产品。
我认为这完全是借口。面对这种突破性引领性的革命，任何公司都不可能忍住不去展示的。只要标明 beta，做好免责协议，就足够规避风险了。
数据也不构成太大的门槛。ChatGPT 训练用的数据都是网上公开的文本、代码等，只要花时间花精力爬取、整理，就都能获得。互联网巨头手上这么多年攒的数据，只会比 OpenAI 多，且有大量非公开的数据（但可能受法律限制，不能用来训练大模型）
Google、Meta、百度、腾讯、阿里等都具备做出匹敌甚至超过 ChatGPT 的实力，但没产品发布的唯一原因，只可能是他们低估了大模型的能力，没有做足够的投入。而 OpenAI 孤注一掷，砸大钱买算力和人工反馈，而且赌赢了。
相信巨头们，现在肯定不会闲着，都会堆资源来训练自己的大模型了。
在资源投入差不多的情况下，最后拼的就是工程技巧了。这里才是有商业秘密的地方。而且是挖来对方公司的人，也带不走的秘密。因为都是平时日日踩坑填坑，沉淀在代码里的各种优化，没有文档，没有分享。每个都细小不起眼，但累积起来的作用惊人。
比如都说抖音的推荐算法好。其实快手的算法和抖音大同小异。最大的差异，都在工程技巧上，抖音积累得更久更多，效果就更好。快手工程师只馋这个。
起步最早的 OpenAI 在工程技巧上已经具备了相当的优势，所以微软没有选择自己再搞个大模型，而是加大对 OpenAI 的投资力度。
除了掰着指头数得过来的这几家巨头，剩下的都拼不起匹配的资源。因此，大模型的核心玩家，还是互联网巨头们，这个格局不会变。
但蛋糕不是只有他们能吃到。
巨头训练出的大模型，是通用大模型。如果把 AI 比喻成人，那么这些大模型相当于读完了中小学的人。达到了通识的高峰，上晓天文下知地理，但只会纸上谈兵，解决不了真正的问题。必须要再经过大学的专业训练，才能在某一个专业方向成为有价值的人。
教大模型上大学，训练出垂直大模型，这是中小公司的机会，巨头做不了。
因为在垂直领域训练 AI，需要垂直领域的数据。这些数据都掌握在各个领域的公司手里，巨头拿不到。
但这些公司并不能摆脱巨头的大模型，反而是很依赖。因为你不可能让一个婴儿直接上大学。
巨头做 AI 的 K12 学校训练通用大模型，其它公司做 AI 的大学训练垂直大模型，这就是行业格局架构。
垂直领域的公司有很多，谁能先动手、快动手，谁历史数据储备得足，谁就能在垂直方向上获得先机，甚至在领域内重新洗牌。比如所有文档都云化了的各种云文档，就比 Word 更有做好个人大模型、公司大模型的机会，借机把 Office 拉下神坛。
创业公司有机会吗？没有垂直数据，没有对 AI 的输出做修正的功能，没用应用结果的生态基础，难度很大。
所以，大模型的技术特点决定了，它虽然具有革命性，但不能革行业格局的命。
数据如此重要，数据的盗取、买卖、非法使用肯定会出现。这倒可能是搅局者的机会所在。这对相关的立法和执法，提出了挑战。
五、有哪些个人职业机会
在 AlphaGo 战胜李世乭时，很多人恐慌被 AI 替代。彼时若干行业大佬预测，AI 只能代替重复性体力工作，创意型的脑力工作它代替不了。
刚刚 6 年过去，情况完全变了。AI 已经能写作、画画、编程了，且做得还不赖。
据说，在音乐创作领域，AI 早已经大行其道。很多神曲，都是 AI 的作品。对此我虽无渠道求证，但比较相信。
所谓创意，不过就是在各种组合中找到那个最优的。可能的组合有非常多，哪个最优，需要经年累月很多人去测试。测试成功了，就是名人，不成功的就是普通人。慢慢地，套路被总结出来，就变成机械重复了。
计算机完全有能力完成这个过程，且加速它。
那人还能干嘛呢？让 AI 更强啊。
远的不说，只说近的。现在就有一个新职业诞生：提示工程师（Prompt Engineer）。
这是干啥的？简单说，就是陪 AI 聊天的……
前面讲了大模型的涌现能力。它到底能涌现出什么，是需要在与人的对话中才能展现的。
提示工程师的工作目标，就是变着法子地和 AI 说话，来激发其潜能，把涌现出的能力固化下来。
另外，带 AI 上大学，需要为其准备数据。这数据并不是随便导入就行的，得静心整理、设计。
简单说，基于通用大模型训练垂直大模型，需要提供 prompt + completion 格式的训练数据。
按 OpenAI 文档的说法，有 200 条数据就能看到明显的效果。条数越多，效果越好。
按大模型理论，数据的质量比条数更重要。
而我们积累的数据，多数都只是 completion。需要提示工程师来构造高质量的 prompt，才能训练出好用的垂直大模型。
某种意义上说，提示工程师就是 AI 的大学教授啊！
这个岗位，至关重要。技术背景在此并不占优，可能产品经理、运营来做更合适，因为更懂业务。
还有一个有望获得新机会的岗位，是 UI/UE 设计师。
系统间的 NLI 还很远，但 UI 的 NLI 化，已箭在弦上。
还记得罗永浩的坚果 TNT 工作站吗？虽然那时是笑话，但现在已是机会。
键盘鼠标之外，又增加了自然语言控制。传统 UI 的操作范式肯定会发生改变。
我判断，UI 设计的要点会越来越强调反馈，而不是键鼠操作。可能要留一定的微调能力，但像向导、创建、删除、批处理等，都会变成直接响应自然语言。「What you see is what you say」会成为核心设计语言。
软件工程师也要做出调整。所有的软件设计可能都要 Agent-Oriented，这意味着模块化是强制必须的，然后交给 AI 去做满足用户需求的模块组合。
模块内部要多 AI，得看需求和粒度。当 AI 对算力的要求降到某个阈值时，可能简单的模块功能，也可以考虑用 AI 实现了。
如果说 AGI 的出现，率先让程序员的数量减少了，我一点儿也不奇怪。毕竟《产研的宿命就是让自己越来越不重要，直到被裁掉》
六、聊点儿科幻的
可以肯定的，AI + 机器人越成熟，对人力的需要就越少。那人怎么办？
坦率说，就算人最终被机器奴役，我也挺高兴的。这不也是符合进化法则吗？我只希望，如果发生这一天，那么要让我能亲历。
不过，我没那么悲观。我觉得，人的劳动价值越来越低，情感价值就越来越大。
情感本来就是具有种族排他性的。同宗同族更容易形成彼此的认同。机器种族再智能，只要非我族类，那么就不可能在情感上代替人类。
虽然我还是认为人类应该断绝感性拥抱全面理性，但是这方面的进化速度可能会低于 AI 的崛起速度。
所以，AI 世界里，少数人类，在不断完善 AI，多数人类依靠情感活着，用情感创造价值。
少数人类的成就感来自于创造更厉害的 AI，AI 的成就感来自于让多数人可以四体不勤地追求纯颅内高潮。人类繁衍的动力，是培养可以让 AI 更厉害的下一代，使人类可以更四体不勤，更多想象，更多交流。
因为四体不勤，我们对能源的消耗减弱了。因为追求想象，所以我们更多生活在元宇宙里。
慢慢地，我们成为数字蛀虫，被 AI 供养。AI 很有成就感，很开心这么做。
只要仍然有少数人凌驾在 AI 之上，优化 AI。他们依赖成就感而活着，那么人类的生存就没有威胁。
直到某一天，有 AI 涌现出了一种能力，可以消灭创造它的人……
这不是个自洽的科幻，纯粹胡言，可以不信。（我也不大信）
但要相信的是，我们得做好迎接 AI 的准备了。
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
