我們的工作機會，會被人工智能替代嗎？

過去幾個月，大模型發展很快也很強大。有多強呢？有一個段子可以描述：GPT4.0寫代碼的能力太優秀，以至於這功能剛發佈出來，開發這個功能的碼農就被裁員了，堪稱“自我革命”的典範。

這也導致大模型從問世時的“驚豔興奮”反而進入了“焦慮時刻”：人們開始擔心生成式人工智能普及，會導致大量員工失業，不利於經濟發展。

這個擔憂也不是無稽之談，比如國內有營銷公司就發郵件稱要減少創意設計、文案撰寫等崗位招聘而轉向AIGC；也有遊戲公司將原畫、翻譯等崗位收縮而也採用AI來完成；海外巨頭IBM也表示未來5年，預計約7800個崗位被人工智能和自動化替代。

人工智能取代人類的擔憂，從科幻電影到現實進展，早已見怪不怪。但過去幾十年也一直都是“狼來了”的狀態。這一次，狼真的來了嗎？

技術革命，顛覆與創造的必然

關於科技觀有一句值得玩味的話是：任何在我出生時已經有的科技，都是稀鬆平常的；任何在我15到35歲之間誕生的科技，都是將會改變世界的革命性產物；任何在我35歲之後誕生的科技，都是違反自然規律要遭天譴的。

於是，也就出現了“盧德分子”砸機器，希望砸回到“手工業時代”的故事。但結果卻是，一代代人從出生到老去，一代代科技從革命性到稀鬆平常，從“”遭天譴”到稀鬆平常，卻從未停止發展的腳步。正如凱文凱利多次論證過，“科技自有趨勢、潮流無法逆轉”。

可以說，每一次科技革命，都無法避免“顛覆與創造”。

先來看蒸汽時代。通常提到蒸汽機就會想到火車、紡織，但實際上瓦特改良蒸汽機是爲了“挖礦”。

和我國露天煤礦不同，英國的礦區很容易出現地下水。因此，要繼續挖礦，就必須抽出礦洞裡的水。傳統的做法，有用水車的，也有工人下井背水的。環境惡劣，效率低下。於是，蒸汽抽水機被髮明問世。

隨後瓦特又進行了改良，效率提升了三倍、耗能減少了75%，而之前負責背水的工人，則可以從事挖礦等更高薪的工作。蒸汽機，也被親切地稱之爲“礦工之友”。

但蒸汽機也並非得到的都是好評；比如在紡織業，蒸汽機使用了，發電的水力風車消失了、木匠失業了；船配置了蒸汽機，水手需求量減少了。然而，紡織行業效率提升，生產量增加，紡織工人崗位也增加了；輪船可以行駛得更快更遠，貿易大幅提升，參與生產的需求增加了、商人隊伍也龐大了。

同樣的，汽車、鐵路的出現，導致馬伕這個職業迅速消亡，但一位位司機卻出現了；沒有了釘馬掌的鐵匠、修理工，但有了汽車生產工人、維修工人，有了零部件生產商、有了4S店銷售公司等等。汽車產業成爲全球最大的工業體系之一，創造崗位數以億計。甚至在當下，又衍生出了代駕等新職業。

在通信領域，電報、電話的普及，導致郵政人員大量失業，但又誕生了發報員、電話接線員；互聯網的發展，又減少了電話、電報相關的工作，但也誕生了龐大的IT產業：交換機、電腦、電纜、系統、數據庫、應用等等領域。

可以看到，每一次生產力革命，都會讓一部分工作消失，但又創造出更多新工作崗位。正如法國經濟學家菲利普·阿吉翁通在報告中總結，因爲技術革新而造成的技術性失業的擔憂從來沒有變成現實。

這其中的核心在於，生產效率的全面提升。從微觀上，率先使用先進技術的公司，發展更快；宏觀上，每一次生產力革命都會人類經濟這個大蛋糕不斷變大。比如第二次工業革命期間，世界人均GDP翻3倍用了60年左右，但第三次信息革命世界人均GDP翻3倍，則只用了近30年。

國際勞工組織稱，到2030年，世界還需要設立6億多新崗位。這些新崗位的實現，會更多來自於新產業。立足當下，大模型，正讓人工智能煥然一新，醞釀出一次生產力大幅提升、堪比歷次工業革命的大浪潮。

大模型，讓人工智能煥然一新

在過去的六十餘年裡，人工智能確實數次讓人們“興奮、卻又空歡喜”：

從1956年正式定義了人工智能之後，研發便開始加速；規則，成爲人工智能發展的引擎。1966年，麻省理工學院發表了一篇文章，描述了世界上第一個聊天機器人“ELIZA”的誕生。在對話中，人們發現ELIZA很有同情心、會給人安慰，不少人認爲它可以替代心理醫生來和患者交流、治癒。

但隨後人們失望地發現，ELIZA只是用一些無關緊要的話來應對，智能談不上，主打一個“陪伴價值”。而嘗試將人工智能引入商業智能等領域，也只是一場“自相情願”。1973年一份報告總結“到目前爲止，該領域的任何發現都沒有產生當初承諾的重大影響”。

隨後人工智能經歷了框架理論、計算機視覺理論、大規模知識庫構建、統計機器學習、深度學習等重大理論技術突破，與此同時，人工智能也和“下棋”槓上了：1979年擊敗世界雙陸棋的人類冠軍、1997年深藍戰勝了國際象棋人類大師，2016年擊敗圍棋的人類頂級高手。

每一場比賽結果都引起軒然大波，甚至令棋王們“啜泣”，但只能在棋盤裡跳舞的人工智能，顯然也不是人類的追求。甚至人工智能也被稱爲“廢柴巨人”，看着強大、但除了燒錢，似乎也沒有他用。這個時期的困境，不只是算法，算力、數據也都還未準備好。

變化就在2018年開始發生。OpenAI發佈了GPT-1、谷歌發佈了BERT、“開天闢地”的Transformer橫空出世、百度也發佈了預訓練模型ERNIE1.0；2023年後ChatGPT、文心一言等大模型更是快速提升。

大模型，讓人工智能煥然一新：自監督學習模式，使得人工智能突破了過度依賴數據標註的困境，海量數據不再是負擔，而是“能量”。

伴隨着算力、尤其是GPU的指數級發展，隨着模型參數的不斷擴大，人工智能的能力也出現“指數躍升”：建模、多任務理解、關聯學習等能力都不再是線性增加，而是具備了小模型上觀測不到的能力，這也就是令人們驚歎興奮的“涌現”，促使人工智能從辨別式走向生成式。

人工智能應用也開始普及。從直觀來感受，大模型首先帶給我們的是“人機交互”的提升。早期的人機交互，是用文本命令行；大模型之後，我們就可以用自然語言進行人機對話。這就會重新定義營銷、客服等業務。

比如，傳統的客服機器人，都需要讓用戶來選擇數字，給出特定答案，對於數字之外的問題卻無能爲力，徒留用戶抓狂重新撥打人工，費時費力。但現在更智能的人工智能，會對各項問題進行理解，同時給出安慰等情緒價值，而且是24小時在線、全程無情感波動、甚至千人千面的專屬客服。

基於人工智能的原生應用也不斷涌現，比如Jasper基於人工智能可以完成營銷策劃、文檔生成；DoNotPay則是一個人工智能的專屬律師。微軟Bing、辦公軟件都接入了ChatGPT，百度文心一言也開放了接口，擴大應用生態。

ARK在《BIG IDEAS 2023》中預測，在到2030年，人工智能可以使知識工作者的生產率提高4倍以上。大模型的涌現，讓人工智能不再只是空中樓閣，棋盤之王；而是真的科技革命浪潮。

企業如何推動人工智能時代？

科技的落地，也會得益於微觀主體們的奮鬥。這幾個月，各大巨頭在大模型方面展現了“卷”的能力。但人工智能落地，並不只依靠模型，而是技術棧多個層面。技術棧也發生了非常根本的變化。

在大模型之前，各大企業主要在IT技術棧的三個層面發展：底層芯片等硬件層，中間操作系統層，最上層各類應用層。每一個層面的突破，都會相應促進其他層面提升。

就像PC時代，英特爾的微處理器，讓電腦普及成爲可能；微軟的操作系統，讓機器富有靈魂；層出不窮的應用商，爲用戶帶來了工作、娛樂、科研等等方面的全面效率提升。

在智能手機時代，底層芯片玩家有了ARM、英偉達，操作系統有了安卓、蘋果，應用層則誕生了搜索、電商、遊戲等各類巨頭。蘋果更是通過自研芯片和雲服務來提升護城河。這些企業聯手開拓了移動互聯網浪潮。

人工智能時代，IT的技術棧則變成了四層：芯片層、框架層、模型層、應用層。

底層的芯片層，從以CPU邏輯運算爲主，轉變爲並行運算佔據需求主流。而且芯片也在不斷演進，除了熟知的英偉達GPU之外，谷歌的TPU、百度的崑崙芯也都在研發落地，甚至有消息稱，微軟也計劃自研人工智能芯片。

百度在崑崙芯上的研發，也有了近十年時間，第三代產品預計在2024年初進行量產，這款芯片會爲生成式人工智能“精雕細琢”，良好用於千億參數規模的大模型訓練。

框架層，可以理解爲是一個集合了所有主流AI算法模型，以及使用說明的大型軟件倉庫。谷歌推出了TensorFlow，Meta開發了PyTorch，百度也自研了國內框架：飛槳PaddlePaddle。

飛槳的特點是工業、學術“兩開花”，低門檻、更懂國內場景，也培育了良好生態。IDC報告顯示，2022年飛槳在中國深度學習平臺市場當中，綜合份額第一。飛槳也聚集了535萬開發者，服務20萬家企業，開發了67萬個模型。

模型層，是目前的競爭高地。谷歌在5月發佈了第二代大語言模型PaLM 2，百度也在3月正式啓動了文心一言的內測。目前文心一言具備文學創作、商業文案創作、數理邏輯推理、中文理解和多模態生成等5種能力。

大模型一是會改變當前雲計算的格局，雲計算不只是看算力、存儲，而更多看大模型服務能力；二是可以生成巨大的產業生態，比如各行業可以結合開發垂直模型，提升效率；也可以基於大模型，開發原生人工智能應用。

應用層，目前整體處於從萌芽到生長的狀態。微軟開發了Copilot辦公套件，谷歌也提供辦公軟件DuetAI、Tailwind私人助理等多中應用，以及Notion、Jasper等獨立應用也快速發展。

百度在應用層面也具有不錯的佈局優勢，除了搜索之外，也有智能汽車、智能交通等“車路行”場景。比如，百度ACE智能交通解決方案可以讓通行效率提升15%-30%。

你追我趕纔是卷。巨頭們的比拼會讓人工智能爆發出更多活力。

長期趨勢的厚重

我們常說，人們容易低估長期趨勢的力量。而事實上，科技革命也並非立刻就爆發出增長。

比如蒸汽機在1712年誕生，但百年後，英國經濟纔有顯著的增長加速。電力革命第一波開始於1881年，但30年後，美國纔有不到10%的機械動力用電；又過了20年，美國的生產率增長才出現加速。

人工智能的影響也是如此。短期會看到一些重複性崗位的消失，但長期來看，一定是新的就業如筍而出，社會效率大幅提升。

對普通人而言，技術門檻也大幅降低，更容易享受到技術的紅利。

比如以操作系統爲例，最初是以輸入代碼“高度專業”的方式；隨後有了圖形界面和鼠標，可操作性大幅提升；人工智能時代，則更爲方便，輸入自然語言即可。精力的節省，可以投入更有創造性的工作，或者享受美好生活。

誠然，我們需要對人工智能的發展，設立邊界和合規；需要關注科技普惠的進展；但正如李彥宏在天津世界智能大會上所呼籲，“停止創新，不發明不創造不進步，按照慣性走下去，所帶來的各種各樣不可預知的風險，纔是人類最大的威脅”。擁抱人工智能，期待世界的下一個增長奇蹟。