5月15日，中國(guó)科技產(chǎn)業(yè)智庫(kù)「甲子光年」在北京中關(guān)村東升科技園萬(wàn)麗酒店舉辦「AI創(chuàng)生時(shí)代——2024甲子引力X科技產(chǎn)業(yè)新風(fēng)向」大會(huì)。甲子光年創(chuàng)始人&CEO 張一甲重磅發(fā)布主題報(bào)告《AI創(chuàng)生時(shí)代，2024中國(guó)AI新風(fēng)向30條判斷》。以下為報(bào)告詳細(xì)內(nèi)容。

歡迎來(lái)到甲子引力XAI創(chuàng)生時(shí)代。

1.AI一天，人間一年

AI一天，人間一年。用一個(gè)詞形容過(guò)去一年的AI行業(yè)，你會(huì)說(shuō)什么？

1.2 一場(chǎng)技術(shù)hype的壓縮版

過(guò)去一年，我們經(jīng)歷了AI hype的壓縮版。

1.3 AI進(jìn)入史上最密集的進(jìn)展發(fā)布期

從2月份Sora發(fā)布以來(lái)，AI進(jìn)入史上最密集的進(jìn)展發(fā)布期。

1.4 人工智能對(duì)五大生產(chǎn)要素同時(shí)產(chǎn)生顯著影響

AI的重要性在于，它對(duì)五大生產(chǎn)要素同時(shí)產(chǎn)生顯著影響，而這些生產(chǎn)要素的影響是相互關(guān)聯(lián)的。勞動(dòng)創(chuàng)造技術(shù)，技術(shù)需要數(shù)據(jù)也需要資本。

1.4.1 勞動(dòng)力：極化與平權(quán)，AI改寫勞動(dòng)的第一性原理

首先看AI對(duì)勞動(dòng)力的影響。有兩個(gè)特征比較顯著，一個(gè)是極化，一個(gè)是平權(quán)。

極化：用AI和不用AI的人群，使用AI的人擁有更高的生產(chǎn)力。比如，使用Microsoft Copilot或Github Copilot的員工相比未使用者，完成任務(wù)的時(shí)間減少了26%至73%。

平權(quán)：在使用AI的群體中，AI逐漸抹平普通人和專業(yè)人士差距。兩組咨詢師在采用人工智能后都經(jīng)歷了績(jī)效提升，高技能（排名前一半）參與者顯示出了16.5%的增長(zhǎng)，而低技能（排名后一半）參與者表現(xiàn)出了43.0%的改進(jìn)。

除了極化與平權(quán)，AI讓知識(shí)的獲取成本無(wú)限逼近于0，意味著勞動(dòng)的第一性原理被改變。

1.4.2 技術(shù)：AI寫入所有技術(shù)的DNA，改變研發(fā)審美

再看AI對(duì)技術(shù)的影響。最直接的影響是，AI會(huì)寫入所有技術(shù)的DNA——AI成為技術(shù)背后的技術(shù)，工具背后的工具，比如，使用AI之后，人類在蛋白質(zhì)解析、病毒預(yù)測(cè)、天氣預(yù)報(bào)等很多方面都表現(xiàn)出顯著的能力提升。

這也驅(qū)動(dòng)著技術(shù)審美取向發(fā)生集體變化：之前是智慧推動(dòng)，現(xiàn)在是智慧+資源推動(dòng)，從simple is beautiful到“粗暴計(jì)算”也是美，大模型的出現(xiàn)會(huì)抹平很多細(xì)分技術(shù)的差異，有點(diǎn)像物理學(xué)進(jìn)入大型粒子對(duì)撞機(jī)時(shí)代。

另一方面，AI改變技術(shù)突破的邏輯。過(guò)去技術(shù)研發(fā)是“以果求因”模式，先有推測(cè)，后通過(guò)實(shí)驗(yàn)驗(yàn)證；未來(lái)技術(shù)研發(fā)將變?yōu)椤坝梢蚣肮?，AI可以涌現(xiàn)大量未知技術(shù)。

此外，AI改變科研，也在推動(dòng)技術(shù)跨界、學(xué)科融合。

1.4.3 數(shù)據(jù)：從用不上到用得上，從找出來(lái)到造出來(lái)

AI讓數(shù)據(jù)要素真正被用起來(lái)。Gartner預(yù)測(cè)，相比于2022年，到2025年企業(yè)數(shù)據(jù)利用率可以提高到400%。

另一方面，研究人員預(yù)測(cè)了未來(lái)大模型訓(xùn)練數(shù)據(jù)集規(guī)模的增長(zhǎng)趨勢(shì)。結(jié)果表明：高質(zhì)量的語(yǔ)言數(shù)據(jù)將會(huì)在2026年用光。因此，合成數(shù)據(jù)的重要性日益提高，已經(jīng)成為訓(xùn)練用數(shù)據(jù)的主要來(lái)源渠道之一。2024年，預(yù)計(jì)用于訓(xùn)練AI的數(shù)據(jù)中有60%將是合成數(shù)據(jù)，到2030年AI使用的絕大部分?jǐn)?shù)據(jù)將是人工智能合成的。

數(shù)據(jù)要素方面，AI讓數(shù)據(jù)從用不上到用得上，從找出來(lái)到造出來(lái)。

1.4.4 資本：AI總投資下降，生成式AI投資占比快速上升

然后是對(duì)資本的影響。受制于資本環(huán)境的影響，AI的總投資額從2021年往后是逐年下降的，生成式AI的投資額占比在快速上升。

1.4.5 土地：數(shù)字鏈條拉長(zhǎng)，物理鏈條縮短，信息態(tài)資產(chǎn)指揮物質(zhì)態(tài)資產(chǎn)

AI對(duì)土地的影響更像是替代作用——數(shù)字鏈條拉長(zhǎng)，物理鏈條縮短，AI驅(qū)動(dòng)的世界，是信息態(tài)資產(chǎn)指揮物質(zhì)態(tài)資產(chǎn)的世界。

1.5 整體的大共識(shí)，局部的非共識(shí)

過(guò)去一年最大的特征是，大共識(shí)已經(jīng)形成：AI是未來(lái)。但也有很多認(rèn)知沒(méi)有收斂，形成了各種爭(zhēng)議：開源、閉源，AI商業(yè)化如何閉環(huán)？千億參數(shù)、長(zhǎng)文本、多模態(tài)，大模型的關(guān)鍵指標(biāo)是什么？規(guī)模法則的天花板在哪？Transformer是不是最優(yōu)解？OpenAI、英偉達(dá)，是否存在鐵王座？世界模型與AGI是否擁有唯一路徑？AI究竟是否會(huì)失控？一些具體的問(wèn)題，我們會(huì)在今天的圓桌論壇里討論，在這里，我們先概括幾個(gè)顯著特征。

1.6 明牌游戲與me too競(jìng)爭(zhēng)：你一旦有，我馬上有

首先，AI已經(jīng)變成了一場(chǎng)明牌游戲——一旦先行者跑通了，驗(yàn)證了，后來(lái)者的速度就加快了。從結(jié)果看，AI很像是一場(chǎng)me too競(jìng)爭(zhēng)：你一旦有，我馬上有。過(guò)去一年AI的追趕周期明顯在縮短。GPT-3、文本生成、千億參數(shù)、Sora、長(zhǎng)文本，第二名和第一名發(fā)布時(shí)間的間隔越來(lái)越短。每開一場(chǎng)發(fā)布會(huì)，英雄座次表就可能變化。

1.7 先發(fā)優(yōu)勢(shì)還是后發(fā)優(yōu)勢(shì)？低端顛覆：第二名永遠(yuǎn)是投入產(chǎn)出比最高的？

一方面，AI似乎有先發(fā)優(yōu)勢(shì)：先行者可以有數(shù)據(jù)飛輪；另一方面，AI似乎有后發(fā)優(yōu)勢(shì)：后來(lái)者的投入產(chǎn)出比更劃算。

紅杉資本透露，AI行業(yè)去年僅在英偉達(dá)芯片上就花費(fèi)了500億美元，但產(chǎn)出的營(yíng)收只有30億美元，17:1的投入產(chǎn)出比——這個(gè)數(shù)字是好還是不好？從好的方面看，作為對(duì)比，SaaS花了近 10 年才達(dá)到這個(gè)收入水平，從壞的方面看，AI的商業(yè)閉環(huán)還沒(méi)有形成。OpenAI顯然是喜歡先發(fā)優(yōu)勢(shì)的，但很多市場(chǎng)派喜歡后發(fā)優(yōu)勢(shì)。之前傅盛和我說(shuō)，商業(yè)的本質(zhì)是低端顛覆。這是不是意味著，第二名反而永遠(yuǎn)是投入產(chǎn)出比最高的？這個(gè)問(wèn)題，我們一會(huì)兒巔峰論壇可以聊一聊。

2.開啟AI創(chuàng)生時(shí)代

在科技發(fā)展的長(zhǎng)河中，我們正站在一個(gè)特殊的歷史交匯點(diǎn)。一方面，令人矚目的技術(shù)成就正以史無(wú)前例的密度迭代，另一方面，我們也面臨著諸多從未有過(guò)的挑戰(zhàn)，如技術(shù)范式的分叉與爭(zhēng)議、算力與電力的緊缺、AI“錢景”不明的質(zhì)疑，以及版權(quán)、隱私、真假信息、倫理等復(fù)雜問(wèn)題。

甲子光年智庫(kù)在今年3月發(fā)布的報(bào)告提出“AI創(chuàng)生時(shí)代”的概念。這是一個(gè)新的歷史階段，生產(chǎn)力變革與生產(chǎn)關(guān)系變遷同時(shí)發(fā)生，AI技術(shù)從數(shù)字世界滲透到物理世界，逐漸逼近并超越人類的生產(chǎn)活動(dòng)行為邊界，形成人類智慧之外的“第二智慧體系”。在AI創(chuàng)生時(shí)代，我們關(guān)注技術(shù)范式如何收斂，關(guān)注技術(shù)躍進(jìn)如何重塑千行百業(yè)，更關(guān)注此刻的每一個(gè)決定對(duì)未來(lái)社會(huì)經(jīng)濟(jì)結(jié)構(gòu)的深遠(yuǎn)影響。

2.1 AI改變世界的兩大維度：AI主語(yǔ)化+AI映射力

AI改變世界有兩大維度。第一，AI主語(yǔ)化：從人主導(dǎo)向AI主導(dǎo)，人的主導(dǎo)權(quán)逐漸讓渡，AI主語(yǔ)化了；第二，AI映射力：AI對(duì)物理世界的映射能力逐漸增強(qiáng)，逐漸實(shí)現(xiàn)人類能力的趕超，從大腦、小腦到體力。

2.2 AI改變世界的四個(gè)階段：AI生產(chǎn)時(shí)代、AI原生時(shí)代、AI創(chuàng)生時(shí)代、AI文明時(shí)代

從AI的兩條主線展開，甲子光年智庫(kù)將AI改變世界的過(guò)程劃分為四個(gè)階段：

• L1-AI生產(chǎn)時(shí)代：人類為主， AI為輔， AI對(duì)物理世界的映射能力低。AI引發(fā)各產(chǎn)業(yè)的生產(chǎn)力變革，迎來(lái)“工業(yè)革命”，大幅提升生產(chǎn)效率。

• L2-AI原生時(shí)代：AI為主，人類為輔， AI對(duì)物理世界的映射能力低。AI滲透率將無(wú)限逼近直到超越人類在數(shù)字世界的生產(chǎn)活動(dòng)行為邊界。

• L3-AI創(chuàng)生時(shí)代：人類為主，AI為輔， AI對(duì)物理世界的映射能力高。 AI逐漸滲透逼近人在物理世界的生產(chǎn)活動(dòng)行為邊界。

• L4-AI文明時(shí)代：AI為主，人類為輔， AI對(duì)物理世界的映射能力高，人類文明進(jìn)入“雙生時(shí)代”。

值得一提的是，1956年達(dá)特茅斯會(huì)議開始，AI路線被劃分為符號(hào)主義、聯(lián)結(jié)主義、行為主義。L1和L2以符號(hào)主義和聯(lián)結(jié)主義為主要發(fā)展方向，L3則疊加行為主義（具身智能）。等到L4AI文明時(shí)代，則是實(shí)現(xiàn)了三個(gè)主義的三流匯一。

2.3 AI在不同階段意味著什么？

AI在不同階段意味著什么？在L1的AI生產(chǎn)時(shí)代，AI意味著第二生產(chǎn)力，關(guān)鍵是降本增效，推動(dòng)數(shù)字化轉(zhuǎn)型，本質(zhì)是效率、成本問(wèn)題；在L2的AI原生時(shí)代，AI意味著第二語(yǔ)言，新的交互形式與內(nèi)容載體；在L3的AI創(chuàng)生時(shí)代，AI意味著人類之外的第二主體，推動(dòng)端上智能、軟硬結(jié)合、世界模型落地；在L4的AI文明時(shí)代，AI意味著第二文明體系。

2.4 信能比的下一步，AI改變世界的評(píng)估體系

去年4月份，甲子光年智庫(kù)提出了評(píng)估智能新世代的評(píng)估指標(biāo)：“信能比”，反映單位能源所能駕馭的信息量。最近，甲子光年智庫(kù)在信能比的基礎(chǔ)之上進(jìn)一步完善了評(píng)估體系，在信息與能源之外新增一個(gè)維度：行為。

能源、信息和行為是現(xiàn)代社會(huì)和自然界中三個(gè)基本而相互關(guān)聯(lián)的概念——科技的進(jìn)步，就是三者之間轉(zhuǎn)化能力加強(qiáng)的反映。

【能源與行為：用生產(chǎn)率度量】在傳統(tǒng)工業(yè)時(shí)代，是能源向行為的轉(zhuǎn)化。

【能源與信息：用信能比度量】現(xiàn)代信息技術(shù)非常依賴能源。在這個(gè)轉(zhuǎn)化過(guò)程中，AI影響世界的進(jìn)程處于L1-L2階段。

【信息與行為：用信產(chǎn)率度量】信息指導(dǎo)行為。在這個(gè)轉(zhuǎn)化過(guò)程中，AI向物理世界的滲透能力不斷提高，這就是L3。

隨著AI對(duì)物理世界映射能力的不斷優(yōu)化，將會(huì)在實(shí)踐中構(gòu)建一條AI影響世界發(fā)展的動(dòng)態(tài)平衡線。正構(gòu)建AI與人類共生的雙生文明，這就是L4。這個(gè)基本框架可以讓我們來(lái)分析此刻AI及其影響、機(jī)會(huì)和可持續(xù)性。

3.30個(gè)判斷

從這個(gè)框架展開，我們可以進(jìn)入具體的30個(gè)判斷。

3.1 L1：AI生產(chǎn)時(shí)代

【判斷1】AI生產(chǎn)時(shí)代本質(zhì)仍是供給側(cè)改革，以泛化能力降本增效

剛才講到，L1-AI生產(chǎn)時(shí)代的核心是數(shù)字生產(chǎn)力，仍屬于數(shù)字化轉(zhuǎn)型的范疇。人工智能對(duì)供給端的影響將遠(yuǎn)大于互聯(lián)網(wǎng)，底層邏輯仍是降本增效、供給側(cè)改革，核心模式是to B。L1的著眼點(diǎn)往往是在老需求上提供新的供給能力，而非開辟新場(chǎng)景。

四小龍時(shí)代，AI飽受詬病的是定制化服務(wù)的投入難以支撐to B的商業(yè)閉環(huán)，“有多少個(gè)客戶，就有多少個(gè)模型”；但進(jìn)入AI生成時(shí)代，大模型通過(guò)預(yù)訓(xùn)練擁有了更泛化的智慧，使得定制化投入可以下降。

【判斷2】算力江湖沒(méi)有鐵王座，基建化與市場(chǎng)化各有分工

AI生產(chǎn)時(shí)代，算力是生產(chǎn)力的壓艙石。這里面最大的命題是，要解決算力供需結(jié)構(gòu)的矛盾。

算力江湖包括算力生產(chǎn)者、算力調(diào)度者、算力服務(wù)者，以及算力消費(fèi)者。他們有各自需要解決的問(wèn)題。

第一，算力生產(chǎn)者：需要應(yīng)對(duì)算力供給與需求之間的結(jié)構(gòu)性矛盾，解決算力資源浪費(fèi)和低水平重復(fù)建設(shè)等問(wèn)題。如果“一哄而上”地建設(shè)，反而可能造成資源浪費(fèi)和效率低下，比如有些智算中心建成后用不起來(lái)，不得不把機(jī)器關(guān)掉。因此，算力生產(chǎn)者需要不斷進(jìn)行技術(shù)創(chuàng)新，比如黃仁勛認(rèn)為算力在未來(lái)要做到10年100萬(wàn)倍，這是技術(shù)創(chuàng)新的flag。

第二，算力調(diào)度者：算力需求非常多樣化，因此算力要互聯(lián)互通，解決算力資源分配不均和優(yōu)化調(diào)度的難題。

第三，算力服務(wù)者：要解決算力使用門檻較高的問(wèn)題。算力的使用需要技術(shù)知識(shí)和操作技能，有些公司點(diǎn)亮不了，有的點(diǎn)亮以后用不起來(lái)；此外，還有能耗及數(shù)據(jù)安全問(wèn)題要被解決。

第四，算力消費(fèi)者：更加關(guān)注成本效益問(wèn)題。

在這四個(gè)層級(jí)中，有的適合基建化，有的適合市場(chǎng)化，一個(gè)健康的算力生態(tài)應(yīng)該是一個(gè)各司其職的生態(tài)。比如，算力生產(chǎn)可以通過(guò)大規(guī)?；ɑ瘉?lái)優(yōu)化，而調(diào)度和運(yùn)營(yíng)服務(wù)則更適合市場(chǎng)化。

舉一個(gè)例子，星凡星啟（成都）科技有限公司，專為解決國(guó)產(chǎn)算力生態(tài)問(wèn)題而設(shè)計(jì)，深度適配常用的大小模型、開發(fā)工具鏈以及多種國(guó)產(chǎn)芯片，確保計(jì)算資源得到充分利用，提高大模型推理性能，統(tǒng)一管理軟硬件和大模型，一個(gè)入口即可自動(dòng)提供大模型全流程開發(fā)及應(yīng)用服務(wù) 。

它代表了這個(gè)行業(yè)涌現(xiàn)的一批創(chuàng)業(yè)公司——核心關(guān)注點(diǎn)是讓算力更可用：一體化交付、低成本建設(shè)、低使用門檻、極致性能。

整個(gè)“算力江湖”的構(gòu)成是極其復(fù)雜和多元的，并不存在一個(gè)能夠統(tǒng)領(lǐng)全局的“鐵王座”——因?yàn)橹挥兴懔┙o足夠“包羅萬(wàn)象”，才能滿足算力需求足夠多的“奇形怪狀”。

【判斷3】AI算力運(yùn)營(yíng)商，讓算力真正“用起來(lái)”

這里我們需要強(qiáng)調(diào)：讓算力“用起來(lái)”的重要性不亞于讓算力產(chǎn)出來(lái)。

一方面，算力場(chǎng)景的多樣性需要異構(gòu)算力，另一方面又迫切需要異構(gòu)算力下的能力開放和統(tǒng)一管理，尤其是在自動(dòng)駕駛、智能制造等新興業(yè)務(wù)領(lǐng)域，需要靈活和便捷的資源匹配。

從這張圖看出：算力調(diào)度是算力的鏈條中居于中間不可或缺的一環(huán)。這就涌現(xiàn)了一個(gè)新的角色：AI算力運(yùn)營(yíng)商。AI算力運(yùn)營(yíng)商利用算力調(diào)度平臺(tái)，平衡算力供需，降低門檻，提升利用率。

舉個(gè)例子，善思開悟。善思開悟作為HPC+AI異構(gòu)計(jì)算的代表企業(yè)，擁有豐富的自持及代運(yùn)營(yíng)算力資源，全線裝備高端GPU，具備先進(jìn)的組網(wǎng)能力，通過(guò)靈活的資源調(diào)配，提供高效、穩(wěn)定及創(chuàng)新的傳輸、計(jì)算服務(wù)，目前已完成四輪融資。公司匯聚了多名國(guó)內(nèi)外優(yōu)秀人才，擁有國(guó)內(nèi)領(lǐng)先的萬(wàn)卡經(jīng)驗(yàn)集群組網(wǎng)團(tuán)隊(duì)，其與中山大學(xué)共創(chuàng)“AI創(chuàng)新賦能聯(lián)合實(shí)驗(yàn)室”，依托其高性能計(jì)算平臺(tái)，深化人工智能技術(shù)產(chǎn)業(yè)應(yīng)用。

【判斷4】讓大模型如虎添翼，多溝通（提示詞工程）、多讀書（RAG）、多練習(xí)（模型微調(diào)）

大模型要被企業(yè)用起來(lái)，需要融入到企業(yè)現(xiàn)有的場(chǎng)景中。核心有三條路：提示詞工程、RAG（檢索增強(qiáng)式生成）和模型微調(diào)。

方法1：多溝通——提示詞工程（Prompt Engineering）

很多時(shí)候，用戶經(jīng)過(guò)摸索可以很快構(gòu)建出高效的提示詞解決自己的問(wèn)題。然而，當(dāng)你發(fā)現(xiàn)自己要構(gòu)建的模板越來(lái)越復(fù)雜卻仍然無(wú)法滿足要求，這就是需要引入RAG或者微調(diào)的信號(hào)。

方法2：多讀書——檢索增強(qiáng)式內(nèi)容生成（RAG：Retrieval-Augmented Generation）

RAG的核心是為大模型補(bǔ)充知識(shí)。任何的大模型一旦訓(xùn)練完成就變成了一個(gè)靜態(tài)的文件，當(dāng)你問(wèn)ChatGPT自己公司內(nèi)部有關(guān)年假的相關(guān)規(guī)定，它無(wú)法準(zhǔn)確回答，而當(dāng)你持續(xù)對(duì)話時(shí)，它又會(huì)遺忘之前的信息。需要為模型提供更多上下文的時(shí)候，就需要用到RAG技術(shù)。RAG特別適用于那些需要大量知識(shí)的任務(wù)。

方法3：多練習(xí)——微調(diào)（Fine-tuning）

微調(diào)之所以稱為微調(diào)，是因?yàn)椴皇菑牧汩_始，是基于一個(gè)預(yù)訓(xùn)練好的基礎(chǔ)模型通過(guò)繼續(xù)訓(xùn)練來(lái)調(diào)整模型行為。這個(gè)過(guò)程和我們所說(shuō)的熟能生巧和舉一反三的過(guò)程很像。這個(gè)過(guò)程所使用的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)小于預(yù)訓(xùn)練模型所需要的數(shù)據(jù)量，基本在基礎(chǔ)訓(xùn)練量的1%左右。

這3個(gè)方法不是非此即彼而是相互配合。對(duì)于企業(yè)技術(shù)管理者來(lái)說(shuō)，重要的是構(gòu)建一種機(jī)制，讓企業(yè)內(nèi)部具備持續(xù)改進(jìn)的能力，不斷逼近更加高效、可擴(kuò)展、經(jīng)濟(jì)可行的方案。

【判斷5】合成數(shù)據(jù)≠高質(zhì)量數(shù)據(jù)，模型的“自我提升能力”是未來(lái)看點(diǎn)

如開頭講，合成數(shù)據(jù)的使用比例大幅上升，然而合成數(shù)據(jù)≠高質(zhì)量數(shù)據(jù)。2023年發(fā)表的一項(xiàng)研究揭示了僅使用合成數(shù)據(jù)，隨著訓(xùn)練代數(shù)的增加，模型輸出質(zhì)量可能逐漸下降。例如，在右圖生成的面部圖像逐漸顯示出奇怪的、類似哈希標(biāo)記的圖案，嚴(yán)重影響真實(shí)感。

這引出了一個(gè)關(guān)鍵的問(wèn)題：模型能否生成比其訓(xùn)練數(shù)據(jù)更好的合成數(shù)據(jù)，從而實(shí)現(xiàn)自我提升？模型能不能“吃草擠奶”？如果模型能夠生成比原始訓(xùn)練更高質(zhì)量的數(shù)據(jù)，那么這個(gè)迭代飛輪的上限就打開了。合成數(shù)據(jù)的自我提升上限及其實(shí)際可行性，仍是需要探討的問(wèn)題。

【判斷6】開源不等于免費(fèi)，閉源不等于賺錢，背后是一本供給端的經(jīng)濟(jì)賬

前陣子李彥宏發(fā)表“開源模型會(huì)越來(lái)越落后”的言論進(jìn)一步引起了大模型開閉源的爭(zhēng)論。開源OR閉源，爭(zhēng)論的到底是什么？

2019-2023年，開源模型的數(shù)量大于閉源模型的數(shù)量。就模型能力而言，4月19日發(fā)布的開源大模型Llama 3在多項(xiàng)性能基準(zhǔn)上展現(xiàn)了行業(yè)領(lǐng)先水平，開源界的Mistral、Grok、DBRX近期也都展示出與GPT-4“同代”的水平。技術(shù)快速迭代正在逐步縮小開閉源模型的性能差。

值得強(qiáng)調(diào)的是，開源不等于免費(fèi)，閉源不等于賺錢，現(xiàn)在不管開源、閉源，幾乎都不賺錢——二者不是對(duì)立關(guān)系，背后是一本供給端的經(jīng)濟(jì)賬，經(jīng)濟(jì)的可持續(xù)性才是這場(chǎng)爭(zhēng)論的本質(zhì)。

【判斷7】上云不等于便宜，下云不等于安全，一本需求端的經(jīng)濟(jì)賬

馬斯克收購(gòu)X（原Twitter）一周年之際，X團(tuán)隊(duì)說(shuō)了一件事：他們優(yōu)化了X的云服務(wù)使用方式，將更多工作負(fù)載遷往本地，這一轉(zhuǎn)變使X每月的云成本降低了60%。X為何下云？

多數(shù)企業(yè)將上云視為降本增效的關(guān)鍵。然而，許多企業(yè)在公有云上的支出超出預(yù)算平均達(dá)15%，且在IaaS和PaaS上的浪費(fèi)率高達(dá)27%。這促使企業(yè)開始尋求更有效的云資源管理方法。

IBM報(bào)告指出，80%的企業(yè)已經(jīng)考慮或正在考慮將已經(jīng)部署在公有云上的工作負(fù)載遷回私有的基礎(chǔ)設(shè)施。那么，上云是不是還是必選題？

各家之言有很多身份決定立場(chǎng)的成分。上云不等于便宜，下云不等于安全。上云下云背后，是一個(gè)涉及財(cái)務(wù)、戰(zhàn)略、技術(shù)的全面賬本，企業(yè)需要綜合評(píng)估，才能做出更明智的決策。

【判斷8】AI+企業(yè)管理，從構(gòu)建超級(jí)智能管理助手開始

剛才談了供給端和需求端的經(jīng)濟(jì)賬，那么，L1時(shí)代具體的交付模式是什么，價(jià)值如何落地呢？

我們可以看看金蝶。通過(guò)金蝶云·蒼穹AI平臺(tái)、AI管理助手和AI應(yīng)用，企業(yè)可以按自身的場(chǎng)景和需求進(jìn)行自由擴(kuò)展、定制、組裝，適配自身業(yè)務(wù)需求的AI助手；與此同時(shí)，企業(yè)還能同步調(diào)用金蝶自研大模型、開源和第三方云廠商大模型，進(jìn)行訓(xùn)練、精調(diào)和優(yōu)化，最終構(gòu)建從數(shù)據(jù)到智能決策的一體化企業(yè)級(jí)AI解決方案。

這就像一個(gè)超級(jí)智能管理助手，讓數(shù)字老板成為可能。企業(yè)數(shù)智化建設(shè)正在進(jìn)入“數(shù)字老板”時(shí)代。

3.2 L2：AI原生時(shí)代

3.2.1 本質(zhì)

【判斷9】 AI原生的核心特征是端到端，AI不斷逼近“最短路徑”

AI原生時(shí)代的關(guān)鍵詞是數(shù)字世界，AI主導(dǎo)。

AI原生時(shí)代的核心特征之一是端到端的處理能力，這種能力使得AI系統(tǒng)能夠直接從原始輸入到最終輸出之間建立一個(gè)直接的映射關(guān)系，而無(wú)需人為經(jīng)歷中間的多個(gè)處理步驟。在這個(gè)特征中，AI不斷逼近“最短路徑”，軟件不斷取代服務(wù)。AI Agent就是這種端到端的具體表現(xiàn)。

【判斷10】AI原生與互聯(lián)網(wǎng)底層邏輯的變化：未來(lái)是生成的

AI原生和互聯(lián)網(wǎng)原生的最核心變化是什么？黃仁勛說(shuō)：未來(lái)是生成的。他的意思是什么？

以圖像存儲(chǔ)為例，過(guò)去，字母“A”被簡(jiǎn)化為像素的集合，每個(gè)像素以二進(jìn)制形式存在；現(xiàn)在，我們不再將字母“A”單純地視為一個(gè)由像素構(gòu)成的靜態(tài)圖像，而是將其視為一個(gè)多維空間中的一個(gè)點(diǎn)，無(wú)論字體、大小或風(fēng)格，這個(gè)多維表示都能泛化并識(shí)別出其特征；未來(lái)， 計(jì)算機(jī)不僅僅是理解這個(gè)多維點(diǎn)，而是主動(dòng)地理解信息的上下文和含義，不僅僅看到圖像的表面，而是洞察其背后的概念和情境。這個(gè)過(guò)程逼近人類思考方式。

注意，這個(gè)變化有著深刻的哲學(xué)底色，人腦構(gòu)建現(xiàn)實(shí)，不是靠存儲(chǔ)像素，而是思考“概念”——“概念”是一種非常高級(jí)的智慧，哲學(xué)家們已經(jīng)思考了幾千年。

而未來(lái)，概念不是靜態(tài)的，而是一個(gè)動(dòng)態(tài)的、不斷演變的過(guò)程。未來(lái)不是提前存進(jìn)去、用的時(shí)候搜出來(lái)的，未來(lái)是生成的，是響應(yīng)式的。其中，AI搜索是這種變化很鮮明的表現(xiàn)，比如，新一代搜索與老一代搜索的最大區(qū)別是長(zhǎng)的輸入帶來(lái)的上下文感知能力。

3.2.2 交互

【判斷11】拍扁傳統(tǒng)工作流，“提示交互式”成為內(nèi)容產(chǎn)業(yè)新范式

今年的小高潮是視頻和音樂(lè)的AI原生產(chǎn)品。好萊塢拍攝一部影片平均用時(shí)871天，而今年3月上映的《終結(jié)者2：審判日》翻拍版作為人類史上第一部完全由AI制作的長(zhǎng)篇電影，整部電影制作僅用了三個(gè)月；在音樂(lè)制作領(lǐng)域，使用Suno v3能夠一分鐘內(nèi)生成一首美妙的歌曲。工作流被拍扁，提示交互式成為范式，這讓AI對(duì)內(nèi)容產(chǎn)業(yè)帶來(lái)直接影響。

【判斷12】交互革命的繼續(xù)，Prompt只是階段性產(chǎn)物，最好的UI是忘記UI

目前，Prompt在與AI系統(tǒng)交互中扮演著重要角色，但它不是最好的交互。為什么會(huì)有這個(gè)判斷？因?yàn)镻rompt還不夠簡(jiǎn)單，不夠自然。AI產(chǎn)品應(yīng)該自己去理解你想要什么，如果給了Prompt，就理解Prompt，如果沒(méi)給Prompt，就從你的其他交互形式里去自己提煉意圖。長(zhǎng)文本可能取代微調(diào)，手繪可能取代語(yǔ)言，Prompt更像是一個(gè)階段性產(chǎn)物。

用戶友好性成為最近AI發(fā)布的指北針。用戶友好包含個(gè)性化、可訪問(wèn)性，但最核心的是交互。最好的UI，是你忘記UI，甚至忘記交互，只專注在最自然的意圖和目標(biāo)。人機(jī)交互的大方向，是從流程交互走向提示交互，再走向無(wú)意識(shí)交互——告別“詞不達(dá)意”階段。

【判斷13】實(shí)時(shí)性是AI原生的靈魂，以時(shí)間的無(wú)限性代替空間的有限性

AI原生的易用性追求極簡(jiǎn)設(shè)計(jì)，最多兩級(jí)菜單，最好沒(méi)有菜單。入口極簡(jiǎn)，如何解決復(fù)雜任務(wù)？實(shí)時(shí)性。

實(shí)時(shí)性背后有兩層深刻含義：第一，從離散到連續(xù)，以實(shí)時(shí)互動(dòng)的無(wú)限性取代了菜單的有限性；第二，從有限到無(wú)限，用時(shí)間的無(wú)限性取代了空間（圖形交互界面）的有限性。

GPT-4o的運(yùn)行速度大大提升，讓聊天機(jī)器人對(duì)話的響應(yīng)速度大幅提升，對(duì)音頻輸入的平均響應(yīng)時(shí)間為320毫秒，與人類的響應(yīng)時(shí)間相似。

用戶可以向ChatGPT（由 GPT-4o 提供支持）提出問(wèn)題，并在ChatGPT回答時(shí)打斷它。OpenAI表示，該模型提供“實(shí)時(shí)”響應(yīng)能力。

無(wú)獨(dú)有偶，幾個(gè)小時(shí)前，Google發(fā)布了名為 Project Astra 的通用 AI 代理，一款以取景器作為主界面的應(yīng)用程序。谷歌在演講中展示了一個(gè)人拿著手機(jī)，將攝像頭對(duì)準(zhǔn)各個(gè)地方，Astra反應(yīng)很快，實(shí)時(shí)與人類進(jìn)行語(yǔ)音互動(dòng)。

海外巨頭開始卷易用性了，這更像是國(guó)內(nèi)的機(jī)會(huì)。舉個(gè)例子，亦心科技是國(guó)內(nèi)繪畫AIGC實(shí)時(shí)渲染應(yīng)用創(chuàng)新者，其首創(chuàng)AI閃繪應(yīng)用，將AIGC與傳統(tǒng)的圖像處理、創(chuàng)意設(shè)計(jì)結(jié)合為一體，實(shí)現(xiàn)實(shí)時(shí)交互、實(shí)時(shí)設(shè)計(jì)、實(shí)時(shí)渲染，重塑設(shè)計(jì)全流程，極大提高了設(shè)計(jì)效能和質(zhì)量，讓人人都可成為設(shè)計(jì)師，成為新質(zhì)生產(chǎn)力工具的典型代表。今天在現(xiàn)場(chǎng)外面的展區(qū)大家也可以直接體驗(yàn)。

【判斷14】AI To C超級(jí)產(chǎn)品，第一戰(zhàn)在流量，第二戰(zhàn)在黏性

從降本增效走向更大的產(chǎn)業(yè)革命，有一個(gè)很重要的分水嶺是to C。To C是最能撩撥人的想象力的，一旦技術(shù)to C，緊接著就會(huì)問(wèn)：會(huì)有全民化的超級(jí)應(yīng)用嗎？目前超級(jí)產(chǎn)品基本是四類：個(gè)人聊天與助手、搜索、圖像與設(shè)計(jì)、辦公。但它們面臨一個(gè)類似的問(wèn)題：目前很多是“日拋”型用法，頭部AI產(chǎn)品的月度留存（42%）比不上頭部互聯(lián)網(wǎng)產(chǎn)品（63%）。忠誠(chéng)度從何而來(lái)？工具不如情緒；內(nèi)容不如社交。

【判斷15】AI原生社交網(wǎng)絡(luò)，你的社交對(duì)象不一定是人

從content到connection是一個(gè)自然的過(guò)渡——AI可以生成內(nèi)容，就必然會(huì)影響社交。因此，AI社交是一個(gè)強(qiáng)用戶黏性、高變現(xiàn)潛力賽道。

【判斷16】AI Agent，從單體智能走向多體智能

發(fā)展多體智能（Multi-Agent Intelligence，MAI）是人工智能領(lǐng)域的一個(gè)重要方向，它涉及多個(gè)智能體（agents）的協(xié)作、通信和決策。

舉個(gè)例子，匯智智能基于自研CarrotAI大模型和獨(dú)創(chuàng)的數(shù)字生命專利技術(shù)，讓Agent擁有了持續(xù)學(xué)習(xí)、進(jìn)化迭代的生命力，可為企業(yè)快速打造專屬的數(shù)字員工團(tuán)隊(duì)，并構(gòu)建“員工+數(shù)字員工”的組織協(xié)作交互新范式。將數(shù)字生命的交互對(duì)象從單體擴(kuò)展到多體，助推智能體進(jìn)入多體智能時(shí)代。

為什么要發(fā)展多體智能？

多體智能可以解決超出單一智能體能力的復(fù)雜問(wèn)題。即使部分智能體失敗，整個(gè)系統(tǒng)仍然可以繼續(xù)運(yùn)作。此外，多體智能體可以相互學(xué)習(xí)和適應(yīng)，更有效地利用計(jì)算資源，可以模仿人類社會(huì)的行為。在生物學(xué)、生態(tài)學(xué)和物理學(xué)等領(lǐng)域，多體智能可以模擬自然現(xiàn)象，輔助研究。

3.2.3 商業(yè)化

【判斷17】AI builder，學(xué)術(shù)權(quán)威讓渡于產(chǎn)業(yè)權(quán)威

2023年，產(chǎn)業(yè)界發(fā)布著名模型的數(shù)量明顯領(lǐng)先于學(xué)術(shù)界，這與十年前形成鮮明對(duì)比。同時(shí)，人工智能博士人才也加速流向產(chǎn)業(yè)界，開發(fā)者成為AI變革最主要的驅(qū)動(dòng)者。

【判斷18】“用產(chǎn)模云算投”：小公司做小閉環(huán)，大公司做大閉環(huán)

用戶購(gòu)買產(chǎn)品，產(chǎn)品購(gòu)買模型，模型購(gòu)買云，云購(gòu)買卡，同時(shí)，大廠還要做投資。沿著這個(gè)鏈路去算賬，就可以看AI商業(yè)化究竟怎么閉環(huán)。

大公司大閉環(huán)。AI的爭(zhēng)奪，很多是背后云廠商的爭(zhēng)奪，阿里云幾乎投資了所有國(guó)內(nèi)AI大模型獨(dú)角獸，被開玩笑稱為“中國(guó)大模型ETF”。從2024Q1財(cái)報(bào)看，科技巨頭是這一波AI浪潮最大的受益者。比如微軟，云業(yè)務(wù)營(yíng)收31%的同比增速中，有7%直接歸因于AI技術(shù)。摩根士丹利分析，AI驅(qū)動(dòng)將有效推動(dòng)百度的廣告轉(zhuǎn)化率提升，預(yù)計(jì)到2024年，AI技術(shù)將為百度帶來(lái)約30億的廣告增量收入。

小公司小閉環(huán)。產(chǎn)模一體化提供了AI商業(yè)化的一個(gè)路徑：踐行“產(chǎn)模一體化”的出門問(wèn)問(wèn)成為了國(guó)內(nèi)AIGC第一股。產(chǎn)模結(jié)合最大的魅力，更在于它能夠?qū)崿F(xiàn)更徹底的端到端訓(xùn)練，進(jìn)而形成「數(shù)據(jù)飛輪」效應(yīng)，最終實(shí)現(xiàn)讓數(shù)據(jù)自動(dòng)驅(qū)動(dòng)模型和產(chǎn)品的更新迭代。如果一個(gè)公司只有產(chǎn)品沒(méi)有模型的一些相關(guān)技術(shù)，它會(huì)失去核心的競(jìng)爭(zhēng)力，但一個(gè)公司如果只做模型參數(shù)而不做產(chǎn)品，技術(shù)就很有可能是研究人員的自嗨。

3.3 L3：AI創(chuàng)生時(shí)代

AI創(chuàng)生時(shí)代，AI與物理世界進(jìn)一步融合，逐漸滲透逼近人在物理世界的生產(chǎn)活動(dòng)行為邊界。從AI for science到生產(chǎn)制造，從人形機(jī)器人到世界模型，AI將逐漸突破人類為主語(yǔ)的創(chuàng)造范疇，世界模型將創(chuàng)造人類智慧之外的“第二智慧體系”。數(shù)字鏈條驅(qū)動(dòng)物理鏈條，再反過(guò)來(lái)影響數(shù)字鏈條。

【判斷19】萬(wàn)物融智，五大形態(tài)角力最強(qiáng)勢(shì)AI終端

為了實(shí)現(xiàn)規(guī)?；瘮U(kuò)展，AI處理重心正向端側(cè)轉(zhuǎn)移。如果AI終端不普及，單靠統(tǒng)一的云上AI很難打。從去年到今年，所有幾乎終端廠商的發(fā)布都和AI相關(guān)，AI手機(jī)、AIPC、XR等便攜戴設(shè)備、智能汽車、人形機(jī)器人，五大形態(tài)是核心。

AI終端的賽事不僅是形態(tài)有關(guān)，和功耗也有關(guān)。這就不難理解終端廠商自己要做芯片。也不難理解對(duì)于模型廠商，拿下類似蘋果這樣的終端意味著什么。

從最新進(jìn)展看，GPT-4o引發(fā)了外界對(duì)GPT-4o與Siri如何融合、ChatGPT與蘋果如何共同塑造下一代AI手機(jī)的廣泛關(guān)注。英偉達(dá)高級(jí)研究科學(xué)家 Jim Fan評(píng)論：誰(shuí)先贏得蘋果，誰(shuí)就贏得了勝利。這將是一個(gè)從一開始就擁有十億用戶的AI產(chǎn)品，對(duì)蘋果來(lái)說(shuō)，OpenAI就像是智能手機(jī)領(lǐng)域的FSD。

無(wú)獨(dú)有偶，剛剛，谷歌宣布Gemini 正在“成為 Android 上新的人工智能助手”。今年的看點(diǎn)是：谷歌和蘋果在軟硬結(jié)合上能不能玩得更好。

對(duì)于終端廠商來(lái)講，這是必爭(zhēng)的一戰(zhàn)，短期來(lái)看，這意味著搶占流量入口，帶動(dòng)換機(jī)需求；長(zhǎng)期來(lái)看，Device-as-a-Service，終端將從客體逐漸演化為主體，與人共同和外部空間交互，這已經(jīng)超越了消費(fèi)電子和互聯(lián)網(wǎng)超級(jí)平臺(tái)的概念。

【判斷20】FSD從汽車到機(jī)器人，端到端加速落地

FSD（Full Self-Driving，全自動(dòng)駕駛）技術(shù)在汽車領(lǐng)域的應(yīng)用是目前的熱點(diǎn)話題，而今天，這個(gè)概念也在走向機(jī)器人。在自動(dòng)駕駛領(lǐng)域發(fā)生的事情還會(huì)在機(jī)器人領(lǐng)域發(fā)生。汽車和機(jī)器人有很多相似之處：感知系統(tǒng)、決策算法、路徑規(guī)劃、系統(tǒng)集成、安全和冗余、交互能力、適應(yīng)性、倫理和責(zé)任。當(dāng)然，將FSD技術(shù)應(yīng)用于機(jī)器人領(lǐng)域可能會(huì)面臨一些額外的挑戰(zhàn)，例如機(jī)器人的尺寸和形狀多樣性，以及與人類更密切的交互。

【判斷21】從空間計(jì)算到空間智能，核心是讓虛擬時(shí)空符合物理規(guī)律

李飛飛創(chuàng)立新AI公司，專注于“空間智能”，旨在讓AI像人類一樣進(jìn)行高級(jí)視覺(jué)推理。從Vision Pro到李飛飛的創(chuàng)業(yè)，空間計(jì)算成為趨勢(shì)。真實(shí)空間物理系統(tǒng)的時(shí)空屬性變化遵循客觀規(guī)律，空間計(jì)算平臺(tái)對(duì)于時(shí)空屬性的程序控制需要考慮客觀物理規(guī)律前提。空間計(jì)算的核心命題，是讓虛擬時(shí)空符合物理規(guī)律。為什么要符合物理規(guī)律？只有這樣，才能從物體之間的關(guān)系中獲得預(yù)測(cè)和洞察力的能力，從空間計(jì)算到空間智能。

【判斷22】具身智能是“被期許的王”，木桶效應(yīng)決定落地速度

為什么具身智能，以及人形機(jī)器人這么火？因?yàn)槲覀兲枰粋€(gè)超級(jí)終端品類去承載AI和各類技術(shù)，拉動(dòng)工業(yè)上游的增長(zhǎng)。

那么，具身智能是不是一定要越來(lái)越“像人”？雙足是不是必須的？人形是不是必須的？不一定。用金屬結(jié)構(gòu)去模仿分子結(jié)構(gòu)天淵之別的生物骨骼和肌肉結(jié)構(gòu)，這個(gè)仿生學(xué)思維方向是很性感的，但不一定符合奧卡姆剃刀原理。奧卡姆剃刀原理的核心是——如無(wú)必要，勿增實(shí)體。從實(shí)用主義的角度，具身智能不必像人；從情感陪伴的角度，人形機(jī)器人不一定需要過(guò)多功能。

前陣子我在中關(guān)村論壇主持人形機(jī)器人圍爐夜話，一位觀眾站起來(lái)說(shuō)，孩子在國(guó)外，自己四五十歲，但已經(jīng)是空巢老人，他愿意花二三十萬(wàn)去買一個(gè)人形機(jī)器人——不需要它做飯，不需要它干活兒，它只需要長(zhǎng)得很像人，可以陪他坐坐，在家里走兩步。功能和情感的訴求，對(duì)具身智能的期待是不同的。

但另一方面，值得強(qiáng)調(diào)的是，具身智能的發(fā)展受限于木桶效應(yīng)。軟件可以指數(shù)級(jí)迭代，硬件很難。當(dāng)AI進(jìn)入具身智能，技術(shù)維度很多，迭代最慢的技術(shù)會(huì)影響具身智能的落地速度。

【判斷23】AI科學(xué)革命，人類后退一步，AI向前一步

AI正在推動(dòng)新一波科學(xué)革命。比如剛剛發(fā)布的AlphaFold 3，采用了AI繪畫的常見(jiàn)技術(shù)——去噪擴(kuò)散模型。在一個(gè)案例里，AlphaFold 3預(yù)測(cè)了一個(gè)蛋白質(zhì)和DNA雙螺旋如何緊密擁抱，這個(gè)預(yù)測(cè)幾乎和科學(xué)家辛苦實(shí)驗(yàn)發(fā)現(xiàn)的真實(shí)樣子一模一樣。想象一下，AI像搞藝術(shù)一樣地搞科研：從一團(tuán)模糊的原子“泥漿”開始，一步步雕琢，最后呈現(xiàn)出了清晰的分子結(jié)構(gòu)，連每個(gè)原子的三維位置都能精準(zhǔn)給出。AlphaFold 3預(yù)測(cè)分子之間相互作用本事，比現(xiàn)在所有的工具都要厲害——誰(shuí)能想象，藥物發(fā)現(xiàn)和藝術(shù)創(chuàng)作在AI的智慧體系里可能是同一件事。

【判斷24】目前的AI很“INTJ”，世界模型仍有多元可能

剛才的例子也說(shuō)明，在AI的智慧體系里，學(xué)科分類正在模糊。我們要進(jìn)一步追問(wèn)，AI的智慧體系將形成怎樣的特征？開個(gè)玩笑，現(xiàn)在的人工智能更像MBTI測(cè)試?yán)锏腎NTJ：I：與人交互需要能量；N：更關(guān)注抽象而非實(shí)感；T：更理性而非感性；J：更傾向于做決定、下結(jié)論而不是保持靈活態(tài)度。

當(dāng)人們?cè)谵q論AI世界模型的時(shí)候，背后是對(duì)智慧本身不同的理解。物理規(guī)則模型、統(tǒng)計(jì)模型、代理模型、混合現(xiàn)實(shí)、數(shù)字孿生與仿真、系統(tǒng)動(dòng)力學(xué)模型、因果模型、模擬進(jìn)化模型、認(rèn)知架構(gòu)模型……這背后和技術(shù)范式的選擇也息息相關(guān)。

自2017年谷歌發(fā)表開創(chuàng)性論文以來(lái)，Transformer架構(gòu)已成為主導(dǎo)范式，然而，在AI研究領(lǐng)域的邊緣，一些團(tuán)隊(duì)正在努力開發(fā)新一代AI架構(gòu)，這些架構(gòu)在不同方面優(yōu)于Transformer。從自然進(jìn)化的角度看，要衡量某種物種演化成功與否，評(píng)斷標(biāo)準(zhǔn)就在于世界上其DNA螺旋的拷貝數(shù)的多寡。同理，世界模型將何去何從，我們只有從最終的應(yīng)用中獲得答案。

3.4 L4：AI文明時(shí)代

【判斷25】社會(huì)角色：AI術(shù)業(yè)有專攻，人類分工扁平化

傳統(tǒng)工業(yè)文明時(shí)代，社會(huì)具有明確的分工，不同行業(yè)、不同場(chǎng)景、不同職業(yè)涇渭分明。伴隨AI技術(shù)的應(yīng)用，將會(huì)拉平普通人與專業(yè)人才之間的能力差距，讓勞動(dòng)分工更扁平。

【判斷26】自體心理：知識(shí)半衰期縮短，安全感需要新的滿足

1900年，人類的知識(shí)大約每世紀(jì)翻一番；1945年，人類的知識(shí)大約每25年翻一番；1982年，每12-13個(gè)月翻一番；2020年，人類的知識(shí)總量每12小時(shí)翻一番。

一個(gè)世紀(jì)前，工程師在獲得學(xué)位時(shí)所學(xué)的一半知識(shí)需要35年的時(shí)間才能被推翻或替換。而現(xiàn)在，工程學(xué)位的半衰期在2.5到5年之間。伴隨知識(shí)的獲取成本無(wú)限逼近于0，知識(shí)的半衰期快速縮短。

生成技術(shù)帶來(lái)內(nèi)容泛濫，而人類的帶寬有限，快速過(guò)時(shí)的知識(shí)、大規(guī)模無(wú)法分辨真假的信息會(huì)將人類引向何方？AI的文明對(duì)自體心理發(fā)出了挑戰(zhàn)?？萍己芸?，人性很慢。人們需要新的安全感，而這些安全感越來(lái)越不來(lái)自知識(shí)。

【判斷27】人機(jī)協(xié)作：從半人馬模式到賽博格模式

AI對(duì)不同人表現(xiàn)出不同的作用力，白領(lǐng)工作可能面臨更多由AI直接替代的風(fēng)險(xiǎn)，而藍(lán)領(lǐng)和綠領(lǐng)工作則可能更多地受到AI輔助和增強(qiáng)的影響。

人與人工智能協(xié)同有兩種模式：第一種，Centaurs（半人馬模式）：工作者決定哪些任務(wù)由AI完成，哪些由人類完成，AI和人類工作者在任務(wù)完成上有明顯的分工；第二種，Cyborgs（賽博格模式）：人完全將他們的工作流程與AI集成，并且持續(xù)地與技術(shù)互動(dòng)，人與AI的能力形成一個(gè)統(tǒng)一系統(tǒng)，工作界限不明顯。

人在數(shù)字鏈條里待的比例越來(lái)越高，AI在物理鏈條里待的比例越來(lái)越高。伴隨這個(gè)過(guò)程，賽博格模式將越來(lái)越主流。

【判斷28】經(jīng)濟(jì)權(quán)重：從研發(fā)為生產(chǎn)服務(wù)，到生產(chǎn)為研發(fā)服務(wù)

AI會(huì)改變經(jīng)濟(jì)的權(quán)重。傳統(tǒng)工業(yè)時(shí)代，研發(fā)是為生產(chǎn)服務(wù)的；而數(shù)字經(jīng)濟(jì)時(shí)代，是生產(chǎn)為研發(fā)服務(wù)。比如，蘋果公司在全球有成百上千家零件供應(yīng)商，是蘋果公司為這些廠商服務(wù)，還是這些廠商為蘋果公司服務(wù)？毫無(wú)疑問(wèn)，生產(chǎn)為研發(fā)服務(wù)——蘋果公司的研發(fā)創(chuàng)造了軟價(jià)值，而生產(chǎn)和裝配者只是兌現(xiàn)這些價(jià)值，前者創(chuàng)造的價(jià)值占80%，后者創(chuàng)造的硬價(jià)值只占20%，這種“二八現(xiàn)象”成為經(jīng)濟(jì)價(jià)值分布的常態(tài)。信息態(tài)財(cái)富一定會(huì)控制全球物質(zhì)態(tài)財(cái)富的創(chuàng)造。

【判斷29】文化形態(tài)，AI推動(dòng)人類認(rèn)知重塑，開啟新一輪文藝復(fù)興

具有相同認(rèn)知觀念的人群逐步形成新的文化圈層，并進(jìn)一步推動(dòng)AI版本的文藝復(fù)興。代際沖突、話語(yǔ)權(quán)區(qū)隔、文化與亞文化的互換……此刻人類做的很多事情可能會(huì)變成未來(lái)的非物質(zhì)文化遺產(chǎn)。

【判斷30】雙生文明：界限模糊，人與AI“彼此彼此”

AI會(huì)深度參與人類的物理世界和心靈世界，人類智慧與AI將互相影響、共同進(jìn)化，人類文明進(jìn)入“雙生時(shí)代”。

4.反思

4.1 AI是否真的創(chuàng)造了新的需求？

關(guān)于AI，我最近一直在思考一個(gè)問(wèn)題。AI對(duì)供給側(cè)的改革是毋庸置疑的，但總需求呢？如果一項(xiàng)技術(shù)對(duì)生產(chǎn)端的加持遠(yuǎn)大于對(duì)需求端的激發(fā)，有可能出現(xiàn)相關(guān)產(chǎn)品價(jià)格的下跌，結(jié)果相關(guān)GDP反而會(huì)變小。技術(shù)對(duì)經(jīng)濟(jì)的影響是非常復(fù)雜的。也許AI無(wú)法完全避免當(dāng)年互聯(lián)網(wǎng)泡沫的覆轍，“路多車少”是無(wú)法真正跑完閉環(huán)的。所以我們很有可能經(jīng)歷局部的經(jīng)濟(jì)陣痛。

4.2 是人類馴服了AI，還是AI馴服了人類？

《人類簡(jiǎn)史》有一個(gè)著名的表述：不是人類馴服了小麥，而是小麥馴服了人類。

人類曾有長(zhǎng)達(dá)250萬(wàn)年的時(shí)間靠采集及狩獵為生，直到大約1萬(wàn)年前的農(nóng)業(yè)革命。在短短1000年內(nèi)，小麥突然就傳遍了世界各地，同時(shí)開啟了人口爆炸。這似乎是個(gè)人越來(lái)越聰明的故事，人們馴化綿羊、種植小麥，日出而作，日入而息，人類忙著播種、澆水、除草、牧羊……但尤瓦爾赫拉利說(shuō)了一個(gè)非常極端的話，他說(shuō)，農(nóng)業(yè)革命真正的本質(zhì)是：讓更多的人以更糟的狀況活下去。

他說(shuō)，并沒(méi)有任何證據(jù)顯示人類越來(lái)越聰明。農(nóng)業(yè)革命所帶來(lái)的非但不是輕松生活的新時(shí)代，反而讓農(nóng)民過(guò)著比采集者更辛苦、更不滿足的生活。人類的食物總量增加了，但農(nóng)民的工作要比采集者更辛苦，而且飲食可能還要更糟。

到了今天，雖然人類有著種種先進(jìn)科技，但食物熱量超過(guò)90%的來(lái)源仍然是被馴化的植物?！榜Z化”一詞來(lái)自拉丁文，意思就是“房子”。但現(xiàn)在關(guān)在房子里的可不是小麥，而是智人。這個(gè)故事今天看起來(lái)很熟悉——從信息時(shí)代開始，我們?cè)絹?lái)越被“困在系統(tǒng)里”。人類改變了信息，也被信息改變。進(jìn)一步，不知道是人類馴服了AI，還是AI馴服了人類。

“從動(dòng)物到上帝”，不一定是人類的追求，但更像是人類治下AI的發(fā)展方向。有人說(shuō)，那不妨停下來(lái)吧——但去年甲子引力我們也提到過(guò)科技發(fā)展的三定律，技術(shù)的發(fā)展并不以個(gè)人的意志為轉(zhuǎn)移。在一個(gè)自由市場(chǎng)中，效率的最大化是無(wú)法人為阻止的過(guò)程。這不禁讓我們追問(wèn)，生命的本質(zhì)和AI究竟是否不同。

4.3 生命以負(fù)熵為食

在物理學(xué)中，熵是一個(gè)衡量系統(tǒng)無(wú)序程度的量。奧地利物理學(xué)家薛定諤首次提出：生命以負(fù)熵為食。生命依靠從外部環(huán)境攝取負(fù)熵來(lái)維持和發(fā)展。新陳代謝的過(guò)程，是有機(jī)體通過(guò)“入”和“出”的交換消除活著的時(shí)候不得不產(chǎn)生的熵。

生命是遠(yuǎn)離熱力學(xué)平衡的。它從環(huán)境攝入高級(jí)形態(tài)的能量，維持和發(fā)展生命，將低級(jí)形態(tài)的能量排給環(huán)境。

生命以負(fù)熵為食。AI呢？AI對(duì)熵的影響是一個(gè)復(fù)雜的問(wèn)題。一方面，AI系統(tǒng)能夠識(shí)別模式，預(yù)判趨勢(shì)，從而減少數(shù)據(jù)的混亂度，增加信息的有序性；另一方面，AI的發(fā)展所導(dǎo)致的社會(huì)結(jié)構(gòu)變化，例如工作崗位的消失，會(huì)階段性地增加社會(huì)系統(tǒng)的復(fù)雜性，尤其是“黑箱”模型引入了新的不確定性；此外，AI系統(tǒng)在運(yùn)行過(guò)程中會(huì)消耗能量，增加熱力學(xué)熵，尤其是在“信能比”低的情況下。

簡(jiǎn)言之，AI系統(tǒng)在不同的時(shí)空尺度上減少了某些熵，增加了另一些熵，將混亂度從一個(gè)系統(tǒng)轉(zhuǎn)移到另一個(gè)系統(tǒng)。當(dāng)然，更長(zhǎng)期的視角看，AI會(huì)形成新的秩序和結(jié)構(gòu)，但過(guò)程中也時(shí)時(shí)考驗(yàn)著人類的社會(huì)治理能力。

AI增加了復(fù)雜性，需要更多的力氣去把握這種復(fù)雜性。通過(guò)GPU產(chǎn)生的智慧，往往要消耗更多的GPU來(lái)制衡，這又對(duì)能源的供給提出了新的要求……這個(gè)邏輯會(huì)一直演繹下去。

4.4 雙生文明的序章：AI會(huì)是那個(gè)水中的月亮嗎？

在面對(duì)AI層出不窮的進(jìn)展時(shí)，我偶爾會(huì)想起一個(gè)故事：猴子爬著樹去夠月亮……Oh yeah，我們不斷接近；Oh No，我們始終不及……最難走的路也許是捷徑，或者通向天堂，或者通向大坑。速度并不是文明進(jìn)步的標(biāo)尺。AI是我們?nèi)圃碌姆椒?，而也許并不是那個(gè)月亮。

以上，感謝甲子光年團(tuán)隊(duì)，今天的大報(bào)告就到這里，謝謝大家。