導讀
5月13日晚，智次方創(chuàng)始人彭昭與AI4C應用研究院管震，圍繞“AI加持下的產(chǎn)業(yè)數(shù)字化變革與創(chuàng)新”主題展開了一場深度對話。本文根據(jù)直播訪談內(nèi)容整理。
隨著GPT等大模型的涌現(xiàn)，人工智能已經(jīng)進入了新的發(fā)展階段。其強大的內(nèi)容處理與推理等能力，引發(fā)了各行各業(yè)的關注，大家都在瞄準時機準備隨時入局。可以預見的是，大模型已經(jīng)成為了產(chǎn)業(yè)革命的關鍵驅(qū)動力，新一輪產(chǎn)業(yè)變革正在悄然而至。
5月13日晚，智次方創(chuàng)始人彭昭與AI4C應用研究院管震，圍繞“AI加持下的產(chǎn)業(yè)數(shù)字化變革與創(chuàng)新”主題展開了一場深度對話。
以下根據(jù)直播訪談內(nèi)容整理：
AI4C：讓AI應用實現(xiàn)產(chǎn)業(yè)落地
彭昭：今天很高興邀請到管震管總來和我們探討“AI加持下的產(chǎn)業(yè)數(shù)字化變革與創(chuàng)新”。我看您現(xiàn)在新的方向是 AI4C應用研究院，我對這個機構很感興趣，可不可以幫我們介紹下。
管震：AI4C應用研究院目前還在籌備中，但已經(jīng)明確了它的目標。可能有些人會好奇其名稱含義中的“4C”是什么意思，以及為什么要這樣命名?
“AI4C”的含義：第一，“AI4C”是一個詞組，意為前瞻預見。人們對于 AI 技術的未來發(fā)展非常好奇，因此這個詞組暗示了對于未來的探索。
第二，“AI for China”，即人工智能在中國的發(fā)展道路上還存在著很多問題，尤其是在產(chǎn)業(yè)化過程中，中國雖然處于領先地位，但為什么美國的計算機產(chǎn)業(yè)如此強大?大家都對此感到好奇，當然我們也知道其中的一些原因。然而，人工智能應用的本質(zhì)是更好地服務中國產(chǎn)業(yè)。
AI4C應用研究院有一個明確的愿景：希望能夠提供一整套的人工智能發(fā)展基礎架構，擺脫必須依賴 A100 這類芯片的瓶頸，并且讓AI應用能夠發(fā)揮更大的作用。當然我們不能只盯著大模型，真正的人工智能應該更多地關注算法和模型的通用化，以及如何將AI應用落地到產(chǎn)業(yè)中，從而實現(xiàn)產(chǎn)業(yè)變革。雖然還有一段路要走，但是我們想在研究的范圍之內(nèi)可以縮短這個距離。
“AI4C”中的“C”還有其他幾個含義：第一個是computing計算的普適性。第二個是collaborative協(xié)同，指的是不同前沿技術和傳統(tǒng)產(chǎn)業(yè)之間的協(xié)同，以及人與人之間，機器與機器之間的協(xié)作。
我在演講中經(jīng)常提到一個詞，“松耦合”。這個松耦合的概念實際上就是一個協(xié)作的概念。我們希望在松耦合的情況下，向工業(yè)邁出更進一步的步伐，實現(xiàn)第四次工業(yè)革命。那么我們?nèi)绾巫龅竭@一點呢?我們可能之前有一些積累，希望它能夠應用在產(chǎn)業(yè)當中，去幫助更多的傳統(tǒng)企業(yè)完成數(shù)字化轉(zhuǎn)型。我們希望達成的，不僅僅是好的想法和好的技術，還包括人工智能中非常重要的認知能力和創(chuàng)新能力。
大模型開拓新機遇
彭昭：AI 已經(jīng)經(jīng)歷了幾波浪潮，包括機器視覺、語音識別，以及預測性維護等應用。最近大模型這波浪潮出現(xiàn)了，會不會對已經(jīng)在產(chǎn)業(yè)上落地的 AI 應用進程帶來一些變化?未來大模型加持下，產(chǎn)業(yè) AI 的應用會發(fā)生怎樣的新的場景變化呢?
管震：AI 帶來的大模型浪潮會對行業(yè)帶來很大的沖擊，這點大家可能都知道。那些從事 AI 行業(yè)的人真的是酸甜苦辣，五味雜陳。
有甜的。有些人反應很快，快速做了GPT 的賬號交易，賺到第一桶金。
有苦的。我認識的幾位朋友，是做 NLP 和知識圖譜的。他們都在從事人工智能領域的頂尖研究，每年都會發(fā)表非常厲害的論文。但當GPT 這種大模型出現(xiàn)之后，他們就開始感到困惑，就像看到了一艘航空母艦向自己駛來，一點掙扎的意愿都沒有。他們發(fā)現(xiàn)，自己在研究某些問題時，想了很多辦法，但是這些事情在大模型面前根本不用做，因此感到非常困惑。
有酸的。很多人總是各種挑毛病，各種抱怨，說這個模型不行，那個是拼湊的等等。但是，我們希望都能夠像國內(nèi)的百度一樣，盡管它們的模型可能不是最好的，但是至少它們開發(fā)了一個出來。我們應該往前走，不管它現(xiàn)在是否可行，不管它能否達到高水平。如果前方已經(jīng)有人立了一個旗幟，告訴你這里沒有雷，那我們就應該往前走，行動起來。您剛剛提到了機器視覺的應用。例如，在華南理工大學餐廳，這種應用已經(jīng)變成標配了。有一個計算機視覺攝像頭，將幾個小碟子放在餐盤上，然后自動稱重計算總價。包括像海底撈，可以自動拍攝并識別餐盤上的菜品。前幾年還是需要技術攻堅的事情，那現(xiàn)在已經(jīng)變成標配了。
對于人工智能的應用來說，第一個最顯著的變化是從“飄在天上”到逐漸落地。例如，我的朋友本來是做文字工作、撰寫材料的，但是在接觸到這個領域后，他發(fā)現(xiàn)人工智能可以讓他的工作變得更加高效。以前需要兩三天才能熟悉資料和市面上的相關信息，但現(xiàn)在只需列出需要討論的話題并將提綱分配給人工智能，它將自動撰寫大綱和論點。這種創(chuàng)新使得人們更加感受到人工智能應用的“落地”。
您剛剛提到大模型將帶來什么樣的變化?當發(fā)現(xiàn)自己的天花板被人捅破時，你會感到茫然不知如何應對。不要急，先把車開起來，不知道往哪里開也沒關系。這是第一步。在 AI 圈子里，大家也看到了，ChatGPT 發(fā)布后的這幾個月，產(chǎn)業(yè)變化非常快。好像每天晚上都有新的發(fā)布會，發(fā)布新的大模型。這是非常可怕的，因為你不知道這些模型訓練出來會往哪個方向發(fā)展。無論是哪種產(chǎn)業(yè)，教育、醫(yī)療等等，都會感到來不及了，只好先上車再說。我們必須先使用這些工具。
那么這將會引發(fā)哪些變化呢?我感覺這個問題的應用場景還是比較模糊的，模糊不是指不清楚，而是指缺乏方法論。我們在做事的時候通常都有方法論和框架，但是突然間，我們可能會遇到一個天花板的問題，而這時我們之前的方法論和框架已經(jīng)不再適用了。咱們想象一下，你如果今天踏上了一個新大陸，這塊大陸是從來沒有人開發(fā)過的，那個場景是什么?就是現(xiàn)在的場景，沒有邊界。
大模型：從彎道超車到空間折疊
彭昭：我現(xiàn)在有一種感覺，大模型已經(jīng)變成了公司之間的競爭，或者說是那些原本生態(tài)位不是很好的公司，它們有了超越的機會。比如最近AIoT頭部企業(yè)宇視科技發(fā)布了行業(yè)大模型，明顯它已經(jīng)有了一個彎道超車的機會，讓海康、大華等公司感到了一種壓力。
管震：我非常同意你的觀點，但我不同意你剛才的用詞“彎道超車”。
你會發(fā)現(xiàn)以 GPT 為代表的大模型的發(fā)布，其實給了所有人一個折疊空間去追趕的機會，或者是超車的機會。你之前說的彎道超車或者換道超車，其實有個前提，就是你的車技跟別人差不多，車的性能甚至是比別人好，只不過因為你的排位比較靠后，所以你必須找機會去超車。但不管從哪個角度來看，現(xiàn)在 GPT 給了幾乎所有人一個折疊空間去追趕的機會。
我說的折疊空間就是類似這樣一個概念，從 a 點到 b 點，我們畫一條線。比如說大多數(shù)人認為我們要一步一步地讀書，對吧?你說換到超車位也好，彎道超車也很困難，你得先去讀書，對吧?你說如果上不了高中，就上不了本科，又怎么能上碩士呢?上不了碩士，又怎么讀博士呢?可是現(xiàn)在的 GPT 就不一樣了，它能夠追趕并超越這兩個點，甚至能夠超出它們，所以它的能力太強了。
你剛才說要超車，但如果我們使用一個大模型作為基礎，它就可以超越幾乎所有人。即使我們沒有這么高的水平，我們也可以在這個大模型上做一些微小的改動，從而達到超越的效果。這會帶來巨大的沖擊。你會面臨一個沒有秩序、沒有傳統(tǒng)的新大陸。這時，就是考驗你想象力的時候，你要想清楚自己要做什么。
彭昭：盡管新大陸現(xiàn)在還沒有秩序，但我認為它會逐漸建立起秩序。現(xiàn)在的秩序是，誰先在某個產(chǎn)業(yè)或垂直領域發(fā)布大模型，誰就會有一定的折疊空間，或者是它會擁有一個先發(fā)優(yōu)勢，領先于其他人。比如，宇視科技先發(fā)布出來了，那么它和第二個發(fā)布者之間的時間差自然會吸引一些人，這些人認為在AIoT做大模型是可行的，那么他們可能就會更傾向于與宇視科技合作來探索。這種優(yōu)勢可能是暫時的，最后，實際上這個大模型還需要看數(shù)據(jù)，或者說產(chǎn)業(yè)需要一些更精確、更調(diào)優(yōu)的這樣的大模型。因此，在長期來看，我們需要知道這個數(shù)據(jù)在誰手里，或者說誰有更好的模型調(diào)優(yōu)能力。
管震：在很多場景中，我們可以應用這個概念來追趕那些過去看似無法超越的事物。我們可以嘗試去想象，去探索。但是真正走到那一步，當折疊空間之后，就要看你是否能夠承受接下來的挑戰(zhàn)。就像您所說的那樣，如果某個領域的底蘊很深，擁有豐富準確的數(shù)據(jù)，在基礎研究上積累了很多經(jīng)驗，當他開始以更好、更大、更準確的數(shù)據(jù)和標簽，調(diào)優(yōu)更好的算法時，他就能進一步提升。當你們進入同一個賽道時，你的先發(fā)優(yōu)勢就會消失。
大模型沖擊下的產(chǎn)業(yè)：表層與暗層
彭昭：如果我們想在這個時候介入，哪些產(chǎn)業(yè)會先受到大模型的影響?
管震：從表面一層來看，這波人工智能浪潮影響的第一梯隊產(chǎn)業(yè)是AI圈或IT圈。他們發(fā)現(xiàn)，多年的研究工作似乎變成了一張廢紙，以前他們自己寫代碼，但現(xiàn)在寫代碼的全部都變成了GPT。這是第一波直觀的沖擊。
第二波可能沖擊的是教育。可能會對孩子及其相關機構產(chǎn)生沖擊，因為現(xiàn)在我們需要找一家機構學習英語等。但是在未來，可能不再是現(xiàn)在這種情況。
第三波受沖擊的是“工人”，無論是白領還是藍領。就像七八年前計算機視覺剛剛興起時，我們曾經(jīng)問過：第一波被替代的人是誰?實際上，這些人是產(chǎn)業(yè)工人和質(zhì)檢工人。這其實并不合適。我們更希望能夠創(chuàng)造出一些新的東西，而不是替代。而且營銷策劃現(xiàn)在是前后夾擊，本來就在開源節(jié)流，你寫東西、畫圖又沒有GPT快。
當然影響不僅僅是壞的方面，其實也有很多積極的方面，比方說做自媒體營銷的，原來一個禮拜能出一篇文章，我現(xiàn)在一天能出 3 篇文章。這都是表面一層受到?jīng)_擊的產(chǎn)業(yè)。
從更深層次的影響來看，看不到的東西是什么?哪些行業(yè)會受到影響?
我認為，從 GPT 的能力出發(fā)，可以看出哪些行業(yè)可能會受到影響。我們來看看 GPT 或其他大型語言模型的本質(zhì)是什么?它們的本質(zhì)是改變信息傳遞和處理模式。前三次工業(yè)革命的目的是提高人與人之間傳遞和處理信息的效率，通過各種工具達到這個目的。無論是文字、貨幣、數(shù)學、物理還是哲學，都在做非常相似的事情，即將物理世界中的規(guī)律，抽象為數(shù)學模型，例如 E=mc2，以此表達現(xiàn)實世界正在發(fā)生的事情。貨幣的作用是簡化以物易物的交換方式。這一切都是在簡化信息，以更低的邊際成本傳遞和處理信息。
但是大模型不同。這次大模型的出現(xiàn)，是借助互聯(lián)網(wǎng)連接人與人，但在這個過程中，如果信息和信息之間的連接是人與人之間的連接通道，那么這就是互聯(lián)網(wǎng)所做的事情。但我們今天發(fā)現(xiàn)，實際上人在其中反而成為信息處理的邊際成本最高的一部分。
比如微軟推出了一串Copilot for office的AI工具，Copilot 就是這個副駕，在微軟會議工具Teams里面也有。你可以想象一下，這些工具都可以做什么?在你開會的時候，它們會幫你記錄下要點;比如接下來你需要給誰發(fā)一封郵件，然后它就會變成了你在郵件系統(tǒng)日歷中的待辦事項之一;再然后你收到了這封郵件，需要看一下這個會議里面講了什么，然后再根據(jù)文檔寫一封郵件，最后將郵件發(fā)出去，現(xiàn)在這些也都可以由 Copilot 做。
彭昭 ：是的，我特別同意剛才管總你說的， GPT 的出現(xiàn)其實讓人們意識到，自己是整個生產(chǎn)過程中可能不太被需要的。這是一個瓶頸，但從兩個方面來看，這對人的挑戰(zhàn)很大。實際上對公司而言，是有好處的，可以降本增效。
現(xiàn)在很多智能制造企業(yè)本身就在評估機器決策和人類決策之間的選擇，大家都認為機器決策比人類決策更好。而且正如管總所說，以前的技術應用，比如ETC的出現(xiàn)，真正賺到錢的是哪些公司?賺到錢的不是那些部署ETC或者做基礎設施的公司。雖然這些公司的股票市值會短暫地上升，短暫地賺到一些基礎設施投入的錢，但長期來看，賺到這波錢的是那些傳統(tǒng)的運營公路的公司。因此，從這個角度來看，GPT作為一種基礎設施，部署大模型可能會一次性地創(chuàng)造一些營收，但長期來看，還是那些運營大模型和使用大模型的傳統(tǒng)公司更有生命力。
管震：太同意你說的觀點了，如果大家去注意微軟最近發(fā)的財報，會發(fā)現(xiàn)一個很有意思的事情：它從人工智能帶來的營收增長微乎其微，幾乎看不見。但是誰可能從中賺到錢呢?你會看到它帶動了一大堆有這個概念的企業(yè)，突然市值增長了，突然有了新的機會出來。所以說，越是基礎架構，未來能賺錢的不一定越多。越是在這個基礎上去做一些附加值的事情，就有可能變成垂直創(chuàng)新的領域。
產(chǎn)業(yè)創(chuàng)新的兩個模式
管震：無論是哪個地方的產(chǎn)業(yè)創(chuàng)新，都有兩個模式。
第一個模式是通過數(shù)字化技術提高效率。
假設公司一共有 5個流程，其中有 3 個流程是生產(chǎn)環(huán)節(jié)。然后每一個流程、每一個環(huán)節(jié)都能利用 GPT 或其他數(shù)字化技術，來提高自己的效率。因此，我們可以立即算一筆賬。
產(chǎn)品研發(fā)的同事使用了 GPT，他的效率提升了 10%;在采購和詢價時，提升了 10% 的效率;在生產(chǎn)時，原來我的數(shù)據(jù)散布在不同的地方，無法與之直接對話，也無法直接進行規(guī)劃，因此我的計劃都是胡亂想象的，也很難實現(xiàn)。但是，現(xiàn)在有一個大模型的加持，把原來的系統(tǒng)打通了，可以一起來做統(tǒng)一的規(guī)劃，這樣我們就可以很容易地詢問我們的生產(chǎn)和計劃應該做什么了。其實在工業(yè)場景或其他不同的產(chǎn)業(yè)中，你都能算出公司應用了數(shù)字化技術或者大模型的效率會提升多少。這是第一個階段。
第二個階段是大模型會去自己琢磨，為什么中間要 3 個環(huán)節(jié)?你不覺得它們很重疊嗎?為什么不將它們打在一個圈里呢?這個時候，大模型會發(fā)現(xiàn)這三個環(huán)節(jié)可以混到一起來做。這樣一來，我的供應鏈就可以打通，做到統(tǒng)籌而不用分開來搞了。這時，你會發(fā)現(xiàn)你的企業(yè)其實只需要 3 個環(huán)節(jié)就能把原來的這些事情做完了。
第三個階段，我們需要依賴一些工業(yè)大型模型才能完成。雖然這些大型模型目前仍未問世，但是通過它們的思維模式可能會帶來第三個變革。目前我只使用了123個節(jié)點，原來有5個節(jié)點，現(xiàn)在只剩下了3個節(jié)點，那么多余的2個節(jié)點該怎么處理呢?有兩種方法。第一種方法是裁員，開源節(jié)流。目前華爾街非常看重這一點，只有裁員，股價才會上漲。第二種方法是什么呢?公司原來提供的能力是工業(yè)能力，以前非數(shù)字化時代全靠人力，比如客服、接單、銷售、營銷等都是靠人來完成的。可是現(xiàn)在，當你的整個工業(yè)能力被數(shù)字化之后，你可以用非常低的邊際成本服務于那些原來無法覆蓋到的客戶，這樣就需要更多的人了。
舉個例子，拿律師服務來說，你可能平時也用不到或者律師很貴，但是，如果律師的一些能力數(shù)字化了，他就可以將一些瑣碎的糾紛變成律師服務。只需支付50元，你就可以解決一些小問題。如果你開車不小心剮蹭了一下，感覺有點不服，那就可以通過打官司來解決，而這只是一些較淺的法律服務。這樣，律師就可以為許多人提供服務。所以這是你的工業(yè)能力的對外輸出，我們有很多工業(yè)能力可以對外輸出，只不過原來沒有辦法，可是現(xiàn)在碰到了一個機會，能夠幫助我們?nèi)プ鲞@件事情。
第二個大模式是從經(jīng)驗科學到第五范式。
以前，我們無法脫離經(jīng)驗來觀察這個世界。但今天，我們第一次可以脫離人類的經(jīng)驗，進行科學的發(fā)現(xiàn)和創(chuàng)新。這是非常厲害的。過去，牛頓看到蘋果掉在樹下，才發(fā)現(xiàn)了萬有引力。愛因斯坦沒有親眼看到空間扭曲，但他卻成功地計算出了空間扭曲。這都是基于經(jīng)驗的科學，即經(jīng)驗的范式。但第四和第五范式不同，我們希望通過數(shù)據(jù)，讓計算機自己去發(fā)現(xiàn)。
比如說，如果今天我們碰到一個同學在談論他自己的經(jīng)歷，說：“這個女生為什么不愛我?”，這是因為你不知道這個女生到底喜歡什么、關心什么。因為你沒有足夠多的維度去理解她。但是計算機對這個世界的理解，有可能在萬物互聯(lián)的情況下，得到的數(shù)據(jù)可以趨近于無窮多的情況。或者不用無窮多，它只需要一部分樣本。比如，大模型也是一個小樣本，對于這個物理世界的還原，對這個自然語言的還原也是一個小樣本。在這種小樣本的情況下，它可以推理出來絕大部分情況。比如說它可以綜合1000 萬種維度的數(shù)據(jù)，然后用幾百萬個參數(shù)組成一個新的模型，然后幫你去理解。比如說，組合完了之后大概有 1 億多種組合，我挑出了其中三種最有可能能夠成功的機會。你要不要看一看?這個時候，這種科學的發(fā)現(xiàn)不是原來靠經(jīng)驗去發(fā)現(xiàn)的方式。所以，這正是我們創(chuàng)新的第四、第五范式的發(fā)生。
彭昭：在大模型時代，我們都急于跟上潮流。因為大模型就像電燈一樣，如果沒有出現(xiàn)電燈之前，那么對于普通人來說，電能和電力有什么用呢?只有專業(yè)人士才知道電機、電動設備或者備用電源的用途，普通大眾對于電能沒有什么概念。大模型也是如此，以前人工智能對于大眾而言，是非常遙遠的概念。而大模型的出現(xiàn)使人工智能變得家喻戶曉，成為了一個大眾化的應用。
管震：讓所有人都感受到了科技的力量。
彭昭：是，感謝管總的精彩分享。
