導讀
本文為智次方·物聯網智庫創始人彭昭在2023數智產業領袖峰會發表的主旨演講，主題為《大模型時代的“破”與“立”》。
我們最近為什么這么焦慮?為什么AI的進化速度會這么快?為什么ChatGPT在短短兩個月就能實現用戶1億?為什么比爾蓋茨說ChatGPT是1980年以來最具革命性的技術進步?為什么也有人說ChatGPT不算新技術革命，沒有理論創新，不會創造什么就業崗位?為什么有觀點認為大模型開啟的是一場存量財富的廝殺?
這么多問題，又有這么多的矛盾。因此我們從這些問題出發，試圖尋找答案。
我們研究了過去一代又一代新技術的崛起，我發現這其中有很明顯的規律，相同的模式重復了一遍又一遍。
在過去的200多年間，每一次技術跨越，生產力變革永遠不會缺席。每次新技術的崛起，都伴隨著破壞與重塑，也就是熊彼特所說的，顛覆式創新。
其實如果仔細閱讀歷史，每一次的技術革新都沒那么容易，比如電燈的發明也是經歷了波峰波谷的。在愛迪生發明電燈的80年前，就有英國的化學家發現實驗室中的鉑絲通電發光?？梢哉f，愛迪生讓電燈得以普及，他在推廣的過程中功不可沒，他的發明為“電”這種東西創造了一個killer APP。在有電燈之前，普通人根本無法理解電能，看到電燈之后，大家恍然大悟，哦，原來電可以用來做這個。就像我們看見ChatGPT一樣，原來人工智能可以做這個，還能做那個。ChatGPT就像電燈的誕生一樣，讓我們突然發現智能是像電一樣的東西，可以遍布各處，可以隨意取用。
每一次顛覆式創新，都伴隨著多重技術的迭代，比如電燈、還需要電力系統、直流電轉交流電等等設施，當時他們也遇到了煤氣燈的阻擊，說電力會殺人，就像現在有人說人工智能會讓我們失業一樣。
所以你看，歷史的模式多么相似。但如今成功的是哪些人呢?是那些電燈一出現就使用的人，是那些快速學習互聯網的人，是那些擁抱云計算的人，現在，成功屬于那些以積極心態面對大模型的人。
所以，我們來觀察這次大模型帶來的變革。
數字原生組織：物理世界可編程，工作流程全建模
先說結論，大模型的發展讓我們重新思考什么是數字原生組織?我們認為，數字原生組織就是那些更加貼近物理世界可編程的狀態，實現從賣產品到賣服務轉變的組織，那些通過對工作流程全建模，推進人機協同的組織。
為什么會有這樣的結論呢?我們需要一起來剖析大模型值得關注的一些要點。伴隨大模型誕生的還有新的摩爾定律， 這是OpenAI的CEO Sam altman預言的：宇宙中的智能數量每18個月翻一番。這是一個很可怕的說法，因為我們都知道芯片的摩爾定律給我們的生活帶來的影響。
還有一些需要我們注意的內容：
第一，功能型AI與擬人型AI在大模型時代均迎來革命性突破。也就是說大模型不僅智商高，而且情商也高。
第二，AI不會是一個純虛擬的存在，它正在轉到現實世界。通過具身智能，AI將會幫助人在物理世界、生物世界，創造更高價值場景。
第三，我們需要關注垂類知識與行業域的大模型應用。
有人說，AI時代所有產品都值得用大模型重做一遍，這是有道理的。因為未來互聯網入口將發生變化，比如我們以前的搜索引擎，權重是基于page rank，現在這個基礎正在動搖，未來我們搜索的權重有可能基于GPT rank。
用戶通過AI界面直接調用大模型，原來APP建起的壁壘都會被繞開，很多產品的范式將被顛覆。我們所有的企業都需要思考，我們之前業務的基礎是否會發生重構?
也確實有企業，正在用大模型，以“光速”把之前的應用重做了一遍。我們每天醒來，都會看到這方面的新消息。
除了感慨于大模型造成的快速創新之外，還需要關注大模型帶來的成本變化。
以前的幾次顛覆式創新，大部分圍繞生產制造的環節展開。而這一次大模型帶來的生產力改進，則是圍繞服務環節展開。它治愈了困擾我們多年的鮑莫爾病。
我們先來看看這是一種什么病。
鮑莫爾觀察到，在各個部門之間，勞動生產率的增長率通常是不一致的。生產率增長較快的“進步部門”的工資上漲，會同時帶動“停滯部門”的工資上升，但卻拖累整體的生產率增長。這里的進步部門，大多是制造相關的，而停滯部門，大多是服務和后勤相關的。很多人可能有切身感受，生產制造環節的技術迭代日新月異，但是和服務相關的部分，卻沒有那么多變化。
介紹完了病，然后我們來看大模型給的是什么藥。
大模型的出現使所有行業、所有部門的勞動生產率急劇增長，尤其是服務相關的部門，也就是說在人工智能時代，已經沒有任何行業是鮑莫爾所說的停滯部門或者漸進停滯部門，這徹底顛覆了鮑莫爾病成立的基礎。
右圖是機器換人的潛在場景圖譜。替代的邏輯是按照投資回報率，計算替代人效比(也就是機器人的購買及維護成本，相對于同崗位人力成本的回本周期)：
ROI < 48個月時，該細分賽道會有產品出現;
ROI < 24個月時，該細分賽道的企業開始批量購買測試;
ROI < 12個月時，市場開始全面爆發。
隨著人工智能機器人的普及，不僅制造環節會有機器換人，服務環節和其他部門也將會陸續經歷機器與人共存的局面。除了機器換人，我們還需要關注到更深層次的成本結構的變化。
互聯化、云化、大模型化讓“成本界”也有摩爾定律：反摩爾定律。
什么是反摩爾定律?如果你反過來看摩爾定律，一個IT公司如果今天和18個月前賣掉同樣多的、同樣的產品，它的營業額就要降一半。
互聯網讓我們獲取信息的邊際成本趨近于0，我們不用花錢購買百科全書，什么信息都能搜索到。云計算讓企業的IT基礎設施成本快速下降，數據中心有了規模效益，就像左圖所示。
那么大模型呢，它將帶來怎樣的變化?
大模型加速了物理世界可編程的實現。
什么是物理世界可編程?以前原子是原子，比特是比特。特斯拉的創始人馬斯克曾經說過一句很經典的話：產品制造是把原子排列成需要的形狀，決定成本的是如何去排列這些原子。
因此，基于第一性原理思考，產品最低成本=原材料價值(獲取原子的成本)+所需知識產權(排列原子的方法)。從這個第一性原理出發，我們的產品成本能夠被重構。
這一句話拉近了原子與比特的距離。
隨著數字革命對現實世界的影響已經開始達到臨界值，我們正在著手進行下一個重大轉變：可編程的物理世界。在創造現實之上的數字世界的同時，也需要用數字的方式控制和改造物理世界。
這里的想象力和市場空間巨大。
這種對于實體產品成本的變化，將是結構性的改變。
我們不得不等待一場金融革命。每一次科技革命的幕后推手，都與金融革命密不可分。
第一次金融浪潮，形成企業債券市場。瓦特雖然改良了蒸汽機，但是普及并沒那么容易。英國依靠中央銀行和商業銀行體系，最早推出了企業債券，為蒸汽機的發展提供了大規模、可持續、低成本的資金。
第二次金融浪潮，形成了證券交易所。愛迪生發明電燈，福特創造了T型車，洛克菲勒創辦標準石油公司，背后都離不開紐約證券交易所，用股權融資代替債券融資，投資銀行完成了對實業的布局。
第三次金融浪潮，是我們都很熟悉的風險投資模式興起。
第四次金融浪潮，已經出現。
比如OpenAI的CEO Sam Altman，就同時創辦了一家機構，發行worldcoin。如今新技術也已經滲透到金融服務領域，金融正在經歷從大型主機式金融機構，到金融即服務，再到開源原生金融的轉變。
所以，這一次我們看到了相同的模式不斷的重復，這只是其中的一次重復。
這些浪潮的疊加，我們有大模型、有AR、VR即將帶來的突破，有機器人的革新，以及新的一波金融浪潮的就緒，這一次浪潮如果有個總稱，那就是元宇宙。
現在元宇宙的熱度已經降到冰點，也有人認為是涼涼了。每次我在提到第四次金融浪潮，或者元宇宙的時候，都會聽到很多不同觀點，包含很多爭議，這恰恰是機會所在。眾口一詞說好，眾口一詞說不好，恰恰意味著沒有機會。反而是哪里有爭議，哪里就有機會，爭議意味著這個東西的價值還沒有被市場深刻的發現。
在這個技術即將打敗人的經驗，機器的知識終將超越人的知識的時刻。元宇宙可以作為一個宏大愿景，解決知識的產生、利用和規?；瘡椭频钠款i，實現企業價值創造的新突破。
這就是我們觀察到了不斷在重復的模式，以及這些模式匯聚成的愿景。
大模型行業應用的受益者是“傳統企業”
我們研究了過去一代又一代新技術的崛起，發現這其中有很明顯的規律，相同的模式重復了一遍又一遍。這個浪潮過后的受益者，也都在不斷押韻的重復。我們判斷，大模型行業應用的最終受益者是傳統企業。
這是大模型的技術棧和價值鏈分析圖，有沒有感覺似曾相識?大模型的技術架構同樣分為基礎設施層、平臺層、應用層，這幾個層次。
我們之前在物聯網、工業互聯網、云計算，都看到了類似的架構。
最終誰會收益呢?每一次的模式都相當一致，價值鏈的受益者會朝向最終用戶的方向移動。
舉個我們身邊的例子，比如高速收費站的ETC機會，當時由于政策的推動，誕生了一堆明星公司。ETC浪潮啟動的時候，首先是上游芯片緊缺，芯片、模組廠商成為最掙錢的環節;但這個過程比較短暫，伴隨著這種技術的快速普及，對產業內的組織、業務能力的挑戰非常高;長期看，盈利的環節逐漸朝向下游移動，善于利用新技術做長期運營的公路收費公司反而獲益最多。
而公路收費公司，恰恰是看似傳統的“傳統企業”。
傳統企業應用大模型的過程，我們也參照工業互聯網、物聯網等技術浪潮的模式，預判將會經歷3個發展階段：內化、外化和外掛。
內化是企業先應用大模型，解決公司內部的效率問題;
外化是企業橫向的在產業上下游進行一個價值鏈的延展;
最后外掛，企業將大模型的應用賦能到整個生態圈。
這3個發展階段并不一定必須遍歷，有可能跨越。應用大模型，并不是讓傳統企業一夜之間變成微軟，或者變成一個行業大模型公司，而是傳統企業在數字化浪潮下保持自身競爭力的必然選擇。
AIoT領域的企業，宇視、中科創達等，陸續推出了大模型，近期可能還會有更多企業投入其中。
接下來聊聊大模型在不同行業應用的潛力，我們主要談兩個行業，工業和汽車。
我們前不久曾深入訪談了超過30家工業互聯網產業鏈上下游的企業，在問到有關大模型的問題時，發現這個新事物在工業領域的落地是有爭議的，更確切的說，爭議非常大，堪比大家對元宇宙的爭議。部分支持者和反對者們恨不得要和對方“絕交”了，我們來看看雙方的觀點。
在接受調研的企業中，超過70%是AGI技術的“觀望者”，在他們看來，大模型在工業領域的應用落地還很遙遠，甚至可能是個“偽命題”，左側是他們的理由。
而在另外接近30%的堅定支持者眼里，情況則完全是另一回事，右側是他們的理由。
還有一些企業，正在探索大模型在工業領域的落地實踐。
比如西門子和微軟合作，將大模型用于PLC輔助編程;初創公司Divergent 3D使用大模型為豪華跑車制造商阿斯頓·馬丁設計的概念車打造后車架，在短短一個小時之內就可進行30~40次迭代;阿里的工程師通過釘釘對話框控制機器人完成一連串的動作等。
在汽車行業，我們看到已有眾多頭部企業擁抱大模型，紛紛探索將AIGC應用在產品營銷、客戶服務、座艙交互、自動駕駛開發、智駕輔助訓練等方面。
我們已經發布了工業互聯網和智能網聯汽車兩份產業圖譜，感興趣的朋友可以關注圖譜中的詳細分析。
以上，我們談到了大模型只是眾多技術革命浪潮其中之一，大模型的產業應用正在起步，這個模式我們觀察到了多次，正在不斷上演。
說完了技術和產業，我們更遞進一步，來談談大模型在企業組織層面掀起的變革，組織的能力與企業的成就有不可或缺的關系。
大模型的影響從技術、產業滲透到企業組織
大模型為我們提供了一次企業組織層面的刷新機會，這次刷新不止一次，是層層深入的。很多人擔心大模型會讓我們失業，這個太表層了，大模型引發的變革是涉及思維定式和組織架構層面的，它讓我們重新思考過去約定俗成的一些做法。
知名的管理專家楊國安教授曾經提出，企業的成功=戰略乘以組織能力，我們將其進行了細化，企業的成功=由業務支撐的戰略X以員工為基礎的組織能力。
那么大模型顛覆的是哪幾個部分呢?
首先是戰略和員工，接受的影響首當其沖。
大模型帶動產業快速變化，戰略的核心原則從長期規劃改為了決策的快速迭代，過去我們10年或最多5年做一次戰略就足夠，而現在企業則需要半年甚至三個月就要做一次重要決定，而且這一決定很可能影響到企業未來的生死。
我們的員工也發生了變化，大模型讓每個人有了“第二大腦”，人工與技術結合能夠激發雙方的潛能。我們的企業當中有了數字員工，根據一位朋友的測算，一個金融領域的數字員工可以完成230個人的工作。右側的圖片是拆解了代表性公司的工作流程之后，大模型可以改進或者提效的部分。
立足于這些分析，我們再重新思考什么是數字原生組織?數字原生組織至少是將工作SOP標準作業程序都建模的組織，人機協同的組織。
生產力決定生產關系，這次大模型帶來的生產力變化，可能會更加深刻的影響我們的生產關系。
AI有沒有可能從副駕變為機長呢?我也不知道。我試圖從之前的模式中尋找答案。
先問個問題，我們做智能制造，其實是在做什么?智能制造做的其實就是，當人和機器在爭奪車間生產現場控制權的時候，到底是聽人員的，還是聽機器的。曾經這個問題有過爭論。答案已經顯而易見，智能制造做的好的企業，都會把生產制造的控制權交給機器。能讓機器做的，絕對不讓人去做。
如果AI能夠從副駕到機長，還得經歷很大的改進。
前微軟亞洲研究院副院長周明老師在會議中曾提出“周明曲線”：當模型參數達到100億，就進入到語言理解能力提升的“平臺區”，隨著參數規模增加，AGI能力會快速提升，但語言理解能力不會再顯著提升，而且在這樣的參數規模上，語言理解能力已開始可以滿足商用或垂直領域應用的基本需求。所以，如果是to B的大模型，參數規模選在100-1000億之間是最經濟的，且有利于私有化部署，保護企業用戶的數據隱私。
在B2B領域，焦點會從“信息生成”轉向“信息綜合”，從“生成式AI”轉到“綜合式AI”，也就是匯聚信息從而改善決策。B2B領域的AI將從大規模的通用模型轉向能夠應用多種模型的架構，包括在特定領域和特定用途的數據集上訓練的更精細模型。
由于大模型的迭代速度很快，我們有必要對未來的方向進行預判和提前準備。
站在未來看現在，大模型可能將會重新塑造我們的業務和組織。
生成式AI和大模型讓我們看到了利用虛實結合的方式控制物理世界的可能性，生產計劃和生產執行的流程可以讓機器人充分介入，用數字虛擬的方式訓練生產機器，最終實現全自動化的制造業，讓機器制造機器，讓我們獲得實體產品的成本快速降低。
當我們趨近于物理世界可編程的時候，硬件產品的邊際成本趨近于零。我們就達到一種非常接近經濟學家里夫金描述的零邊際成本社會的狀態，那么這個階段更有價值的是什么呢?就是附加在產品上面的服務，人們不需要電鉆，而是需要墻上的洞;人們不需要汽車，而是需要便捷的出行體驗。
當我們的業務從賣產品轉變到賣服務的時候，我們制造的產品大多是軟硬結合的形態，而且軟件和服務正在成為多種行業的核心驅動力，但我們的組織結構并沒有跟上產品迭代的步伐。
因為根據康威定律：一個組織設計出的系統/產品即該組織內部溝通結構的縮影。這意味著企業想要獲得什么樣的產品或系統，就需要什么樣的組織及組織文化。
以汽車為例，在物理世界可編程的大背景下，機械裝備更加接近于電子設備，智能車可以視為一臺大手機。為了更加適應智能車的生產流程，特斯拉最新提出的生產方式被稱為Unboxed Process。
現有汽車的生產方式由沖壓、焊裝、涂裝、總裝四大工藝流程組成。但特斯拉表示，自己的新生產方式有很大不同。它是將車輛零部件分成6個大模塊，每個模塊單獨生產，再將其組裝成整車。特斯拉測算，如果通過Unbox流程生產車輛，制造人員將減少40%，制造所需的空間和時間將減少30%。
與之相應，特斯拉的組織架構也進行了調整，通過打造動態與平臺型組織結構，可以讓客戶和用戶，更多的參與到企業的產品與服務當中。新型組織的核心能力及其要求包括：
快速組建新的協同研發網絡，協同合作伙伴高效開發產品和服務;
可以突破邊界使用外部的專家和人才;
甚至企業有可能將自身的某一部分或者某一環節，構建為類似DAO組織的形態。
綜上，大模型變革了我們的戰略、員工，還即將刷新我們的業務和組織。
物理世界可編程、工作流程全建模，善用大模型讓我們更接近數字原生組織。AI正在深入的改變我們的世界，這些就是我想分享的內容。
未來我們將被AI引導，還是AI將被我們引導呢?
歡迎一起探索答案。
