AI首先替代的不是蓝领白领工作？

OpenAI在5月14日推出了新一代人工智能模型GPT-4o，支持文本、音频和图像的任意组合输入，并能够生成文本、音频和图像的任意组合输出。仅仅一天后，谷歌就在新一届I/O开发者大会上发布、更新了十多款产品，包括AI助手Project Astra、文生图模型Imagen3、对标Sora的文生视频模型Veo，以及备受瞩目的大模型Gemini 1.5 Pro的升级版。

从2023年初开始，我们见证了人工智能有一轮前所未有的爆发式成长。在这波浪潮中，也产生了很多思考和疑问——为什么沉寂多年后，人工智能会在2023年开始大爆发？新一代人工智能是如何炼成的？有前景的商业应用有哪些？大模型对社会、企业和个人会产生什么影响？人类的工作是否会被替代？未来的生产模式和商业模式又是什么样的？

一、爆发之前：大模型是如何成功的？

1. 机器学习

早在上个世纪50年代，人工智能就有了非常成熟的基础定义，即能够模仿人类感知、推理、行动和适应的计算机程序。那是在1956年的达特茅斯会议（人工智能的创始会议）上被提出的。我们今天看到的人工智能，是这个大概念下的一个子集，叫机器学习，它是基于算法和统计的认知模型，通过对现有数据的持续学习，做出预测和自主调整。

机器学习已经广泛应用于企业中。例如，一家物流公司派发120个包裹，如何规划最优路线？在没有人工智能辅助的情况下，路线很可能是司机一拍脑袋决定的，通常并非最优解。而机器学习能帮助企业打破这种局限，它通过算法研究司机走过的路线，并把时段、路况、天气等因素都考虑在内，从中发现规律，得出超乎意料的高效路线。

UPS从2003年开始研究如何用人工智能去优化包裹投递路径，每年为企业节省了3~4亿美元的成本、1亿英里的路程、1000万加仑的油耗，以及10万吨温室气体排放。这就是机器学习的早期应用——通过对各种数据、特征的提取，在企业内部实现降本增效。另一类应用则是通过外置资源的调配创造新的平台经济，抖音、美团、滴滴等平台都是由机器学习的算法驱动的，并且都实现了指数级增长。

2. 深度学习

机器学习的算法基础，是结构性数据，即能放进Excel表格的信息，如性别、日期、距离等。但在这个世界上，不仅有结构性数据，还有非结构数据。文字、图像、视频，人们的所见所闻、所思所想，都是非结构性数据。如果我们把它们抽象为结构性数据，就会导致信息损失。人类没有办法通过结构性数据去捕捉大千世界纷繁复杂的信息，由此衍生出了深度学习的概念。

今天如日中天的人工智能应用，如大模型、Sora、自动驾驶等，都属于深度学习范畴。所谓深度学习，就是利用多层神经网络从非结构性数据中进行学习、推断和分析，最初也叫卷积神经网络。从1989年卷积神经网络算法LeNet诞生，到1998年成功实现商业化，历时近十年，但也只是被金融和邮政机构用来读取信件或支票上的数字与条码。

这样普适性的技术，为什么在当时应用如此狭窄？因为深度学习需要满足两个严苛的条件：一是算力，它需要进行大量计算，非常消耗算力，当时的计算机性能还没办法支撑；二是数据，它需要大量的非结构数据进行训练，而当时还没有人对非结构性数据进行系统性收集。

2006年，英伟达开始通过GPU和GPU上面的一系列软件构架对算法进行了突破，现在英伟达的市值已超过2万亿美元。缺乏训练数据的瓶颈则是由华裔科学家李飞飞带领团队突破的。2007年，李飞飞在美国的零工平台MTurk雇用了很多零工去做数据的清洗、标记和下载，历时3年多，来自167个国家的5万人参与了10亿张备选图片的标注，最终做出了ImageNet数据库。这是深度学习实现技术突破的重大标志性事件。

2010年，李飞飞开始举办ImageNet大规模视觉识别挑战赛。2012年，谷歌团队在参赛时用了一个新技术——卷积神经网络AlexNet，将图像识别的错误率降到了15.3%，到2014年又降到了5%。通过这项比赛，人类达成了在视觉识别上让计算机超过自己的目的。

现在，视觉识别已被广泛应用在企业内部，以及市场拓展和营销中。比如，沃尔玛通过视觉识别技术去分析产品是否需要及时补货，让整个运营和物流保持高效；顺丰也通过视觉识别去查看包裹有没有破损、员工有没有暴力分拣。

李飞飞是通过散落在世界各地的零工去做数据标记的，因此才有了数据库和数据产业的诞生。这不仅是技术的创新，也是组织模式的创新。现在，由于经济的波动和变化，我们十分担心就业问题，事实上从2010年起，零工经济、众包形式就已开始出现，劳动力市场正在发生深刻变化，而这种变化是和技术跃迁紧密相连的。

3. DeepMind

围棋是棋界的珠穆朗玛峰，两人对弈时，棋路变幻莫测。当年DeepMind想研究人工智能下围棋，大家都认为是天方夜谭。但在2016年，DeepMind开发的AlphaGo以4:1的成绩战胜了李世石，引起极大轰动。之后AlphaGo迅速迭代，两年间学完了人类所有的棋谱，然后开始自己和自己对弈，发展成了非常强大的算法。

卷积神经网络的另一个重大应用，是预测蛋白质的原子级精度结构。DeepMind用AlphaFold在两年内预测了58%的人类蛋白质结构，而人类用50年只做了17%的蛋白质解析。2022年，AlphaFold已预测出超过100万个物种的2.14亿个蛋白质结构，几乎涵盖了地球上所有已知蛋白质。

可以看出，在七八年前，人工智能卷积神经网络首先替代的不是蓝领、白领的工作，而是科学家的工作。科学家用50年积攒的智慧，人工智能两三年就完全突破了，但科学家们并没有因此感到沮丧。事实上，这个蛋白质数据库大幅增加了科学家在开发新药时所拥有的选项，让他们可以不局限于蛋白质解析工作，而更专注于拓展药物研发，去攻克那些真正关键的难题。

4. 注意力机制

为什么深度学习可以打败李世石，可以解析复杂的蛋白质结构，但在很长时间内却解析不了人类的语言？因为语言是高度复杂和不确定的，它是意识的反映，是连贯而有情境的。我们对于语言的理解，也是我们对于知识、环境及潜在文化的理解。

1998年，《战略管理学期刊》上发表了一篇非常重要的文章，叫《以注意力为基础的企业观》。西北大学的威廉·欧卡秀（William Ocasio）教授认为，企业的决策行为是由领导者的注意力机制决定的。公司行为是决策者注意力分配的结果，决策者关注那些问题，才会去寻找答案；而答案的搜寻则由整个公司的运行、惯例和制度来完成。这跟解决大模型语言问题的方法有异曲同工之妙。

2018年，谷歌团队在计算机领域发表了一篇类似文章《注意力就是你所需要的一切》，提出了注意力机制。众所周知，人类的注意力会自动过滤掉不重要的信息，而保留重要的信息，这就是大模型工作的原理。具体来说有几个方法——聚焦、过滤、上下文感知、关注漂移等。计算机科学家们让这些方法变成了可编程的计算机语言，使得计算机也具备了注意力机制，从而让深度学习算法大模型具有理解语言的能力。

在注意力机制下，文字、语音、图像、视频等非结构性信息之间并无太大差别。我们看到OpenAI在推出ChatGPT之后，一年内就推出了Sora视频大模型，因为二者的底层技术是相通的，不一样的只是数据。Sora之所以能生成60秒的视频，和微软强大的算力支持有关。Pika也是非常火的独角兽，却只能生成两三秒的视频，大概率是因为没有算力去支持它生成长的视频。

注意力机制技术让算力变得空前重要，只要有算力，就能让算法更完善、概率更精准、学习更高效。

二、应用之途：企业该如何入局人工智能？

1. 是局限亦是机会

大模型其实不具备我们所说的功能语言能力，它生成的文字只是字面意义，而不是对于世界的理解和认知。我们说大模型有幻觉，这非常正常，因为它做的是词义联想，即根据最大化概率去填空，不像我们人类，对于整个世界有基本的认知和假设。

这个世界的基本物理规律，大模型其实一无所知，在视频和图文方面都是如此。这是一个非常大的局限，也是一个非常大的机会。我们需要研发辅助技术去填补空白，这会产生很多技术创新的机会。

所有的大模型都更适用于合规和惯例的表达及传递，而不是用于创意和创新。它遵循的是世界上最有可能发生的事，但创新是要找到世界上还没有发生的事。我们总是担心人工智能会不会消灭人类，其实它更多是服从人类命令，至少到目前为止，它是帮助人类更好地执行一些细节性操作，而不是替代人类去做创意性工作。

2. 反向创作

我在小红书看到一个例子，是一位摄影师拿人工智能去反向创作。他让人工智能生成一个图像，借助它的光影，自己去创造一个真的摄影作品，再进行艺术创作。这是一个非常有意思的应用，人工智能被人类拿来作为灵感的源泉。

小红书上的反向创作案例。图片来源：摄影师董名扬

制作Sora Demo也相对容易，以后《复仇者联盟》中外星人入侵那样天马行空的场景，制作将不再困难，成本也不再高昂。

3. 机器人

ChatGPT不仅能生成图文、视频，还能生成代码，这也可以用到机器人上。一旦硬件成熟了，我跟机器人说，帮我去取一个快递，它就可以把自然语言翻译成机器人可执行的代码，进而完成命令。机器人产业会有非常大的发展机遇。通过内置大模型，人类以自然语言就可以直接驱动机器人。

4. 自动驾驶

自动驾驶是大模型应用非常重要的一个潜力领域。2018、2019年时，我在湾区接触了很多自动驾驶领域的计算机科学家。当时我发现自动驾驶其实是一个高人工、而不是高人工智能的行业，每张路况图片都需要非常精准的标注，具体到消防栓、红绿灯甚至马路边缘等。但有了注意力机制，无需数据标注的自动驾驶系统出现了，这可能会产生颠覆性效果。

5. 传承企业惯例

在企业内部，我们会用ChatGPT去写一些惯例性文件，如商务邮件、会议纪要、新闻通稿、招股说明书等。大语言模型是做最大概率的词义联想，所以能写出非常合规的文件。这几乎是它最基础的应用，但需要企业有一个比较高的数字化程度，企业的通信设备、数据库、规章制度，必须都进行数字化，大模型才能知道企业要什么、惯例是什么，它才能遵守。这里面的商业机会也不少。

正如1982年两位经济学家——尼尔森和温特所说的，企业最重要的竞争优势、核心能力在于企业的惯例，每个企业都有自己独特的规章制度和知识传承。这些知识往往存在于经理人、领导人的脑海中。如果通过数字化进程，把这些知识显性化喂给大模型，那么企业的知识载体就不再局限于人，还有信息系统和大模型算法。

大模型对企业知识的提取、解读、总结、归纳的能力，将会非常深刻地改变企业运行机制。未来，企业专有数据的采集和训练将是一个新的增长点，成为垂直模型和新技术演化的起点和方向。

在社会层面，大模型最基础的应用，是写一些形式主义的文稿，而且可以写得很漂亮。人类之所以要写这些文稿，其实是要表达对于社会规则的遵从。有社会学家认为，整个社会、整个行业，如果从历史纵深的角度来看，会越来越趋同，这个趋同性是社会运行的一个根本，我们会排除那些不守规则的部分。

最后一个行业也会越来越像，因为我们需要对行业制定规则，然后遵守和传承。从这个角度来看，人工智能不仅参与了企业的惯例、规则的制定和改变，还参与了社会文化的变迁。这不仅是一个信息化进程，也是人类关系构建、认知进化的进程。

本文来自微信公众号：中欧EMBA（ID：CEIBSEMBA），作者：杨蔚（中欧国际工商学院管理学副教授）