下一個十年，企業(yè)競爭的核心將是能否充分利用生成式人工智能為核心的新生產(chǎn)力。作者分享分析了生成式AI是新質(zhì)生產(chǎn)力的核心、企業(yè)最核心資產(chǎn)是私域數(shù)據(jù)、生成式AI在企業(yè)組織中的落地。

大家好，今天世界各地正在達(dá)成這樣一種共識：AI是衡量先進(jìn)生產(chǎn)力核心指標(biāo)或者是唯一指標(biāo)。我今天的分享從三個方面進(jìn)行：

第一，生成式AI為何是新質(zhì)生產(chǎn)力的核心？這一輪的生成式AI與之前的AI都有哪些本質(zhì)區(qū)別？

第二，為什么AI模型和AI技術(shù)不是企業(yè)最核心資產(chǎn)，而是私域數(shù)據(jù)。

第三，如何根據(jù)企業(yè)不同現(xiàn)狀，實(shí)現(xiàn)從低成本Prompt應(yīng)用到建設(shè)企業(yè)智能體及垂直模型，構(gòu)建企業(yè)核心競爭力。

一、生成式AI是新質(zhì)生產(chǎn)力的核心

1. Al進(jìn)入Iphone時刻

2007年的Iphone時刻，喬布斯2分鐘重新定義手機(jī)。2023年3月GPT-4發(fā)布，預(yù)示著Al進(jìn)入Iphone時刻。

對于它的出現(xiàn)，英偉達(dá)CEO黃仁勛說ChatGPT帶來AI的iPhone時刻。

Open AI創(chuàng)始人Sam Altman表示這與人類的印刷機(jī)相比是同樣偉大的發(fā)明。

谷歌CEO孫達(dá)爾·皮柴( Sundar PichAI)表示這是人類的另一次火和電發(fā)明。

比爾·蓋茨也表示GPT是他一生中見到的兩項(xiàng)最具革命性技術(shù)之一。

埃隆馬斯克前兩天也提到生成式AI比核武器厲害很多倍。

2. 人工智能應(yīng)用場景

接下來我們來看4個實(shí)際應(yīng)用案例。

① 案例：乳業(yè)公司瞬時殺菌技術(shù)提煉

某乳液公司開發(fā)的新款牛奶采用了新的瞬時殺菌技術(shù)，那如何將這種新的瞬時殺菌技術(shù)轉(zhuǎn)化為銷售賣點(diǎn)？

一般情況下，我們會讓市場部提煉一個好的賣點(diǎn)語言，這樣下來可能需要非常高的價格。

有了人工智能，現(xiàn)在的做法就不一樣。具體步驟有：首先，描述背景，了解產(chǎn)品類型。其次，提出要求，如請你幫我思考在賣點(diǎn)過程中需要表達(dá)哪些核心內(nèi)容等。最后，通過逐輪與大模型交互，最終可以得出幾個答案。

事實(shí)上，提煉這些宣傳賣點(diǎn)話術(shù)或者宣傳用語，如果沒有5年市場經(jīng)驗(yàn)是很難達(dá)到這個水平，也許他無法與葉茂中相比，但借助人工智能，還是很容易超越5年內(nèi)的市場人員。

② 輔助設(shè)計，提供創(chuàng)新思路

接下來我們看個服裝輔助設(shè)計案例。

我們都知道，服裝有不同布料、不同顏色以及各種款式。那么，如何快速進(jìn)行仿真和模擬，實(shí)現(xiàn)服裝設(shè)計過程中的快速、高效迭代和創(chuàng)新？

借助人工智能，如上圖所示，我們可以很輕松的進(jìn)行創(chuàng)新設(shè)計。

首先，選擇世界上知名的服裝風(fēng)格。其次，選擇需要的顏色和細(xì)節(jié)，例如花岸上衣或其他風(fēng)格。第三，選好后輸入交互信息，如請幫我設(shè)計一個禮服，使其看起來更加青春等。

這里需要注意的是，它可以結(jié)合很多特點(diǎn)進(jìn)行細(xì)化設(shè)計，例如采用了一些經(jīng)典款式等。

目前，人工智能模型得到進(jìn)一步發(fā)展，如在服裝設(shè)計過程中，我們在紙上畫一個線稿，直接放上去，它會生成整個模特的實(shí)際圖片。

同時，在展示效果上，如風(fēng)吹效果，無論是絲綢還是亞麻，還是各種不同布料，都可以根據(jù)重量和物理屬性，展示出穿著過程中的飄逸感覺，以此判斷出設(shè)計效果。

③ 某保險客戶健康產(chǎn)品推薦

接下來，我們再探討一個涉及某保險公司與健康檢測公司產(chǎn)品推薦的案例。

我們知道，保險業(yè)務(wù)中，保險人員變動非常頻繁，所以，在與客戶交互過程中，通過人工智能方式搭建了一個人工智能Agent。

首先，它會讀取檢測報告中的信息，同時植入專家解讀的內(nèi)容，它會根據(jù)專家解讀的信息匹配適合的保險產(chǎn)品。此外，它還會借鑒歷史銷售數(shù)據(jù)，特別是金牌銷售人員的經(jīng)驗(yàn)，將這些銷售經(jīng)驗(yàn)總結(jié)生成話術(shù)。

這時，你會發(fā)現(xiàn)，保險銷售人員會更像一個演員，帶著已經(jīng)準(zhǔn)備好的腳本和產(chǎn)品，在客戶面前表演。這樣，大大提高了我們與客戶交互的效率和成效，同時也體現(xiàn)出專業(yè)性。

另外，通過自然語言交互，銀行人員也可以對自己的信貸進(jìn)行判斷，并與系統(tǒng)、行業(yè)指標(biāo)和各種數(shù)據(jù)相結(jié)合判斷信貸風(fēng)險。這一舉措標(biāo)志著崗位自動化的初步實(shí)現(xiàn)。

目前，在AI的廣泛應(yīng)用過程中，我們已逐步從單一崗位的簡單任務(wù)自動化向復(fù)雜任務(wù)自動化邁進(jìn)。在未來2-3年內(nèi)，會有很多崗位實(shí)現(xiàn)全面自動化。

④ 智能招聘助手

我們再看一個智能招聘Agent+RPA+專家知識的綜合自動化應(yīng)用案例。

智能招聘助手可以快速、專業(yè)地評價候選人。它會根據(jù)JD（崗位職責(zé)）要求對應(yīng)求職者的簡歷，并針對關(guān)鍵信息給出評價。

為了保證評估的精準(zhǔn)性，我們依托豐富的專家背景知識，使招聘助手能夠深入理解院校、專業(yè)等招聘要素，對候選人作出更為專業(yè)的評價。

HR招聘人員可輕松通過后臺創(chuàng)建和編輯職位信息，進(jìn)入招聘頁面后，新增崗位、填寫JD并一鍵解析，相關(guān)信息將自動填充至相應(yīng)欄目。

智能助理還能對招聘數(shù)據(jù)進(jìn)行深度分析，為HR管理者提供精確的數(shù)據(jù)支持和結(jié)果解讀，幫助管理者快速理解招聘現(xiàn)狀。

借助智能招聘助手的專家知識庫，我們可以更精準(zhǔn)地進(jìn)行簡歷篩選，并在面試過程中生成個性化的面試題目和答案，確保應(yīng)聘者與業(yè)務(wù)需求的精準(zhǔn)匹配，并將推薦結(jié)果及時送達(dá)業(yè)務(wù)人員。

綜上所述，關(guān)于人工智能的應(yīng)用，其核心在于首先推動單崗位任務(wù)的智能化升級。

并且，隨著技術(shù)的不斷進(jìn)步，系統(tǒng)將逐步具備專家的能力，并通過復(fù)制和放大這種能力，實(shí)現(xiàn)復(fù)雜流程的自動化。最終真正為組織賦予新質(zhì)的生產(chǎn)力。

3. Chat-GPT-4出現(xiàn)，人類可以跟機(jī)器自由對話

① 交互方式發(fā)生變化

通過對前面講到的實(shí)際應(yīng)用案例，不難發(fā)現(xiàn)，我們的交互方式正悄然發(fā)生變化。

第一，DOS命令時代。在那個時期，我們通過輸入DOS命令來執(zhí)行操作。用戶需要具備一定的編程知識，通過編寫代碼來完成任務(wù)。

第二，圖形交互時代。比爾·蓋茨曾贊譽(yù)Windows的發(fā)明為人類的第二次偉大創(chuàng)新。

圖形交互時代的開創(chuàng)性產(chǎn)品Windows，以及后來的iPhone等設(shè)備，實(shí)現(xiàn)了人與圖形界面的直觀交互，極大地提高了用戶體驗(yàn)。

第三，自然語言交互時代。隨著Chat GPT等技術(shù)的出現(xiàn)，我們迎來了自然語言交互的新篇章。

Chat GPT具備多種功能，如作畫、編寫代碼、翻譯資料、收集信息以及視頻處理等，展現(xiàn)了多功能、多模態(tài)人工智能的強(qiáng)大能力。通過自然語言交互，用戶可以更加便捷地與計算機(jī)進(jìn)行溝通和交流。

② Sora世界模擬器意味著什么？

2024年的2月，Sora在春節(jié)期間引起轟動。我們首次在人類視頻中看到一位時尚女性走在充滿溫暖的霓虹燈和動畫城市標(biāo)牌的東京街道。

我們看到生成的視頻，此時此刻很難分辨真假，它在霓虹燈底下、濕的、下過雨的地面上的倒影以及各種符合現(xiàn)實(shí)世界的情形。

埃隆馬斯克在觀察Sora出現(xiàn)之后表示：人類應(yīng)該認(rèn)賭服輸。

Sora世界模擬器意味著什么？

Sora被Open AI定義為世界模擬器，其深遠(yuǎn)意義超越了簡單的視頻生成范疇，而是為理解和模擬現(xiàn)實(shí)世界提供了堅實(shí)基礎(chǔ)。

同時，Sora的潛力被認(rèn)為有助于實(shí)現(xiàn)通用人工智能的目標(biāo)。通用人工智能理論上能夠完全取代人類的治理活動。

英偉達(dá)高級研究科學(xué)家Jim Fa更是直接斷言：“sora是一個數(shù)據(jù)驅(qū)動的物理引擎，是一個可學(xué)習(xí)的模擬器，或世界模型”。

通過先前的與Chat GPT的交流，我們雖然聚焦于文字層面，但未真正涉足物理世界?？紤]到我們的三維環(huán)境根植于物理法則，Sora的能力顯得尤為突出。它能夠自主生成圖像，進(jìn)而深化對物理世界的理解。

舉例來說，現(xiàn)代機(jī)器人裝備了攝像頭，使其能夠捕捉并解析現(xiàn)實(shí)的物理環(huán)境，包括建筑物、街道以及人與人之間的互動。這不僅讓機(jī)器人理解物理世界，還促進(jìn)了數(shù)字世界與真實(shí)物理世界之間的交互。

Sora的出現(xiàn)之所以引起廣泛關(guān)注，是因?yàn)樗鼮槲覀兲峁┝艘环N方法和路徑，將數(shù)字世界和物理世界的智能打通。

通過Sora，我們正在構(gòu)建一個反映物理世界真實(shí)面貌的模型。

因此，我們說GPT解決了機(jī)器與人的自然語言互動，而Sora解決了機(jī)器通過攝像頭與世界之間的互動。

③ Figure 01更新

2023年3月figure01更新，使GPT擁有身體，機(jī)器人擁有靈魂。突出表現(xiàn)在開放式自由交流完全自主判斷驅(qū)動，沒有任何人控制。

如上圖所示，它與機(jī)器人的互動完全自由，類似于我們之前提到的小米小愛音箱或其他指令式的操作。機(jī)器人的動作與真人一樣，可以自由應(yīng)答。

例如，我在桌子上詢問他是否可以吃蘋果，他直接遞給我一個蘋果，并回答我說可以幫我收拾一下。

這個過程中機(jī)器人的動作完全由自主判斷，而非人控制和驅(qū)動。它是一種真正的新質(zhì)生產(chǎn)力和革命性技術(shù)。

5. Chat GPT-4出現(xiàn)對人類社會的深刻影響

① 人類社會新物種：人工智能機(jī)器人

第一，人工智能機(jī)器人。

Chat GPT的出現(xiàn)，我們看到了Sora正在構(gòu)建一個世界物理模型，這個模型被稱為Figure 01，也被稱為具身智能。

實(shí)際上它與機(jī)器人結(jié)合，將能夠執(zhí)行那些需要人類身體、智慧和靈魂共同協(xié)作的任務(wù)。

這一發(fā)展標(biāo)志著人工智能正在逐步且全面地融入我們的社會各個領(lǐng)域。人類社會迎來了一個新的存在，即機(jī)器人和人工智能。

第二，人和人工智能相結(jié)合物種。

機(jī)器人可能還有另一個物種，即人與人工智能機(jī)器相結(jié)合的生物Cyberman（賽博人，泛指半人半機(jī)器的生物）。

在現(xiàn)實(shí)生活中，例如通過在人眼中植入芯片，如埃隆·馬斯克所研發(fā)的New Link，人們已經(jīng)開始了與機(jī)器的初步融合。

更進(jìn)一步，如果我將此類芯片植入大腦，那我就可以講各個國家的語言。甚至，如果我將我的眼睛與大腦直接相連，我還能夠通過CT掃描進(jìn)行深入的分析。

② Chat GPT出現(xiàn)，是一場革命性顛覆

第一，人類歷史上首次機(jī)器理解了人類語言的含義，實(shí)現(xiàn)了與人自由對話。

第二，驅(qū)動技術(shù)發(fā)生變化，從技術(shù)驅(qū)動技術(shù)轉(zhuǎn)變?yōu)樽匀徽Z言驅(qū)動技術(shù)。

在以前，推動技術(shù)創(chuàng)新和社會變革的核心力量是那些掌握技術(shù)的人群，但技術(shù)往往掌握在少數(shù)人手中。如今，人類可以借助人工智能通過大白話獲取深入的知識和智力。這意味著技術(shù)創(chuàng)新不再局限于少數(shù)人，而是變成所有人。

因此，我們進(jìn)入了智力分發(fā)的時代。智力就像電能一樣，可以賦能給每一個人，這對我們的職業(yè)和未來產(chǎn)生巨大影響。

第三，反思教育：什么樣的人未來有價值？

什么樣的人才能成為未來有價值的人？我們需要反思我們教育。我們的教育不應(yīng)該是是拷貝式的教育，而應(yīng)注重培養(yǎng)獨(dú)立思考、獨(dú)立認(rèn)知和獨(dú)立人格的教育，這才是未來社會所需要的教育方式和能力。

第四，我們開始修正以往的認(rèn)知。

過去，我們一直自豪地認(rèn)為人類是上帝發(fā)明的最偉大物種，人類大腦必不可少。然而現(xiàn)在，人類的大腦已經(jīng)不再是必不可少的。

實(shí)際上，人類語言比我們所知道的更加結(jié)構(gòu)化和簡單，最終可能以相當(dāng)簡單的規(guī)則來描述如何組織這樣的語言。

GPT發(fā)明者伊爾亞·蘇茨克維說：GPT的主要思路是通過生成獲取世界模型的壓縮表示。

沃爾弗拉姆也說：GPT和人類的本質(zhì)，并沒有特別之處。在計算方面，我們與自然中許多系統(tǒng)基本等價。

我們意識到人工智能已經(jīng)具備人類過去認(rèn)為獨(dú)有的創(chuàng)造力和情感判斷力。未來AI將逐步發(fā)展成自己的世界，這是一個新生態(tài)，可能會有自己的憲章，人類需要與之適應(yīng)、共存共融。

6. 決策式AI和生成式AI

① Chat-GPT沒出現(xiàn)前，人工智是一種決策式AI

自1950年起，人工智能的發(fā)展歷程逐漸展開。在ChatGPT之前，我們可以將人工智能視為一種決策式AI。

這種AI主要依賴于輸入的大量人類數(shù)據(jù)和歷史數(shù)據(jù)，通過分析和評估可能的結(jié)果來模擬人類的決策過程，從而做出最優(yōu)決策。它并不自行創(chuàng)造全新的邏輯和內(nèi)容，而是基于現(xiàn)有數(shù)據(jù)進(jìn)行優(yōu)化。

然而，隨著Alphago和特別是Alphago Zero的出現(xiàn)，情況發(fā)生了變化。

Alphago在圍棋領(lǐng)域取得了巨大突破，打敗了世界圍棋冠軍。盡管它學(xué)習(xí)了人類歷史上的各種棋譜，但其認(rèn)知和能力并未超越人類總和。然而，Alphago Zero則完全不同。它不再學(xué)習(xí)人類的棋譜，而是基于簡單的規(guī)則讓機(jī)器自行生成不同的棋譜并與自己對戰(zhàn)。

經(jīng)過一段時間的訓(xùn)練，Alphago Zero以100:0的成績打敗了Alphago，這標(biāo)志著一種全新類型的AI——生成式AI的誕生。

生成式AI不僅限于特定領(lǐng)域，而是具有更廣泛的應(yīng)用范圍。例如，2022年至2023年間出現(xiàn)的GPT和Sora等生成式AI系統(tǒng)，它們能夠像人類一樣進(jìn)行通用任務(wù)智能的處理。

與決策式AI不同，生成式AI能夠自行創(chuàng)造全新的邏輯和內(nèi)容，這使得它們在許多領(lǐng)域都能發(fā)揮出色的作用。

② GPT為代表的生成式AI(GenAl)

第一，什么是生成式AI？

生成式人工智能(AI)是一種人工智能，它能夠基于輸入的數(shù)據(jù)自行創(chuàng)建、生成新的數(shù)據(jù)或內(nèi)容。

與傳統(tǒng)的分析型AI不同，生成式AI不僅僅能夠理解數(shù)據(jù)，還能夠利用學(xué)到的信息創(chuàng)造出全新的、未曾存在的數(shù)據(jù)實(shí)例。

第二，生成式AI的核心能力。

生成式AI的核心能力具體如下圖所示：

它具有敢于質(zhì)疑、連續(xù)對話能力、承認(rèn)不知道、用戶意圖有效捕捉、提升準(zhǔn)確度、上下文理解等能力，同時擁有邏輯判斷、推理各種能力。

第三，思維的轉(zhuǎn)變:大力出奇跡-生成式AI的勝利。

整個生成式AI的勝利有一個基本思想，這是我們強(qiáng)化學(xué)習(xí)之父薩頓的理論。

理查德·薩頓在《苦澀的教訓(xùn)》中指出：歷史上AI研究的關(guān)鍵錯誤在于過分依賴人類的直覺和經(jīng)驗(yàn)，試圖通過精心設(shè)計的規(guī)則和算法模擬智能。

過去我們犯了一個錯誤，即人工智能必須按照我們?nèi)说囊?guī)則教給他們。然而今天我們看到利用大規(guī)模算力和數(shù)據(jù)，通過學(xué)習(xí)算法自主發(fā)現(xiàn)解決問題的方法。

AI通過自主學(xué)習(xí)和大規(guī)模算力發(fā)現(xiàn)和提煉知識，而非直接依賴人類的顯式規(guī)則。

當(dāng)模型足夠大時，通過讓AI系統(tǒng)自主學(xué)習(xí)物理世界的運(yùn)作原理，嘗試構(gòu)建一個能夠超越人類直觀理解的通用物理世界模擬器。通過它自己學(xué)習(xí)創(chuàng)建新規(guī)則，實(shí)現(xiàn)超越人類。

二、私域數(shù)據(jù)是企業(yè)最核心資產(chǎn)，而非模型和AI技術(shù)

接下來我們來看第二部分，數(shù)據(jù)是智能之母。

1. 人工智能的原理

① 人類大腦：樹突和軸突

人工智能的原理可追溯至1888年，卡哈爾因其關(guān)于樹突棘在神經(jīng)信號傳遞中重要作用的推測而獲得諾貝爾獎。

此前，人們普遍認(rèn)為人類在認(rèn)識事物時能夠立即全面把握，然而，通過對大腦神經(jīng)的顯影分析，發(fā)現(xiàn)這一過程實(shí)際上是逐層傳遞的，類似于公路交通中必須按照特定路徑逐步前行，如先至南京再至徐州。

這一發(fā)現(xiàn)為我們理解大腦的認(rèn)知過程提供了新的視角。

如上圖所示，可以觀察到右側(cè)圖片展示了樹突的存在。

每個大腦神經(jīng)細(xì)胞都擁有約1000個不同的連接點(diǎn)，而整個人腦則包含了大約1000億個這樣的神經(jīng)細(xì)胞。這些神經(jīng)細(xì)胞通過龐大的神經(jīng)網(wǎng)絡(luò)相互連接和傳遞信息，通過電信號的激活，形成了人類獨(dú)特的人工智能。

卡爾爾的研究正是基于這一領(lǐng)域，探索計算機(jī)模擬是否能夠?qū)W習(xí)并模仿人類大腦的工作方式。

② 人工智能：神經(jīng)網(wǎng)絡(luò)

經(jīng)過一系列的技術(shù)演變與發(fā)展，我們今天所稱謂的神經(jīng)網(wǎng)絡(luò)得以形成。以圖像識別為例，如下圖所示：

無論是識別人臉還是狗，這一過程并非一蹴而就。相反，它是通過一系列的網(wǎng)絡(luò)層級，逐步進(jìn)行邊界識別，并在這一過程中捕捉和識別狗的特征，最終作出是否為狗的判斷。

在針對狗的實(shí)體圖像進(jìn)行識別時，五層網(wǎng)絡(luò)結(jié)構(gòu)足以應(yīng)對這一相對簡單的任務(wù)。

因此，在探討Sora為何能夠理解和重現(xiàn)人類物理世界的現(xiàn)象時，我們發(fā)現(xiàn)其關(guān)鍵在于對每個圖片進(jìn)行的精細(xì)切割處理。這一過程與神經(jīng)網(wǎng)絡(luò)緊密相連。

通過綜合判斷，Sora根據(jù)預(yù)設(shè)規(guī)則將這些圖像顆粒進(jìn)行組合，最終生成視頻。這種處理方式使得Sora具備了豐富的物理常識。

例如，當(dāng)紙飛機(jī)撞到樹上時，Sora能夠準(zhǔn)確判斷紙飛機(jī)無法穿透樹木，并因此預(yù)測紙飛機(jī)會掉落下來。

2. 生成式AI快速迭代

2018年GPT 1.0時，其參數(shù)規(guī)模僅為1.75億，而到了2019年GPT2.0時，參數(shù)數(shù)量激增至15億。到了3.0版本，參數(shù)規(guī)模更是飆升至1750億，這時已展現(xiàn)出相當(dāng)?shù)闹悄芩健?/p>

在GPT 1.0和2.0時期，Open AI并不被外界看好，甚至有人質(zhì)疑其真實(shí)性。然而，到了3.0時期，智能的表現(xiàn)已經(jīng)初見端倪。

進(jìn)入4.0時代，GPT展現(xiàn)出了與人類相似的智能水平，并首次通過了由人工智能之父圖靈提出的圖靈測試。

圖靈測試是衡量機(jī)器是否具備真正人工智能的標(biāo)準(zhǔn)，即當(dāng)人與機(jī)器和另一個人通過鍵盤交互時，如果無法分辨對方是機(jī)器還是人，那么就可以認(rèn)為機(jī)器具備了真正的人工智能。

2023年3月，Chat-GPT成功通過了圖靈測試，標(biāo)志著人類迎來了第一個真正的人工智能機(jī)器，引起了全球的震動。

此外，2023年12月，Open AI董事會已經(jīng)開發(fā)出了Q星模型，預(yù)計參數(shù)規(guī)模將達(dá)到125萬億。

在此背景下，Sam和黃仁勛等人預(yù)測，未來五年內(nèi)將出現(xiàn)通用人工智能，這種人工智能將有可能完全取代人類。

3. 未解之謎：智能涌現(xiàn)

在近期對Chat GPT大型模型訓(xùn)練的過程中，我們意外地發(fā)現(xiàn)了一個未解之謎：當(dāng)神經(jīng)元數(shù)量超過100億時，出現(xiàn)了智能涌現(xiàn)。

這種情況在人類社會中前所未有，它并非簡單個體數(shù)量的累積，而是產(chǎn)生了質(zhì)的飛躍。

例如，單個螞蟻或沙丁魚并不具備顯著的智能，但當(dāng)螞蟻集結(jié)成群，它們能協(xié)同完成極其復(fù)雜的工程任務(wù)，展現(xiàn)出了超常的智能；同樣，盡管沙丁魚個體的智商不高，但當(dāng)它們匯集成群時，卻能夠形成強(qiáng)大的群體運(yùn)動，有效抵御鯨魚、鯊魚和各種風(fēng)暴的威脅。

雖然我們在動物界中尚未發(fā)現(xiàn)與人類智能相匹配的模型，但在模型訓(xùn)練的特定階段，我們觀察到，當(dāng)神經(jīng)元數(shù)量達(dá)到100億級別時，該模型開始展現(xiàn)出人工智能的特性，能夠理解并輸出超越原始輸入的信息，這一現(xiàn)象令人震驚，并標(biāo)志著Chat GPT的一次重大突破。

隨著神經(jīng)參數(shù)的不斷增加，智能水平也在持續(xù)提升。與此同時，全球范圍內(nèi)對GPU的爭奪愈發(fā)激烈，這是因?yàn)殡S著神經(jīng)元數(shù)量的增加，對GPU的需求也在急劇增長。

因此，未來決勝世界的是AI，而決勝AI的又是GPU和硬件。

上圖是Jackson于2024年3月3日在《Hacker News》上發(fā)表的一篇題為“Revealing Open AI’s Plan to Create AGI by 2027”的報道。

報道概述了Open AI自2022年8月開始訓(xùn)練的一個參數(shù)規(guī)模達(dá)到125萬億的多模態(tài)模型。

該模型的第一階段被稱為阿拉基斯（Arakis），亦稱作Q星（Q-Star）。

根據(jù)報道，Q星計劃在2023年已完成48%的智商水平。原計劃在2024年達(dá)到96的智商水平，2025年則預(yù)期達(dá)到145的智商水平。

值得注意的是，智商水平是以愛因斯坦的160為參照，全球平均智商水平約為70-80，而較高的平均水平則為110。

因此，當(dāng)Q星計劃的智商水平達(dá)到96時，已超越某些地區(qū)的平均智商水平。

4. AI技術(shù)并不完美

我們看到AI技術(shù)為商業(yè)領(lǐng)域帶來了巨大價值，這一點(diǎn)從英偉達(dá)市值突破2萬億美金便可看出。

然而，當(dāng)前AI技術(shù)仍存在不完善之處。例如，上圖中在老奶奶吹生日蠟燭的場景中，盡管她正在吹蠟燭，但蠟燭并未移動。同樣地，當(dāng)水杯傾斜時，AI難以準(zhǔn)確捕捉水流動的具體時刻。此外，當(dāng)果汁開始滴落但尚未滴落時，AI也面臨著挑戰(zhàn)。

這些都顯示出AI在刻畫物理世界的因果關(guān)系方面仍有不足，但隨著技術(shù)的不斷進(jìn)步和知識的不斷積累，AI將迅速取得突破。畢竟，它全天候地在學(xué)習(xí)全球知識，每一刻都在不斷進(jìn)化。

眾所周知，摩爾定律揭示了一個規(guī)律：處理器的性能大約每兩年就會翻倍，而價格則會減半。

然而，OpenAI的CEO Sam Altman提出了一個全新的觀點(diǎn)，他稱之為“新摩爾定律”，即宇宙中的智能每18個月就會翻倍。Sam強(qiáng)調(diào)，正是這一快速的發(fā)展速度，讓我們每個月都能感受到前所未有的信息沖擊，對我們產(chǎn)生深遠(yuǎn)影響。

當(dāng)我們考慮如何訓(xùn)練模型以產(chǎn)生人工智能時，最重要的因素之一是企業(yè)的數(shù)據(jù)和行業(yè)經(jīng)驗(yàn)。這是因?yàn)橹挥薪柚覀兊臄?shù)據(jù)和行業(yè)經(jīng)驗(yàn)，我們才能有效地訓(xùn)練模型，使其產(chǎn)生超越我們自身的智能。

因此，對于任何尋求在人工智能領(lǐng)域取得突破的企業(yè)來說，積累和利用自身的數(shù)據(jù)和行業(yè)經(jīng)驗(yàn)都是至關(guān)重要的。

三、生成式AI在企業(yè)組織中的落地

1. AI落地的三種方式

AI在企業(yè)的落地過程可以分為三個階段：

第一階段，我們采取了一種相對簡單直接的方式，即利用當(dāng)前廣泛使用的對話型AI工具，如文心一言、智譜清言和Kimi助手等。

它們可以協(xié)助我們完成文章撰寫等任務(wù)，通過網(wǎng)絡(luò)便可輕松與之建立聯(lián)系。

第二階段，使用AI Agent，即目前AI界最熱門的智能體。

AI Agent（人工智能體）是一種能夠感知環(huán)境、進(jìn)行決策和執(zhí)行動作的智能實(shí)體。不同于傳統(tǒng)的人工智能，AI Agent 具備通過獨(dú)立思考、調(diào)用工具去逐步完成給定目標(biāo)的能力。智能體可以將大模型的能力與過去掌握的內(nèi)容、系統(tǒng)知識、判斷復(fù)雜業(yè)務(wù)的邏輯等結(jié)合起來進(jìn)行智能組合。

AI Agent和大模型的區(qū)別在于，大模型與人類之間的交互是基于prompt 實(shí)現(xiàn)的。而AI Agent的工作僅需給定一個目標(biāo)，它就能夠針對目標(biāo)獨(dú)立思考并做出行動。

AI Agent通過接收來自外部世界的數(shù)據(jù)（如環(huán)境傳感、用戶輸入等）來感知其所處的環(huán)境。通過各類傳感器、物聯(lián)網(wǎng)設(shè)備AI可以從物理世界獲得信息，通過API接口AI可以從數(shù)字世界獲取信息。這相當(dāng)于人類的感覺器官，是智能體與世界建立聯(lián)系的基礎(chǔ)。

處理和分析這些數(shù)據(jù)之后，AI需要有一定的記憶能力，將當(dāng)前的環(huán)境信息與歷史上的決策對比。AI Agent需要具備決策能力，能夠基于當(dāng)前的環(huán)境和內(nèi)置的目標(biāo)來規(guī)劃下一步行動，并且在仿真環(huán)境中模擬出決策后可能的結(jié)果。這類似于人類的大腦思考過程，涉及到理解、規(guī)劃和解決問題的能力。

決策之后，AI Agent需要將決策轉(zhuǎn)化為實(shí)際的動作，可能是通過機(jī)械動作操控物理設(shè)備，或者是通過API和RPA與其他系統(tǒng)交互。系統(tǒng)交互。執(zhí)行后的結(jié)果又會被用作新的輸入，形成一個閉環(huán)反饋系統(tǒng)，確保智能體可以適應(yīng)并優(yōu)化其行為。

AI Agent不僅是處理信息的工具，更是具備自主學(xué)習(xí)、適應(yīng)和創(chuàng)新能力的智能實(shí)體，能夠在復(fù)雜多變的環(huán)境中自我優(yōu)化，并實(shí)現(xiàn)目標(biāo)的有效達(dá)成。

在人工智能社會，每個組織和企業(yè)是由多個AI Agent組成的智能體，AI Agent從完成單一崗位的自動化到完成復(fù)雜任務(wù)多崗位自動化。 AI Agent之間還可以相互調(diào)用組合。

所以對于企業(yè)組織最需要的是智能體的應(yīng)用和開發(fā)，而非大模型。

第三階段，深入到行業(yè)垂直模型的訓(xùn)練。

商用的超大規(guī)模模型，如Chat GPT，這些模型是在構(gòu)建人類社會的數(shù)字大腦，而對于細(xì)分行業(yè)和領(lǐng)域，往往缺乏相應(yīng)的知識與深度專家經(jīng)驗(yàn)。目前，許多關(guān)鍵知識仍舊儲存于專家的腦海中及組織結(jié)構(gòu)里。

這些行業(yè)的私有數(shù)據(jù)和專業(yè)知識是企業(yè)的核心資產(chǎn)，正如同每個嬰兒所需的母乳，擁有了這些數(shù)據(jù)，就像擁有了養(yǎng)分，孩子才能健康成長。

因此，每個企業(yè)組織都需要建立自己的模型，一方面讓企業(yè)積累的數(shù)據(jù)和經(jīng)驗(yàn)在通用人工智能的助力下孕育出新的智能實(shí)體，另一方面通過自建模型，企業(yè)能夠明確在未來智能體的發(fā)展中所需的具體數(shù)據(jù)類型。

總之，AI落地過程大致會分為這幾個路徑，需要說明的是，第一階段是最便宜的方案。

我們可以不花錢或很少的錢直接采用Promt提示詞的方式與AI互動，接觸到AI世界。然后再根據(jù)所需場景開發(fā)自己的智能體系，使企業(yè)或組織工作從單一崗位自動化逐步實(shí)現(xiàn)多崗位自動化，最后搭建并訓(xùn)練屬于企業(yè)自己的模型。

如上圖所示，這就是Promt提示詞的交互方式，即我們對話的方式。同時，它也是一個應(yīng)用工具，我們可以分步驟對problem（問題需求）進(jìn)行應(yīng)用和處理。

2. 大模型實(shí)際落地仍需解決風(fēng)險問題

目前，大模型在實(shí)際落地應(yīng)用中，仍然存在一些問題。

第一，大模型有時會對某些事物做出錯誤的判斷，甚至存在編謊話，而它本身并不知道他會編謊話。

第二，當(dāng)我們把核心數(shù)據(jù)輸入到大型模型中時，這些數(shù)據(jù)很可能會被全球共享，從而導(dǎo)致我們的核心競爭力受損。因此，建立本地的數(shù)據(jù)庫和小型模型變得至關(guān)重要。

第三，許多企業(yè)正致力于構(gòu)建自己的數(shù)據(jù)庫，但問題卻是用大型模型去生成結(jié)果，這樣做也會產(chǎn)生風(fēng)險。

當(dāng)我們在大型模型中交互時，模型會自動學(xué)習(xí)并吸收這些內(nèi)容，進(jìn)而成為公共知識的一部分。這可能導(dǎo)致我們的核心知識被泄露，因?yàn)槟Ｐ蜁鸩叫纬蓪ξ覀償?shù)據(jù)的整體畫像，無法做到保密。

對企業(yè)和組織來說需要擁有私有的知識、經(jīng)驗(yàn)和技能，以便對其進(jìn)行有效保護(hù)，并實(shí)現(xiàn)長遠(yuǎn)發(fā)展。因此，需要建立屬于自己的私域模型。

此外，在構(gòu)建私域模型時，企業(yè)或組織應(yīng)該更關(guān)心的是如何在有限的空間和范圍內(nèi)構(gòu)建模型，而不是構(gòu)建一個全球性的模型。

從數(shù)據(jù)處理的角度來看，大概包含約60億數(shù)據(jù)的模型就能夠滿足需求，而這樣的模型只需要花費(fèi)四五十萬購買設(shè)備和CPU機(jī)器就能運(yùn)行，實(shí)際成本并不高。

此外，每個企業(yè)和組織都有自己的管理規(guī)則、流程和質(zhì)量控制體系，這些都需要在AI應(yīng)用中予以考慮。

綜上所述，企業(yè)在應(yīng)用AI時，應(yīng)采取一種綜合式的方法。這種方法應(yīng)涵蓋基于人類規(guī)則的決策型AI、具備自我創(chuàng)造性的生成式AI，以及內(nèi)外部數(shù)據(jù)、系統(tǒng)和人的判斷等相結(jié)合。

3. Gen AI中應(yīng)用的層級劃分

我們將Gen AI應(yīng)用分為3層，具體如下圖所示：

第一層是L0層，即你對大模型有一定感性認(rèn)知，我建議大家可以先快速搭建場景、低成本應(yīng)用之后，再與自己的業(yè)務(wù)和運(yùn)營結(jié)合，逐步實(shí)現(xiàn)多崗位自動化，形成三級體系。

上圖是AI最佳實(shí)踐路徑。

為了確保AI技術(shù)在企業(yè)中發(fā)揮最大價值，高層領(lǐng)導(dǎo)需從文化層面進(jìn)行全面?zhèn)鲗?dǎo)。

在定義AI應(yīng)用場景時，應(yīng)優(yōu)先識別出與業(yè)務(wù)緊密相關(guān)的場景，并鼓勵具備豐富業(yè)務(wù)經(jīng)驗(yàn)的員工參與場景定義。這樣，不僅能確保所定義的場景具有實(shí)際價值，還能充分發(fā)揮AI技術(shù)的優(yōu)勢，這非常關(guān)鍵。