今天小編分享的教育經驗：未來10年，它将颠覆我們的工作，歡迎閲讀。
内容來源：筆記俠（ID：Notesman）
責編 | 少将
第 7555 篇深度好文：5448 字 | 12 分鍾閲讀
商業思維
從今年 3 月開始，AIGC 話題在全球爆火。大眾對 AIGC 的心态，很快從質疑、觀望，轉為讨論、加入。
這幾個月，眾多大廠宣布進入 AI 產業鏈，給科技企業提供鏟子，更多的中小企業、初創公司切入應用場景，為用户解決問題。而一些傳統企業也開始摩拳擦掌，思考如何切入 AI。
比如，在智能助手和辦公場景下，百度如流接入文心一言，釘釘接入通義聽問，發布斜杠 "/" 功能，金山辦公推出 WPS AI；
在電商場景下，天貓新品創新中心上線 AI 概念工坊；
在數字人領網域，小冰公司基于真人的 " 克隆人計劃 "，MiniMax 則鎖定 AI 社交，用户可以在 Glow App 裏根據喜好創建 AI 智能體……
各個細分領網域，都正在被挖掘、被看到、被占據。一個圍繞 AIGC 的創業生态雛形，正快速形成。
我們常説，一個人認知水平的最大問題，就是 " 不知道自己不知道 "。今天，我們就先去 " 看到 "，再去 " 知道 "。
首先，簡要回顧一下這幾個月，AIGC 領網域的新聞大事件：
4 月 29 日，OpenAI 獲得 103 億美元（約人民币 745 億元）的 B+ 輪融資，成為 2023 上半年 AIGC 賽道獲最大融資額的企業。
5 月 23 日，微軟發布 AI 服務 Copilot（副駕駛，意為 AI 組件）全家桶。
6 月 10 日，筆記俠舉辦 "AI 新視野，增長新勢能 " 千人大會，幫助參會企業、人員看清 AI 趨勢。
6 月 19 日，騰訊雲發布面向 B 端客户的騰訊雲 MaaS（Model-as-a-service，模型即服務）服務解決方案。
6 月下旬，麥肯錫全球研究院發布報告稱，到 2030 年至 2060 年間，約一半的工作将被自動化取代，每年生成式人工智能為全球經濟增加高達 4.4 萬億美元（32 萬億元人民币）的價值，讓半數工作實現自動化。
6 月 26 日，英偉達與雲數據平台 Snowflake 宣布合作。同日，數據巨頭 Databricks 以 13 億美元（約人民币 94 億元）并購 AIGC 創企 MosaicML，這是當前 AIGC 領網域最大收購案。
6 月 28 日，字節旗下的火山引擎發布大模型服務平台 " 火山方舟 "。
6 月 29 日下午，美團宣布以約 20.65 億元人民币的價格，完成對光年之外（美團聯合創始人王慧文創立）的股權收購。
7 月 6 日，2023 世界人工智能大會在上海開幕。
7 月 7 日，中國信通院在 " 聚焦 · 大模型時代 AIGC 新浪潮 " 論壇上，發起 " 大模型生态合作共同體 "，并發布《2023 大模型和 AIGC 產業圖譜》。
《2023 大模型和 AIGC 產業圖譜》，
來自 " 内容科技產業推進方陣 "
7 月 7 日，華為雲發布盤古大模型 3.0。阿裏雲公布 AI 繪畫創作大模型 " 通義萬相 "。
7 月 11 日，" 可解釋性 AI" 初創公司 Anthropic 發布 Claude 2 模型。
7 月 12 日，馬斯克宣布成立 AI 初創公司 xAI，并提出公司的宗旨是 " 了解宇宙的真實本質 "。
7 月 13 日，京東正式發布言犀大模型，預計 8 月正式上線。
7 月 13 日，國家網信辦等 7 個部門聯合公布《生成式人工智能服務管理暫行辦法》，自 2023 年 8 月 15 日起施行。這是國家對 AIGC 產業首次發布的規範性政策。
9 月 16 日，關于 AIGC 的一場重要大會，也将在杭州舉辦。
説 AIGC 是革命，可能并不誇張。
從融資額來看，經 " 智東西 " 調查和梳理，僅在今年上半年，涉及 AIGC 大模型及其落地應用的企業融資有 51 筆，投融資金額超過人民币 1000 億元。其中，單筆過億元融資就有 18 筆。
而 2022 年全年，AIGC 賽道融資總額約為人民币 96 億元。這意味着，僅 2023 年上半年，AIGC 賽道的融資金額，就已超過 2022 全年的十倍！
前微軟全球副總裁、奇迹創壇創始人陸奇，在最近一次演講中表示，他認為 AIGC 不是什麼當下風口，風口意味着投機主義，未免太低估 AI 對世界發展的影響。
陸奇説："AI 是未來 10 到 20 年推動社會進步最重要的因素。從現在開始，不論工作還是創業，請确保自己跟 AI 有關。"
信通院發布的產業圖譜，詳細展示了 AIGC 的生态鏈，包含 4 個主要部分，行業應用、產品服務、模型與工具、基礎層。
如果我們把 AIGC 生态看做一個花園的話，基礎層就是花園的土地、圍欄、水管，模型和工具層就是土地分塊、道路設計，產品服務就是水果、蔬菜、觀賞花植，行業應用就是喬木、灌木、藤科植物。
從一定程度上來説，基礎層、模型和工具層門檻較高，占據產業鏈價值的主要部分，只有實力雄厚的巨頭玩家才能玩得起。
而產品服務、行業應用直接面向用户、消費者，眾多創業公司會不斷湧現，成為 AIGC 革命的主戰場。
一、數據、芯片、雲平台，
是 AIGC 的基礎設施
基礎層是整個 AIGC 生态的底座，包含數據、芯片、雲平台等模塊。
其中，比較知名是數據領網域的中國移動、中國電信，雲平台的騰訊雲，而蹿升最快的是芯片領網域的英偉達。
訓練 AI 模型，離不開芯片。大模型軍備競賽白熱化背景下，大算力 AI 芯片市場需求持續高漲。得益于今年以來 AI 的火熱，英偉達市值已達 1.12 萬億美元。
據《晚點 LatePost》報道，今年春節後，擁有雲計算業務的中國各互聯網大公司都向英偉達下了大單，字節今年向英偉達訂購了超過 10 億美元的 GPU，另一家互聯網大廠今年至少已給英偉達下了萬卡級别訂單，按目錄價估算價值超 10 億元人民币。
除了英偉達，國外的算力芯片公司還有英特爾、AMD 等，國内 AI 算力芯片主要有寒武紀、華為海思、海光等。
而數據要素，是 AI 訓練與迭代的核心資源。如三大運營商移動、聯通、電信，是算力與數據傳輸能力的 " 賣水者 "，是繞不開的 " 數據礦 "。
從數據的產業鏈來看，包含了數據供給、數據流通、數據應用幾個環節。而數據采集、存儲、加工、确權、交付等關鍵步驟也穿插其中。
比如數據加工，涉及标注、清洗、脱敏。每一步都不可或缺。
同時，雲平台是 AIGC 時代運行、儲存、互動 AI 數據的重要基建。比如，ChatGPT 就運行于微軟的 Azure 公有雲之上。
這也是巨頭公司參與度很高的地方，像亞馬遜雲平台、華為雲、阿裏雲、騰訊雲、京東雲等。
對上遊硬體廠商來説，雲平台可以平滑市場需求，增加硬體使用率，減少淡旺季波動幅度。
對下遊算力需求方來説，能最大化降低使用算力的門檻和成本，有助于創業公司的加入和發展。
所以，數據、芯片、雲平台将是 AIGC 時代的基礎設施。
二、算法模型，是 AIGC 的價值所在
模型與工具層，包含算法模型（文心、星火、序列猴子等）、工具平台（中科聞歌）、模型托管 / 交易等。
最知名的算法模型，無疑是 OpenAI 的 ChatGPT。可以説，AI 如今的火爆正是 GPT3.5 帶來的。而國内的很多大公司也都相繼推出了自研的大模型。
很多行業模型、場景模型、垂直化模型，都是建立在通用大模型之上。接入通用大模型的能力，并用場景化數據訓練自己的 " 小模型 "。
比如 AI 生成代碼，Github Copilot。它是一款 AI 輔助編程應用，可根據上文提示為程式員自動編寫下文代碼。
但它是 GitHub 和 OpenAI 兩家公司合作的結果。由基于 GPT3 模型的 Codex AI 系統提供支持，并接受了數十億行代碼的訓練。
此前，數據量被認為是通用大模型能力飛躍的關鍵。
比如，據 OpenAI 披露，此前 GPT-3.5 的文本語料多達 45TB，相當于 472 萬套中國四大名著。而 GPT-4 在 GPT-3 和 GPT-3.5 訓練數據集的基礎上，又增加了多模态數據。
業界對大模型性能形成了一種普遍的認知，模型的參數越多、容量越大，模型的性能表現越好。
但其實，數據量只是一個維度。數據質量，也是很關鍵的因素。
智源研究院副院長林詠華曾表示，模型性能取得階段性突破，最重要的還有數據質量的提升，模型的訓練語料在一定程度上會影響 AIGC 應用、微調後模型等内容生成的合規、安全以及價值觀等問題。
清華大學副教授、聆心智能創始人黃民烈也強調過，數據質量對于模型的性能影響非常大。
源于互聯網的數據雖然多，質量卻良莠不齊，從獲得海量數據到高質量數據，數據的清洗仍面臨着很大挑戰。
此外，還有數據的多樣性。以 GPT 系列模型的能力躍進來看：
GPT-1 使用的訓練語料以書籍為主、如 BookCorpus 等；
GPT-2 則使用了如 Reddit links 等新聞類數據，文本規範質量高，同時又包含了部分人們日常交流的社交數據；
GPT-3 時期，模型的數據規模呈數十倍增長，社交平台、語料庫、維基百科等數據集的加入，大大提高了數據的多樣性；
GPT-4 階段更引入了 GitHub 代碼、對話數據以及一些數學應用題，進一步提高了模型的思維鏈推理能力。
所以，對于通用大模型來説，數據的數量、質量、多樣性都很重要。
也是因此，我們可以得到一個清楚的事實：數據的需求量，将會越來越大。
三、每一個行業，都将被 AIGC 改造
行業應用層，包含文化傳媒、電商、政務、金融、教育、遊戲、醫藥等行業維度細分應用。
行業大模型的研發，離不開通用大模型的能力。簡單來説，将行業數據喂給通用大模型，并進行一定的調整，就有可能獲得解決專業領網域問題的能力。
但這并不絕對。此前有研究表明，擁有金融行業私有數據的 BloombergGPT 在多個任務上的表現，并未比通用大模型的表現更好。
在 AI 科技評論的一篇報道中，香港科技大學信息樞紐院長陳雷曾説，" 大模型解決了基礎的語言理解問題，也即是説，大家在使用它、問它的時候，它能知道大家問了什麼問題。但得到什麼樣的答案，需要我們數據科學、AI 模型把前端做好。"
例如，港科大曾推出校園 GPT，将智慧校園中的知識庫，放入 GPT 中，讓它具備了回答校園導航、餐廳菜單、課程安排等具體學校場景中的問題。
陳雷表示，" 大模型是通用的，但做垂直領網域大模型，最重要的在于，前端如何讓數據可用。如果數據表現不好，想讓大模型回答你的問題非常難。"
比如，做一個智慧城市相關的行業大模型，就需要對應的維基百科、企業數據等等。
根據 TE 智庫的研究報告，從行業角度來看，文化傳媒行業場景聚集度最高，接着是電子商務。但是金融業的潛力最大。
比如摩根士丹利，是财富管理領網域的公司。
以前财務顧問、投顧在服務高淨值客户時，服務質量嚴重依賴投顧的專業水平。
現在整個大摩底層分析師的智慧、研報的能力以及資產配置的能力，都能通過 AIGC 高效地輸出給投顧，投顧再通過 B2C 的方式輸出給客户，大大地提升了投顧服務的效率。
數字人，也正在參與各行各業。比如，在教育行業，AI 教師為學生上課答疑；在直播電商行業，AI 主播 24 小時帶貨；在保險行業，AI 經理為客户提供個性化服務。
總體來説，AIGC 将會深刻改造每一個行業。只是因為行業特性，改造速度有早有晚，有快有慢，但疏而不漏。
這時候，你可能會想到一個問題：我的行業正在被改造嗎？我應該怎麼辦？
沒關系。後文給你答案。
四、每個人，都與 AIGC 有關
產品服務層，包含文本、影像、音頻、視頻、代碼、虛拟空間等場景化細分服務。
自從 AIGC 爆火後，對 "AI 替代打工人 " 的讨論就不絕于耳。
從這個角度看，產品服務層與每位打工人息息相關。AIGC 的迅速發展，拉平甚至摧毀了大多數創意工作的門檻。
李彥宏曾提出，AIGC 有三個發展階段，助手階段、協作階段、原創階段。
在當下，眾多 AIGC 產品服務正在向第二階段邁進，這也是行業的價值窪地和必争之地。
舉個例子，如 Midjourney、文心一格、無界 AI、來畫等，在圖片生成上已經越來越純熟。
據某公司聯合創始人透露，某動漫平台通過 AIGC，把原本 30 人的團隊壓縮到了 3 個人。
比如，一幅漫畫包含衣物、臉部、頭發、手臂、武器等等細節部位。原本的設計流程，是流水線式的。
這個崗位專門畫臉，那個崗位專門畫衣服。類似制造業工廠裏的流水線，需要的人員也較多。
而通過 AIGC，整條流水線的模式被重塑了。現在的團隊只需要一個編劇，一個分鏡，一個畫師，再加上 AI。
編劇，設計劇情。分鏡，切分小的結構。畫師，按照結構用 AI 去繪畫并調整。3 個人，就幹成了以前需要 30 個人做的事。
還有文本設計。比如帶貨文案，AI 負責產出文案，個人負責索要并修正文案。文案設計崗，變成了提示及修正崗。
從以上角度來看，如果你的工作是流水線式作業，一定程度上會有被替代的可能性。就像工廠，機械臂、機器人替代了流水線工人。
确實，這很讓人有危機感和焦慮感。但沒辦法，時代趨勢已經來到了這裏，無法後退，只能前進。
馬車夫的崗位消失了，但司機、汽車修理工、汽車維護保養等還會蓬勃發展。
從另一個方面來看，如果是需要大量創意、非标準化的職位，在短時間内可替代性較小。
概括來説，未來很可能是人負責那 1% 的創意，AI 負責那 99% 的汗水。而且，很多人通過 AI，正在成為 " 超級個體户 "。
而企業業務模式的轉變，必将帶來組織模式的轉變，由此引發一系列深刻變革。
擁抱 AI 吧。
結語
企業的追求，永遠是 " 降本增效 "。高效一定會幹掉低效，低成本一定會幹掉高成本。
而 AIGC 無疑成為了降本增效的好助手。
接下來，很可能每一個行業、每一個職位都要加上一個前綴—— "AI+"。
但這又帶出了一些問題：如何加？加哪些？怎麼發掘好的方向和機會？怎麼抓住 AI 帶來的紅利？
沒關系。9 月 16 日，來杭州吧！你可能會得到想要的答案。
9 月 16 日，筆記俠 "AI 新視野，增長新勢能 " 第二屆新商業智能大會，将在杭州寶盛水博園大酒店舉辦。
眾多行業大咖、一線企業、初創公司在這裏聚集，分享彼此對 AI 的認知和經驗，幫你發現 AI 帶來的增長勢能，看到未來，融入未來，成為未來！
參考資料：
1.《數據，真的是 AI 大模型市場化的「壁壘」嗎？》，AI 科技評論；
同時，筆記俠 AI2.0 年度會員開始招募
攜手數十位+AI 領網域行業大咖
幫你在 AI 時代彎道超車
掃碼參與，即刻獲取會員權益！
分享、點贊、在看，3 連
