今天小编分享的教育经验：未来10年，它将颠覆我们的工作，欢迎阅读。
内容来源：笔记侠（ID：Notesman）
责编 | 少将
第 7555 篇深度好文：5448 字 | 12 分钟阅读
商业思维
从今年 3 月开始，AIGC 话题在全球爆火。大众对 AIGC 的心态，很快从质疑、观望，转为讨论、加入。
这几个月，众多大厂宣布进入 AI 产业链，给科技企业提供铲子，更多的中小企业、初创公司切入应用场景，为用户解决问题。而一些传统企业也开始摩拳擦掌，思考如何切入 AI。
比如，在智能助手和办公场景下，百度如流接入文心一言，钉钉接入通义听问，发布斜杠 "/" 功能，金山办公推出 WPS AI；
在电商场景下，天猫新品创新中心上线 AI 概念工坊；
在数字人领網域，小冰公司基于真人的 " 克隆人计划 "，MiniMax 则锁定 AI 社交，用户可以在 Glow App 里根据喜好创建 AI 智能体……
各个细分领網域，都正在被挖掘、被看到、被占据。一个围绕 AIGC 的创业生态雏形，正快速形成。
我们常说，一个人认知水平的最大问题，就是 " 不知道自己不知道 "。今天，我们就先去 " 看到 "，再去 " 知道 "。
首先，简要回顾一下这几个月，AIGC 领網域的新闻大事件：
4 月 29 日，OpenAI 获得 103 亿美元（约人民币 745 亿元）的 B+ 轮融资，成为 2023 上半年 AIGC 赛道获最大融资额的企业。
5 月 23 日，微软发布 AI 服务 Copilot（副驾驶，意为 AI 组件）全家桶。
6 月 10 日，笔记侠举办 "AI 新视野，增长新势能 " 千人大会，帮助参会企业、人员看清 AI 趋势。
6 月 19 日，腾讯云发布面向 B 端客户的腾讯云 MaaS（Model-as-a-service，模型即服务）服务解决方案。
6 月下旬，麦肯锡全球研究院发布报告称，到 2030 年至 2060 年间，约一半的工作将被自动化取代，每年生成式人工智能为全球经济增加高达 4.4 万亿美元（32 万亿元人民币）的价值，让半数工作实现自动化。
6 月 26 日，英伟达与云数据平台 Snowflake 宣布合作。同日，数据巨头 Databricks 以 13 亿美元（约人民币 94 亿元）并购 AIGC 创企 MosaicML，这是当前 AIGC 领網域最大收购案。
6 月 28 日，字节旗下的火山引擎发布大模型服务平台 " 火山方舟 "。
6 月 29 日下午，美团宣布以约 20.65 亿元人民币的价格，完成对光年之外（美团联合创始人王慧文创立）的股权收购。
7 月 6 日，2023 世界人工智能大会在上海开幕。
7 月 7 日，中国信通院在 " 聚焦 · 大模型时代 AIGC 新浪潮 " 论坛上，发起 " 大模型生态合作共同体 "，并发布《2023 大模型和 AIGC 产业图谱》。
《2023 大模型和 AIGC 产业图谱》，
来自 " 内容科技产业推进方阵 "
7 月 7 日，华为云发布盘古大模型 3.0。阿里云公布 AI 绘画创作大模型 " 通义万相 "。
7 月 11 日，" 可解释性 AI" 初创公司 Anthropic 发布 Claude 2 模型。
7 月 12 日，马斯克宣布成立 AI 初创公司 xAI，并提出公司的宗旨是 " 了解宇宙的真实本质 "。
7 月 13 日，京东正式发布言犀大模型，预计 8 月正式上线。
7 月 13 日，国家网信办等 7 个部门联合公布《生成式人工智能服务管理暂行办法》，自 2023 年 8 月 15 日起施行。这是国家对 AIGC 产业首次发布的规范性政策。
9 月 16 日，关于 AIGC 的一场重要大会，也将在杭州举办。
说 AIGC 是革命，可能并不夸张。
从融资额来看，经 " 智东西 " 调查和梳理，仅在今年上半年，涉及 AIGC 大模型及其落地应用的企业融资有 51 笔，投融资金额超过人民币 1000 亿元。其中，单笔过亿元融资就有 18 笔。
而 2022 年全年，AIGC 赛道融资总额约为人民币 96 亿元。这意味着，仅 2023 年上半年，AIGC 赛道的融资金额，就已超过 2022 全年的十倍！
前微软全球副总裁、奇迹创坛创始人陆奇，在最近一次演讲中表示，他认为 AIGC 不是什么当下风口，风口意味着投机主义，未免太低估 AI 对世界发展的影响。
陆奇说："AI 是未来 10 到 20 年推动社会进步最重要的因素。从现在开始，不论工作还是创业，请确保自己跟 AI 有关。"
信通院发布的产业图谱，详细展示了 AIGC 的生态链，包含 4 个主要部分，行业应用、产品服务、模型与工具、基础层。
如果我们把 AIGC 生态看做一个花园的话，基础层就是花园的土地、围栏、水管，模型和工具层就是土地分块、道路设计，产品服务就是水果、蔬菜、观赏花植，行业应用就是乔木、灌木、藤科植物。
从一定程度上来说，基础层、模型和工具层门槛较高，占据产业链价值的主要部分，只有实力雄厚的巨头玩家才能玩得起。
而产品服务、行业应用直接面向用户、消费者，众多创业公司会不断涌现，成为 AIGC 革命的主战场。
一、数据、芯片、云平台，
是 AIGC 的基础设施
基础层是整个 AIGC 生态的底座，包含数据、芯片、云平台等模块。
其中，比较知名是数据领網域的中国移动、中国电信，云平台的腾讯云，而蹿升最快的是芯片领網域的英伟达。
训练 AI 模型，离不开芯片。大模型军备竞赛白热化背景下，大算力 AI 芯片市场需求持续高涨。得益于今年以来 AI 的火热，英伟达市值已达 1.12 万亿美元。
据《晚点 LatePost》报道，今年春节后，拥有云计算业务的中国各互联网大公司都向英伟达下了大单，字节今年向英伟达订购了超过 10 亿美元的 GPU，另一家互联网大厂今年至少已给英伟达下了万卡级别订单，按目录价估算价值超 10 亿元人民币。
除了英伟达，国外的算力芯片公司还有英特尔、AMD 等，国内 AI 算力芯片主要有寒武纪、华为海思、海光等。
而数据要素，是 AI 训练与迭代的核心资源。如三大运营商移动、联通、电信，是算力与数据传输能力的 " 卖水者 "，是绕不开的 " 数据矿 "。
从数据的产业链来看，包含了数据供给、数据流通、数据应用几个环节。而数据采集、存储、加工、确权、交付等关键步骤也穿插其中。
比如数据加工，涉及标注、清洗、脱敏。每一步都不可或缺。
同时，云平台是 AIGC 时代运行、储存、互動 AI 数据的重要基建。比如，ChatGPT 就运行于微软的 Azure 公有云之上。
这也是巨头公司参与度很高的地方，像亚马逊云平台、华为云、阿里云、腾讯云、京东云等。
对上游硬體厂商来说，云平台可以平滑市场需求，增加硬體使用率，减少淡旺季波动幅度。
对下游算力需求方来说，能最大化降低使用算力的门槛和成本，有助于创业公司的加入和发展。
所以，数据、芯片、云平台将是 AIGC 时代的基础设施。
二、算法模型，是 AIGC 的价值所在
模型与工具层，包含算法模型（文心、星火、序列猴子等）、工具平台（中科闻歌）、模型托管 / 交易等。
最知名的算法模型，无疑是 OpenAI 的 ChatGPT。可以说，AI 如今的火爆正是 GPT3.5 带来的。而国内的很多大公司也都相继推出了自研的大模型。
很多行业模型、场景模型、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，并用场景化数据训练自己的 " 小模型 "。
比如 AI 生成代码，Github Copilot。它是一款 AI 辅助编程应用，可根据上文提示为程式员自动编写下文代码。
但它是 GitHub 和 OpenAI 两家公司合作的结果。由基于 GPT3 模型的 Codex AI 系统提供支持，并接受了数十亿行代码的训练。
此前，数据量被认为是通用大模型能力飞跃的关键。
比如，据 OpenAI 披露，此前 GPT-3.5 的文本语料多达 45TB，相当于 472 万套中国四大名著。而 GPT-4 在 GPT-3 和 GPT-3.5 训练数据集的基础上，又增加了多模态数据。
业界对大模型性能形成了一种普遍的认知，模型的参数越多、容量越大，模型的性能表现越好。
但其实，数据量只是一个维度。数据质量，也是很关键的因素。
智源研究院副院长林咏华曾表示，模型性能取得阶段性突破，最重要的还有数据质量的提升，模型的训练语料在一定程度上会影响 AIGC 应用、微调后模型等内容生成的合规、安全以及价值观等问题。
清华大学副教授、聆心智能创始人黄民烈也强调过，数据质量对于模型的性能影响非常大。
源于互联网的数据虽然多，质量却良莠不齐，从获得海量数据到高质量数据，数据的清洗仍面临着很大挑战。
此外，还有数据的多样性。以 GPT 系列模型的能力跃进来看：
GPT-1 使用的训练语料以书籍为主、如 BookCorpus 等；
GPT-2 则使用了如 Reddit links 等新闻类数据，文本规范质量高，同时又包含了部分人们日常交流的社交数据；
GPT-3 时期，模型的数据规模呈数十倍增长，社交平台、语料库、维基百科等数据集的加入，大大提高了数据的多样性；
GPT-4 阶段更引入了 GitHub 代码、对话数据以及一些数学应用题，进一步提高了模型的思维链推理能力。
所以，对于通用大模型来说，数据的数量、质量、多样性都很重要。
也是因此，我们可以得到一个清楚的事实：数据的需求量，将会越来越大。
三、每一个行业，都将被 AIGC 改造
行业应用层，包含文化传媒、电商、政务、金融、教育、游戏、医药等行业维度细分应用。
行业大模型的研发，离不开通用大模型的能力。简单来说，将行业数据喂给通用大模型，并进行一定的调整，就有可能获得解决专业领網域问题的能力。
但这并不绝对。此前有研究表明，拥有金融行业私有数据的 BloombergGPT 在多个任务上的表现，并未比通用大模型的表现更好。
在 AI 科技评论的一篇报道中，香港科技大学信息枢纽院长陈雷曾说，" 大模型解决了基础的语言理解问题，也即是说，大家在使用它、问它的时候，它能知道大家问了什么问题。但得到什么样的答案，需要我们数据科学、AI 模型把前端做好。"
例如，港科大曾推出校园 GPT，将智慧校园中的知识库，放入 GPT 中，让它具备了回答校园导航、餐厅菜单、课程安排等具体学校场景中的问题。
陈雷表示，" 大模型是通用的，但做垂直领網域大模型，最重要的在于，前端如何让数据可用。如果数据表现不好，想让大模型回答你的问题非常难。"
比如，做一个智慧城市相关的行业大模型，就需要对应的维基百科、企业数据等等。
根据 TE 智库的研究报告，从行业角度来看，文化传媒行业场景聚集度最高，接着是电子商务。但是金融业的潜力最大。
比如摩根士丹利，是财富管理领網域的公司。
以前财务顾问、投顾在服务高净值客户时，服务质量严重依赖投顾的专业水平。
现在整个大摩底层分析师的智慧、研报的能力以及资产配置的能力，都能通过 AIGC 高效地输出给投顾，投顾再通过 B2C 的方式输出给客户，大大地提升了投顾服务的效率。
数字人，也正在参与各行各业。比如，在教育行业，AI 教师为学生上课答疑；在直播电商行业，AI 主播 24 小时带货；在保险行业，AI 经理为客户提供个性化服务。
总体来说，AIGC 将会深刻改造每一个行业。只是因为行业特性，改造速度有早有晚，有快有慢，但疏而不漏。
这时候，你可能会想到一个问题：我的行业正在被改造吗？我应该怎么办？
没关系。后文给你答案。
四、每个人，都与 AIGC 有关
产品服务层，包含文本、影像、音频、视频、代码、虚拟空间等场景化细分服务。
自从 AIGC 爆火后，对 "AI 替代打工人 " 的讨论就不绝于耳。
从这个角度看，产品服务层与每位打工人息息相关。AIGC 的迅速发展，拉平甚至摧毁了大多数创意工作的门槛。
李彦宏曾提出，AIGC 有三个发展阶段，助手阶段、协作阶段、原创阶段。
在当下，众多 AIGC 产品服务正在向第二阶段迈进，这也是行业的价值洼地和必争之地。
举个例子，如 Midjourney、文心一格、无界 AI、来画等，在图片生成上已经越来越纯熟。
据某公司联合创始人透露，某动漫平台通过 AIGC，把原本 30 人的团队压缩到了 3 个人。
比如，一幅漫画包含衣物、脸部、头发、手臂、武器等等细节部位。原本的设计流程，是流水线式的。
这个岗位专门画脸，那个岗位专门画衣服。类似制造业工厂里的流水线，需要的人员也较多。
而通过 AIGC，整条流水线的模式被重塑了。现在的团队只需要一个编剧，一个分镜，一个画师，再加上 AI。
编剧，设计剧情。分镜，切分小的结构。画师，按照结构用 AI 去绘画并调整。3 个人，就干成了以前需要 30 个人做的事。
还有文本设计。比如带货文案，AI 负责产出文案，个人负责索要并修正文案。文案设计岗，变成了提示及修正岗。
从以上角度来看，如果你的工作是流水线式作业，一定程度上会有被替代的可能性。就像工厂，机械臂、机器人替代了流水线工人。
确实，这很让人有危机感和焦虑感。但没办法，时代趋势已经来到了这里，无法后退，只能前进。
马车夫的岗位消失了，但司机、汽车修理工、汽车维护保养等还会蓬勃发展。
从另一个方面来看，如果是需要大量创意、非标准化的职位，在短时间内可替代性较小。
概括来说，未来很可能是人负责那 1% 的创意，AI 负责那 99% 的汗水。而且，很多人通过 AI，正在成为 " 超级个体户 "。
而企业业务模式的转变，必将带来组织模式的转变，由此引发一系列深刻变革。
拥抱 AI 吧。
结语
企业的追求，永远是 " 降本增效 "。高效一定会干掉低效，低成本一定会干掉高成本。
而 AIGC 无疑成为了降本增效的好助手。
接下来，很可能每一个行业、每一个职位都要加上一个前缀—— "AI+"。
但这又带出了一些问题：如何加？加哪些？怎么发掘好的方向和机会？怎么抓住 AI 带来的红利？
没关系。9 月 16 日，来杭州吧！你可能会得到想要的答案。
9 月 16 日，笔记侠 "AI 新视野，增长新势能 " 第二届新商业智能大会，将在杭州宝盛水博园大酒店举办。
众多行业大咖、一线企业、初创公司在这里聚集，分享彼此对 AI 的认知和经验，帮你发现 AI 带来的增长势能，看到未来，融入未来，成为未来！
参考资料：
1.《数据，真的是 AI 大模型市场化的「壁垒」吗？》，AI 科技评论；
同时，笔记侠 AI2.0 年度会员开始招募
携手数十位+AI 领網域行业大咖
帮你在 AI 时代弯道超车
扫码参与，即刻获取会员权益！
分享、点赞、在看，3 连
