今天小编分享的教育经验：微软中国CTO韦青：企业家一定要冷静下来，才知道AI的水深水浅，欢迎阅读。
"AI 这个话题所覆盖的领網域太广泛了，今天咱们只谈它有什么用。"
在混沌 " 一 " 思维创新嘉年华活动现场，韦青说：" 为什么选这个主题？因为从咱们朋友圈里看到的 AI 和一线打拼的工程师正在开发的 AI 好像有点不太一样。"
他说：" 我们每天一睁眼，就对技术、能力孜孜以求。请问，我们有没有把手上的技术、能力用足？手机的功能、算力你能用到多少，电腦上 Office 的套件，比如 Excel 你能用到多少？公司里有太多流程优化还没到位，有太多买的产品没有被用到它们能力的极致，有太多的技术只是有，没有用，更不要提应用技术和所获得的能力解决实际问题。这里有多么大的提升空间！"
韦青，微软（中国）首席技术官、工程师，混沌同学们喊他 " 韦神 "，因为他总是能一语中的，把哲学的思辨和技术发展结合在一起娓娓道来。
此次，韦青老师做客混沌 " 一 " 思维创新嘉年华活动，分享《滑向冰球将要到达的位置》，从第一性原理的角度为大家讲述这一轮技术落地的路径。
混沌在上海滴水湖洲际酒店举办 " 一 " 思维创新嘉年华活动。用一整座岛、打造两天两夜的共学场，2000 位混沌同学热烈参与其中！邀请 AI 全明星阵容空降授课。
以下为分享笔记：
授课老师 | 韦青 微软（中国）首席技术官、工程师
编辑丨混沌商业研究团队
支持丨混沌前沿课
模型不是产品
今天的分享为什么叫做《滑向冰球将要到达的位置》？熟悉体育行业的朋友一定知道韦恩 · 格雷茨基，他是一位传奇冰球选手。他的身体素质并不是最强壮的，也不是滑冰最快的、技能最好的。他之所以成为传奇，就在于自身不断地学习、不断地思考。
在这个剧变的时代，想要单纯依靠原有学习的知识去应对未来是不现实的，可能性也比较小，只有终身学习才能让我们具备应变的能力。
AI 发展到现阶段，有人称其为 iPhone 时刻，我更愿意称之为重新启蒙的过程。2007 年乔布斯在发布第一代 iPhone 时，在 keynote 结尾引用了韦恩 · 格雷茨基这段话。" 我总是滑向冰球即将到达的下一个位置，而不是它现在的位置。"
一些人会认为这是 iPhone 初代发布的心路历程，但看到 iPhone 之后的发展进步，就会发现这其实是一种方法。永远不要跟在潮流之后，除非我们认为自己跑得过冰球。
AI 这个话题所覆盖的领網域太广泛了，今天咱们只谈它有什么用。为什么选这个主题？因为从咱们朋友圈里看到的 AI 和一线打拼的工程师正在开发的 AI 好像有点不太一样。
例如，微软公司董事长兼 CEO 萨提亚近期在 Freakonomics 的采访中提出，" 模型不是产品，模型可以成为产品的一部分 "。很多人都遭遇了 ChatGPT、大语言模型或者大型基础模型的信息轰炸，但大家必须要有自己的观察，大语言模型只有加载到应用中去满足一个具体的需求才能发挥应有的作用。
在众多新闻中，人们很少谈及两件事情，即除了模型以外，人的价值与需求，和需要提供何种产品与服务去满足这种需求。因为用户和消费者不会去直接用模型，他们也不会在乎你有什么模型，用户需要的是满足需求和解决问题。
乔布斯、萨提亚都特别喜欢引用施乐帕洛阿尔托研究中心（PARC）首席技术官 Mark Weiser 对于划时代的社会基础技术能力的评判，大意是：真正伟大的技术、那种平台型的技术、那些会对社会的底层逻辑进行改变的技术，它真正有用的时候是消溶于一切的时候，就是没有人再谈论这种技术的时候。
按照这种逻辑，水、电、气、网络到达了这种程度，但是今天的 AI 技术还远远没有达到这种程度，如果我们整天谈论技术而非应用，它就会永远在天上浮着，不会落地。模型很重要，但同样重要的是模型如何发挥作用。任何一种基础性技术的出现与成熟，都需要不同能力的组织在技术的不同发展阶段发挥不同的作用。既需要有科学研究机构去探索各种未知的可能，也需要有企业去实现新可能下的技术创新，还需要大量企业利用这种技术能力去优化我们的世界，为人类创造现实的福祉。所以，一定要养成动态思考的习惯，要善于利用发展的眼光看待事务的演变，寻找并满足不同发展阶段的不同需求。
举个例子，在静态的画面中，我们能否判断球会向哪里滚动？当然人们可以根据过去的经验、知识、体会等等进行猜测，但这就像 " 看后视镜开车 "。人类永远是在看着后视镜开车的，对未来所有信誓旦旦的预判，都是以一种 " 看后视镜开车 " 的心态进行的。
在这种心态下，可能过去几十年间未曾出现问题。那是因为过去几十年虽然也在变化，但范式并没有特别大的改变。范式改变之后，如果还采用 " 看后视镜开车 " 的方式，凭借过往经验对事务进行预判，是无法达到效果的。
这就是当下时代的特征。现在所有的 AI、机器学习以及对未来信誓旦旦的判断，经常是一半对一半错的。网上有一则笑话，关于一个投资顾问如何说服别人一定听从他的建议：先找 1000 个用户，挑选一个投资方向，跟其中一半的人说会涨，跟另一半的人说会跌，结果不管涨跌，肯定有一半人会相信这个建议是对的。当然一次不够，可能还有些许怀疑，那么继续用这种方法对付剩下来相信的那 500 人、250 人、125 人，最后剩下这 125 人，大家一定会坚信这个投资顾问，因为每次预估都是对的。在剧烈动荡的年代，这可能吗？实际上背后全是概率，是幸存者偏差。
在这种剧变下，在每天早上都有新事物出现的情况下，先别着急下结论，大致方向对就可以。关键是要在过程中去摸索，不要怕犯错，与其总担心如何不犯错，还不如关注于如何建立起迅速改错的韧性能力，以应对 " 黑天鹅 " 层出不穷的时代。
就像韦恩 · 格雷茨基提到的，击球能否得分是未知的，但不击球肯定是不能得分的。这个时代变化很大，大家迷茫、彷徨、焦虑，这很正常，因为我们讨厌不确定性，但这些情绪并没有用，关键是如何安下心来，去探究事物发展的必然规律。
大家对于微软公司的关注，更多集中在同 OpenAI 合作的 GPT 模型和相关服务上。实际上从 2022 年下半年开始，微软公司的萨提亚 · 纳德拉 ( 董事长兼 CEO ) 、凯文 · 斯科特 ( CTO ) 和彼得 · 李 ( 微软研究院负责人 ) 做出了一个非常重要并且风险很大的决定，当看到模型已经具有发展潜质之后，他们决定对微软的全线产品与服务做智能化转型，把大型基础模型，包括以 GPT 为代表的大型语言模型能力全都嵌入到微软现有的产品中，而且在短短半年之内不断开发出新产品。
做过产品的企业家都能感同身受，做这种决定是非常不容易的，这是一个产品开发流程的重构，不仅仅是一个理解、消化和吸收新技术的过程，更是一个巨大的軟體工程挑战。軟體开发有其特有的系统工程思想和流程，这些流程又都与所开发的产品特点与组织文化相适应。在一个非常成熟与可靠的开发流程之上，突然加入一种每个軟體工程师自己都还在学习与适应的新兴技术，而且还要迅速推向市场，这种成就背后的艰辛与付出或许只能以 " 不足为外人道也 " 来表达了。
大家可以从各种场合的采访、交流的公开资料中可以看到， 微软和 OpenAI 的技术专家无不透露一个真相，对于这样一个新生事物，每个人都是在探索，没有人能够事先知道如何利用这种还未被人们完全知晓的能力开发新的产品与服务，但他们坚信只要大家努力研究，尤其重要的是不要空谈，敢于在未知的领網域大胆实证，有这种技术信仰，大胆假设，小心求证，就一定能够淌出一条未有人走过的路。这是所谓成功的真相，一定会成功的事情，要么回报少，要么轮不到我们去做，而且永远不要忘记幸存者偏差的道理。
在这个剧变的时代，人们开始还是习惯使用固有的充分条件思维，如果条件充分，只要做了 A 就一定会实现目标 B。但真实的生活深刻教育了我们，这种事前就追求确定结果的方法在确定性消失的时代其实是不科学的，也是不现实的。
科学的方法和态度，恰恰不讲究一定要怎样，科学定理本身就是等待被证伪的假设，它在被论证出来的那一刻，就等待被更加精确和更加符合实证结果的理论所推翻。
理查 · 费曼在他的一堂物理课上，当问及何为科学时，他的回答是 " 猜 "，也就是假设；当提到如果假设与实证结果不符合怎么办？他的回答是 " 那就要改变假设 "。在科学思想中没有一成不变的方法，讲究的是批判性思维、科学方法论，科学最伟大之处在于它的科学精神和科学方法，不断观察现象、产生假设、进行实验、产生结论，对了就做，不对就改，从而不断迭代，不断证实和证伪，永无终结。
把这种方法应用到我们的技术创新与落地的过程中，就是学会采用必要条件思维，即 " 尽人事，听天命 "，做了不一定有结果，不做肯定没有结果，不断假设，不断探索，不断纠偏，不断前行。
在技术落地过程中，其实有三个阶段：
刚开始的时候，是 " 拥有 " 技术的阶段。人们倾向于关注如何拥有某种技术能力，但不要忘记在拥有技术能力之后，还有漫长的学习与适应的过程，以及时间与资金持续地投入。拥有技术并不等同于掌握技术，更不等同于解决实际问题。技术是一种需要去同时拥有和掌握的能力。学会如何掌握技术的能力，就进入了 " 应用 " 的阶段。
今天的企业在开展业务时，很多人认为有钱、有资源、有人就可以获得技术的能力，其实很少人能将自己手中的技术用好用足。对于企业而言，这是巨大的浪费，当然也是巨大的机会。作为企业管理者，我深刻地感受到，公司里面有太多的流程优化还没有做到位，有太多产品功能与性能还没有被员工利用到极致，有太多的技术能力还没有发挥到极致，更不要提使用之后解决企业和个人的现实问题了。
技术被使用起来之后，企业与个人就具备了因掌握新技术而产生的新能力，但是这并不意味着我们就知道需要解决什么问题。技术的价值，体现在通过工程的实现来解决实际问题。用技术的目的，是解决企业的问题。对于 AI 这种能力而言，除了那些资金、人才、技术储备充足的大型企业，绝大多数企业的目的不是拥有 AI，不是拥有大语言模型、显卡、数据，而是解决一个人类社会具体的问题。
企业的终极目标也是人类的终极目标，在于确保人类的衣食住行、吃喝玩乐、学习、生活、工作更加幸福和快乐，在于人类自身的成长进化。当企业以及个人在追逐技术的时候，是否同时获得幸福感？还是获得了焦虑？不要忘记，拥有之后还要花大量的时间和成本让它用起来。对于大型基础模型，包括大语言模型我只是略知皮毛，我的任务是要用它解决公司和客户的问题。
我们在具体的管理、学习和工作中会经常发现，很多人都在关心模型。模型并非不值得关注，一定会有一些非常优秀的领军人物、科学家、技术专家、工程师去帮我们构建大模型。但这部分只占到全球经济总量的极小部分，非常重要，但不是唯一。在社会经济活动中还有大量的经济行为需要人们借助模型的能力去实现、改造或者优化，谁去完成？需要企业家们了解企业痛点和知晓新工具的特性。我们并非都要去打造新工具，而是要知晓它的特性并迅速地应用到有关国计民生和百姓福祉的各行各业。
各位企业家一定要冷静下来。在冷静下来的那一刻，你真正的优势就开始形成了，大家就知道别人嘴里说的河水到底多深多浅，大概率下既不像老牛说得那么浅，也不会像小兔子说得那么深，每一个个体一定会找出属于自己的过河之道。
在谈到以 ChatGPT 对话服务为代表的大语言模型能力落地的问题时，我们先做几个自测题：
第一，有多少人用过 ChatGPT 或类似的基于大语言模型的对话服务？
第二，有多少人每天都在用这类对话服务？
第三，有多少人每天不用这类服务就很难工作、学习、生活？
第四，同样的问题，如果把对话服务换成互联网服务或智能手机呢？
我相信最后一个问题大家都举手了。想要每个人都无法离开它，就需要一种能力叫内嵌，这种能力不是内嵌到对话、编程、教育、医疗、炒股这类肤浅的层面。人们都经历过互联网时代，从早期的邮件、BBS、门户网站直到后期的电商，他们都不能涵盖互联网的定义，因为互联网已经内嵌到人类社会的每一个环节中。
所以企业的机会点在于，如果能够稍微提前一点，在这个路径上做好准备，就知道这个领網域特点，知道这个领網域适合什么样的工具，也就是在数字化转型过程中常常提到的领網域知识。如果这个领網域需要大语言模型、基础模型，就要提前做好准备；如果需要锤东西和拧螺丝，就要提前准备好锤子和电动螺丝刀。
什么是锤子？什么是钉子？我们首先要清楚，AI 技术是一种平台型技术，它非常重要，重要到绝大多数人不需要去提它，当它发展为成熟的产品之后，从 " 有 " 到 " 用 " 到 " 泛在 "。所有平台类产品，不管是作業系統、互联网、发电、供水、供气，都会经历这一过程。
这张图是一个概念示意图，并不精确，希望表达一个基础技术能力的演变过程。所有行业，只要技术是基础性的、平台性的，大都会先经历一个基础构建的过程。AI 基础构建到一定规模，就会出现大量培训、证书等赋能型的商机，但是最终，与电力普及进程类似，没有人再会去谈大模型的能力，因为那是一种默认的社会关键基础能力，大家会把重点放在各行各业如何被默认具备的 AI 基础能力重新构建。《道德经》讲，" 上善若水，水善利万物而不争 "。AI 的能力跟电、水一样，它会利万物而不争。
现在人们主要在第一阶段，关注的是模型、数据、算力，正在慢慢向第二阶段发展，这个阶段是从能力到应用的桥梁，重点转移为 " 定制、嵌入、知识沉淀、数据梳理 " 等预备性的工作，并且开始关注如何根据新型智能工具的特点优化和再造工作、生活与学习过程中的各类流程。比如我们在管理公司的时候，会花费大量精力进行流程优化、流程再造，伴随新工具的出现，流程是需要随时优化与完善的，这里面的潜质是无穷的。
到了平台发展的第三阶段，如同过去百年的社会电气化历程类似，社会建设的重点会放在针对每一个人类社会环节的智能重构，慢慢的，就可能出现一个由智人和智机共同协作、在 " 以人为本 " 的基础上发挥各自优势而建立的新型 " 人机协同 " 文明范式。
对企业而言，这时候的重点可能会更多的放在 " 流程、知识和人才 "。需要注意的是在这个阶段尤其要强调 " 以人为本 " 和 " 负责任的 AI"。此时 AI 技术已经与社会的发展融为一体，大家不会再关注智能技术本身，那会是少数企业与人才的关注领網域。对绝大多数人而言，关注的都是如何利用智能技术提升人类的生活质量以及人类的幸福感与获得感，人类需要依靠机器的辅助实现人性的升华与文明的进化。
在这么强大的技术能力加持下，我们如果不能够坚持 " 以人为本 " 和 " 负责任的 AI" 的技术落地原则，不能够坚持人类的使命是不断进化更新我们的知识与文明，是持续提升人之所以为人的精神与文化修养，那么这种智能技术就可能发生异化，非但不能够帮助更新人类的知识、思想、文化与文明，反而如同一些思想家所担心的造成的人类文明的退化。这也是为什么在彼得 · 李所写的《超越想象的 GPT 医疗》书中屡次强调，这是全人类都需要参与讨论的话题。
从目前的发展趋势来看，我们正在从第一个阶段慢慢向第二阶段迈进，大概率条件下，我们中的绝大多数人，最终都会把注意力落在最后右上角的区间，即智能技术泛在前提下的能力实现。
误区和风险
以这一轮大语言模型的进步为例，我们再来探讨一下技术发展的路径。如果我们回顾 ChatGPT 的火爆过程，它的流行是一个指数型的现象，给绝大多数人的感觉这会是一个时不我待的巨大变革机会。
是不是这样呢？又是，又不是。
说它是，是因为在短期内这的确是一个巨变的风口，如果抓住了机会，可以使一个企业或个人成功地跳上下一个迅速发展的台阶；说它不是，就在于如果稍微把以 GPT 为代表的大语言模型的发展趋势拉回到近十年前 OpenAI 的创立之初，再回顾这些年 OpenAI 发展的艰辛历程与起伏跌宕。那种基于技术信仰而形成的，即使暂时落后也要坚持原有技术路线的执着，其中还包括微软与 OpenAI 携手共进的经历与关键决策点，尤其是前面介绍的由微软公司萨提亚 · 纳德拉、凯文 · 斯科特和彼得 · 李等一众高管在去年下半年坚定做出的风险决策，这种成长的过程都是漫长难熬的，绝没有指数增长那般炫耀，其实都是脚踏实地、苦苦坚持后的必然。
大部分人看到的，只是在众多决策、众多起伏之后成果广为人知的那一刻。如下方图中白色圆圈内表示的突出水面的那一个飞跃，让人感觉到一个伟大的时代、指数型增长的时代来临了，并开始做预判，觉得它会一直沿着红色箭头指出的方向继续发展下去。如果你研究过 OpenAI 的历史和与微软的合作经历，就会发现水下的工作才决定了它此时的腾飞，这个过程从 10 年前就已经开始，甚至在某一个不为人知的阶段同样会有突然的指数型成长曲线。去年 11、12 月份，以 ChatGPT 为代表的基于大语言模型的对话服务潮流已经涌现，大部分人只是没有察觉到罢了。
作为伴随这种技术成长起来的工程师们，他们的愿景大概是绿色箭头的方向，他们不会纠结于成长角度的高低，但会以坚定的技术信仰坚持朝这个方向走下去。当你了解水面下的历史之后，大概率就不会认为这种指数增长会永远持续下去。将时间线拉长，你会发现，如同电力、网络技术的普及一样，它对社会的影响是长期的，任何短期的高速发展，都会进入一个 S 型成长平台期。而若干个 S 型曲线，又会构成一个相对稳定但持久的上升趋势。但是无论怎样乐观，地球的资源终究有限，如果人类不能够借助这种智能机器力量加速人类知识与文明的进步，尤其是能源领網域的进步，那么这种指数型增长的预期大概率下很快就会被它自己的高速成长所约束而无法持久。
......
篇幅所限
本文内容仅为韦青老师精彩分享的一部分
扫描二维码，听韦青老师完整分享！
>
