傅盛：这波AI是百年一遇的生产力革命，一把手要亲自抓

2023-12-06

文章转载自"ToB行业头条"

—
“大模型，小工具——要从具体应用上找到切入点，踏实地做好‘最后一公里’，实现AI化。”
来源 / CANPLUS （ID：caijingxueyuan2018）
作者 / 傅盛

自从ChatGPT诞生之后，全球新一轮创业热潮被点燃。日前，猎豹移动董事长兼CEO、猎户星空董事长傅盛在参加AGI产业先锋营上，以《企业如何进行AI创新》为主题，分享了他对AI的理解。

傅盛早在2016年就布局人工智能产业，已在AI赛道上深耕7年之久。他认为，这波AI不仅是交互革命——未来人与机器的交互会发生巨大的改变，软件、设备包括内部的很多接口都值得重做一遍，而且是百年一遇的生产力革命，是一把手必须亲自抓的战略工程。同时，关于大模型的行业走向，他也给出了自己的看法。

以下是我们对部分内容的整理，希望对你有启发。

创业十五年，依然在路上

2023年是我自己状态最好的一年。对外看，是ChatGPT来了；对内看，是自己经过不断调整，回归到了一个创业者“在路上”的感觉。当你真正能踏实的从底层开始做的时候，才真正具备了创造力和创新力。当你浮在上面的时候，多是囫囵吞枣，所谓的创新可能都是空中楼阁。

我是第一代互联网产品经理，360的杀毒软件是我带着团队做起来的。开始我们只有五个人，但那时瑞星已经八百人、金山毒霸三四百人。我2008年底离开的时候，团队不超过100人，但PC覆盖率超过了50%。

360的经历给了我非常大的自信，也让我积累了很多技能和认知，尤其是产品易用性和安全性方面的认知，真正做到了Think Different。比如说怎么在方寸之间把交互做到足够好，在安全形势变化时把快速反应做得足够好。

360之后我创办了猎豹移动。当时我发现中国APP比美国做得好，所以就全力做出海。12年做出海，两年后我们的海外月活用户就超过了两亿，14年就上市了，很快。但今天回想，太快不是好事儿，因为无论是个人还是团队，心态都会膨胀的。我们当时就觉得要做伟大的事，不能做别人做过的事，看了一圈看上了AI。那时我就意识到人工智能是一次范式的变化，所以我们16年就坚决投入做AI，拿融资、扩团队、做产品...当时小米的小爱同学，语音识别很大一部分都是我们做的。

今天回想起来是大鸣大放，这种投入在没有摸清路径前很容易造成空烧。

如果从头开始干，我一定会从小团队出发，然后躬身入局，等到自己真正理解的时候，再一点点生长出来。

所以今年ChatGPT出来时，我们的动作就明显比以前要稳扎稳打了。

ChatGPT将带来

交互革命和生产力革命

作为一个划时代的应用，我们该怎么看待ChatGPT带来的变化？

第一，它是交互革命。人跟机器的交互会更加简单方便，现在看起来还很复杂的软件和机器，未来的使用门槛会大大降低。这会是一个很巨大的变化，我们整个的交互范式都会发生变化，上一次交互革命——从全键盘到触摸屏造就了苹果，如今所有软件、设备，包括内部的很多接口都值得用AI重做一遍。

举个例子，现在是人围着机器转，比如甲方提了个需求，得有个会沟通、会用电脑的人把客户、老板的意思写成PPT。未来是机器围着人转，甲方只要对着机器说需求，机器直接就能理解，要写个PPT，直接生成，人只要稍微改一改就好了，甚至不需要改。

第二，它是生产力革命，数字化员工会成为公司的标配，比重越大的企业越能胜出。马化腾在一次财报会上说，他以为AI是一个十年一遇的机会，后来仔细一看应该是几百年一遇。我觉得历史上可能只有蒸汽机的出现，可以跟这波AI革命媲美。蒸汽机第一次把热能变成动能，然后这次是电力变成通用智能。

大模型的走向

平台核战争场域下，寸草不生

平台核战争已经开启。今天没有一个千亿参数的大模型，你都不好意思叫自己平台公司。

核战争的场域下，寸草不生，小厂在所谓的 AIGC APP 上不会有什么大的机会。今天无论谁做千亿大模型跟大厂竞争，都会遇到巨大的竞争压力，很难扛。因为就算你是创业团队，效率高一点，但是大厂可以堆人，最后的效果就在伯仲之间。那么一两个点的差距，终端用户几乎是没有感知的。

模型的效果基本一致化后，拼的就是商业化。创业公司更没得拼了，因为大厂直接就可以闭环，你只能开辟新的战场。开辟新的战场也有问题，如果你是市长，你是跟腾讯、百度或者华为签，还是跟一个初创公司签？所以大公司下场之后，创业公司会很难。

应用生态决定大模型公司的商业价值

OpenAI 这次11月的开发者大会，刚开始我们内部讨论，感觉它做的并不像一个平台公司干的活，它把生态的很多活干了。因为理论上它应该快点把 GPT-5 推出来，推理能力再进一步加强，然后把多模态做得足够好。结果它把一帮创业者要干的事全给干了，什么0代码构建AI Agent。这些它不是不能干，只是这样干的话，就像很多硅谷公司说它是“给了我 200 美金的优惠券，毁了我 200 万美金的公司。”但这也说明要在大模型上做很多应用是关键。

但是，我不认为大模型应用和创业公司没价值，因为平台和应用是互相促进共同成长的。

比如，iPhone是与应用互相拉动，才成长为平台的。别看iPhone现在是一个很牛的平台：iPhone12、13系列销量均达到2亿部；2022年，App Store应用数量超178万个；处理器在A6系列之后，傲视群雄。

但它不是一下就长成这样的：2007年1月初代iPhone发布，总共卖了130 万台。我买第一部 iPhone 时候是因为它降价了100 美金，本质上就是卖不动。2008年3月支持SDK允许第三方开发APP，推出了APP Store。最开始没有一个部件是苹果自己研发的，是2010年推出A4处理器，苹果才走上自研之路。

再比如国内智能手机的普及，跟一些应用的成功很有关系。滴滴的程维跟我说过，滴滴创立之前，北京出租车司机智能手机的使用率只有20%。滴滴干了一年以后，比例提升到了 95% 以上，因为司机不用智能手机就接不到单。智能手机，包括微信的普及，有个很重要的贡献是“红包”，红包功能一出，大过年的，都要去买个智能手机抢红包。

如果一个手机只是有个大屏幕，但除了拍照和打电话什么也干不了，那不叫智能手机。只有装了滴滴能打车，装了美团能叫外卖，装了微信能发信息发红包，才叫智能手机。

大模型平台和应用也是一样的道理。刚开始 GPT 出来的时候，我们也是各种担忧，但今天看起来 GPT 就是一个技术。所以今天这个大模型时代，也不用把它看得过于可怕，做好真正符合用户需求的大模型应用，你的公司一样是有价值的。

私有化大模型白菜价，行业和企业大模型越来越普及

我认为未来百亿参数的模型会非常多。我们自己实测，百亿参数的模型，如果只在这个专业领域做一些简单的推理，它是可以接近GPT这样千亿模型的效果的。百亿参数，意味着部署成本、使用成本会大规模下降。

今年年底高通发布了一款是用在电脑上的桌面级的芯片，明年会上。它专门有个AI推理模块，大概是英特尔的8-10倍。这意味着当你用装着这个芯片的电脑，你就能在本地跑一个70亿到100亿参数的模型，并且是以GPT的吐值速度，每秒钟几个token往外走。你都不需要联网，就能实现一定能力的推理。

另外，我认为行业和企业大模型肯定会越来越普及。尤其在中国，大家在数据安全上缺少信任，所以在中国，私有化模型是一个很大的需求。普及化，我刚刚讲以后一个笔记本电脑都能跑一个 70 亿到100 亿参数的大模型的时候，它当然很容易普及。

还有一个原因是，今天平台都在想办法搞出一个爱因斯坦——Open AI 的终极目标肯定是打造出一个爱因斯坦或者比他更伟大的AI，但很多岗位是不需要爱因斯坦的，太贵了，可能只需要一个中专生、大专生水平的AI就能完成很多工作。

大模型时代，企业的私有数据才是核心竞争力

未来企业的私有数据才是核心竞争力。ChatGPT读完的是互联网上的信息，比如冰面上这些。如果这些数据和知识不上网，它就是个暗知识，比如冰面下的这些。

企业每次推出一个新产品或新服务，它都经历了大量的调研和规划、大量的流程、大量的讨论，这些都是私有数据，ChatGPT抓不到，你问它相关问题，它的回答多半是正确而无用的废话，因为它没有你的私有数据。

大家要意识到一点，企业内部的流程和数据是非常核心竞争力。如果你能把它串好，用大模型去调用，你的效率会很快提升很多。

AI是一把手必须亲自抓的战略工程

任何一家公司都应该做好AI，这是一把手必须亲自抓的战略工程。一把手要做两件事，第一要懂技术的基本原理，第二要做组织变革。

为什么要知道这波AI的技术原理？因为它将是未来的基础设施。基础设施必须明白基本的技术原理才能用好。好比你不需要造个发电厂，但你要知道电是怎么来的、能力边界在哪、该如何用电。

我想强调的是，一把手要像小学生一样，躬身入局，学习AI。我知道张一鸣在当时读了很多AI的论文，把Transformer、GPT这些模型的论文都读了，他就躬身入局。所以学习AI一定不要幻想着招一个人，他就帮我把这事搞定了，搞不定的。

就像当年互联网崛起时，传统大公司总是招个电商平台出来的人，想让他把电商搞定。其实根本搞不定，因为一把手不懂电商。一把手，必须要深入了解一个最重要东西的原理。当年马斯克亚要做火箭，记者问他要怎么做，他说自己要把火箭发动机的技术原理先学一遍，不然没法跟工程师对话。

AI技术的皇冠：语义理解

我想分享的一个很重要的AI技术是“语义理解”，即怎么让机器理解语言，堪称AI技术的皇冠。人工智能如果能攻克语义理解，基本意味着AGI（通用人工智能）很快出现。

语义理解有两条技术路线：第一种是学外语模式。就教你什么是主语、谓语、宾语，定状从，给它输入知识图谱。知识图谱就是我们把整个世界的认知整理成各种枝节去告诉计算机。

第二种是学母语模式。一个小孩子，你不用教他语法规则，只要跟他说话就行，说着说着他就开口了。OpenAI前几年都是硅谷的笑话，他们觉得机器怎么可能像人学母语一样学习，我也觉得是笑话，但现在证明我们才是笑话。

所以为什么只有OpenAI做出了ChatGPT？并不是他有独门秘籍，是因为只有他相信第二种模式。就像哥伦布航海，不是舰队多牛，而是做了别人不相信的事。但是他做到以后，别人也可以做到。ChatGPT怎么做出来的，OpenAI自己也没彻底搞清楚，只知道给完数据以后，它的逻辑能力一下上来了，所以叫“涌现”。

我把ChatGPT理解成一个大号计算器。它的原理很简单，就是预测下一个词。你输入一些字，它就蹦出一些字，那些字组成的那句话看起来很符合我们对这个世界的认知和理解，我们就觉得它产生了逻辑能力。

我觉得正因为它是一个大号计算器，所以不用担心它有意识，但要担心用不好它。因为我觉得意识要有情绪，而计算器没有情绪。但不是说没意识，它就不会对社会造成危害。人设计的规则总会有漏洞，因为我们的思考有局限性。如果规则没有设置好，它就可能钻规则的漏洞。

如果只学习大模型的一个技术点，应该是Prompt

自然语言天然的压缩性导致的天然歧义性，以及每个行业的专业属性，使得Prompt是嫁接大模型逻辑能力和应用需求的桥梁，不可或缺，非常重要。更重要的是，大模型应用一点也不浅薄，认为浅薄是因为我们还停留在过去的思考范式之下。

我们刚讲了大模型的原理，是根据你上面的一些问题判断下一个词的概率，它吐完这个词以后再把它连起来，再吐下一个词，这么连续吐。所以你上面问过的问题很重要，你怎么个问法也很重要，你总是指望着说，我为什么说了一句话，它没有达到我的需求？因为它不知道你的需求是什么。

从原理上讲，语言是个高度压缩的信息传递方式，一个人一分钟最多讲100多到200个字符，这100-200个字符是你对世界的理解，但有个词叫沟通误解。我们为什么要开那么多会？不就是拉通需求吗。一聊两三个小时，可能就为了讲清楚一件事。

人和人的沟通都这么不容易，怎么能把AI想的那么美好呢？

你给它一个东西，它就能给你一个特别好的报告？你跟人的沟通都费劲，都没耐心，为什么觉得大模型就真的一句话就把你公司就搞好了？那是不可能的。

Prompt是嫁接大模型逻辑能力和应用需求的桥梁，要自己真的去用、去理解。

吴恩达作为业界泰斗，提出了端到端的语言模型，人家都专门花几个小时讲Prompt，Prompt是不是很重要？是不是个新范式？程序员还觉得C++里面那个括号，什么接口重要，我觉得那些都不重要了，重要的是你要理解大模型自然语言的的压缩性导致的天然歧义性以及每个行业的专业属性。

什么叫专业属性？最简单的就是你讲苹果的时候，在我的脑海里就是一部手机，陕西农民的脑海里肯定有他家的苹果，他不会想到那款手机。

推行AI实践的最大阻力是跨部门的协作壁垒，是部门管理者和员工的旧思维

我们公司全员实践AI后，我的重要经验和建议是：推行AI实践的最大阻力是跨部门的协作壁垒，是部门管理者和员工的旧思维。因此，一把手要亲自抓！

我讲一个例子，就是我们CFO的助理，她写出的小工具，震惊了所有程序员。

作为助理，她很多日常工作都是很零碎的，比如今天老板发个文件，说给我转成PDF；这个文件加个水印发给别人；下载分析某公司的最新财报等等。我们内部开始全员探索AI后，这个心理学毕业、做了小十年助理的人，整个人重新被激发了。她在公司内部搞了一个Open Tools平台，给各种同事做工具。比如她有一个PDF转word的工具，财务法务就在用。

成为AI驾驭者的四个条件