ChatGPT問世之后，人類的歷史進(jìn)程被改變了。有人認(rèn)為這是“iPhone時(shí)刻”，有人認(rèn)為這是第四次工業(yè)革命，也有人認(rèn)為這是新一代的“火”和“電”，而即使最保守的觀察家也會(huì)同意：人類社會(huì)注定將被AI重塑。

為此，我們推出「硅潮訪談錄」這一欄目，圍繞AI、機(jī)器人、芯片相關(guān)領(lǐng)域，對話身處浪潮前沿的科學(xué)家、創(chuàng)業(yè)者和投資人，跟蹤硅基涌來的洪流，勾勒社會(huì)的未來輪廓，識(shí)別出這些結(jié)構(gòu)性變化里蘊(yùn)藏的歷史性機(jī)會(huì)。

擺在淘金者面前的礦脈巨大且真實(shí)。黃仁勛將其比作15年前的iPhone時(shí)刻，比爾·蓋茨回想起50年前的PC機(jī)雛形，而馬化騰則在上周的股東會(huì)上把歷史拉到了工業(yè)革命誕生“電”的級別——這些“時(shí)刻”都是新一代商業(yè)巨頭誕生的前夜。

大佬們用簡單的類比，給創(chuàng)業(yè)者們標(biāo)注了本次機(jī)會(huì)的量級。這樣的“風(fēng)動(dòng)”下，任何具有計(jì)算機(jī)背景的創(chuàng)業(yè)者可能都會(huì)“心動(dòng)”，在很多人還在擔(dān)憂硅基取代人類的時(shí)候，一部分人已經(jīng)開始小步快跑，今年2月份創(chuàng)辦瀾碼科技的周健就是其中之一。

周健是筆者在上海交大電院的學(xué)長，他身上的標(biāo)簽很多，比如亞洲首個(gè)ACM-ICPC大賽冠軍、阿里云的那群瘋子、AI四小龍依圖10號(hào)員工……當(dāng)這些標(biāo)簽和履歷重合到同一個(gè)人身上時(shí)，不去折騰點(diǎn)什么反而是說不過去的。

筆者第一次聽到周健的名字是剛?cè)雽W(xué)的時(shí)候。他跟林晨曦等人的故事一向是學(xué)院里的傳說——2002年他們的隊(duì)伍拿到了第26屆ACM-ICPC大賽的全球總冠軍，成為亞洲首個(gè)奪冠隊(duì)伍，并催生了后來交大著名的ACM班，培養(yǎng)了出無數(shù)牛人。

畢業(yè)之后周健加入Google，接觸到了全球最頂尖科技公司的代碼庫。之后周健加入阿里，參與了王堅(jiān)院士牽頭的阿里云飛天系統(tǒng)的研發(fā)，這種“一生只有一次”的大級別項(xiàng)目，極大得錘煉了周健的軟硬件技術(shù)能力。

如果說“技術(shù)”是周健職業(yè)生涯的上半場，那對商業(yè)的觀察和思考則是他下半場的主線。

離開阿里云后，周健有過一段短暫的創(chuàng)業(yè)經(jīng)歷，過程中暴露他“離技術(shù)太近，離商業(yè)太遠(yuǎn)”的短板。結(jié)束創(chuàng)業(yè)項(xiàng)目后，周健加入了林晨曦創(chuàng)辦的依圖科技，成為第10號(hào)員工。依圖也給了周健一個(gè)觀察技術(shù)與商業(yè)如何交織的最佳位置。

在依圖，周健見證了AI視覺領(lǐng)域的技術(shù)曲線從誕生到成熟的一條完整路徑，也目睹了商業(yè)如何一環(huán)環(huán)閉環(huán)、競爭如何一步步緊逼。之后周健加入RPA創(chuàng)業(yè)企業(yè)弘璣，對組織、技術(shù)、商業(yè)的融合，尤其B端業(yè)務(wù)的開展，有了更全面的理解。

走到今天，周健以一個(gè)創(chuàng)業(yè)者的身份重新出發(fā)，方向毫無疑問：AI。

周健選擇的是超級自動(dòng)化賽道，去做“基于大語言模型的自動(dòng)化平臺(tái)”。他覺得冥冥之中有一股力量，把自己在技術(shù)、項(xiàng)目、商業(yè)、管理上所有的經(jīng)歷都連向了這里，如同喬布斯描述的“Connect The Dots”。

在我的理解里，周健并不想追逐AI賽道上那些最熱門但又最燒錢的明珠——比如底層的infrastructure，而是更在意自己的公司能否在商業(yè)上跑通、能否在財(cái)務(wù)上健康，這顯然跟他在依圖和弘璣的所見、所感、所思密不可分。

而在組織上，周健試圖把瀾碼打造成一家“AI原生”企業(yè)——大模型成為核心生產(chǎn)工具、prompt和magic word驅(qū)動(dòng)工作、組織高度扁平、強(qiáng)調(diào)單兵作戰(zhàn)能力……用他的話來說就是：大語言模型就像太陽，我讓自己的企業(yè)布滿太陽能板。

回看過去三個(gè)月，周健用波瀾壯闊來形容，他喜歡用軍事和歷史的角度來思考商業(yè)和組織，跟他聊天不枯燥而且非常有趣。我們的這次訪談長達(dá)3個(gè)小時(shí)，凝結(jié)了他這些年對AI、對創(chuàng)業(yè)、對競爭以及對硅基革命本身的思考。

以下，是硅基研習(xí)社與瀾碼科技CEO周健的對話正文。

01

十字路口與新大陸

硅基研習(xí)社：你是什么時(shí)候開始關(guān)注大語言模型的？

周健：其實(shí)關(guān)于OpenAI的GPT、谷歌的Burt很早就有聽說，但之前并沒有花費(fèi)精力去了解。直到去年年底我決心出來創(chuàng)業(yè)后，一次偶然的機(jī)會(huì)去網(wǎng)上搜索之前關(guān)注過的一家公司，想了解下它現(xiàn)在怎么樣了，我的一名同事同時(shí)去問了ChatGPT。看到結(jié)果后非常震驚，ChatGPT非常詳細(xì)地給到了公司什么時(shí)間成立、何時(shí)被收購、目前業(yè)務(wù)情況、有多少名員工信息在LinkedIn，我作為一個(gè)行業(yè)專家花十幾分鐘獲取的信息還不如ChatGPT。

這時(shí)我就開始認(rèn)認(rèn)真真研究ChatGPT，使用時(shí)也會(huì)遇到各種小問題，但已經(jīng)感覺到這是一個(gè)大機(jī)會(huì)。

當(dāng)時(shí)自己還想過給3-5年工作經(jīng)驗(yàn)的程序員寫份教程，教他們該怎么生存，每一次認(rèn)知加深以后都覺得之前寫的不對，寫到第三稿時(shí)就放棄了。我還是以技術(shù)好標(biāo)榜自己的，最后發(fā)現(xiàn)原以為有價(jià)值的東西全部沒有用。

悲觀并不至于，前段時(shí)間軟件大牛Kent Beck面對這次的AI大浪潮，在Twitter上做了一句很經(jīng)典的總結(jié)：The value of 90% of my skills just dropped to $0. The leverage for the remaining 10% went up 1000x.（個(gè)人90%的技能價(jià)值歸零，但剩下10%的價(jià)值會(huì)提升1000倍。）

所以整個(gè)復(fù)盤過程對我的價(jià)值很大，讓我意識(shí)到所有人、所有公司其實(shí)都需要重新review一遍技能，哪些技能會(huì)被替代，哪些技能暫時(shí)不會(huì)被替代，只有放大后者才能生存下來。

硅基研習(xí)社：為什么會(huì)選擇現(xiàn)在這個(gè)創(chuàng)業(yè)方向？

周?。?/span>我從弘璣離開出來創(chuàng)業(yè)時(shí)，最早只是想解決RPA（機(jī)器人流程自動(dòng)化）市場存在的一些老問題，譬如說怎么提升RPA的價(jià)值。創(chuàng)業(yè)方向選擇上也是處在一個(gè)十字路口摸索階段，還設(shè)想去做跨境電商、BI、營銷自動(dòng)化其它方向過。

春節(jié)期間對ChatGPT做了更深入的研究以后，創(chuàng)業(yè)方向才正式確定，就是瀾碼現(xiàn)在的slogan：基于大語言模型的自動(dòng)化平臺(tái)。之前RPA因?yàn)槿鄙貯I，很多大的自動(dòng)化場景無法解鎖，但現(xiàn)在全改變了，大語言模型就是未來的技術(shù)。

對瀾碼而言，我們的problem solution fit已經(jīng)可以實(shí)現(xiàn)，下一步便是product market fit，用未來的產(chǎn)品去解決過去的市場問題，未來技術(shù)已經(jīng)擺在眼前，而且不需要瀾碼自己去研發(fā)，拿來用就可以。也就是說，我只要對市場有清晰的認(rèn)識(shí)，能夠把場景做好匹配，知道技術(shù)的邊界，業(yè)務(wù)推進(jìn)就是順其自然的事情。

硅基研習(xí)社：軟件自動(dòng)化領(lǐng)域老牌企業(yè)很多，新進(jìn)入者也不少，你如何定義競爭對手？

周?。?/span>AI 轉(zhuǎn)自動(dòng)化容易，自動(dòng)化轉(zhuǎn) AI 相對更難，競爭對手其實(shí)更會(huì)是懂AI的人。從趨勢上看，大家會(huì)從四面八方涌入，不過很可能會(huì)像當(dāng)年AI四小龍一樣，碰一碰就錯(cuò)開了。因?yàn)槭袌鰧?shí)在太大了，不一定非要擠在一處分出勝負(fù)。

按照我的理解，我們現(xiàn)在競爭的維度主要在數(shù)據(jù)。微信聊天記錄是大量生成出來的數(shù)據(jù)，但在此之上還有一層不那么易變的數(shù)據(jù)，例如白領(lǐng)簡歷中的上下級關(guān)系。這些關(guān)系網(wǎng)絡(luò)數(shù)據(jù)是稀缺的，而私有數(shù)據(jù)本身很難放到大語言模型之上。這一層數(shù)據(jù)誰拿到了，誰的數(shù)據(jù)飛輪就可以轉(zhuǎn)起來。

HR、財(cái)務(wù)、供應(yīng)鏈等領(lǐng)域，公司與公司之間會(huì)因?yàn)樗麄兡承┤说年P(guān)系從而產(chǎn)生出很多重復(fù)的商務(wù)關(guān)系，很多評價(jià)也是基于這層關(guān)系，他適不適合做我的供應(yīng)商、適不適合做我的客戶等等，都是基于此。

“物”層面的數(shù)據(jù)也是一樣，京東、淘寶的SKU，當(dāng)你這些數(shù)據(jù)優(yōu)勢存在時(shí)，會(huì)變得更加智能去理解客戶的習(xí)慣?！拔业拿貢呀?jīng)那么了解我了”，客戶會(huì)很難換掉你的系統(tǒng)。

所以，真正影響競爭格局的會(huì)是這個(gè)維度的事情。

硅基研習(xí)社：面向B端與面向C端的企業(yè)，AI浪潮下面臨的業(yè)務(wù)發(fā)展有什么區(qū)別？

周?。?/span>面向B端的服務(wù)有兩個(gè)特點(diǎn)，一是相關(guān)企業(yè)會(huì)為了更高價(jià)值的工作流進(jìn)行額外的準(zhǔn)確率付費(fèi)，二是服務(wù)圍著公司和崗位走，而不是人本身，因此更容易形成“邊界感”。

C端不一樣，C端首要一件事就是人在不同場景上是情緒化的。例如，想要做好面向C端的系統(tǒng)，需要知道用戶昨晚睡得好不好，如果不好的話可能今天想吃個(gè)大餐補(bǔ)償一下，這類需求是時(shí)刻在變的。其二，C端的觸點(diǎn)非常多，公司場景、出差場景，休閑場景，如果要占住終端用戶，那意味著投入需要很大，錯(cuò)失一個(gè)環(huán)節(jié)可能就會(huì)被對手占住。

所以，C端必然是大資本投入的事情，競爭會(huì)非常激烈，很難出現(xiàn)創(chuàng)業(yè)公司的身影，很難百花齊放。

資本會(huì)大量入場，一定會(huì)有一場廝殺，創(chuàng)業(yè)公司在前期很難入場，但最后會(huì)有非大廠的機(jī)會(huì)。每一個(gè)像我這樣的創(chuàng)業(yè)公司，到某個(gè)時(shí)點(diǎn)上不會(huì)愿意被大廠裹挾，所以會(huì)找機(jī)會(huì)與非大廠的企業(yè)合作。那就會(huì)存在這樣的位置，不過也就一家，而且這家公司一定會(huì)活得非常艱辛。但它會(huì)活下去，會(huì)有我這樣的企業(yè)去支持他。

硅基研習(xí)社：如何看待國內(nèi)大廠在LLM上的競爭？可以用一個(gè)什么樣的框架去思考？

周健：開發(fā)大語言模型很像造粒子對撞機(jī)這類大工程，我認(rèn)為它需要三個(gè)方面的能力：數(shù)據(jù)、工程、組織。

第一點(diǎn)數(shù)據(jù)，這也是大家討論比較多的，選什么數(shù)據(jù)、如何對數(shù)據(jù)進(jìn)行清晰、如何生成高質(zhì)量的數(shù)據(jù)等等，都很重要。

第二點(diǎn)工程，可以用煉鋼爐來做個(gè)類比，當(dāng)下關(guān)鍵不在于3倍還是5倍的花費(fèi)，難點(diǎn)在于能不能把溫度燒到2000度。本質(zhì)上今天OpenAI 就是有一種辦法，他把它燒到了2500 度，然后發(fā)現(xiàn)說，噢，原來金子在2000度都就會(huì)融化。你的資源可以堆很多，但你燒不到那個(gè)溫度的話就是沒有用。所以說，參數(shù)不是多了就好，需要“溫度到那里”，才有用。加上現(xiàn)在一些“設(shè)備”受到限制，加大了所有人的試錯(cuò)成本。

第三點(diǎn)就是組織結(jié)構(gòu)的配合，誰擁有更強(qiáng)的組織力，誰能聚集足夠的資源，誰能讓大家利出一孔，能調(diào)動(dòng)大兵團(tuán)作戰(zhàn)的大廠，我覺得勝率會(huì)更大。

戰(zhàn)斗力的調(diào)動(dòng)非常重要。Google為什么會(huì)落后OpenAI？它缺資源嗎？缺數(shù)據(jù)嗎？缺算力嗎？都不缺。Google最大的問題就在于，它過去的組織結(jié)構(gòu)是 1000 人把所有的錢掙了，其他人全都躺平隨便玩。

硅基研習(xí)社：如何看待midjourney這類企業(yè)？

周?。?/span>midjourney其實(shí)更接近中間層企業(yè)的角色，它并沒有具體圍繞C端的某一個(gè)娛樂場景或者工作場景去構(gòu)建，只是讓用戶“玩”，然后用戶可以拿此去做其它事情。它的優(yōu)勢在于有一個(gè)模型，可以基于模型去做一些事情，而不是一個(gè)直接面向C端的應(yīng)用。

我們可以用“新物種”的視角去看它們，引用下奇績創(chuàng)壇創(chuàng)始人陸奇關(guān)于三類系統(tǒng)的定義：system of information、system of model、system of action。過去的系統(tǒng)都可以歸類為system information，midjourney屬于第二類，主要負(fù)責(zé)think，瀾碼是第三類，主要負(fù)責(zé)act。

這是完全不同的三類物種，未來可能會(huì)有融合，但至少現(xiàn)在，我認(rèn)為從創(chuàng)業(yè)視角來看還是選擇一個(gè)路徑，保持純粹更好。

02

顛覆式組織

硅基研習(xí)社：過去多段就業(yè)經(jīng)歷，讓你對“500人管理困境（多層架構(gòu)下的管理困境）”的問題思考很深，在你看來，AI能否解決這個(gè)問題？

周?。?/span>在傳統(tǒng)組織中，500人的規(guī)模意味著CEO已經(jīng)站在了四線的位置，公司資金消耗會(huì)加大，成長速度卻慢下來，組織的官僚系統(tǒng)會(huì)天然存在阻力，導(dǎo)致戰(zhàn)略決策沒有辦法有效傳導(dǎo)。這就讓500人成為公司成長中很大的一個(gè)坎，如果沒有準(zhǔn)備好，不能輕易“踩上去”。

組織上的困境源于人的working memory有限，單線管理可能上限就是15人，但其實(shí)很多管理動(dòng)作是重復(fù)性的，你的下屬與你確認(rèn)工作內(nèi)容，一些內(nèi)容不需要發(fā)揮你的智能，只是需要你做完一個(gè)決定。

知識(shí)工作者，或者說傳統(tǒng)白領(lǐng)，他們在具象任務(wù)中知道很多上級不知道的事情。所以為了保持協(xié)調(diào)和一致，那就必須需要有一些很多的溝通，很多的上下文，去確保上級能清晰他們的工作內(nèi)容，以及他們能理解上級的意圖。

但現(xiàn)在，因?yàn)锳I可以理解語義，管理和協(xié)調(diào)的工作可以一部分讓AI去做，AI可以替你去做到很多解釋性的工作。你做了一個(gè)決定，機(jī)器可以幫助翻譯給下屬，而且可以回溯，這是第一個(gè)維度。第二個(gè)維度，當(dāng)你把質(zhì)量標(biāo)準(zhǔn)描述出來，機(jī)器可以 7x24 小時(shí)永遠(yuǎn)保持這個(gè)標(biāo)準(zhǔn)，人是做不到的。

這就導(dǎo)致整個(gè)企業(yè)的組織結(jié)構(gòu)、管理方式發(fā)生變化。以軍隊(duì)為例，以前是班長、排長、連長、營長、團(tuán)長、旅長的層層架構(gòu)，現(xiàn)在就可以轉(zhuǎn)變?yōu)?strong>特戰(zhàn)小隊(duì)的形式。一旦形勢發(fā)生變化，班長可以立即沖出去，因?yàn)槟阌行畔⒆钚碌某休d方式，可以把這個(gè)戰(zhàn)場的形勢實(shí)時(shí)反饋，讓聽得見炮火的人去呼喚炮火。

過去在知識(shí)領(lǐng)域內(nèi)很難做到，因?yàn)橹虚g有大量的層級限制，未來都會(huì)發(fā)生改變。

硅基研習(xí)社：作為一家“AI原生企業(yè)”，瀾碼內(nèi)部是以一種什么樣的方式組織運(yùn)行？

周?。?/span>瀾碼目前在嘗試一種任務(wù)式指揮的組織方式。這是借鑒空軍的一種組織形式，因?yàn)閺目哲姷囊暯强?，整個(gè)戰(zhàn)場形勢變化極快，所以沒有辦法層層下放指令，只能是給出一個(gè)大概目標(biāo)，具體要依靠個(gè)人在戰(zhàn)場后的隨機(jī)應(yīng)變。

目前在管理上，我給出一個(gè)主線任務(wù)，明確任務(wù)標(biāo)的，然后賦能員工，讓他們能夠去開展這些事情，去自己組隊(duì)把任務(wù)拿下?，F(xiàn)在環(huán)境變化非?？?，所有決策應(yīng)該是動(dòng)態(tài)的，創(chuàng)始人需要聚焦自己的任務(wù)，給程序員要大幅放權(quán)。

作為一家AI native的公司，瀾碼必然是全面擁抱AI的。我會(huì)明白需要在什么條線上配置什么樣的leader，但leader之下，不再配置下級，我的假設(shè)就是今天他們應(yīng)該 to prompt 給我的機(jī)器人，然后在這一層級上，去進(jìn)行新的組織調(diào)整。

因?yàn)榇a的產(chǎn)生方式也在改變，過去的程序都是控制式的，但現(xiàn)在有了大語言模型后，它可以理解用戶的需求。例如一個(gè)行程安排的智能體/agent，行程中的城市、城市間的距離、時(shí)間、交通工具，都是用于描述state；然后可能有一個(gè)policy，不能坐公務(wù)艙，必須中午出發(fā)；然后還有一定衍生的question，最后涉及到action，確定機(jī)票和酒店。

未來程序會(huì)依賴于這樣一套SPQA的流程，agent的數(shù)量會(huì)更加關(guān)鍵。公司要做的就是鼓勵(lì)他們做創(chuàng)意涌現(xiàn)，鼓勵(lì)magic prompt的發(fā)生。

硅基研習(xí)社：瀾碼如何應(yīng)對挑戰(zhàn)？未來組織會(huì)發(fā)生什么樣的變化？

周健：從外部環(huán)境來看，今天就像一個(gè)美洲大陸，我也不知道美洲長什么樣，需要我的飛行員不斷出擊取回情報(bào)，任務(wù)式控制下，我會(huì)更加注重單兵作戰(zhàn)能力。

我們要清楚公司的核心價(jià)值是什么，我跟我團(tuán)隊(duì)強(qiáng)調(diào)的是，公司最多寫1000萬行代碼，超過了必須開源一部分，這就逼著大家去寫最有價(jià)值的東西。

市場很大，我要求我的團(tuán)隊(duì)去獲取“最鮮美的肉”，而不是去貪多。在現(xiàn)有的環(huán)境下，組織大沒有用，強(qiáng)才有用，大反而是被別人撕咬的對象。

硅基研習(xí)社：瀾碼的核心競爭力是什么？

周?。?/span>我希望瀾碼是一家技術(shù)驅(qū)動(dòng)的公司，所以會(huì)有兩大核心能力的要求，一個(gè)是智能相關(guān)，一個(gè)是作為神經(jīng)中樞的能力。

進(jìn)一步延伸，在考核上有兩大重點(diǎn)。底層是API，這是瀾碼業(yè)務(wù)的驅(qū)動(dòng)來源，是我們的手與腳，它需要足夠抽象，就是一段自然語言的描述，輸入是什么類型，輸出是什么類型。中間層是agent（智能體），它有自己的感知、規(guī)劃、行動(dòng)，能夠把底層API組織起來，去為終端用戶提供服務(wù)。

在更上層，我希望更多第三方加入進(jìn)來，讓瀾碼產(chǎn)品的通用性進(jìn)一步放大。那之后便是考慮降低使用門檻達(dá)到易用性的水平。

也就是說，我們想把瀾碼打造成一個(gè)通用、易用的平臺(tái)，把這些API和agent做好管理，讓agent包裝不同的API，不同模型的 agent 能夠在上面更好地協(xié)作，讓它們可以在平臺(tái)上更有效率、更智能地服務(wù)好客戶。標(biāo)桿客戶、通用性、易用性，這是瀾碼需要構(gòu)建的x,y,z三個(gè)能力軸。前期必然圍繞標(biāo)桿客戶與產(chǎn)品通用性去打造，之后從提升毛利的必要性出發(fā)，再去提升易用性。

瀾碼現(xiàn)在優(yōu)先是做專業(yè)場景下 to B的agent，但我自己判斷，未來可能會(huì)有這么一個(gè)場景：用戶通過聊天，可能一周甚至一天內(nèi)生成一個(gè)定制化程序。

今天一個(gè)WMS（倉庫管理系統(tǒng)）程序10萬行代碼可以搞定，在今天的模型助力下，程序員的代碼效率還可以提升10倍甚至幾十倍，全中國代碼生產(chǎn)量應(yīng)該會(huì)翻3-4個(gè)數(shù)量級。等技術(shù)達(dá)到一定高度時(shí)，可以產(chǎn)生的效果就是你作為個(gè)體可以要求機(jī)器人，你可能跟他聊完，他就給你個(gè)性化的生成了一個(gè)類似 WMS 復(fù)雜的這樣一個(gè)程序。

現(xiàn)在來看，雖然有“技術(shù)平民化”的說法，例如說接入ChatGPT以后每個(gè)創(chuàng)業(yè)公司都相當(dāng)于擁有了一個(gè)300人的NLP團(tuán)隊(duì)。但其實(shí)不是的，不是每個(gè)人都知道如何使用agent，對有些人可能相當(dāng)于3個(gè)人，但對有些企業(yè)可以抵3000人，不會(huì)用就用不上去。

但對于我的員工，入職我就會(huì)給他做各種方法論培訓(xùn)，他就可以把a(bǔ)gent用得很好，而且我還會(huì)鼓勵(lì)員工互相協(xié)作，瀾碼內(nèi)部已經(jīng)把a(bǔ)gent視為團(tuán)隊(duì)的一員。設(shè)想如果每個(gè)環(huán)節(jié)的效率可以提升3倍，多模塊應(yīng)用以后，效率會(huì)是指數(shù)級別的提升。

硅基研習(xí)社：一家AI native的軟件公司會(huì)是什么樣？

周?。?/span>在我看來，大語言模型它就像一個(gè)太陽。今天一個(gè)企業(yè)，有多大的辦法能夠去布滿太陽能的電板，把這些能量吸進(jìn)來，企業(yè)的工作效率當(dāng)然就會(huì)大幅提高。

這可以一層層推進(jìn)，最直接的是使用ChatGPT。進(jìn)一步可以把ChatGPT包裝成一個(gè)前端程序員、測試經(jīng)理、產(chǎn)品經(jīng)理等等，甚至進(jìn)一步把它“變身”為agent，它們之間互相溝通協(xié)作，去完成我布置的任務(wù)。

智能就是一種生產(chǎn)力，過去布置一個(gè)任務(wù)，可能下屬會(huì)直接說不能做，不會(huì)就不會(huì)了。但現(xiàn)在的話，可以先問ChatGPT該怎么做，這時(shí)候prompt就很重要。

一條magic prompt可能會(huì)使準(zhǔn)確率直接提升20%，這個(gè)組合空間就非常大。通過不斷引導(dǎo)ChatGPT，讓它think step by step，每個(gè)專業(yè)領(lǐng)域里面都有只有行業(yè)專家才知道的這些 magic word，如果行業(yè)專家能夠變得會(huì)用它的話，它會(huì)給你驚喜。

就比如，我今天在逼著我的 HR 使用，我也不知道他什么時(shí)候會(huì)說出一個(gè) magic word 來，之后他review簡歷就變得特別高效。從這個(gè)意義上講，就是需要拼命去使用它，不斷與它交互，想盡各種辦法去把它引到你的工作流里面來。

由此也產(chǎn)生了一個(gè)新問題，當(dāng)出現(xiàn)這個(gè)智能體之后，工作流應(yīng)該是什么樣的？人原來只能是順序的，現(xiàn)在有了智能體之后，它可以不是順序的，甚至可以來決定任務(wù)應(yīng)該怎么分發(fā)。從這個(gè)維度上看，可以發(fā)揮的效率是極大的。

03

iPhone時(shí)刻何時(shí)到來

硅基研習(xí)社：產(chǎn)品形態(tài)會(huì)怎么演變？

周健：關(guān)于未來AI產(chǎn)品到底會(huì)長什么樣，其實(shí)現(xiàn)在只是摸索階段，對話框的形式也只是一個(gè)中間態(tài)，大語言模型下的人機(jī)交互聊天框一定不是終極形態(tài)。

我們今天習(xí)慣的聊天框形式，其實(shí)經(jīng)歷了很多進(jìn)步。最早只能文字來取，后來QQ加入了表情符號(hào)，到現(xiàn)在飛書可以針對某一個(gè)文字去回復(fù)、標(biāo)注，這里交互的形態(tài)就開始發(fā)生了變化。

今天并沒有人定義好，人與一個(gè)能夠理解自然語言的機(jī)器人應(yīng)該用什么樣的方式去交互。這其實(shí)是一個(gè)很難的事情，甚至可能需要定義一種新的語言，就像二次元有火星文一樣，它可能是一種介于Java、Python與自然語言之間的表達(dá)。這就關(guān)聯(lián)到之前說的agent之間需要有溝通和交流，需要有標(biāo)準(zhǔn)——一本供agent使用的《新華字典》。

這個(gè)新的問題是需要被回答的，也需要用某種方式去解決。一項(xiàng)新的技術(shù)出現(xiàn)了，但仍然有很多不成熟、不完美的地方，所以我們要在人機(jī)交互中，在產(chǎn)品層面上去幫助它能夠更容易實(shí)現(xiàn)，將一些內(nèi)容沉淀下來。

再進(jìn)一步設(shè)想，未來可能會(huì)有一種世界語言的出現(xiàn)，去降低人類與機(jī)器溝通的損耗，盡可能去增加信息量。

最終長什么樣真沒人知道。對，不知道，想不出來。

硅基研習(xí)社：當(dāng)下處在一個(gè)什么樣的階段？

周?。?/span>現(xiàn)在更像是大型機(jī)、小型機(jī)誕生的階段。

就像Altman說的，AGI其實(shí)不是大家認(rèn)為的超級智能，而是一個(gè)中等智能人的角色。也就是，當(dāng)AGI知道自己能做什么、不能做什么、知道不能做什么時(shí)應(yīng)該如何去尋求幫助，這個(gè)屬性其實(shí)很夸張。現(xiàn)在的GPT-3.5與GPT-4還沒有到這個(gè)程度，如果智能再進(jìn)一步，到GPT-5可能就會(huì)出現(xiàn)。

所以說，未來最大的沖擊不是來自于一個(gè)超級智能，而是說能把一個(gè)中等智能，或者說超過平均人水平的智能用它1/1000的成本引入到行業(yè)，那這個(gè)時(shí)刻，可能是真正的iPhone時(shí)刻。

硅基研習(xí)社：新“iPhone時(shí)刻”什么時(shí)候會(huì)出現(xiàn)？

周?。?/span>可能會(huì)是2年后。

按照Altman的表述可能就是兩年，他曾說過，如果有任何一家機(jī)構(gòu)能夠在 AGI 上超過他，他不會(huì)競爭，他直接把他所有的經(jīng)驗(yàn)貢獻(xiàn)出來，但是這個(gè)承諾只在 2 年內(nèi)。那言外之意就是，他自己能在兩年內(nèi)做到。

當(dāng)它是一個(gè)獨(dú)立，跟平均人的智能一樣，能夠知道自己什么能做什么不能做，就真的能夠變成企業(yè)牽token就雇進(jìn)來的員工。此時(shí)你再給它做職業(yè)培訓(xùn)，以前設(shè)想的最好的員工是高忠誠度、低工資、高智商，原先幾乎不存在的員工現(xiàn)在真實(shí)存在了，而且可以 7* 24 小時(shí)工作。未來企業(yè)可能要為機(jī)器人去交社保。

硅基研習(xí)社：這在社會(huì)層面會(huì)有什么影響？你對白領(lǐng)有什么建議？

周?。?/span>對于很多企業(yè)而言，除了地理意義上有辦公室復(fù)制需求，其它角度上看，很多做重復(fù)性工作的低端白領(lǐng)會(huì)面臨非常大的沖擊。這對諸如財(cái)務(wù)、法務(wù)、HR、客服、中低端IT等崗位的影響會(huì)很大，而頭部員工的效率會(huì)大幅提升，winner takes all。

隨著大量低端崗位被取代，很多行業(yè)會(huì)被顛覆，但娛樂、虛擬經(jīng)濟(jì)依然會(huì)存在。

例如，從報(bào)紙雜志、自媒體公眾號(hào)到短視頻、直播，今天電影仍然是內(nèi)容行業(yè)的皇冠。既然未來是生產(chǎn)力極度爆發(fā)的時(shí)代，那能不能每個(gè)人都能做一部電影？你也很難讓大語言模型按照明朝的背景重新寫一部紅樓夢，但是人可以教大語言模型，人寫一個(gè)固定腳本，然后用大語言模型慢慢去生成、修改，效率會(huì)極大提高。

前段時(shí)間斯坦福大學(xué)做的25個(gè)智能體的小村莊，這個(gè)業(yè)務(wù)模式完全可以向教育遷移，例如所有的大四畢業(yè)生，是不是需要在這樣一個(gè)虛擬環(huán)境中進(jìn)行職場培訓(xùn)，嵌入雇主打分功能；可以在其中進(jìn)行社交能力的培訓(xùn)；甚至還可以模擬創(chuàng)業(yè)環(huán)境，過去創(chuàng)業(yè)試錯(cuò)的成本太高了，現(xiàn)在供給端成本下降以后，需求也會(huì)爆發(fā)。

所以，一定要去積極擁抱各種新工具的產(chǎn)生，這樣至少能延緩被替代的速度。

哲學(xué)上一直有探討“計(jì)算與算計(jì)”的話題，AI是計(jì)算非常強(qiáng)，但它不會(huì)算計(jì)。但人不一樣，人是生死驅(qū)動(dòng)的價(jià)值觀，AI沒有辦法去用興趣驅(qū)動(dòng)，人可以去追求自己真正興趣所在的東西，而這些東西往往是AI去做不經(jīng)濟(jì)的。

更客觀點(diǎn)講，未來人可能是與AI去比拼ROI，對于那些AI做起來ROI不夠高的領(lǐng)域，譬如說去分析海洋當(dāng)中的某個(gè)生物的習(xí)性、去品各類茶的優(yōu)劣等等。

好處是，人可以更聚焦于自身，去放大自己的興趣，產(chǎn)生個(gè)性化創(chuàng)意的內(nèi)容。社會(huì)有足夠的資源讓你開展研究，你可以完全拓展自己的興趣，而不必被996所束縛。但如果你覺得天天研究魚和茶葉根本沒有什么意義，不如996去追求傳統(tǒng)的工作價(jià)值，那就會(huì)很痛苦。

這么來看，未來既是天堂，也是地獄，每個(gè)人都會(huì)有自己的答案。