人工智能与实体经济深度融合的“暗战”已经开始

lameihua

　　有争议就有机会，最近围绕ChatGPT的矛盾现象很多。

　　一边是微软联合创始人比尔·盖茨认为：ChatGPT是1980年以来最具革命性的技术进步，另一边是前Google高级资深研究员、硅谷风险投资人吴军表示：ChatGPT不算新技术革命，没有理论创新，不会创造什么就业岗位。

　　一边是ChatGPT接连刷新消费级应用程序用户增长速度记录，另一边是95%的人没有接触到ChatGPT的行业应用场景。

　　上面这张图，很多朋友应该见过，对比了ChatGPT、Instagram、Facebook…从用户为0增长到1亿所用的时间。

　　根据OpenAI公布的数据，截至2023年1月末，ChatGPT的月活用户已经突破了1亿，从而创造了上图中最左侧那条陡峭的曲线。

　　与此形成对比的是，微软大中华区数字化应用创新市场业务负责人许豪在最近演讲中分享的几点近期个人观察：

　　每场交流，平均60%左右的参会者没有直接跟ChatGPT对过话。

　　90%的人用简单的提示词，把ChatGPT当做知识库和搜索引擎。

　　95%的人没有接触到ChatGPT的行业应用场景。

　　99%的人并不清楚这一轮AI大模型创新意味着什么。

　　100%的人都很焦虑。

　　这些争议与矛盾，正是机会所在。

　　人们一方面感慨于ChatGPT的能力，一方面又尚未理清这一波人工智能浪潮的应用价值。

　　我身边的AIoT企业很多，他们具备强智能的基因，最近ChatGPT和大模型是我们经常讨论的话题。

　　通过与他们交流，我发现虽然一些企业没有想清楚如何利用大模型来创造新的模式、开展新的业务，但是超过半数的企业已经在使用ChatGPT等工具来提升不同工作流程的效率。还有一些走在前列的企业，比如云知声，即将推出自己的大模型产品。

　　这些交流让我感觉到，ChatGPT创造了一个明确的分水岭，把很多企业前进的步伐又拉回到了统一的起跑线，起跑之后不仅赛道更长，而且配速比我们想象的更快。

　　01　多数人仍未觉醒的时刻

　　直观反应，企业需要将ChatGPT用于企业内部效率的提升。市场研究机构Info-Tech Research Group汇总整理了在企业的常规流程中，使用AIGC可以实现降本增效的部分，如上图所示。

　　分析中，Info-Tech使用3个特征评估AIGC是否试用：一、是否处于生成式/对话式AIGC的能力范畴；二、该任务的完成是否能够显著创造价值；三、该任务是否可多次重复。后面两点主要用于评估AIGC的部署是否能够“值回票价”。

　　然而，ChatGPT引发的变革要深远的多。

　　很多企业都对K8s带来的云原生变革记忆犹新，ChatGPT正在带来的智能原生变革，有过之而无不及。

　　“智能原生企业”这个概念由阿里巴巴董事会主席兼CEO张勇提出，他认为“当前的人工智能浪潮是和二十年前的数字化浪潮同等重要的机会，行业正处于智能化时代的历史新起点，智能化时代必将出现一系列智能原生企业。”

　　智能原生企业是指利用人工智能和相关技术来驱动业务和运营的企业。这些企业将人工智能作为核心能力，并将其嵌入到企业的各个业务流程中，以提高效率、增强创新能力、优化客户体验和提高竞争力。

　　在这个机会面前，每家企业都有可能变成智能原生企业。

　　重要的是我们如何看待这一次机会。

　　奇绩创坛创始人兼CEO陆奇最近在演讲中谈到，Google的价值是把“信息获取”的边际成本降为0，ChatGPT的价值是把“知识获取”的边际成本降为0。

　　如果加之我们在上篇文章《GPT实体机器人今夏发布，为什么这将是对企业组织能力的一次大考？》中提到的脑子里装了大模型的1X实体机器人，未来很有可能“产品获取”的边际成本趋近于0。

　　美国经济学家和社会理论家杰里米·里夫金描绘的“零边际成本社会”可以望见。

　　如今，我们站在这样一个大时代的开端，就像18世纪末，人类站在“工业革命”的开端那样。

　　这个事实，如今大部分人还没有意识到。

　　也就形成了文初提及的矛盾、争议和机会。

　　02　优势把握在传统企业手中

　　如果将当前的人工智能浪潮，类比于二十年前的数字化浪潮，那么这一波浪潮的机会把握在传统企业手中。

　　因为从大模型应用在产业价值链上的比例来看，对产业价值的理解是关键，占比更重。如果我们将大模型产业应用的全价值链占比视为100%，那么传统企业由于深耕多年，积累了很多行业实践经验和know-how，加之数字化浪潮的沉淀，80%以上的基础已经有了，只需要补全大模型应用的20%占比，相比大模型创新型企业进入产业的路径要短得多得多。

　　何况在数字化浪潮时期，很多传统企业已经验证了实力。

　　这些传统企业不仅将数字化能力“内化”于自身，而且剥离形成数科公司，将新技术新能力“外化”创造营收。

　　比如，居然之家执行总裁王宁曾经讲过，他们在数字化浪潮的过程中，面对互联网企业的猛烈冲击，逆势翻盘的故事，有一定的代表性。

　　2012-2013年，居然之家就像我们见到ChatGPT一样，100%的人都很焦虑。几乎所有的实体店都受到了互联网的冲击，齐家网、爱蜂潮和土巴兔等互联网企业来势汹汹，而且背后都有雄厚的资本进入。

　　他面对的典型质疑包括：“你没戏，因为你是陆军，而我们是空军，你穿着两个沉重的鞋（房租+人力），跑不起来。”

　　居然之家当时面对了一脑门的问题，比如线上线下左右手互搏怎么解决？这二者的KPI怎么分配？品牌商与经销商的利益博弈怎么处理？线上和线下的交易价格冲突了怎么办？

　　就在他很悲观的时候，恰恰转角偶遇了之前传递质疑的那家互联网企业的体验店。当他走到店里转完一圈以后，心情从焦虑变成了坦然：“看来人力和地租这两只沉重的鞋互联网企业也需要。一旦你穿上鞋了，不就跟我一样了吗？甚至你还不如我。”

　　快进到现在，居然之家正在完成从“线下卖场”到“产业平台”的转变，与各种合作伙伴一起打造共生协同的商业平台。

　　但是同时，我们也应该看到那些没有成功进行数字化转型而没落的企业。

　　当技术变革来临，从长远看，所有人终将受益；但从短期看，身处那个时代的大部分人都会受到巨大的挑战和冲击。

　　少数企业跟上了，变得更强；一些企业没有跟上，被无情碾过。

　　当下，是企业做决策的关键时期。

　　03　值得关注的暗牌与工具

　　任何能轻易想到的点子，都是明牌。这些线索没有争议，大家基本达成了共识。这些明牌是巨头企业、产业龙头企业的机会。

　　比如，我国一定会有自己的AIGC平台和通用工具，就像搜索引擎一样，我们有自己的合规要求。每个垂直领域的数字化平台，也都将会植入AIGC能力。甚至垂直行业的大模型，也可能是明线。

　　在这些场景中，根据远望资本程浩的分析，创新型企业想要取胜，无非基于以下几种情况：

　　大企业没看懂，觉得这事没价值；

　　大企业没看上，觉得市场太小；

　　大企业没看清，技术路线比较多，想等创业者验证；

　　大企业觉得离自己主营业务太远；

　　也就是只有在非共识的情况下，创新型公司才有机会“抢跑”，获得先发优势。但是“明牌”不具备这种情况，AIGC、大模型这个赛道经过媒体的信息轰炸，没有一家大企业不重视。

　　什么是暗牌？暗牌是尚未形成共识的那些分支，所谓大企业没看懂、没看上、没看清、觉得远的那些部分。

　　就像数字化浪潮一样，智能原生的浪潮也会催生许多暗牌机会，这些完全从0到1的创新挖掘的是隐性需求，市场空间模糊，能否泛化未知。

　　在产业领域，不仅是ChatGPT，一些工具的迭代同样值得关注。

　　虽然AIGC操作系统和通用工具都是大企业的机会，但是如何运用这些工具的机会则见仁见智，每家企业都可以拥有。

　　首当其冲的就是AI大模型实体机器人。

　　除了之前提到过的由OpenAI投资的1X实体机器人，最近阿里也发布了接入千问大模型的工业机器人。

　　通过钉钉消息，即可远程指挥机器人干活。

　　在实验视频中，工程师通过钉钉对话框向机器人发出指令：“我渴了，找点东西喝吧”。随后，千问大模型在后台自动编写了一组代码发给机器人。

　　机器人开始识别周边环境，从附近的桌上找到一瓶水，递给了工程师。

　　通过捕捉设备或人类的运动数据，大模型可以被工业机器人自动生成控制逻辑和命令，工程师无需编程就能通过自然语言实现机器人的操控。此外，大模型还可以帮助工业机器人理解周围环境，并将最终目标与实现目标的过程联系起来，无需人工干预，即可完成高水平的任务。

　　其次，值得关注的是大模型用于各种代码生成的工具。

　　典型的比如GitHub Copilot，这是一个AI编程合作伙伴，由OpenAI Codex 开发的新AI 系统提供支持，可在编码时提供自动完成建议。

　　我们可以将GitHub Copilot看成一位人工智能结对程序员。结对编程是一种敏捷软件开发的方法，用来代指两个程序员在一个计算机上共同工作。通常来说，会有一个人输入代码，而另一个人审查他输入的每一行代码。输入代码的人称作驾驶员，而审查代码的人称作观察员。为了保证结对编程的纠偏能力，两个程序员经常互换角色。

　　人机结对编程已经是一个较为成熟的概念，指的是人机协同的交互式智能编程，在这个过程中，程序员在机器的辅助下进行编程，并且在共同完成一个个程序编写的过程中，程序员会及时纠正机器人的错误，从而改进机器人学习的模型。

　　最后，还有一类工具推荐，设备之间的社交工具。

　　除了人与人之间需要社交之外，设备与人之间也需要社交。社交的目的是帮助人们更好的使用设备，便于人们更改设备的配置，或者当任务指令不清时主动询问建议。

　　比如亚马逊开发的DialFRED 框架，它允许机器人在不确定时，向工程师提出问题。通过强化学习，大模型经过微调，可以在正确的时间提出正确类型的问题，从而有利于任务的完成。

　　04　写在最后

　　为了更好的引导制造业企业思考自身的组织结构与业务，通过其他企业的创新案例开拓思维，引导培养“智造”新思维，探索创新思维与企业变革之间的连接。我们于近期开设了“智造”新思维工作坊和研学营，欢迎感兴趣的朋友们扫码咨询或报名。