您的位置:首页>智东西 >

焦点简讯:生成式AI:企业组织架构与商业模式变革

来源:物联网智库  

3月23日晚,智次方创始人彭昭与《AIGC商业宝典》作者邢杰,围绕“生成式AI掀起的企业变革”主题展开了一场深度对话。


(资料图片仅供参考)

随着生成式AI技术的迅速发展,企业面临着前所未有的变革。越来越多的企业开始将其应用于各个领域,例如文本创作、平面设计、编程等等,这些应用不仅提高了工作效率,也为企业带来了更多的商业机会。在这样一个充满机遇和挑战的环境下,企业应该如何应对呢?

3月23日晚,智次方创始人彭昭与《AIGC商业宝典》作者邢杰,围绕“生成式AI掀起的企业变革”主题展开了一场深度对话。

以下根据直播访谈内容整理:

谈组织运营

生成式 AI正在改变企业组织架构:金字塔模型→扁平化

彭昭:面对ChatGPT等生成式AI引发的变革,企业往往可能会有两种应对方式:一种是拥抱这种新趋势但不知道如何应对;另一种是抱有抵制情绪。那么,邢总您认为生成式人工智能会对企业的组织架构和模式产生何种影响呢?

邢杰:对于生成式AI这样一种生产力革命的工具,真正需要担心的是个人的生产力提升,因为生成式AI替代的是个人的劳动能力。但是对于企业来说,它是一件好事。如果有一种更高效的东西来替代原来的生产力,使得生产力更强,成本更低。他们是没有理由恐惧或担心的,只需要学习如何使用。所以企业应该积极拥抱这种新趋势。

生成式AI技术对企业的商业模式、组织结构等方面产生的影响是非常深远的。

首先,我们需要了解在信息革命之前,组织内部都采用金字塔模型,而近20年到10年间,从PC互联网到移动互联网,企业已经开始相对扁平化,因为从信息化、网络化以及数字化之后,整个组织的管理效率提高了。而现在,随着AIGC技术进一步提高了生产力的速度,扁平化程度会进一步扩大,尤其是在基层方面。

其实互联网革命对传统行业的基层冲击不大,因为传统行业还是依靠大量基础劳动力,基础性工作其实是难以替代的。但对白领而言,效率提高很大,对非体力劳动者的影响也很大。这是信息化革命带来的影响。

而这次AIGC 带来的影响,更为深远。对于白领阶层非体力劳动者来讲,其冲击将更大,进一步引发组织的变革。因此,基层将被大幅压缩,而中层则有增有降,情况各异。高层的变化影响不大。

基层的变化:大幅缩减

邢杰:从基层来看,以前是一个小主管带领一堆基层员工,但现在变为一个中层总监,带领几个小队长和小组长。下属基层人数将被大幅削减。实际上,许多非体力型、创意型的白领工作都是以小组或部门为单位,而这些小组或部门的管理者将从部门负责人、经理到项目总监,向上一层层递进。因此,最基层的这一层可能会迅速地缩减到不会超过10人,这是最小的单元,通常是一个通用模型。所以一个头带大概10个兵以内,基本上可以达到原来几十人到上百人的这种生产力。这种变化是很大的,基层团队大幅度缩减,缩减的倍数有可能会到5倍到10倍,因为产能会得到迅速提升。

中层的变化:升 or 降

邢杰:从中层来讲,我们讲有的时候中层变得不够了,因为企业一旦发现我的基层管理能力和沟通能力不够好,导致我基层团队不敢扩大,而现在基层的管理和沟通能力变得简单了很多。

我们讲的管理就是沟通,对吧?人与人之间的沟通效率其实是不高的。所以一旦基层的复杂度降低,沟通的复杂度也会降低,然后管理的成本就会下降,这会导致基层的规模反而会扩大。比如说,原来我只能管理 10 个小组,现在我发现基层人员缩减之后,我可以从 10 个小组扩展到 30 个小组。所以你会发现,在这种情况下,中层反而会变得更多,而不是更少。当然,如果企业的总产出不变,我有可能中层就会进一步减少,我就不需要再扩大中层。因此,升降是相对的。

高层基本上没有变化。

企业组织模式更灵活

企业进入新领域的变革

邢杰:从模式上看,企业进入新领域的学习成本和迁移成本变化很大。

以前,当一个组织进入一个新的行业/领域时,通常很难找到懂行的人,因为你需要找到那些懂这个领域的人,然后对他们进行培训,让他们从基层到中层再到高层慢慢学习新的领域。现在因为 AIGC,跨行进入新领域的成本迅速下降,这使得企业有能力快速进入更多的新领域。对于企业的商业模型来说,这意味着企业变得更加灵活,就像特种部队一样,以前大的组织要进入新领域是比较困难的,现在只要借助强大的AIGC 工具,就可以迅速掌握一个新领域的know -how,一个人就可以迅速掌握这个行业的关键知识点,不需要再反复经过员工培训和上下认知统一的过程。因此,企业的商业模型发生了变化,变得更加灵活,进入新领域的效率更高,掌握新技能和新知识的效率也更高。

管理复杂度的降低

邢杰:由于基层规模的变化,横向沟通的难度会降低,从而降低了管理的复杂度。然而,高层面临的挑战是要应对更大的不确定因素。以前,高层的时间和精力的三分之二用于组织内部的沟通和协作,但实际上这种产出效率不高,因为它耗费了高层的宝贵精力。高层职责应该更多地面向外部的不确定性。但是,由于组织内部沟通和管理的复杂程度,高层将大部分精力放在了内部的沟通协调和推进上。

因此,现在高层可以将这方面的时间和精力消耗降低,将更多的精力放在资源整合、市场和客户以及新业务方向上。这是我们所说的对组织模式和商业模式的变化。

培训成本的降低

邢杰:此外,培训成本的难度会大幅降低。以前,新岗位和新知识的培训占了 HR 工作量的很大一部分,但现在,AIGC已经提供了强大的知识和“know how”,这带来了重大变化。

彭昭:非常完整哈,那邢总就是大致总结一下您说的,从企业架构的角度来看,有两个方面需要发生变化。首先,企业架构将变得扁平化。过去,企业架构是金字塔形的,包括基层、中层(小中层、大中层)和高层。现在,这个金字塔可能会消失,变成类似蛋糕的扁平化架构。这意味着基础员工的数量将减少,他们的工作可以被 ChatGPT 或其他生成式 AI 工具取代。其次,管理层将更专注于公司战略的发展,而不是人际沟通等方面的工作。这将减少管理层的精力花费。总的来说,这是从企业组织架构的角度来看的。

此外,从商业模式的角度来看,每家企业都可以通过横向扩张来提高效率,这种商业模式本质上就是高效打败低效。

中层和高层干部的能力要求:管理硅基团队

彭昭:刚才您提到了金字塔被压缩的问题,如果我们的基层人员数量减少了,我们的学习成本也降低了,但是企业实际上是依靠很多中层管理人员的能力推动企业成长。过去我们是通过逐级晋升来建立这种干部成长的框架。但是如果我们的基层员工变少了,对他们的能力要求也降低了,那么我们如何更好地选拔和培养中层管理人员的能力呢?我们是否可以利用生成式人工智能来培养干部?

邢杰:对于中层和高层干部的能力要求,确实会发生变化。其中一个变化是,他们会将更多的时间用于处理不确定性和外部挑战。另一个重要的变化是,他们需要掌握管理硅基团队的能力,其实我们是把 AIGC形象化的比喻成硅基工作者。

实际上,这些能力都是由云端提供的人工智能所带来的。因此,这些人工智能可以看作是硅基团队的工作者,他们在硅基晶片上展现出了强大的能力。与此同时,大量的碳基团队转变为了硅基团队,而硅基团队的数量多得难以想象。例如,像GPT-4这样的生成式AI,其硅基团队可能由数千人、数百人、数万人甚至数十万人组成,这个数量是动态变化的,取决于需要管理多大的硅基团队。因此,对于中层和高层的管理者来说,首先要识别硅基团队的能力。

确实,对于中层和高层管理者来说,因为AIGC会分成无数种不同的模型和产品。了解市场上不同厂商的模型和产品的能力边界非常重要,这样才能在面对行业、业态和业务时,选择最合适的硅基团队来完成工作。同时,也需要了解自己手下员工的能力边界和特长,以便更好地组织团队和分配任务。

对于中层管理者和高层管理者,这种能力是非常必要的,这个技能的学习速度直接影响到未来两三年到三五年内各个行业的洗牌速度。因此,当一批企业能够迅速掌握这个能力时,你会发现创新型小企业等快速吸收这种能力的企业,可以快速组建了一个碳硅混合团队,以应对全碳基团队的竞争。这种团队的成本效率,几乎是大幅领先的。

所以你会发现,与原来那些企业相比,无论是在价格、响应、产量等各方面的竞争力,都会逊于这种新型组织团队模式的公司,因此很难与其竞争。所以对于中层和高层管理者来说,他们需要在最短时间、第一时间内,学习各种硅基团队的特点、能力、边界,如何进行组合,以及如何与他们进行沟通。这是一项非常重要的能力。

提示工程师——与 GPT 4.0 进行高效沟通

邢杰:所以我们以前对这个概念没有清晰的认识,但现在我们发现有些新的职位出现了——提示工程师。当你和 GPT 4.0 进行沟通时,你使用的提示语言会严重影响到他的工作质量,这就像是一个学生或员工,他的工作绩效会受到不同管理者的影响一样。

因此,GPT 4.0 也具有这种特点,不同的人、不同的方法、不同的语言,像我们和员工沟通布置任务一样,是一项科学和艺术,有时你以为你沟通清楚了,但实际上他可能没有听懂。对于如何明确地布置工作、解释任务的方法,以及如何将任务分解清楚,这些在硅基团队中同样适用。

在与 GPT 4.0 进行沟通时,我们并不知道如何与他沟通,有些人需要进行多次对话才能逐渐找到线索,而有些人可能只需要问两个问题就能迅速地抓住要点。这种能力,是我们中层和高层管理者需要迅速掌握的一种能力,以便让我们的中层和管理者能够更好地掌握硅基团队的沟通技巧。因为不同厂家的模型不同,需要摸索不同产品的特性。沟通的技巧也有一定差别,尽管有共通性。

彭昭 :了解。我们的管理者将需要将我们的硅基资源,包括机器人和大脑部分团队视为员工或同事,以便调用他们的能力。这与现在有本质区别。

另一方面,硅基的一个很大特点是它们都是连成一片的大脑,这与碳基不同。例如,我们可能可以通过脑电波进行交流,但对于碳基生命,一个大脑只是一个大脑,两个大脑之间很难互联互通。相比之下,硅基生命的大脑可以完全连接在一起,这种头部汇聚效应可能会带来巨大的加强效果。我认为未来会产生一个大型硅基大脑,它将是不同行业之间的大脑,并且互联互通。

就像您写过的关于元宇宙的著作一样,未来会有多个元宇宙存在,还是大家会构建成一个元宇宙?这可能是我们讨论这个话题的立足点。如果我们构建的是一个统一的硅基大脑,那么可能存在一些信息差,例如我可能会知道一个很好的写论文或做开发的工具,但其他公司可能不知道。但随着硅基大脑的构建和马太效应,这些信息差就可能会消失。

管理者面临的挑战

彭昭:那么作为管理者,我如何获取竞争优势?正如您所说,这可能是一个重要的议题,因为我们可能以不同的方式询问 ChatGPT 同一个问题,而它给出的答案也各不相同。作为一个管理者,我必须考虑到这种不同的答案,并制定出不带偏见的决策。因此,管理者的要求会越来越高。我看到一篇文章,有人聘请 ChatGPT 当他的老板,他不断地问如何赚钱,并将这个过程发布在 Twitter 上,吸引了上万的粉丝。这个讨论非常有意思,对我们的管理层来说是一个巨大的挑战。您对这个问题有什么看法?

建立更宽广的世界观和知识结构

邢杰:事实上,在本质上来看,如果我们换个角度,就会发现在 GPT 4.0 和 ChatGPT 出现之前,互联网上已经包罗万象了。但是我们发现,当全世界的人使用互联网时,每个人都有自己的风格。因此,有些人在互联网上只是变得更加局限,而不是变得更加开放。他们把自己的知识闭环保持在自己熟悉的领域和圈子里,不断地在窄小的知识领域里循环,导致知识越来越闭塞。

在 GPT 4.0 的情况下,这个现象仍然可能存在,因为每个人看到的世界是不同的,所以在 GPT 4 中,你会不停地问及关于你这个世界的问题,因此你很难突破自己的局限。所以从根本上说,我们的高层和中层管理者需要建立更宽广的世界观和知识结构,才能更好地利用手下能力强的员工。实际上,道理是相同的,为什么我们有很多非常出色的员工在这样的公司表现平平,但是在换了一个公司或一个领导后,能力被激发出来了呢?这并不是因为那个员工不行,互联网不行或 GPT 4.0 不行,而恰恰是使用他的人的知识观念限制了这个强大的硅基大脑的产能输出的能力。总的来说,我们需要的是让中高层管理者提升自己的能力和边界,这样才能充分利用这个强大的武器。

人工智能的发展和分歧

邢杰:刚才一个有意思的讨论,就是人工智能最后会发展到通用人工智能(AGI)。其实在人工智能领域也讨论过,关于全世界是否会出现一个超级大脑,还是会出现很多个超级大脑的问题,还没有得出统一的结论。但是我现在倾向于会出现很多个超级大脑。原因在于,每一个超级大脑都有自己的知识体系,就像我们现在的社会分为科学和社会科学一样,科学很清晰,逻辑严密,每个问题都有一个确定的答案,而社会科学则没有一个完美的答案。因此,人工智能也面临着同样的难题。

对于科学问题,大体上都是接近的,但是也会有所不同。就算是在科学界中,也会有许多不同的流派,例如物理学、医学,以及各种化学领域都有不同的观点。因此,分歧是不可避免的。在顶尖的领域中,无论是硅基还是碳基,都可能因为三观而产生分化。即使你是天才,到了顶层,你也会发现,他们的三观不尽相同。人工智能也是如此。当通用型人工智能AGI到达了顶端时,它也会呈现出三观的分化。

在这些三观中,最顶层的三观就是创始人的三观。比如,我们提到的GPT 4.0,它所代表的就是一种Sam Altman的三观,这个三观并不是马斯克所认同的,他认为GPT 4.0现在的三观并不满意,因此他想要打造一家更具通用性,更加关注全人类利益的公司。

在每家公司打造 AGI 超强的通用型公司时,你会发现一旦到达顶层,公司的分化会越来越严重。因此,我认为最终可能会出现几个不同的超级大脑,体现着不同的三观。当然,这并不意味着一个大脑能够在整个世界范围内统一一切,除非在一个非常狭窄的科学领域内,所有问题都是非黑即白的。但是,在人类社会的发展过程中,发展是在混沌中进行的,有一些清晰的地方,也有很多不清晰的地方。然而,正是这些不清晰的地方渐渐地沉淀出了一些规律性的东西,变成了科学。因此,人工智能同样面临着这样的问题。所以,一个超级大脑是不可能出现的,一定会分化。

组织架构重构的企业案例

彭昭:我们刚才讨论的是企业组织架构,以及管理者面临的挑战。邢总是否了解实际经历了组织架构重构的企业案例?或者目前行业还处于初级阶段,尚未有企业进行颠覆性的改动?

邢杰:其实这样的例子在今年下半年会比比皆是,因为从ChatGPT发布到4.0版本,中间才经历了三个多月的时间。所以在这个过程中,还有很多新的创业企业没有成长起来。

如果在今年下半年再看,你会发现有很多用我刚才提到的模型搭建出来的企业。如果是小公司,就让高管领导一支硅基团队,通过这种方式,他们的生产能力会超过之前进行十几轮、几十轮甚至上百轮的公司。这些公司会快速地在商业上获得成功,因此那时候会看到很多这样的案例。

自媒体公司的案例

邢杰:无论是在做自媒体还是做自媒体矩阵,一个原来只有五六人的团队,管着10个号到20个号,一个人可以管理3到5个号。当你发现AIGC这种打法时,你会发现一个人可以管理几十个甚至几百个账号都没问题。

将所有的账号内容生成到数字人播出,实现全自动化。这样一来,自媒体公司就改变了整个流量游戏的规则。同样的广告案,做各种脚本策划、图片创意和海报设计等,甚至是图书出版,也更容易实现,一个人一天可以写一本书。这样的速度非常快,效率也非常高。

游戏开发领域的案例

邢杰:现在已经有一些这样的案例了,尤其是在游戏开发领域。即使是小型游戏公司,也需要几个人完成游戏开发,而大型公司可能需要几十甚至上百人。如今,一两个程序员就足以完成游戏开发,即使他不懂美工、脚本或者分销,只需要将这些工作交给AIGC完成。

以前,如果你是一名程序员,你可能还需要与美工频繁沟通、协调,这很耗费时间和精力。现在,你只需要把你的想法用文字或语音输入进去,AI就能自动生成场景、角色、脚本、服装、道具等内容,这让游戏开发变得更加简单和便捷。即使是比较复杂的程序,AI也能协助处理,大大减轻了程序员的负担。当游戏开发完成后,像Web3这样的技术更是使得销售自动化成为了可能。这样的案例在未来会越来越多。

彭昭:所以目前我们还处在一个孕育新生力量的土壤下,虽然尚未看到新苗萌发,但那些正在经历变革的企业组织也在酝酿力量。等到它们破土而出时,可能会引起颠覆性的变革。对于这些企业的未来,很多人都感到担忧,因为不知道哪些新苗会从哪里冒出来。

生成式AI正在影响团队间的信息流通和协同效率

彭昭:我们之前讨论的主要是组织重构的方面,包括架构、模式以及高管的决策能力等方面的变化。过去企业中的人员众多,人与人之间的沟通和交流确实需要耗费大量精力,在这方面,生成式AI技术(如ChatGPT、GPT-4等)会提供哪些帮助呢?

邢杰:我们把沟通分成两个层面,内部沟通和外部沟通,现在的 AI 技术可以在一定程度上简化内部向下沟通的成本。以前,由于基层员工的经验和实践方面还不够成熟,需要进行指导、交流和了解。但是现在变成了直接向硅基团队沟通,沟通更加容易。只要掌握了与他沟通的技巧,讲清楚任务的边界、任务中的关键要素,包括时间周期、要素组合和关键评测指标等,基本上就很好沟通了。但是与其他部门的横向沟通没有变。

就高层沟通而言,我认为现在比以前更加顺畅了,因为你的下属表现得很出色。如果你的下属表现不佳,那么就经常会有问题出现,你就会经常向上道歉,工作也会因此耽误。所以现在与上层沟通更容易了,因为你的团队变得更强大了。我们讲,只有在大厂,你才有机会带领一支非常强大的高质素基层团队,因为他们都来自名校,从而沟通成本也很低。但是在中小企业中,用这种高成本的基层团队是不可能的,所以中层领导比较难,需要具备良好的情商和各方面的能力才能管理好基层团队。但是现在向下沟通变得容易了,向上沟通也容易了。

当然横向沟通没有变,由于内部沟通相对简单了,所以只需要把更多的精力放在外部沟通上。

彭昭:是的,所以我们每个人都要了解和利用硅基的优势,他们帮助自己更好地完成工作。在这个新的组织架构下,也需要更加重视内部沟通和外部沟通的能力。

谈商业模式

企业面临的竞争态势与商业模式变化

彭昭:邢总,您刚才提到商业模式方面会受到一些影响,例如高效打败低效。如果我的效率高,作为一名程序员,我可以编写一个游戏或调用十个数字人的能量,这样我的公司肯定比那些效率低的人更具竞争力。除了提高效率,您认为企业的竞争态势将如何改变?商业模式可能会发生什么变化呢?

商业模型多元化

邢杰:对于中小企业来说,商业模型可能会变得更多元化,因为在过去,多元化经营最困难的是什么?作为创始人,要掌握多个跨领域的知识是非常困难的。同时,管理几个跨领域的团队也需要高昂的沟通成本和管理成本。因此,对于中小企业而言,基本上只能聚焦于一个非常窄的领域来开展产品和服务。

然而,当基层生产力快速提高,跨行业壁垒降低时,我们发现许多中小企业都可以同时开展多个业务。因此,虽然聚焦仍然很重要,因为它可以提高行业门槛,但是我们需要明显增强跨生态的能力。

如果你想要投入一个新的领域,你首先需要掌握该领域的相关知识,然后再去招聘相关人才。在招聘过程中,你很可能会踩很多坑,以此来验证他们的实际能力。这个过程会消耗很多时间和精力。因此,对于一个创业者或企业的董事长来说,这其实不是一件容易的事情。但如果你能够找到一些懂得不同行业和领域的高管和中层管理人员,就可以通过使用硅基来处理一些基层的工作。这样,你就可以同时管理多个事业部和分子公司。在企业初期,这种方法可能更加有效,因为它可以帮助企业更好地获取资源。而在后期,企业可能会集中精力在几个主要领域扩大规模。然而,在初期,这种跨业态能力和多元化经营能力的模式变化无疑是非常有价值的。这是对商业模式的一个变化。

商业模式的产出效率

邢杰:第二个就是商业模式带来的产出效率,本质上来讲,商业模式由收入结构和收入构成两部分组成。因此,企业内不同收入模型的收入占比不同,进而决定了企业的商业模型是不一样的。

在AIGC时代,善于应用AIGC团队时,你会发现在不同领域的交付效率会大幅度提升。这带来了什么变化呢?就像我们所讲的,做快消和慢消的区别。对于慢消业务,同样的高端家具可能一年才能卖出一套,但对于快消业务呢?同样的面料,一天就能卖出几十万。因此,当AIGC团队大量应用于各条业务线时,整个周转率会变高,这也会带来盈利能力的大幅提升。原本一年只能周转一次的资金,现在一年可以周转十次,资金利用率一下子就提高了。

不论是上游的研发效率、中游的生产效率,还是下游的分发效率,它们的提升都将会增加整个组织的敏捷性和资金利用率。这样的变化将会增强你的竞争力,这是从商业模式的另一个维度来讲。

另一个重要的方面是商业模式中我们所提到的平台型、产品型和服务型。虚实结合是非常必要的,因为在管理能力不足的情况下,组织可能只能放弃原本的计划。例如,以前大家可能不敢做平台,只能做好服务,但现在有了AIGC的支持,它就可以涉足更多的业态。在此之前,由于管理能力和专业知识方面的不足,它只能做相对单一的业态。现在它完全可以做好服务、产品、平台甚至上游领域。因此,原本只能做营销和分发的公司,现在在AIGC的支持下,不再满足于做一个分销商,而是完全有能力成为一个生产商,产能也可以做得很高。

因此,企业不仅会从下游向中游延伸,甚至会向上游延伸。同样地,上游的企业也会向下游延伸。这是由于生产力的提高和跨领域的学习成本的下降,带来的多业态的商业模式的变化。

商业模型涉及到收入种类、收入结构和业态组合等多个方面。比如,餐饮和零售都有很多不同的业态,每种业态都会受到AIGC的影响。比如新菜的研发效率变高了,可以更快地推出新菜品,而不像以前餐馆每年只能更换10%的菜谱。现在每周和每月更换20%的菜,大大提高了新菜研发的能力。这些变化将带来更多的生产力和想象空间。目前,我们才刚刚开始探索它的能力边界,包括open AI和Sam Altman也说对它的认知在不停增加。我们还不知道GPT 4能给我们带来多大的能力和变化。

彭昭:对,商业模式的变化是一个特别有意思的话题。就像您刚才提到的,生产效率的提升,已经成为一个摆在桌面上的很明确变化了。包括之前您每周都组织的初创企业的路演点评,确实对每个行业您都看得很透。

商业模式变化是否导致横向扩张和收缩?

彭昭:您刚才提到商业模式的变化,包括收入来源、收入比例构成以及收入延展,这些都是我们可以考虑的方面。但是大家是否会趋同地从这个角度来考虑呢?这可能导致很多企业都试图横向扩张,去探索类似的机会,但最终只有少数企业能够获得优势地位。您是否认为,这种趋向会导致企业经历横向扩张,又经历收缩的过程呢?

邢杰:我认为它并不存在所谓的行业热潮带来的起起伏伏,反而是一种螺旋式上升的趋势。也就是说,当新的工具和生产力出现时,最先采用这些新工具和生产力的企业或行业将成为产业的领导者。在这个竞争中,那些无法跟上时代潮流的企业或行业将被淘汰、收购或兼并,最终消亡。这种现象贯穿了整个人类文明史,几千年来,那些能掌握先进生产力的人才能在竞争中取得胜利,而那些掌握落后生产力的则被淘汰。

这是一个螺旋式上升的过程,随着新的生产力的出现,我们需要及时掌握并恰当地使用它们,这也是一种能力。因此,这个问题本质上不应该被看作是像炒股那样的涨涨跌跌,而应该被看作是一个随着先进工具的使用而不断螺旋上升的过程。

从马斯克的擎天柱机器人看机器人生产机器人的可能性

彭昭:第二点,最近我看了马斯克推出的那个擎天柱机器人,它在 Investor Day 上发布了一个机器人制造机器人的视频。现在,AI 只在我们的软件和虚拟空间中发挥作用,但未来会不会在实体空间中发挥作用,从而实现机器人大规模生产机器人呢?

我们的产品真的像马斯克所说的那样,我们的生产制造只是重新排列和组合原子,而没有改变它们的物理结构。因此,我们的生产成本就是出厂价,我们通过提供服务来盈利。我们都在竞争提高服务效率,这会导致大家都去做服务吗?

邢杰:关于擎天柱机器人的话题我在前年的讲课中讲得比较多。以前大家一直在谈论人工智能,都是在谈论机器人替代人类的工作,我认为数字人的普及速度远远大于机器人的普及速度。这是因为机器人在控制方面的难度比较大,目前短时间内还没有做得很好。

但是数字人不存在机械控制的问题,所以变得更加简单了。它只需要进行算法计算。一旦它进入了纯算法的领域和范畴,就到了硅基最擅长的领域。只要不让它碰到机械化的东西,因为机械化还涉及到传感器、新材料和算力等因素,这些因素支撑着机械化的进步。因此,机器人的普及需要各种学科的交叉和创新,才能支撑机器人的进步。

你想要复制一个人类皮肤的触感,手指尖上的1平方厘米区域的传感器复杂程度是我们触感手套无法实现的。我们现在的触感手套和机器人之间的传感密度差距是几个数量级之间的差异。因此,这些东西需要多学科的交叉,以便慢慢进步和迭代。但是,数字人完全没有这个障碍,我们只需要给它一个虚拟形象,它所有的能力全部是基于 AI算法的迭代,所以数字人的普及速度一定会远远大于机器人。

但是机器人会慢慢进化的,因为它的大脑正在不断进化。尽管它的手、胳膊和四肢的能力目前有限,但一旦它的智力水平得到提升,它的肢体进化速度就会加快。正因为如此,马斯克曾在某些场合表示,波士顿动力看起来很厉害,但实际上根本不是特斯拉的对手。这是因为波士顿动力在智能化和人工智能方面的模型和数据积累,与特斯拉相比不在一个量级上。特斯拉的大脑每天都在收集全球各个城市的路况、人员和车辆等复杂场景进行模拟和计算,所以它每天都在高速迭代。而波士顿动力的机器人只在实验室的极小范围内进行数据迭代,因此它的进化速度不可能与特斯拉相媲美。

因此,特斯拉从来不说波士顿动力是对手,它们只是在特定的应用场景下表现不错而已。当机器人开始生产机器人时,这一定会发生,也已经在发生,只是目前生产的机器人都是能力差的机器人生产的能力差的机器人,就像自动化工厂里的情形一样。一个机械臂生产另一个机械臂。只不过我们需要等到它的机械运动能力能够像人类一样灵活,这需要材料学、传感器和算力等方面的进步才有可能实现。要达到人类这种灵活度难度比较大,可能需要十年左右的时间。

但是,在相当程度上,它已经替代了一些初中级的工作岗位,我认为五年左右可能会出现非常令人鼓舞的成果。所以它并不需要像人类那样高的敏感度和灵活性,也可以替代我们大部分的工作岗位。我们非常看好擎天柱,相信它将在未来的五年内得到大规模的应用。在三年左右,它也可能会出现相当广泛的应用场景。

彭昭:是,我也很看好擎天柱。

邢杰:机器人会慢一点,但是不会掉队。

GAI技术如何影响企业的道德和社会责任?

彭昭:我们说到商业模式这个问题,一方面是帮助企业盈利,另外一方面就是企业的社会责任,对于生成式 AI来说,它也面临许多拷问,包括社会道德底线、社会责任的内容。据小道消息说, GPT 4 在去年 8 月份调试出来,但是发布之前需要确保它符合我们的伦理和道德底线的要求。Google 的企业理念是不作恶,所以在大模型的发布上比较克制。但是这种克制可能会让它输给微软和 OpenAI,因为底线低的企业可能会在这方面获胜。我们应该如何考虑社会责任和道德底线的问题?

邢杰:实际上,这种情况确实存在,但它只说了其中的一方面。一方面是周期拉长以增加安全性。所谓安全,是指符合现代社会伦理、道德和法律的要求。另外一个方面是,Sam Altman考虑到社会对人工智能的影响,需要考虑社会的接受度。因此,他将几个产品按顺序一个个地发布。在发布GPT 3时,GPT 4已经准备好了,甚至GPT 5和GPT 6也已经开始准备好了。但是它必须在足够巨大的冲击中释放出来,让社会适应生产力变革对各行各业和各个岗位的影响。

这是Sam Altman的原话,他说会做好足够的准备,但是会按以社会能承受的方式,分阶段把人工智能推向市场。这表明了对这两个方面的考虑。

至于是不是社会道德无下限,能在这方面取得更好的成功,其实已经是很清晰了。类似于中小企业通常要比上市公司合规性要弱。所以很多中小企业在创业的时候,像拼多多和淘宝早期都充斥着假货等问题,包括全球第一快时尚品牌SHEIN早期也是卖烂货,。这些企业早期创业的时候就是在不合规的情况下野蛮生长。活力很强的人总是会打破规则,这可能会对秩序带来冲击。所以新物种的诞生通常都伴随着缺陷、不完美,就像第一代手机、第一代汽车、第一代飞机都带着各种问题,所以这就是人类社会发展的过程,包括各种曲折。

因此对于上市公司来说,需要更加谨慎、慎重。但是对于 OpenAI 这样的小公司来说,只有几百名员工,它可以更加大胆,市场对它的宽容度也更高。因此,如果像谷歌这样的公司发布产品时出现一些问题,甚至只是一些小问题,就像他们那天发布时出现的一个小瑕疵,在欧洲发布时立即导致股价暴跌。因此,公众对上市公司的容忍度相对较低,尤其是对于行业中的领头羊,人们的容忍度更低。上市公司在这方面肯定会有一定的劣势,因为当你享受优势的同时,也要承担对等的劣势和责任。对于小公司来说,我们的责任是创新,而不是追求完美无瑕,因此我们需要不断突破和创新。而对于大公司来说,他们需要考虑到整个社会的方方面面,考虑社会的看法,这是一种自然规律。

谈职业发展

如何快速提升个人能力,适应AIGC带来的发展机遇?

彭昭:有调查显示:美国有 250 家公司已经使用 ChatGPT 在代替员工工作,还有一家日本公司LayerX Inc. 发布的招聘广告里面明确指出,应聘者要接受测试——是否会用借助 open AI以及 notion AI 等工具来提高工作效率。这种情况下就导致一些职场人士很紧张,那我们怎么能够快速提升自己的能力,适应这样的一个发展机遇?

邢杰:其实,只要你学过历史,你就不会对这个问题感到困惑和纠结了。就像我当初写了中国第一本元宇宙的书《元宇宙通证》一样,我首先做了一个浩大的工作,对人类整个科技发展史,IT产业的发展,互联网和区块链产业的发展进行了全景式的梳理,才敢写这本书。

所以当你看完这些发展史的过程时,你就不必再纠结和困惑了。就像当初电脑刚出现时一样,你是否需要学习它?现在看来,这个问题似乎根本不需要问。当电脑作为新的生产力工具出现时,问题不再是是否需要学习,而是要赶紧学习。当Benz发明汽车时,好几年推广不出去,后来是因为他的老婆自己开着车到处跑,引起了社会的关注,才开始受到推广。因此,对于新事物,大多数人的态度是怀疑和观望,这是很正常的。想要创新就要经受挤压,才可能脱颖而出。

所以对于每个职场人士、企业高管和创业者来说,都必须承受这种挤压,第一时间应用这些新工具,才能将生产力变为能力的一部分。因为整个社会的发展是由新一代人推动的,而这一代人对新知识更加敏感,更快地掌握新技能,不会过于沉迷于旧事物。我们称这一批人为“后浪”。无论年龄大小,都要对新事物保持敏感,拥抱它,让新鲜的生产力快速变成自己的生产力,这才能推动社会的进步。

从企业家的角度来看,大家一定要尽快成为使用新生产力的先锋企业中的一员。对于职场人士,包括现在在找工作的大学生,还有目前在职场中的基层和中层人员,你们应该第一时间开始使用这些新生产力,并尽可能地掌握它。当你使用这些生产力后,你会惊讶地发现,你的生产力已经是你原来团队的几倍以上了。这样的好处,你还有什么理由犹豫呢?

对于职场人士来说,毫无疑问,第一时间需要快速学习并尝试各种工具和产品,而不是像现在这样一窝蜂地只使用一款工具。目前,除了ChatGPT,市场上还有许多其他的人工智能工具和产品。你需要使用并跟踪每一个新的工具和产品。就像俞敏洪最近在2023亚布力中国企业家论坛年会上所说的,如果你还没有尝试过ChatGPT,那么你就不能被称为企业家。如果你对新事物如此迟钝,就会忽视商业变革中的重要因素。所以,我们所讲的企业家最重要的一个方面是什么?是抓住主要的矛盾。现在最重要的变量是AI人工智能带来的变化,如果你不去关注它,你怎么可能让企业做得好呢?

因此,从企业家的角度来看,从职场人员的角度来看,我们应该第一时间去利用这个变量,把它变成我们成功的有力因素。这是我们当下最应该做的事情。

GPT 4.0 重写书籍的决定

彭昭:那我想追问一个问题,因为您看到这种 AIGC的工具超级多,然后现在 AI基本上一天就能写完一本书,那您又是一个畅销书的作者,会觉得经历被挤压这样的一些担心吗?

邢杰:我毫不担心,我感到无比激动。当 GPT 4.0 推出时,我们做出了一个决定——尽管我们的书已经完成,并正式发布,即将交付印刷厂,但我们仍然决定停下来,用 GPT 4.0 重新编写一部分,以使其成为中国乃至全世界第一本采用 GPT 4.0 共同写作的书籍。我们迅速将其作为自己能力的一部分,并对此感到兴奋,而不是恐惧。

我基本上使用了市场上大部分的 AIGC 工具。我了解每个工具的优缺点,因为这样才能有全面的认识。从另一个角度来看,由于人工智能的进化速度非常快,因此我们需要保持高速迭代,以便适应并跟上它们的发展频率。

像许多企业家经常需要跟助理和秘书沟通和交流,现在你每天要沟通的不是碳基的秘书和助理,而是硅基的合伙人。我认为现在这些硅基的伙伴都应该被视为你的合作伙伴,这样才能真正发挥他们的潜力。我在人工智能领域经常开玩笑,说再学习个两三年,人工智能就可能没有什么可学了。

你可以想象,人类已经积累了这么多年的知识,而大部分已经在短时间内被他们学完了。他们的学习速度远远超过了我们知识生产的速度,所以我们永远不要低估人工智能的发展潜力。从GPT 3.5到现在的4.0,仅仅用了三四个月的时间。而量子计算还没出来,再过五六年,它就会被规模化商用,那时候计算能力将达到现在的几千万倍甚至几亿倍。那么人工智能还能进化到什么程度呢?我们永远不要低估人工智能的潜力。现在真正需要的是学习怎么把这个合作伙伴用好,怎么去使用它。

所以人工智能的迭代速度会非常快。那个只是一个通用型的人工智能,还会有各种垂直领域的人工智能。其实刚才我们聊的时候,你提到好像它们是一个大脑,但实际上它们并不是一个大脑。在每个企业应用人工智能时,它只是用了大脑中的一部分,并将这部分以数字人的形式呈现出来,与你进行交互。

因此,你会发现一个企业可能会雇佣许多数字人,它们由不同厂家的大、中、小型模型驱动,背后拥有不同的AI能力。你管理的是硅基团队。虽然他们背后好像是一个大脑,但实际上是分成了许多独立的小脑来满足你的工作需求。

彭昭:对,这是一个很有想象力,比较烧脑的话题。感谢邢总的深度分享。

关键词:

最新文章