导言

本文总共4500字左右，阅读大约需要15分钟。

不知道你们慌不慌，反正从2023年开始，我是慌了，头发大把大把掉，晚上睡不好觉。先是满屏的chagpt各种牛逼能写代码写文案上知天文下知地理，Midjournery画图各种脑洞能画萌妹能画风景简直神笔马良在世。各种新闻报道层出不穷吸引眼球，各种培训课程仿佛告诉大家：“再不学AI你就落伍！”在这种焦虑的氛围下，自己费劲巴拉找路子注册了个GPTMJ账号，体验之后只能甘拜下风，心中想，我是老板我也要上AI来降本增效，同时心中暗苦：因为从今天开始，作为一个打工人，除了要跟同事卷，还要跟AI卷。

游戏行业已经真刀真枪用AI做人员优化

仿佛一夜之间，AI就从科幻电影走进了我们的生活。各大公司开始推出自己的AI大模型，资本炒作，所有的人都在讨论AI，大佬们开始频频表态AI是下一个时代，市面上出现了一波又一波的培训课程割韭菜，甚至连买卖账号都能够赚十几个W。每天层出不穷的更新迭代信息，根本消化不过来，你告诉我，一个技术小白怎么样才能不慌？

仔细思考一下，人焦虑的原因，其实来源于对未知的恐惧和对变化的不适应。我们看到AI技术的发展，感受到它带来的冲击，内心产生的恐慌其实是对未来生活的不确定性的恐惧。我们习惯了现在的生活方式，习惯了人力驱动的世界，当一切都可能被AI取代的时候，我们感到了失落，感到了恐惧。

最近我的这些焦虑得到了缓解，因为我仔细研读了陆奇教授在5月7日奇绩论坛上的《新范式 新时代 新机会》分享，并从分享中得到了一个底层逻辑，也就是脉门，这个底层逻辑就好像一套内功心法，从第一性原理来出发，让我更好地去理解AI时代这波浪潮。

在说明这个脉门之前，我需要先介绍一个三位一体的框架：信息、模型和行动，其中这三者的成本结构的改变，是一次一次产业革命的源头本质，也是AI现在在影响的事情。

先来理解三位一体

先来举一个例子，我们现在在社区里面运营了一家中式餐厅，为了不亏钱，我们需要知道顾客们的喜好，以便为他们提供最满意的菜品；我们需要了解市场的动态，比如哪种食材的价格上涨或下跌，从而调整菜单或者供应计划。在这里，顾客的喜好、市场的动态、餐厅的情况都是信息。根据顾客的喜好，我们为他们针对性的提出运营策略，例如周四会员日酬宾，全场的顾客打9折；根据市场动态，我们也会提出我们的市场策略，例如冬天到店的人比较少，我们就更多地做做外卖，根据信息结合餐厅的运营策略来预测并且解决问题，其中这个过程中，结合信息，进行思考、推理、规划、分析的过程就是我们的模型；最后，我们还需要根据我们的模型给出的行动策略去做执行，例如周四会员日，需要安排比平时多1.5倍的食材；冬天快来临的时候，需要提前联系好外卖平台，安排足够多的小哥进行配送，这些执行环节，就是我们的行动。

餐厅也是一个信息、模型、行动三位一体的组合

信息、模型、行动就是我们提到的三位一体。陆奇教授在分享中指出，任何公司、组织和社会，产业，都是一个复杂的体系。这些复杂的体系，都有一个稳定的三位一体的结构：信息子系统、模型子系统和行动子系统。信息子系统的主要任务是从环境中获取信息。模型子系统需要将获取的信息有效地表达出来，以便进行记忆、推理、规划和分析，为达到预设的目标提供参考。行动子系统根据规划进行行动，与环境进行交互，转化能源，以达到预定的目标。

三位一体框架

这就是一个三位一体框架，这个框架具有普适性，可以用于分析任何公司、组织等。

那么，AI时代的洪流，跟这个三位一体框架又有什么关系呢？，在这里，我需要先抛一个观点，这个也是分享中陆奇教授提出的：任何大的产业变革的开始，都是产业中某个通用的生产要素成本开始从边际成本走向固定成本。换言之，也就是我们常说的边际成本递减，这个成本结构的变化，引起产业能够跑通一些新商业模式并且产生新机会。带着这个观点，我们来先来回看一下历史，最近一次产业变革的故事——199596年至今的互联网信息化变革

上一波互联网变革，发生了什么？

陆奇教授在分享中，直接给出了一个很生动的、他本人的例子，我这里直接引用：

在我快毕业的时期，大约是1995到1996年，如果我需要离开校园驾车去其他地方，我需要买一张地图，价格是3美元。在那个时期，获取信息是相当昂贵的。然而今天，我可以在不到400毫秒内获取一张地图，使用谷歌需要的费用不超过1美分。尽管如此，谷歌每年仍需支付10亿美元的固定成本，因为制作地图并不是无成本的。尽管信息获取的成本没有消失，但是由于技术的发展，我们现在能够汇集和分发大量信息，因此成本结构发生了变化。之前是每次编辑需要支付高额费用，现在则是一次性支付大量费用。只需要一个简单的商业模式，就可以诞生伟大的公司。
在谷歌和苹果的移动时代，以及亚马逊的云时代，都是依靠一系列核心技术来集中处理信息和分发信息。然而，最基本的问题仍然是信息获取的成本。从边际成本转向固定成本，信息无处不在，这彻底改变了我们的世界

曾经，到某一个城市出行的第一件事情就是到报刊亭买一份地图

看到这里，也许大家会有感觉：这个和前面的三位一体有什么关联呢？其实，想到这里，结合陆奇教授举的例子，大家差不多也能get到了：199596年开始的信息时代革命，信息的获取从一个时候的很昂贵且不方便（每个人每份地图都找到报刊亭需要付费）到信息的获取开始变得很便宜并且很便捷（随手打开手机地图，几百毫秒免费就加载完毕）。在这个过程中，信息的成本结构发生了改变，产生了边际递减效应。谷歌、微软、IBM、AWS、APPLE、ByteDance这一系列的伟大公司都是诞生在这个前提之下，可以看下图，这些伟大公司几乎都是围绕着“信息的生成、分发、传输、交互、变现、服务”来开展自己的业务的：

正是“信息子系统”这一个环节中的成本发生了边际递减，才使得这些伟大的公司变现逻辑得以成立，商业模式得以跑通，也形成了近20年来的PC互联网—移动互联网的浪潮迭起，带来了新的范式同时，造就了一批新贵，也使我们的生活发生了翻天覆地的变化。

那么，现在ChatGPT这一类AI正在改变的是什么？没错——就是现在的AI，正在使得模型这一个成本，开始走向边际递减

正在发生的：模型成本开始走向边际递减

这里，我还是举一个大家都能理解的例子：

假设我们感到身体不适胸闷，去看医生，这个时候，我们可以选择西医或者中医

如果我们选择了一位西医，他们大概率会通过抽血、CT医疗等检测、化验等方式收集你的症状和体征等信息，然后拿着化验报告、X光片看一会，中间问你一些问题，然后他确定可能的疾病和治疗方案，然后给你开药、打针等。

如果我们选择了一位中医，他的做法可能将不同于西医。他们可能会通过望闻问切的方式来收集你的信息，然后结合他们老中医的经验的理论，提供中药、针灸或者提供饮食和生活习惯的建议。

为什么同为医生，而二者的诊疗方法不同呢？原因就在于他们的模型不同。中医的领域模型是基于古代中国的医学理论，如阴阳五行理论，脏腑理论，经络理论等。西医的领域模型可能是基于现代医学理论，包括人体解剖、生理、生化过程等。他们的领域模型不同，导致了他们对于同一个症状理解方式的不同，搜集信息方式不同以及医治手段的不同。

这两种情况都清楚地展示了每个人都有自己的模型，以及我们如何依赖他们的领域模型来提供服务。在选择服务提供者时，我们实际上是在选择他们的领域模型，来解决我们的问题或满足我们的需求。例如职业咨询付费是向在职业领域有可靠模型的老前辈进行付费获取服务；律师服务也是在法制领域有认知模型的人付费获取付费。

我们每个人都有模型，我们有认知模型，我们能听、能看、能思考、能规划；我们有任务模型，我们能搬椅子、做饭、剥鸡蛋；同时我们还有领域模型，有些人是律师，有些人是设计师，有些人是码农，我们是这三类模型的组合。

而这一轮AI的兴起，已经引发了2023年的一轮革命。它事实上开启了“模型成本边际递减”的趋势。可以这样讲，GPT4封装了世界上所有我们能够得到的知识，领域足够广；它封装的学习能力、推理能力是相当于是一个斯坦福的高材生；它的学习能力支持任何领域的学习，把特定领域的知识塞给它，它几乎一学就会，具有很强的举一反三、泛化迁移能力；最后它的界面是自然语言处理，是任何人都能用。这意味着我们能够用这个AI模型，闭环掉任何文字层面的任务。

GPT4的考试成绩一览表

这里，为了更好地理解GPT这一类AI对于模型的边际成本的递减效应，我再深入的谈一点，为什么此前的AI公司，赚钱这么难？

假设我们是一家淘宝店的店主，我们想要使用一个客服AI，以帮助解答客户的问题。在传统的AI模型中，我们可能需要从头开始构建这个AI。我们需要搜集大量与我们的产品和服务相关的数据，然后对数据进行标注，训练一个专门用于解答客户问题的模型，最后再部署和调优这个模型，使其可以在实际场景中工作。整个过程既耗时又耗费人力和物力，同时生成的模型只能应用于客服答疑。这其实是一个定制化的需求，换言之，这个AI不能用于别的场景。并且这个AI没有举一反三、泛化迁移能力，在固定的范围内进行问答。所以往往只能让过滤一些特别基础性的问题，用户问一些意想不到的问题，它往往就答非所问了。

这就是什么某些AI科技公司，号称有上千个科学家，上万个AI模型，但是公司的经营一直在亏损，没有办法盈利。本质上是因为他们的AI模型都是针对某个特定的细分场景来训练的，每个细分场景都需要去和需求方进行AI模型的数据采集、标注、模型训练、部署、调优，A场景的模型无法复制到B场景，这就导致他们的业务本质上是“规模越大，经济性越差”，公司自然没法盈利了

但现在，有了ChatGPT这样的AI模型。由于其强大的举一反三、泛化迁移能力，我们只需要通过微调的方式，让它学习一些特定的知识，比如我们的产品信息，然后它就可以轻松地应用于客服场景，快速解答客户的问题。而且，由于模型可以被大规模复制和分发，我们甚至可以将同一个模型部署到多个场景，比如邮件回复、社交媒体管理等，而不需要为每个场景单独开发一个模型。这极大地降低了开发成本和时间。这个是为什么OpenAI估值坐火箭般上涨的原因，因为他们解决了前面说到的“规模越大，经济性越差”的问题。

这些例子，大家可能已经有所感觉了，底层逻辑其实与成本结构的改变息息相关。

脉门、底层逻辑和未来愿景

至此，我们的脉门和底层逻辑基本也理顺了，对于某个行业、某个产业、某个公司、某个职业来说，我们只需要考虑这个问题就能理清楚AI对它们是否会有影响，如何影响，从哪儿开始影响：从成本结构的视角，分析AI如何变革它们之前的信息、模型、系统三位一体结构

前文提到的游戏行业就是一个例子，在AI的冲击下，游戏这个行业的已经发生了变化，MJSD这一类的模型，使游戏行业的美术体系已经产生了“成本的边际递减”，只需要花一个月几十美元订阅MJ或者买一台服务器部署SD，就能源源不断的生产出高质量的图像，原来一张原画需要反复耗时间画图+修改，可能2周才出1张能用的，现在只需要敲敲代码，可能1天就出200张。

游戏设计师Jason Allen使用AI画的《太空歌剧院》

按照“信息+处理+行动”这个三位一体的分析框架来看。不难推断出，下一个拐点，就是行动的成本开始发生结构性变化。陆奇教授认为，这个拐点将加速到来，因为现在的模型系统将加速下一个转折点的到来。随着现在的AI的迭代，理论上它可以控制一切，包括机器人、自动驾驶和空间计算。而未来的我们的行动系统将是机器人、自动驾驶、数字空间计算的组合。而目前特斯拉在这个领域处于领先地位，这个转折点已经显现出来，并且已经在加速

马斯克的特斯拉，在“行动”领域具备先发优势

当我理解到了这一层，我终于能够摆脱焦虑并且睡一个好觉了，正所谓AI不会替代人，是能够理解并且活用AI的人能够替代那些不会使用AI的人，共勉。

具体模型的成本边递减效应出来之后，会对我们的工作和生活的发生具体怎么样的变化，我还会持续与有经验的人交流并结合我了解的一些行业持续分析，之后会继续整理出来分享给大家。