參加一個圓桌，關於人工智慧（大模型）的一些觀察，整理記錄。
大模型出來已經有兩年多時間，經歷了最初的熱潮，以及後續的降溫，對大模型的認知已經趨於理性，舉辦方問了幾個問題，回答整理如下。
1：「AI時代下，企業數位化轉型的痛點與解決方案」，針對企業在引入人工智慧時面臨的問題？政策如何更好地引導和扶持人工智慧產業健康發展？
答：
痛點：AI很強大/AI很好玩，跟我沒關系。找不到自己企業和AI的結合點。
漸進式套用人工智慧，不要有不切實際的期待，逐步跟自己的業務結合。
1、 初級：先用起來，用大模型武裝人，武裝日常辦公（copilot）；
2、 中級：夯實基礎，知識庫用起來，數據盤起來；
3、 高級：嵌入系統/重構系統/創新系統。
2：隨著人工智慧技術在各行各業的廣泛滲透，它可能會對生產效率、生產方式和就業等方面產生哪些實質性影響？
答：
生成式AI對生產力的改變是全方位的。有個專家說過，大模型是工具的革命，也是革命的工具。根本上說，大模型將深刻改變人類的生產力和生產關系。從生產力的三要素來說，生產資料、生產工具和勞動者都將被生成式AI重塑。
生產資料方面，在大模型的加持下，數據要素在生產和經濟活動裏的作用變得更重要。尤其是對非結構化數據的利用，極大地突破了傳統IT的能力。這些對非結構化的數據的挖掘和利用，已經在全面地改變我們的世界。
生產工具和生產者方面，簡單舉個例子，現在很火熱的具身智慧方向，機器人既是新型生產工具，同時，某種意義上也是新型生產者。假設五年後，真的有二十億智慧機器人充斥到生產和生活的方方面面，甚至是在戰場上，那對這個世界的改變將比行動網際網路對世界的改變更大。
關於對就業的影響。值得欣慰的是，放在三五十年的時間維度上看，今天的大模型還很稚嫩。三五年的短期內，大模型還僅僅是對生產力的提效，遠達不到替代人類工作的程度。所以，當下能夠充分利用大模型的個體和公司，將會在競爭中具備一定的優勢。至於三五年後，哪怕是大模型相對成熟了，落地到千行百業，仍然需要有人來做大量的工作，雖然智慧化的普及會消滅掉部份工作機會，但同時大模型落地會產生新的工作機會，二者整體看將是漸進同步發展的關系。尋找圍繞大模型落地相關的工作，比如數據相關，比如模型調優，比如基於模型的套用研發，比如特定場景的套用落地等，都將產生大量的機會。這個機會和當年做辦公自動化，做系統整合，做智慧城市是一樣的，能養活一大批IT人。
整體看，我是更樂觀的，新的生產力條件下，人類能做的事情不是更少了，而是更多了。舉個例子，RPG遊戲，從仙劍到悟空，二十多年技術進步了不少。但並沒有因為技術進步我們就不玩這個遊戲了。而是說，技術更先進了，我們能有更精良的遊戲，更神奇的體驗和更豐富的互動。大模型時代也一樣的，遊戲依然存在，只是更好了。
3：新質生產力發展背景下，人工智慧在B端工具的商業落地價值有哪些？在C端套用價值有哪些？目前二者之間誰的前景更被看好？
答：
智慧的特點是普適的，跟電力、算力一樣，根本上說不會去太強調哪邊才有機會，哪邊更有機會。選擇在B端還是C端發力，更多取決於做這個事情的企業本身的基因。以百度為例，在當下這個階段，我們很自然的在C端發力，把搜尋、地圖、網盤和文庫這些生產力工具先用大模型重構了，他們已經實實在在在產生價值。但是再舉個例子，比如用友金蝶軟通動力這種，他的基因本來是做IT的，那對自己的軟體進行叠代，爭取政府和企業的大模型計畫就很重要。
再舉個例子，傅勝年初發了一版大模型，紅衣大叔就建議他聚焦做機器人，這個爭論很有意思，傅勝也許做機器人的基因更好，更容易取得成功。
所以，綜合來說，toB和toC，都有著巨大的機會，該選什麽賽道，首先是你這個企業的基因，然後，在每個賽道，都可能取得巨大的成功，就是堅持走到底而已。
