ChatGPT开放麦｜工作会被AI取代？投资人和创业者们称未必

GPT的火爆程度，用“全民科技狂欢”来形容都不为过。科技大佬高调入局、科技巨头军备竞赛、A股市场GPT概念股狂飙。反而是创投市场，似乎表现出有些出人意料的冷静，而深入这个领域的创业者，也很少看到高调发声。这样的冰火两重天，背后究竟为何？腾讯科技联合梅花创投举办《GPT开放麦》，把低调的投资人和创业者拉到了线下，并邀请了两位对行业有深入观察的腾讯新闻创作者，深入讨论了行业火爆背后，两个值得深思的问题：

1）GPT爆发后，我们有什么创新与投资机会可以抓住？

2）对创始人来说，如何把这场技术革命融入到自己的公司与组织管理中？

参与讨论的嘉宾有：梧桐树资本创始合伙人童玮亮、创联科技创始人刘猷韬、北极九章创始人刘沂鑫，以及尚伦新创创始合伙人胡俊（腾讯新闻作者：卡特顾问）和甲骨易LanguageX负责人李光华（腾讯新闻作者：机器翻译观察），活动由腾讯科技主编郑可君主持。

本文将整理呈现本次线下讨论的部分精华内容：

腾讯科技：我们有关注到有不少科技圈的创业者或者企业高管，说中国的巨头公司其实已经有大模型技术了，甚至有一些性能水平是超越硅谷企业的。我们是否可能在短期内实现迅速超越？为什么中国没有出现OpenAI？

刘沂鑫：从我的观察来看，OpenAI最近几个月的进步是非常大的，并不是一个停滞不前的模型，它的迭代和进步速度其实超乎我们想象。目前ChatGPT获得的数据量训练，其实远高于其他的竞争对手，所以在数据的积累上，优势还是比较大的。所以短期内中国是否可以超越ChatGPT，目前来看还是很难下定论的。提到技术差距方面，其实在一个新的领域里，想做第一名是很难的，并且一定要需要在技术上领先和不断的创新。也可能现在有的公司基于中国庞大的用户数量，可以具备较强的数据训练和分析能力，可以做到类似的产品。但没有创造的动力源头和团队基因，这样去超越是很难的。

胡俊：这波浪潮的发展，是OpenAI 积累了很长一段时间的算力训练才得出的，我们短期的积累是很难达到这么好的任务模型。OpenAI的成功，是多个因素共同作用的结果，算力、优质数据、很好的模型，再加上优秀的工程化能力。目前OpenAI的产品所体现出来的结果，不是一个研究结果、而是一个实验+实践结果。除了时间的积累，也有一些偶然因素。如果以时间的维度去对比，不是很好的计量单位。

童玮亮：刚提到创业环境。作为投资人，我从资本投资环境来观察，国内和海外市场特点差异很大。当我们用基金去投一个项目时，不论是人民币基金还是美元基金，是有生命周期的。美国资本市场的情况不同，它们经历了几百年的资本主义的发展，其财富的分配，或者它愿意分配到所谓风险投资上。而中国在风险投资方面的资金，相对周期会短一些。比如一个项目的LP，假如出资人是民营的一代企业家，企业家可能考虑的问题角度是：虽然他自己有钱可以投资，但如果创业者要过十年才能给到企业家回报，他会考虑这个钱还不如他自己去挣钱（所以，他的投入资本可能会很少，或者大机率的选择不投资）。但美国或者欧洲资本环境积累的时间比较长，有一些资本或者富豪家族在资金积累上有传承，投资人会愿意把资产配置上面，哪怕失败当做公益了，对他本身的损害和影响也未必有多大。

总的来说，美国的资本市场主要看中的是更长周期项目，并且公司的技术能力或者商业模式，是否能够相对平稳走过比较长周期，而中国市场的的资金回报要求和条件是更高的，更为谨慎，要求的回报周期更短，当然投资市场的压力也会比较大，各有利弊。

腾讯科技：随着ChatGPT的火爆，国内外纷纷涌现了很多相关的创业公司，在短期内出现这么多的大模型产品靠谱吗？

李光华：对于国内目前的这波创业潮，我认为重点需要关注的是创始人的“心力”——就是创始人创业的出发点是什么、为什么要做这件事，这个很重要。如果仅仅因为现在这股热潮，再加之自己在行业中有一些行业影响力，可以筹备到一些资金——如果创业的初心仅是因为这样蹭一波热度的话，基本上很难有什么机会。另外就是针对应用的场景，是否可以迅速介入。比如像很多大公司入场，主要是公司的业务有可以接入的应用和商业形式。

童玮亮：前段时间和在任职过谷歌的一位员工聊天，跟我讲了这么一个故事：在OpenAI公司火爆之前，谷歌的一帮员工同事在讨论：如果Transformer继续往下推动进展，可以实现做出来类似于目前GPT的模型。而其中的一个工作任务就是关于人工标注，再去通过这些海量数据去训练算法，这个工程是必不可少的。而与此同时，OpenAI真的就去做了，找了很多人工去做标注训练。这很像前几年，谷歌刚进入中国的时候，和百度的竞争。关于一些搜索的回答，百度也是用人工方式回答和收录。

这两个时期，谷歌有一个相同的问题是没有重点关注做人工训练的路径，大公司更加相信技术的能力，希望尽量通过技术和产品思维去解决实现。而实际上，虽然OpenAI技术很牛，但也通过做了一些较为接地气的方式，有点类似于“大力出奇迹”的方式去完成的。总的来说，就是通过“技术+大量的人工标准去训练AI的精准能力”。如果是在国内这样一个新兴的领域创业，一个是团队的能力，另外就是需要一些“接地气”的思维方式去结合，两者才有可能，纯技术比拼是很难做出来的。

目前这个行业在短期出现了很多做大模型的公司，其实都是用了公开的底层去训练基础模型。在这个基础上去推算和训练，最终能否胜出，还是看产出的结果。虽然是用了公开的底层逻辑，但通过团队的综合能力建设，拉开了不同的差距和研究方向。从目前来看，中国创业公司研究有自己的一套方法，未来也许会有新的方式去做人工智能，或者有更开放的研究和应用落地。

我们投的很多AI公司，在商业模式和应用落地各有不同，比如针对写作、图画，以及智能客服、销售等场景，这些方向的其实已经到应用落地阶段了。也有一部分公司还没有到这个发展阶段，我们还是频繁地的去沟通和做交流碰撞。另外，在国内做大模型的公司，不会特别多，主要还是集中在几家公司。所以我觉得如果有在应用层方面较为出色的创业公司，一定会在这个发展阶段内比同类的公司效率更高，当然对公司的融资等也会更加有帮助。

腾讯科技：最近关于AI替代程序员和画师的讨论最多，这两种工作真的会被替代吗？在AI时代我们需要具备哪些能力？

童玮亮：首先，创意类的工作也是可以被AI替代的。其实我们所拥有的意识和创意来源，主要是自己的原生家庭，上过的学，经过的人（比如身边的朋友、伴侣的部分）等等人生经历中得来的。我们自己生产的一些关于创意的内容，似乎是本人原创的，但其实是通过接收外部的信息综合得来的。其实核心是我们用什么样的关键词去表示，或者用了什么样的风格去做创意。

从这个角度看，我们每个人接收的外部信息有限，而大模型接收的信息是巨大的。所以通过AI做创意类内容的生产是完全可以的，具备一定的扩展能力。核心在于怎么用这个大模型，这里涉及到的是个人对于AI能力的方向把控，这有点类似于个人审美，能够具备欣赏、鉴别和运用创造的能力。

第二个问题，关于AI是否会替代编程类的工作，近期网上也有很多人提出了疑问：ChatGPT介入工作后，一定程度上影响了程序员的就业，那这波程序员该何去何从呢？网上也有很多“调侃”的说法，比如有人说做保安，或者学习挖掘机技术。其实我们关注的重点，不是希望AI快速去替代现成的工作，而是要学会怎么跟AI对话，好比我们跟业界大佬沟通，我们需要思考如何从他身上吸收更多的知识营养，然后自己去做输出，那么这里的关键核心能力是两个方向：大佬如何对你讲出高价值的信息，以及你如何明白大佬和你说的意思，并且能够领会到核心要义。这个某种意义上也是一种编程的思维和方式。不可否认的是，AI对于一些领域的变革是较大的，尤其是效率的提升，比如对于我的公司来说，现在20位工程师可以通过和AI的写作，做200个人做的事情。

刘沂鑫：未来的世界，在就业方向可能我们会面临着一部分人需要改变职业规划，AI的提效会帮助我们省去一部分的人力，比如程序员的代码，可能复杂的代码需要很长的时间，但是对于AI来说反而会比较简单，并且产出效率很快。

那么这里我们需要明白的核心问题，不是担忧自己是否被替代，而是需要有能力去驾驭AI。比如我们需要知道这个复杂代码的结构是怎么样的，它是否适用于所在的公司业务，代码是否正确等等，需要有更加专业的判断能力，知道未来怎么跟AI进行沟通，描述清楚需求，能够获得准确的交付，可能这个交付是和目前完全不同的交付模式，我们要做的就是跟上脚步多学习，尽早去进入这个梯队。

童玮亮：是的，从这个角度看，我认为程序员会以乘十倍百倍的速度增长，或者说未来有很多人会具备程序员的基础能力素质。因为随着电子世界的快速迭代，未来会需要越来越多的懂跟大模型打交道的人才，需要懂得AI运算的底层逻辑，能够有效的把我们的用户跟AI的世界连接起来。总的来说，我对ChatGPT和人类一起协同工作的未来是乐观的。

腾讯科技：目前，各位有没有让AIGC与业务相结合的经验？AI能赋能哪些业务，又有哪些短板？

刘猷韬：我是一家工业互联网领域的科技公司创始人，工业领域需要面对的各类技术服务综合多样，还要和不同行业生产、工艺深度整合，“非标、复杂、综合”之前一直是工业企业、尤其是中腰部企业数字化、智能制造前进中的巨大障碍。所以当我们关注到像ChatGPT这样的大模型出现的时候，第一时间就想到了将其能力应用到工业领域的“非标、复杂、综合”的各种场景，我们认为有非常多深入结合的机会，并可以解决许多之前长期无法解决的问题。

ChatGPT对公司业务的帮助还是很大的，比如客户咨询环节，我们每个月都要面对大量来自不同行业、不同技术类型的客户咨询，但是最专业的技术人员都难以满足每个个性化场景的服务诉求，但是借助大模型能力，让“规模化的轻量级工业技术专业咨询”变成了现实。还有数据的使用和分析环节，之前一个企业的管理人员必须依赖专业技术人员，才能完成一些数据的分析，图形化报表的展示，一个需求往往要花费数小时甚至数天的时间来完成，还容易出错，但整合语言模型的能力进来后，管理者可以通过自然语言对话的形式，通过几句话，几秒就可以出结果。我们甚至已经在尝试借助大模型能力让客户通过自然语言直接与工业控制系统进行交互。

在这些场景下，不仅工作效率和准确度都会大大提升，关键在于无论是单点的业务需求、还是作为一家企业进行规模化的业务成长，像ChatGPT这样的大模型都可以搞定一些以前搞不定的事情。所以，对于创业公司来说，如果能够用AIGC技术对一些业务实现有效的整合，业务能力和效率一定可以得到巨大的提升，并且如果有好的场景可以规模化应用，整个公司的业务规模和市场价值都有可能在短期产生跨越式的成长。可以说，我们认为GPT这样的大模型会让任何一家公司未来的业务形态和运营模式都会产生本质的变化。

刘沂鑫：我是北极九章的创始人，我们做的是一款通过自然语言分析、洞察数据的产品。过去我们在企业里分析数据，高度依赖专业分析师写代码取数、开发看板，需求响应时间长达几天甚至一两个月。我们的产品能够让业务人员用自然语言直接提出问题，比如销售情况怎么样，我们通过自研模型和算法，直接把一套完整的数据洞察返回给用户，比如营业额、利润率和它们之间的关系，以及可能影响利润的原因，等等，将获得洞察的时间大幅缩短到分钟级。

我们看到ChatGPT过后就在思考：未来我们和数据的交互模式，或者是我们工作的模式会不会发生变化，这个变化在哪？在应用大模型的时候，哪些事情我们可以做，我们可以做得比他们好很多的；哪些是大模型可以做并且可以帮助我们客户的。

大语言模型的优势在于文本生成。我们的优势在于，当一个普通用户没有能力问出非常复杂的类似于机器端思考的问题时，我们的产品能够理解他的意图，并且给他一系列洞察。基于这些，我们最近发布了3.0的产品DataGPT，进一步降低人和数据交互的门槛。

我们发现，相比于分析数据，人更擅长讲故事，做数据分析的核心目的之一就是写报告给领导和同事看。这个时候我们跟大语言模型结合，把数据的特点归纳总结出来，生成文字解读，甚至是决策和操作建议，直接生成报告，提升工作效率。对于IT人员或专业的分析师来说，过去他们需要从数据库建模，面对成百上千张数据表，每个数据表内几百个不同的数据列，需要花费大量时间跨部门沟通明确定义，再花费大量时间配置到系统。北极九章集合大模型的能力，自动配置关键词、同义词，准确率高达80%-90%。IT人员只需要进行检查，修复少量错误就可以快速完成配置。

李光华：目前AI的短板也明显，它可以做分析，但无法做决策。AI现在生成的信息，是大量但有限的信息。但作为企业高管或者决策者，很多事情的决定是需要综合考虑的，不是靠数据分析得来的。

胡俊：这个问题，我跟一位客户讨论过。他们是一家车企，客户提了一个问题：是否可以用AI预测车未来一段时间的销量是如何的。但目前来看，现在AI是无法做到的。因为从汽车制造到生产、销售等环节，是一件很复杂的事情。另外销售也是服务于人，需要和人打交道的事情。我们只能去找一些方式，希望通过某些方式提高用户买车的概率，但是没法非常精准的预测到用户一定可以买车。

包括企业管理也是，不同管理者，可能很多决策选择都是不一样的。很多事情会有各种各样的随机性和偶发性。所以我觉得在短中期，AI完全替代决策这个事情是悲观的。AI现在可以做一些标准化的事情，但更多涉及到人，或者管理决策方面的事情，觉得还需要一段时间。