重新理解AI變革
過去這一年，我們迎來了ChatGPT和Sora的發佈，整個AI圈和科技圈都異常沸騰。AI帶來的更像是工業革命的變革浪潮，將逐漸改變我們的生活和工作方式。
———— / BEGIN / ————
在瞬息萬變的一年中，ChatGPT和Sora這對王炸相繼出場。
我們徘徊在AI變革的十字路口，不自覺地陷入一場薛定諤式的沉思：
AI似乎能替代我，又似乎不能替代我。
如果看不清未來，不妨看看過去。
畢竟早在19世紀的工業革命，我們的先輩們也曾在變革的浪潮中摸爬滾打。
那時的人們，面對着蒸汽機與內燃機的問世，也無法想象：
這組改變了能源輸出方式的組合，竟推動了無數汽車的誕生，帶動了無數道路、橋樑與隧道的建設，繼而推動了城市化的飛速發展，更徹底重塑了城市空間的佈局。
在每一次技術革命的前期，我們都難以預見這些技術最終會帶來的深遠影響。
但隨着時間的推移，它們將逐漸改變我們的生活和工作方式，最終編織出一幅人類新文明的宏偉藍圖。
汽車工業的變革
在美國20世紀30年代的大蕭條時期，喜劇大師卓別林自編自導自演了一部經典的無聲電影——《摩登時代》，諷刺了工業革命時期機械化生產對人類精神生活的異化。
卓別林飾演的主角查理，日復一日地重複着擰緊六角螺帽的單調工作，最終精神崩潰，不得不在精神病院裡尋找片刻的安寧。
這不僅是工業革命時期無數流水線生產工人的真實寫照，也是那個時代的一個重要轉折點——
人類歷史上首次實現了大規模的工業化生產。
城市的面貌經歷了一場翻天覆地的變化。
城市交通的主力軍，從馬車轉變成了汽車。
曾經，人們依賴馬車出行，速度慢，走不遠，馬蹄聲和鈴鐺聲交織出城市的節拍。馬車伕是當時很流行的職業，此外還有不少人專職負責飼養馬匹、安裝和維護馬蹄鐵。
隨後，汽車逐漸取代馬車，引擎的轟鳴聲拉開了一個新時代的序幕。人們的通勤時間縮短，長距離旅行更加便捷，城市的邊界被不斷拓展，社會經濟的發展速度隨之加快。社會上出現了衆多新興職業，比如汽車設計師、汽車司機和汽車維修工等。
要知道，蒸汽機和內燃機的問世，爲汽車的誕生奠定了基礎，但這僅僅是個開始。
要讓汽車真正成爲改變世界的驅動力，關鍵在於如何大規模生產，讓價格變得親民。
當汽車不再是少數人的專屬，走進尋常百姓家，才能成爲推動社會經濟轉型的強大引擎。
一個里程碑式的事件，是亨利·福特引入的流水線生產方式。
在1913年，福特汽車公司在美國底特律的工廠建立了第一條流水線。
這是一場關於生產關係的變革——
將汽車製造過程分解爲一系列簡單的、重複的任務，每個工人只需專注於完成一項特定的工序，從而實現了生產流程的標準化和自動化。
生產效率顯著提高，汽車產量實現了質的飛躍。
福特把一輛汽車所有的工序分成了7882種，一輛汽車的裝配時間從原先12小時減少至90分鐘。到了1927年，流水線每24秒就能組裝一部汽車。
汽車從奢侈品變成了普通家庭的標配。
福特T型車的售價從1908年的850美元降至1924年的290美元，這一價格的大幅下降，使汽車迅速成爲社會普及的交通工具。
汽車的普及，深遠地影響了社會經濟的方方面面。
因爲有了汽車，人們在城市間移動的效率提升了，城市化進程加快了；
因爲有了汽車，石油和汽油的需求激增，推動了石油輸出國的經濟崛起；
因爲有了汽車，全球範圍內大規模建設基礎設施，包括道路、橋樑、隧道和高速公路等；
因爲有了汽車，創造了大量的就業機會，勞動力結構向新的產業轉移；
因爲有了汽車，城市規劃開始考慮汽車交通的需求，出現了停車場、加油站等設施，也出現了交通信號燈、交通規則和交通管理機構等高效管理體系。
回顧汽車工業革命歷史，我們清晰地看到：
汽車工業革命需要有「大規模生產」作爲催化劑，才能在生產模式上實現根本性突破。
那麼，AI時代的我們是否也在見證着一場相似的變革？
AI行業的變革
儘管AI的“產出物”不以物質形態呈現，但萬事萬物的生產過程本身就有其普遍的規律性。
所謂生產，就是從原材料到成品的轉化藝術。
汽車工業是實體的創造，AI行業是虛擬的構建，兩者的生產邏輯卻如出一轍：
汽車工業投入了鋼鐵、橡膠、玻璃等原材料，在工廠的精密設備中，遵循流水線作業的生產標準，轉化爲實體的汽車；
AI行業投入了海量數據作爲原材料，在雲計算平臺的支撐下，遵循大模型和算法的內容標準，孕育出知識和信息。
AI大模型的橫空出世，以前所未有的規模和效率，實現了內容生產的自動化。
不正如汽車工業引入流水線生產模式，預示着一場效率革命的爆發嗎？
ChatGPT，以前所未有的流暢度，極大縮短了人機交互的障礙；
Sora，在文生視頻方面展現出驚人的效率，不僅有利於內容創作，還極大地縮短了從概念到視覺呈現的時間，使得理解和模擬現實世界變得更加迅速和直觀。
曾經的汽車工業革命，重塑了人類與物理世界的距離和速度；
如今的AI革命，重塑我們與信息的關係。
而生成式AI中的“提示詞”（prompts），相當於爲AI提供了一個起點或方向，告訴AI如何開始生成內容或執行任務。這類似於汽車工業革命時代的“設計藍圖”或“生產指令”。
所謂設計藍圖，是工程師用來規劃和指導汽車製造過程的詳細圖紙，它包含了汽車的尺寸、結構、組件佈局等所有必要的信息；而生產指令則是工人在生產線上遵循的步驟，確保每個部件按照正確的順序和方式被組裝在一起。
我們也將通過提示詞，給出AI自動化執行的明確指令。以前的自動化發生在工廠中，現在的自動化可隨時發生在日常生活中。
接下來AI的課題是：繼續降本增效。
近日，媒體爆料OpenAI CEO山姆·奧特曼（Sam Altman）計劃募資最高7萬億美元。
畢竟訓練大模型是一門很考驗財力的藝術——
據《金融時報》早前報道，光是訓練GPT-4，OpenAI就使用了約2.5萬個A100 GPU，而GPT-5還需要高達5萬個H100。英偉達的H100，售價高達2.5萬~3萬美元。不僅售價高昂，H100還長期處於供不應求的狀態，交付時間非常長。
這些成本，毫無意外，最終會分攤到每位用戶的身上。
然而，就像汽車工業的流水線生產，會倒逼零部件的標準化和通用化；
AI大模型的出現，相信也會推動芯片製造商給出更經濟高效的解決方案。
突破需求的瓶頸
從馬車到汽車的轉變，不僅是因爲工業技術水平醞釀到位了，更是因爲人口激增和城市化進程中對高效運輸的迫切呼喚。
蒸汽機和內燃機的問世，不僅標誌着傳統能源方式的落幕，更是人類對照明、取暖、烹飪等基本生活需求激增的必然選擇。
同樣，AI行業的變革，也是源於現實需求的強烈驅動。
在自然科學的前沿，尤其是數據密集型的學科，如天文學、生物學、物理學等，隨着實驗和觀測技術的進步，產生的數據量急劇增加，數據的規模和複雜性超出了傳統數據處理方法的能力。
如果繼續被傳統數據處理方法“卡脖子”，人類該如何繼續探索科學世界的星辰大海？
在社會經濟的演進中，我們正站在一個關鍵的十字路口，面臨着「知識生產效率」的極限挑戰。
19世紀的工業革命，我們完成了一場「物質生產方式」的躍遷；
21世紀的AI革命，我們也將經歷一場「文化生產方式」的升級。
這不僅是技術的革新，更是對人類認知邊界的拓展。
或許AI就像三體世界中神秘的“智子”，正以前所未有的速度和深度，重塑我們對宇宙萬物的理解。
汽車工業革命，就像擴展了人類的“手和腳”，讓人類無需再把時間浪費在漫長的遷徙中；
AI變革，就像增強了人類的“大腦”，讓人類無需再把時間浪費在寫報告、做表格、做PPT、畫圖、剪視頻、寫基礎代碼上。
每一次技術變革，社會資源都會重新洗牌。
人才與金錢都往更新興的領域聚集，總有傳統技能被淘汰，總有新型技能會崛起。
當代白領，何嘗不是當年的馬車伕？
當白領階層的重複性勞動已經無益於社會經濟生產進步時，也許是時候做出改變了。
技術變革是一項紅利，永遠會惠及更廣泛的人羣，但也只會把大部分利益分配給最前方的人。
於個人如是，於國家亦然。
本文來自微信公衆號：叄言樑語，作者：Vinky
想第一時間掌握AI動態、工具乾貨？掃碼加入共學交流羣，一起偷跑不掉隊！
———— / 推薦閱讀 / ————