基础模型vs垂直大模型。基础模型似乎已经变得★◆★■★★“万能”了。GPT-4说开放安装插件之后★◆，很多人说它已经变成了“宇宙的中心”★◆■◆◆。企业未来怎么办？其实不用担心■■★■，在垂直领域■■，有丰富的“私域■◆◆■”数据资源和深度业务场景的公司，是可以把自己的深度应用和大模型结合起来做的。这是也是目前创业者和风险资本在中国比较看好的创新机会。

　　最近几个月以来，ChatGPT是个很热的话题，反映了革命性技术的一个特点：当它问世的时候，不管喜欢它还是不喜欢它◆■■◆，也不管理解它还是不理解它★■★◆◆，大家都在谈论它。

　　中国更重视这一点。中国科技部会同自然科学基金委近期启动■★★◆◆◆“人工智能驱动的科学研究◆■◆”（AI for Science）专项部署工作，紧密结合数学、物理、化学、天文等基础学科关键问题■◆，围绕药物研发■◆■、基因研究、生物育种★■、新材料研发等重点领域科研需求展开，布局前沿科技研发体系。

　　第一篇是GPT-4发布之后，OpenAI★■★、OpenResearch和宾夕法尼亚大学四位教授公布的一项研究结果。GPT-4拥有的“通才”能力，对比美国所有行业和职业中的岗位技能，可以用来分析GPT-4对劳动力的替代程度★◆■★◆。这份报告名为《GPTs are GPTs》,标题中的第二个GPT就是通用技术★◆■■。他们初步观察，GPT照这样发展下去★★★，对就业市场的冲击非常剧烈，对劳动力在未来经济中的作用影响会非常深远◆★■，那么它可能就应该是通用技术★◆。

　　人工智能驱动科学研究（AI for Science）★◆。人类和国家面临许多重大挑战◆■★，急待重大科学技术实现突破，而很多研发遇到了难以克服的障碍，时间和资金成本非常高，比如说创新药物研发；更加可持续、廉价、易用的能源★■；气候变化■◆■★★■。AI改变整个科学研究范式的可能性■★■，越来越受到重视。

　　苹果发布watchOS 11.0.1更新 对设备的潜在问题进行了两大修复

　　售价提升50%！Intel 128核至强6980P创下17800美元价格记录

　　但最重要的是ChatGPT的推出■◆，换挡了整个AI创新的节奏◆★★★。它建立起了人机之间的自然语言交互★■，而且自然语言起到了代码的作用■◆★◆◆，迅速普及了大众，渗透到各种各样的应用场景里。对于中美的差距，大家有各种各样的说法。有的说落后一年到两年◆◆，有的说两年到三年■◆◆★，真正的差距◆★◆★■，正是在这种动态累积的用户反馈中，它不仅生成内容，也生成技术。继百度文心一言推出之后，最近大家也在谈论华为的盘古大模型◆◆★，还有其他大厂或者大学在训练中的模型。中国在今年年底之前，应该会有三到四个大模型，大致相当于去年ChatGPT刚推出时水平。

　　人类最聪明的大脑都在加速让大模型变得更加聪明■★■★。过去几年，关于人工智能的论文出现了爆炸性增长。全世界最知名的大学都在研究AI或者AI的应用■■◆。OpenAI团队都来自全球最顶级的大学和科技公司★◆■★■。最近的研究论文表明■■◆★★，GPT-4具有一些的自我反思和纠错能力的萌芽。GPT还具备了人工反馈的强化学习机制。这使得它在和人类交互中，建立起了数据、学习和智能的增长飞轮，变成了一个学习的永动机。

　　第二，微软的Micosoft Research对GPT做了一百多种的单一任务测试，认为在这个产品已经开始迸发通用人工智能的火花■■◆■◆◆。所以比尔·盖茨最近说“AI时代刚刚开始”■★■。如果了解人工智能已经有70多年的历史，就会觉得这句话具有特别的含义★■。现在许多人已经开始站在第四次工业革命的高度看待这一轮由ChatGPT突破所引发的新一轮AI科技浪潮。

　　中国vs美国。当代世界上两个创新力最强大的国家，都在押注这项技术■■◆★◆。一些技术的预测能否变成现实，最终通过创新的努力才能实现，是一个自我满足的过程。中国和美国在这个领域投入了大量的资源。从发布的论文数量来看，中国已经超过了美国，而且■■，中国和美国■◆◆■，各自都超过了后面所有国家总和◆◆。

　　按照奇点的假设，AI会取代劳动力★★★★■、资本和全要素生产率。世界上只剩下两种要素推动经济增长，一个是土地★■★◆，一个是资本。这两个是创造财富最基本的要素★■。

　　OpenAI联合创始人之一奥特曼（Sam Altman)相信，摩尔定律不仅是半导体的创新速度，而且适用于所有人类技术创新。

　　中国和美国在人工智能研究上也各有侧重◆◆◆◆。中国在应用领域发展非常快，比如说视觉领域★◆■★◆◆。中国的视频监控和安防是全球最发达和普及的■★★，很重要一点★■◆★■◆，就是中国人脸识别方面取得了很多应用方面的突破；当然，视觉计算在工业领域的应用★◆■，中国也走在前列。另外■★■，中国在实体经济领域、对周围环境感知领域做了很多创新。但是，美国做了很多底层的创新★★★◆★■、架构的创新★★◆■■◆，或者说从第一性原理出发方面的创新。整体对比下来，美国显得少而精。

　　目前算力成为一个突出的问题◆◆■★，一方面是中美之间的算力落差，另外一方面是中美都出现了AI算力短缺◆◆■★。微软内部已经出现算力不足，整体给GPT让路的情况★◆◆。而中国企业则是A100GPU难求。

　　AI的发展，让我们知道我们不知道的◆★◆，也让我们不知道我们不知道的★◆■★。炼制大模型的工程，与社会实验工程正在结合。

　　我们做了初步统计★■，从去年12月ChatGPT出来之后，美国在知识最密集的三个领域，硅谷■■■■、华尔街和咨询，一季度的裁员数量初步统计16万，数量已经超过了去年一整年■★■★。这固然有经济衰退方面的原因，但它首先表现为“白领衰退”★■■，在一定程度上反映出就业市场对人工智能替代一些知识工作岗位◆★■，已经开始产生预期。

　　美国一些经济学家，在金融危机之后，面对经济增长的“长期停滞”，探讨未来增长的可能性在哪里。其中之一，就是将来通用人工智能能可能全面超过人类智能，带来劳动生产率的极大提升，经济会面临一个奇点，机器基本上完全取代了人类的劳动力，会在有限时间内产生无限生产力★◆■◆。这个理论当然受到了AGI信仰者们的拥抱。

　　其实中国这几年一直在炼制自己的大模型。全世界几百亿★★■★■、千亿以上参数规模的大模型数量，中国占全球三分之一，美国占了一半，从数量和规模上，差距不像我们以为的那么明显◆★★◆★。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务■■◆★。

　　大模型vs世界模型◆★◆。人工智能科学家杨立昆提出，大语言模型不了解物理世界★◆★■◆，其智能没有感官基础◆■★◆◆■，不是真正的智能★■◆★◆■，它只是用统计学和概率的方法，猜测下一个单词的游戏而已，这样的模型，规模再大■◆，也无法克服其固有的差错率◆★◆◆★◆。所以，他提出了一个类似人脑的世界模型，最重要是对周围环境有感知。提出这一点是有意义的★◆◆■◆，GPT距离AGI仍然相当遥远，而AGI的终局在哪里■★◆◆◆，仍有很大争议，人工智能发展可能有不同技术路径探索，保持多样化的探索是有必要的。

　　ChatGPT是史上用户接受和渗透最快的产品★■◆■。ChatGPT出来之后，两个月时间■★，达到了上亿用户■◆。GPT变聪明的速度也非常快。ChatGPT推出来3个月后，GPT-4推出，从参加各种学业和专业的考试的成绩来看，很多方面已经达到甚至超过了人类的平均水平。它在数学、推理、多模态等方面的能力也有显著提升。

　　再来看经济增长★◆★■◆。人工智能对于经济增长影响，有两个理论经常被用来解释。第一个是鲍莫尔病。技术提升了一些部门的劳动生产率★■★■★◆，如制造业和农业，导致这些部门的单位产品成本越来越低，需要的劳动力越来越少，也会不断压低其产品价格；而技术无法提升一些领域的劳动生产率，比如说，很多依靠人力或深度技艺的服务业工作岗位，如教育、医疗、政府等服务部门，这些部门的单位产出成本会越来越高■◆■★◆，会推动其价格上涨。这样两个部门的存在，使得技术进步对整个经济的劳动生产率提升的效应并没有那么明显。

　　自去年以来，大量的资金涌入生成式人工智能领域◆◆■■■。一半的资金来自微软■★★。实际上这个领域许多最重要的公司，背后都有巨头的影子，这也是Big Tech之争■◆◆◆，Big Science之争。微软+OpenAI◆◆★■◆◆，同时挑战了其他科技企业的搜索、云计算和SaaS几大业务的市场地位◆★◆■★。

　　尽管中国的论文数量超过了美国，但是美国在人工智能研究的质量上■◆，还是明显领先于中国。在前一百位引用最高的人工智能论文排名上■■◆◆★★，基本上都是来自美国的科技公司和大学，很少看到中国的机构。

　　2024 年日本二手智能手机销量预计达 315 万部◆★■★■，同比增长 15.5%

　　而开源模式，主要是Google的一些大模型★★◆◆★■，以及一些学术和欧洲的机构也在做的开源大模型。所以★■，是不是在AI时代又产生了类似iOS和安卓两大的AI操作系统，值得关注。中国在AI时代◆■★，要有自己的操作系统，也一定会有。这一使命是由企业担当，还是由国家推动？

　　当生产力达到这个程度的时候，生产关系一定要做调整★★■★。当年凯因斯所担扰的“人类闲暇的过剩”，最终导致大多数劳动力可能沦为“无用之人■◆★◆■◆”。这些人要怎么养活呢◆★★◆■？于是有人提出全民基本收入的分配制度（UBI）。对于生产力奇点的假设◆■■◆，一些经济学家建立各种各样的模型★★◆◆◆，发现要么根本无法实现◆■◆★，要么还非常遥远。

　　开源vs闭源。在PC和智能手机时代的互联网◆◆■★，中国没有自己的主流操作系统；现在这种既有的局面似乎又将延伸到AI大模型时代。目前◆■◆◆◆★，闭源模式就是所谓的微软+OpenAI，它的芯片是英伟达A100和H100 GPU在支撑，AI时代的云+智能+硬件★■■，类似当年的Wintel联盟。

　　《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律

　　GPT为什么如此聪明？机器学习和深度神经网络在过去十年发展非常快，完成单一任务的能力超越人类的时间越来越短。后来，随着计算模型越做越大，各种单一的能力之间出现迁移，出现了智能的★■“涌现”和泛化，尤其是在自然语言大模型（LLM）领域★■■★■，机器智能出现了一些通用化的特征。领先的人工智能公司如DeepMind和OpenAI等■★★◆■，都以实现通用人工智能（AGI）为使命。

　　据上述研究，对GPT暴露最小的依然是动用体力的服务业，而暴露最大的职业中，大部分是白领职业。

　　GPT在进入物理世界。这是通用技术很重要的特点★◆。谷歌发的多模态模型■★，结合了语言模型和视觉模型，让机器人在自然语言交互下，以类人的灵活方式完成了简单的跑腿任务，它已经可以感知周围环境了。而实体经济的领域★■， 如在建筑、产品和基础设施的设计，制造业，新材料发现◆◆◆，自动驾驶合成数据，供应链及采购等领域，已经开始出现探索使用GPT技术的企业。

　　那么，我们如何判断这种技术的革命性？谈到技术革命时，大家经常使用一个概念■★◆，通用技术（General Purpose Technology）,缩写也正好是GPT。最近业界有两篇论文非常有意思，引起我们的关注。

　　历史上曾经发生过这种情况。当年，Excel等电子表格出来之后，淘汰了一些数据录入和表格维护类的职业，但是它又造就了基于数据分析的新职业★◆★，而且新生的比淘汰的职业数量更多。由于GPT-4可以通过自然语言实现人机交互，大模型也表现出强大的编程能力★■■★◆■，码农圈内已经传出声音■◆★■◆■，整个程序员职业会面临一次大清洗。这次会不会和以往不一样？

　　这就产生了索洛悖论。信息技术革命发展这么快，但是为什么表现在统计数据上，总体劳动生产率增长放缓。经济学家们争论不休，但是自动化★★★■■、信息技术和人工智能把高效领域的劳动力推向低效领域，尤其是发达国家的服务比重越来越大，对劳动生产率的影响，成为一个比较有力的解解释。从这一点来说，人工智能能否对整个经济带来一场生产力革命，显著提升劳动生产率，取决于它能否治得了“鲍默尔病”★◆◆。

　　未尽研究主要研究新兴技术与创新，还有它带来的商业和经济发展机会。我们准备在五月发布一份关于生成式人工智能的报告，今天主要是我们在研究中的一些初步的观察与思考。