点击上方"蓝字"
关注我们吧！
本文源自人工智能技术与服务的供应商第四范式的联合创始人、首席架构师胡时伟，做客混沌“一”思维创新嘉年华的主题分享，原主题为《AI为企业核心竞争力带来的变革性影响》。本文经精编整理，供参考。
在大模型时代的某一阶段，商业模式会变得特别重要在我看来，这个问题至少可以沿着以下五条思路展开：
第一，新技术能够在什么场景下解决哪些客户的何种需求。
第二，新技术到底抢了谁的蛋糕，或者是否真正创造了新的蛋糕、是否对产业形成结构性的影响。
第三，如何确定成本结构与ROI。
第四，企业是否具备足够的资源能力，来以产业协作的模式落地。
第五，企业能否建立起足够的竞争壁垒。
就我个人的过往经历而言，百度与贝壳找房的共同特点，无不是回答了上面的五个问题，叠加数字化或者人工智能、机器学习的技术，最终为行业带来了质的变化。
大模型起伏浪潮中的两种趋势
第一，是“一浪高过一浪”。
AI总体上在产业的价值一定会越来越大，按照VC维的理论，随着数据越来越多，规则数越来越多，机器创造的价值一定会越来越大。
第二，是每个波峰之间的距离在逐渐缩短。
原来是二三十年，现在是十年、几年、甚至几个月，AI就会迎来重大的技术突破。
AI发展真正有突破性成功的四个阶段
第一个阶段是人类专家写少量的规则，再输入给计算机；
第二是机器利用数据写少量的规则，出现一些简单的模型；
第三是机器用海量的数据写大量的规则，这其实就是深度学习，或者叫专用大模型；
第四次就是我们现在讲的通用大模型，用海量的数据，在一个大的计算代价下能解决若干个问题，比如问答、总结、扩写。
前两次突破应用的场景非常有限，后两次突破在生产生活中有非常大的作用。
最后留下来的都是技术、商业模式和产业发展的结合。
通用大模型和生成式AI的五个认知误区
第一个误区，是模型具备一定的推理能力。
情况并非如此，至少GPT类的模型只会续写，没有任何的意识或认知成分。从实质上讲，大语言模型是通过随机生成预测多个序列，通俗地说，大语言模型就是一千万个猴子写莎士比亚的作品。
第二个误区，是模型具备涌现能力。
随着参数的增大，AI确实可以解决很多问题。但是，所有的涌现都是因为AI具备了相应的数据与信息，或者是有对应的任务来对AI进行方向性的引导。
第三个误区，是模型可以自动学习、自主进步。
至少从目前我们所拥有的工程化能力来讲，有多少“人工”就有多少“智能”，AI仍然是一个“高级复读机”。
第四个误区，是模型可以通过调优达到不犯错误的状态。
由于GPT是随机性的生成，有时它会“一本正经地胡说八道”，这是由技术底层原理决定的，通过调优也难以解决。
第五个误区，是模型可以替代人类的工作，从而造成大量的失业。
AI本身也意味着全新的商业机遇，局部的失业与部分企业的被淘汰是可能发生的，但与其杞人忧天，我们不如积极推动这件事。
从战略的角度，我们要重新审视企业的核心要素以及要素被数字化替代的可能性。
战略的问题是行业的问题，即如何突破限制行业的关键瓶颈、如何找到突破关键瓶颈的竞争优势。
中国的企业当下往往面临几种困境：
首先是产业链定位的困境，在微笑曲线当中，大量的中国企业处在中间比较低级的原材料和组装生产制造的价值链上。
其次，互联网、物流的发展让企业也受到了更全域竞争的威胁。
最后，受到企业路径依赖的限制，中国的企业也面临着组织僵化的困境。
那么，数字化如何才能打破多重困境？从战略的角度，我们要重新审视企业的核心要素以及要素替代的可能性。
第一，我们应该关注当前和未来一段时间内企业的核心资产和关键要素是什么。
第二，解构关键要素所遇到的瓶颈与限制是什么。
第三，在关键瓶颈上用数字化形成革命性的变化，将使我们获得巨大竞争优势。
第四，为了知道数字化替代是否合理，对战略是否产生正向影响，我们还要进入数字化实验的阶段。
在你的关键资源上，数字化形成革命性的变化，由此就能降低关键资源的稀缺度，带来更高效的集约扩张，让你赢得竞争的关键。
想要在更细颗粒度的层面做好决策，我们必须提升模型的维度与策略的复杂性
第一，从使用者的体验来讲，AIGC可以带来体验跨越式的提升。
比如在医疗健康的2B领域，AI可以帮助老医生操作电脑，从而大大提升医生的工作效率。
第二，AIGC可以带来软件开发效率的巨幅提升。
简单来说，我们可以跨越鸿沟、直接给AI下达指令，我们怎么说，它就怎么做。
生成式AI在企业系统领域的发展会经历三个阶段
在1.0阶段，AI能够听从我们的指挥做事。
在2.0阶段，我们可以让AI的agent互相协作，或者由人和AI通过自然语言的形式进行协作。
3.0阶段解决的是关键要素的解构问题：AI的agent如何替代一部分人力要素，人和AI的agent怎么通过迭代的方式生成策略。因此，我们就形成了执行过程与企业大脑策略制定过程的闭环。
企业数字化的大原则从建设很多系统变成构建很多agent
怎么构建企业的数字化团队？
首先，大的原则是从建设很多系统变成构建很多agent。同时，评价系统的方式也要从评价功能变成评价agent在业务当中的价值。培训一个系统的过程，也要从原先的业务功能需求变成培训agent。
这些agent从一开始的被动调取，进而进化到辅助人的决策，再到主动参与协作，甚至变成一个协调者。
其次，企业不能止步于把系统构建起来，而是要向着核心战略目标不停提升。企业要建立分工有序、向优迭代的人机协同的管理体系。
——素材来源：AI商业研究所
