首页 > 科技快讯 > 分享:ChatGPT对国内创业者的启示

分享:ChatGPT对国内创业者的启示

今年的人工智能大热点,常常离不开两家公司:微软和OpenAI(ChatGPT母公司)。 

近期,人工智能领域年度的最大数额融资出现:据美国媒体TechCrunch消息,OpenAI已完成103亿美元的新一轮融资,估值达到270亿-290亿美元。其中微软投资了约100亿美元。 

ChatGPT掀起了行业对大语言模型(下称大模型)的关注热潮,而微软的孵化投资,又引起了业内对创新孵化机制的讨论。从体外孵化来讲,OpenAI是微软孵化的一个经典案例。 

大模型火热后,国内创业者还有哪些新机会?微软与OpenAI的联合,对大企业创新土壤的培育又有哪些启示? 

4月21日铅笔道AIGC大会举行,对以上问题设置了对话讨论环节。嘉宾分别为:前微软加速器(北京)CEO、海尔海创汇合伙人檀林与前微软中国解决方案专家部中国区负责人、iBrand创始人于胜泳。 

以下为嘉宾讨论精华摘要,由铅笔道编辑部整理: 

1、大模型会让很多岗位消失吗?

答:一旦某个岗位的工作可描述可重复后,很可能被替代。 

2、OpenAI的最伟大之处是什么?

答:以前大家的思路是把AI模型做专做细,而它完全反着舆论做宽做通用,居然还做出来了。 

3、什么企业未来应用到大模型?

答:有数据资产,数字化已经到了一定程度。 

4、引入大模型后,对企业的影响?

答:组织形态可顺势调整,变成流体型企业。 

5、企业应该用什么机制去拥抱AI?

答:体外孵化。 

6、为什么是体外孵化?

答:看微软体外孵化OpenAI的案例。 

7、企业应该怎样处理与AI的关系?

答:别把它当奴隶,先当实习生、助理,而后是副驾、教练、合伙人。 

以下为嘉宾的对话实录:

檀林:有人提到AI可能会对一些工作带来改变,什么类型的工作会被ChatGPT取代,它会创造哪些新的工作机会,我们如何利用这种颠覆性技术来提升自己? 

于胜泳:比如某个市场某个岗位有100万人,但由于10倍效率提升的生产力工具的出现,100万人不会都消失,但可能变成10万、5万人,甚至更小的需求。 

宏观上是这样:一个事情就这么多需求,然后需要人去做,但是生产力的提高,使得需要的人变少了。大家首先要思考的是,我是继续在这个岗位上,成为少数的人,还是转到另外岗位去做别的事。 

比如工业出现之前出现了羊吃人,但是很多人在土地上被赶走后,他去做了工厂的工人,他赶上了工业革命,而留在原来位置的人,也许没有得到工业革命的回报。 

檀林:AI工具其实是取代工具人,但是你只要不断的学习,如何去和AI相处,你可以随时跟着这个时代走。 

于胜泳:是的,一旦某个工作可描述可重复后,AI学习的效率会比人高很多。 

檀林:我最近看到几个案例,有1-2个是与教育有关。一个公司在帮助小孩做个性化、启迪式教育。另一个案例是摩根士丹利,它有12000名财富咨询师。利用他们的几十万财富管理文档等,借用AI的力量,他们每个人的能力都加强了。比如这12000名咨询师,每个人都有首席股票分析师、首席经济学家的能力。 

同时,这个模型还能服务更多摩根士丹利的客户。你觉得这些大企业都在积极拥抱,用ChatGPT去训练模型,这是一个怎样的机会?我们怎样利用新的机会去和大企业竞争? 

于胜泳:在大语言模型之前,很多的时候,我们的AI理念是做窄做细,只有专注在一个小领域里,不发散才能产生一个有针对性的好结果。 

但是大语言模型出来后,我认为OpenAI的最伟大之处,是它竟然反着所有舆论去做。在大部分人都不太认可的情况下,他能把它做出来。 

按照这种思路,任何细分领域,都存在着一个所谓最好的专家。而大语言模型解决了创业公司最难做的事,这个代价其实非常高。 

类比一下,它解决了我们的操作系统问题,我们之所以能舒服地做应用,是因为有人把操作系统很好地封装了。今天看来,我觉得创业公司仍然有一些非常好的机会,比如做专业的插件。 

总体来讲,我认为创业是被加速了。 

檀林:对的。我认为这一波机会,和移动互联网那波不太一样,之前那波是面向消费互联网。 

于胜泳:我表达一下对这一波机会的看法。这一波AI浪潮不同的是,它会在B端更早地显现出一些价值。我认为一些有觉悟的员工会主动掌握这个工具,另外一些人还在看热闹。 

大模型之后,所谓的子模型就会进入到子领域。大企业创新有一些不容易做的地方,它的决策要考虑很多东西。我比较主张通过创业公司和大企业结合,用一种好的创新机制(甚至投资机制)。它能结合创业公司的优势,在船小好调头的专业领域又能与大企业的品牌结合。 

檀林:你说了一个非常重要的观点。大企业有丰富的场景、重要的数据和知识资产,这些与大模型结合后能有新的机会。只不过这些机会不是在企业外部,而大企业自身创新又受到机制的约束,于是需要引入一种机制,让外部更敏捷的创业团队参与,利用大企业的场景和数据,共同来训练这个模型。 

于胜泳:是的。有两种,一种是行业性的模型。举个例子,比如企业领导力模型并不专属于某个企业,这个领域有非常好的专家,这些老师也上课做工作坊。另一种模型在头部企业里,他在这个领域借用这样的工具和资源,可以做很好的深化,来提供更普适化的服务。 

不同的模式给不同的企业不同的机会,但总体来说,我觉得大模型加速了大家的组合式创新,就像现在有些生成式AI也有很好的发展。 

比如一个100页的文档,我们谁都不喜欢看这么长的文档。我们以前的方式,请一个实习生或者助理看完,再给我讲讲它的主要内容,然后我问他几个自己关心的问题——很显然,这件事交给大模型做很合适。它所生成的摘要并不是我们论文前面的概要,而是按照我的要求提炼的新数据。 

我们阅读的是这种合成式东西,这些方式和以前有很大变化。 

檀林:对。以前一个企业里有大量的工作来帮助你做决策支持,它其实在做很多的数据搜集、分析,然后内容的生成处理完全可以交给ChatGPT这样的大模型来做。那么跟行业领域的相关知识,可能前期需要一些专家来做预训练。这里面有没有一些比较好的成熟方式?我知道现在有很多开源模型,但它们很多不能应用于商业。 

于胜泳:我认为它分为两点,一个是生产力工具,这个我主张用提示工程(一种模型信息获取方式)。还有一类是专业领域方向,比如金融医药等。举个例子,比如我推出一个模仿ChatGPT的构建方式的产品,它借鉴了ChatGPT的的训练过程。这实际创造了一个机会,也许你做了一个更差的东西,但是你也有可能做出了在专业领域更好的东西。你可以认为它在你的专业领域里做了一个适合你的ChatGPT——这适合专业领域很强的场景。 

在生产力工具方向,在专业性工具方向在论文等领域已有发展,而且它的发展成本大家可以承受。 

檀林:我们以前开发应用需要基于Windows等,现在是你可以开发自己的模型,但是部署还是要放在微软云等上面。这是不是一个可以部分解决大企业数据安全的方式? 

于胜泳:我觉得这是个很重要的命题。实际上现在有一些办法,比如企业要知道到底把哪些数据放上去。如果你将来有个新模型,你不可能把数据再找一遍,所以你需要在过程中整理好。在具体做的过程中,其实也不是明文,你去把它向量化、归一化,然后在上面去做,并不是理解为“把文档本身传上去”,而是你问的问题答的内容都是有策略、有记录、有审计的。 

实际上,大企业可能更重要的是,在这个基础模型能力之外,我们要做一套体系。这套体系是一个可操作性、可控、可审核、可检验的东西。我觉得大企业今天就要开始建这个系统,无论后面的模型会有什么变化,你早晚要做。 

檀林:你觉得什么企业才有机会来做这件事?是不是要有很多数据资产,而且企业数字化到了一定阶段,甚至已经有了首席数据官? 

于胜泳:是的。其实提数字化已经有一些年了,很多时候在也问它的价值到底是什么。我觉得大模型出来后,这个问题基本上不太需要回答了,你已经看到很多可能性,所以现在开始讲叫数智化转型,同时也要考虑智能化部分,把他们从整体上考虑,思考模式上会有个变化。 

我拿客服举例,以前我们需要100个客服专员,因为每个人每天有100个电话,累计需要打1万个电话。但现在我有对客户分类的能力,有特定分类下让他满意的服务能力。一旦沉淀下来后,我并不需要100个人,可能只需要5个人+模型能力。假设未来变成100万个电话,这对系统而言没有太多区别。 

这是我觉得企业管理角度的一个大思维变化,就会延伸到檀林老师前面提到的问题,比如我们为什么要设这样的岗位。 

檀林:对。你刚刚提到咱们以前都有这些岗位,然后有流程、KPI,所以是一个很结构化的企业管理结构。未来大语言模型引入到企业后,我们觉得可描述可定义的工作可能都会被替代。其实相当于把企业的组织结构重新定义了,可以变成一个端到端的流程,可以围绕一些市场、用户需求来做动态调整,成为一种流体型企业。 

于胜泳:这个词说得非常好。我的看法是这样,它同时有两个趋势,一个是岗位技能的更加细化,一个是对人的要求更加整体化,包括人机协同能力。我们在特定技能岗位的数量极不重要,但是他是否更专业、是否能很好的衔接变得重要。所以我认为,大部分都不会待在原先的岗位上,但是你往何处去,这需要根据具体情况来分析。 

檀林:也就是这个岗位可能还要,但是不需要那么多人去执行,因为AI执行效率更高,但是如何去定义岗位职责或者帮他训练,还是需要有人做的。 

你刚才也提到大企业如何把握机会,利用大模型加速数字化转型需要引入外部机制,这个机制你认为是什么? 

于胜泳:虽然我很多熟人都在搞企业信息化、数字化,但我现在的观点是,企业内部的自由创新不是唯一通道。我看到很多行业(比如制药),他都是要把团队搬得远一点,相对独立一点,决策流程短一点,然后给他一些激励和目标,让他在实践里产生一些第二曲线。所以这里面需要行业的资源,但又不要有行业管理上的阻碍,需要有经验的人辅导,需要一些敢为天下先的年轻人落地,按照新的孵化创新的机制,在这样的土壤才能长出新东西——因为这些并不是企业高层已经想明白的。 

檀林:对。如果拿OpenAI和微软的关系来说,我更认为前者是微软体外孵化的一个非常成功的项目,帮助微软开启了第二曲线。虽然微软内部有这么多资源、算力、人才等,但在它内部也完全不可能产生一个像OpenAI这样的企业。 

于胜泳:对,这也是大家私下聊得特别多的话题。作为AI黄埔军校的微软研究院为什么没有先搞出这个东西,作为谷歌这样的公司也有很多大牛,为什么会从他们外面长出这样一棵树,OpenAI是一个最好的例子。 

檀林:所以从这一点看,我对国内很多大厂(包括谷歌)的AI未来都是看淡的。大家最近可以看到消息,三星已经准备去谷歌化,这一个举措让谷歌一年损失30亿美元。国内现在跟风要做大模型的大厂,可能也需要反思一下:为什么你之前孵化不出这样的项目,现在你去跟风学习,会带来一个什么影响。 

那么同样,大企业如果要做行业领域的模型,他们应该怎么做,也应该好好反思一下。我觉得OpenAI不光是技术上给了我们巨大启示,它的发展历程、成长模式、投资孵化机制也非常值得大企业借鉴。 

于胜泳:是的。我最近特别喜欢一篇文章,大家知道写《失控》那本书的凯文·凯利吧?他最近讲了一段人和AI的关系。我觉得企业的创新应该从人的心态开始,他说你不要把AI当奴隶,而是先把它看成实习生和助理,然后是你的副驾,接下来是你的向导和教练,再接下来是你的团队成员、合伙人等。我觉得这段描述非常好。 

本文来自微信公众号 “铅笔道”(ID:pencilnews),作者:铅笔道,36氪经授权发布。

相关推荐

分享:ChatGPT对国内创业者的启示
当创业者开始用ChatGPT裁员
对标ChatGPT,百度敲响战鼓
ChatGPT给创业者带来哪些机会
教人用ChatGPT,今年最赚钱的副业?
认知ChatGPT的过程,就是消除偏见的过程
认知ChatGPT的过程就是消除偏见的过程
ChatGPT持续“高烧”,再走一遍元宇宙的老路
ChatGPT之后,灵感与训练哪个更重要?
当ChatGPT联网且有了App Store,会怎样?

网址: 分享:ChatGPT对国内创业者的启示 http://m.xishuta.com/newsview75990.html

所属分类:互联网创业