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。
【资料图】
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。
标签：
