5月18日上午，由《财经天下》、「市界」、《博客天下》联合举办的2023年异想大会在北京望京凯悦酒店召开。大会现场，市界内容总监田晏林携手四位商业先锋举办圆桌论坛，共同畅想人工智能为不同行业带来的机遇与挑战。

全球AI研究领军人物吴恩达曾说过：如今我绞尽脑汁，也想不出几年后还有什么行业是AI改变不了的。大模型ChatGPT的横空出世，似乎也在昭示着一个AI与千行百业深度耦合的未来。

然而，在这个“AI+”异想实现的过程中，企业与个人该怎么做才能同时抵达效率最大化和技术向善的彼岸？

(相关资料图)

在“天工开物｜人工智能劈开千行百业新想象”圆桌论坛中，效率工具企业印象笔记、科学研究机构阿里达摩院、AI数据服务企业星尘数据、元宇宙技术和基础设施提供商STEPVR，各自分享了他们对这一问题的思考。

动作的熵减，价值的熵增

著名反乌托邦电影《黑客帝国》描述了一幅令人警醒的数字世界图景。在电影中，人类面临着被高度智慧的机器所取代的危机，身负“拯救世界”重任的男主也在思考是否要从数字世界中抽身醒来。

在AI技术浪潮向前奔涌的时刻，许多人对未来感到疑虑：如果大模型最终与千行百业深度链接，人类是否会真的面临自身工作被取代的风险？

STEPVR创始人、CEO郭成认为，AI、元宇宙VR等前沿技术的发展方向，是为人类打造一个数字的世界，而不是挤压人类的生存空间。

阿里达摩院首席架构师王巍巍、星尘数据创始人兼CEO章磊则认为，技术的跃迁与迭代已经多次在历史上发生，无论是电气革命、工业革命、信息革命，还是2015年左右图像识别、语音识别等技术开始商业化落地，都为社会带来了极大的变化。但是我们可以看到，技术承担的是商业社会中的辅助角色，让人类进化得更快。

具体而言，在ChatGPT等最新技术的帮助下，人类可以从大量重复、机械化、耗时的任务里释放出来，继而将精力投入价值量更高的工作中。

章磊称：“我常说懒惰是第一生产力，你必须‘聪明地懒’，才能前进和成长，ChatGPT其实给了我们一个‘懒惰’的机会，去发挥人类独有的创造力和想象力，最终更好地实现价值，提升人的效能。”

这也说明，人的精力与商业价值之间的“公式”得到了调优，最终实现“动作的熵减，价值的熵增”。

另外，郭成称：“从客观上而言，现有的技术完全不可能做出真正能取代人的模型。以触觉为例，人体能够感知到极其微小的、毫米级别的刺激，这是基于人类的细胞构建的身体构造来实现的，也是现有技术无法达到的。”

不过，人工智能的确可能变革商业世界中的生产力构成。

王巍巍总结道：“AI模型除了提升人的工作效能之外，在某些工作上我们可以看到确实存在工具对人的替代效应，但造成这种情况的原因有两种，其一是人类主动地进行了工作迁移，这种向更有价值工作的迁移，在一定程度上也激发了这个人的能力的提升和进一步的学习；其二，确实存在一些场景，人们因为不掌握新知识、不掌握新技能而面临替代。这是无论当今有没有ChatGPT都会发生的事情。”

大模型如何走进千行百业

根据IDC数据预测，应用层面的需求，将成为推动大模型及AI市场发展的重要推动力。

据其统计，2021年中国人工智能软件及应用市场规模为51亿美元，2026年将有望达到211亿美元。

这也符合OpenAI创始人Sam Outman曾预测的：“将来在基础模型和具体AI应用研发之间会有一个中间层，出现一批专门负责调整大型模型以适应具体AI应用需求的初创企业。能做好这一点的初创公司将会非常成功。”

不过，要让AI真正走进千行百业、实现工具普惠还需要整个行业的探索与努力。

王巍巍称：“数据是企业的核心资产，必定不能放到开源的基础模型中去，所以我们需要数据跟基础模型的结合，来产生一个企业专属的模型。”这是一个趋势，也是一个挑战。

针对大模型如何走进千行百业，印象笔记高级副总裁乔迁分享了印象笔记在效率软件市场的经验。

截至5月18日，印象笔记的AI服务正好上线一个月。乔迁称，在大模型真正落地商用的过程中，很多用户向印象笔记提供了使用反馈。针对这些需求，印象笔记总结出了现阶段大模型落地应用的三大要点。

首先是Prompt（提示词）的交互问题，用户使用过程面临的一大问题是无法与模型进行有效沟通，比如用户让模型完成一份工作周报，模型生成的内容往往无法满足需求。

这是因为实际上模型的推理需要更多信息，比如用户是从事哪个行业、周报的格式是什么样子……所以印象笔记认为，在大模型落地过程中，应用需要针对用户的使用场景给到一些预设的、更为具体的Prompt，也就是预设一些文本模版。

但是，固定的模板也不能完全解决这个问题。有一部分资深的用户已拥有了自定义prompt的能力，也有更加深度的需求，需要客制化的模板。所以在提示词的交互方面，大模型应用层还面临挑战。

其次，用户在使用过程中，为了适合自己的日常所需，可能有一些模型调优的需要，或者需要选用不同的模型混合起来使用。这就需要企业在一些更具体的行业场景下提供一些行业的、定制化的服务。

最后则是私有化模型的问题，应用层企业既要满足客户、用户的需求，又不能触碰隐私安全的“红线”。

因此，未来在不危害用户隐私的情况下、提供更好的服务，将是行业的共同目标。

拥抱技术向善的未来

如果说为了迎接一个前进的、极具生命力的未来，我们需要大胆想象AI技术与行业深度链接的可能性，那么另一个重要的话题则是明确AI的边界。

技术极速发展的同时，行业乃至整个社会都需要找到开发AI的“正确姿势”。乔迁称：“我认为有两点极其重要，一是数据确权，明确什么样的数据能够拿来训练，并且能得到全社会的认可，二是重视AI的价值观问题，要符合国家信息安全的相关规定。这两条是AI的底线。”

章磊指出了AI训练数据的可控性、可解释性问题，他提到：“在AI模型创造的过程当中，所有与数据相关的工作，都需要人员去做策划和设计，并提供数据策略。而数据策略中尤为重要的一点就是对⻬人类的偏好，以及无害性、无毒性。”

具体来说：“我们需要明确模型训练的整个过程中，我们所使用的数据是怎么创造出来的，怎么去人机协同地、低成本地生产这些数据。比如能够先生成一些粗的数据，再由人力去清洗，以及多个专家审核，保证数据是洁净而符合要求的。”

王巍巍提到：“我也非常同意数据的重要性，数据是AI三要素（数据、算法、算力）之一。在模型训练中，要保证原始数据的安全可靠，数据的使用权要符合监管约束的。另外在模型构建的过程中，还需要关注模型输出的内容是不是客观和符合价值判断的。在具体应用中，阿里在跟客户探讨在哪些场景上去使用，致力于使用好大模型的能力。”

而畅想未来，随着企业探索逐渐深入、法律法规的不断完善，AI的产业化将会呈现螺旋上升般的发展。

作者 | 董温淑

编辑 | 董雨晴