最近這段時間，一直在和幾個國內外科技行業頭部公司的專家們密集的交流，總體感覺還是挺有收穫的。
大家共有有的觀點是，如果算力持續提高技術持續進步，不久之後AI就會帶來生產力水平的巨大變革。
不過對普通人來說，其實也並不能說完全就是好事，最殘酷的替代階段就要到來了
比如很多基礎重複的工作，比如那種辦公室裡面做基礎工作的小白領，後續逐步被取代的可能性很大了
而且這裡我們還有兩個留待驗證的觀點，一個是現在的AI是泡沫，也是少數人巨大的紅利和機會。
另一個是可能伴隨著產業升級，很多人的日子並不一定會像自己期待的變輕鬆，有很大的機率會變得更卷。
01 為啥變得更卷
可能很多人都注意到了，伴隨著技術的進步和產業升級，一個顯著的特點就是用人更少了。
而且越是大家說的高科技高附加值，這類資金和智力密集型產業，可能越是不需要太多人。
這類產業的特點，基本都是大量的資金投入以後，少量的高學歷技術工人就可以操作這些複雜的裝置，很典型的就是半導體晶片廠。
或者說這類高科技產業投資雖然很大，但是做開發的都是數學程式設計領域的頂尖人才，比如人工智慧大模型就是這樣。
我們經常聽到的大模型公司OpenAI，在過去很長時間裡也就四五百個人的樣子，並沒有大家期待的會僱傭很多人。
這意味著你如果是一個普通人，整個社會給你提供的普通工作崗位隨著技術進步其實並沒有增加很多，甚至有可能變少了。
因此在國家產業升級的過程中，伴隨著勞動密集型產業逐步轉移，普通人尤其是普通工人在社會上的就業競爭力，其實是在降低的。
解決這個問題需要配套社會福利，比如高階產業賺錢以後給社會基層分一點作為兜底，產業升級衝擊普通人就業以後帶來的問題。
所以我們看到歐美這些發達國家產業升級，中低端勞動密集型產業轉移的過程中，都會持續提高整體的社會保障和福利。
不過這種持續的提高社會保障和高福利的操作，對於歐美這些人口不那麼多的發達國家來說壓力還不大。
對於我們這樣的十四億人口大國來說，持續的提供高福利和保障，整體經濟壓力還是比較大的。
因為全球的資源總量，也沒辦法支援給這麼大規模的人口，整體提供比較高的保障和福利。
再加上科技持續進步以後，使得各行各業不需要這麼多人了，勞動密集型的中低端產業也在往海外轉移。
所以伴隨著技術進步和AI對生產力的提升，未來的趨勢是一部分從事簡單重複勞動的基層工作者，會變得越來越卷。
而另一部分行業的新人甚至可能連參與卷的資格都沒了，但是這些領域的頭部會越來越集中。
比如說醫生這個行業未來如果被人工智慧改造之後，很可能會出現頭部的名醫馬太效應越來越強的現象，普通的小醫生想要混出頭變得越來越難。
說到底醫生這個行業，很多時候靠的還是足夠的經驗判斷，以及病例和手術的積累足夠多，你才有機會變得越來越好。
人工智慧公司和名醫合作，把他看過的龐大病例資料庫整合以後，就可以複製類似名醫七八成水平的線上名醫。
以前可能他看不過來這麼病例，也沒有這麼多的時間去看，但現在資料整合以後不一樣了。
線上名醫可以二十四小時無休工作，而且從醫療水平的角度，大機率比沒啥積累的多數普通醫生要高。
這中間人工智慧公司只需要做好資料歸集，還有就是和名醫的合作分成這塊就可以了，
這樣的改造完成後名醫的收入會變得非常驚人，但是普通的醫生想要完成經驗和病例積累就會變得很難了
當然這裡面可能涉及一個倫理和資訊保密的問題，但是把病人的資訊模糊化處理以後這也不是不能解決。
如果說這個領域可以跑通的話，未來很多領域都可以這麼跑一遍，帶來的馬太效應也會越來越明顯。
02 進步迭代太快了
其實在GPT出來之前，我自己對人工智慧這東西是呈負面看法的，因為過往體驗過的確實都不咋地。
多數市面上你能看到的人工智慧，在ChatGPT這類生成式人工智慧出現之前，基本都是人工智障。
而現在我看到的是，這類人工智慧大模型在不斷地進步。現在只要用很少的提示詞，就能有相對不錯的產出了。
個人感覺隨著算力的不斷提升，只要演算法足夠先進，再加上大模型不斷迭代，過去的很多問題都會變得不是問題。
因為你想想，每個人在生命中獲得的經驗成長，也是靠各種外部的訊號和資訊輸入積累起來，最終在人的大腦整合才實現的。
更重要的是，經驗和知識都不是萬能的，也不是你學了就會得出正確的歸納和結果
通常這中間要經過不斷的修正，而且這個學習的人也要有一定的天賦，你才能看到一點像樣的輸出。
很多人說ChatGPT4.0階段可以回答的內容，很多一看就是從從教科書和新聞通稿裡抄的。
如果是專業人士看到的話，會覺得條理看起來清晰，但實際上是一團亂麻的樣子。
對於真正業內的專業人士來說，這樣整理出來的東西，可以說一點有用的東西都沒有。
難道你覺得把這個工作換成有點專業知識的普通人，而不是行業內的專家效果會好很多麼？其實做出來的東西是一樣的。
多數普通人花了十幾二十年時間學習，學完認知和邏輯也像一團屎一樣，根本不會比ChatGPT4.0好多少。
起碼我自己大學剛剛畢業，沒有建立自己的邏輯框架的時候，就是這個狀態。
後面是隨著時間流逝和知識的積累，慢慢修正自己的邏輯框架以後，才有了質的突破，我自己還算是不錯的高中大學畢業的。
我們那時候考到這種985211大學，可能在全部高考生裡算得上佔比前2%了，也就是這個水平而已。
一個剛剛誕生的人工智慧產品，已經能達到學習了十幾年，成績佔比前2-3%的人類智力或者輸出水平。
你說人工智慧後面經過迭代進化以後，達到甚至超越大多數普通人的水平會有多難。
而且在經驗和知識都具備的條件下，計算機可以用非常高的效率，短時間窮盡可能計算出現有條件下的最優答案。
這時候人類唯一能戰勝人工智慧的，只有非理性一面的敏銳度和靈感了。但這玩意也並不是人人都有。
另外就是從效率的角度看，大家歸納整理的速度，還有積累同樣知識需要的時間完全不一樣。
很多領域的歸納整理，人工智慧算力夠只要5秒鐘就夠，而人類需要十幾年時間的學習和積累。
多數普通人同樣是從過往的知識和書本里面學習歸納積累，但是速度和效率卻遠不如人工智慧。
這裡可能唯一的差異就是，人腦的功率只需要20瓦，但是AI需要的算力功耗是兆瓦級的。
所以未來AI隨著算力進步和演算法提升，帶來的整體生產力提升，肯定會顛覆現在的生產力關係。
03 量變引起質變
總有人覺得人工智慧帶來生產力的改變還早，但其實很多東西都是量變引起質變
要知道在上世紀90年代，深藍戰勝頂級國際象棋大師的時候，人類還自信滿滿。
當時的說法是，圍棋這東西是人類智力明珠，未來計算機也永遠比不過人類。
結果20多年過去以後，阿爾法狗橫空出世，直接打的人類沒脾氣，沒有哪個棋類大師能幹過這玩意。
當然和社會執行規則比起來，棋類遊戲的規則相對比較簡單，但你不能否認技術進步往往會帶來指數級的突破。
我們常用的手機就是個簡單例子，十多年前我們用的手機電池還是可更換的那種，因為充電速度確實太慢。
七八年前可能我們就實現了充電五分鐘，通話兩小時的效果，這就是技術進步帶來的。
電動車一度也被吐槽充電比較慢，能量密度實在太低了，因為過去充電要充一晚上。
現在的新出來的家用電動車，基本上已經實現了充電五分鐘，續航兩小時的重大變化。
這還是電池材料技術沒啥重大突破的情況下發生的，人工智慧這種新技術的迭代只會比這個更快。
之所以很多人對AI替代的認識不足，是因為他們的認知和想象力實在太匱乏了。
這就使得他們根本看不到沒有發生的東西，總覺得技術迭代帶來的生產關係變化不會發生。
這裡再舉個例子說，掃地機器人這東西剛出來時候，很多人可能都覺得它很傻吧。
因為經常會看到卡在牆角就動不了了，掃到一半鑽床底下出不來了。還有沒辦法自己回去充電啥的，各種情況不斷。
而且最早設想的掃地機器，也根本不是現在這樣。人類最初的想象是人形機器人拿著掃把模仿人類掃地。
但這個實現起來比登天還難，因為控制系統太複雜了。現在主流的掃地機器人，就是個地上的圓盤子。
未來AI取代人類很多工作，其實也是類似的道理，首先AI是代替人類完成各種具體事項。
這些具體事項大多都有明確的評判標準，這樣就很容易判斷AI到底做的好不好。
比如回到掃地機器人這個典型的例子，大家判斷這玩意好不好，就是控制是不是簡單，打掃是不是乾淨。
基於這個評判標準，掃地機器人的外形和功能持續迭代，現在的新產品就變得很好用了。
04 時代的碾壓
很多人都在分析，這個行業那個行業很難被人工智慧取代，但我們覺得隨著技術進步，很多簡單重複的工作一定會被取代的。
而且AI帶來的馬太效應會非常集中，對上層來可以降本增效，但是對基層來說並不友好，這是時代車輪對普通勞動者的碾壓。
比如說中低端的白領大機率會被取代，簡單的體力勞動很多也都會被取代，這都是肉眼可見的大趨勢。
其實在人工智慧還沒到來之前，全自動化的生產線已經取代了很多領域的工人，全自動化的港口需要的用工減少了90%。
一輛掃大街的車輛可以替代幾十個清潔工，超市高速公路停車場現在很多變成了自動收銀，技術進步對人勞動的替代一直在迭代。
未來隨著人工智慧迭代之後越來越厲害，也不過是技術升級以後可以取代中低端普通白領，這種之前創造小中產的崗位而已
這個道理和全自動生產線取代部分工人的情況，其實本質上並沒有太大差別。
當然這裡面也有不少工作，是人工智慧不那麼容易取代的，也就是那些沒辦法標準化的的部分，是人工智慧很難無法取代的。
因為沒辦法標準化意味著，你很難有標準化流程和目標，也就很難有合適的訓練方法和資料。
無法標準化的那部分工作，往往也需要更多的複合性技能，這個也是人工智慧不具備的。
因為複合技能通常需要對行業有比較深的認知和知識積累，還有在行業內和人溝通合作，經營自己的關係和圈子的能力。
因為只要有人和人之間的合作和關係的勾兌，就會產生一些模稜兩可和不確定性，還有那些無法標準化的東西。
不過這都是少數人才有的技能，一個公司有這個技能的人寥寥無幾，可以說都不是普通崗位和普通工作能具備的。
另外還有一種事情是人工智慧沒辦法做的，那就是你能在一項工作裡面找到需要透過技術提高和改進的部分。
並且不光是能找到，而且還要摸索中精進和提高效率，這也不是人人都可以做的。
不過多數普通人是沒這個能力的，認知突破和知識積累就很難了，更別說提高和改進了。
這都屬於非常稀缺的特質，有這樣特質的人，往往並不容易被人工智慧這種東西替代。
可以說未來能被人工智慧替代的，往往很多都是那種高考時候就是知識巔峰，大學畢業幾年以後基本就開始做簡單重複的工作那種。
之後可能他們每天的工作生活基本都是重複沒啥變化，可能唯一能看到的變化就是家裡如果生了個娃。
唯一能看到的就是這孩子隨著長大，每天會有一些變化。比如今天會翻身了，明天會往前爬了，後天會走路了。
拉長時間看，如果AI技術迭代突破之後，這類簡單重複的崗位和工作，是最容易被取代的。
不過從某種意義上來說，AI技術迭代進步太快，對人口少的國家是天大的好事，但對我們這樣的人口大國是一個兩難的事情
一方面技術進步確實可以提高全要素生產率，讓我們在在國家的競爭中佔領先機
另一方面我們因為人口眾多，AI技術快速迭代以後會對很多就業崗位帶來衝擊，很多普通人可能會變得更卷。
05 抓住紅利期的泡沫
當然這個不是我們關注的點，因為你改變不了這個大趨勢，也就沒必要去琢磨和焦慮這個事情。
我們覺得對個人來說最重要的，是怎麼在自己被取代前用這個大趨勢的紅利賺到更多的財富和積累
能抓住這個大趨勢中任何一個紅利，基本這輩子就可以衣食無憂了，其實這才是你未來對抗變化和風險的保障。
要知道幾乎所有新技術在第一波落地的時候，基本都會吹起各種泡沫。
這個階段大量的資金在不斷投入，天量投資湧入也會帶來很多增量機會。
不過大家雖然覺得這東西很牛逼，但落地以後卻尷尬的發現，這東西好像從應用端賺不回來錢。
就像當初網際網路經歷了一輪泡沫剛剛落地的時候，大家也覺得除了能搜尋資訊沒啥卵用，直到它在消費端比如電商購物啥的開始爆發。
現在AI遇到最大的問題也是在應用端和消費端沒辦法落地，沒辦法讓大家在這上面賺錢花錢。
從這個角度看，現在的AI也不過處於技術落地的第一波，別看現在喊的兇，但是也不過只處在基礎設施落地的階段。
所以我們才會看到，英偉達這種算力公司業績是飆升的，因為人工智慧的基礎就是算力。
這就像2001年網際網路泡沫的時候，大家都說網際網路有前景，但沒人知道前景在哪裡。
這些因為網際網路熱炒的公司，也沒辦法從網際網路上獲利，大家都是在講各種未來前景美好的故事。
好處在於網際網路泡沫推動了基礎設施的普及，天量的網際網路基礎設施投入就是在這個基礎上產生的。
從過往網際網路行業的經驗看，在AI技術落地的第一波應該是基礎設施建設的鉅額投入。
這個階段不管是演算法算力晶片還是電力領域，都會帶來巨大的增量，因為這些東西都是AI領域的基礎設施。
之後浮出水面的都是應用端，就像移動網際網路落地的過程中，中間應用端湧現巨大的增量機會一樣，在AI落地過程中也會出現類似的機會。
當年移動網際網路和智慧手機落地以後，應用端的各種東西層出不窮，現在我們常用的手機購物、外賣和網約車，其實都是那個時候的產物。
未來人工智慧領域也一樣，會有大量的應用和消費端的東西浮出水面，就像當年移動網際網路時代一樣。
只不過現在這個領域還比較粗放和原始，基礎設施建設也沒有完成，遠沒有到大資本進來的時候。
不過即使是萌芽階段，你看前段時間很多人，不是透過教別人人工智慧的知識已經賺到不少錢了嘛，典型的例子就是李一舟。
另外就是我個人覺得，目前的人工智慧大模型還有個特點，就是見識廣關聯性強，但是目前這東西邏輯性並不強。
所以現階段它很適合輔助本來就會做這件事的人，用這個工具來提高效率，但是想讓它自主完成任務，目前還是有點困難的。
也就是說，現在的大模型可以幫助本來就懂的人進一步提升效率，但是幫不了自己完全不會做的人。
而且想讓人工智慧幫你更好的工作，就需要在人工智慧輔助的背景下，能清楚的提出問題，還有能問對問題這個技能，這個技能在人工智慧時代變得很重要
很多人之所以覺得大模型不好用，是他們自己連問題都描述不清楚，也不知道自己到底要幹啥，然後反過來說AI乾的活不行。
尾聲：
理解了上面我們說的，你會發現從人才需求的角度，未來的人工智慧領域可能需要兩種人
一種是計算機和數學領域的頂級高手，一種是行業爆發期的應用端和消費端的開發和產品銷售。
需要頂級高手的原因也很簡單，因為只有頂級高手才能到OpenAI這樣的頂級公司去做開發設計。
不過對於人工智慧這種資金智力密集型行業來說，其實這樣的人需求並不大。
你看OpenAI這類行業領頭羊公司，在很長時間裡人員規模四五百個人因為就夠了
所以研發這塊是不可能給太多人提供就業機會的，但是行業爆發期的各種應用端開發和產品銷售一定是需要很多的
應用端開發需要很多很容易理解，後端的人工智慧大模型落地以後，你總要開發前端應用，大家才可能消費買單吧
比如說移動網際網路時代硬體基礎設施搞完以後，不是各種電商購物、網約車外賣的APP不是就搞出一堆應用端嘛
這些應用端出來以後，你需要不斷調整讓它變得更好用，這就需要對應的產品經理
消費端和應用端開發出來以後，為了讓人知道你又需要做各種推廣吧。
畢竟大家知道了這個新東西才能在上面花錢，這時候你就需要大量的地推和產品銷售吧。
其實這個道理和移動網際網路和智慧手機發達了以後，智慧手機上開發出各種APP作為應用端的東西讓大家消費是一樣的。
這些應用端開發需要程式設計高手，但是落地的過程中會需要大量的產品經理和銷售人員，過去十年移動網際網路爆發時候就是這樣。
未來隨著AI領域硬體和基礎設施越來越成熟，我們也一定會看到類似的場景再次出現，泡沫也會在這個領域一輪輪重現。
對於多數人來說，未來十年的機會也在這裡，這可能也是唯一有增量和機會的領域了。
有意思的是，每次遇到某個領域泡沫來襲的時候，我們會看到通常有兩種人存在：
一種人不停的指出泡沫很快就破了，最終泡沫確實破了，但他也沒從中獲得任何收益。
另一種人泰然自若的在泡沫中游泳，在泡沫破之前及時抽身，等待下一輪泡沫。
最後的結果是前一種人越來越聰明，後一種人越來越有錢。最後當聰明人忍不住想變成有錢人的時候，泡沫就真的破了。
點選關注下方賬號，獲取最有用資訊和投資趣聞，每篇文章都有彩蛋或者驚喜！！
延伸閱讀：