▲点击订阅，抓住风口
3月6日，王煜全带来了2小时的公开直播【比Sora更大的下一个AI突破口在哪里】，解读时下的几个热门话题：
通用人工智能多久实现？AI变革的下一轮机会在哪？中国人能否实现AI反超？
直播中，王煜全告诉大家：今天的人工智能还在动物智能阶段，通用智能非常遥远，中国人如果能抓住这轮变革的规律，依然有机会实现反超，更有希望孕育出下一个20年的超级巨头。

今天我们为大家总结了直播万字文稿，一起抓住AI变革的下一个突破口！
本文由“壹伴编辑器”提供技术支持
大家好，我是王煜全。
相信最近大家都听到了很多关于人工智能的进展，其中有些是技术上的，有些是各种八卦故事。总的来说惊喜不断。
最值得注意的进展就是OpenAI推出的AI视频生成模型SORA。以前的AI生成视频最长只有4秒钟，但现在Sora可以生成一分钟的视频，而且生成的视频和真实世界非常相似。
有一些科学家和人工智能专家都认为，人工智能已经掌握了世界物理模型，也就是说能够模拟真实世界，理解各种物理法则，拥有和人类一样的智能。
我看下来有不同的判断，AI离真正的理解物理世界还差得远。比如一个考古现场挖出沙滩椅的视频，SORA生成了这个现实中不可能出现的情况，但是椅子从沙子里掏出来的时候会变形，还会漂浮，这明显不是真实的情况。
1.人工智能还在动物智能阶段
人类理解真实物理世界其实需要靠两部分的智能。
一部分和动物一样，我们就简称动物智能。就像家里的狗也知道趋利避害，它也知道如何绕过障碍物奔跑而不摔倒，这都是智能的表现。这种动物智能背后其实是记忆预测模型，也就是对周围环境产生记忆，并对未来的行为做出预测，以便更好地与环境互动。
我们人类身上也是如此，比如大家关注环境往往看那些变化的和意想不到的事物，平时走路没有感觉，如果一脚踏空我们会立刻去找原因，这就是记忆预测模型发现变化开始起作用。
我的判断是SORA出现意味着AI已经到了动物智能水平，但是离人类还有很远的距离，因为人类理解世界的方式是需要理性的。
我们需要用语言来交流，我们需要讨论并找出对同样事物的共识，比如牛顿定律、爱因斯坦的相对论都不是记忆预测能够实现的，是人类相互交流、积累的成就。理性让我们能总结出一种普遍规律，有时候甚至可以说，如果有事情不符合这个规律，不是规律错了，而是事情错了，因为很多规律是长期总结出来的。
很多人担心人工智能快速进步，说通用人工智能离我们不远了，比如周鸿祎就预计还有一两年，通用人工智能就要来了。
对此我有明确的判断：不可能。
观察SORA之后就很清楚，我们现在还没有到通用人工智能的阶段，还处在单项智能的阶段。例如，现在的视觉智能Sora，它只达到了动物水平，因为它没有理性，没有物理世界模型，所以有些错误它无法纠正。
首先要明确一下，智能并不一定意味着掌握物理世界的法则，就像各种动物，不明白物理、化学依然可以在这世界里活得很好。
很多人不知道牛顿力学，甚至有的人今天也不相信地球是圆的，但这并不影响生活。所以，我们要理解真实的世界需要的是理性，而不仅仅是智能。
人类的智能发展到今天，尤其是语言智能发展到今天，实际上是在动物智能之上叠加了大量的理性成果，推动了人类的原始智能发展到今天的水平。智能本身可以不理性，而我们的大模型的训练机制就是大量数据输入，进行训练，这种情况下它会形成智能，但不形成理性，所以就会出现像人类不太理性的交互，会产生一些不太理性的错误。
到了SORA模型也是一样的，它是智能的，但它不是理性的，而且它是单项的智能，只是ChatGPT训练出来的是语言智能，SORA是视觉智能，未来可能还有更多的智能，但它们都不是理性的。
问题来了，如果你要提升到理性层面，或者你要实现通用人工智能，你需要什么？
著名的AI科学家Yann Lecun提出了一个世界模型，从人类大脑获取的灵感，希望模仿人类大脑构建起一个多模型协作的机制。许多人也认为，现在AI在某个方面复制了人脑的功能，那么我就已经产生了智能，那么如果我在多个方面复制了人脑，我是否就会产生通用人工智能？
实际上并非如此，这中间有一个巨大的鸿沟需要跨越，如何将语言、视觉不同的智能泛化成为通用的过程，不是几个模型组合就能解决的。
真正要实现通用人工智能还是该好好参考人类的智能的进化过程，不只是人工智能的单项智能变强，更需要形成多个智能体交互、积累的环境，也就是说需要智能社会。
这就是为什么我更关注AI agents的原因。让多个智能体学会交互，每个智能体在交互的时候都有自己的个体经验，它会产生智能，但是个体经验这个智能到底对不对，可以在多个智能体的交互验证中积累。
当然，人工智能如何交互这是我们很难想象的，它可能使用人类已经掌握的语言进行交互，也可能会产生机器与机器之间使用机器语言进行交互。一旦AI可以社会化，可以互相交互，而且可以互相进步，那么这就会产生通用能力。
这背后其实是人类发展的历程，我们今天觉得自己的智能水平很高，依赖的其实不是个体进化，而是整个群体的协同进化。也就是说，你的智能的形成和你周围的人是有关系的，如果没有周围的人，你的进化水平就不会提高。
我认为人工智能可能遵循的是同样的路径，人工智能走到今天是向我们的个体智能致敬的，但是再往下走，要形成通用智能很可能也需要走上群体智能的道路，这是我的一个判断。
现在有越来越多的证据支持这一点，比如说最近出名的Claude 3大模型，它的各项指标看起来都与OpenAI最强的GPT-4相当，看起来是一个非常不错的大模型。这个模型来自OpenAI前员工成立的Anthropic公司，就是OpenAI的创始员工，现在可以说是第二大的闭源大模型。
有很多人说，这是个大事，意味着OpenAI被超越了，但我其实不太关心。原因也很简单，Claude 3实现超越背后并没有什么颠覆式的创新，更多靠的是数据和工程上的优化。
就比如Claude 3公布的测试数据，你会看到它的很多测试成绩只比GPT-4高了0.1，在几个GPT-4比较差的项目上有明显进步。这种补上短板的改进显然并非什么颠覆式的进步。
这意味着OpenAI很快就会跟上来。我们可以预期的是未来AI竞争会更加激烈，OpenAI的领先性不会独占，更不用说后面还有一大堆的开源模型在等着。
2.SORA为什么重要？
离通用智能有差距，并不影响单项智能的价值。
这就是 Sora 出现价值巨大的原因。
为什么这么说呢？
吴恩达和李飞飞年初就分享过，24年的重要看点就是会有大视觉模型的崛起。
ChatGPT出来的时候我们以为大语言模型已经是AI的一个终点，当时OpenAI已经展现出同一个模型处理文字、图片的能力，通过数据预处理实现图片和语言数据统一化，也就是所谓的token化。
现在 Sora 的进步，很重要的地方就是在token化上再进一步，提出了patch的处理方法。Patch具体是什么我就不详细展开说了，简单说就是把一段视频看作大方块，把它切小变成一个个小包，也就是Pacth交给AI学习，最后结合diffusion model 生成视频。
底层还是大语言模型，但是工程方法有了很大的变化，这意味着不同的类型的数据预处理方式有了很大的差别，这就影响了智能形成的方式。
这是 Sora 给我们带来的一个非常重要的启示。这和我们人类其实非常相似，并且让我们也能看到潜在的发展方向。
一方面，我们的大脑和大模型很像，它有一个统一的机制，人类的新皮质有六层，和卷积神经网络上百层相比简单多了。但是用更简单的东西能够高效地处理事情，实际上是更高级的体现。所以我们的大脑的运算能力实际上比现代的人工智能要高级。
另一方面，大脑里面是有区分的，有视觉区、听觉区，就像电脑里面人为划分这个硬盘存储，但是硬盘本质是一样的。
我们的大脑看似用一个大型模型来处理所有信息，处理视觉、听觉、嗅觉、味觉和触觉，其实所有身体的感知信息都从枕骨大孔进入大脑，大脑处理的只是电信号，视觉、听觉、嗅觉、味觉和触觉是不同方式处理形成的信号数据。
这就给我们带来一个重要的启示：要形成一个完整的认知，不仅需要数据采集，而且还需要预处理，每种感觉的预处理可能都是不一样的。
这是不是和AI非常相似，现在视觉的预处理叫做patch，未来听觉、嗅觉也会需要新的预处理方式。
听起来很奇幻，其实现实已经有案例。我们我们为盲人投过一个项目，现在已经上市了，叫做"盲人眼镜"。
这款眼镜利用体外摄像头收集外部的视觉信号，然后用处理器在体外进行处理，将视觉信号切成一堆小格，形成一幅图像。这个图像是由电画出的，电强度和光强度对应，通过刺激盲人的舌片帮助形成外部世界的三维感知。
这就意味着我们在体外完成了外部视觉信号的收集、处理和转换，就像patch一样把数据重新打包，再交给人的大脑感知处理。
现在可以让盲人看到视频，看到外部世界，理论上如果掌握了处理技巧也可以让聋人听到声音。
但如何进行预处理我们现在还没有找到门路，也就是我们需要找出如何将外部声音转换为电信号，形成模仿声音的电刺激，让大脑能识别声音信号，并能还原成声音，这一步还没有找到办法。
回到人工智能上，随着单项智能化加速，未来处理听觉、嗅觉的智能模型都会出现。在智能化过程中，甚至可以反过来推动人类智能的进步。比如，我们的听觉是如何形成的，听觉数据模式的理解都会随之进步。
3.单项智能进化对中国企业的意义
这对于中国来说是一个重大的机会。
过去全世界都认为所有的基础突破都在美国，好在美国企业经常搞开源，所以中国企业不会落后太久，即使落后了几个月，只要人家又有新的开源模型出来，我们就可以直接使用，只是没法反超。
现在我认为反超的可能已经出现，原因是大模型的进展并不快，而且差别不大。只要我们跟上别人的大模型处理方式，并在数据预处理上下功夫，我们就有可能形成更强的智能，就像 Sora 赶超其他的视频处理工具一样，我们能够形成非常强的领先优势。
我们反超的机会并不在大模型上，而在数据预处理上。我们过去对数据预处理的重要性严重低估了，因为只有足够好的数据预处理和大模型结合，才能产生真正的智能。
未来，我们已经看到了两个主要的智能方向，一个是语言智能，一个是视觉智能。有没有可能产生其他智能？这是很有可能的。
4.健康智能的新机遇
我们可以从认知科学中学习，例如 sensory augmentation，也就是知觉的扩增强或者扩张。人类大脑最擅长处理各种模式，你能处理的模式增加，你的感知就在增加。
现在人工智能通过文字、视频形成记忆预测，从而产生更强的智能，未来也能通过对其他模式识别形成新的智能。比如我们正在做的事情，就是收集人类的健康数据，尤其是使用可穿戴设备收集大量数据就能形成新的健康智能。
现在医疗系统已经非常发达，人类的疾病在过去的100年里已经得到了很多的治疗，很多疾病已经从无法处理变成可以处理了。但是，我们对健康的理解远远不如对病人的理解。
你生病了就会去医院，医生就会照顾你，因为医院积累了很多对病人的了解，但是如果你没有生病，谁会管你呢？你自己回家吧。
我们对健康人并不理解，但是正常人之间的差异可能比人和病人之间的差异还要大。正常人之间的差异范围可能比人和病人之间的差异范围还要大。
为什么呢？
因为医院只在你的指标和标准不一致的时候才会干预，但是每个人的标准其实差距很大，医学上的标准并不是对每个人都有作用，医生也不能让你先回家把健康数据采集完了再来看病。
所以我们需要为每个人建立他自己的基准值，然后建立每个人的健康值，才能知道每个人的状态和它的健康状态到底偏离多少，需要多少干预。比如春夏秋冬体温就会变化，有些偏差是生病的偏差，然后我们就把它揪出来，这个偏差是生病了，这就是我们未来会形成健康智能。
这反过来也会重新构建人类的健康智能，我需要收集哪些数据能够形成对健康的统一认知，这件事在现有的卫生系统中是无法做到的，因为只有病人才能采集数据，正常的数据没有采集，这就是新来者的机会。
这时你就会发现，在健康智能上发力，大模型的底层还是一样的，但领域不同，业务不同，依然能做到领先甚至反超。
5.人工智能的转折点
人工智能的应用化，现在已经到了一个转折点，大模型通过专有数据训练依然能形成更强的智能，不是一个大模型解决所有的问题。
这意味着以后各行各业，甚至说我收集的是公司管理数据，将来可能形成管理智能，这个市场营销数据，将来可能形成营销智能。
这意味着，无论是收集公司管理数据还是市场营销数据，未来都可能形成相应的智能。
我认为营销智能可能很快就会实现。原因很简单，过去我们谈论的是流量经济和私域流量。公域流量就像河流，你可以在里面捕鱼，只要有网，你就可以捞鱼，没有其他成本，只有体力劳动，但现在不同了，无论你使用GPT还是其他大语言模型，每个模型的使用都有费用。
这就是我说的新一代的线膛枪革命，以前用滑膛枪，虽然打得不准，好在成本也不高，现在进化到线膛枪，技术性能提升了，每一枪也都要精准，因为子弹是有成本的。
人工智能的革命不止这样，因为战术也要变化。
我一人只能对准一个目标，一人能管理多少枪炮?只有一支。那怎么办?我们需要转变，变成营销智能，让一个智能体能管理一百万支枪炮，瞄准一百万个目标。这不是让我们的世界变得更宽广了吗？
这就是我想告诉大家的，不光人工智能应用有机会，使用人工智能应用的方法也有巨大的机会。
6.怎么看待通用人工智能？
不久前黄仁勋在一个采访里说，通用人工智能需要一个更清晰的定义，现在的定义比较模糊，但是你只要能提出一个明确的问题，5年内AI都能解决。
很多人误以为黄仁勋说通用人工智能时代将在5年内来临。其实，他是在讲专有人工智能解决细分问题，即使再难的问题，5年内也能解决。
简单来说，现在的人工智能并非通用智能，但这并不妨碍我们使用它。因为人类虽然表面上拥有通用智能，但实际上和人工智能是一样的。我有通用性，并不意味着我可以向任何方向发展。
乔丹是NBA三届总冠军，他的运动天赋非常强，也不是通用的运动天赋。在他职业生涯中就试图去打棒球，但没有成功。后来他回到篮球场，再次拿到了3届总冠军。
即使是拥有高级运动天赋的人，也很难在其他领域取得成功，今天的AI更是这样。
这里我想引用OpenAI的CEO Sam Altman的话，他说当前的人工智能已经是你中等水平的同事，虽然他不是最优秀的同事，但他已经不再是新手。
你的中等水平的同事已经能做很多工作，现在需要你来协调你的同事们。以前管理学说一个好的企业应该是能够让一群普通的同事也能产生好的结果，能让企业盈利，能持续发展。
我记得很多年前，我第一次访问英国，了解到一个案例。
英国在非洲修铁路时，他们要实现智能化调度和物流跟踪。但非洲许多地方的人没有文化，他们怎么办呢？
在许多关键位置设立岗位，岗位的人无需文化知识，只需在火车过来的时候拿起电话说火车过去，就这样对整个系统进行监测。
这是一个很典型的例子，员工都是新手，但系统很优秀，所以能运转。新手员工能带动一个复杂的系统运作，这才是我们英国追求的目标。
现在的人工智能已经不是新手员工，是中等水平的员工，理论上讲，我们可以做很多事情。如果你还以为我们做不了什么，还需要等待人工智能进一步发展，那你就错了。
我们人类的了不起之处在于我们的复杂协同能力。每个人都无法掌握登月所需的所有知识，但我们合在一起就能登月，这就是复杂协同能力的力量。
7.人工智能会威胁人类吗？
至今，人工智能并未实现社会化，因此并未形成人工智能社会。然而，未来的发展肯定是向社会化方向进行的。
许多人质疑，人工智能是否会像电影《终结者》中的天网一样，毁灭人类？实际上，天网只是一个数据中心，而且一个超级智能体肯定不会毁灭人类，因为它肯定不如人聪明。
人的核心也不是超级智能，而是所有人在一起形成的社会化智能群体，文化作为智能的蓄水池，理性能帮助我们把智能东西总结成可交流的语言，沉淀到文化里。
因为有了文化，人类社会才特别强大。
有了人工智能只会让人类智能进步速度继续加快，这意味着我们将有大量的服务机会产生，我们称之为服务规模化。
在过去，烹饪、教育、算账许多事情我们都需要自己去做，这些服务也可以交给别人或专家来做。
工业革命用机器让我们解放了很多，但在这一轮的智能革命中，我们可以用人工智能形成专家机服务，让我们解放出更多，让我们的大脑去从事有创造力的工作。
很多人担心人工智能超越人类，但是人类同样在进化，而且人类的群体进化速度很快，人工智能是单个进化速度很快的，群体还没开始。所以，当人工智能的群体进化速度加快了，才可能和人有一拼。
当然，即便到了那个时候我也不认为人工智能会把人类干掉，更有可能的是不同的人和人工智能组成新的小团体，相互竞争。
简单说，人工智能还有进步的空间，离通用人工智能还非常遥远，但这并不妨碍我们现在把它当作一个人看待。他能做很多工作，已经成为了专家，但他们还没有学会如何协作。
人工智能还没有掌握协作，所以你的价值是什么？是能和机器协作，你能带动更多的机器工作，我们称之为拥有更高的机器智商。
未来的成功者是机器智商高的人类。你要当领导人工智能的将军，好好使用这些中等水平的人工智能同事。
8.人工智能带来的新商业
既然你要担任这个领头的将军，那也需要担起看清未来的责任，所以我们接着探讨人工智能的机会在哪！
今天有一个说法，叫AIGC，人工智能生成内容，很多人认为这是未来。在我看来AIGC很有价值，但它很多时候并不是一个生意。
就好比我可以写一段文字，但仅仅卖文字并不能成为一个生意，只是一个手艺。我需要创建一个可以持续销售文字的平台，例如榕树下中文网这样的小说网站，你需要有持续的东西来做生意。
我们都知道midjourney，一个图片生成网站，收入还不错。它在只有11个人，其中几个人是兼职的情况下，一年赚到一个亿美金。人们说这个业务不错，但问题是，为什么midjourney的收入不能再持续增长了？
因为它只赚了一份钱，那就是配图的钱。
以前各种媒体、广告的图由专业画师画，甲方提出配图建议，就像人工智能的提示词一样让画师画，如果你不满意想要微调，或者让画师画10幅选一幅，画师可能会感到不满，所以微调的空间很小。
用midjourney这样的工具，因为它可以生成10幅供你选择。如果不满意，可以换提示词微调，效率高了，成本低了，确实是一门生意。
但它面向的主要还是画师市场，因为人们愿意为他们的作品付费。至于普通人，他们可能会用midjourney生成画，但他们可能不愿付费，因为普通人没有持续生成内容的需求。
这就是许多技术革新时，应用开发者常常会忽视一个问题。
技术开发者喜欢从技术的角度出发去开发应用，而没有深入了解用户真正的需求。所以，我们说技术革新就像坦克，但如果想要真正成功，就需要深入了解和满足用户的需求，用坦克打出闪电战才行。
以报纸和杂志为例，他们需要的插画要有一致的风格。比如，美国的一本知名杂志叫《纽约客》。它的插画都是线条画，都是有点夸张的线条画。这样的画一眼就能看出这篇文章是《纽约客》的，因为这就是他们的风格。
如果你要处理这样的问题，你会怎么做？
我会和杂志商谈，帮他们设计一个统一的风格，他们可以买下这个风格。然后，我用这个风格为他们创造的所有图片都是他们的，因为我帮他们保持了图片风格的一致性。时间长了，他们的读者一看到这幅画就会认出来，就会知道这是他们的风格，他们的杂志，他们的插图。
我先收风格费，然后在风格费里包含每个月或每周制作不超过一定数量的图片。如果他们需要更多的图片，我就加收费用。这样就变成了一种订阅服务。我用这个风格持续为他们创造内容，这就变成了一种服务。
所以，我们说未来主流不是AIGC，是AIGS。当然，刚才说的只是一个简单的例子，未来会有更多复杂的服务。
9.人工智能革命的规律
我们甚至从工业革命以来对科技进步带来的所有变化进行了梳理，我们发现变化很相似。
我们经常提到的一句话就是马克·吐温说的“历史不会重复，但会押韵”。
历史确实不重复，原来叫工业革命，现在叫数字革命，虽然不一样但许多内在规律是相似的。
我总结了技术革命的规律，可以把人工智能发展分为四个步骤：
首先是性能调优，这在早期很流行，因为效果立竿见影，但可能会被大平台收购或挤出市场。
其次是节能增效，用更少的人力完成更多的工作，这在游戏设计，广告设计，视频制作等方面已经很常见，但是节能增效很难形成大市场。
最后两个阶段分别是简单服务和复杂服务。
我们所说的简单服务并不是指服务本身非常简单，而是指一次交互就可以解决问题的服务。例如律师服务，我可以把我的情况告诉你，你就能帮我解决问题。心理咨询服务也是如此，我可以把我的情况告诉你，你就能给我提供咨询。这些都是我们所说的简单服务，一次性解决问题，不需要长期跟踪。
复杂服务则需要长期跟踪。如我们正在进行的健康长寿服务，如果你没有持续跟踪、没有形成一个基准值，对每次的偏差都有理解，那就无法真正理解其含义。我们人体本身也是一个复杂的生态，能自我纠错，不是每次偏离正常的水平就一定会生病，很多时候自己就回到了健康线。
所以，要实现真正的个性化健康服务，医疗的前提是个性化的长期跟踪监测。没有这个，就无法实现个性化医疗。因此，我们称之为复杂服务，不是简单的一次性服务。
10.人工智能时代的教育
另一个复杂服务的案例是教育。传统的教育是大规模的，让人变得像螺丝钉一样。如果你符合标准，你就合格；如果你跟标准不同，你就不合格。
在学校里，老师使用的教学指导就是这样的标准。如果你的总结跟指导一样，你就能得满分；如果你的总结跟教材的主题不一样，即使你有自己的想法，你的答案也会被认为是错误的。
因为有了标准答案，就有了阅读的标准，这听起来很荒谬。这就是工业革命的常态，因为它需要标准化的零件。
在人工智能和数字化时代，我们不再需要标准化，因为这些标准已经被人工智能取代。
我们需要的是人的创新，人应该是个性化的，人应该是独特的。我有自己的专长，我有自己的专家系统，我才有生存的价值。如果我跟别人一样，我就没有价值，因为我可以被机器替代。所以，我必须是不可替代的，我必须跟机器不同。
在这种情况下，你会发现真正优秀的是非标准的，而标准的是不合格的。
今天的教育都是基于标准的培养，这很有可能导致我们教育的人无法超越人工智能，因为人工智能比我们更好地掌握了标准答案。
每个人都是不同的，教育培养也应该是非标准化的。
古人其实已经在这么做了，孔子提倡根据每个人的才智来培养他们，释迦摩尼则提倡当机立断的教学法。
人的成长是有一定规律的，就像小孩子不能预测他将来会长多高一样。我们不能从小就学习非常难的知识，也不能等到高中才学习基础知识。在一定的范围内，我们应该能自由选择课程，这才是真正的成长规律。
今天的学校教学不能满足这种个性化的需求。比如在小学，我们不能选择我们想学的知识和水平，可能会出现知识太浅或太深的情况。
今天依靠人工智能老师这种情况很可能得到改变。
这些人工智能老师就像一个专门研究如何因材施教的团队，他们会判断学生的个性化发展方向，给出对应的建议，这个团队还能把各种牛人囊括进来，有释迦摩尼，孔子，老子，让各种大家来教育下一代。
虽然听起来不可思议，但这就是正在发生的事情。
11.打造有壁垒的业务
这就是我们需要关注人工智能的整体发展，而不是只关注大模型的原因。
为什么呢？
就像蒸汽机已经发明了，再发明一个效率提高1%的蒸汽机意义不大，除非你买不到蒸汽机。现在各种AI大模型已经有了，我们可以使用它们，所以再发明一个类似的意义不大。
人们常问，瓦特为什么重要？瓦特并不是第一个发明蒸汽机的人，但他的蒸汽机是第一个实现广泛商用的，可以广泛应用于火车、轮船等，所以他很重要。
后来有非常多人改良了蒸汽机，但我们依然纪念的是瓦特，往后被纪念的都是那些将蒸汽机应用到不同领域的先行者。
人工智能变革已经发生，我们接下来需要关注如何商业化和普遍使用这些技术。任何黑科技的发展都有其规律，每一轮的技术推动都是一种通用技术的推动，这是一个重要的标志。
蒸汽机的出现，最初是为了替代老蒸汽机，提高效率。但是很快，它就出现了新的应用，人工智能也会出现新的应用。
现在人工智能的发展到了什么阶段呢？就像瓦特蒸汽机一样，现在的人工智能已经可以广泛应用于各个领域，新的机会在新的应用场景中。
这个时候不要急着用你的AI技能生成更多的内容，因为生成内容没有什么难度，你我都可以做到。
AIGC不应该只停留在内容的层面，而应该演化成AIGS，从提供简单服务演化成提供复杂服务。一旦形成复杂服务，你就会形成强大的壁垒，因为你会形成自己新的智能模式。
内容生成的简单服务是不可能变成智能的，但是复杂服务会变成智能。未来我们会有健康智能，会有教育智能，各种行业的专有智能是真正的未来。
基于行业专有智能，形成专业级的、专家级的长期服务，这是真正的未来，那才是有壁垒的业务。
这种智能的形成一方面要能对数据进行预处理，并且持续地进行预处理能构建新的模式、新的记忆预测。
12.人工智能下一个变革要看...
蒸汽机在应用到货车和轮船过程中有一个关键人物。这个人叫做威廉·默多克，他是瓦特公司的员工，后来被瓦特的儿子提拔为合伙人，从员工变成了老板，非常成功。
威廉发明了曲轴连杆，能够把往复运动变成循环运动，这就是配套技术。这个配套技术不是瓦特发明的，而是威廉·默多克发明的，而它带来了广泛的应用。
人工智能时代的这个曲轴连杆是什么？就是AI agent。
我一直在关注AI agent的进展，微软最近发表了一篇论文，用不同的AI agent来完成手机上的各种操作，非常值得期待。
终端智能的爆发年就在眼前，在手机上会有越来越多的智能APP出现，我预期其中有一小部分甚至一半是智能化的游戏。
如果你是做游戏的，觉得智能游戏可能会是个大机会，可以跟我们联系，因为这需要协作，你懂游戏，我懂智能。尤其是智能要向认知靠拢，所以要懂人类认知，懂人工智能和游戏结合才能创造出大作。
未来是一个跨界碰撞的好机会，包括我们刚才讲的数据智能，形成智能水平，行业智能，教育智能，健康智能等等，这都需要跨界融合，技术专家和认知专家一起来构建，加强需求的挖掘，这个市场专家一起来构建的新东西。所以我们的未来一定要跨界合作。
欢迎有志向的人，跟我们一起探讨，因为我们在这方面总结了不少经验。比如你是做APP的高手，原来做了一些游戏的APP或者别的APP，你觉得现在终端智能来了，我要转做终端智能开发，现在正是时候。
13.未来20年的新巨头即将出现
关于未来，我和京东原CEO徐雷有相似的看法，现在不是一个时代的下行，而是一个崭新的时代的开始。
这个崭新时代有它的连续性，历史从来不会突然出现这个，它是押韵的，只不过韵脚换了，但同样会经历导入期、展开期的变化，他们还有着完全不同的特性和逻辑。
为什么能做出这个判断？因为有以前的历史经验做参考。如果站在工业革命早期就很困难，工业革命是一种新的规律，它与以前的规则不同，这也就是当时很多思想家的判断和历史发展并不一致的原因。
我们现在很幸运，因为一个完整的工业革命已经完成了。我们现在可以对照数字革命，它有一些新的元素，但基本的规则是一样的。这样我们就能大概知道未来的趋势。
这也就是我们研究历史，研究科技革命如何改变世界规律的原因，因为这样可以更好地预测未来。我把这些预测放在我们的科技特训营，每周四晚上直播，如果你想了解科技产业的特点，智能服务该如何设计，欢迎加入。
为什么我们要一起分析呢？因为预见未来的转折点是一门学问。
我们一般做线性预测，看到什么就是什么，以前都是提升性能，节能增效，所以这就是未来。
回看工业革命就会明白，蒸汽机的出现不是简单的性能提升，更重要的是开拓新领域，比如火车、轮船。
现在也一样，需要用人工智能开拓新的领域。如果你有这样的热情，希望在理论和实践上都走在前沿，那么欢迎你加入我们。 
在科技训练营，我们一起探索世界的本质规律，也就是科技推动社会发展的规律，希望你能加入我们，一起做这个事情。我相信你一定不会失望，因为这里面蕴藏着巨大的机会。
如果你想先体验一下，我们还有AI小课。我的同事Tina分享了入门AI的各种经验和工具，不需要你有任何基础，零基础也可以学。
现在人工智能的门槛特别低，你只需要掌握这些技能，半小时就可以学会编曲，或者做视频，甚至自己开发一个游戏。 
我们今天给大家讲的规律是技术进展的规律。但是你如果真正开发应用的时候，你其实不用了解那么多规律，你只需要能上手、能开发就行，但如果你了解这个规律再去开发，你会比别人看得更远，更能抓住机会。
这个时代正在孕育着巨大的成功者，未来的BAT，未来的谷歌、Facebook，他们的孕育期就是现在，未来这两年就会诞生二三十年后的超级巨头。
当然，我们不能确定什么时候这个机会会出现，或者谁会把它实现，这是有偶然性的。
如果没有乔布斯，智能手机可能会晚两年出现。如果没有马斯克，电动车可能会晚两年出现。
所以，我们依然需要人来驱动这个机会，创业者依然是必要的，这也就是属于看懂未来者的机会。
14.科技就是最大的慈善
美国有个著名的艺术家安迪沃霍尔。他说，美国总统喝的可乐和街头的乞丐喝的可乐是同一个生产线出来的，没有区别。他说这是美国的伟大之处。
这其实是误解，因为这不是美国的伟大之处，这是工业革命的伟大之处。后来我们发现，只要中国人参与，全世界的物资都会变得更加丰富，不仅仅是可乐，而是很多产品。
这就是中国的伟大之处，因为中国是工业革命的继承者和推动者。
我们都知道，最贵的车叫劳斯莱斯，但劳斯莱斯的好在哪里？是真皮的座椅吗？不是，车的关键是发动机。
劳斯莱斯的发动机以前在飞机上使用，是领先的。但是现在，劳斯莱斯的发动机能说是世界最好的吗？不是，有很多车的发动机都很好。
其实到了七八十年代，汽车的机械结构已经进步到了极致。
劳斯莱斯之所以卖得贵，今天已经不是靠性能参数，而是靠身份地位的炫耀的属性。
工业革命把人的物质生活的差异给抹平了，许多产品上的差异都变成了身份地位的炫耀。
然而，服务质量的差异依然很大。富人能请专家提供理财服务和医疗护理，但穷人却无法负担。
数字革命正在在改变这一点，比如，自动驾驶就证明了专业服务可以被复制。自动驾驶的水平已经很高，至少比我开车要好。
有些人不同意，他们觉得自己开车很好，但如果用专业的评价，自动驾驶肯定更好。
未来，会有更多专业领域的服务可以被复制。最好的专家只有一个，但人工智能可以有无数个。未来每个人都能得到最好的专业服务，我们称之为服务规模化时代。
正因如此，我判断长期持续的复杂的智能服务是最大的机会，因为这是一个以前没有的市场，将形成一个巨大的增量市场。同时，世界经济也会加速发展。
我认为世界未来会更美好，人和人之间的合作会更多。工业革命让人与人之间产生疏离感，但是未来是智能服务的时代。你和我都会带着一堆人工智能体，提供我们的专业服务，就像工业革命时代一样，每个人都可以生产不同的产品，每个人都能买到更多的产品。
在这个智能服务的时代，每个人都可以提供和享受更多的专家级服务。比如说，我们都希望孩子能得到最好的教育，但并不是每个家长都能成为教育专家。 
过去，教育专家只能教育少数孩子，但现在你可以借助人工智能教育无数的孩子。这个市场很大，这就是未来的趋势。
这意味着我们又一次有机会减小贫富差距，这次不仅仅是财富，还包括服务的质量。
我去年被邀请去蚂蚁金服做培训，他们开玩笑说蚂蚁金服门口的标语写着"科技是最大的慈善"。
我对他们说，你们的标语写得很对，但你们知道为什么吗？从工业革命以来，科技企业的目标就是将最前沿的科技以最大的规模和最低的成本让所有人能够得到，这就是慈善。
15.智能服务才能降低贫富差距
现在我们正处在另一个关键点，我们用智能服务让最专业级的服务，让所有人都能享受到。这同样遵循最低成本，最广覆盖的原则，让所有人享受到最专业级和个性化的服务。
我给智能服务定义了四个特点，一是专家级的服务，二是个性化的服务，三是持续服务，四是普惠的、广泛覆盖的、人人都能享受的服务，这才是真正的智能服务的定义。
智能服务实际上降低了贫富差距，穷人和富人能享受到的服务变得一样了。富人愿意多花钱享受炫耀服务，这是他们的选择，但是所有人都能享受到一样的服务，这是没有区别的。
就像蚂蚁金服等等公司的高管肯定有很多钱，他们需要别人帮他们理财。马云比他们都有钱，他的理财顾问肯定更厉害。但以后，如果马云和他的同事们用的理财系统不同，马云可能会吃亏。因为如果大家都用同一个系统，这个系统就能学到更多，变得更聪明。所以，大家都用的服务才是最好的。这个想法和工业革命的想法一样。
未来每个人都应该有最好的教育顾问，职业顾问，心理顾问，甚至生活顾问。你是否想要释迦摩尼、孔子和老子开导你的人生？以前这只是故事，但以后可能会实现。当这些需求被实现后，解决了人类的大问题，创业者的回报也会很大。
16.一起见证未来
我们生活在一个伟大的时代，这个时代让我们有机会谈论诗和远方，这个时代接连不断的技术变革也让我们有机会创造自己的价值！
今年由于疫情和中美贸易战等原因，可能会有一些困难，特朗普当选的可能性在增大，中美贸易战和科技战可能会加剧，甚至可能会有地区摩擦，这可能会让人感到不确定，但如果你从历史的角度看，科技进步是真正影响历史的因素，其他都是小事。
所以，专注在最重要的事情上，投入时间和精力，忽视其他因素，你将会有最大的收益。
最后，如果你认同我们正处在历史革命的转折点，认为这是一个新时代的开始，你想更深入地理解这个时代，抓住这个机会，欢迎你加入我们的科技特训营。
未来两年是新模式的形成期，我们正在等待新的巨头的出现，或者你自己成为一个巨头，希望我们一起参与、共同见证。
今天就说到这，再见。
【前哨科技特训营第四季前瞻】

1. 前哨科技特训营直播课程第四季（2023年）共50讲+，除此之外还有5节加餐+公开课。
2. 每讲承诺为1小时视频内容，实际平均时长为2小时。
3. 每周四晚八点准时直播，会员可无限次观看回放。
4. 新入会员，可以无限次回看之前所有视频课程。
5. 成为会员即可使用【AI王煜全】，最新AI大模型开发的专属科技分析助手

6. 每周组织【前哨·创新启发局】，链接科技/产业一线人士，打开技术/应用前沿视野

7. 优先获取全球科技产业一线游学、访问机会，接触科技/产业专家，获取最新、最前沿的趋势洞察，人脉链接

8. 本课程为虚拟内容服务，年费订阅服务制。一经订阅概不退款，线下活动需另行支付差旅成本，请您理解。

【课程咨询】
请加“创新地图助手”：

微信：innovationmapSM
继续阅读
阅读原文
关键词
模型
视频
大模型
技术
视觉