陆奇：“模仿”微软 Copilot，结构性代际因边际成本转为固定成本

撰文｜宇婷‍‍‍‍‍‍‍‍

OpenAI 一路走下来的关键技术

GPT-1 是第一次使用预训练方法来实现高效语言理解的训练；

GPT-2 主要采用了迁移学习技术，能在多种任务中高效应用预训练信息，并进一步提高语言理解能力；

DALL·E 是走到另外一个模态；

GPT-3 主要注重泛化能力，few-shot（小样本）的泛化；

GPT-3.5 instruction following（指令遵循）和 tuning（微调）是最大突破；

GPT-4 已经开始实现工程化。

2023 年 3 月的 Plugin 是生态化。

周末下午在机场等机，恰好有时间听了奇绩创坛创始人兼 CEO 陆奇对话创业者，并做了几个社群的直播。陆奇是从商业和技术角度，最为有话语权的中国创业者、高官和技术 Leader。

体感上，第一陆奇效率非常之高，他会打断创业者分享不清楚，以及重复的表达，但他非常开放，且角度是提升效率完全不带有任何情感色彩，很纯粹。第二他说话非常有力。第三他直接提出，最佳路径就是直接模仿微软的“副驾驶仓”Copilot，非常务实。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

我总结了自己记忆犹新的观点：

如果长期基于中国业务，建议使用中国大模型

创始人未来重要能力：独到见解，懂人性。创新需要边做边学，大学未来真正要培养创新的能力，培养学生学习懂社会、人的能力

在国内做 OA 要跟腾讯阿里字节 pk，机会有，范式改变的时候（AI）创业公司有机会，因为创业公司可以很快把东西做出来，但必须在激烈竞争的国内有独到见解。

在 AI 范式改变的当下：技术只会在很短暂时间里成为壁垒，尤其是算法（因为聪明人太多）。核心起步是你是不是有独有的数据，避免 chatgpt 淹掉（美国 yc 一大批公司被 gpt 淹没）。数据成为模型之后，使用效果能否成为闭环。

连续创业者踩的坑是最值钱的。唯一是踩了很快爬出来，把大坑变小坑。

盖茨提出如果用自动化替代工人，就要交更多税，平衡速度。以及新的教育方式，新的技能培养。第三最终 5%的人工作，95%的人在更大空间的体育和电竞领域这种新体验的领域。

创始人时间分配：找到客户及交流；如何在产品不 ready 时说清楚产品。用好社区交流，是保持产品差异化的方式。

与此同时，腾讯新闻《潜望》张小珺老师写了一篇文章：分享了陆奇的大模型世界观。其中有一些观点：‍‍‍‍‍‍‍‍‍‍‍

今天大部分数字化产品和公司，包括 Google、微软、阿里、字节，本质是信息搬运公司。一定要记住，我们所做的一切，一切的一切，包括在座的大部分企业都在搬运信息。

一家伟大公司叫 Google。为什么会有这个拐点？为什么会有爆炸式增长？把这个观点讲清楚，就能把今天的拐点讲清楚。

原因是，获取信息的边际成本开始变成固定成本。

一定要记住，任何改变社会、改变产业的，永远是结构性改变。这个结构性改变往往是一类大型成本，从边际成本变成固定成本。

Google 为什么伟大？它把边际成本变成固定成本。Google 固定成本很高，但它有个简单商业模式叫广告，它是世界上高盈利、改变世界的公司，这是拐点关键。

模型的成本开始从边际走向固定，大模型是技术核心、产业化基础。OpenAI 搭好了，发展速度爬升会很快。为什么模型这么重要、这个拐点这么重要，因为模型和人有内在关系。

这一次大模型拐点会让所有服务经济中的人、蓝领基本都受影响，因为他们是模型，除非有独到见解，否则你今天所从事的服务大模型都有。下一时代典型的职业，我们认为是创业者和科学家。

在未来，自动化、自主化的动作可以无处不在。

人和数字化的技术共同进化。Sam 最近经常讲，它必须要共同进化，才能达到通用智能（AGI）。通用智能四大要素是：涌现（emergence）+代理（agency）+功能可见性（affordence）+具象（embodiment）。

一开始比尔·盖茨根本不相信 OpenAI，大概 6 个月前他还不相信。4 个月前看到 GPT-4 的 demo（产品原型），目瞪口呆。他写了文章说：It’s a shock，this thing is amazing（这太令人震惊了，这东西太神奇了）。谷歌内部也目瞪口呆。

你应该使用 Transformer。Transformer 是密度模型，它不光是算力问题，对带宽要求极高，你就想 GPT-4 需要 24000 张到 25000 张卡训练，试想世界上多少人能做这种系统。所有数据、data center 网络架构都不一样。它不是一个三层的架构，必须是东西向的网络架构。所以这里要做大量的工作。

Token 很重要。全世界可能有 40-50 个确定的 token，就是语言的 token 和模态，现在有更多的 token 化。

他要设计一个结构，让它不受任何股东的制约。于是，OpenAI 的投资者没有控制权，他们的协议是一种债的结构。如果赚完 2 万亿，接下来是 non-profit（不再盈利了），一切回归社会。这个时代需要新的结构只要到了一定深度，bigness is betterness（大就是好）。只要有算力，只要有数据，越大越好。

现在 OpenAI 核心做的是，把推进速度变慢，每推进新版本，都有足够时间让用户给他们足够反馈，找到潜在风险点，有足够时间弥补。

每个行业也会有结构性影响，会系统性重组。这里有一个简单公式。今天动脑筋的人一天平均工资多少小时？减掉 ChatGPT 现在大概平均是 15 美元/小时，再过 3 年可能不到 1 美元，再过 5 年可能几十美分。然后就乘一下有多少数量。降本或者增效，让码农能变成 super 码农，医生变成 super 医生。

假定说有个大学生什么都不懂，物理也不懂、化学也不懂，但他懂怎么问 ChatGPT，他算不算一个好的大学生？机会与挑战并存。

B 端，企业需求也一样，降本增效。它要生产，有供应链、销售、客服……有了这些需求之后，数字化看得见的体验结构有 6 种：给你信息的，二维就够；给你三维交互体验，在游戏、元宇宙；人和人之间抽象的关系，包括信任关系、Web 3；人在物理世界环中自动驾驶、机器人等；人的内在的用碳机植入到里面，今天是脑机接口，以后有更多，以后是可以用硅基；最后是给你模型。

不要浮夸，不能蹭热。我个人最反对蹭热，你要做大模型，想好到底做什么，大模型真正是怎么回事，跟你的创业方向在哪个或哪几个维度有本质关系。蹭热是最不好的行为，会浪费机会。

在这个阶段要勤于学习。新范式有多个维度，有蛮大复杂性，该看到的论文要看，尤其现在发展实在太快，非确定性很大。我的判断都有一定灰度，不能说看得很清楚，但大致是看到是这样的结果。学习花时间，我强烈推荐。

想清楚之后要行动导向，要果断、有规划地采取行动。如果这一次变革对你所在的产业带来结构性影响，不进则退。你不往前走没退路的，今天的位置守不住。如果你所在的产业被直接影响到，你只能采取行动。