*网易财经智库原创文章转载需经授权。本文不构成投资决策。
出品|网易财经智库
编辑|智旭权 主编|杨泽宇
2023网易经济学家年会·夏季论坛特别节目——“
2023网易经济学家年会·夏季论坛将以“智造复苏 惟实励新”为主题，邀请顶级经济学家、各领域杰出学者和企业家进行深入交流。
2023年，AIGC石破天惊引领人类进入智造新时代，与此同时，经济复苏成为国民经济重中之重。本届大会旨在打造一场用智造引领经济复苏，从实际出发探索创新之道的思想盛会。为此，我们在年会即将召开之际，推出特别节目《思辨之夏》，与业界精英和学界翘楚一道，用思辨之精神探讨如何助力“智造复苏 惟实励新”。
第一期：AIGC能否引领中国智造业复苏
对话嘉宾：
丁磊（美国俄亥俄州立大学
史喆（富士康科技集团首席数字官、智能制造平台负责人）
2023年夏初，网易财经智库邀请人工智能专家
以下为完整版视频：
60S要点速读：
1.大模型的成本为什么这么高？一是算力，训练一个ChatGPT的成本可能需要500万美金到2000万美金。二是数据，包括数据的获取成本、处理成本和质检成本。三是人力，训练大模型需要用到AI算法科学家和工程师。
2.人工智能对工作岗位的影响是，一些低端的、枯燥的、重复性的工作可能会被AI取代，但是同时它也新创造了更多高附加值的岗位。所以取代人的永远不是AI，而是掌握了更高级AI的另一个人。
3.对于中小企业的技术服务公司，更多的应该是站在巨人的肩膀上做一些事。现在AI绘图的明星公司Midjourney，公司团队成员仅11人，其中1位创始人、8位研发人员、1位法务、1位财务。它其实是在大模型广泛的基础上，建立了自己的一块领地。
正文：
1、训练一个ChatGPT的成本要1亿多人民币
人工智能可以分成两种不同的形态：决策式人工智能和生成式人工智能。决策式人工智能像是在做选择题，它的强项是分类。例如，人脸识别能把一张人脸分成是张三的脸还是李四的脸，无人驾驶汽车决定这辆车是加速还是减速甚至刹车，这都是一个分类的过程。而生成式人工智能更像是在做简答题，创作内容是它的强项。
人工智能的成本为什么这么高？我们可以从大模型训练的角度解释，一方面是算力，据说训练一个ChatGPT的成本可能需要500万美金到2000万美金，但是具体要多少成本，要看你怎么训练。一方面是数据，如果没有很好的数据补给，模型的训练就是一件不可能的事情。这个数据就涉及到数据获取的成本，数据处理的成本，甚至包括数据质检的成本。另一方面是人力，训练大模型肯定需要用到AI算法的科学家和工程师，人力成本也是非常大的一块。
一直以来，模型都不是一个独立的产物，你很难把模型和业务彻底分离开。要想把一个模型在业务当中落地，中间需要非常多的投入、磨合，精耕细作。比如制造业，你自己的数据基数就非常重要。整个运营体系、工程体系，可能都需要往这个方向做积累。这个隐性的成本和持续的积累也是非常高的。所以对大部分的企业来说，达到应用大模型的门槛，现在还是很有挑战。
AIGC（AI Generated Content，利用人工智能技术生成内容）是否会带来新一轮的技术革命？制造业经过了几轮的革命，从1.0的蒸汽机、2.0的自动化、3.0的信息化，直到现在4.0智能化的时代。大家对智能化的理解，以及对信息物理系统的理解，更多是来自于传统的人工智能，直到AIGC的出现给大家打开了一个新的思路。
数字人的能力，可以很快地替换一个训练过多年的管理人员。更多的机会是，用这样的人工智能系统去做一个增强型模型，用数字化智能化的方式，和生产制造的系统融合，更好更强地去工作。大家可以很明显地看到，现在对于AI服务器、云的能力的投入，数字化能力的投入越来越大，未来使用这些的基础门槛会越来越低，但可以选择的服务却越来越多。大家将在已有的共识之上，真正迈出一步，去拥抱技术，它一定会是一个正向的循环，这个循环将带来一个很大的革命。
目前入局人工智能的门槛还比较高，对于中小企业的技术服务公司，更多的应该是站在巨人的肩膀上做一些事。通用模型一定是聚集了更大的力量完成的，垂直模型一定是精耕细作。现在AI绘图的明星公司Midjourney，公司团队成员仅11人，其中1位创始人、8位研发人员、1位法务、1位财务。它其实是在大模型广泛的基础上，建立了自己的一块领地。
另一类是用这些技术的中小企业，这些企业肯定会期待基础设施的建设能更好，可以把服务真正融入到他们的日常运营当中。其实，中小企业可以更多地考虑组织管理方式的改变，传统的IT对于AI认知的改变，如何更好地使用这些技术来提升效能。
2、比起“解决问题”，我们更期待AI在智能制造中扮演“发现问题”的角色
人工智能在大数据的分析、工业互联网等方面的应用取得了非常好的成效。这样的工具最开始应用在一些成熟领域，像质检。图像是一个极其对称的数据来源，它有持续出现瑕疵的正向数据和负向数据，可以更快地用人工智能的方法做得更准、更快，做得成本更低，因为人可能也看不了这么细，这是一个大的方向。
第二类是在设备运行的管控上，原来很多设备运营是基于设备厂商和单机的经验，这不一定是最优的。现在有了更多的数据，它和整个产线的业务结合，可以持续做数据的监控、计算、采集、传输、存储、分析、优化，最后再执行，这个路径在很多地方都已经跑通了。在生产工厂，设备的运营、管理上已经有很多的实际应用，后面已经是模型在做。还有更多的包括人员的管理、物流的管理，以及经营决策的分析，很多人工智能公司都在积极融入，提供更多的服务。
但是这些更多的还是决策式的人工智能，是对人的决策支持的辅助，甚至是替换。我们现在更期待生成式的人工智能的能力，怎么样更快出现，帮助我们在工厂里或者在智能制造当中发现问题，并不只是解决问题。解决问题还是延续我们的思路去做一些事情，我们希望它可以真正去发现一些我们还没有看到的问题，用我们的思路和已有的数据，产生一些“你应该这样做可能会做得更好”的内容，甚至直接指导现场的操作人员说，“这样做是一个更好的结果。”
为什么人工智能能做得好？是因为它可以有更多的数据来源，它可以更实时地监控所有的数据。可能甚至会比一个有经验的人决策得更好。这样的机制让工厂运行得更好，这个是我们期待智能制造的下一个发展方向，甚至现在已经有一些应用了。
人工智能领域里面，只有做出了数据、模型、业务，这几者之间形成正反馈效应的闭环，也叫做一个具有飞轮效应的闭环之后，这个模型才能越学越聪明，才能越用越好用，从而提高业务价值的发挥。对中小企业而言，我觉得更多的是要切自己的业务场景，让AIGC能够赋能它现有的深度垂直的业务，形成一个新的业务闭环，在这里AIGC应该是可以起到非常大的加持作用。
大体量的制造业，一定是+AIGC（AIGC赋能），我们希望加上人工智能的能力，让这样开放式的数字化的能力，融入到大企业里面。其他的一些行业还有很多，包括一些媒体类的，大家原来的方式是不是最好的方式，可能都会变成了AIGC+（AIGC原生），整个公司的形式和运营的方式都改变了。例如，很多网络内容的推荐，原来都是人做的，现在逐渐变成了算法在做。
垂直领域其实是有一定的特点的。一是自己能形成闭环的领域，我们通过AI的技术，能够从端到端的对它进行相应的操作。在这个场景下，才可能做出价值。如果在整个闭环里面做了三分之一，甚至三分之二，但是总需要合作伙伴进行人工的调节干预，长此以往，合作伙伴可能就会觉得你这个东西也不是很智能，甚至还没有原来的效果好，所以要形成一个闭环。
二是一定要专精，要细分。技术性的创业公司，不可能一下把整个行业都吃了，或者做很多事情，但是哪怕在一个点上能够实现突破，还是非常有机会做出来令人惊艳的细分产品。在模型的层面，不光是要大模型，因为我们基础的模型是大模型，但是针对中小企业，我们在整个过程中更要构建自己的深模型。在垂直细分的应用场景中，做出模型学习，包括数据迭代，包括业务运行整个的闭环。
3、取代人的永远不是AI，而是掌握了更高级AI的另一个人
对于年轻人来讲，技术服务公司也是他们能在短时间内，把自己的能力和专业度产生最大价值的一个方式，他也可以把更多志同道合的人放在一起，真正把这个东西钻研得更深、做得更好，等着这样一个爆发点出现。这可能是年轻人很好的一个发展方式，也能很好的体现自己的专业能力。
如果一个技术服务商在它专注的垂直细分领域，能够打通所有的数据，挖得特别深，在AIGC大模型的基础上再迭代，微调出相应的垂直细分的深模型，再迁移到大型公司，内可能就会非常有用。这恰恰是生成式AI的时代，给小型的技术服务公司带来了一定的商业机会。
AIGC对就业市场肯定是有影响的，但更多是一个结构性的影响。2018年，普华永道在《人工智能和相关技术对中国就业的净影响》报告中指出，到2037年，人工智能相关的技术会让中国的就业岗位减少26%，但是随着生产率和收入水平的提高，人工智能又会新增38%的工作岗位，这一增一减相互抵消，人工智能还能新增相当于现有就业岗位数的12%。从绝对数字来看，这意味着净增加就业岗位为9300万左右，通过收入效应产生的工作岗位近3亿，但通过替代效应流失的工作岗位为2亿多。
人工智能对工作岗位的影响，就是有一些低端的、枯燥的、重复性的工作可能会被AI取代，但是同时它也新创造了更多高附加值的岗位。所以取代人的永远不是AI，而是掌握了更高级AI的另外一个人。就像建筑行业，原来是用人手动搬砖，效率很低。但是自从大型机械出现以后，搬砖的效率提高了。建筑工人的需求量是变大了还是变小了？事实上是变大了，因为整个行业做大了。
网易财经智库（微信公号：wyyjj163） 出品
网易财经智库是网易新闻打造的财经专业智库，整合网易财经原创多媒体矩阵，依托于上百位国内外顶尖经济学家的智慧成果，针对经济学热点话题，进行理性、客观的分析解读，打造有态度的前沿财经智库。欢迎来稿（投稿邮箱：cehuazu2016@163.com）。
