今年的人工智能大热点，常常离不开两家公司：微软和OpenAI（ChatGPT母公司）。

近期，人工智能领域年度的最大数额融资出现：据美国媒体TechCrunch消息，OpenAI已完成103亿美元的新一轮融资，估值达到270亿-290亿美元。其中微软投资了约100亿美元。

ChatGPT掀起了行业对大语言模型（下称大模型）的关注热潮，而微软的孵化投资，又引起了业内对创新孵化机制的讨论。从体外孵化来讲，OpenAI是微软孵化的一个经典案例。

大模型火热后，国内创业者还有哪些新机会？微软与OpenAI的联合，对大企业创新土壤的培育又有哪些启示？

4月21日铅笔道AIGC大会举行，对以上问题设置了对话讨论环节。嘉宾分别为：前微软加速器（北京）CEO、海尔海创汇合伙人檀林与前微软中国解决方案专家部中国区负责人、iBrand创始人于胜泳。

以下为嘉宾讨论精华摘要，由铅笔道编辑部整理：

1、大模型会让很多岗位消失吗？

答：一旦某个岗位的工作可描述可重复后，很可能被替代。

2、OpenAI的最伟大之处是什么？

答：以前大家的思路是把AI模型做专做细，而它完全反着舆论做宽做通用，居然还做出来了。

3、什么企业未来应用到大模型？

答：有数据资产，数字化已经到了一定程度。

4、引入大模型后，对企业的影响？

答：组织形态可顺势调整，变成流体型企业。

5、企业应该用什么机制去拥抱AI?

答：体外孵化。

6、为什么是体外孵化？

答：看微软体外孵化OpenAI的案例。

7、企业应该怎样处理与AI的关系？

答：别把它当奴隶，先当实习生、助理，而后是副驾、教练、合伙人。

以下为嘉宾的对话实录：

檀林：有人提到AI可能会对一些工作带来改变，什么类型的工作会被ChatGPT取代，它会创造哪些新的工作机会，我们如何利用这种颠覆性技术来提升自己？

于胜泳：比如某个市场某个岗位有100万人，但由于10倍效率提升的生产力工具的出现，100万人不会都消失，但可能变成10万、5万人，甚至更小的需求。

宏观上是这样：一个事情就这么多需求，然后需要人去做，但是生产力的提高，使得需要的人变少了。大家首先要思考的是，我是继续在这个岗位上，成为少数的人，还是转到另外岗位去做别的事。

比如工业出现之前出现了羊吃人，但是很多人在土地上被赶走后，他去做了工厂的工人，他赶上了工业革命，而留在原来位置的人，也许没有得到工业革命的回报。

檀林：AI工具其实是取代工具人，但是你只要不断的学习，如何去和AI相处，你可以随时跟着这个时代走。

于胜泳：是的，一旦某个工作可描述可重复后，AI学习的效率会比人高很多。

檀林：我最近看到几个案例，有1-2个是与教育有关。一个公司在帮助小孩做个性化、启迪式教育。另一个案例是摩根士丹利，它有12000名财富咨询师。利用他们的几十万财富管理文档等，借用AI的力量，他们每个人的能力都加强了。比如这12000名咨询师，每个人都有首席股票分析师、首席经济学家的能力。

同时，这个模型还能服务更多摩根士丹利的客户。你觉得这些大企业都在积极拥抱，用ChatGPT去训练模型，这是一个怎样的机会？我们怎样利用新的机会去和大企业竞争？

于胜泳：在大语言模型之前，很多的时候，我们的AI理念是做窄做细，只有专注在一个小领域里，不发散才能产生一个有针对性的好结果。

但是大语言模型出来后，我认为OpenAI的最伟大之处，是它竟然反着所有舆论去做。在大部分人都不太认可的情况下，他能把它做出来。

按照这种思路，任何细分领域，都存在着一个所谓最好的专家。而大语言模型解决了创业公司最难做的事，这个代价其实非常高。

类比一下，它解决了我们的操作系统问题，我们之所以能舒服地做应用，是因为有人把操作系统很好地封装了。今天看来，我觉得创业公司仍然有一些非常好的机会，比如做专业的插件。

总体来讲，我认为创业是被加速了。

檀林：对的。我认为这一波机会，和移动互联网那波不太一样，之前那波是面向消费互联网。

于胜泳：我表达一下对这一波机会的看法。这一波AI浪潮不同的是，它会在B端更早地显现出一些价值。我认为一些有觉悟的员工会主动掌握这个工具，另外一些人还在看热闹。

大模型之后，所谓的子模型就会进入到子领域。大企业创新有一些不容易做的地方，它的决策要考虑很多东西。我比较主张通过创业公司和大企业结合，用一种好的创新机制（甚至投资机制）。它能结合创业公司的优势，在船小好调头的专业领域又能与大企业的品牌结合。

檀林：你说了一个非常重要的观点。大企业有丰富的场景、重要的数据和知识资产，这些与大模型结合后能有新的机会。只不过这些机会不是在企业外部，而大企业自身创新又受到机制的约束，于是需要引入一种机制，让外部更敏捷的创业团队参与，利用大企业的场景和数据，共同来训练这个模型。

于胜泳：是的。有两种，一种是行业性的模型。举个例子，比如企业领导力模型并不专属于某个企业，这个领域有非常好的专家，这些老师也上课做工作坊。另一种模型在头部企业里，他在这个领域借用这样的工具和资源，可以做很好的深化，来提供更普适化的服务。

不同的模式给不同的企业不同的机会，但总体来说，我觉得大模型加速了大家的组合式创新，就像现在有些生成式AI也有很好的发展。

比如一个100页的文档，我们谁都不喜欢看这么长的文档。我们以前的方式，请一个实习生或者助理看完，再给我讲讲它的主要内容，然后我问他几个自己关心的问题——很显然，这件事交给大模型做很合适。它所生成的摘要并不是我们论文前面的概要，而是按照我的要求提炼的新数据。

我们阅读的是这种合成式东西，这些方式和以前有很大变化。

檀林：对。以前一个企业里有大量的工作来帮助你做决策支持，它其实在做很多的数据搜集、分析，然后内容的生成处理完全可以交给ChatGPT这样的大模型来做。那么跟行业领域的相关知识，可能前期需要一些专家来做预训练。这里面有没有一些比较好的成熟方式？我知道现在有很多开源模型，但它们很多不能应用于商业。

于胜泳：我认为它分为两点，一个是生产力工具，这个我主张用提示工程（一种模型信息获取方式）。还有一类是专业领域方向，比如金融医药等。举个例子，比如我推出一个模仿ChatGPT的构建方式的产品，它借鉴了ChatGPT的的训练过程。这实际创造了一个机会，也许你做了一个更差的东西，但是你也有可能做出了在专业领域更好的东西。你可以认为它在你的专业领域里做了一个适合你的ChatGPT——这适合专业领域很强的场景。

在生产力工具方向，在专业性工具方向在论文等领域已有发展，而且它的发展成本大家可以承受。

檀林：我们以前开发应用需要基于Windows等，现在是你可以开发自己的模型，但是部署还是要放在微软云等上面。这是不是一个可以部分解决大企业数据安全的方式？

于胜泳：我觉得这是个很重要的命题。实际上现在有一些办法，比如企业要知道到底把哪些数据放上去。如果你将来有个新模型，你不可能把数据再找一遍，所以你需要在过程中整理好。在具体做的过程中，其实也不是明文，你去把它向量化、归一化，然后在上面去做，并不是理解为“把文档本身传上去”，而是你问的问题答的内容都是有策略、有记录、有审计的。

实际上，大企业可能更重要的是，在这个基础模型能力之外，我们要做一套体系。这套体系是一个可操作性、可控、可审核、可检验的东西。我觉得大企业今天就要开始建这个系统，无论后面的模型会有什么变化，你早晚要做。

檀林：你觉得什么企业才有机会来做这件事？是不是要有很多数据资产，而且企业数字化到了一定阶段，甚至已经有了首席数据官？

于胜泳：是的。其实提数字化已经有一些年了，很多时候在也问它的价值到底是什么。我觉得大模型出来后，这个问题基本上不太需要回答了，你已经看到很多可能性，所以现在开始讲叫数智化转型，同时也要考虑智能化部分，把他们从整体上考虑，思考模式上会有个变化。

我拿客服举例，以前我们需要100个客服专员，因为每个人每天有100个电话，累计需要打1万个电话。但现在我有对客户分类的能力，有特定分类下让他满意的服务能力。一旦沉淀下来后，我并不需要100个人，可能只需要5个人+模型能力。假设未来变成100万个电话，这对系统而言没有太多区别。

这是我觉得企业管理角度的一个大思维变化，就会延伸到檀林老师前面提到的问题，比如我们为什么要设这样的岗位。

檀林：对。你刚刚提到咱们以前都有这些岗位，然后有流程、KPI，所以是一个很结构化的企业管理结构。未来大语言模型引入到企业后，我们觉得可描述可定义的工作可能都会被替代。其实相当于把企业的组织结构重新定义了，可以变成一个端到端的流程，可以围绕一些市场、用户需求来做动态调整，成为一种流体型企业。

于胜泳：这个词说得非常好。我的看法是这样，它同时有两个趋势，一个是岗位技能的更加细化，一个是对人的要求更加整体化，包括人机协同能力。我们在特定技能岗位的数量极不重要，但是他是否更专业、是否能很好的衔接变得重要。所以我认为，大部分都不会待在原先的岗位上，但是你往何处去，这需要根据具体情况来分析。

檀林：也就是这个岗位可能还要，但是不需要那么多人去执行，因为AI执行效率更高，但是如何去定义岗位职责或者帮他训练，还是需要有人做的。

你刚才也提到大企业如何把握机会，利用大模型加速数字化转型需要引入外部机制，这个机制你认为是什么？

于胜泳：虽然我很多熟人都在搞企业信息化、数字化，但我现在的观点是，企业内部的自由创新不是唯一通道。我看到很多行业（比如制药），他都是要把团队搬得远一点，相对独立一点，决策流程短一点，然后给他一些激励和目标，让他在实践里产生一些第二曲线。所以这里面需要行业的资源，但又不要有行业管理上的阻碍，需要有经验的人辅导，需要一些敢为天下先的年轻人落地，按照新的孵化创新的机制，在这样的土壤才能长出新东西——因为这些并不是企业高层已经想明白的。

檀林：对。如果拿OpenAI和微软的关系来说，我更认为前者是微软体外孵化的一个非常成功的项目，帮助微软开启了第二曲线。虽然微软内部有这么多资源、算力、人才等，但在它内部也完全不可能产生一个像OpenAI这样的企业。

于胜泳：对，这也是大家私下聊得特别多的话题。作为AI黄埔军校的微软研究院为什么没有先搞出这个东西，作为谷歌这样的公司也有很多大牛，为什么会从他们外面长出这样一棵树，OpenAI是一个最好的例子。

檀林：所以从这一点看，我对国内很多大厂（包括谷歌）的AI未来都是看淡的。大家最近可以看到消息，三星已经准备去谷歌化，这一个举措让谷歌一年损失30亿美元。国内现在跟风要做大模型的大厂，可能也需要反思一下：为什么你之前孵化不出这样的项目，现在你去跟风学习，会带来一个什么影响。

那么同样，大企业如果要做行业领域的模型，他们应该怎么做，也应该好好反思一下。我觉得OpenAI不光是技术上给了我们巨大启示，它的发展历程、成长模式、投资孵化机制也非常值得大企业借鉴。

于胜泳：是的。我最近特别喜欢一篇文章，大家知道写《失控》那本书的凯文·凯利吧？他最近讲了一段人和AI的关系。我觉得企业的创新应该从人的心态开始，他说你不要把AI当奴隶，而是先把它看成实习生和助理，然后是你的副驾，接下来是你的向导和教练，再接下来是你的团队成员、合伙人等。我觉得这段描述非常好。