李彦宏：为什么那么多人担心AI取代人类的工作？

AI大模型时代的到来，会加速第四次工业革命的进程吗？

5月18日，李彦宏在2023天津世界智能大会上发表了题为《大模型改变人工智能》的演讲。

李彦宏认为，以ChatGPT和文心一言为代表的大模型，是自iPhone手机发明之后，信息科技领域最大的一次突破和创新。

过去，人工智能系统通常只能单一地执行特定任务，例如自动驾驶或下棋。而大模型的出现改变了这一局面，使机器具备了更高的融会贯通能力和通用能力，从而打开了广泛的应用场景。

因此，李彦宏认为，大模型的兴起标志着人工智能方向的根本性转变——从过去的辨别式人工智能向生成式人工智能的发展。以文心一言和chatGPT为代表的大模型可以带来巨大的效率提升。

然而，随着大模型的崛起，人们也开始担心人工智能会导致大量工作岗位的消失，进而引发大规模失业的问题。

对此，李彦宏以历史为例，指出每一次技术革命都会让一部分工作岗位消失，比如背水工、马车夫、打字员，但同时创造出更多新的就业机会。他通过蒸汽机、汽车和计算机的例子展示了这一点，强调技术的进步会为经济带来持续的增长：

人工智能是堪比历次工业革命的大浪潮，一定会创造全球经济的下一个增长奇迹。

应当注意的是，相比人工智能带来的挑战，李彦宏说，他更担心的是人类因为害怕技术而止步不前：

对于人类来说，最大的危险，最大的不可持续，并不是创新带来的不确定性。相反的，我们停止创新，不发明不创造不进步，按照惯性走下去，所带来的各种各样不可预知的风险，才是人类最大的威胁。

以下为李彦宏演讲实录：

各位领导、各位嘉宾：

我今天给大家带来的题目叫做《大模型改变人工智能》。刚才龚克也讲了，人工智能在过去这半年当中，受到的关注度比以前高了很多，最主要的是因为出现了生成式的人工智能。而生成式人工智能底层技术，实际上就是大模型。

那么大模型为什么会改变人工智能呢？是大算力、大模型、大数据，导致了智能涌现，什么叫智能涌现呢？过去的人工智能是，我想让机器学会什么技能，就教它什么技能。教过的有可能会，没教过的就不会。大模型出现所谓的智能涌现之后，以前没教过的技能，它也会了。这就是为什么有人讲，我们现在朝着通用人工智能方向发展。

与此同时，人工智能发展方向从辨别式走向生成式。什么叫辨别式？我们过去比较熟悉的人工智能的应用，基本上都是辨别式。比如说人脸识别，过来一个人，我识别这个人是谁，或者不是谁。这个是典型的辨别式。搜索引擎也是典型的辨别式人工智能。用户输入关键字或者一段话，他要找的东西，我们在全网进行匹配，哪一个网页，哪一段内容是他需要的，这是辨别式人工智能。

什么叫生成式人工智能？今天我想写一份申请书，你给我写一下。或者说，我周末请客，10个人，需要出一份菜单，这个无所谓对错，但是它能给你一些感觉，给你一些创意，给你一个好的基础去发展你的思路。或者说，给我画一幅车水马龙的图片。这种东西，过去人们不觉得是人工智能应该做的事，现在可以做了。

那么这样会导致什么呢？导致人们的工作效率大幅度地提升。比如说，在内容创作、客户服务、翻译这些工作，它的效率会大幅度地提升。所以我们也看到，很多研究机构都认为，在未来的10年，很多工作它的效率会成倍成倍的提升。同时也带来一些担心，是不是这样的效率提升，会使得很多人的工作就没了？这些人工作丢掉之后，会不会给我们人类带来不可预知的问题。

其实这个事儿我也讲过很久，最好的去探知答案的方法，实际上是回顾过去。因为很多人也觉得，人工智能是第四次产业革命的标志，我们可以看看之前的产业革命都取代了哪些工作？

200年前，从井下背水的工作基本上消失了。第一次产业革命是蒸汽机的发明，蒸汽机发明第一个应用就是采矿的水，怎么能够把它用机器弄上来。井下背水这些工作的消失，带来了什么？我们来看一下，实际上产生了很多新的工作。

这100年，我们看到世界人口出现了高速增长，跟之前的一两千年人口增长速度相比，快了很多。与此同时，人均GDP也几乎是在同样地快速增长。这说明什么？说明虽然有些工作机会没了，但是更多的机会出现了。人们工作效率的提升，可以养活更多的人，而每个人的生活又变得比以前更好了。从井下背水那个工作，真的不是什么好工作。

100年前，马车夫的工作消失了。这张图片是1913年纽约第五大道的一张图片，这张图片里几乎已经全部都是汽车，只有一辆马车。那会儿，纽约到处都是卖马肉的，马也没用了，后来出现了很多新的工作。1900-1990接近90年，同样的规律，世界人口继续高速增长，每一个人创造的价值继续高速地增长。

30年前，我们这一代人亲身经历，也就是我大学毕业前后，什么工作消失了？打字员的工作消失了。现在年轻一代没有见过打字机的，但也出现了很多新的工作。同样的规律，世界人口继续高速增长，人均GDP继续高速增长。

历史虽然不会重复，但是确实有它的规律。那么这一次，为什么那么多人会担心AI会让工作机会减少呢？我觉得是因为，大家能够看到现在的工作会消失，但是我们看不到什么新的工作机会会被创造出来。就像100年前、200年前那些人，看不到后来产生的新的工作机会一样。我个人是属于乐观派，我不担心大模型会导致人类工作机会减少、生活会变差。

那么大模型怎么重新定义的人工智能？刚才万钢主席也讲了，人机交互的方式发生了变化。其实过去几十年信息产业的发展，人机交互的方式发生了三次变化。

更早我们就不说了，命令行是我读大学读研究生的时候，主要的工作界面。人机进行交互，是通过命令行。我输入一个命令，它给我想要的反应。我当时觉得这个东西效率很高，但是大多数人不会这种操作。

更简单的人机交互方式是什么？是图形用户界面（GUI）。这个起码很多人能看懂了，比第一个要更友好一些。但它仍然不是最自然的交互方式。我要想搞清楚怎么重设一下电脑的自动睡眠时间，我得经过四级菜单，一层一层地点进去，才能找到这个位置。有多少人能记住四级菜单以后，每一个功能在哪？

人工智能的诞生，让我们可以用自然语言跟电脑进行交互。当我有需求的时候，比如说我想查一下上个月，2023年4月，我的公司每一个产品线，有哪些产品的毛利率超过了疫情前的水平？这样一个课题，在过去很可能需要我的助理花半天一天的时间才能获得。今天，如果计算机懂你的自然语言，一秒钟之内就可以给你一个表格。

大模型也会重新定义营销和客服。其实道理很简单，就是谁拥有最佳的跟客户沟通的方式，谁就会拥有这个客户。这个道理不是因为AI的产生，不是因为大模型的产生，只不过技术使得我们实现的可能性，变得比以前多了很多。今天即使你有70亿个客户，你的每一个客户也都可以有一个专属的7×24小时的、什么都知道的助理去服务他。

大模型是一个基础，大模型之上会有各种各样人工智能的应用。最近这段时间讨论比较热的是，AI时代的原生应用到底长什么样子？我给大家举几个例子：

比如说像DoNotPay，这是什么呢？比较典型的应用场景是人工智能律师。比如说，你在美国开车超速了，超速之后警察给你一个罚单，一般交几百块钱。其实你可以不交，你请一个律师帮你打官司，就可以不交了。但是请一个律师的钱，可能是罚单钱的两倍，所以你不请了。今天请AI当律师，你就可以不交那个钱。

Jasper是营销创意的生成工具，你的公司想要出什么样的创意，它来帮你出，所以效率高很多。

Speak是韩国的软件应用，实际上是教你学外语的，模拟各种场景，你要到餐馆点餐，跟对方谈判，你要跟对方怎么交互，上百种语言都可以做得非常好。

对于百度来说，我们的大模型叫文心一言，两个月之前发布的，应该说是在全球大厂当中是第一个发布的。之所以我们要尽快地发布出来，是因为市场有非常强的需求。目前有200多万的用户在排队等待进行测试，也有十几万家企业希望接入文心一言进行测试。

当然百度在这方面的投入，实际上不是刚刚开始的，不是这半年才开始的。我们从2019年发布了文心大模型的1.0，到现在已经有四年的时间。更早的时候，我们从2013年左右就开始人工智能投入了。

人工智能之所以有这么大的变化，其实不仅仅是它的应用场景的变化，实际上背后的技术栈也发生了非常根本的变化。

我们每个人都熟悉的IT的技术栈是这三层，底层是芯片层，典型的公司是英特尔、AMD、高通，它的芯片叫做CPU；中间层是操作系统，在PC时代就是Windows，在手机时代是安卓和iOS；上面是应用层，PC时代所有的人都给Windows开发软件，在移动时代所有的人都给安卓和iOS开发应用。

今天人工智能时代的到来，改变了这个格局。现在的IT技术栈变成了四层，底层仍然是芯片层，但是主要的芯片已经不是CPU，而是以GPU为代表的，新一代适合并行大规模浮点运算的芯片。上面我们叫做框架层，就是深度学习的框架，像百度的PaddlePaddle飞桨，Meta的PyTorch，谷歌的TensorFlow都是在这一层。再上面一层是模型层，今天的ChatGPT、文心一言等等，这些是属于模型层，以后AI时代的原生应用，都会基于大模型来进行开发。

这方面百度有比较明显的优势，我们在四层当中每一层都有比较领先的产品，比如说芯片层有昆仑芯。这个也做了有十年之久，最早是因为搜索应用需要，我们买别人的芯片，毕竟太贵了，所以自己开发了。框架层是飞桨，飞桨今天在中国的市场份额第一。在模型层是文心大模型，其实除了文心一言，它是对标ChatGPT的之外，我们还有很多行业大模型，如交通大模型、能源大模型等。应用层的话，像百度搜索等都是我们比较领先的应用。

这四层都有比较领先的产品或者技术，有什么好处呢？就是你可以进行端到端的优化，每一层可以给其他层反馈，根据这些反馈你可以综合的、统筹的去考虑怎么优化。

百度在芯片层的布局，就是昆仑芯，我们已经有两代产品，几万片的部署，无论是公司内还是公司外都在应用。昆仑芯第三代，会在明年年初上市。

在框架层，飞桨的框架在中国人工智能领域已经有了500多万开发者，也越来越获得大家的认同。

模型层刚才讲了文心一言，在各种使用场景都有不少的应用。未来，我相信会有更多的应用会基于文心大模型开发出来。

在应用层大家比较熟悉的是百度的搜索，百度不可能在应用层什么都做，我们除了搜索之外，还做了跟交通有关的应用。交通也是非常复杂，而且影响非常广泛的方向。

百度做的其实主要是两件事，一个是自动驾驶，或者是无人驾驶的技术，一个是智能交通。无人驾驶我们做了有十年时间，现在在武汉、在重庆都可以进行商业化的无人的运营。智能交通我们也做了有好几年了，在不少城市都证明了效果，通过智能的调整红绿灯变灯的时间，可以让我们的城市的交通效率有15%到30%的明显提升。五一长假之前最后一个工作日，很多人也注意到，北京是大堵车，从二环到五环，甚至在六环都是红的，唯一一片绿的是亦庄，亦庄有智能交通的人工智能系统，可以动态调整交通流，所以效率确实是被证明有明显的提升。

我们也很期待未来在大模型之上，会有各行各业各种应用能够找到好的应用场景，能够获得效率大幅度的提升。

最后，我想说对于人类来说，最大的危险，最大的不可持续，并不是创新带来的不确定性。相反的，我们停止创新，不发明不创造不进步，按照惯性走下去，所带来的各种各样不可预知的风险，才是人类最大的威胁。这就是为什么，百度在这么多年长期持续的在人工智能方面进行投入，也是我们为什么要把百度的使命，在多年前就定义成“用科技让复杂的世界更简单”。

谢谢！