大模型时代也要避雷，AIGC的真正使用者是打工人

2023-06-15 10:06

风起AIGC

AIGC已经成为我们这个时代新的商业分水岭，引领着内容和创意的“寒武纪大爆发”。无论是前沿科技产业还是整个经济社会格局，都将因此产生巨大的变化。为了让创业者更好地拥抱这个时代，创业黑马将以中国AIGC第一服务平台为己任，通过走访多位业内知名企业家、投资人、专家学者和创业实践者，从软硬件平台视角、投资人视角、行业应用视角等维度进行系列报道，共话大模型时代新机会，展现产业新力量。本篇为第九篇。

本期的分享嘉宾是一览科技联合创始人兼CTO陈锡言。一览科技在2017 年创建，是国内领先的一站式视频解决方案提供商，也是目前国内最大的视频服务商，在人工智能应用方面投入海量研究和落地实践。其运用独创的“视频挑选引擎技术”，首创一览VaaS平台。截至目前，累计服务超过2000款网站/APP，日均提供超过30万条视频，每日播放量超过4亿，也是国内唯一一家同时服务华为、OPPO、vivo、小米四大手机厂商持续多年的视频服务商。陈锡言目前负责产品设计和技术管理，有15年的网络视频行业经验和全栈的技术专家，在视频内容运营领域有着深刻思考。

在6月14日的黑马AIGC主题系列直播第二季第五期中，嘉宾围绕《驾驭AIGC浪潮：释放视频企业服务的潜力》主题进行了深度论述，就AIGC的创业机会、特点等问题进行探讨。

以下为本次直播实录整理：

一览科技是一站式视频解决方案提供商，做了大约 6 年。我们围绕企业和创业者，提供视频系统、视频内容，视频工具、视频运营、视频制作等服务。AIGC 的视频创作工具，也是我们提供服务的关键一环。

以ChatGPT为代表的大模型，比较智能的最重要原因是“涌现”。去年Google 的论文将GPT 4，形容为通用人工智能的火花，就是涌现。它到底指什么？是系统在其组成部分之间的交互作用中产生全新的、更高层次的属性、行为和规律的现象。这些新特征不可简单归因于系统内部任何一个组分和规则，也无法直接从底层组成部分的属性中推导出来。

简单的说，是从量变到质变的过程。

一开始大家都舍不得用数据、用算力，用小模型进行人工智能训练，是得不到效果的。但是OpenAI特别舍得花钱，把整个参数规模提升到1750 亿，这时候才出现GPT 3。国产大模型也可以快速增加数据算力和参数的量，但是涌现不是在一定的参数基础上就真的会发生，它的触发条件比较随机。

这是涌现的特征，是不可预测的，这也是人工智能神奇的一部分。

现在人工智能非常火，大家担心很多岗位被 AI 取缔。什么样的岗位不容易被AI 取缔？无论在创业或者工作过程中，我们应该利用人类特有的一些能力，就是比 AI 强的地方。

首先是高抽象能力。为什么说人的抽象能力比 AI 强？因为 AI 表现出来的抽象能力实际上还是在和原来的人工智能比。但人类数学家，就需要抽象思考，把复杂问题简单化。大家发现目前为止几乎没有新闻让人工智能解决数学难题，因为这需要抽象思维。还有AIGC也并没有取缔设计师，只是 AI 绘画能力非常强之后，我们对设计师的审美要求提高了，如果人达不到这个水准，就不需要这个人了。

第二是高确定的过程与结果。比如我们知道GPT不太适合解决数学问题，也有很多人发现可以通过思维链的方式去解决。但人工智能不适合解决确定性的东西。它的风险在于，过程的不可解释性以及结果的不可预测性，随机性是它的特点之一，如果要求对过程有精准把握，其实不太适合使用人工智能。

第三个是强IP属性的业务。抽象和高确定性是相对理性，IP 则感性一点。比如AIGC可以画图，但是目前仍没有书法模型出现。因为书法的价值和背后创作者有强关联，机器是高度模仿，书法体现的是背后的创作人、他写字时的情绪、背景。比如理发师，大家会有特定的理发师，因为它不仅是服务，还是体验，这也是强 IP 属性的岗位。

第四点对安全要求高的职位。大家会接受机器人理发师吗？他拿的是非常锋利的剪子和刀，我肯定不会接受这种事情，非常没有安全感。再说自动驾驶，在不能确保安全的情况下，我是反对完全的自动驾驶，但不反对自动驾驶辅助人类驾驶。

第五点是数据集缺少或不容易被标注的相关岗位或职业。以核工业为例，它需要把握所有参数。如果要求 AI系统操作核工业，哪怕1/ 1000000 的误差，都可能发生核事故。另外回到人工智能本身，缺少数据集或者是缺少人工标注的业务，人工智能是赶不上人类的，因为大模型泛化的能力受限于数据集，没有足够多的数据集用于训练，它的抽象能力是有限。

前面说的几点大家可能会有争议，最后一个可能争议小一点，就是人工智能没办法真正动手做实验。科研工作的话还是要依赖于人类，这是重要的角色。上次有朋友问过一个问题，如果ChatGPT在 500 年前被发明出来，人类还会不会知道地球是圆的？人工智能是基于现有的数据产生新的内容，它不断强化学习，最终会不会形成闭环数据？如果等着他告诉我们什么，我们就知道什么的话，我们是否还有机会了解更多的宇宙信息？这是我对未来的担忧。

AIGC 在企业中会遇到哪些困难？

有些老板会希望 AIGC 取缔不重要的岗位，但如果做不到的话，能不能提升现有效率？我们在服务企业的过程中，发现 AIGC 在企业中的生产力提升和落地还是遇到一些困难。

首先是工作流的固化。成熟企业的工作流程比较完善，出现新的 AIGC 工具，会很难改变。AIGC 强调个体，个体的真正使用者是打工人，打工人出售自己的时间，只要时间够了就可以。其次 AIGC 工具有很多不确定性，尤其是价值不确定性。凭什么让一个打工人去使用不确定性的产品？而且从商务系统来看，很多 ToB 业务的商务往往比系统重要，AIGC 是系统的一部分，只要系统不宕机，都不影响老板和公司赚钱。

当系统被弱化的时候， AIGC 也没办法发挥重要作用。最后，还存在信息泄露隐患，其实企业私有的不能叫大模型。而使用公有大模型时，你的需求发给这些大模型公司了，就可能出现信息泄露的问题。

大模型的发展速度太快了，导致企业服务出现了什么情况？就是它的创新者，早期采用者、早期的大众，落后者都在客户的同一个组织内。这是一个很悲催的现象，就是老板觉得很好交给总监，总监再找个人试一试，然后到底层打工人，这个打工人他可能就是一个落后者。

从老板和高管角度，想找新的创新点，或弯道超车的机会。真正实践的时候，这个角色又变成了大众和落后者。而大众和落后者要求的是确定性价值，但目前 AIGC 确定性价值还需要一段时间来证明。这又引申出另一个问题，打工人可能出现不会用，认为不好用，以及怎么用的情况。

AI 时代，什么样的产品是厉害的？李开复提出一个概念，AI first。什么是 AI first？就是没有 AI 或没有大模型就用不了的应用，相对于 Mobile first。AI first 的产品究竟什么样？现在还是一个问号。

那创业公司在应用层做 AI 产品，什么样的产品能活下来？我们总结了四点，就是有场景、有数据、有用户、有产业链。

具体来看，第一要有明确的场景。AI本身是一个工具，我们要从工具角度看待AI。AI 并没有创造新的场景，但它可以对现有场景加强。要有基础的应用场景，然后由产业链来扶持。创业公司可能做不了大模型，但是可以在大模型基础上，利用充分的行业数据、领域数据、业务数据，可以有一些应用特色出来。

AIGC 具有哪些创业机会？同样总结了四点，第一是要有钱有能力，加入大模型创业。未来的大模型，尤其多模态会有很多可能性。第二直男程序员，可以为企业提供微调模型或定制行业模型；第三是用AIGC做有趣的内容，比如娱乐产业一定是最先应用而且普及AIGC技术的行业；第四懂业务、懂技术会有很强的竞争力，可以连接大模型与用户的应用层。

这里要提到一个技术点，有着很高的含金量。什么样的技术连接大模型和用户？可以参考babyAGI和autoGPT。这个可以给到技术创业者很好的思路，我们要生成整个任务队列，包括任务队列的管理，以及对外访问、计划生成等等，做应用层 AI 一定要了解这几个项目。

AIGC大背景下有哪些岗位炙手可热？首先是 AI 对齐工程师，这是未来每个企业都需要的岗位。但除了赚钱的部分，它还有很多风险会对人类造成伤害；其次是模型训练工程师师，每个企业都需要有自己的模型；还有数据治理工程师，所有训练是基于数据的，保证训练数据能够被收集，这是非常重要的岗位。最后是数据标注师，高质量的标注数据会成为 AI 系统的核心竞争力。

另外大家需要避坑，有一些很容易被割韭菜的产品。第一个是没有自己业务，纯技术的copilot；第二是预训练的大模型，如果没有涌现能力，失败率很高；第三是通用TO C的AI产品；第四是prompt engine。

接下来给大家介绍一下土耳其机器人。1769年，德国发明家兼外交家肯佩伦男爵准备造一台机械的下棋装置，一年后机器完工，取名“土耳其人”（The Turk）。其工作原理是请棋艺高超的棋手藏在里面。为什么它非常有名？因为他战胜了拿破仑。

想通过这个告诉大家，创业公司还是要以业务为先，以最快的速度去验证商业模式。而且不应该回避低效但廉价、可以快速的这种方法。人工智能产业不一定非得把人工智能研究出来之后再去尝试，可以先尝试业务。另外就是安全问题，以AI进行内容创作目前相对是比较安全的行业，对于涉黄、涉恐、涉暴的安全处理比较成熟。

简单介绍一览视频AIGC工作流中「AI编剧」这个产品，可以理解为全链路的剧本创作工作流。从设置故事核，到给剧本起名字，生成概念海报；再构建人物、人物小传、角色概念图，以及进行情节元素、冲突设计、场景设置，进行场景描述、生成分镜脚本，为每个场景设置对白等系列流程。

目前我们的实际应用案例中，和短剧公司、影视剧制作公司、制作机构等都有合作。“一览AI视频工具”在应用层的AI产品也有很多优势，第一是数据积累，借助多年积累，有决策库、情节库、剧本库等，可以通过这些数据库在大模型基础上进行微调；第二是场景明确，垂直于视频领域进行业务创作；第三业务成熟，一览的VaaS平台积累了海量内容创作者和内容消费者；第四是安全可控，内容安全措施相对完善。

AIGC虽然可以做出更具创意的东西，也正在加速平庸时代的到来。未来，人人都会使用AIGC，但先使用的人会具有优势，所以首先鼓励大家拥抱AI。同时，我们必须认清一个事实，当 AI 工具全面普及，平庸的创作会无比廉价，而人类的未来属于真正的工匠。

创业黑马：您觉得什么样的大模型能跑出来？

陈锡言：应用层AI中“四有企业”能跑出来，“四有”指的是有场景、有数据、有拥护和有产业链。应用层的核心还是要有自己的业务和用户，有明确的场景，这样才有自己数据积累，应用层AI企业的核心壁垒还是数据，成熟的业务和产业链让自己的数据的更好的应用，并可以得到不断反馈和成长。大模型这一层已经是百模大战了，最终结果是谁把钱烧到最后谁会胜出，硬实力方面，ChatGPT像个灯塔一样指明了方向，要比自己摸索容易得多；现有大模型公司另一条出路是像应用层靠拢，找到自己的优势场景，实际上现在一些大公司也是这么干的。

创业黑马：有嘉宾认为，AIGC 的时代 ToC 端的机会比 ToB端大，您怎么看？

陈锡言：站在不同角度，会有不同的答案。如果是大模型厂商，ToC比 ToB 机会更大。因为拥有大模型之后，实现toC功能太容易，基于大模型的C端工具在大模型所有公司面前会不堪一击，这种C端业务一定是属于大模型公司的。但作为创业企业，垂直永远有机会，巨头大模型覆盖不了所有产业。只要在垂直领域，找到自己的特色场景，这个一定是 ToB企业的机会。而且在未来一段时间AI的只会在特定商用场景普及，泛C端工具除了个人助力和副驾驶类产品以外，基本属于尝鲜游戏，而前两者强依赖于场景的。其实我的观点会与他恰恰相反，我认为 ToB 才是真正的创业机会。

扫码加入黑马创业者交流群

↓↓↓

扫描下方二维码

加入黑马AIGC产业营

读懂AIGC底层逻辑，一步接入产业未来

↓↓↓

点击底部分享、赞和在看，完成三连击，把好的内容传递给更多需要的人。

大模型时代也要避雷，AIGC的真正使用者是打工人

更多精彩内容，尽在i黑马视频号