颠覆的时代：GPT普及后的新模式和应用｜硬件

　　随着chatgpt的不断更新，全球的Ai行业参与者都像是被打通了任督二脉，看到了未来产业化的路径，都举全力投入到相关工具的开发和使用当中。至此，人工智能又开启了一个新的技术爆炸的时期。

　　Gpt的革命性在于它可以根据给定的文本或关键词，生成各种类型和风格的文本内容。包括对图像的理解。Ai在人类语言和逻辑的理解上，基本站上了新台阶。

　　在此前的文章《AI绘画爆火之后》中我们讨论过文字转图片产品的发展与带来的变革。

　　而历经半年的迭代后，在Ai绘画这一品类上，已经基本上实现了不可思议的真实效果。

　　

　　图：midjourney v5 生成的特朗普被捕

　　如今GPT的突破比Ai绘画更加震撼，也有更广阔的使用范围可以预见的是，在未来的半年内，GPT的普及将会给人类社会带来很多新模式和应用。

　　而这其中又会孕育哪些新机会呢？我们将继续从商业的角度进行探讨：

　　一、新形态的SaaS

　　底层工具

　　最基本的商业思维去看，Ai的推出最直接的盈利变现手段就是订阅收费SaaS。

　　而这里面最大的赛道，莫过于提供底层工具，如OpenAI根据流量计费的大模型，可以满足各类人群及企业的广泛需求，以获得相应的收入。

　　

　　底层工具可以说是整个Ai生态中的关键部分，这类产品对应巨大的市场。后面的任何产品的市场都不会比底层工具更大。

　　除了在语言理解的openai以外，还有文字转图片技术领先的midjourney等，同样都称得上是底层工具，而这样的公司必然有着巨大的业绩成长空间。

　　这肯定是兵家必争之地，目前看来，基本上有点野心的互联网企业都想着开发一个类似的大模型，希望来这里看看能不能混点市场份额。包括文心一言为何这么快就要推出相关的半成品竞品，而国内的互联网大厂也都说要加入追赶，为的就是能在这个未来的大市场分一杯羹。

　　但目前而言，像Openai这样的技术领先公司占据先发优势，又有微软的资金和算力支持，还有丰富的软件生态结合，后发者还想抢夺市场份额，事实上比想象中难得多。

　　改善型产品

　　当然，工具生产者要获利，也必须让工具使用者有所得才行，人们利用这个工具，也能衍生出不少的机会。

　　对于很多已经存在的互联网产品而言，将gpt-4与自己目前产品进行结合，从而推出价值更高，效用更高的改善型产品，是未来一段时间AI普及后所带来的一个商业机会。

　　例如社交媒体公司通过gpt-4的接入提供类似机器人陪聊的角色。又比如软件服务公司通过集成gpt-4提供通过文字指令就能在软件内完成庞大任务的功能。

　　最典型的莫过于copilot：集成了gpt-4的office套件，可以通过文字，图片，数据等信息的输入，来迅速生产表格，PPT及文章等。对于很多人来说，购买服务，然后再也不用自己辛苦做PPT，这完全是物超所值的。

　　但对于改善产品而言，存在问题是大家都用上gpt-4，那就等于大家都没用。大家仍然处于同一起跑线上竞争。工具加强得当的公司会因此得到市场份额，没有加强得当的公司却因此失去市场。所以说，并不存在用上Ai后，整个行业能因此都收益的情况。

　　另外，增加的GPT-4功能，需要向Openai付费，而这个成本加上去以后，是否能从终端收入中获得更高的回报？

　　如一个游戏公司在NPC设计上都接入了gpt-4功能，使得整个游戏NPC拟人化，这丰富了游戏交互的可玩性。然而，当游戏销量又或者玩家的付费金额没有因此提升的话，收入不变，成本提升，最后的结果就是利润反而因此降低。

　　所以说，加强型工具业务，是否能产生商业回报，仍然要从多个角度考虑问题。而且，还要避免本身也有不少产品服务及游戏业务的微软，作为裁判自己下场竞争。

　　所以任何结合Ai的改善型产品，都要重新考量其经济性。改善产品绝不是套个Ai就能带来收入提升，使用人群提升，要是设计不当，反倒会使公司徒增不必要的成本。

　　创新工具

　　相比那些通过接入GPT-4来改善自己产品的想法，创新型Ai工具更具有革命性。

　　如何应用现有的Ai工具生产全新的产品，并获得收入？目前我们注意到一些新的产品已经开始试水，例如基于Ai的网页总结工具，学术文章的修改工具，包括将人的历史发言记录学习从而实现“数字人”的工具。

　　如图所示，基于GPT的各类分化式工具已经陆续出现：

　　另外，将GPT和各类绘图，制作视频的Ai有机结合，也将诞生很多新的风格迥异的Ai。

　　这个维度的产品，一定程度上取决于使用者如何去理解并且挖掘尽Ai的潜能，并且把这些任务结构化。

　　底层Ai作为树干，不断向上发展，产生分支，从而产生专属不同任务的Ai，将是一个大的趋势。毕竟目前的chatgpt仍存在着一些问题：

　　首先是，Ai的运行时间长，且不稳定，对于很多单一结构的自动化任务，GPT里面很多的算法的运行都可以跳过，如设计师写稿显然并不太需要GPT里面的写代码的知识。

　　而自动化任务，也需要Ai保持回答输入的连贯性和稳定性。因此，针对自动化，对Ai进行轻便化处理，如同细胞分裂，干细胞向其他功能细胞演化，是整个Ai行业未来的大趋势。

　　其次，人们还要摸索去使用GPT的方式，通过特定化语言指令去让GPT达到更聪明，更准确的效果，其中也会衍生出更多的指令化个性Ai。Ai训练将同样成为未来的一个重要的职业方向。

　　当然，还有针对GPT的各类副产业也会因此而生，例如当下各类帮助用户连到openai网站，注册账号的生意就已经赚得盆满钵满。

　　而当chatgpt嵌入到搜索引擎后，过去针对关键字搜索的SEO（搜索引擎优化），也会转为针对Ai算法的算法搜索优化，来引导Ai向所有用户输出自己的网站内容。而更加不合法的产物也由此诞生，如通过污染互联网信息来使Ai“变坏”，输出不当价值观。又比如，针对Ai进行真假识别，侵权鉴别的产业，也会出现。因此，此类黑产和针对黑产的保护产业，也是一个巨大的市场。

　　总体而言，在目前语言模型已经走通的基石上，大量的创新工具即将冒出，这将会是一个巨大的增量市场，有待会利用Ai，吃透Ai原理的开发者进行发掘。如同过去基于大数据统计的推荐算法，有的企业用于杀熟，而抖音因此结合UGC和视频生态，创造出一个全球化的媒体巨头，关键还是在于，我们怎么去理解和吃透Ai的本质。

　　二、被替代与成本优化

　　对于大多数行业而言，其实并不一定需要用Ai做出什么新东西来，更大的用途是使用Ai来进行工作流的优化，从而提升效率降低成本。

　　如以下几个维度，均可以实现巨大的效率提升

　　- 教育：gpt-4可以作为教育领域的强大助手，它可以根据学生的水平和需求，生成个性化的教材、习题、反馈等。它也可以作为教师的辅助工具，帮助教师设计课程、批改作业、评估学生等。此外，gpt-4还可以作为在线教育平台的核心引擎，提供高质量的在线课程和互动服务。

　　- 娱乐：gpt-4可以作为娱乐领域的创意源泉，它可以根据用户的喜好和场景，生成各种类型和风格的文学、音乐、影视、游戏等内容。它也可以作为用户的娱乐伙伴，与用户进行有趣和有意义的对话和互动。

　　- 商业：gpt-4可以作为商业领域的高效工具，它可以根据企业或客户的需求和目标，生成各种类型和风格的营销、广告、公关等内容。它也可以作为企业或客户的智能顾问，提供专业和实时的分析、建议、预测等服务。

　　当然，这不可避免地会带来一些岗位的减少，这些岗位都可以减少人手，从而应用Ai完成此前的任务，一个人干原先多个人的活不再是难事。

　　Newbing 认为的工作岗位的影响比例：

　　

　　但乐观点看，这也会创造出很多新的岗位，如帮助使用Ai的工程师。像下图一样，我们也许不需要会设计前端网页的工程师团队了，但是仍然需要有能够理解怎么给Ai描绘问题，精准描述需求并使其完成相应目标的团队。

　　

　　此类职责我们称为prompt（提示语）工程，在未来，如何用最优的提示语来激发Ai生产最恰当的内容，将是一个非常稀缺的技巧，可以想象，prompt工程师是未来一个极其需求旺盛的需求。

　　对于企业来说，在成本端的提升将是清晰可见的，很多公司原先复杂的团队，只要有足够完备的，专业化，运行速度快的Ai，甚至能用几个人完成原先几十个人才能做到的任务，而且一个精通Ai的工程师，可以完成原先几个人团队才能完成的项目。长此以往，那些业务稳定，且数字业务人力资源占比高的企业，将从中大大收益。

　　而在Ai替代人力的过程中，越是体力劳动的职位，反而越不容易被替代，这也反映Ai的发展是针对白领阶层的一次革命，其对于低收入群体的影响反而不那么大。

　　

　　当然，以上职业的替代不由GPT决定，而由硬件层面的突破决定。但当机器人自动化达到突破点时，结合GPT，这些行业的替代只会更加彻底。

　　所以，对于脑力劳动者，未来将是一个贫富分化更不均的时代，聪明人用上百种Ai构建起一个人的百万大军，而仍然只能充当螺丝钉角色的单一技术人员将被淘汰。

　　三、底层稳定性和硬件

　　而硬件层面需求同样会因此受益，如算力，不过当前硬件行业的竞争格局非常清晰，这一点也没什么可说的了。

　　要注意的是，当前算力层面的需求是基于大家想模仿Openai加入底层工具竞争所带动的，但当格局固定，正如微软统治PC系统市场。到时候，开发相应模型的需求就会跟今天设计一个PC操作系统的需求一样式微。做不来也竞争不过，直接用就是了。重复发明轮子，确实没有什么意义。

　　然而，除了算力，如上面所说目前Ai运行的稳定性和速度都还有相当大的问题，这里面有些并非由算力掣肘，而是由其目前的交互形态所限制。

　　如有相当观点认为，Chatgpt应将一部分数据放在本地，减少云计算的比例，以此达到更快的速度。当然基于云计算的方案，在云加速和数据储存的方向迭代创新也应该推进。另外，各类边沿计算的硬件，也应该继续进化。

　　还有，在Ai全面普及后，保证Ai稳定持续运行的安全方案，而当公司选择接入了ai后，数据如何分类存储，哪一类保存在云端被Ai所记录共享，哪一部分数据保密必须在本地运行，这都会催生新形态的存储架构。

　　这些在网络工程方面的需求，未来都会持续繁荣，这也是gpt普及后的一个重大商业方向，当数以亿计的公司和个人每天的工作都依托GPT进行以后，维护整个Ai模型的持续高效运作，将是一个巨大的商业生态。

　　四、结语

　　综合来看，GPT绝不是像过去的元宇宙一样虚无缥缈，使用场景局限的产品。

　　未来的变革已经清晰可见。目前跑得最快的Aigc绘画，已经可以以假乱真，我们未来看到的很多图像作品，都不再会是人手绘制的了。

　　而GPT语言模型带动的变化紧随而来。可以预见，半年后，很多创新型工具将一个个推出，在市场上试水，如同今天midjourney的最新产品一样，需求旺盛。未来基于GPT这个树干，再次生成出如字节跳动这种超级巨头，都是完全可以看到的。

　　显然，有人欢喜有人愁，关于被Ai替代，造成失业，是不可避免的。但并不能因此停下科技进步的脚步。对于普通人而言，如果我们不能不能像Openai那样指点江山，那么唯一能做的是吃透其基本原理，理解Ai运行的逻辑和规则，不放弃对每一个技术迭代的学习，那么被Ai替代的风险自然会大大减少。

　　可以说，这是变革的时代，每个人都要有危机意识。要么积极拥抱改变，或者就专注于那些机器和Ai都无法改变的工作。

　　特别声明：以上文章内容仅代表作者本人观点，不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。