任何一个领域，都有海量的内容，我们不可能穷尽所有的知识。同时，我们更要明白，任何一个领域都有一些关键知识，要比其它知识更重要。

所以在研究之前，我们要先搭建自己的研究框架，帮我们锁定最关键的信息。

关于ChatGPT，我的研究框架如下：

收集事实有一个最重要的原则——确保信息源的纯净。

面对海量资料的时候，你没有时间什么资料都看，最简单的方式就是看资料是谁写的、谁说的，再决定该不该看。

要格外提醒你的是：不是有价值的资料重点看，价值一般的资料粗略看。而是价值一般的资料，看都不要看。

因为别人错误的认知，会污染你的判断。面对一个新领域，你要尽量先吸收最权威、最专业的说法，不要被媒体里的噪音干扰。

面对ChatGPT，靠谱的信息源可能来自五个地方：

客户需要的不是资讯，而是见解。客户不需要我们整理资讯，客户需要我们理解资讯，进而帮他们消化资讯。所以，不要去堆砌数据和信息，而是要在信息之上，提出自己的理解和预测。

以下内容，是我得出的见解：

要理解ChatGPT的能力，最好的例子是猎豹CEO傅盛说的故事：

傅盛领养了一只叫三万的狗，他问ChatGPT为什么给狗起这个名字？ChatGPT的回答是：“人们给宠物起名字有很多原因，有的是为了纪念一个亲人，有的是用一个熟悉的物体。”

然后，傅盛给出提示，这只狗曾经遭遇过一次车祸，送到医院做了一次手术，做完手术之后就把它收养下来了。

ChatGPT分析道：“我猜手术费比较昂贵，可能是三万块，那你起这个名字是为了纪念狗的这场手术。”ChatGPT猜对了。

ChatGPT不是在关联答案，而是推理出一个答案。这是过去的AI实现不了的。所谓人工智能，就是模拟人类的智能。而人类的智能大概分为几个梯度：

记忆——理解——推理——想象

之前的AI是帮人类储存大量的知识、信息，解决了记忆问题。比如，谷歌、百度这样的搜索软件只能做到信息匹配，却做不到理解，更谈不上推理和想象了。

ChatGPT作为“生成式AI”，强在它可以创造新知，它在智力上更加接近人类。那这种能力的意义在哪里？我觉得最大的意义在于，它会让“智能”变成一种能源。

人和动物的区别，就是对工具利用程度的差别。人们发明了汽车，我们解放了双脚；发明了缝纫机，解放了双手；发明了手机，解放了五官、感官。AI出现，解放的其实就是我们的大脑。

过去我们一度以为，人工智能只能替代一些蓝领级别的体力劳动或者基础的脑力劳动。但现在，人工智能完全可以取代一些高级的脑力劳动，最后它可以替代你、替代未来的一切工作。

当AI普及之后，智能就会成为一种能源。就像我们让汽车启动要燃烧汽油，要让工厂运转需要电，未来让一个商业体运作，我们则需要“智能”。

目前ChatGPT的算力会消耗很大的人力和财力，运转一次AI的计算，就是一种社会资源消耗。不过可以想像，未来的“智能”会成为我们日常生活中的刚需，会越来越便宜，就像汽车要加油、手机要充电一样。

当智能变成一种资源之后，我们的社会结构、国际格局也许面临重新洗牌。

我们可以回顾一下，人类任何一次生产力释放，都不仅仅是在推动商业发展，而是颠覆了国际政治格局。

比如，蒸汽机的出现，让英国成为世界霸主；电力的出现，让美国成为世界霸主；计算机出现之后，带来的机器革命和数字化，让中国领先于世界。

可以预见的是：我们对AI的利用既是商业课题，也是社会课题，更是政治课题。

历史上过往的成为巨头的商业体，往往都是因为他们占据了用户的流量入口。

比如互联网刚起步的时候，门户网站占据了web的流量入口；后来，谷歌这样的公司出现，一个搜索框占据网络的信息入口；当智能手机出现之后，APP就是入口，所以出现了大量的应用公司。

现在很多巨头都在发力做汽车，因为未来的汽车和手机一样，也是一个用户入口。所以，谁位于用户链的顶端，谁就会成为下一个巨头。

当ChatGPT这样的AI出现之后，可以想象，未来的用户入口应该是一个跟你对话的智能的虚拟人。我们会通过像人一样的AI ，对身边的一切电子设备发出命令，我们不用双手再去按键、不用眼睛去确认，一切的操作都会交给AI处理。

这对某些已经占据入口级的商业巨头而言，是一个非常危险的信号。假如马斯克在特斯拉里，安装了一个非常智能的AI助手，当国产汽车厂商没有这个AI研发实力时，你再不接入AI，成为别人的下游产业，再不等着用户抛弃你。

以往所谓的入口更多是一个软件、程序，或者是一个硬件设备。而未来的入口，可能是一个人工智能模型，在这样可预见的商业前景下，ChatGPT纠偏了硅谷、以及全世界科技公司的创业思路。

比如，前两年红极一时的元宇宙和web3.0 ，现在看起来越来越像一个炒作概念。

再比如，过往很多做AI的公司，把AI的利用方式聚焦在非常“实用”的场景里，人脸识别、自动驾驶等等。而ChatGPT的出现，让大家意识到通用人工智能（AGI），才是未来一切商业的根基。

对于一切平台而言， 不管是电视这样的传统媒体，还是而今的抖音小红书。有个不变的法则，内容即流量。

谁能用更低成本、更高效率，生产出大规模的内容，谁就拥有更大的流量。而内容的生产方式，经历了这些历程：

OGC——PGC——UGC——AIGC

从OGC到UGC，从报纸电视到今日的微信抖音小红书，可以明确地看出：内容的生产权越来越交给普通用户，流量自然也越来越“去中心化”。

尤其是区块链技术和web3.0的提出，大家都以为未来的世界，流量主权将还给每一个普通个体，但ChatGPT的出现，打破了这个走势。

UGC的商业模式，需要无数个普通用户发挥创造力。对于AIGC的商业模式，一个强大的AI就等同于亿万个普通用户了。

而让AI强大的关键，不是去中心化而是中心化。因为AI进化的关键是“连接”。

AI连接越来越多的平台，就拥有了越来越多的数据，数据越多、AI越“聪明”；连接越来越多的API，AI就有了更强大的能力，干更多的事。最终，AI终将变成一个超级大脑。

我们惊叹于ChatGPT的智能水平，但有意思的是，OpenAI公司本身并没有发明新的技术，他们用到的大部分技术，都是开源的。

其中最关键的技术，出自2017年谷歌8位工程师联合发表的一篇论文，这篇论文里讲了一个深度学习模型，叫Transformer，就是GPT里的“T”。

细节不提，简单说：Transformer模型的技术原理，是一场“概率游戏”。比如，我说一个“我爱”，模型就会猜测第三个字最可能是“你”。

既然是概率游戏，提高概率最根本的方法，就是增加测试次数。“我爱你”之所以最容易被联想，是因为在日常生活中，我们听到、看到“我爱”后面跟随“你”这个字的次数最多。

所以，ChatGPT的成功，是用海量的数据，驯化出了一个成功的人工智能。ChatGPT的胜利，是量变到质变的结果。

他们训练GPT-1的时候，用了7000本未发布的书籍，数据参数量是1.17亿，但到GPT-3，他们从45TB数据中挑选了570GB进行训练，参数量达到了1750亿。

这个过程还用到了Transfomer算法模型，这个模型模拟了人类对知识的存储、处理、理解、推理。但这里面并没有特别的技术，只是算法上加上足量的训练数据，ChatGPT实现了像真人一样跟你对话。

而OpenAI能处理如此大量数据，还有一个很重要的原因是：微软给它提供了至少一万枚英伟达芯片支持，成本超过10亿美元。

面对 ChatGPT的成功，我们可以总结出一个 AI 进化公式：AI=算法×算力×数据

算法就类似于，ChatGPT用到的大语言模型。如果把AI比喻成人的话，就相当于人类的思考方式。

算力就是处理大量数据的计算能力。背后意味着，是否有足够的芯片。粗暴点说，你是不是有足够的资金和深厚的科研实力做支撑。算力就相当于人类的精力和体力。

数据也很重要，数据就相当于人类上了多少课、获得了多少经验。数据越完善越多，AI就越“聪明”。

当得出这个公式之后，我们也就明白了ChatGPT的局限。算法、算力、数据，既是AI的动力，也是AI的局限。算法对应的是一个国家或一个公司的科研实力，算力更多对应的是你能调动的资金，数据对应的是你能调用多大的用户资产。

除此之外，AI还有一个巨大的商业阻力，就是社会治理水平。

虽然AI的进化是跨越式的，但是人类制度与文化的迭代却是缓慢的。正如OpenAI创始人说的那样，AI的进化应该是快速学习和谨慎迭代。这句话的意思是说：AI在技术上可以高速发展，但它应用于人类的生活时，应该是缓慢的、小心翼翼的，AI的发展不能被商业和资本的力量捆绑。

所以，我们可以再次完善一下之前的公式：

首先是基础模型的创业，也就是通用人工智能最底层的架构。这个基础模型，原则上可以模拟人类一切的智能场景。但是，基础模型对算法、算力、数据有极大的要求。基础模型是人工智能领域的王冠，但有资格登上王位的其实没几家。

国内的几家互联网巨头，百度的文心一言理论上有更大的机会，其它互联网巨头在算法、算力、数据上都有某一项是偏科的。比如，阿里没有足够的语料数据，腾讯没有足够的算法技术。

相对而言，垂直模型对普通公司可能更有机会。垂直模型是介于基础模型和应用之间的一种形态，当基础模型解决了人类大部分的智能场景时，在某些垂直细分的领域，AI的进化要依靠特定算法的校正和专业数据的“喂养”。

所以，未来会出现很多个在基础模型之上，来开发垂直模型的公司。但他们用到的底层技术，还是OpenAI这样的公司提供的。比如，专属于医疗行业的基础模型，出行行业的基础模型。

还有一些创业方向，是为这些公司搭建模型做服务的。比如针对算力，我们可能需要大量科研实验室的支持、需要芯片的制造产业。

我们都说，数据是AI时代的“石油”。其实，很多专业的数据掌控在专业的公司手里。对于AI而言，未来数据买卖就跟汽车加油一样，会有很多倒卖数据的公司出现。

所谓具体应用创业，其实就是在模型和具体需求之间搭建一个桥梁。比如针对人类的孤独，我们可以利用ChatGPT做一个情感聊天机器人，这个桥梁有可能是手机上的一款APP，也有可能是一款耳机。

最后我们聊聊社会治理向的创业，这一点可能被很多人忽略了。AI的崛起，必然会让世界上很多人变成“无用阶级”。

很多人学习和磨练多年的社会技能，会在AI面前变得一文不值。那未来，这些人将何去何从？他们将如何建立新的职业技能，找到新的生存价值？这依然需要一些公司提供相应的培训教育和解决方案。

其次，AI是个比原子弹还恐怖的工具，AI的安全将和AI的应用一样重要。而AI的安全性，涉及到国际公约、国家法律、AI伦理、技术条约，但这些都是从“制度”角度去约束AI。

我认为，制约技术最终还得依靠技术本身。就像我们不能只靠法律制裁去清扫电脑病毒，我们真正需要的是杀毒软件。如何用技术本身去约束技术？这真的值得探索。用技术手段实现AI的监管，也同样是一个巨大的创业机会。

但在我看来，我们现在应该只到了AI进化的第二大阶段。我预测，人工智能对人类的影响应该会有四个历史阶段，分别是：

出让劳力——出让脑力——出让决策——出让意义

过去人类发明的电子机械设备，我们可以把它看成“低智版的AI”，机械设备只能帮我们干基础的体力活，当ChatGPT这样的AI出现之后，它已经可以解决基础脑力工作。

当我们把大脑和身体的工作都交给AI之后，下一步就轮到我们的自我意识了。我们马上要交给AI的，应该是我们的决策权。

这些决策权可能包括：下一步的创业方向是什么？公司的组织架构怎样是合理的？我们应该用什么方式推广自己？出让劳力、出让体力，基本上是用AI来提高生产效率，降低生产成本。

但未来的商业竞争，AI核心解决的可能就不是成本和效率问题，你赢得对手的关键是对智能的开发程度。

如果我们把AI定义成出让决策权的工具，你可以推出一款 AI 版的“数字合伙人”。

“数字合伙人”可以消化企业所有的经营数据、大量的商业实战经验和你希望让它掌握的知识体系。你每天可以跟他讨论公司的战略方向、组织架构、商业模式。也就是说，AI不是在和你共事，而是在和你共谋。

再比如，在科研领域，未来不是我们下达一个任务，让AI去执行某个研究方向和课题，而是我们输入思考和需求，AI判断该研究的方向和课题是什么。AI本身就是一个科学家，有自主的思考能力。

在生活场景中，我们也会不断地出让自己的决策权。比如，在相亲网站中，可能是AI建议你选择哪个人结婚。当AI吸收了足够多的数据之后，AI的结论可能会比被恋爱冲昏头脑的你更可靠。

当越来越多的决定是AI帮你完成的，那么请问：你的生命是由自己操控还是在由AI操控？当AI强大到这个地步的时候，人类就会质疑自己存在的意义。

当纽约公立学校严禁学生用ChatGPT写论文之后，沃顿商学院的教授Ethan Mollick，却开始鼓励自己的学生用ChatGPT来写论文。

试想一下，当所有学生都可以用ChatGPT写论文，大家的分数会有明显差别吗？一定会有差别的。虽然平均分值会上升，但一定有人的论文是A，有人的论文是C，因为不同人调用ChatGPT的能力是不一样的。

这个道理就相当于你和你奶奶一起用百度查一样东西，你查到的结果一定比你奶奶更精准、更靠谱。

正如英国营销公司Ladder创始人Michael Taylor所说：

“当你可以创造任何你想要的东西时，你能多准确地表达「那是什么」的能力就变得很重要。”

AI就相当于一盏阿拉丁神灯，你可以利用AI满足自己绝大部分需求。但如何把AI的能力发挥到极限，不取决于AI的能力，取决于我们利用AI的能力。这个时代，我称之为“阿拉丁时代”。

我们利用AI的能力，可以分为三个维度：

对AI的访问权，是未来拉开阶级差距的重要指标。

最早的阶级划分由血统决定。比如，古代的印度就是由种姓决定人权和等级的，婆罗门人出生就是贵族。后来，知识也成了一种划分阶级的因素，你上什么大学、你的学历，某种意义上决定了你未来的前景。

最后，我想再重复一遍这句话：人类即将进入“阿拉丁时代”，我们创造性利用AI的能力，将决定人与人之间的差距。