马斯克联名呼吁暂停AI大模型研发6个月，理由是给社会带来风险，其曾称人工智能可能会毁灭人类文明；比尔盖茨说GPT是他一生中第二次让他印象深刻的技术演示，上一次把他送上世界首富的PC图形界面；而Nvidia黄仁勋发布人工智能芯片H100，称chatGPT是AI时代的iPhone时刻。

chatGPT上线5天用户破百万，两月用户月活过一亿，成为历史上增长最快的消费级应用，手机用了16年，web用了7年，Facebook用了4.5年，chatGPT只用了两个月。

企业老板们要思考业务会不会被人工智能重构，如何转型升级业务和商业模式，而打工人焦虑的是会不会失业，会不会被人工智能替代，如何提升自己在人工智能时代的竞争力。而在这波热潮里，送水类服务，chatGPT账号买卖付费社群etc，已经挣到第一桶金。

在这些讨论里，除了chatGPT技术创新带来的震撼和可能性，也有各利益相关方的推动，媒体需要新流量，资本需要新故事，创业者需要新希望，普通人需要新话题，多少带点情绪和煽动，不一定都是事实，很多结论是基于chatGPT成功的归纳总结和包装。

chatGPT带来的不是人工智能技术范式的变化，它真正创造的价值，是让每个像我们一样的普通人用上了AI这个生产力工具，它将开启个体大规模应用AI的智能时代。

chatGPT不是iPhone，而是个超级APP，它是个微信，依然需要依赖其它硬件和平台上去输出自己的能力。

大模型的竞争，是资源的竞争，最终的格局可能是BAT+H+T5家和一两家创业公司+多家垂直行业大模型共存。

意义是人赋予的，对意义的定义和感受，是人跟机器最大的不同，意义来自于体验，创造和分享。

职业划分这个事情，为了简化，但未必合理，有时代的局限性，更需要讨论的是什么能力会被替代，而不是什么职业会被替代。

它像一个全能全知的助手（如果这个能力所有人都可以用，未来世界是怎样？个人的竞争力在哪里？你怎样与别人不同？），有整个人类的知识体系，能随时调用回答你的问题，它可以对这些知识做排列组合展示优化，给到最匹配用户需求的答案，本质上还是Y=F(X)的解法，只是X是上一步生产的Y，它依然是个概率匹配的问题，只是在对问题的匹配概率更高效果更好。

在当下，我们很难说它有创造知识的能力，更不会像人一样有情感，之所以有时候感觉像人，或者回答很有用，部分是因为用户在使用时就设定了自己对机器「人」的期待，另外是在产品的设计上，产品经理功不可没。

一是它模拟人类对话的方式甚至是语气词，让自己感觉与人对话的温度。二是在答案呈现的时候，结构化的列个一二三，显得逻辑很清晰，满足人性对确定性的需求，人很容易被这种的形式的答案说服，即使很多时候chatGPT的答案并不准确。三是答案输出有时快有时慢有时要等好久，特别是一个字一个字往外蹦时，会有一种跟人在交流的错觉。

到目前为止，人工智能70年的发展历史，是大力出奇迹的历史，更多的数据，更多的参数，更强的计算能力，做出一个更好的算法模型，这种形式对算力的需求会不会有瓶颈？算法模型大到一定程度对效果提升是不是有局限？

GPT是个黑盒，我们不知道达到这个智能程度，它结构是什么，能力是从哪里涌现出来，甚至openAI的人再做一遍都不一定能保证这个效果，当我们没有办法解构它，我们就没法理解和预测它，那未来它智能的天花板在哪里，这是个问题。

当然，单纯讨论chatGPT的能力到底行不行，没有建设性，只是需要对AI的能力边界有个清晰的认识，最核心的事情，其实是如何把GPT和chatGPT的能力结合到现有产品和行业上。

chatGPT带来的不是人工智能技术范式的变化，它是transformer神经网络模型的优化，也谈不上是数字化体系的下一代计算平台和新模式升级，它更多的是对当下数字化平台的补充、提升和加速，它更像是一个微信级别的超级APP，内核是GPT模型。

但不影响它开启的AI对互联网和各行各业变革性的改造，它真正创造的价值，是让每个像我们一样的普通人用上了AI这个生产力工具，它开启AI大规模应用的智能时代。

如果AI在当下和局部很难理解，那么拉大时间尺度，拉出结构，找到它的驱动力，能帮助我们更好的去分析它。

AI技术的成熟度

chatGPT代表的生成式Generative AI只是AI的一个细分方向，一个起点，处在期望膨胀期，距离真正的落地创造价值，还有2-5年的时间，很多时候我们用chatGPT觉得，很有用，是它启发了我们思考和学习，它离正真的价值创造，还有一段路径，简单来说就是你付的chatGPTplus会员的钱，通过chatGPT挣回来了吗。AGI通用人工智能的阶段就更为早期，通用人工智能这个命题是否成立，还值得商榷。

数字化的体系结构

数字化的本质，是针对大规模的信息，通过计算平台，用芯片+算法，来提升我们解决任务的能力。相对于人脑+其他工具（算盘、笔和纸张），它的计算能力更强，规模更大，产生的效益也越高，它是大脑的部分替代和延伸，AI是用来提升数字化计算的效率和交付需求的精准度。

数字化的发展，基本上都是由计算平台的发展和规模驱动，平均每12年有新一代的计算平台诞生，每一代计算平台的诞生，都会产生数字化结构性的机会。计算平台核心的结构，由前台、后台构成，前台以交互的效应和规模来驱动。后台是以计算资源的规模和能够覆盖的空间来驱动。

判断是否是下一代计算平台，主要是看有没可能形成新的商业生态，前端是否有更自然高效的交互方式，新终端硬件的成熟度，是否有杀手级应用，以及其他基础支撑技术能力是否成熟，特别重要的是有没有一个定义性的体验产品来驱动生态的发展，如web时代的浏览器Mosaic，移动互联网的iPhone。

PC时代的交互是从笔跟纸切换到图形界面，硬件是图形化PC，企业办公软件是杀手级应用，它把企业的办公和管理数字化了，商业生态是以wintel为核心的软件开发者生态。

移动互联网的交互从鼠标键盘转到手指和触屏，iPhone是定义性的产品，微信类社交产品是杀手级应用，应用商店则驱动了整个商业生态的正向循环，它数字化了人的行为，手机成了人体器官的延伸。

元宇宙是下一代互联网，AR是下一代计算平台，但在当下，不管是在多模态手势语音交互方式的提升，硬件入口XR硬件产品成熟度，杀手级的应用，还有整个商业生态的建设，都遇到瓶颈，但它的普及只是时间问题。

GPT很像会开启下一代的计算平台，它有更自然的交互方式，也有商业生态形成的可能性，但是目前还缺少支撑它新的硬件终端，后面很有可能是AR眼镜或者机器人。

不过AI人工智能本身是个技术形式，它不像互联网和元宇宙，是模式的概念，把当下chatGPT为代表的AI去和以往的计算平台对比，没有太多的可比性，也会产生很多误导。它没法类比开启移动互联网的iPhone，GPT4不是iPhone，ChatGPT不是iOS，Plugin也不是App Store。

GPT是个AI技术基础设施，是个算法模型，他更像是一个可调用的中心化的能力，通过API的形式展现，需要依赖电脑和手机等终端上，给各类型的应用做赋能，提供新的产品特性。

chatGPT是个超级APP，它是个微信，依然需要依赖其它硬件和平台上去输出自己的能力，plugin是微信小程序，基于微信平台的能力，会衍生出各种基于微信组建构建的应用。

如何基于现有的互联网平台和商业生态，用GPT的能力，把原来的应用用AI提升或者重构一遍，像微软把自身产品用GPT重构一样，或是基于chatGPT这个超级APP去构建轻量化的小程序，是一个值得参考的路径。

人类文明演进的范式

人类财富增长的历史，是技术驱动的历史，技术是推动人类发展核心的驱动力，经济是技术外延的表现形式。

技术的本质，是通过改造自然现象，来满足人类需求，它通过不断的组合老的技术，不断的满足人类各种形式的需求，来推动社会进步和经济发展，技术对自然现象改造的能力越强，对人类需求的满足范围越大越精准，社会财富总量的创造就越快越大。AI通过算法提升改造自然现象能力和更精准满足人类需求。

整个宇宙，一切事物可以简单的总结为：宇宙=能量+信息，能量是一切的源头，物质是能量的表现形式，信息是能量和物质的符号，组织和调用方的式。

能量密度越大，对能量组织效率越高，产生的效益就越大。AI通过算法，提高信息的组织效率来提高了能量的转化效率，能量转化效率的提高，意味着技术满足人类需求的能力越高，人类财富就自然增长就越快。

农业文明把太阳能和人的劳动力，通过光合作用转化出来食物，食物是最大的财富，工业文明把能量密度更高的煤和石油，通过电和人的知识技能，更高效的转化成财富，所以有了飞机汽车，而数字文明本身，能源并没有太多改变，但是组织能源的方式发生了极大的变化，计算机和人工智能，把数据转化为信息，在信息中抽取知识，用知识来组织，提升人类社会现有的资源和能力，把财富创造的总量和速度提升到一个更大的量级。

从这个角度看，GPT开启的不只是下一个计算平台，它会颠覆原来所有计算平台和商业生态，不只是数字化计算平台的升级，而是数字文明范式的更新，从原来的信息时代，跨步到智能时代。但它不会来得太快，人往往太高估一个事情短期的影响，忽视中期的影响，低估长期的影响，互联网把世界拉平，人工智能把世界缩小。

以上都是类比和归纳，它的局限性在于，希望用过去小模型的经验去预测大模型可能发生的不确定的未来，iPhone发布的时候，我们并不知道它会开启一个怎样的新时代，虽然很多人都会说第一眼看到iPhone就知道新时代来了。

当下我们所处的时间点是AR、VR、5G、AI、区块链，3D等各种快速融合发展的阶段，AI与其他技术相结合，会创造出很多新的东西，创造出新的行为、思维模式、工作方式、商业模式和新的不确定性。

在确定性消失的时代，思想最大的问题是以为确定性的方法可以解决不确定性的问题。

更自然的交互

生成式AI可能会创造出一种更为深刻的人机关系，用户端的最大变化，是因为后端智能的提升，信息展示架构更简单，降低了前端的交互复杂度度，相对移动互联网，从触屏操作到自然语言交互的升级，它的交互路径更短更自然，拿求职应用举例：

原来用户需要浏览大量岗位信息才找到匹配的工作，现在只需要说几句话，AI就能精准的给你匹配工作。求职1.0是上51job投简历等电话，求职2.0是上boss直聘刷招聘需求直接找老板聊，基于AI的求职3.0可以直接通过自然语言的表达，跟机器人聊。

在聊天过程中让AI推荐最合适的工作，减少求职者大量信息的筛选，降低使用门槛，提高匹配的效率，它的产品形态，可以就是个chatGPT式的对话框。

PC互联网是鼠标+键盘 mouse+keyboard，移动互联网是手指+触屏finger+screen+GPS+Camera，AI时代是自然语言+麦克风voice+microphone+各种sensor。

这也是整个人机交互的趋势，它沿着信息展现越来约简单，交互越来越自然，路径越来越短，精准度越来越高，互动性越来越强的方向在发展，最极致的情况是脑机接口。

商业模式的变化

chatGPT类生成式应用一个很大的特点在于，上线即可以收费，不像互联网应用，需要先免费圈用户再找盈利模式，相对于互联网提供信息，移动互联网做交易和服务的撮合，chatGPT类的生成式应用，一上来就能直接提供价值，或者说它提供的是生产力工具，所以它能直接收费，从免费到收费，这是无到有的巨大区别，也能从中看到此类应用的价值。

如果你开发一个生成式AI应用，还需要思考要不要收费，那你需要思考的是，这个应用，到底有没有为用户创造价值，它值得做吗？

超级个体和公司小型化

超级个体和公司的小型化趋势，在短视频和直播已经体现的非常明显，微信抖音等超级平台提供了完善的生态和工具，让每个有特长的个体，都能基于平台创造价值。

chatGPT带来了低成本强智能获得方式，提高价值创造的速度，企业和个人能以足够低的成本以及便捷的方式获得这个能力，来提高生产的效率，从而减少团队的规模，甚至是产生一人团队，对大公司也一样，公司平台汇集资源，下面落地具体业务的团队会越来越小，有时候团队规模太大反而会产生太高的协同成本。

创造价值，很多时候不是凑够一波人，而是找到合适的方法路径，善用合适工具，网传营收一个亿美元的图片生成工具midjourney，核心团队只有11人。

chatGPT带来这波AI的浪潮，算不算个大的结构性机会，我不知道，机会有大小，有时间点，但没有高低，对个人来讲要看合不合适，对企业来说要评估的是是否在战略规划上，能不能提升现有业务价值，有没有竞争优势。

但能确定的是，它将对每个企业的运营，对每个个体工作与生活，都将产生非常大的影响与挑战。

大模型

当下吸引眼球的是做中国的AI大模型，把别人干过的事情用中国式的方式再干一遍，赛道足够性感，也足够拥挤，对数据，算力，人才密度，资金，节奏把控的要求很高。

基于中国的国情和互联网环境，最后的终局可能是BAT+H+T5家和一两家创业公司+多家垂直行业大模型共存，参考下当下中国自然语言处理和云的产业格局。

有一个比较大的问题是，大模型，怎样才算大？是否需要专门的人工智能模型或垂直行业模型用于不同的用途——比如一个用于教育，一个用于医疗，另一个用在制造，还是只需要一个通用的人工智能？

中国大模型是个相对确定的事情，基本可以照着openAI的路径往前走，但确定性高的竞争，通常是资源的竞争，未必是模型和算法本身，特别是云的竞争，大模型可以算是云原生，云厂商和大模型厂商的竞争关系会非常微妙，即有竞争也有合作。

大厂本身有算力，数据，人才，最重要的是有具体能落地的场景和应用，大模型可以直接赋能给自身产品，提升现有产品的竞争优势，创造商业价值，缺点在于本身有盈利压力，还有各大业务线的相互限制，普通大众和股民的期望过高，Google bard和百度发布文心一格发布后股价暴跌就是个很好的例子。

从各个方面看，创业公司都没有太大的优势，除了没有组织和业务的包袱，更适合当下快速变化不确定性的环境，可能就是叫相信相信的力量，openAI也证明靠使命和愿景驱动，未必会比资源丰富的大公司做得差，但这个关键点在于，openAI当时做的是创造，当下大家想做的更多是复制，这有本质上的区别。

当然，对做通用大模型公司来讲，沉淀基础能力后做垂直行业的大模型或者应用，先放再收，可能是个更好的选择，通用大模型创造的价值最大，但是创造价值，跟获得价值是两回事，如果非得把chatGPT比作做操作系统的话，那获得最大价值的，不是操作系统，是基于操作系统的应用。

如果沿着openAI的路径走，未必能跑出来，这里还有几个挑战：

1、GPT3发布于2020年，GPT4早在2022年8月就发布了，这中间的差距最少两年，能否追赶或者得花多长时间，追上了意义有多大。

2、大模型盈利模式不够清晰，投入到实现盈亏平衡的时间是多长，特别是在国内这种竞争环境下。

3、openAI GPT会以什么样的方式落地到中国。

另外，相对于中心化的方式，资源、人才、芯片、时间都受限的情况，去中心化的组织与构建方式，是否是大模型的另一种解题思路？欢迎+WX：qiunanvlab探讨。

生成式AI应用

这个赛道要比大模型更拥挤，相对来讲它的门槛要比大模型低，做SAAS的产品团队能力模型往这个方向切也比较合适，人才能力模型和商业模式都比较匹配，这类型应用的风险主要有三点：

一是基于GPT等大模型能力本身去做应用，提供的价值太过单薄，也很难做差异化，大模型自身能力的增强和蔓延，很容易覆盖掉这部分能力，谁都不敢保证大模型公司不会自己亲自下场做应用，如果没有办法跟具体行业结合，把价值厚度做厚，很容易就被边缘化。

以jasper.ai为例，做营销文案的自动生成，2021年成立，预计到2022年底，收入将达到9000万美元，估值已经到15亿美金，但是GPT4出来后，它的价值就被大大的削弱。

二是工具类的产品，特别是需要付费的，市场集中度高，用户选择了midjourney就会放弃其他产品，用户最后只会选择一个品牌最多两个。

三是这类型产品，能持续给用户提供价值吗？提供的价值能否覆盖购买成本？chatGPT给你创造的价值，能覆盖它的成本吗，它能持续创造价值吗？

典型的，是基于chatGPT基础能力的垂直场景的聊天机器人，如AI算命，AI佛祖，AI心理咨询师，这类型的应用开发成本较低，写好prompt，基于chatGPT的能力定义好垂直机器人的人设，再设计下UI就可以出来一个垂类机器人，本质上还是在对chatGPT的通用能力做切分。

这类应用市场集中度相对较低，对运营要求高，短期追热点做增值服务变现，长期得看团队的服务能力和流量的转化，这类型应用可能是服务+SAAS，但是能不能长期，也是个问题。

生成式AI应用的核心竞争维度、竞争壁垒，差异点在哪里？是品牌、行业数据、用户规模，还是服务？

生成式AI应用也衍生了一个内容创作的红利，数字人直播，短视频内容，写小说等等，这个红利期取决于AIGC工具的普及程度，早期使用者能享受到工具带来的能力的提升，获得竞争优势，长期还是就回到创作的内容本身，还有平台对AI创作内容的容忍度。

整个内容行业本身，正在从“以内容为中心”到“以人为中心”,平台更需要的，是一个实实在在的人的注意力和时间，不是一堆机器创造出来的普通的内容，「人」才是平台的价值所在，而不是一堆数字人机器人。

生态服务送水类

每一个趋势起来的时候，最快最稳挣到钱的，是做服务送水的人，chatGPT账号买卖，课程培训，周边服务，节省了心进入者很多时间。这类型的服务适合原来就有一定存量用户和粉丝的团队，它是运营驱动，新的需求服务老的用户，但本质上还是挣短期信息差和渠道的钱，取决于这个热度能持续多久，另外，AI教育会是个很不错的送水类方向，如果未来人类需要与AI协作共生，那么每个人都需要学习如何理解AI，如何使用各种AI的工具。

行业+AI+chatGPT

我们在谈所有技术和工具的时候，一定得把它放到具体的行业，具体的场景、具体的用户需求，甚至是具体的流程上去思考才有价值。

尤其当你拿着一把带有超能力的锤子chatGPT的时候，会容易看到到处都是钉子，AI最大的价值，得回归到行业、业务和产品本身，帮助各行各业提效降本，AI不会让行业消失，但会重构各行各业的价值链。

硬件+chatGPT

+硬件这个方向，更多的是对现有各类产品的升级，把原来AR，VR，车载，机器人，音箱，智能电视，TWS耳机等产品做一个整体升级，不应该算什么新机会，但有更多新的可能性，在数字空间的AI，需要找到物理空间的载体来发挥它的价值，物理硬件，需要更智能的内核。

这几年我们经历了经济和整个社会前所未有的动荡，全球疫情，战争，气候，人们普遍认识到，企业已无法像以往一样开展业务，AI会加剧这个动荡，但也提供了一个新的应对工具。

生成式AI对企业的挑战

大模型，生成式AI尚在应用早期，技术相对不太成熟，不确定性高，更新迭代快，缺少各行业的最佳实践案例，在部署实践过程中会有非常多从无到有繁杂的工作，同时还要警惕chatGPT类应用一本正经胡编乱造和防范企业数据泄漏等安全问题，企业也未必能跟上技术迭代的速度，或者付出成本远远大于企业的收益，需要找到合适的平衡点和方法。

生成式AI正在重塑企业价值链，在提高企业生产效率的同时，也会重塑企业的组织架构，沟通方式，产品业务会和与客户沟通的方式等。以自媒体，短视频直播，插画设计机构为例，生成式AI工具开创一种“人机协作”的工作模式，在提升效率的同时，暂时没有创造新的岗位，减少了企业员工数量的需求，而且，这种生产力的变革，企业基本没得选择，必须跟进，擅长用AI的企业会干掉不会用AI的企业。

企业的应对方法

首先是构建企业创新体系，创新是个用不过时的话题，从企业文化、战略，组织，方法，都需要升级，来应对不确定和快速变化的环境。从探索，验证，部署，到持续创新，3DS模型提供了一个结构化的创新框架。

其次构建生态伙伴系统，和生态伙伴，协同共创，优势互补，共同探索和共建新的业务和解决方案，应对不确定性。

最后，从组织和业务本身出发而不是从热点出发，寻找落地的方向、切入点和路径。最好的方式是，先下场做，在做中去思考和总结。可以是从成熟度高风险低的应用切入，对内提升组织认知和效率，对外构建更良性的客户关系。从内部业务流程开始，导入企业知识库，用机器人搜索和查询内部信息，比如员工对人力和IT相关的咨询，来来回回就那么几个问题。从接近用户但是不对主线产生太大影响的落地，如客服机器人，提高响应质量和客户满意度。

人跟机器最大的区别在哪里？人的价值在哪里？是意义感，机器不会问这个事有意义吗，意义是人类对自身存在的一种解答，对意义的定义和感受，意义是人赋予的，是人跟机器最大的不同。

整个人类文明是由人类自己想象构建的各种点线面体的逻辑和规则，人类文明是个想象的共同体，国家、宗教、老乡、同学都是如此。

意义来自于哪里，体验，创造和分享，旅游看风景时体验的一种，创造是意义构建的过程，写一本书，做一个产品，画一幅画，而分享则是把体验和创造的内容给予他人，为他人提供意义，迎合人类对共同想象共同认同的需求，人的价值在哪里，体验，创造和分享。

几个观点

1、人类是个极其普通的物种，人之所以觉得自己了不起，是因为人以自己为中心构建了价值评价的体系，人被机器替代，可能是个事物发展很正常过程。

2、职业划分这个事情，跟分科一样，是分而治之，分类的目的，是为了简化，但未必合理，有时代的局限性，而且同一个职业的title在不同行业不同公司要求的能力模型可能完全不一样，拿产品经理举例，研发型企业产品经理的能力模型跟市场驱动型企业产品经理的能力模型，就有很大的差异，前者重研发和项目管理，后者重营销和销售。所以讨论什么职业会被替代，更需要讨论的是什么能力会被替代，衡量具体的能力而不是具体职业。

3、AI对人类职业的替代，可以理解成是对人的解放，人为什么要一定工作？这是一个问题，你需要担心的不是它会不会替代你的职业，而是你能不能更先一步比别人取得竞争优势。

人工智能对职业的替代

尤其是知识工作者，在当下裁员大潮下，表现得特别明显，而且知识工作者层级不分高低，在chatGPT的能力下，chatGPT拉平了焦虑的层次。

人工智能的优势是对结构化，程序化信息的处理，它没有人的感性，同理心和社交能力，他理解不到你女朋友说的不，到底是真的不还是你试试看。一项工作如果人可以在几秒钟以内思考、决策，这项工作就非常适合人工智能。

人是社会关系的总和，人的优势，是社交能力，同情心，创意和审美，它需要更高的复杂度和对人的理解，只有处在社会关系和文化里面，你才能更好的理解人的动机和需求。一个事情如果需要强决策，不确定性越高，就越需要人的介入。

发挥人性的优势，与机器共处，而不是去做机器擅长的事情，如果人和人工智能必有一战，那么打败人工智能的，一定是人工+智能。

人工智能时代人的能力模型和选择

chatGPT出来后，相信关注的人都能感觉到，每天一个新世界，世界变化太快，知识更新太快，很难跟上，人工智能可以不吃不睡，不断更新迭代，而人类是碳基生命，无法与硅基计算机相比，人需要回归到人本身，在人工智能时代，做个大写的人。

回答这个问题的一种方法是把人工智能的能力拉到满，想象下未来AI无处不在的时候，人需要什么样的能力，人的价值在哪？比较讨巧的方式是多看看人工智能相关的电影，HER、机械姬、我机器人、大都会、 沙丘、机械公敌、西部世界、机器纪元、失控玩家…

下面是一些典型能力，欢迎补充…

1、跨学科的思维模型，记忆跟存储知识是机器擅长的事情，如何调用机器的知识和能力，则需要对世界，对各个学科和万物规律有本质，结构和逻辑上的理解，把知识梳理成体系化的地图，你才能知道去哪里怎么样调用到机器里具体的知识。

2、垂直行业整个链条的综合理解力，以工业设计师为例，AI可以生成一张很炫酷的花瓶3D设计图，但是要保证这个产品好卖好用，需要讲好设计的故事，了解市场竞争的情况，对客户和用户需求有深度理解，熟悉生产制造，工艺用料，才能确保最后设计出来的产品能交付到市场。

3、理解机器和与机器相处的能力，了解AI知识，就像你需要在汽车时代学会开车，在互联网时代会用电脑一样。

4、理解人和与人沟通的能力，这个能力不一定是要很会表达，语言文字，都是很好的交流工具，张小龙不是个很会表达的人，但是不影响他做出微信这个伟大的社交工具，核心还是同理心，能否换位思考理解别人的能力。

5、创造性思维，这里有个误区，很多明明看起来很有创意的工作，怎么会被替代，比如说插画师，据说是第一波被替代的职业，插画师算是个创意型的工作吗，在公司这种商业机构下，插画师有创意的空间吗？

6、提问的能力，提问的能力本质上是问一的能力，不断的问为什么以达到问题的本质，找到解决方案，你没问一个问题，心里可能大致有答案，机器的回答，就是不断激发你问问题，并寻找解决方案的过程。

现在对于这世界上的所有人、所有的文明、所有的国家来说，都已经进入了无人区。应对完全混沌和不确定性频发的时代，除了找到不变的东西，就是不断学习不断验证不断调整。

END

在电影《HER》中，男主人公发现正在与之恋爱的AI操作系统萨曼莎同时在跟多个人谈恋爱时，他很受伤也很困惑，萨曼莎解释说，作为一个人工智能，她有无限拓展的的能力和关注力，与更多人建立情感联系，并不会减少对他的爱，反而因为爱他人，她的情感和认知得到丰富，对他的爱变得更多更深刻了。可能这是个人与AI巨大的不同，人类的爱有偏差只此一份，AI的爱无限复制不设上限。

作者：林秋楠，咨询顾问，凯捷咨询AIE产品负责人，曾任360产品经理，著有《视频号运营与变现》，文章仅代表个人观点，与企业无关，关于大模型和chatGPT在垂直行业的应用，欢迎+wx：qiunanvlab讨论，请备注姓名+公司。

引用：

红衫：生成式AI:充满创造力的新世界

Managing complexity(and chaos) in times of crisis

http://www.incompleteideas.net/IncIdeas/BitterLesson.html

https://en.wikipedia.org/wiki/General-purpose_technology

https://miracleplus.feishu.cn/wiki/wikcnHJyiouyTqnhsL0cevom8zb

openAI：GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models

Gartner：Generative AI is here:How tools like ChatGPT could change your business