(网经社讯)ChatGPT的成功引发了大模型的热潮，在各家大模型比拼得伯仲难分之时，业界出现了对大模型的评分。但高分模型一定比低分模型更能帮助我们吗？我们该如何驾驭技术的潮流，而不是天天追赶技术名词？微软（中国）首席技术官韦青作客中欧EMBA「合一讲堂」，带来了他的思考。

1对技术信仰的三点思考

OpenAI在ChatGPT上的成功，源自技术信仰的坚持。我们需要回顾的是，当OpenAI尚未成功时，人们对AI的认可与理解是否到达现在的这种高度。那么，到底是技术突然有巨大的突破，还是技术一直在慢慢地进步，只不过不为我们所知呢？

当我们突然发现某种尚未被我们察觉的现象，会觉得它仿佛是一只突然从石头中蹦出来的灵猴，那么它的孕育过程呢？是否还有很多类似的、但是没有产生结果的孕育过程呢？如果是这样，我们可能更要思考的是下一个这类现象将会如何出现。在那个时候，我们将会是一名塑造者、追随者还是旁观者，亦或成为一名无关者。这是更为重要的问题，我们下一步的行动方案将基于对这个问题的回答。

这引发了我对以下三个问题的思考。

其一，为什么很多深耕技术领域的人在一两年前没有看到大语言模型可以这样成功？

我认为在日新月异的技术领域，有其发展的客观规律。一旦一项突破性的技术出现之后，往往预示着这一场游戏的终结和下一场游戏的开始。它所代表的不仅仅是这项技术本身，更多的是其耀眼光环之下所掩盖的漫长和海量的投入与孕育过程。在无人区中取得的成功无神迹，大多是默默的耕耘与坚持，先行者感受到的更多是艰辛与迷茫。对于后知后觉者而言，除了在追赶的道路上努力之外，更应该去思考下一波技术浪潮的发展次第。这可以是基于现有技术的继续发展，也可以是回归问题本源的另起炉灶。

我在五年前曾经邀请微软云计算CTO Mark Russinovich为中国云计算写一本书。他婉拒了，理由是技术发展太快，书写好也就过时了。

技术不仅需要追赶，也需要预判，从而走出一条适合自己的技术发展路线，一味追赶很难诞生出具有自己特色的创新。一旦拥有一些对技术趋势的判断，我们就有可能另辟蹊径，做好冲到前方的长期准备，当命运之门打开的一刻，让自己的技术成为现象级的应用，这样成功的概率更有保障。

其二，一个本质性的问题是：什么是有用的技术？这是一个开放式的问题，有很多同样正确的答案。借用查理芒格常用的反向思维方法，我认为是那些能不用就不用，最后剩下了必须得用的技术。

所有的技术都是工具，在技术狂奔的时代，我们应该成为工具的主人还是仆人？是在明确痛点后选择趁手的工具，还是为了新潮工具而强迫自己寻找痛点？这是把控人类未来的重要思考。不同的态度决定了人在与技术的关系中将扮演怎样的角色。

一般而言，技术的问题比人的问题更容易解决。人拥有主观能动性，通常会在掌握了一种工具之后，顺畅地进入下一个阶段。但如果未能成功进化，通常是因为未能努力学习掌握这种工具，或是因为企业当前的流程、人才和能力还够不着这一技术。所以我们需要建立数据结构、从事数据治理、开展人员培训、进行流程优化再造，等这些工作都做好了，使用新技术就是顺理成章的事了。

其三，负责任的AI（Responsible AI）成为当务之急，能力越大，责任也越大。在技术领域，没有所谓的「免费午餐」，没有任何一种能力是毫无代价的。知其雄，守其雌，要明白再厉害的东西一定有其弱点，再糟糕的东西也有其益处。

2AI落地要坚持「下水」探索

让AI落地实则是一场竞赛。在其落地的过程中，有五个要素需要关注：掌握时代的特征、自知者明、知机者智、人机协同、何以为人。

先贤智者所提出的「知人者智，自知者明」在当前时代的语境下，我认为可以转化为「知机者智，自知者明」，了解机器和人类自身，就可以做个新时代的明智之人。人作为碳基生物，有很多先天局限（极限），需要技术帮忙，所以做个明智的人，把简单的人机结合转变为人与机的有机协同。毕竟工作在本质上是由人和机器共同完成的，所以我们需要重新研究人与机器的关系，这就是知机者智和人机协同。

什么是何以为人？也许我们可以用阿西莫夫的科幻小说来解读。他的小说探讨了永恒的终结这个主题。人类常常追求确定性和永恒，但在放弃了对确定性的盲目追求之后，无限的游戏就展开了。「永恒的终结，无限的开始」，这是我认为的一种何以为人的路径，但并不是每个人都能够进入到无限的开始。事实上，我认为咱们大多数人会适应不了时代的巨变，这需要每个个体充分发挥自己的主观能动性，能否进化取决于我们能否拥抱变化、主动学习。

社交媒体上有很多教人迅速掌握AI方法的文章，这与真正从事AI开发人员的切身体会是不同的。其实在如此变化多端的时代，任何具体的方法，往往一给出，就已经过时。所以，当我们考虑将AI产品落地时，先不要急着设定目标，关键是在了解客户随时变化的需求后随机应变。重要的是下水实证，而不是停留在岸上做空想空谈，只有下水才能开启探索，这应该是我们对待AI落地的态度。

3正确认识技术发展的曲折

Gartner成熟度曲线也被业界戏称为「忽悠曲线（Hype Cycle炒作曲线）」。针对未知技术，大部分人只能看到技术「出水」的那一刻。实际的技术发展像下图中的黄线那样（平均后得到绿线），是在曲折中前进的，而大部分人做出的趋势判断却是由红线代表的技术显形时的那一刻突变，貌似是指数上行的趋势，短期有效，长期堪忧。

了解技术动态发展来龙去脉的业内人士通常会明白技术发展的不确定性，伟大的技术不是计划出来的，是长出来的。一些企业能够更准确地预测技术发展趋势，但大部分人往往在曲线的前半段就成为牺牲品。因此，我建议大家不要过于沉浸在技术突破初期带来的如同电光幻影般的狂欢，那种突变像流星一样好看，但短暂。还是将精力放在一步一步、脚踏实地的发展上更加符合事物发展的客观规律，如同恒星，貌似不如流星般壮观，但本质上更伟大、更长久。

4是缺陷，也是特点

Ilya Sutskever是OpenAI的联合创始人和首席科学家，他在今年七月的一次采访中总结以大语言模型为代表的新一轮人工智能技术成功的要素：一是拥有别人所没有的数据，二是以发展的眼光考虑未来，不要被当下的进步或局限所约束，通过实践形成对未来三、四年技术发展可能方向的洞察力。

人类在思考新问题时总是陷入过去经历而造就的思维陷阱，对新事物而言，人类只能用固有的成见来尝试想象未知，虽然这更像是人类思维的特点（feature）而不是错误（bug），但还是要明白我们无法向一个盲人讲述何为红色。

用这种思维方式前行，就像看着后视镜开车，因为无法知道下一秒将发生什么，我们所做的判断只能基于概率，这就是贝叶斯大脑。一旦明白这个道理，一个人就不会因为不知道未来而裹足不前。同样，面对大语言模型「一本正经地胡说八道」时，我们也不能单纯地认为这是缺陷，它不仅是缺陷，也是特点。因为当你把缺陷消灭完后，特点也就没有了。

所以我们要养成动态思考的习惯，善于利用发展的眼光看问题。别那么着急下结论，也别什么都信，选好大致方向而不是终点，在行动中缓慢、坚定地纠偏前行。

5用发展的眼光看问题

Wayne Gretzky是冰球领域的一位名人堂级别的大师。他说：「我总是滑向冰球即将到达的下一个位置，而不是它现在的位置。」

如何找到下一个位置？英伟达创始人黄仁勋说，现在进入了人工智能的iPhone时刻。自2007年iPhone上市之后，智能手机历经16年发展，其中发生的现象，对AI的落地将有所借鉴，这是我们寻找下一个位置的思路之一。其中一个例子就是在iPhone被用户慢慢接受的早期，最流行的应用是「愤怒的小鸟」，现在还有多少人在玩「愤怒的小鸟」？智能手机早已渗透进入人类生活、学习与工作的方方面面。

人工智能相关的模型、数据和算力，十分重要但不是唯一重要，还会有大量应用。我曾经查阅过相关资料，以美国能源为例，美国GDP的4%直接来源于能源，而余下的96%因能源赋能而间接产生。AI也是一样，可能有10%的GDP与模型、数据、算力相关，但是有90%的GDP是因AI赋能而产生的。

大多数公司和个人在对待AI的态度上，仅仅关注的是「有」，他们购买各种设备，却未能充分利用；大多数人也仅仅停留在学习和简单使用的阶段，内存和算力的强大大部分被闲置了。

技术的价值体现于通过工程的实现来解决实际问题。要真正有效地运用AI，需要投入大量的培训和学习，就像我们在iPhone上使用编程和自动化功能一样。所以这个工程实现的过程是：首先获得拥有LLM/LFM大型模型的能力，接着获得应用这些大型模型的能力，最后是利用新能力解决现实问题的能力。

6数字化能力与魔法宝瓶

当我们做数字化转型时，其实已经变相地释放出魔法宝瓶中的精灵，非常强大，但需要人类的管控。如麦克卢汉与鲍德里亚所预见的，数字化信息的普及，再加上智能机具备的数字化信息自动生成能力，已经使人类不知不觉中进入了一个虚幻胜于真实的时代。

这个时代的误解和偏见以指数增长，如果人们不去主动培养对于数字信息的辨识与掌控能力（我把这称为与智商和情商类似的「信息商」。与信息熵定义不同，信息商强调的是人类利用信息的能力），每个人都可能成为「乌合之众」，被无处不在的错误、虚假和伪造信息，操控、吞没而毫不自知。

时代变得如此复杂，背后是有数学证明的网络效应。所以我们不仅要解决信息爆炸的问题，还要解决虚假信息的问题，随着智能机的参与，网上虚假信息很快就会占大多数。

当前的推荐算法大都推荐人们想看的内容，这就进一步强化人类本就不完备的认知体系，从而让人们进入信息茧房，不断自我递归我们本已有的认知。其结果就是看似知识很多，其实早已处于信息茧房而无法自拔。

7总结

1. 目的驱动：不必硬性区分信息化、数字化、智能化，关键是解决问题。这些问题包括衣食住行、工作学习、吃喝玩乐、进化升级。

2. 人的工具：无论是ChatGPT还是其他大模型，都只是人拿来解决问题的工具箱里趁手的新旧工具而已。机器是人的工具，人要成为机器的主人。当我们在谈论人被机器替代的时候，其实我们既不知机也不知人，这样的人反而容易被机器替代。当你知道机和人的所长所短之时，大概率是不会被替代。

3. 成为工具的主人：能用机器做的，就一定会用机器做；能被机器代替的，就一定会被机器代替；因此，人需要学会训练和指挥机器。

4. 技术伦理：能力越大，责任越大。机器人第四定律，「不得以人的形象和名义出现」。

5. 超越概念：巨变时代，别被概念约束；信息是权力，知识是力量，认知是核心竞争力。

6. 刚刚开始，亲身实践：知、止、定、静、安、虑、得。