很多同學(xué)可能并未察覺(jué)，我們接的電話(huà)來(lái)電中相當(dāng)?shù)谋壤呀?jīng)變成了數(shù)字人。它們惟妙惟肖，如果不是經(jīng)常聽(tīng)的人在相對(duì)簡(jiǎn)單的對(duì)話(huà)情境中，根本聽(tīng)不出來(lái)語(yǔ)音合成的聲音和真人聲音的差異。

(資料圖片)

這種數(shù)字員工的前奏自從2010年以來(lái)其實(shí)一直在響起，只不過(guò)不夠激烈和密集，始終局限在幾個(gè)有限的領(lǐng)域，比如外呼促銷(xiāo)、客服等。此前核心瓶頸是“智能不夠”，所以只能處理相對(duì)狹小領(lǐng)域里的單一任務(wù)。ChatGPT等大模型則改變了這種底層約束。雖然成功的數(shù)字員工產(chǎn)品還沒(méi)出來(lái)，但這是注定發(fā)生的事實(shí)，就像互聯(lián)網(wǎng)只要開(kāi)始普及，搜索就必然會(huì)出現(xiàn)一樣。從這個(gè)角度看2023年，是數(shù)字員工的元年。

數(shù)字員工洶涌而來(lái)

人工智能發(fā)展這些年商業(yè)上不成功，但各個(gè)技術(shù)點(diǎn)上實(shí)在有了很大進(jìn)步，包括各類(lèi)識(shí)別算法、語(yǔ)音合成算法等。而這些技術(shù)的組合正好為數(shù)字員工的誕生準(zhǔn)備了充足的條件。

我們拿一個(gè)招聘的數(shù)字員工做例子，看下到底需要哪些技術(shù)：

在最簡(jiǎn)單的場(chǎng)景，她需要能夠圍繞著自己的招聘主題進(jìn)行宣講，并能夠回答候選人關(guān)切的問(wèn)題。說(shuō)到這個(gè)大家會(huì)馬上想到現(xiàn)在的大模型。是的，基于現(xiàn)在的通用大模型能夠比較好地完成這一基礎(chǔ)工作。這打破了過(guò)去不同方向要分別定制，并且應(yīng)對(duì)變化成本過(guò)高的約束。當(dāng)前是招聘場(chǎng)景越簡(jiǎn)單，比如工廠(chǎng)的工人，那這種數(shù)字員工越勝任，招聘對(duì)象越復(fù)雜，它越不靈。

再遞進(jìn)一步，招聘的時(shí)候如果不是文字溝通，那還需要什么？

這就和過(guò)去做的智能音箱有點(diǎn)像，數(shù)字員工需要聽(tīng)得清，說(shuō)得出來(lái)。聽(tīng)得清這事，在智能音箱等產(chǎn)品的推動(dòng)下，即使是遠(yuǎn)場(chǎng)也能達(dá)到95%以上的精度，而TTS更是已經(jīng)進(jìn)展到只要錄幾句就能模擬出你的聲音。完全沒(méi)有技術(shù)障礙，并且成本可控。

再逼真一些，還需要什么？

還需要你的數(shù)字員工在表情、手勢(shì)、體態(tài)上和真人一樣。這個(gè)在這幾年的努力下成本已經(jīng)從幾十萬(wàn)降到幾萬(wàn)或者一萬(wàn)。

在這個(gè)時(shí)間點(diǎn)，這種數(shù)字員工能力還是有限度的，不管是智能還是表達(dá)方式。

如果硬要分個(gè)級(jí)別，估計(jì)在工廠(chǎng)這類(lèi)崗位表現(xiàn)會(huì)超過(guò)人類(lèi)，在軟件工程師這類(lèi)崗位上有可能打平，在招高管的時(shí)候就還不行。

可這沒(méi)關(guān)系，絲毫不會(huì)影響數(shù)字員工洶涌而來(lái)的趨勢(shì)。

這就像一旦286出現(xiàn)，PC浪潮就會(huì)很快席卷而來(lái)，一旦窄帶出現(xiàn)互聯(lián)網(wǎng)就會(huì)蓬勃發(fā)展一樣。數(shù)據(jù)的連通性會(huì)增強(qiáng)，比如更知道招聘對(duì)象是誰(shuí)；智能會(huì)增強(qiáng)，大模型肯定還會(huì)進(jìn)階；技術(shù)會(huì)變得更便宜，比如一個(gè)數(shù)字員工的成本會(huì)進(jìn)一步下降。所有關(guān)聯(lián)的技術(shù)，所有對(duì)應(yīng)的產(chǎn)品在幾個(gè)迭代周期后，就會(huì)變得像微信一樣好用。

商業(yè)閉環(huán)

如果要下個(gè)定義，數(shù)字員工和過(guò)去說(shuō)的數(shù)字人的核心差別是什么？

數(shù)字人是一種簡(jiǎn)單的人形表示，對(duì)應(yīng)局部功能；數(shù)字員工要在指定區(qū)域完整解決場(chǎng)景問(wèn)題。

過(guò)去的人工智能產(chǎn)品核心的問(wèn)題就是只承擔(dān)局部功能，解決局部問(wèn)題。

比如閘機(jī)、智慧電梯等，從人和場(chǎng)景的角度看，它們是一個(gè)個(gè)半拉子產(chǎn)品，只能干一個(gè)小點(diǎn)的功能。所以在各種場(chǎng)景下它們解決的是“更好”，但其實(shí)增加成本。這就好比帶了人臉的閘機(jī)和保安，智能助理和App等都是這種情況。哪怕在最簡(jiǎn)單的場(chǎng)景下，它們的價(jià)值創(chuàng)造也不完整。

經(jīng)常會(huì)提到的價(jià)值創(chuàng)造，這個(gè)詞要和場(chǎng)景關(guān)聯(lián)，然后再對(duì)應(yīng)到具體產(chǎn)品，不應(yīng)該對(duì)應(yīng)具體某個(gè)具體技術(shù)。價(jià)值創(chuàng)造是個(gè)整體性問(wèn)題，從整體性視角很容易看到過(guò)往十年AI產(chǎn)品的各種問(wèn)題，從技術(shù)角度則看不到。

過(guò)去就客服等寥寥幾個(gè)場(chǎng)景能實(shí)現(xiàn)一點(diǎn)全場(chǎng)景的價(jià)值創(chuàng)造，外呼都還不太行。

核心瓶頸就是上面說(shuō)的智能供給不足。

為什么全場(chǎng)景創(chuàng)造價(jià)值很關(guān)鍵？

因?yàn)閮r(jià)值創(chuàng)造在場(chǎng)景上完整了，商業(yè)模式會(huì)非常簡(jiǎn)單直接。否則對(duì)客戶(hù)和用戶(hù)就很雞肋，有了更好沒(méi)有也行，當(dāng)然購(gòu)買(mǎi)意愿就不強(qiáng)。

假如雇傭一個(gè)人15萬(wàn)，雇傭一個(gè)數(shù)字員工1.5萬(wàn)，如果從場(chǎng)景上看這兩者百分百等價(jià)，那從人效的角度看，所有的企業(yè)都會(huì)雇傭數(shù)字員工。

現(xiàn)在不雇傭只是因?yàn)楫a(chǎn)品不夠好，不夠完整。

如果能搞定，這個(gè)產(chǎn)業(yè)空間，比IDC等估計(jì)的要大得多。

并且一旦搞定，這注定會(huì)成為一種和互聯(lián)網(wǎng)一樣的巨大浪潮。人效有2倍差異的時(shí)候，沒(méi)人能忽略它。

從這個(gè)角度看，數(shù)字員工確實(shí)會(huì)打碎許多現(xiàn)有的飯碗。

現(xiàn)有的飯碗底層越是依賴(lài)于簡(jiǎn)單的邏輯和概念組合，越是很快會(huì)被打碎。這一點(diǎn)在之前OpenAI論文中有提，此處不展開(kāi)。

需要補(bǔ)充的是，我們過(guò)去因?yàn)槿说闹悄懿粔蚨止?，把干一個(gè)產(chǎn)品分解成產(chǎn)品經(jīng)理，設(shè)計(jì)、架構(gòu)師，程序員，測(cè)試等。那現(xiàn)在因?yàn)橹悄芄┙o的充沛而回卷，其實(shí)合情合理。如果回到程序員的上古時(shí)代，這個(gè)行當(dāng)早期很多產(chǎn)品還真是一個(gè)人干的。所以上面的所謂的消滅，其實(shí)也是一種回滾。

人的位置在哪兒？

在給出答案前，我們來(lái)看幾個(gè)例子。

一個(gè)是Linux。Linux早期是個(gè)什么運(yùn)作模式呢？最開(kāi)始就這哥們一個(gè)人干，結(jié)果干來(lái)干去，干不動(dòng)了，他就開(kāi)源。參與開(kāi)源的人，每個(gè)人把自己的變更通過(guò)郵件發(fā)給他，他負(fù)責(zé)合并到正式版本的Linux里。Linux對(duì)應(yīng)這個(gè)產(chǎn)品的核心，但把工作量大的部分分出去了。后來(lái)這模式被Git等工具放大了，但本質(zhì)上還是這套邏輯。

假如AI大模型變厲害了，會(huì)發(fā)生什么？

這個(gè)社區(qū)會(huì)圍繞這個(gè)Linux這個(gè)核心回卷。比如兩千人的社區(qū)，最外圍的會(huì)先被大模型取代掉。然后一圈一圈往中心折疊。但即使到最后Linux這角色是不能取代的，因?yàn)長(zhǎng)inux解決的不單是編程問(wèn)題，大模型的工具屬性回答不了到底要成什么樣，應(yīng)該為現(xiàn)在考慮多少，為將來(lái)考慮多少這類(lèi)問(wèn)題。

（這么個(gè)漲法，Linux內(nèi)核社區(qū)也未必扛得?。?/p>

我們?cè)倏磦€(gè)例子，羅永浩老師。論利潤(rùn)，所有創(chuàng)業(yè)的AI公司十年時(shí)間賺的錢(qián)，可能還不如羅老師創(chuàng)業(yè)失敗帶貨這幾年一個(gè)人賺得多。那為什么可以這樣？

我們可以講沒(méi)有短視頻平臺(tái)就沒(méi)有羅老師的“真還傳”。

短視頻平臺(tái)就像一塊肥沃的地，羅老師在上面發(fā)揮了自己的才華，種出了自己的糧食。

那短視頻平臺(tái)是什么呢？

它是一組算法的集合。雖然我們不管哪個(gè)算法叫人工智能，但推薦算法這些和AI底層是有很多共通之處的。所以羅老師的“真還傳”是一個(gè)把人的才華嫁接到硅基智能之上，并取得巨大成功的案例。

據(jù)此回溯，我們可以發(fā)現(xiàn)過(guò)去互聯(lián)網(wǎng)崛起的過(guò)程中，不單有羅老師的帶貨，還有各種其他主播，起點(diǎn)上還有網(wǎng)文作家，網(wǎng)紅店等的成功。

這是什么概念和人工智能又有什么關(guān)系呢？

AI算法會(huì)讓過(guò)去的平臺(tái)具有更強(qiáng)大的力量，借助于A(yíng)I平臺(tái)，小團(tuán)隊(duì)可以實(shí)現(xiàn)指定場(chǎng)景下的直接價(jià)值創(chuàng)造。比如個(gè)性化的生產(chǎn)在過(guò)去是不太可能的，但當(dāng)大量數(shù)字人崛起之后，理論上講不管是純虛的服務(wù)還是真正的生產(chǎn)，都可以做到每個(gè)人一個(gè)設(shè)計(jì)師，一條生產(chǎn)線(xiàn)。

我們的就業(yè)形式在因此而發(fā)生變化。

在互聯(lián)網(wǎng)興起前，很多時(shí)候我們想到就業(yè)就會(huì)想到工人，農(nóng)民，干部等。

現(xiàn)在播主，網(wǎng)文作家，滴滴司機(jī)，外賣(mài)小哥，網(wǎng)紅店主每一個(gè)都是單獨(dú)的經(jīng)濟(jì)單位。他們對(duì)某一個(gè)平臺(tái)形成單向依賴(lài)，但橫向的分工配合被弱化很多。

在這種模式下，沒(méi)有平臺(tái)就沒(méi)有就業(yè)。

有趣的是，這也是一個(gè)循環(huán)。

在上古我們還和猩猩差不多的時(shí)候，其實(shí)每個(gè)個(gè)體都是一個(gè)獨(dú)立的經(jīng)濟(jì)單位，在農(nóng)業(yè)文明的時(shí)候，被弱化了一點(diǎn)，但基本農(nóng)民還是自給自足，就是對(duì)地球有依賴(lài)。

大工業(yè)時(shí)代就不是了，人和生產(chǎn)資料發(fā)生了巨大分離。但現(xiàn)在往回走，核心是平臺(tái)扮演了地球的角色。

差異是地球是不收錢(qián)的，但平臺(tái)和個(gè)體之間牽涉利益分割?！捌脚_(tái)”的模式是未來(lái)，但必須處理好這種利益分配。

從這個(gè)角度看，數(shù)字員工就不是飯碗的破壞者，而是創(chuàng)造者。他們站在了每個(gè)人腳下，讓每個(gè)人都可以形成自己的經(jīng)濟(jì)閉環(huán)，讓每個(gè)人有機(jī)會(huì)發(fā)揮你自己屬于人的那部分特色。

如果沒(méi)有短視頻平臺(tái)，很多知名的主播現(xiàn)在會(huì)在干什么呢？

硅基和碳基的邊界

哪些會(huì)由數(shù)字員工在平臺(tái)里面做，哪些會(huì)由人在作為一個(gè)個(gè)分散個(gè)體，在平臺(tái)外面做呢？

回答這個(gè)問(wèn)題要看清硅基智能和碳基智能的能力邊界。

在過(guò)去分工體系下創(chuàng)建的各種崗位，核心依賴(lài)的正是記憶、對(duì)邏輯和概念的處置。

這部分實(shí)在不靈，人根本沒(méi)可能和數(shù)字員工進(jìn)行比較。數(shù)字員工越發(fā)展，這種分工體系越會(huì)回卷。場(chǎng)景和產(chǎn)品應(yīng)該還在，但它背后對(duì)應(yīng)的人員會(huì)削減。

但數(shù)字員工站到每個(gè)人的腳下后，每個(gè)人都迎來(lái)一個(gè)獨(dú)立創(chuàng)造價(jià)值的機(jī)會(huì)，這部分會(huì)依賴(lài)于碳基智能的優(yōu)勢(shì)，比如創(chuàng)造力、活性、共情價(jià)值等。碳的活性和硅的穩(wěn)定性在這里要做結(jié)合。

最終結(jié)果可以用一個(gè)形象的指標(biāo)來(lái)形容：

蘇聯(lián)老大帝國(guó)的SKU一共不過(guò)2萬(wàn)種，電商平臺(tái)的SKU已經(jīng)超過(guò)4000萬(wàn)。如果是上面這種情形那SKU可能再翻100倍。之前總說(shuō)SKU是數(shù)目小于人的數(shù)目，在未來(lái)則可能徹底反過(guò)來(lái)。一個(gè)SKU只服務(wù)于極少的人，甚至一個(gè)人，但還有利潤(rùn)空間。因?yàn)榛A(chǔ)成本被縮減了。

這是一種新式的多點(diǎn)多維的經(jīng)濟(jì)循環(huán)。

這種循環(huán)下，需求和供給是對(duì)等的，且是多樣化的。每個(gè)人既是生產(chǎn)者也是消費(fèi)者，人們的全面物質(zhì)文化需求可以更好地被滿(mǎn)足。

我們有時(shí)候可能會(huì)困惑：為什么生產(chǎn)力高度發(fā)展，我們每個(gè)人的物質(zhì)文化需求也沒(méi)被滿(mǎn)足，但經(jīng)濟(jì)卻出問(wèn)題？核心可能就是循環(huán)的通路和循環(huán)的形式問(wèn)題。這是我為什么說(shuō)市場(chǎng)和凱恩斯主義的統(tǒng)一，可能在于一個(gè)新的概念“科技道權(quán)”的一個(gè)原因。

總結(jié)

假如一群螞蟻在一只大象的耳朵上生活，這螞蟻有智慧根據(jù)大象的習(xí)性基于大數(shù)據(jù)統(tǒng)計(jì)，分析出了非常嚴(yán)密的公式，可以根據(jù)各種變動(dòng)信號(hào)預(yù)測(cè)耳朵大象會(huì)怎么擺。現(xiàn)在地球氣候變了，大象就一路往北。這樣一來(lái)固然可以修正模型，讓預(yù)測(cè)模型看著能解釋過(guò)去，但骨子里是不可能準(zhǔn)了。因?yàn)樵c(diǎn)出了根本變化。

我們總是面對(duì)兩類(lèi)問(wèn)題，一類(lèi)問(wèn)題是連續(xù)性的，一類(lèi)則是基礎(chǔ)要素變了。基礎(chǔ)要素變的情形就導(dǎo)致原點(diǎn)類(lèi)問(wèn)題，而原點(diǎn)類(lèi)問(wèn)題需要褪去細(xì)節(jié)，回到原點(diǎn)。

關(guān)鍵詞：