本文來自微信公眾號“經(jīng)濟觀察報”，作者/侯宏。
導(dǎo)讀
壹||智能似乎天然與某個聰明的、不可復(fù)制的、充滿創(chuàng)意的大腦相關(guān)，怎么可能基礎(chǔ)設(shè)施化呢？如果它真的基礎(chǔ)設(shè)施化了，又意味著什么呢？
貳||“數(shù)據(jù)與智能的解耦”并不意味著數(shù)據(jù)不重要，而意味著數(shù)據(jù)重要性在產(chǎn)業(yè)不同環(huán)節(jié)并非均勻分布。
叁||智能紅利不是大中型企業(yè)的專屬，而是小微企業(yè)能夠站在同一智能起跑線上的歷史性機遇。
肆||生成式AI和大模型的誕生純屬偶然。它好似從天而降的隕石，蠻不講理地改變了原有產(chǎn)業(yè)格局和歷史脈絡(luò)。
炙手可熱的生成式AI或大模型，將如何影響商業(yè)史走向？一個可能的思考角度是：大模型的入局將影響整個數(shù)字化生產(chǎn)力的分工結(jié)構(gòu)。據(jù)此，本文提出大數(shù)據(jù)時代向大智能時代嬗變的論斷，包括以下三方面命題：首先，大模型的本質(zhì)是智能的大規(guī)模集中供給，是智能的基礎(chǔ)設(shè)施化；其次，這一趨勢推動數(shù)據(jù)與智能的解耦，使得沒有大數(shù)據(jù)的企業(yè)也可接入高質(zhì)量智能；最后，由此帶來的智能紅利對中小企業(yè)尤為有利，或成為經(jīng)濟結(jié)構(gòu)性增長的重要來源。以上挑戰(zhàn)了大數(shù)據(jù)時代的思維范式，為相關(guān)人士理解數(shù)字化變局提供了一個有趣的思考起點。
大模型的本質(zhì)是智能的大規(guī)模集中供給
生成式AI在諸多方面不同于傳統(tǒng)AI。一方面，顧名思義，生成式AI擅長生成新內(nèi)容，而傳統(tǒng)AI局限于解釋現(xiàn)有數(shù)據(jù)或者做出預(yù)測。投資機構(gòu)a16z的Martin Casado認為：“微芯片將計算的邊際成本降到了零，互聯(lián)網(wǎng)將分發(fā)的邊際成本降到了零，大模型則將創(chuàng)作的邊際成本降到零。”另一方面，基于自然語言的人機交互界面，生成式AI具備了技術(shù)民主化的特質(zhì)。正如麥肯錫的Lareina Lee所說：“用戶不需要任何數(shù)據(jù)科學(xué)或機器學(xué)習(xí)專業(yè)知識，就能有效地利用生成式AI完成工作。這就好比大型機只有技術(shù)專家才會使用，而個人電腦人人皆可掌握。”
然而，本文強調(diào)生成式AI靈活應(yīng)對多種非預(yù)設(shè)任務(wù)的能力，區(qū)別于需根據(jù)預(yù)設(shè)任務(wù)進行專門設(shè)計的傳統(tǒng)AI。要理解這一點，不妨考慮傳統(tǒng)AI公司面臨的商業(yè)模式困境。以AI四小龍為代表的“傳統(tǒng)”AI公司盡管技術(shù)投入巨大，但難以擺脫為企業(yè)客戶提供定制服務(wù)的低擴展性模式。這是因為，要實現(xiàn)AI算法與特定任務(wù)情景的匹配，技術(shù)供應(yīng)方不得不提供大量低自動化程度的工程服務(wù)，既拉低利潤率又降低可擴展性。相比之下，體驗過的人士不難認同，大模型好似百科全書，幾乎所有領(lǐng)域都應(yīng)對自如。盡管在專業(yè)領(lǐng)域需要模型“微調(diào)”，但正如“微調(diào)”二字所暗示的，其定制化程度遠低于傳統(tǒng)AI項目，預(yù)示著更好的經(jīng)濟性。
能力通用性和其他兩個經(jīng)濟屬性一起，成就了大模型的基礎(chǔ)設(shè)施地位。一方面，大模型具備規(guī)模經(jīng)濟。眾所周知，極度昂貴的訓(xùn)練成本，是大模型為通用性所付出的代價。其規(guī)模經(jīng)濟性體現(xiàn)在，模型參數(shù)規(guī)模超越某臨界值后，其智能表現(xiàn)隨參數(shù)規(guī)模增長呈非線性增長。作為這一規(guī)律的提出者和堅定信仰者，OpenAI在擴大模型參數(shù)規(guī)模的路上蒙眼狂奔。另一方面，大模型具備生成性（generativity）。大模型提供者自身并不能充分發(fā)揮其價值，但其上可以“長出”各類面向真實用例的應(yīng)用以實現(xiàn)難以預(yù)估的長尾價值。
大模型的本質(zhì)是智能的集中化供給。作為基礎(chǔ)設(shè)施，“集中供給”并不新鮮，新鮮的是“智能的集中供給”。我們需要區(qū)分基礎(chǔ)設(shè)施的智能化和智能的基礎(chǔ)設(shè)施化。智能手機、智能網(wǎng)絡(luò)、智能城市、智能電網(wǎng)等詞匯描述的是給定基礎(chǔ)設(shè)施的智能化，指對異質(zhì)性基礎(chǔ)設(shè)施（手機、網(wǎng)絡(luò)、城市、電網(wǎng)等）規(guī)模經(jīng)濟的個性化調(diào)度和外部性的多樣化開發(fā)。智能的基礎(chǔ)設(shè)施化則是指智能的生產(chǎn)和供給本身具備了基礎(chǔ)設(shè)施屬性。
智能似乎天然與某個聰明的、不可復(fù)制的、充滿創(chuàng)意的大腦相關(guān)，怎么可能基礎(chǔ)設(shè)施化呢？如果它真的基礎(chǔ)設(shè)施化了，又意味著什么呢？盡管這似乎是人類歷史上第一次，但歷史告訴我們，每次基礎(chǔ)設(shè)施集中化過程都深刻地影響當(dāng)時的生產(chǎn)力與生產(chǎn)關(guān)系。正如電力的集中化生產(chǎn)和大規(guī)模供給推動了第二次工業(yè)革命，智能的大規(guī)模集中供給有望把數(shù)字化時代推向新高潮。
大模型推動數(shù)據(jù)與智能的解耦
筆者把這個新高潮命名為“大智能時代”，以區(qū)別于大數(shù)據(jù)時代。大數(shù)據(jù)時代，投資人通常問一家公司，你有數(shù)據(jù)嗎？即便有人意識到有數(shù)據(jù)的公司不一定能捕獲其價值，但幾乎所有人都認為沒有數(shù)據(jù)一定不能夠從智能中獲益。以這種數(shù)據(jù)-智能緊耦合為底色的商業(yè)思維深刻地影響著商業(yè)實踐。相關(guān)概念包括曾鳴教授提出的“數(shù)據(jù)智能”、脫胎自亞馬遜飛輪效應(yīng)的“數(shù)據(jù)飛輪”以及移植自平臺經(jīng)濟學(xué)的“數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)”。
這些概念通常都會援引Google作為案例。Google經(jīng)常被美國的反壟斷機構(gòu)約談，一個原因是所謂的數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)：搜索引擎的市場份額越大，用戶數(shù)據(jù)就越多，而數(shù)據(jù)訓(xùn)練出來的機器算法就越來越智能，進而進一步提升其用戶體驗，導(dǎo)致更大的市場份額。曾鳴教授更是基于阿里巴巴的類似經(jīng)驗，提煉出以“數(shù)據(jù)智能”為基石的“智能商業(yè)”方法論。
Google首席經(jīng)濟學(xué)家Hal Varian則認為，Google的地位不是來自數(shù)據(jù)資源本身，而應(yīng)歸功于其卓越的數(shù)據(jù)科學(xué)與工程能力更好地釋放了數(shù)據(jù)資源的價值。能力優(yōu)勢和數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)都能帶來競爭優(yōu)勢和份額，但前者是稀缺性創(chuàng)造的李嘉圖租，后者是市場地位創(chuàng)造的壟斷租。他的潛臺詞是，你不能培養(yǎng)出卓越能力是你的事兒，不要給我扣壟斷的帽子。不少人或嗤之以鼻，認為是Hal屁股決定腦袋。但OpenAI的異軍突起表明，他可能是對的。ChatGPT對Google搜索的挑戰(zhàn)并不依靠數(shù)據(jù)優(yōu)勢。GPT3.0之前的所有訓(xùn)練數(shù)據(jù)都來公開數(shù)據(jù)，但不妨礙OpenAI在大模型能力方面走在Google前面，威脅到其搜索業(yè)務(wù)。
真正重要的不是OpenAI比Google厲害，而是它這么厲害還能對外開放，而非像Google那樣獨家用于自家服務(wù)。當(dāng)然，這方面更厲害的是Meta（即Facebook），開源了模型的參數(shù)且免費支持商用。大模型好似中央電廠，它持續(xù)提煉幾乎人類的所有知識（數(shù)據(jù)），然后對大眾輸出，使得智能不需要在低水平重復(fù)開發(fā)。這挑戰(zhàn)了大數(shù)據(jù)時代“無數(shù)據(jù)，不智能”的圭臬——企業(yè)的智能商業(yè)不一定以自身數(shù)據(jù)整合為前提。基于大模型的底層參數(shù)，企業(yè)只需要小數(shù)據(jù)去微調(diào)這個模型，便有可能開展“智能商業(yè)”。
值得強調(diào)的是，“數(shù)據(jù)與智能的解耦”并不意味著數(shù)據(jù)不重要，而意味著數(shù)據(jù)重要性在產(chǎn)業(yè)不同環(huán)節(jié)并非均勻分布。數(shù)據(jù)作為智能原料的地位無可撼動。變化在于，大模型使用這種原料上的效率遠超其他，以至于有志于“智能商業(yè)”的企業(yè)構(gòu)建自身數(shù)據(jù)飛輪可能喪失經(jīng)濟性。數(shù)據(jù)飛輪或者數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)的邏輯仍然成立，但問題是：當(dāng)所有企業(yè)都試圖轉(zhuǎn)起自己的數(shù)據(jù)飛輪，憑什么是你脫穎而出呢？國家電網(wǎng)能夠穩(wěn)定輸出電力時，為什么要在工廠旁邊自建一個小發(fā)電廠呢？當(dāng)然可能存在備份或補充的需要，但那是另一個邏輯。
釋放智能紅利，驅(qū)動經(jīng)濟結(jié)構(gòu)性增長
數(shù)據(jù)與智能解耦帶來的經(jīng)濟性被我稱為智能紅利。Martin所強調(diào)的創(chuàng)造內(nèi)容邊際成本為0是消費者側(cè)的紅利。比較一下傳統(tǒng)的內(nèi)容創(chuàng)造過程和基于生成式AI的內(nèi)容創(chuàng)造過程，便不難理解。然而，經(jīng)濟發(fā)展主要靠企業(yè)生產(chǎn)率的提升。智能紅利在這方面體現(xiàn)在：企業(yè)原本需要精心構(gòu)建、維護自身數(shù)據(jù)供應(yīng)鏈才能實現(xiàn)“智能商業(yè)”所需的“數(shù)據(jù)智能”，而智能大規(guī)模的集中供給可能大大節(jié)省這一過程所需的投資、時間、精力，使得企業(yè)可以專注于業(yè)務(wù)創(chuàng)新。
上述智能紅利是促進數(shù)字經(jīng)濟結(jié)構(gòu)性增長的利器。中國經(jīng)濟發(fā)展面臨諸多挑戰(zhàn)，而其持續(xù)增長的一個潛在來源是挖掘區(qū)域、行業(yè)發(fā)展不均背后的結(jié)構(gòu)性潛力。眾所周知，小微企業(yè)受制于較為落后的IT基礎(chǔ)設(shè)施、孱弱的數(shù)據(jù)基礎(chǔ)和有限的預(yù)算，數(shù)字化轉(zhuǎn)型進程落后于大中型企業(yè)。那么，要實現(xiàn)數(shù)字經(jīng)濟結(jié)構(gòu)性增長，有必要思考如何彌補上述企業(yè)側(cè)的數(shù)字化鴻溝。
相對于其他數(shù)字化技術(shù)，生成式AI在實現(xiàn)這一目標方面得天獨厚。一方面，生成式AI應(yīng)用對企業(yè)自身的數(shù)字化準備程度要求相對較低。如果消費者都能使用，有什么理由小微企業(yè)不能呢？另一方面，在采納生成式AI應(yīng)用方面，小微企業(yè)具有“光腳的不怕穿鞋的”優(yōu)勢。諸多阻礙大中型企業(yè)采納生成式AI的因素（如數(shù)據(jù)泄密）可能對小微企業(yè)影響甚微。并且，大中型企業(yè)需要解決新舊IT之間融合的問題，小微企業(yè)也沒有這方面的負擔(dān)。總之，智能紅利不是大中型企業(yè)的專屬，而是小微企業(yè)能夠站在同一智能起跑線上的歷史性機遇。
接入生成式AI應(yīng)用有兩種方式。一是企業(yè)首先微調(diào)出自己獨有的大模型，然后在私有或混合環(huán)境下為自身各類應(yīng)用賦能；二是直接利用現(xiàn)有的大模型提供商的API（如基于GPT）開發(fā)生成式AI應(yīng)用，供自己使用或者作為服務(wù)售賣給客戶。兩者都受益于智能的集中供給，但小微企業(yè)更可能通過后者獲取智能紅利，其中也蘊含著應(yīng)用開發(fā)者的創(chuàng)業(yè)機遇。
結(jié)語
生成式AI和大模型的誕生純屬偶然。它好似從天而降的隕石，蠻不講理地改變了原有產(chǎn)業(yè)格局和歷史脈絡(luò)。筆者作為數(shù)字化產(chǎn)業(yè)的參與者、觀察者和研究者，勾勒了改變發(fā)生的一種可能。按照這一邏輯往下推演，可以得到對當(dāng)下一些熱門話題的不同觀點，留待后續(xù)。
（作者系北京大學(xué)國家發(fā)展研究院助理教授）
