最近这段时间，一直在和几个国内外科技行业头部公司的专家们密集的交流，总体感觉还是挺有收获的。
大家共有有的观点是，如果算力持续提高技术持续进步，不久之后AI就会带来生产力水平的巨大变革。
不过对普通人来说，其实也并不能说完全就是好事，最残酷的替代阶段就要到来了
比如很多基础重复的工作，比如那种办公室里面做基础工作的小白领，后续逐步被取代的可能性很大了
而且这里我们还有两个留待验证的观点，一个是现在的AI是泡沫，也是少数人巨大的红利和机会。
另一个是可能伴随着产业升级，很多人的日子并不一定会像自己期待的变轻松，有很大的概率会变得更卷。
01 为啥变得更卷
可能很多人都注意到了，伴随着技术的进步和产业升级，一个显著的特点就是用人更少了。
而且越是大家说的高科技高附加值，这类资金和智力密集型产业，可能越是不需要太多人。
这类产业的特点，基本都是大量的资金投入以后，少量的高学历技术工人就可以操作这些复杂的设备，很典型的就是半导体芯片厂。
或者说这类高科技产业投资虽然很大，但是做开发的都是数学编程领域的顶尖人才，比如人工智能大模型就是这样。
我们经常听到的大模型公司OpenAI，在过去很长时间里也就四五百个人的样子，并没有大家期待的会雇佣很多人。
这意味着你如果是一个普通人，整个社会给你提供的普通工作岗位随着技术进步其实并没有增加很多，甚至有可能变少了。
因此在国家产业升级的过程中，伴随着劳动密集型产业逐步转移，普通人尤其是普通工人在社会上的就业竞争力，其实是在降低的。
解决这个问题需要配套社会福利，比如高端产业赚钱以后给社会基层分一点作为兜底，产业升级冲击普通人就业以后带来的问题。
所以我们看到欧美这些发达国家产业升级，中低端劳动密集型产业转移的过程中，都会持续提高整体的社会保障和福利。
不过这种持续的提高社会保障和高福利的操作，对于欧美这些人口不那么多的发达国家来说压力还不大。
对于我们这样的十四亿人口大国来说，持续的提供高福利和保障，整体经济压力还是比较大的。
因为全球的资源总量，也没办法支持给这么大规模的人口，整体提供比较高的保障和福利。
再加上科技持续进步以后，使得各行各业不需要这么多人了，劳动密集型的中低端产业也在往海外转移。
所以伴随着技术进步和AI对生产力的提升，未来的趋势是一部分从事简单重复劳动的基层工作者，会变得越来越卷。
而另一部分行业的新人甚至可能连参与卷的资格都没了，但是这些领域的头部会越来越集中。
比如说医生这个行业未来如果被人工智能改造之后，很可能会出现头部的名医马太效应越来越强的现象，普通的小医生想要混出头变得越来越难。
说到底医生这个行业，很多时候靠的还是足够的经验判断，以及病例和手术的积累足够多，你才有机会变得越来越好。
人工智能公司和名医合作，把他看过的庞大病例数据库整合以后，就可以复制类似名医七八成水平的线上名医。
以前可能他看不过来这么病例，也没有这么多的时间去看，但现在数据整合以后不一样了。
线上名医可以二十四小时无休工作，而且从医疗水平的角度，大概率比没啥积累的多数普通医生要高。
这中间人工智能公司只需要做好数据归集，还有就是和名医的合作分成这块就可以了，
这样的改造完成后名医的收入会变得非常惊人，但是普通的医生想要完成经验和病例积累就会变得很难了
当然这里面可能涉及一个伦理和信息保密的问题，但是把病人的信息模糊化处理以后这也不是不能解决。
如果说这个领域可以跑通的话，未来很多领域都可以这么跑一遍，带来的马太效应也会越来越明显。
02 进步迭代太快了
其实在GPT出来之前，我自己对人工智能这东西是呈负面看法的，因为过往体验过的确实都不咋地。
多数市面上你能看到的人工智能，在ChatGPT这类生成式人工智能出现之前，基本都是人工智障。
而现在我看到的是，这类人工智能大模型在不断地进步。现在只要用很少的提示词，就能有相对不错的产出了。
个人感觉随着算力的不断提升，只要算法足够先进，再加上大模型不断迭代，过去的很多问题都会变得不是问题。
因为你想想，每个人在生命中获得的经验成长，也是靠各种外部的讯号和信息输入积累起来，最终在人的大脑整合才实现的。
更重要的是，经验和知识都不是万能的，也不是你学了就会得出正确的归纳和结果
通常这中间要经过不断的修正，而且这个学习的人也要有一定的天赋，你才能看到一点像样的输出。
很多人说ChatGPT4.0阶段可以回答的内容，很多一看就是从从教科书和新闻通稿里抄的。
如果是专业人士看到的话，会觉得条理看起来清晰，但实际上是一团乱麻的样子。
对于真正业内的专业人士来说，这样整理出来的东西，可以说一点有用的东西都没有。
难道你觉得把这个工作换成有点专业知识的普通人，而不是行业内的专家效果会好很多么？其实做出来的东西是一样的。
多数普通人花了十几二十年时间学习，学完认知和逻辑也像一团屎一样，根本不会比ChatGPT4.0好多少。
起码我自己大学刚刚毕业，没有建立自己的逻辑框架的时候，就是这个状态。
后面是随着时间流逝和知识的积累，慢慢修正自己的逻辑框架以后，才有了质的突破，
我自己还算是不错的高中大学毕业的。
我们那时候考到这种985211大学，可能在全部高考生里算得上占比前2%了，也就是这个水平而已。
一个刚刚诞生的人工智能产品，已经能达到学习了十几年，成绩占比前2-3%的人类智力或者输出水平。
你说人工智能后面经过迭代进化以后，达到甚至超越大多数普通人的水平会有多难。
而且在经验和知识都具备的条件下，计算机可以用非常高的效率，短时间穷尽可能计算出现有条件下的最优答案。
这时候人类唯一能战胜人工智能的，只有非理性一面的敏锐度和灵感了。但这玩意也并不是人人都有。
另外就是从效率的角度看，大家归纳整理的速度，还有积累同样知识需要的时间完全不一样。
很多领域的归纳整理，人工智能算力够只要5秒钟就够，而人类需要十几年时间的学习和积累。
多数普通人同样是从过往的知识和书本里面学习归纳积累，但是速度和效率却远不如人工智能。
这里可能唯一的差异就是，人脑的功率只需要20瓦，但是AI需要的算力功耗是兆瓦级的。
所以未来AI随着算力进步和算法提升，带来的整体生产力提升，肯定会颠覆现在的生产力关系。
03 量变引起质变
总有人觉得人工智能带来生产力的改变还早，但其实很多东西都是量变引起质变
要知道在上世纪90年代，深蓝战胜顶级国际象棋大师的时候，人类还自信满满。
当时的说法是，围棋这东西是人类智力明珠，未来计算机也永远比不过人类。
结果20多年过去以后，阿尔法狗横空出世，直接打的人类没脾气，没有哪个棋类大师能干过这玩意。
当然和社会运行规则比起来，棋类游戏的规则相对比较简单，但你不能否认技术进步往往会带来指数级的突破。
我们常用的手机就是个简单例子，十多年前我们用的手机电池还是可更换的那种，因为充电速度确实太慢。
七八年前可能我们就实现了充电五分钟，通话两小时的效果，这就是技术进步带来的。
电动车一度也被吐槽充电比较慢，能量密度实在太低了，因为过去充电要充一晚上。
现在的新出来的家用电动车，基本上已经实现了充电五分钟，续航两小时的重大变化。
这还是电池材料技术没啥重大突破的情况下发生的，人工智能这种新技术的迭代只会比这个更快。
之所以很多人对AI替代的认识不足，是因为他们的认知和想象力实在太匮乏了。
这就使得他们根本看不到没有发生的东西，总觉得技术迭代带来的生产关系变化不会发生。
这里再举个例子说，扫地机器人这东西刚出来时候，很多人可能都觉得它很傻吧。
因为经常会看到卡在墙角就动不了了，扫到一半钻床底下出不来了。还有没办法自己回去充电啥的，各种情况不断。
而且最早设想的扫地机器，也根本不是现在这样。人类最初的想象是人形机器人拿着扫把模仿人类扫地。
但这个实现起来比登天还难，因为控制系统太复杂了。现在主流的扫地机器人，就是个地上的圆盘子。
未来AI取代人类很多工作，其实也是类似的道理，首先AI是代替人类完成各种具体事项。
这些具体事项大多都有明确的评判标准，这样就很容易判断AI到底做的好不好。
比如回到扫地机器人这个典型的例子，大家判断这玩意好不好，就是控制是不是简单，打扫是不是干净。
基于这个评判标准，扫地机器人的外形和功能持续迭代，现在的新产品就变得很好用了。
04 时代的碾压
很多人都在分析，这个行业那个行业很难被人工智能取代，但我们觉得随着技术进步，很多简单重复的工作一定会被取代的。
而且AI带来的马太效应会非常集中，对上层来可以降本增效，但是对基层来说并不友好，这是时代车轮对普通劳动者的碾压。
比如说中低端的白领大概率会被取代，简单的体力劳动很多也都会被取代，这都是肉眼可见的大趋势。
其实在人工智能还没到来之前，全自动化的生产线已经取代了很多领域的工人，全自动化的港口需要的用工减少了90%。
一辆扫大街的车辆可以替代几十个清洁工，超市高速公路停车场现在很多变成了自动收银，技术进步对人劳动的替代一直在迭代。
未来随着人工智能迭代之后越来越厉害，也不过是技术升级以后可以取代中低端普通白领，这种之前创造小中产的岗位而已
这个道理和全自动生产线取代部分工人的情况，其实本质上并没有太大差别。
当然这里面也有不少工作，是人工智能不那么容易取代的，也就是那些没办法标准化的的部分，是人工智能很难无法取代的。
因为没办法标准化意味着，你很难有标准化流程和目标，也就很难有合适的训练方法和数据。
无法标准化的那部分工作，往往也需要更多的复合性技能，这个也是人工智能不具备的。
因为复合技能通常需要对行业有比较深的认知和知识积累，还有在行业内和人沟通合作，经营自己的关系和圈子的能力。
因为只要有人和人之间的合作和关系的勾兑，就会产生一些模棱两可和不确定性，还有那些无法标准化的东西。
不过这都是少数人才有的技能，一个公司有这个技能的人寥寥无几，可以说都不是普通岗位和普通工作能具备的。
另外还有一种事情是人工智能没办法做的，那就是你能在一项工作里面找到需要通过技术提高和改进的部分。
并且不光是能找到，而且还要摸索中精进和提高效率，这也不是人人都可以做的。
不过多数普通人是没这个能力的，认知突破和知识积累就很难了，更别说提高和改进了。
这都属于非常稀缺的特质，有这样特质的人，往往并不容易被人工智能这种东西替代。
可以说未来能被人工智能替代的，往往很多都是那种高考时候就是知识巅峰，大学毕业几年以后基本就开始做简单重复的工作那种。
之后可能他们每天的工作生活基本都是重复没啥变化，可能唯一能看到的变化就是家里如果生了个娃。
唯一能看到的就是这孩子随着长大，每天会有一些变化。比如今天会翻身了，明天会往前爬了，后天会走路了。
拉长时间看，如果AI技术迭代突破之后，这类简单重复的岗位和工作，是最容易被取代的。
不过从某种意义上来说，AI技术迭代进步太快，对人口少的国家是天大的好事，但对我们这样的人口大国是一个两难的事情
一方面技术进步确实可以提高全要素生产率，让我们在在国家的竞争中占领先机
另一方面我们因为人口众多，AI技术快速迭代以后会对很多就业岗位带来冲击，很多普通人可能会变得更卷。
05 抓住红利期的泡沫
当然这个不是我们关注的点，因为你改变不了这个大趋势，也就没必要去琢磨和焦虑这个事情。
我们觉得对个人来说最重要的，是怎么在自己被取代前用这个大趋势的红利赚到更多的财富和积累
能抓住这个大趋势中任何一个红利，基本这辈子就可以衣食无忧了，其实这才是你未来对抗变化和风险的保障。
要知道几乎所有新技术在第一波落地的时候，基本都会吹起各种泡沫。
这个阶段大量的资金在不断投入，天量投资涌入也会带来很多增量机会。
不过大家虽然觉得这东西很牛逼，但落地以后却尴尬的发现，这东西好像从应用端赚不回来钱。
就像当初互联网经历了一轮泡沫刚刚落地的时候，大家也觉得除了能搜索信息没啥卵用，直到它在消费端比如电商购物啥的开始爆发。
现在AI遇到最大的问题也是在应用端和消费端没办法落地，没办法让大家在这上面赚钱花钱。
从这个角度看，现在的AI也不过处于技术落地的第一波，别看现在喊的凶，但是也不过只处在基础设施落地的阶段。
所以我们才会看到，英伟达这种算力公司业绩是飙升的，因为人工智能的基础就是算力。
这就像2001年互联网泡沫的时候，大家都说互联网有前景，但没人知道前景在哪里。
这些因为互联网热炒的公司，也没办法从互联网上获利，大家都是在讲各种未来前景美好的故事。
好处在于互联网泡沫推动了基础设施的普及，天量的互联网基础设施投入就是在这个基础上产生的。
从过往互联网行业的经验看，在AI技术落地的第一波应该是基础设施建设的巨额投入。
这个阶段不管是算法算力芯片还是电力领域，都会带来巨大的增量，因为这些东西都是AI领域的基础设施。
之后浮出水面的都是应用端，就像移动互联网落地的过程中，中间应用端涌现巨大的增量机会一样，在AI落地过程中也会出现类似的机会。
当年移动互联网和智能手机落地以后，应用端的各种东西层出不穷，现在我们常用的手机购物、外卖和网约车，其实都是那个时候的产物。
未来
