主要观点总结
本文是关于AI时代工作方式的发展变化的讨论，包括AI对于工作和生活的影响以及未来的发展趋势。嘉宾叶军和秦朔就AI加持下的钉钉和其他办公软件如何改变我们的工作状态进行了深入的探讨。叶军分享了自己在AI加持下工作的实际体验，并展望了未来三年AI技术的发展趋势。秦朔则强调了数字化对中国实体经济发展的重要性，并认为AI将在各个行业中发挥重要作用，创造出更高效的工作方式和生活方式。
关键观点总结
关键观点1: AI技术对工作和生活的影响
AI正在重塑我们的工作和生活，通过优化工作流程和提供智能化助手，提高工作效率和生活质量。
关键观点2: AI加持下的办公软件变革
在AI加持下，办公软件如钉钉将发生巨大变化，包括交互对象、交互形式的变化，以及多模态交互的普及，带来更高效、更自然的协同方式。
关键观点3: AI时代的超级助理
AI超级助理将成为个人生产力的重要工具，帮助解决各种问题，提高工作效率，改善生活质量。
关键观点4: AI发展的未来展望
嘉宾对AI的发展持乐观态度，认为三年内中国的通用人工智能将迎来巨大发展，并在更多领域找到高频应用场景。
正文
AI通用大模型的横空出世颠覆和重构了我们工作和生活的各个场景，行业之间的壁垒被打破，不同领域开始互相融合、协同发展，创造出前所未有的机遇，也带来前所未有的挑战。硅谷吵得热闹，国内也上演了一场“百模大战”，直到现在，这场“大战”还没结束，AI的杀手级应用仍没有浮出水面。
只有理解当下正在发生的变化，才能更好地适应我们所处的环境。
前日，在中信读书栏目的直播间，钉钉总裁叶军与著名财经媒体人秦朔老师就“智能时代的效率革命：AI如何重塑工作方式与组织管理？”话题展开对谈。
两位老师对AI的发展都有着深刻和独到的观察和思考，为我们理清了AI大模型给我们带来的深刻变革。
以下内容，根据直播对谈内容整理。
支持 |
混沌前沿课
主持人：智能时代，AI正在重塑我们的工作与生活。所以，业内现在流传着一句话：所有的产品都值得用生成式AI重新做一遍。那么在用AI把产品重新做一遍的过程中，应该遵循怎样的逻辑？想请两位老师来分享一下。
叶军：
确实有很多人讲，所有的产品都值得用AI再做一遍。其实，钉钉当时也是在新的技术背景下出现的。每一项新技术出来的时候都值得重新思考一下：以前的做法能否被优化，或者被重构？
入局AI的这段时间，我们也有自己的观察：其实不同类型的公司对于AI这件事情有不同的擅长点，比如大型公司有非常多的资源和产品，往往适合把原有的产品重做一遍，重做之后的效果提升会很明显。小公司则适合用AI重构原有的工作流程、交互体验、业务模态的呈现形式，在未来更细分的场景中找到的一个全新的产品形态。
美国有“七姐妹”，中国有“BAT”和新巨头们，大公司的产品本身已经具备非常大的用户量，最适合用AI做重构。包括前段时间大家非常热衷于讨论的一个话题——搜索，大公司自己做搜索，价值会非常直接，小公司全新做一个AI搜索挑战非常大。
钉钉也是如此，我们一方面做好自己最擅长的一部分，另一方面是帮助更多的创新型企业，能够借助钉钉平台上已经存在的一些数据、客户、场景，做千行百业的创新。
秦朔：
确实像叶总所说的，大公司有大公司的做法，小公司有小公司的做法，但是我觉得无论是什么样的公司，可能都要去考虑一个长远来看如何闭环的问题。
我对钉钉的理解是它更像是一个平台，不仅用生成式人工智能把自己的产品重做一次，同时，整个钉钉也是一个基座，让很多合作伙伴用上面的很多工具把他们的产品、服务等等重做一遍，它是一种大的玩法。
如果你是中小企业，可以利用像钉钉这样的平台来帮你解决效率的问题。但我觉得最核心的还是要基于你以前已有的数据，对它们进行一个很好的模型化的建构，成为自己模型的一个创作者和探索者。
国内已经有很多的企业开始用一些模型化的方法，从研发，供应链，智能排查，检验，智能物流，端到端，全流程地应用AI。短期内看不清谁是杀手级应用，但是两三年内，中国公司运用AI的智能化水平，整体上会取得长足的进步。
AI红利更多、更快会在哪些行业和赛道出现？
主持人：在大模型领域，国内面临“百模大战”的局面，大家都想在这波人工智能浪潮中快速地抓住红利。两位老师觉得智能化红利更多、更快会孕育在哪些行业和赛道？
叶军：
智能化在哪些行业中能够率先爆发出价值？我们也在观察，有一种争论是ToB还是ToC？还有一种争论是公有云的技术场景下，还是企业内部的垂直场景下，也就是偏私有的场景下？
我的观察是这样的，ToB场景下相对来说确定性会更高，但是ToC场景爆发性会更高。ToB场景下，很多企业内部的工作、管理的场景，已经沉淀了大量的数据，这些数据比较私密，所谓“私密”，还不是指个人隐私，而是指企业级数据。基于这些数据做进一步智能化的处理、分析、加工、响应，企业生产力的提升会非常直接，且可以量化。
在ToC场景，现在国内外都有非常多的创业公司在做类似的产品，如陪聊类产品、搜索类产品，像国外的Meta AI、Perplexity AI，国内的豆包，我自己也在用这些产品。国内很多的创业公司试图在创新，在C端结合原有业务场景包括游戏、PC、手机等自动化处理的场景上做一些集成。它们在各自领域取得了一些进展，但是跟刚才秦朔老师讲的，杀手级应用或超级应用还有一定距离，需要时间。
之前还有很多朋友在聊一个话题，说大模型可能是公有云的场景会优先跑出来。我们自己也观察了一下，去年国内所有大模型的招投标项目，应该说比较领先的一些企业，绝大部分选择了私有云或者混合云的场景。前段时间我去一些企业做交流，包括科大讯飞，他们做了一个AI阅卷机器，把一个班50多个同学的卷子丢进去，一下子就可以把题判好、改好，然后后台会记录每个学生的考试情况。机器会把这个学期或者一段时间下来，每一个学生累计在哪些题上错得比较多，它知道每一个学生在哪些知识点上是欠缺的，后台用AI生成一本专属于这个同学的错题本。AI在这种垂直场景应用得非常好。
所以，也许中国不需要那么多的模型，不需要“百模大战”，有几家承担这个责任的大厂就可以了。更多的创新者应该专注于在垂直场景和应用场景上，一个垂直模型和通用模型结合一个好的场景做推理，这个赛道会更有价值，更有空间。
秦朔：
国内的大模型我基本都用过，我把它们当成一种工具，看能不能提高自己的工作效率。我想让它们成为我创作的帮手，它们在模仿氛围、语境的时候已经可以学习得很好了，但是由于高质量的内容、背景、数据它不具备的话，生成的内容给我的感觉是有其形，有其神，无其质，实战性的东西没有。通过我的观察，我认为它在针对个人，真正变成个人生产力工具上还是有比较长的路要走。
但是，我自己的观察：即便是偏ToC的，也很可能是ToB→ToC，什么意思？微软CEO纳德拉两三年前讲到AI应用的时候，举了几个例子，比如农民操作低成本的无人机在农田上飞行，传回数据，然后在农舍中的智能云边缘计算可以提供即时分析，告诉农民农田里哪里干旱或者哪里有病虫害等等。工厂里面操作人员可以AI来辨别钻头的移动，因为精度非常高。医生可以用增强现实做虚拟会诊。
但是，去年微软发布Copilot以后，比尔·盖茨的说法越来越像将来有一个白领工人帮你完成各种任务，帮助你安排行程、沟通电子邮件，在所有设备上运行，查看你的会议安排，最后提高你的效率，把你从不想做的事情里面解放出来。如果是企业级的AI Agent，可以帮你更好赋予员工权力，让员工能够绽放出他们更多的创造性。它实际上是给每个人找了助理，但是中心思想还是基于它是一个公司里的职员来帮助你，在你的岗位上去赋权、赋能，提升你的效率。
所以，我偏向于认为AI应用包括生成式AI的应用，会最先在企业里长出很多非常有意思的东西。但达到非常成熟，还需要一个过程。
主持人：秦朔老师，因为您前段时间去了硅谷，硅谷的AI巨头和独角兽们是怎么思考这个问题的？他们是否也陷入过“百模大战”？
秦朔：
美国硅谷的情况和我们还是蛮不一样的，因为他们已经高度寡头化了，巨头公司思考的逻辑不是具体的应用，如果把他们每一家的使命愿景拿出来，都是解决人类的根本问题，怀着一种深刻的使命感，觉得人类到了这个地步就得怎么样去改变。他们有足够的资本支持和足够的科研资源、人才资源的支持，站得高，看得远，耗得起。
我们的特点和他们有很大的区别，所以我觉得一方面我们要有紧迫感，要努力地追，学他们开源，或者坚持不开源，做封闭的系统，都无所谓。但是，总体上要看到我们的长处在哪里，我们的长处的的确确在应用，而美国的应用场景没中国多，因为大量的产业已经不在了。
今年5月下旬时，我去美国参加游学团。我是老师，我们团有30多个企业家，其中大概有七八个人在参观的几天里，在斯坦福和UC伯克利都找到了一些年轻的中国博士生、硕士生，去讨论一些问题：你怎么帮我做短视频的精准分发，你有没有一个系统，有没有一个模型可以直接用？这就是中国企业家的特点，他们考虑的都是解决当下的某个非常具体的问题，更多是问题导向。
主持人：叶总，您刚才提到其实在垂直领域做AI应用还是有很多机会的，但是现在我们发现大家都在卷同质化的大模型，您觉得为什么会出现这样的情况？
叶军：
我和通用大模型公司也有一些交流。我觉得垂直领域的工作是需要非常强的专业基础的，比如医疗，比如法律，即便你是这个行业，不同细分领域之间也有专业壁垒。
现在做科技创业特别是大模型创业的年轻创业者，都非常擅长技术，有技术基础，但没有行业基础。以这样的背景来创业，大概率会选择做通用应用，再进入到垂直行业。
也就是说，在垂直领域做应用，至少你自己得是个老中医，你才会在这个领域里知道有哪些问题，然后愿意去改变它，想变革它，然后再拿技术去做。现在国内大部分不是这样，包括我们这代人最开始做互联网，当时不知道互联网能干什么，纯粹觉得好玩，当时做网页、博客、BBS，包括在上面卖东西，都是因为好玩。
这是我观察到的情况，我相信随着时间的推移，会有所转变，因为现在我看到越来越多的公司已经在关注一些垂直领域的AI应用场景了，已经看到一些这样的苗头。
秦朔：
大模型现在特别热，很多大模型的创业者，无论是90后，还是像李开复、陆奇他们做的项目，目前我们听到的很多都跟技术高度相关。他们太技术范了，而且一直站在时代浪潮的最前列，他们读了大量的文献，做了大量的知识分享，所以一定是这样的结果。你听到的都是这些声音。
但是，其实在中国的企业界，已经有很多对人工智能的应用，以及建立自己的模型了，但是他们不会说。几十个人的团队，或者一两百人，或者和外面人合作，已经做出了应用模型，真正解决了问题，但是他们没必要说。所以我们听不到他们的声音，不代表沉默的地方就没有热血流淌和奇迹发生。
前年在上海，我调研过一家模拟芯片设计公司，这家公司的模拟芯片类型特别多，大概有1000多种设计，每种芯片都有知识产权，服务客户上千家。服务每一个客户的时候，都要有一本产品手册，基本上是英文写的，几十页、上百页，很正常，里面有大量的专有名词、电路图、参数，客户在使用的时候，会有各种问题，他们可能线上咨询，也可能电话咨询。为了满足这个需求需要多少人？七八十个专家，当然，这些专家是技术服务人员，不都是专职，但是他们大部分每天还要做本职工作，有问题来了就要响应和回答。根据产品说明书，他要从产品说明书里把它搜出来，确认技术细节，这很消耗他们的时间和精力。
和钉钉合作以后，用钉钉的AI PaaS能力，建立专属小模型，将所有芯片产品手册、设计指南和FAQ（常见问题）等资料上传至钉钉炼丹炉进行训练和处理，现在7×24小时服务，客户有任何咨询的问题，智能机器人都可以答疑，客户满意度也提高了。另外，很重要的是知识资产沉淀下来了，基于这个知识资产你可以慢慢地结构化，让它变成很聪明的东西。
类似这样的例子，我认为中国很多行业领导型企业都在用各种各样方法去创新迭代。所以这里有很多故事，只是没有人去报道。所以，如果我们往这个方向转换一下眼光，我觉得还是挺让人激动和兴奋的。
AI解放了人类，还是让人类更卷了？
主持人：技术发展不仅仅是一个技术的问题，也是一个哲学问题。尤其当AI不断介入到个体、组织的整个工作过程中，它重新定义了个体和机器的关系。AI超级助理能大大解放生产力，让个体从原来繁琐的工作中解放出来，去做更多的事情。对此我有一个疑问，当AI把人解放出来之后，未来的人机协同究竟是什么样的形式？打工人会变得更卷还是真正得到解放？
叶军：
我们都是打工人，打工人都希望自己能够有一些时间，不是在打工状态中。早上8点，我到公司，晚上我会晚一些走，中间有很多时间我在想自己的事情，看一些技术进展和业界文章。但是，这个过程中我要感谢AI，因为它让我的工作效率得到了提升。许多重复性的劳动确实被AI替代了，它给我解决了很多问题。以前，我在钉钉上做的最多的动作就是搜索，搜索以前聊过的事情，经常找不到。现在好多了，搜索频次下降了，因为AI帮我整理过了。所以，我认为未来AI会改变我们的工作状态，但它更多是要解决问题，解决当下社会的主要矛盾，工作的主要矛盾，而不是让我们变得更卷。
秦朔：
主持人的问题非常有意思，特别是最近热议的“萝卜快跑”事件，大家对于AI又有了更多的思考。
第一，如果出现了更卷，或者是很多人得不到发展机会等等，我觉得要相信政府和社会的有机调整。我们更应该思考的是怎么用人工智能来帮助我们实现自由、全面的发展？以我自身为例，现在比较苦恼的是我有很多想法，但是我不能随便说几个概念，而是要去采访，去看热度，去结构化。我总是要从事原始劳动，如果有一些助手能帮我解决很多问题，可能我能够创造出更多有意思的东西。正如微软CEO纳德拉说的那样，应该让计算机理解我们，而不是我们去理解计算机。如果有一天，我们的各种各样的终端智能化设备，能很好地理解我们，很便利地帮助我们解决问题，我觉得就非常好了。
第二，现在信息爆炸，有太多信息了。怎么高效地推理？怎么高效地计划？怎么高效地处理？怎么在获知信息上不丢东落西？现在很多人的工作状态是到达了终点，又回到起点。为什么不能有一个很好的过程，一直慢慢地往前走呢？这其实很需要像机器一般的管理系统，它永远不会出错，又懂你。从个人体验的角度，我非常向往有一个更聪明的超级助理，AI助手，来帮助我去更好地、更聪明地工作。
AI加持下的工作方式会如何巨变？
主持人：我们都期待更好的AI助手，AI超级助理。我们看到，当钉钉和AI相结合的时候，钉钉本身作为一个办公软件也发生了一个前所未有的改变。请问叶总，未来这段时间，经过AI加持之后的钉钉和其他办公软件，会给我们的工作状态带来多大的改变？
