题记：2023年6月30日，北京大学国发院MBA讲坛第61讲暨MBA项目宣讲会在承泽园举行。本文根据北京大学国发院助理研究员、BiMBA商学院副院长杜晓梦的演讲内容整理。

chatgpt中文版 http://chatgpt.guige.xyz 

我的主要研究方向是数字化技术对产业的影响，很高兴有机会与大家讨论ChatGPT这个热门话题，并分享我的思考。

ChatGPT带来的技术革新

在信息化时期，我们与APP和网站的交换方式都是通过搜索，例如手动设置手机闹钟。ChatGPT带来了重大变革，预示着未来与系统、APP、网站和机器的交互方式将采取自然语言。机器将变得极为智能，能够理解我们的需求，我们不再需要通过点击等方式来进行操作。因此，许多从事产品经理和用户体验设计等职业的人感到恐慌。用户体验设计师的工作在当前是管理用户的点击体验，但是，由于信息化时期已过去，未来他们的职业将面临改变。信息化的特点是以信息搜索为驱动，而现在的技术将大幅下降这类本钱。

在此前没有信息化技术的时期，很多人能够展现出某些岗位上的能力源于信息资源优势。举例来讲，上世纪90年代，当时大家还没有网络导航等信息工具，因此在高速路口常常会有人拿着牌子指路，这类情况正是信息差异的一种表现。由于当时没有高德地图或百度地图等信息工具，那些熟习道路情况的人就可以够利用这一优势来赚钱。但是，一旦大家都具有了网络导航和地图软件等工具，这些人和职业就消失。

我想表达的是，ChatGPT将引领我们进入一个新时期，即获得知识的本钱将大幅降落。这意味着一些以基础知识为核心的职业和人材可能面临巨大的挑战。例如法律顾问、保险经纪人和理财顾问、心理咨询师等职业，由于主要依赖于纯知识搜索和类似的工作内容，这些职业可能很快面临领域大模型利用的竞争。固然，像心理咨询师这个职业比较特殊，由于还触及情感、陪伴、服务等方面，目前没法被完全替换。

因此，我们行将迈入一个从信息化时期转向知识化时期的新阶段。在这个阶段，您将能够与机器进行自然语言交换。普通消费者将会非常享受这类体验，不管是与汽车或者与家中的电器都能通过自然语言交换。因此，目前许多制造业公司，包括云平台提供商，如亚马逊和微软等，都将ChatGPT作为其基础系统的核心能力嵌入其中。固然，这是一种底层平台级技术，未来的Word、PPT和Excel等办公软件也将嵌入大模型能力，我们认为这将是一项具有生产力水平的技术革新。

2016年，微软推出了Cortana，一款更加概念化的语音助手机器人。虽然当时还没有ChatGPT，但今天微软的数字员工小冰已相当智能。

当时，我对Cortana有一个构想——假定我是旅游企业的市场营销人员，我希望系统能够根据以下逻辑回答我的问题。我们有一个泰国旅游项目，现在满4000减1000优惠，会不会存在合适的客户群体？Cortana回答说，已找到了2315个客户，您会不会想了解他们的群体特点？我回答，好的，我想了解他们的消费能力。系统随后提供了这2315个客户的消费能力和价格敏感度。我继续询问，这些客户还有其他偏好吗？他们会不会对家用电器、运动户外、本地生活感兴趣？系统接着给出了在这些方面的群体特点。随后我进一步发问，目前我们还有哪几种合适这些客户的福利呢？Cortana自动将这些客户分成三组，并由分别提供区别的建议和福利：第一组是由1000人组成的群体，可以提供iPhone7和300元的优惠券作为权益；第二组是由500名车友组成的群体，可以提供加油卡作为权益，以满足他们的需要；第三组是由700名电影爱好者组成的群体，可以提供iMax电影券作为他们的权益。这是营销中的一个重要环节，即怎么将客户分成区别的群体并提供区别的服务。Cortana将负责部署这些福利，并立即推送给了1903位客户，同时告知我还有412位客户将在24小时内重新推送。作为指令者，我随时可以通过链接查看本次活动的效果，并且在每天早上9点都能收到由Cortana提供的进度报告。

这在2016年只是我当时美好的愿景，由于要实现这样的效果，需要整合许多技术和产品，包括营销、自动化系统、CRM等。另外，还需要进行自然语言处理和语音合成等技术。如今，由于大型语言模型如ChatGPT的出现，这一切终究成为现实。因此，我个人感到非常激动。

通过这个案例，我想和大家分享一下今天的主题，即ChatGPT和AI。

在2015年的“十三五”计划中，我国将这些技术列为重点战略方向，包括人工智能、区块链、云计算和大数据等四个数字化技术。在2020年的“十四五”计划中，这四个方向将进一步深化发展，对中国的经济、产业和社会生活产生重要影响。

当前，我们正处于数字化技术蓬勃发展的时期。如果我们在30年或50年后回顾现在这个时期，会发现它是一个数字化时期，很多国家都高度重视数字化技术，并且这些技术之间产生了协同效应。ChatGPT是基于大语言模型和深度学习算法开发的，但是，如果没有大数据技术的支持、强大的计算能力（如芯片和云计算），这样庞大参数的模型没法运行。

技术之间存在相互制约的关系，但在满足彼此发展条件的同时，会迎来一个转折点，这表明技术的发展并不是线性的。我们可以视察到，技术发展常常显现出S型曲线或多个S型曲线，其中包括泡沫、泡沫的破裂和二次突起，这都是技术之间相互制约的结果。例如，在当前的硬件和软件时期，这两个技术相互制约，特别是硬件对软件的制约更加显著。如果硬件技术获得了重大突破，我们对软件技术的想象力也将大幅提升。

为啥还没有出现一个特别好的场景或大范围用户的元宇宙利用呢？其中一个非常重要的缘由就是硬件对用户来讲还不够友好。以元宇宙装备为例，使用者戴上这些装备可能会感到晕眩和沉重等不适。若未来能够出现更轻便的装备，例如眼镜级别的，戴上后会让人感到非常舒适轻松。乃至可以想象，通过类似滴眼药水的方式进入元宇宙。到那时，我相信这个场景将深入人心。因此，当前元宇宙的发展主要遭到硬件的限制。

人工智能的三个层次

人工智能（AI），又称为机器智能（MI），指的是利用计算机和机器模仿人类思考、推理和行动的能力，以完成各种任务。虽然这是一种简单而直接的想法，但要实现这个目标，需要一系列技术，因这人工智能不是单一的技术，而是一个技术体系。这包括自然语言处理、知识表示和知识图谱、自动推理和问题解决、机器学习和机器人技术等一系列技术。在人工智能中，自然语言处理被视为一个重要的技术，由于语言和思惟之间存在着紧密的联系。

大家可以这样理解：如果你对某一门外语特别善于，比如日语或泰语，那末你一定对这个国家的文化有非常深入的了解，包括文化价值观和社会风俗等。只有当你对这门语言精通，才能说你真正掌握了这门语言。因此，语言和思惟之间存在着密切的关联。如果机器能够解决语言问题，能够听懂并准确流畅地表达，那末它就非常接近人类了。基本上，它已具有了理解人类思惟的能力，或说它可以伪装理解人类思惟。

人工智能其实不是一个新概念。早在1956年的达特茅斯会议上就提出了人工智能的概念。正如我刚才提到的，人工智能的发展其实不是线性增长，而是经历了起伏不定的进程。这与其他技术的发展情况类似，比如大数据、云计算和基因编辑。新技术总会遭到一些人的强烈反对，特别是那些传统技术的拥戴者。人们对未知的事物总是抱有排挤心理，由于很多人认为新事物存在风险。就连爱因斯坦这样伟大的人物，在量子物理学刚刚出现时也曾表示“上帝不会掷骰子”。但是，技术的发展历来不会由于某个人的思考而停滞不前。随着量子物理积累了一系列实验，如双缝衍射实验等，我们不断意想到随机性在世界中扮演侧重要角色。虽然爱因斯坦一直强调传统物理研究路径与量子物理区别，但没法抑制量子物理的发展。就像人工智能一样，它一定会遭到一些传统技术学者的抵制，但它一样会继续发展。

这次突起主要源于以深度学习算法为核心的技术进步。大家可能听说过2017年AlphaGo挑战人类围棋选手的事件。围棋通常被认为是人类所发明的游戏中非常精致、极为考验智力和谋略的。当这个AI能够击败人类时，围棋界产生了巨大的震动。棋牌界的人们开始怀疑，难道AI真的能够击败世界冠军吗？那我以后还有必要学围棋吗？还要让我的孩子学围棋吗？毕竟，你没法击败AI。但是，在技术界内，这并没有引发太大的震动。由于我们认为这只是一个品牌宣扬活动，如果他提出这个挑战，肯定是有必胜的掌控。

DeepMind公司是AlphaGo的开发公司，只有数十名员工。他们已将AlphaGo 1.0版本的技术开源。AlphaGo 1.0通过学习人类下棋的方式，通过复盘人类的棋局来获得经验。通过这类方式，它能够预测人类的下一步并做出正确的反应。但是，AlphaGo Zero已不再学习人类的下棋方式，它通过试错的方式来穷尽所有可能性，找到自己的独特方式，并轻松击败了自己的1.0版本。没有一个人类能以此方式下棋。让我们思考一下，人类学习围棋的方式是怎样的？我们是跟随我们的师傅学习，而我们的师傅又是跟随他们的师傅学习。因此，人类学习围棋的方式可能只是找到了游戏中的局部最优解，区别的师傅代表区别的派系。但是，AlphaGo Zero可能已到达了全局最优解，这是人类从未到达过的水平。

基于游戏的边界条件的推演，寻觅到一个最优解，然后去实现，其实就是人工智能（AI）。AI永久是基于规则推导出最优解。当时技术界有些恐惧，担心AI已超出了我们的判断能力，未来它的最优解，对人类最好的方式即消灭人类。这引发了影视界的快速反应，《黑客帝国》《机械姬》等作品都在探讨未来AI与人类的相处模式。

我们可以将人工智能简单地分为三个层次：感知层技术、认知层技术和决策层技术。

感知层技术就像人类刚来到这个世界时需要感知这个世界一样，人类的感官是无声的。计算机也一样，它具有视觉、听觉、语言和语音处理等能力，乃至还有触觉和嗅觉。在这个层面上，人工智能技术已非常先进，它能够看到500米以外的图象，听到超过2000赫兹的声音，并且具有过目不忘的能力。人类已没法在这个方面超出它，实际上也没有必要超出它。

认知层的技术，包括自然语言处理和知识图谱。自然语言处理使计算性能够理解人类的语言，而知识图谱则是一种用于存储和组织知识的方法。在认知层技术中，计算性能够理解接收到的信号。例如，当你听到一个西班牙语的信号时，如果你不懂西班牙语，这个信号对你来讲就只是一串声音，你没法将其与你已有的知识联系起来。因此，第二层的重点是通过语言处理建立联系，构建语言和思惟之间的连接。我们所说的ChatGPT是一个核心的大语言模型，在这个层面上获得了重要突破。

决策层的技术包括智能决策和专家系统等，主要斟酌行动和下一步的最优解。例如自动驾驶和基于人工智能的流程机器人，还有决策会不会给某人贷款或进行金融欺骗风险控制等，都可归类为决策层技术。

基于这些底层技术，我们还衍生出了许多利用，例如语音分析、身份分析和人脸辨认等。在公安大数据领域中，感知层的人工智能技术被广泛利用。中国的人脸辨认准确率非常高，这部份缘由是我们具有庞大的样本量。

因此，有些人认为人工智能是在人工以后才具有智能。要让机器认识一个人，你需要提供大量的训练样本。例如，如果你想让AI判断一张图片是猫或者狗，你需要提供几百万张猫的图片，让它将像素点转化为向量，并学习猫的特点，如耳朵的形状和猫尾巴的模样，然后才能判断第一百万零一张图片是猫或者狗。但是，我们想一想，当我们教孩子甚么是猫时，他可能只需要看几次猫照片就可以记住。这是由于人的大脑是一个非常小样本的泛化系统。我们不需要很多样本就可以进行推理和类比。换一种表达方式，人的大脑可以被视为一个样本较小但具有强泛化能力的系统。

另外，我们的大脑只需消耗25瓦的电力。那人工智能需要多少电力消耗呢？为何包括美国和中国在内的所有从事人工智能研究的国家都关注新能源问题呢？这是由于如果没有新能源供应电力，人工智能超级计算中心等大型模型将没法正常运行。因此，我国发展新能源技术的动身点一方面是斟酌环保和低碳要求，另外一方面也是为了未来能够为超级计算中心和各种人工智能系统提供更多能源，由于这些系统非常耗能。Open AI团队负责研究ChatGPT的同时，也在研究可控核聚变技术，以便充分利用电能。同时，他们还在研究如何通过二次分配来弥补因人工智能革命而失去工作的人的损失。这些也是中国未来需要斟酌的问题之一。

自然语言处理技术的演进进程

简单探讨一下自然语言处理。这是一个历史悠久的技术领域，起源于上世纪50年代。当时，由于计算机刚刚问世，处理进程基于一些规则和有限的数据。在二战期间，阿兰·图灵教授为了破解德国Enigma的密码系统而发明了计算机的前身图灵机。如果你研究人类科技史，就会发现许多创新都是在战争时期产生的，就像诸葛连弩一样。这是为何呢？由于人类通常比较慵懒，除非面临燃眉之急的局势，否则可能其实不愿意进行创新，只想过着舒适的生活。实际上，许多人工智能和数字化技术的诞生都源于美国军方和白宫的努力，其中也包括互联网技术。互联网的起源是由于五角大楼的各个部门为了方便文件传输而发明了局域网，随后演化成了互联网。

在上世纪50年代初，计算机刚刚问世时，人类便开始展开自然语言处理的研究。到了80年代，随着机器学习算法的出现，计算性能够根据数据进行参数预测和分类。随后，90年代引入了新的网络模型，开始摹拟人类大脑的方式大量训练数据和标记。换句话说，我们希望让计算性能够摹拟人脑神经元之间的连接强度逻辑，以实现分类和预测的功能。

深度学习实际上类似于一个多层神经网络，就像我们熟习的电影《盗梦空间》中的情节。这类学习方法可以逐层向下深入，每层都会增加更多的参数。大语言模型实际上是一个具有1750亿参数的庞大深度学习网络。

因此，我们可以视察到一个事实。在这个层次上，我们发现马克思最早的论述是正确的，即通过数量的积累会引发质的奔腾。实际上，当单层神经网络只有几百个参数时，这个网络是相当简单的。类似于统计模型（统计学家可能会持有区别的观点，统计学家偏向于认为所有模型都是统计模型）。但当参数增加到1750亿时，我们发现它出现出了智能。这些新特性会不会可以被称为通用智能，和如果我们继续深入下去，进一步扩大范围，它会不会有可能产生自我意识，这些问题都是难以肯定的。

我采访了一些技术圈的CTO，他们普遍认为很难做出准确的预测。三年前，我们认为人工智能与自我意识的距离很遥远，但是GPT的问世使得这个领域迈出了一大步。Open AI则选择了GPT的路径，并在每一年都实现了质的奔腾。GPT1的问世通过预训练样本已实现了独立样本的效果。随后，GPT2的发布进一步提升了性能，而微调则使其获得了质的奔腾。而GPT3则主要关注泛化能力，即如何模仿人脑学习，实现小样本乃至零样本的泛化。另外，GPT4还具有多模态的能力，不但可以理解语言文字，还可以理解图象、视频和语音。

人类的思惟极为活跃，具有广泛的泛化能力和通感。例如，我上个星期和一个非常酷爱喝茶的人一起品茶，虽然我没法品味茶的味道，但他说他在喝茶时感遭到一种丝绸般的触感。有时候，人们会有这类跨感官的经验。因此，我们可以理解为何人工智能需要研究多模态技术。为了能够接近人类的水平，人工智能需要将文本、图象、语音、乃至嗅觉和触感等多种信息进行融会。这样，人工智能才能试图到达人类的感知和认知水平。

因此，我们非常期待着接下来的技术发展方向是甚么。

目前来看，ChatGPT已在许多领域展现出推理能力。例如，它可以以鲁迅的口吻写一篇关于新冠疫情评价的散文，也能用藏文、俄罗斯语和韩语来表达一句话。在我们有生之年，这个工具一定会非常普及，就像电影《流浪地球》中所描绘的那样，在空间站里，全球的人通过戴在脖子上的小装置，就可以实现无缝的沟通。因此，如果你只是将语言视为沟通工具来学习，实际上其实不需要太多的努力。

为何要让孩子学习英语作为通用语言呢？首先，公然数据显示，大约90%的语料都是英语，其中包括科学论文和研究论文，所以掌握英语非常重要。其次，英语实际上是一种思惟逻辑，它代表了一种特定的思考方式。语言和思惟密切相关，通过学习英语，我们可以更好地理解西方人对各种事物的看法。虽然我们属于东方文化，但如果我们能同时理解西方文化就会更好，由于两种文化之间的差异性非常大。

ChatGPT 技术对教育行业的深远影响

GPT官方网站上列出了GPT可完成的49项任务，其中包括但不限于使用Python编写投资策略、使用C++编写代码、撰写研究报告和进行浏览理解等。这些任务可能基于3.5版本，现在可能已有更新。因此，我们可以思考一下在平常工作中有哪几种任务可以借助GPT来完成。

微软在初期就对Open AI进行了十亿美元的投资，因此成为最早进入该领域并享受红利的公司之一。现在，微软计划将ChatGPT技术整合到其全线产品中。例如，在团队的在线会议中，会议结束后系统能够立即辨认所有参与者的发言，并生成会议记要然后发送给相关人员，这只是最基本的利用之一。未来，使用Word写文章时，只需指定关键字，系统就会提供相应的参考资料；制作PPT时，只需描写所需图片，系统将直接生成。目前，AIGC技术已开发了超过2000个利用工具。这些技术的利用将使我们的办公更加简便、高效，并且可以根据个人需求进行修改和定制。另外，微软的云服务也将与这些技术进行整合。我对这些利用的实现非常期待。

因此，我们将这类技术提升称为生产力级别，由于它对各种利用的生产关系产生了巨大的影响，推动了许多领域的业务发展。即便像亚马逊云平台这样的巨头也已集成了大模型技术，这也解释了为何两家云计算巨头能够迅速做出反应。事实上，云计算在支持全部人工智能算力方面扮演着非常重要的角色。因此，我们可以说这次人工智能的突起依赖于大数据、云计算和算法的完善结合，就像能够召唤神龙一样。一个具有1750亿参数的大模型，如果没有大量的训练样本，根本没法训练出来。如果只有MB级或GB级的数据，完全没有必要使用如此庞大的模型，一个单层神经网络就足够，而且转换速度也会很快。但如果是ZB级或TB级的数据，才值得使用如此庞大参数的模型来探索其细微差别。

如果没有云计算的算力，或缺少Nvidia芯片或其他GPU/TPU支持，那末运行这个模型就是不可能的。就像在我读博士期间一样，当我编写一个模型后，只需要点击“运行”就能够去睡觉了。但第二天早上，想查看模型的收敛情况或参数的显著性时，通常会收到毛病信息，需要重新调剂。因此，我可能需要花费几个月才能完成一个模型的构建。但是，现在你只需在服务器上运行，几秒钟就可以看到结果。所以，我之所以说我们现在正处于数字化技术高度发展的时期，是由于区别技术的结合使得这一进展成为可能。

我曾向我们院的多位老师展现了这个项目，老师们的反应各不相同。有些老师非常兴奋地表示，以后没必要再亲身浏览论文了，可使用ChatGPT来代替。这个智能助手可以翻译并告知你文章的内容。但是，其他一些老师则持怀疑态度，认为这可能只是无稽之谈。但从教师的角度来看，我们可能不能再给学生布置文献综述之类的作业，由于他们可让ChatGPT来完成。举个例子，让学生写一篇关于中国数字经济发展趋势的文章，然后通过PPT描写几个研究步骤。而ChatGPT可以提供四个方面供学生写作，包括数字经济的数字化基础、政策导向、产业布局和未来趋势。如果内容还不够详细，学生可以要求ChatGPT进一步展开，直到到达3000字的要求。

目前，GPT技术对教育行业产生了深远的影响。我们正在斟酌会不会应当制止学生使用这个工具。现在有一种名为detect GPT的工具，可以像检查论文抄袭一样检查学生会不会使用GPT。未来，可能需要使用两个系统来检查学生的作业，一个是查重系统，另外一个是detect GPT。但是，一些教师支持GPT技术。他们认为，现在所有的学生都有计算器，难道还需要让他们手算和心算吗？GPT也只是一个工具，为何不能让他们使用？固然，也有些教师会担心学生过于依赖这个工具，他们的知识面很零散，没有整体的框架，也没有研究的耐心。因此，目前还没有得出一个明确的结论，即学生会不会可使用GPT技术，和在哪些课程中可使用，例如会不会可以在必修课中使用，或者仅限选修课中使用。预计未来，教育部可能会发布指点意见来规范人工智能工具的使用。

有些老师认为，这个东西常常会一派胡说八道。例如，国发院的一名教授表示，他一直在使用ChatGPT进行测试，但始终没有获得好的结果。他要求ChatGPT讲述林黛玉倒拔垂杨柳的故事。ChatGPT开始讲述第三十五回的情节，描写了贾母带着林黛玉去倒拔垂杨柳的进程和缘由。但是，这些内容与小说中的实际内容其实不符合。这是由于ChatGPT是一个几率生成模型，而不是基于知识图谱这类符号模型。因此可能给出不准确的答案。它缺少领域知识。

但是，不要着急，当你用领域知识对其进行训练时，它就可以提供准确的答案。比如，北京大学的同学设计了一个技术框架非常复杂的ChatGPT，但前端页面交互非常友好。你可以给它输入领域知识，例如许多书籍和文档，然后你就能够基于这些内容发问，它会给出非常专业的回答。

ChatGPT可以被视为一位本科生，但经过针对特定领域的语料和知识的训练后，它完全可以到达研究生乃至专家的水平。因此，在未来的1到3年内，我们将看到大量领域GPT的利用出现，例如在法律咨询、保险、医疗、教育等领域。这意味着它对知识的理解将变得更加深入和丰富。因此，从事知识咨询工作的人可能会面临挑战。正如我在一开始所述，信息化技术已将信息提供本钱固定化，而ChatGPT将知识转化为一个固定且较低的本钱，这使得每一个人都可以取得这类服务。

但是，这其实不意味着我们不再需要学习知识。相反地，我们需要学习更加广泛、多样化且全面的知识。由于人类的竞争优势在于泛化，我们需要广泛地了解各个领域的知识，并基于跨学科和跨领域的知识进行创新，以构成独到的观点。只有这样，我们才不会被GPT等技术所取代。

我问GPT的问题是：你认为哪些岗位会被你替换掉？它回答说，会替换那些信息量大、繁琐重复、主要基于客观事实、对领域专业知识要求不高且可通过大量数据进行训练的工作岗位。这些岗位主要是提供信息和知识的角色，而没有太多个人创新和创造的内容。相反地，触及情感和人际交往、需要创新和创造力和实地履行和操作的岗位可能不太可能被GPT完全取代。

说到这里，我想起国发院的一名教授提出，现在是时候让老师们学习一门手艺了。我们可能正犹豫未定是选择学习剪发回是烹饪，由于这需要做出复杂的决策和判断。但是，人工智能永久没法进行价值判断。比如，如果大亚湾核电站爆炸了，我们需要牺牲一所小学或者一座国家博物馆，这是一个没法由AI解决的问题。这需要有才干的人来决策，而且可能会因此毕生内疚。另外，这还需要高度专业的领域知识、强大的创造力和直觉。因此，相对来讲，触及情感参与、现场操作、服务性质和艺术性质的岗位相比其他岗位较为安全。

在我看来，管理行业是一个比较安全的选择，由于管理本身是艺术和科学的结合。因此，选择攻读MBA学位是一个明智的决定，由于在教学进程中会涵盖上述两个方面。首先是科学的部份，我们将教授学生新的工具和技术，例如新的科学发现、大数据和市场意识等。这些新的工具和技术将帮助我们应对不断出现的技术挑战。其次是艺术方面，例如领导能力、组织管理、绩效管理和人际交往和沟通等。这些在管理中非常重要的方面不会轻易被取代。

技术的发展将逐步使科学领域实现更多的标准化。举例来讲，未来的滑雪比赛可能会引入10名人类裁判和2名AI裁判。AI裁判将从科学的角度评判比赛，关注转角、倾斜度和雪板会不会超出线等标准化因素。而人类裁判则会专注于流畅性、艺术美感等方面进行研究和评判。因此，未来的工作将从这两个角度综合斟酌。AI技术的发展将使我们的工作更加趋向标准化，由于它本身具有一定的均值水平。

像陪聊机器人这样的AI，它不单单局限于科学领域，还具有相当程度的情感属性。但是为何在这个领域还需要AI呢？我们不能不承认，有些人在处理情感方面的能力确切不及AI。例如，当你告知朋友你失恋了，他们会说别失恋。当你说你压力很大时，他们会说别压力大。我有个朋友就是这样，特别钢铁直男。所以有时你可能不愿意和他们交换，而宁愿和机器人聊天。当你告知机器人你失恋了，它会告知你让失落的心情“落花随流水去”，充满禅意。所以，AI到达的是人类处理情感的平均水平，因此我们每一个人都要超出这类平均水平，这样就可以提高全部人类的平均水平。如果提高速度太快，就会被称为“卷”，卷就是所有人都试图超出均值，这是人类进化的方向。由于如果你没法到达平均水平，就有可能会被AI取代。

所以，我们每一个人需要做甚么呢？

请大家先思考一下，在工作岗位所需的能力方面，你会不会到达了平均水平？如果你在这些方面发挥出了所有善于点，并且远超同行水平，那末即便这个领域出现了人工智能，你依然不会被替换。这是我们对本身能力的一种判断。如果你觉得自己还没有到达平均水平，那未来从事这份工作可能会有困难。所以，未来人的竞争优势在于找到自己的天赋，并建立自己的比较优势。如果以后大家来北京大学国发院学习，就能够体会到在学习经济学时林毅夫老师所说的比较优势和天赋是甚么。请不要随波逐流往一个方向“卷”，找到自己的天赋并建立自己的比较优势非常重要。

ChatGPT的出现意味着许多职位，如低级工程师和低级数据分析师等，可能会被取代。我周围的多家科技公司表示，现在他们新的网页利用程序业务中，约有15%的代码是由ChatGPT编写的。虽然对一些老旧的工作来讲，交给ChatGPT可能会使其感到困惑，由于它对人类编写的代码可能有一些难以理解的地方，但对新的任务而言，它完全能够胜任，包括一些大型广告公司。乃至有一家直播公司计划在今年内用ChatGPT替换掉15%的员工。为何？由于它不再需要大量的美工、创意人员和文案人员。过去，制作一个广告的整体方案可能需要四名美工、两名绘图员、三名创意人员和四名文案人员。现在只需要三名高级人员和一系列AIGC工具便可完成。因此，未来将会有许多职位和人员被替换。

为何每次技术变革都会致使劳动力结构调剂呢？这是由于技术进步会使一些职位不再需要，从而引发短时间失业和工作转换的困扰。举个例子，蒸汽革命后，由于蒸汽技术的出现，马车车夫这个职业不再需要。因此，短时间内劳动力结构必定产生变化。为应对这个问题，我们北京大学国发院在劳动经济学领域进行了深入研究，专注于劳动力结构调剂和技术与劳动力的再分配。这也是我们未来研究的重要方向。在全球范围内，数字化技术得到广泛推广，中国在数字经济领域虽不是最早启动的国家，但却是发展最迅速的之一。在这次数字技术革命中，中国和美国毫无疑问地处于全球领先地位。

尽人皆知，前三次技术革命对中国其实不利，乃至将我们推入了窘境。但是，如今我们再次回到了历史舞台。光是这次疫情就展现了中国经济的强大韧性。我国数字经济在国内生产总值中的占比已超过40%，从2016年到2022年这一比例已翻了一番，并且到达50.2万亿。数字经济为我国的GDP增速提供了巨大的缓冲，由于疫情主要冲击了实体经济。想象一下，如果中国像那些数字经济不发达的欧洲国家一样，必定会在疫情下堕入窘境。

我们的数字经济在这次疫情中许多领域都获得了长足发展。举例来讲，三年前的抖音用户其实不像现在这么多。目前，乃至老年人也开始使用抖音。这是由于在居家期间，人们会感到无聊和烦闷，因此寻觅一些文娱活动。但是，在全部50万亿的数字经济市场中，实际上有很大一部份是产业数字化。其中，传统产业的数字化改造升级占据了主导地位。我们所熟知的利用和平台，如抖音、快手、小红书、天猫、京东、拼多多，只是其中的一小部份而已。

数字经济的未来发展趋势

未来有许多机会可供我们探索，特别是随着GPT技术的出现，许多传统行业都面临着可以改革的场景。营销、客服、设计、生产制造等领域都迎来了重新做事情的机遇。

因此，除努力工作，我们有时需要停下来思考，重新学习，找到自己独特的定位，为未来十年做好计划。我们一致认为2017年是一个转折点，在梅宏院士的判断下，未来的数字化浪潮将延续最少20年，这将是数字化浪潮3.0的关键20年。

针对这一重要的发展趋势，我们国家正在如何计划？

我们今天没法详细讨论数字经济的逻辑，但毫无疑问，数据要素是非常重要的。如果在我们的MBA项目中学习经济学，您将了解到前三个生产力要素是土地、劳动力和资本，而这三个要素的边际本钱都非常高。相比之下，数据要素的边际本钱较低。因此，我们应利用数据要夙来产生数字经济的机会和利益。

为何要推动新基建项目？从短时间来看，这是应对疫情后经济恢复所采取的预期措施。就像上世纪20年代美国经济危机以后，美国政府进行了大范围的铁路、公路和西部开发工程一样，这是出于短时间刺激经济的必要斟酌。现在一样如此，我们国家正在大量投资于数字基础设施建设，可以确信在短时间内将对经济恢复产生积极作用。

中长时间的目标是实现资源的公道配置，解决的问题不但限于北京、上海、广州、深圳等地区的问题。要真实了解中国的数字化水平，只需从北京开车朝任何方向行驶200千米，就可以见到真实的情况。要让贵州毕节的孩子接受和北京二中学生修的课程一样的教育，非常简单，只需将课程录制下来放在网上。但条件是他们一定要具有网络、5G覆盖、IDC（数据中心）、机房和电脑等基础设施，才能接收到这些信息。

因此，新基建的目标实际上是通过解决问题来确保任何一个中国地区不会成为数字经济发展的障碍。以甘肃酒泉的农民为例，他们可以通过拼多多将土豆销售出去，而无需中间商赚取差价。但是，为了实现这一目标，他们需要具有智能手机，并且需要了解抖音等利用。因此，未来将会有大量的机会，包括解决东西部差异和提升特殊人群和弱势群体的境遇等。

数据智能技术指的是与大数据、云计算、物联网和区块链等技术相关的技术。举例来讲，我们可以把数据看做石油，而新的基础设施则类似于将石油从油井和管道中输送出来的装备。数据智能技术则是一种炼油装备，它能够将石油加工成汽油、沥青或塑料等区别的产品。但是，只有当这些技术的潜力得到发挥时，才能产生大量的行业利用。在新冠疫情中，数据智能技术发挥了重要作用，为我们的决策提供了许多优势和先机。

因此，总书记鼓励我们积极应用先进的数字化技术在疫情监测、病毒溯源等方面发挥更好的支持作用。在疫情过后，我们应当采取行动。政府会愈来愈智能化，企业也会变得更加智能化，公众的生活将变得更加便捷。实际上，现在我们的生活已非常便捷。我已很久没有使用纸币，我相信其他人也差不多。而在欧洲，这类情况难以想象。我有一个朋友回到奥地利后，在停车的时候发现路边放着一个3000多字的告示牌，告知他怎么用现金支付停车费。然后他就说，甚么时候才能在我们这里使用二维码支付？希望马云、马化腾能快点拓展业务。另外，每一个城市都将建设城市大脑，政府的决策也将变得愈来愈智能化。如果有机会，我们可以详细介绍政府数据智能的利用。至于企业，则更不用说。企业以利润为导向。只有那些能够充分竞争、没有任何资源壁垒保护的企业才会更快行动起来，否则它们将被淘汰。

今年2月，国务院发布了数字中国建设的整体布局，值得大家深入研究。其中包括成立大数据局等一系罗列措，旨在推动中国数字经济的落地，并确保其取得更大的资源和数据保障。

北京大学国发院在新一代技术研究中关注战略性新兴行业的发展。在这次技术革命中，中国如何迎头遇上是一个重要问题。根据国发院教授们的预测，到2030年，中国整体经济总量将全面超过美国。但是，在这几年的发展中，可能会遇到一些磨擦和限制，如各种禁令的可能性。我们需要思考怎么实现自主可控，避免受限，这是我们研究的重点。另外，在数字要素化进程中会遇到一些问题，比如如何定价一个边际本钱为零的数字产品、数据产权的确立，和数字化转型对产业带来的影响等等。

接下来，我们可以深入研究人与数据的融会、数字技术对劳动力结构的调剂和其对弱势群体的影响，还包括对人的社会化价值感和幸福度的影响。

整理：何又夕 |编辑：王贤青、 白尧

桂！哥！网！络www.guIgEGe.cn