☰

生成式人工智能重塑知識價值鏈

李寧/文被稱爲第四次工業革命的生成式人工智能（AI），是否真的代表了一場新的生產力革命？

回顧歷史，前幾次工業革命都帶來了生產力的巨大飛躍。第一次工業革命始於18世紀60年代，以瓦特改良蒸汽機爲標誌，引發了從手工勞動向機器生產的轉變。第二次工業革命以電力的廣泛應用爲特徵，這兩次革命大幅降低了生物能、人力和畜力的使用成本，在很多場景使體力勞動產生的價值邊際成本趨近於零。第三次工業革命又稱信息技術革命，始於二戰後，以計算機和互聯網的普及爲標誌。在這一階段，以谷歌爲代表的互聯網公司將信息獲取和傳播的成本降到了極低。

正如百度前總裁陸奇所指出的，互聯網公司實現了一個關鍵轉變：將獲取信息的邊際成本轉化爲固定成本。以谷歌爲例，它每年投入約10億美元製作地圖，但對於每個用戶而言，獲取地圖信息的成本幾乎爲零。這種模式不僅改變了信息獲取的方式，也深刻影響了各行各業。

然而，我們需要認識到信息和知識之間的本質差異。信息革命降低了我們獲取已有信息的成本，但這些信息通常是前人創造的知識，如書籍、知識點或代碼。在獲取信息後，知識的再創造和應用仍然主要依賴於人類。

生成式AI的出現改變了這一邏輯。它極大降低了知識生產的成本。知識創造是驅動社會進步的核心力量，涵蓋了從前沿科學研究、企業研發、服務行業的銷售方案再到家庭領域的教育和日常生活規劃。本質上，這些活動都是將已有信息重新組合和創造的過程。

例如，藉助AI，我們可以在幾秒鐘內生成一篇高質量的文案，在短短几分鐘內完成大量富有創意的頭腦風暴，甚至可以快速生成圖片、視頻和音樂作品。

在科學研究領域，AI的應用更是令人矚目。例如，AlphaFold（由谷歌旗下兩家AI公司GoogleDeepMind和I－somorphicLabs開發的新模型）作爲一項革命性的AI技術，正在徹底改變生物醫學研究的格局，極大地縮短了科研週期並降低了成本。

傳統上，確定蛋白質的三維結構需要使用X射線晶體學或冷凍電子顯微鏡等實驗方法，這些方法不僅耗時耗力，往往需要數月甚至數年的時間，而且成本高昂。AlphaFold能夠在幾小時或幾天內就準確預測出蛋白質結構，大幅縮短了研究週期。

以藥物研發爲例，ESM3（由AI創業公司EvolutionaryScale開發的一個突破性的生成式人工智能模型，專門用於蛋白質設計）能夠快速模擬和生成新的蛋白質序列，包括具有特定功能的抗體和酶，使科學家能夠以前所未有的精度設計靶向性藥物。

這種能力使研究人員能夠繞過傳統藥物開發中占主導地位的試錯方法，快速生成和測試新的蛋白質設計，從而將研究重點集中在最有前景的藥物候選物上。ESM3的交互式特性允許研究人員通過提示來指導蛋白質的設計過程，進一步提高了藥物發現的效率。這不僅加快了研究進度，還大大降低了成本，因爲研究人員可以在實驗室驗證之前，在虛擬環境中探索更廣泛的蛋白質空間。ESM3模擬數百萬年自然進化過程的能力，爲創新藥物的開發開闢了新的可能性。

微軟AI首席執行官（CEO）MustafaSuleyman預測，未來15年至20年內，新的知識生產成本將趨近於零。他認爲，這些變化將標誌着人類歷史上一個真正的“拐點”。

新願景與新邏輯

假如生成式AI的發展和普及實現了知識創造邊際成本趨近於零的願景，我們將迎來一個前所未有的未來。在這個未來，知識生產將變得極其廉價和高效，這將帶來深遠的變革。

想象一下，科研人員能夠在幾分鐘內完成實驗設計和數據分析，往日耗時數月的科研週期被大大縮短。蛋白質結構預測、化學物質篩選等複雜任務將變得精準而高效，科學進步將得到前所未有的推動。實驗室中，研究人員將更多地沉浸在創造性的探索中，而不是繁瑣的重複實驗。

未來，醫生們只需輕點鼠標，就能獲取最新的醫學知識和最佳診療方案，爲患者量身定製個性化的治療計劃。每個患者都能得到最適合自己的醫療服務，診療效果和效率大幅提升。健康水平的顯著提高將讓人們享受更高質量的生活，疾病不再是無法戰勝的敵人。

在教室裡，生成式AI將根據每個學生的學習進度和興趣提供定製化的學習資源，真正做到因材施教。學生們將不再被統一的課程束縛，而是能夠以最適合自己的方式和節奏學習。每個孩子的潛能將被充分激發，學習將變成一件充滿樂趣的事，教育質量也將得到全面提升。

在心理諮詢室，生成式AI將提供個性化的心理輔導和情感支持。AI能夠敏銳地識別和分析個體的情感狀態，提供及時有效的心理幫助。無論是面對壓力、焦慮，還是尋求情感慰藉，每個人都能在AI的關懷和支持下找到內心的平靜和幸福感。

未來的日常生活中，生成式AI將無處不在。高考輔導、諮詢服務、創意工作，AI將大幅提高效率和效果。人們能夠輕鬆完成各種任務，騰出更多時間和精力投入到創造性和戰略性工作中。重複性和機械性的任務將被AI接管，人們的生活將變得更加輕鬆和愉悅。

在明確生成式AI可能帶來的未來願景後，我們需要思考新的決策邏輯。既然知識生產的邊際成本將趨近於零，那麼從個人到企業都需要調整決策和戰略，以適應這一變革。

個人需要重新評估自身的價值。在知識隨處可得的時代，什麼樣的能力和素質仍然有價值？儘管AI在許多領域展示了強大的能力，但真正從0到1的創新仍然離不開人類的靈感和直覺。這種創新需要的是靈感的火花，是那一瞬間的頓悟，而AI目前還無法完全複製這種從無到有的創造力。

因此，我們需要思考如何在這種環境中保持自己的獨特性。持續的學習和自我提升，不僅能幫助我們適應快速變化的世界，還能讓我們在自己的領域內不斷創新，保持競爭力。從0到1的創新，需要的是不可預測的靈感和直覺，是人類思維中的一小點火花，這種火花能夠點燃整個創造過程。我們應該珍視這種能力，並不斷培養和激發它。

更重要的是，AI雖然強大，但目前缺乏方向感和目的性。人類在這個時代的關鍵作用之一，就是爲AI提供方向和賦予意義。我們需要決定AI應該被用來解決什麼問題，如何使用AI來改善人類生活，以及如何確保AI的發展符合道德和倫理標準。這種能力要求我們具備宏觀視野、深刻的洞察力以及對人類價值和社會需求的敏銳理解。

科研領域爲我們提供了一個引人深思的例子，展示了生成式AI可能對知識創造過程帶來的深遠影響。

傳統上，科研被視爲創造新知識的殿堂，其過程往往耗時耗力，成本高昂。以管理學爲例，研究不僅僅是發現新的現象和理論，更需要精細的打磨和嚴謹的論證。正如管理學者MarkusBaer和JasonShaw在他們的文章中所描述的，管理學者所從事的是一種“學術匠藝”（academiccraftsmanship）。

然而，生成式AI的出現可能會對這種“學術匠藝”的價值產生深刻的影響。這讓我們不禁聯想到之前幾次工業革命對傳統匠人的衝擊。

在工業革命之前，精湛的手工藝人備受推崇，他們的技藝是稀缺而珍貴的。但隨着機器的引入和大規模生產的興起，許多曾經高度專業化的手工技藝逐漸被標準化的工業流程所取代，傳統匠人在社會中的地位和價值大幅下降。

現在，我們似乎正面臨類似的轉折點。生成式AI能夠快速處理海量數據，生成看似合理的假設和結論，甚至能夠模仿學術寫作的風格。這不禁讓我們思考：AI是否會使得學術“匠人”的價值大幅降低？那些曾經需要研究者投入大量時間和精力才能完成的任務，如文獻綜述、數據分析甚至初步的理論構建，現在AI可能只需要幾分鐘就能完成。

這種變革無疑會對學術界產生深遠影響。就像工業革命改變了手工業的價值，使得原本高不可攀的匠人技藝變得不再稀缺，生成式AI的出現是否也會使得某些傳統的學術技能失去其獨特性？科研作爲一種少數人的職業，其不可替代性是否面臨挑戰？

這些問題引發了一系列更深層次的思考：AI時代，學者最本質的價值究竟在哪裡？我們是否需要重新定義“學術創新”的含義？也許，未來的學者角色將發生根本性轉變，但具體會如何轉變？他們是否會更多地專注於提出真正具有創新性的問題，而將常規性的研究工作交給AI？或者，學者的價值是否將更多地體現在如何引導AI進行研究，如何判斷AI生成結果的可靠性和意義？

更進一步，我們是否需要重新思考整個知識創造的過程？在一個AI可以快速生成看似合理的研究結果的時代，如何確保學術研究的深度和原創性？人類的創造力和洞察力在這個過程中將扮演什麼樣的角色？

在生成式AI時代，企業作爲知識創造的重要主體，正面臨着前所未有的挑戰和機遇。傳統的知識創造價值鏈正在被徹底顛覆，產品設計、服務創新、市場洞察等企業核心活動，都可能因爲AI的介入而發生根本性變革。在這樣的背景下，企業同樣需要重新思考自身的定位和核心競爭力。

當AI能夠快速生成設計方案、產品創意、市場分析時，企業如何在知識創造鏈條中找到自己的獨特價值？一個可能的方向是將重心轉移到AI難以輕易複製的領域，如品牌價值塑造、情感連接建立或跨界創新等。這需要企業重新評估自身的優勢，並在人性化和創造性方面進行更多投入。這些問題引發了關於企業未來發展方向的深刻思考。

戰略制定和執行需要以知識邊際成本趨近於零的現實爲基礎。企業是否需要靈活調整戰略，快速響應市場變化和技術進步？決策過程將更加數據驅動，生成式AI是否會提供實時、精準的分析和預測，輔助決策者做出更明智的選擇？同時，企業文化是否需要更加開放和包容，鼓勵創新和跨界合作，以適應快速變化的環境？

在這個過程中，我們需要開放性地討論：企業如何平衡效率和創新？在知識隨處可得的時代，哪些戰略調整能夠確保企業在激烈競爭中脫穎而出？未來的企業組織形式是否會變得更加扁平化和靈活化？

這些問題沒有現成的答案，但正是這些思考和探索，將引領我們適應和駕馭這一新的技術變革。

如何實現：人與技術的雙向奔赴

在生成式AI的未來願景中，知識創造的邊際成本趨近於零，意味着我們將迎來一個前所未有的高效和創新的時代。要實現這一目標，關鍵在於人與技術的雙向奔赴。

生成式AI並不是一種簡單的工具，沒有明確的說明書，而是一種需要人去駕馭的能力和潛力。人的作用在這個過程中至關重要。個體需要提升自身的AI力，這是指在AI時代利用AI完成任務和解決問題的綜合能力。AI力不僅僅是操作AI工具的技能，更是一種新的思維模式和能力結構。

在提升AI力的過程中，個體需要不斷學習和適應，掌握生成式AI的使用方法和技巧。例如，如何設計有效的提示詞與AI互動，如何解構任務並與AI合作完成複雜任務。這種能力的培養，將使得每個人都能夠成爲“超級個體”，藉助AI極大地放大自己的能力和效率。

除了人自身能力的提升，技術的發展也是實現這一目標的重要途徑。生成式AI不僅需要大模型的基礎能力，還需要在各個場景中不斷髮展和優化。例如，Suno（一款AI音樂生成應用）的出現，使得音樂創作這個需要專業知識的技能變得唾手可得。這種技術的進步，極大地降低了知識創造的門檻。

在翻譯領域，吳恩達（AndrewNg）教授最近開源的翻譯項目，使得翻譯這種具有專業屬性的任務變得非常容易，展示了技術在特定場景中的快速應用。而在數據分析、複雜醫療診斷以及科學研究等領域，雖然還有更多的路要走，但技術的發展方向是明確的，即通過不斷的創新和優化，最終實現知識創造成本的極大降低。

知識創造成本趨近於零後的世界

當知識創造的邊際成本趨近於零，我們將面臨一系列深刻且開放性的問題。這些問題目前可能沒有明確的答案，有些正在全球範圍內被激烈討論。

當知識創造成本爲零時，人類將何去何從？人的意義又是什麼？在一個知識隨手可得的世界裡，人類將如何重新定義自己的價值和存在？是否會有新的能力和素質成爲人類核心競爭力的關鍵？我們是否需要重新審視創造力、情感、倫理和社會責任感等無法被AI完全取代的領域？

在一個知識可以輕鬆獲取和生成的世界，傳統的企業組織形式是否依然適用？組織將如何重組和運作以適應這一趨勢？未來的組織是否會變得更加扁平化、分散化和靈活化？企業的核心競爭力將如何轉變？在一個知識無限豐富的時代，企業如何保持創新和競爭優勢？

更爲重要的是，如何確保所有人都能從這一變革中受益？知識創造成本的降低不應僅僅是少數人的特權，而應是全社會的共同財富。如何設計公平的分配機制，確保知識和技術紅利能夠惠及每一個人？這包括教育的普及與提升，社會保障體系的完善，以及政策和法規的制定和實施。如何應對可能出現的失業和社會不公平問題？我們如何確保技術進步帶來的利益能夠均衡分配？

正如微軟AICEO的大膽預言，10年—15年後知識創造的成本將接近爲零。那時，我們必須面對這些深刻的問題，並找到解決的路徑。我們是否有足夠的社會機制和政策來引導和保障這一轉變？

人類的意義和價值、組織的形態和運作以及社會的公平與進步，都是我們需要提前準備和思考的重大課題。這些問題的答案或許並不容易找到，但正是這些思考和探索，將引領我們邁向一個更加美好和公平的未來。我們是否已經爲這種變革做好了準備？未來的世界將會是什麼樣子，我們又如何在這場變革中找到自己的位置？

（作者系清華大學經濟管理學院Flextronics講席教授、領導力與組織管理系任主任）

生成式人工智能重塑知識價值鏈

相關資訊