👉腾小云导读

当 AIGC 逐渐应用于开发业务的日常工作中，它与低代码结合使我们的研发提效，与数字人结合将为我们创造新的生态场景，更有言论认为 AIGC 与其它更多技术融合，或将取代程序员并实现自主创新？今天，我们特邀了中国信通院低代码/无代码推进中心技术专家、腾讯云 TVP 行业大使沈欣老师，他将带我们解读 AIGC 与不同技术融合与创新的趋势，欢迎阅读。

👉目录

1 引言

2 AIGC 与软件开发行业的融合

3 AIGC 与创新的融合

作者介绍：

沈欣，腾讯云 TVP 行业大使，曾任喜茶数字化高级副总裁、广东省连锁经营协会技术委员会主席、上海交通大学终身教育学院特聘讲师，中国信通院低代码/无代码推进中心技术专家。

01、引言

早在古埃及时期，人类就发现了石油，但是直至 1860 年的第一个炼油厂成立，石油才成为在人类史上不可或缺的资源。同样，从第一个数据库到 2023 年 ChatGPT 的出世，也预示着数据才真正开始被颠覆性使用。

我们认为，以 ChatGPT 为代表的 AIGC，突破了人类生产“内容”的特权，从而将会对整个人类社会生产关系带来巨大的变化。

原来只是简单的猜单词游戏，随着喂入数据不断突破了量变界限，直接进入了质变：AI 一夜之间好像有了理解能力。

通过对话聊天窗口，我们发现 ChatGPT 突然之间让 AI 应用变得人人可用，只需要自然语言即可。AI 不仅可以读懂你的话语，甚至可以通过推理能力了解文字背后的隐喻和暗示，并且还能够输出有逻辑的答案。这就意味着，我们可以让它替代人类，去做一些原本只有人类才能做的“内容生成工作”。

AI 永不疲倦，只要有稳定可靠的算力，就能稳定可靠地输出，在人力成本日益增加的今天，很多工作都会被 AI 替代，这一点也不令人奇怪。

接下来，我们从下面几个例子看一下 AIGC 会与哪些技术领域进行结合，并且产生革命。

02、AIGC与软件开发行业的融合

前段时间，某知名的研究机构给出一个这样的数据：根据每月工作天数、工时、每个级别的数据分析师花费的平均时间来进行统计，GPT4 的成本约为初级数据分析员成本的 0.71%，为高级数据分析员成本的 0.45%。

我们都知道，AI 最大的特点在于高速迭代，我们可以很清楚地预见，明年此时，成本可能会下降到目前的 20% 或者更低，那时 95% 的人类数据分析员都将没有存在的必要性。

同样，也有大量数据表明，使用 AIGC 编程比一个传统的编程人员效率提升 3 倍，换言之“以一敌三”。我们也看到，低代码编程已经将传统软件开发效率提升了约 5 倍，如果叠加 AIGC，那么 70% 的程序员也都会被替代，低代码甚至无代码集成了工程能力，代码编程被封装，业务逻辑则是 AI 自动生成，随着 AI 技术的迭代，这一效率会进一步上升，因此，我预言程序员这个职业就像马车时代的马夫一样，会在三年内式微乃至消失。

软件的构成当然不是这么简单，编码只是一部分工作，UI、测试都是重要构成部分，而这些功能也在 AIGC 的辅助下大大提升了效率，随着复杂度被掩盖，普通的业务人员都能够直接参与到系统的开发中来。

在这个例子中，我将之总结为：按时间收费的内容制作人员，将会被 AI 无情替代，转化为按结果收费的生成式 AI。

03、AIGC与创新的融合

其实，大家往往认为创新是人类在 AI 面前最后能够坚守的阵地，但真的是这样么？

首先，我们需要定义什么叫做创新。在我看来，创新主要包括以下三类：

第一类创新有 80% 以上的创造点，我们可以称之为颠覆性，比如大统一理论、量子力学等。其特点是“无中生有”，颠覆所有现有理论并更进一步解释世界。

第二类创新的创造点在 50% 以上，我们称之为巨大的变革，比如大刘提出的二相箔、水滴、黑暗森林理论。这往往是两个跨学科能力的融会贯通，例如当电力被发明以后，电+一切都是创新。

第三类创新的创造点在 10% 以上，一般称为微创新，比如古筝行动（注：《三体》中的一次战争，创新性地采用纳米技术制造的“飞刃”摧毁敌船）、手机点餐等。其特点是通过运筹学和工程落地能力使得创新价值得以体现。

颠覆性创造	巨大的变革	微创新
>80%创新度	80%~30%创新度	30%~10%创新度
•量子力学 •曲率引擎 •大统一理论	• AIGC • 二相箔 • iPhone 及生态 • 电力+应用	• 手机点餐 • 古筝行动 • 鼠标、语音输入
“无中生有”，颠覆所有现有理论并更进一步解释世界	跨界的能力开始融会贯通	运筹学+工程落地能力展现新价值

对于物理学角度而言，所有令人震撼的科学在突破前都有着一个漫长的萌芽期，在这个时候，创新的土壤、阳光和水分都已经充足，最后由一两个天才人物通过逻辑推理和假设，把规律用严谨的方式总结并推导至更普遍的应用场景。

简单来说，没有什么创新是天上掉下来的，都是已有知识的跨界连接，90% 的创新是连接产生的。如果我们用第二三类（巨大的创新和微创新）来要求 GPT 模型，我们会发现，一本正经地胡说八道难道不是创新的萌芽么？

目前的 GPT 模型的奖励机制是猜测被拿掉的单词，如果我们引入新的激励机制呢？

我们一起来看创新的人群都有什么特质？首先，他们会对新的刺激（比如一个新的段子），有着超出寻常的兴奋，并迫不及待地将其分享出去，但是当这个段子辗转反侧回到面前，又会显得不屑一顾。这里面的奖励机制需要的是一个“新组合”。但是当能穷尽的组合已经在系统内部穷举，显然无法带来额外奖励。所以和人类一样，GPT 需要不同主体间的交流，需要 AI 进行社交，在这个环境下，新的刺激、新的奖励会带来额外的激励，这也是创新的来源。

其实，在 50 年代的苏联，为了提升生产力，有专门的“创造方法论”萌芽，并于 1974 年正式诞生了 TRIZ，它列出了以下几个步骤：

知识/创新准备期；
寻找需求；
任务和/或想法的产生；
探索方案；
形成创新概念；
把概念变成原理图；
想法的技术实施和开发。

40 种解决问题的原理：

分割	预支撑、预缓冲	跳过、略过	空隙材料
去除	等（电）势，等位	伪装	改变颜色
局部质量	所有其他方法	反馈	均匀化
非堆成	球状体	中间物，催化	摒弃和恢复
合并	动力学	自助	改变物性状态
普遍性	只取部分过度	拷贝复制	相变
套娃	另一种尺度	便宜和短寿命	热膨胀
减轻重量	机械振动	机械替换	强氧化
预想反行动	周期行动	气动和液压	惰性气氛
预行动	有用行动的连续性	灵活的薄层包覆	复合材料

矛盾矩阵的 39 个分量：

运动物的重量	应力或压力	功率	物体产生有害因素
静止物的重量	形状	能量损耗	制造难易
运动体的长度	复合物的稳定性	物质损耗	操作难易
静止体的长度	强度	信息损耗	修复难易
运动体的面积	运动物行动的持续期	时间损耗	适应性或灵活性
静止体的面积	静止物行动的持续期	物质数量	设备复杂度
运动体的体积	温度	可靠性	检查和测量的复杂度
静止体的体积	流明数（照度）	测量准确性	自动化程度
速度	运动体的能量使用	制造精度	生产率
推动力	静止体的能量使用	外部损害影响物体

举个例子，爱迪生发明灯泡，碰到的问题（矛盾），就是可靠性（选什么做灯丝）、外部损害影响物体（灯丝高温下会氧化烧毁），解决问题的方法则是：改变物性状态（碳化后的竹纤维做灯丝），惰性气氛（灯泡里冲入氮气防止氧化）。

上述表格里内容基本都是针对于二三类（巨大的变革和微创新）的创新体系，在我看来非常有效而且可执行。如果翻开专利，99% 的专利都可以用这个方法论来解构。俗话说，灵机一动，计上心来，我们用方法论解释一下即是：假设要解决一个问题 X，有 A1、A2….An 几个不同路径，同时可以用 B1、B2…Bn 几种不同速度（角度）进入；人在思考时，其实就是对事物的边界构建清晰的认知，潜在的几个入口已经明晰，已知 A2、A5 是可能性最大的两条路径，同时，B6、B8 是最合适的两种速度。灵机一动则是选择了 A2+B8 ，在大脑中进行了直觉模拟，于是计上心来。

一个表意的中文 LLM 和一个表音的英文 LLM，让他们直接对话，按以上的方法给予额外的激励，就可以源源不断地产生创新，再通过第三个 LLM 模型，对结果进行收敛，就有可能得到真正的创新。世界需要英语体系的 GPT 和中文体系的 GPT，通过中西文化和语境的碰撞，从而构建 AI 创新的基础。

毋庸置疑，两个 LLM 模型之间的交流与沟通并不需要凭借文字去表达，只是电缆中流动的电子或者光缆中的光子交换，无需知道为什么，灵感就在交流中产生，而且不可名状，也不可说。

通过以上两个例子，我们看到，工业化的本质是社会分工带来的效率上升与标准性、确定性的增加，AI 目前甚至未来也不可能替代 100% 的人类工作，但是就如同“养马人”一样，随着马车退出历史舞台，这个职业只在少数的赛马场还有存在，整体而言却已经退出了历史的舞台。

另一方面，AIGC 会产生大量的内容，而且内容的质量会越来越高，我们认为，未来会有一个趋势：人类通过一个 AI 来“理解与使用”另一个 AI 生成的内容，我们可以形象地比喻为，只有魔法才能打败魔法，生产关系将会再一次发生巨大的变化。

如下图所示，生产关系的巨大变革已经开始，奇点已来。