✏笔者按：

我这个人是比较笨的，我是在3月9日左右才恍然意识到一个崭新的AI大时代已经到来了。

全文7339字，阅读需要约10分钟

>>前言

我是在大三时候阅读《游戏编程中的人工智能技术》这本书的时候接触到的人工智能和神经网络的相关知识，这本书讲的深入浅出，甚至还配有代码示例，教我们去写一个小型的无监督和有监督的神经网络模型以实现一个自动避障的扫雷小车游戏和一个手势识别的游戏功能。里面的非常浅显的对神经网络的介绍让我印象深刻：

截自文章P161

简而言之，就是用一个数据结构（类）来模拟大脑的神经元的结构，树突对应输入参数，轴突末梢对应输出参数，神经细胞核对应一个函数叫激励函数，根据不同的输入参数和相应权重的组合设定一个函数转化关系来决定最后的神经细胞核的最终输出。

以上是单个数字化人工神经细胞的简单结构，对应于人脑，单个神经细胞核的树突与超过一万个其他的神经元相连接。也就是说，上述的单个类的输入参数超过一万个，然后这个类要在程序里面实例化多少个实例呢？书中说是100亿个，这些实例互相引用，对应的连接数是100万亿个，这是一个巨大的网络。老实讲，人们是很难搞清楚在这么大的网络中是如何产生意识、情绪、学习等等人类的特点的，但就是有那么些个头铁的人想：管他三七二十一，老子先用计算机建立一个这个大网络看看啥效果！然后还煞有其事的搞出这模型，这算法那反馈，那调优一摊子事情。

早先年的人工智能被称为人工智障，有一张图高度概括了人工智能的工作原理：

这虽然是个戏谑的玩笑图，但是一定程度上说明了对于人工智能的实际工作原理，现在以人类的认知很难说得清道的明，并且几年前大家对于人工智能能否实现还是持有怀疑态度的。

>>光明的未来

现在那些头铁的先驱们真的搞出来了！GPT-3有1740亿个参数，而GPT-4的参数数量约为100万亿个，已经跟人类的神经元连接数量相当！也就是说，他们真的搞成了个人造大脑。

在今年三月份披露的微软研究院对GPT4的早期测试论文《Sparks of Artificial General Intelligence:Early experiments with GPT-4》中，作者讲到了尽管GPT4的表现非常出色，但是对于其为什么如此卓越的智能表现依旧无法给出合理的解释。

“所以实际发生了什么？

我们对GPT-4的研究完全是现象学的：我们专注于GPT-4能做的令人惊讶的事情，但我们并没有解决为什么以及如何实现如此卓越的智能的基本问题。它是如何推理、计划和创造的？当它的核心只是简单的算法组件——梯度下降和大规模变换器与极其大量的数据的结合时，它为什么会表现出如此普遍和灵活的智能？这些问题是LLM的神秘和魅力的一部分，它挑战了我们对学习和认知的理解，激发了我们的好奇心，并推动了更深入的研究...

总的来说，阐明GPT-4等人工智能系统的性质和机制是一项艰巨的挑战，这个挑战已经突然变得重要而紧迫。”

所以目前取得的成果更像是一个大力出奇迹的行为。尽管如此，我个人在认识到这件事情的巨大意义之后，依然激动的一夜未眠，想了整整一夜。

为什么这件事这么重要？我认为主要有两点：

这标志着AI技术的逐渐成熟，让人们意识到超大型神经网络这条路可以走得通
在目前这个充满阴霾的全球环境下，为人们点亮了希望

关于第一点，如果还没有深刻体会的兄弟们，可以去读2015年2月份一篇关于人工智能的文章《有生之年，超级人工智能将如何导致人类灭绝或永生？》，这篇文章相当于是对2005年出版的雷库兹韦尔的《奇点临近》的总结，当时我是当做科幻小说读完的，现在想来作者实有先见之明，文中的一些预测颇具准头，建议大家阅读看看。参照下图，ChatGPT和GPT4.0的出现就是标志着下图中的智力曲线交汇点即将到来。

虽然人脑神经元连接数与GPT4的参数数量与大致相当甚至还要略多，但是要记住，人脑只是开发了5%左右，而GPT4一旦火力全开，那就是《超体》里面的寡姐。

ChatGPT目前作为一个全能全知型的AI，其亮眼的表现无疑极大了的增强了人们的信心。前几年还觉得是天方夜谭的AI神话，一下子变得似乎不是那么遥远，为人类的科学技术发展提供了指引方向。疫情的消散并没有带来预期的繁荣，相反，当今世界的形势还挺让人绝望的：经济形势不景气，社会财富的大头都流向各大垄断巨头，强者愈强，赢家通吃，中小企业生存困难，社会阶层更加固化；生育危机，人口红利逐渐消失；基础科学迟迟没有大的进步导致各类技术应用在行业内不断内卷，创业者都整不出什么新花样；战争的阴霾在世界上空徘徊不去，中美硬脱钩已经开始。

疫情的三年虽然苦，但是大家心中都还有点希望，都觉得只要疫情散去一定又会回到市场繁荣、经济飞速上涨的过去，但是现实情况是在疫情这块遮羞布被扯掉之后，世界露出来他本来瘦骨嶙峋的模样，我们才知道过去那样的好日子可能真的会一起不复返了。

回到我个人，人到三十四，公司独立刚刚两年，道理上讲正值人生和事业春秋鼎盛之时，但在这样的大形势下，心里难免打鼓，心中希望的小火苗随风摇荡。人活着不怕穷困潦倒，怕的是心中再没有了希望。

毫无疑问的讲，AI人工智能的逐渐成熟以及ChatGPT的出圈真的是拨开云雾见青天，又重新点亮了人类文明前进的希望。

人类文明前进说到底还是要来自于生产力的发展，生产力是社会发展的根本动力。现今的生产力水平已经不适应社会的发展需要了。

以笔者比较熟悉的制造型企业为例，是企业的需求不旺盛么？不一定，多少制造型企业巴不得今天下单，明天设备就能到位、系统就上线，快速度过产能爬坡，快速给乙方结款，快速出产品呢！但是不现实啊，因为采购有流程、基建要过程、设备要设计组装调试、生产管理等软件系统要调研、客制、二开，哪一样都急不来。尽管人类已经开发了各种平台工具去赋能制造业，但是驱动这些工具的核心引擎还是人。

我们不得不承认的一个现实是，人是制约社会生产力进一步提升的瓶颈。

生产力发展需要新的引擎来驱动，过去是蒸汽机、内燃机、电脑，今后就是人工智能引擎。这个人类社会发展的全新引擎，会在短期内迅速影响人类的各行各业，各种岗位：

依拖单一技能的各类岗位：美术、编程、机械、电路、翻译、市场、运营、销售...
依拖过往经验的各类岗位：各类企业中高层管理岗位、各类业务顾问、医生...
依拖社会规则的各类岗位：律师、教师、理财顾问...

这类回答我相信网上大家看的很多了。

在与身边的一些人沟通之后，我看到很多人只把ChatGPT当作饭后谈资，一副事不关己高高挂起的样子，我是既着急又兴奋：

着急的是这样的大机会真的是稍纵即逝，根据笔者的判断：

2023年内，我们常见的各类软件应用都会以不同形式集成AI助手，完成智能化升级的第一步，即浅层次AI辅助。这是大家都看得到的。
两三年内，即到2025年底，大多数软件应用都会完成深度AI融合，但是仍然需要人工部分参与和调整。
到2030年，AI在绝大多数领域已经可以做到无需人工干预全自动完成工作。

这边讲得有点抽象，大家也会质疑我这个“半年内“、“两三年”这些时间点是怎么来的，后面笔者讲以生产制造领域的数字化，结合瀚码低代码平台作为落地工具来具体讲一讲。

兴奋的是很多人还没有认识到AI的重大意义以及即将到来的变革，说明我们还有机会，这是一种认知差。

认知差要变现，需要有落地的场景、行动方案、工具和强大的执行力。下面我以瀚码工业低代码平台为例，描述AI在制造业数字化转型这个场景下的应用过程。

瀚码技术的低代码平台在融入AI技术之前，其实已经做了大量的工作，其中最主要的功能内容是对企业应用软件程序的制作过程做了肢解，形成了一套标准的步骤，如下图：

其中，建模、集成和部署已经形成了零代码的方案，还有需要代码开发的的部分主要集中在开发环节。

在开发环节中，前端开发的web网页、APP页面都已经低代码化，只有需要定制css和某些前端行为的时候才需要去用javascript做客制化开发，后端的定制逻辑需要用groovy脚本的方式实现，这是现在基于瀚码低代码平台做开发软件过程中为数不多的仍需要直接写代码的地方。

不熟悉瀚码低代码的平台的兄弟可以先用1分钟时间简单看下现有低代码平台的整体能力：

瀚码在做啥？视频

在后续的产品迭代中，瀚码技术将以如下步骤去逐渐实现一个可以根据用户需求调研文档或者调研访谈录音直接来生成企业应用程序的人工智能应用生成平台：

【未来一刀云产品规划】

要把大象装进冰箱，总共分几步？

1、AI能力的持续集成

在4月2号的版本中，瀚码技术的工业低代码平台即将集成ChatGPT以针对性提升后台逻辑部分groovy脚本开发效率；【欢迎点击文末链接试用】

【一刀云AI助手测试页面】

在后续，我们将会把AI的能力应用在前端脚本和css样式的自动生产；
我们将支持根据详细设计文档自动生成全部模型、字段、约束和服务；
我们将会集成类似Midjourney的AI绘图能力，用于制作APP LOGO、图标、欢迎图等相关素材的；
我们将会将AI应用于从原型图到低代码web网页和APP网页的自动生成；
我们将在现有的锂电解决方案、SMT解决方案、注塑解决方案等面向行业的综合解决方案中集成相关的行业知识智能助手；

在这个阶段，人类依然会以主程的角色参与到项目的开发过程中来，AI充当辅助程序员。

2、从详细设计文档到应用骨架的自动生成

如果说上述讲得是利用AI以帮助低代码开发平台上某些功能点的提升。那么在第二阶段，我们将会追求以一份详细设计文档串联起整个平台的所有功能点。

AI通过对详细设计文档的扫描和学习，能够调用前一个阶段埋在平台上各处的AI功能点，以自动生产程序骨架和主要逻辑。

在这个阶段，AI将会取代人类，成为主程，人类成为辅助，主要对AI生成的低代码程序骨架进行局部调整和补充。

3、从需求文档到详细文档的自动生成

但是详细设计文档的写作，对人员专业性的要求依然比较高。因此在第三阶段，将会利用AI完成从需求调研文档到详细设计文档的自动生产。这一步将发生在低代码平台之外，是将一种人类松散的、无组织的甚至逻辑不完善的语言片段向另一种完备全面的结构性文档的转化，即从需求文档或者需求调研的录音到详细设计文档的转化。

这里的AI的训练方法可以套路化，比如先喂客户的一些背景资料、制程工艺、产品类型等等的基础信息资料给到AI，作为AI的提前训练材料，对基础模型做微调。

这一步是将AI应用到程序的设计上面去，超越了程序实现的阶段。如果说上述两个阶段将大大降低程序员的工作量的化，那么这个阶段则是大大降低了架构师/开发代表/产品经理的工作量。

4、全流程串联

随着上述阶段的完成以及AI对特定场景熟悉度的上升, 再结合一些既有的行业模版对AI模型进行预训练，最终我们可以得到一个对某行业非常熟悉的AI顾问。

在低代码开发平台中集成这样的AI：一方面非常懂业务，一方面懂平台的使用，最终能真正做到从需求到成品的AI应用全自动生成的效果。

实现后的的效果图

上图中提到的时间点，是我们团队根据现有低代码研发团队的资源配置粗略估计的各个阶段的时间点安排：

第一步中大部分功能，预计半年能大部分上线
第二步的效果，由于要做大量的模型训练和微调，因此保守估计大概需要1～2年时间
第三步和第四步可以同步进行，同样进度取决于预训练材料的质量和数量，保守的实现时间应该需要3～5年左右
至于最后一步，全流程的自动生成，估计要到4～6年左右时间了。

我自身也是技术出身，明白开发人员在工时评估都是有所保留，所以里面应该仍然有不少水分。此外，国外的AI应用厂商，例如DeBuild实际上在两年前的就部分展示实现了上述部分功能，有兴趣的可以看看：【https://www.youtube.com/watch？v=WhPgZFsPLeE&ab_channel=SharifShameem】（Youtube链接）

长久以来，2B软件的客制化问题一直是困扰行业的大难题，甚至有2B应用上线成功率只有30%的说法。为什么会这样？因为2B软件交付本来就是一件非常复杂的事情：

我认为这里面的核心的因素在人，一件事情只要牵动的人太多，那么信息传递的效率越低，信息传递过程中的损耗越大，信息传递的成本就越高，过程中充满曲解误会、臆想揣测等等，最后传递到的信息往往都是失真的。

人类作为一个IO设备的来看待的话，IO效率实在太低了，通过5感的输入效率分别是：视觉：10MB/s，听觉：1MB/s，嗅觉：几百bit/s，触觉：几十bit/s，味觉：几十bit/s。人类通过语言、文字进行信息输出的效率更低：语言，一般人的语速在每秒2～4个字，以字节来计算就是约4～12个字节每秒；最快的世界打字记录212个单词/分钟来计算，就是每秒钟也差不多是3～4个单词，也就是在几个字节到十几个字节每秒的效率，这些还不考虑人类是情绪化的、是多线程的、是容易产生误解的，存在大量信息推翻重来的情况。【数据出自ChatGPT】尽管我们有一个非常精密的大脑，但是受限于非常低效的IO，我们很难把我们的大量的所思所想传递出去。

所以，通过引入低代码平台+AI来加速信息处理的效率，是提高生产力的关键。尤其是在业务调研之后的环节，尽量减少人员的参与，提高信息传递过程中的效率，把更多的精力留到理解人类的需求上去，是当前阶段的主攻方向。

很多时候，在真正要搜集需求的时候，人类出于种种原因往往是讲不出来需求的，这时候就可以利用AI的知识储备结合历史沉淀下来的应用模板的结合帮助人们快速构建出原型应用，然后在使用的过程中积累需求，再去对AI模型进行微调，在动态中完成数字化的构建。

>>普通人如何迎接这次浪潮

首先，我们每个人要在意识上充分认识到，一个崭新的AI时代已经来临了！

在写这个文章的过程中，我的心情从一开始的兴奋到现在已经有些失落，因为我发现我通宵思考的那个夜晚所产生的大部分的基于人工智能应用idea都已经有对应的国外厂商实现了。这边我列举一些：

Midjourney AI图像和插画生成工具【美术绘图】
Bing新必应【搜索引擎】
Jasper AI文字内容创作工具【文字创作】
Copy.ai人工智能营销文案和内容创作工具【市场营销、内容营销】
Copysmith 企业级和电商文案生成【电子商务文案】
ADEPT 人工智能RPA【AI+RPA】
SurferSEO AI SEO大纲和内容优化写作工具【SEO】
Debuild AI Web程序自动生成工具【软件生成】
Tabnine AI代码自动补全编程助手【软件编程】

... ...

我试用过这里面的几个工具，效果真的是非常惊艳。

我曾经想过是不是要避谈我们的产品开发路线，但是在这场浪潮中，我们国内厂商明显已经落后一个身位，这个时候大家都没必要再藏着掖着了，一定要团结努力，善用好现在还存在的行业和政策壁垒的窗口期，ALL IN AI，奋力急追才能把落后的距离给补上。

很多人都担心被AI替代的问题，首先我想说的是AI替代人工是不存在的，AI只是工具，它是被设计用来辅助人类，真正想要替换掉人的还是人类本身。所谓AI替换人类我认为是典型的资本家思维：认为人没有什么剩余价值了可以一脚踢开，这其实是错误的想法，因为人本身也是可以不断进化的，人类也会演变，去适应这个全新的时代。AI新时代的普通人一定要主动去学习使用AI工具，终生学习是人类不管处于什么年代，都不能丢失的宝贵品质。

除去前文提到过的会受到重大影响的职业类型，我认为以下几类的职业和组织仍然会得到保留：

人文关怀型事业或岗位：养老、心理咨询、育婴师、宠物店等
公益类型事业或岗位：志愿者、公益组织等
人脉关系型组织或岗位：商会、协会、大客户销售等
部分服务型组织：养生馆、才艺培训等
创新创意类岗位

总的来说，更多的人会走向三产服务行业。同时，也会有不少新兴的职业和岗位诞生。

在技术侧，会有不少AI模型训练师出现，AI模型训练师用来搜集带有行业特性和知识语料以生产具备行业特性的预训练基础模型，同时组织后续的专业人工标注与微调工作。

在使用侧，则会有大量的叫Prompt Engineer提示词工程师的需求会井喷，毕竟有些人可能连基础的表达能力都很欠缺，就更不要谈如何去科学的与AI沟通以获得理想的结果了。Prompt Engineer将充当早期面向行业的AI布道者，去总结从一套具有行业特性的提示词话术和范式，通过类似于今天顾问的形式为企业提供AI提示词人才培养的服务，帮助企业建立起自己的一套面向行业的AI模型微调和沟通的方式，实现AI最终在各行各业的落地。

提示词类似于搜索引擎搜索关键字，是我们为了从对话式AI模型那边获得信息而提供的一段话。大家可能会觉得发一段话还不简单吗？但是由于生成式AI的内容都是随机生成的，每次生成的内容不一样，为了获得尽量准确的答案，与AI的对话是需要遵循一定范式的，以下是一段提示词需要遵守的典型范式之一：

除此之外，还需要对AI模型的Temperature 精准度抑或叫理性度 Top_p 核心采样两个参数进行设定，以控制模型在生成响应时的确定性程度。此外，需要对对话的不同场景进行分类：分类型对话，概括总结型对话，编程型，角色扮演型，问答型，推理型等等...

总而言之，提示词工程师需要扮演的是人类和AI之间沟通的桥梁这一角色，一方面要深入行业了解行业知识，懂得人类语言，另一方面要以AI能够接受的方式转达给AI模型，以帮助AI完成在特定行业的落地。这类面向行业的交叉型人才，将会成为各行业的紧缺型人才。

对于各个中小软件厂商，要么全面开放自己的软件产品，为AI赋能，成为AI的手和脚；要么下沉到具体行业成为基于AI为客户服务的服务商。及时转型与开放合作，是在新时代的生存之道。

>>AI时代的人们生活方式

首先是生产力的极大的提升。

电脑和大量机械设备的出现，使得人类社会从劳动力密集型社会转到脑力密集型社会，而AI的出现会极大的降低人类的脑力劳动强度，让人类社会转到创意休闲型社会，有一点像北欧现在的生活状态。

AI释放的生产力，能让人们有更多的休闲时间，更多的去关注爱与生活体验，去思考和冥想，去探寻生命的意义。很多人并非因为热爱而工作，我们仅仅是为了糊口、为了社会意见、为了物质而工作。天生我才必有用，借助于AI的力量，我们才有可能真正了解到天生我这块才究竟是想用在何处，才能不枉人间走一趟，从而更好的去追寻生命的意义。

我们这一代人是幸运的，先辈用几十年的时间，将这个国家从一穷二白的情况建设成为了一个物质丰腴的社会，我们再不会因为基本的生存问题而挣扎苟活。但是我们这一代人又是不幸的，处在变革的年代，物质生活快速激增会让人短暂迷失在享乐主义之中，毕竟刚刚富裕，乱花渐欲迷人眼的尝鲜也在情理之中。但终归是要再次前行的，为了物质与精神的双丰收，充分的去释放低级的脑力劳动，去拥抱全新的时代和人生吧。

这是最坏的时代，也将是最美好的时代！

参考文献：

《游戏编程中的人工智能技术》

《有生之年，超级人工智能将如何导致人类灭绝或永生？》

《奇点临近》

《Sparks of Artificial General Intelligence: Early experiments with GPT-4 》

《Prompt Engineering Guide》

《Prompt Engineering Overview》

和瀚码赵翔副总经理交流联系瀚码小助手：HANMAJISHU

欢迎大家点击文末“阅读原文”注册瀚码一刀云平台，4月2日一刀云AI小助手即将上线。