在《人類簡史》中，作者赫拉利提到，10萬年前地球上存在着猿人、智人等，但在1萬年前隻剩下了智人。智人在進化中率先在語言和信息交流上實現了突破，形成了一種超凡的信息認知。這樣，人們不僅可以交流獵物和危險的來源，還可以設定一個目标，實現人與人之間的協作。
到了工業社會，随着印刷、電報、電話的普及，人類的協作從熟人分工演進到陌生人協同，從封閉體系到開放體系，開啓了大制造、大零售、大流通的時代。
再到今天，從計算機到互聯網，從人人互聯到萬物互聯，從人工智能到區塊鏈，我們正在重構對外部世界的感知、獲取和利用的方式。
當大模型、GPT、雲計算向我們湧來的時候。帶來的不僅是生活方式的改變，更是世界觀的重塑。
在此浪潮中，中國爲什麽沒有出現OpenAI？日本、德國等國家是否有機會迎來新一輪産業變革？美國的企業創新模式對我們有哪些啓示？
混沌在上海滴水湖洲際酒店舉辦"一"思維創新嘉年華活動。用一整座島，打造兩天兩夜的共學場，2000位混沌同學參與其中！邀請AI 全明星陣容空降授課。
此次，安筱鵬做客混沌"一"思維創新嘉年華，分享《人工智能浪潮與大國博弈》的話題。
授課老師 | 阿裏雲智能 安筱鵬
編輯 | 混沌商業研究團隊
支持 | 混沌前沿課
ChatGPT對未來十年的技術創新産生深遠影響
當我們讨論ChatGPT、讨論人工智能的時候，我們在讨論什麽？
我們在讨論一個新時代的開啓，一個新時代的發生。
去年11月份ChatGPT發布後，兩個月用戶就累積到1億，4個月飛升至10億，是互聯網應用曆史上用戶增長速度的奇迹。到了4個月之後，從GPT3到GPT4，ChatGPT的功能實現了進一步的叠代。
對此次叠代，我概括爲5個關鍵詞：從文本理解到圖像理解、從普通生到尖子生、從文科生到理科生、從對話理解到全文理解、從意圖理解到創意實現。
它非常強大，強大到讓很多專家産生了擔心和憂慮。
今年五月，人工智能領域最著名的科學家之一傑弗裏•辛頓（Geoffrey Hinton）從谷歌離職，在接受美國媒體的采訪時，他講了兩個核心的觀點：1.這輩子最後悔的事情就是從事了人工智能行業；2.拉響對人工智能可能産生的危害警報，要像監管核武器一樣監管人工智能。
無獨有偶，幾個月之前OpenAI的CEO也曾表達了類似的觀點。他說："今天所有國家，對人工智能要像對待核武器的方式進行監管。"他看到了這輪人工智能革命對經濟社會所帶來的影響。
當我們講AI時代到來時，有一個企業做到了"春江水暖鴨先知"，在過去半年時間裏實現了市值增長3倍，這家公司就是英偉達。
英偉達在今年5月25号時，市值暴漲了2000億美元，增長比例接近30%。
十年對于一個企業來說可能很長，也可能很短。10年前，英偉達市值相當于英特爾的1/6，十年之後，英偉達相當于英特爾的8倍，并在5月30号那天市值超1萬億美元。
如果我們把時間尺度拉得更長一些，可以把近40年分成三個時代：第一個是IT時代，以大型機、小型機、PC機爲代表；第二個是移動互聯網時代；第三個就是我們今天的時代——以GPT、IoT大模型爲典型的智能時代。
在IT時代時，領軍企業的市值大概在千億美元左右。在移動互聯網、互聯網+的時代，全球最大市值的公司蘋果、亞馬遜等，均達萬億美元。有人預估，到智能時代可能會出現10萬億美元市值的公司。
會不會有這樣的公司呢？讓我們拭目以待。
對于這輪技術革命的浪潮，我覺得有兩個非常重要的會議值得我們各方面的企業家關注。一個是4月28号中央政治局召開的會議，一個是5月5号的中央财經委第一次會議。通過這兩次會議，我體會到三個"第一次"：
第一次在政府的重要文件裏提出通用人工智能的概念、第一次提出了"産業智能化"的概念、第一次把人工智能放到新革命浪潮的背景下去讨論。
那今天我們該怎麽看待這次新革命浪潮？
我認爲通用人工智能是人類社會最偉大的通用目的技術。ChatGPT并不是AGI（通用人工智能），它是通用人工智能發展的一個重要的裏程碑。它會帶來新一輪數字技術的競争，也是大國數字競争的一個制高點，必将對未來的5-10年技術創新、企業競争、國家博弈産生深遠影響。
如果我們今天去看以GPT爲代表，距離AGI越來越近的技術發展路線，會有五個非常重要的産業特征：
第一，颠覆性。
第二，湧現性。
第三，它是一次工程化的勝利。
第四，從技術的本質來說，它是一種通用目的技術。
第五，它是一個技術、資本、人才密集的産業。
ChatGPT爲什麽是一種通用目的技術？
在人類社會發展的曆史上有兩種技術：專用目的技術和通用目的技術。專用目的技術指技術隻能在特定領域産生價值；通用目的技術名爲GPT（General Purpose Technology），但是此GPT非彼GPT。
通用目的技術有四個基本的特征：
第一，可以廣泛地應用在各個領域。
第二，可以提高每一個生産領域的生産效率、降低使用成本。
第三，它可以與現存的各種技術之間形成強烈的互補。
第四，它可以促進生産組織方式和管理的變革。
有專家曾經做過一個歸納，在過去幾千年的曆史上，人類社會有24種通用目的技術。在我看來，AGI可能是人類社會第25種通用目的技術。在工業時代，以内燃機、蒸汽機爲代表的通用目的技術的核心是替代、賦能體力勞動者。而在今天的數字時代，AGI改變了人類知識檢索、創造、運用的基本方式，已然成爲一名腦力勞動者。它有四個特征：
第一，這種技術能更廣泛地普及。
我們看看人類社會所有的通用目的技術：印刷術在德國古登堡發明300年後，出版的大衆化才開始。瓦特發明的蒸汽機在80年之後才具有商業價值。電力發明50年之後普通的民衆才能受惠，IBM大型機30年之後才會影響到人們的日常生活。
而今天的ChatGPT被發明之後，在很短的時間内就在全球的各個角落裏被廣泛使用。正如微軟CEO在世界經濟論壇上所說："我一生中從未見過，至少在我從事科技行業的30年中，美國西海岸的先進科技可以在幾個月内，以非常真實的方式出現在印度農村。"
廣泛使用還帶來了廣泛的影響力。OpenAI對1000種職業做了一個研究，研究結果爲：GPT可能會影響80%的工作崗位。80%的美國員工，至少10%的工作會受到影響；19%的員工，至少50%的工作任務會受到影響。
第二，它具有某種颠覆性。
颠覆性表現在方方面面。在編程領域，根據CSDN工程師的測試，GPT4的軟件編程能力相當于月工資三萬的碼農的水平；在文檔撰寫方面，以色列總統艾薩克·赫爾佐格成爲世界首位使用ChatGPT撰稿的國家領導人；在教育領域，ChatGPT通過了美國沃頓商學院MBA期末考試；在醫療領域，ChatGPT甚至通過了美國執業醫師資格考試。
這種颠覆性帶來的價值是什麽呢？
我們以編程領域爲例，它重構了人和機器之間的交互方式，降低了代碼編寫的門檻和成本。最重要的價值是：成爲彌合數據流斷點的新路徑。
當你的産品不斷變化的時候，要構建一個個性化、實時化的新工藝，這需要把正确的數據在正确的時間，以正确的方式傳遞給正确的人和機器。這叫做數據的自動流動。
但是，今天在企業數據流動的過程中，有無數個斷點需要人的參與。什麽是"智能制造"？智能制造不僅是機器設備，更重要的是讓數據在每一個環節流動的過程中盡可能讓人少參與。而今天的AI大模型可以爲此創造新的方式。
第三，它能夠實現各類技術之間的互補和易結合。
在PaaS（平台即服務）平台上出現新一層的MaaS（模型即服務），它是今天企業競争和關注的一個焦點。在它之上，有各種各樣的服務于SaaS（軟件即服務）的或者其它軟件的制造、媒體、教育、辦公、搜索引擎，由此帶來一種新的服務方式。而大模型能夠更容易地跟各個行業普及。
據我觀察，未來所有的軟件會由大模型驅動，未來的SaaS軟件将會從在線化走向智能化。無論是基礎服務還是通用服務，都會因爲AI大模型的驅動重新構建一套體系，包括商業模式。
第四，通用目的技術也會帶來生産組織方式的變革。
Midjourney公司2021年成立1000萬的社區成員，1億的營收，零融資，11個員工，1個創始人，8個研發，1個法務和1個财務。它的規模反映出一個現象：未來的企業會越來越小型化，越來越微利化。
但是另一方面，多個組織會進行大規模的協同。比如說雙11數億消費者，幾千萬的商家，各種物流公司會圍繞一件事高度協同，這種協同意味着什麽呢？如果我們把時間尺度拉長，看到的是基于信息能力提升所帶來的社會協作水平的深化，是人類社會演進的一條主線。
在《人類簡史》中，作者赫拉利提到，10萬年前地球上存在着猿人、智人等，但在1萬年前隻剩下了智人。智人在進化中率先在語言和信息交流上實現了突破，形成了一種超凡的信息認知。這樣，人們不僅可以交流獵物和危險的來源，還可以設定一個目标，實現人與人之間的協作。
到了工業社會，随着印刷、電報、電話的普及，人類的協作從熟人分工演進到陌生人協同，從封閉體系到開放體系，從小尺度到大尺度，從幾百人到幾十萬人，開啓了大制造、大零售、大流通的時代。
再到今天，從計算機到互聯網，從人人互聯到萬物互聯，從人工智能到區塊鏈，我們正在重構對外部世界的感知、獲取和利用的方式。這種溝通方式的變革正在重構分工協作的基礎設施、生産工具和協作模式。協作模式的變化就像經常有人說的一句話，"一代協作技術，一代組織形态"，你有什麽樣的技術溝通方式就會催生、誕生、孵化出什麽樣的新的組織形态，不同的技術時代會形成不同類型的組織。信息在組織内部的管理、監督及在外部交易、協作中的成本不斷降低、協作模式不斷創新，企業邊界正在重新定義，科層組織正在瓦解，微粒社會正在來臨。人類社會已經從工業社會百萬人量級的協作生産體系演進到數千萬、數億人的合作。
今天，當雲計算、大模型、AI到來的時候，微粒組織正在崛起。過去開發一個軟件的功能，達到最小化可行産品（MVP）的團隊規模可能需要40個人、50個人，今天可能隻需要3到4個人，組織變得越來越小，這是技術變化的一個趨勢。
同時，組織的形态會發生變化。AI的到來讓你有了一個新員工，這個員工是一個"學霸"，學習了地球上所有的知識。你需要跟這個員工不斷地交互、協作，不斷地馴化與被馴化。對于AI，好像我們可以去控制、馴化它，但事實上這是一種需要刻意訓練能力。另一方面，我們的思維方式實際上也會被AI所馴化，因此這是相互馴化的過程。
人和人之間的關系，員工之間的關系也會因此發生變化。在沒有AI的時候，辦公室裏經常會因爲某個議題發生争論，這時就出現了一個問題：該聽誰的？
AI出現以後，當人與它發生争執的時候，又該聽誰的？這使得重新定義員工與企業邊界的問題十分必要。
可以确信的是，AI會讓某些領域減少一些崗位，但同時也會留下一些員工，當未來越來越多虛拟的人與實際的人協同工作的時候，人類就需要激發新的能力。
如何看人工智能對經濟技術所帶來的影響？
我們如何來看人工智能對經濟技術所帶來的影響？
最重要的視角是——它是一次通用目的技術的變革。
站在宏觀的角度，這輪變革會對一個國家産生怎樣的影響，如何看待通用人工智能發展格局演變的趨勢？這其中涉及三個問題：1. 這輪競争的入場券是什麽？2. 主力軍是誰？3. 主戰場在哪裏？
第一問、這輪競争的入場券是什麽？
AI大模型不是突然出現的，這背後是技術演進到一個階段必然的結果。如果我們去思考爲什麽美國AI大模型在今天能夠出現，可以發現其中有五個非常重要的因素。
1. AI基礎理論模型的突破。
2. AI+GPU算力新Wintel體系崛起，這個生态體系就相當于IT時代的Windows+Intel，移動互聯網時代的ARM+安卓，以及今天的AI大模型+GPU+CUDA新生态。
3. 雲計算大規模的推廣和普及降低了成本，爲大模型的訓練提供了條件。
4. 互聯網的發展爲大模型在數據、工具、人才、場景做了堅實的積累。
5. 美國具有全球影響力的開源創新生态。
在這輪浪潮中，德國、日本等國擁有機會，但機會不是那麽大。原因是其中存在着公共雲+AI的系統化能力這張入場券，AI的競争不是一個單一的競争，是AI+雲+算力的體系化的競争。
未來要實現ToC和一部分ToB的商業化，需要在線的方式，如此一來，就需要一個強大的雲的基礎設施體系。要想構建這樣的體系并不容易，它需要多租戶的集群調度、超大規模的組網、大規模的并行計算等，門檻比較高。
同時，它需要商業化。今天的AI大模型，不能讓它隻是概念車，要把概念車變成量産車，使得它能夠在商業場景内真正爲客戶創造價值，并讓客戶願意拿出資金，形成一個閉環。要做到這一點，需要算力和數據成本，而隻有AI+雲的模式才能做到。
在算力背後大家讨論最多的就是GPU（圖形處理器）。英偉達能夠以1萬億的市值在過去的半年漲了3倍，其實也經曆過艱辛的探索過程。在80年代時，個人計算機出現，顯示器使用的是VGA控制器，将CPU的圖像處理信号處理後輸送到顯示器。而到了1999年，英偉達的256顯卡将圖像處理的功能從CPU裏面剝離出來，形成了真正的GPU。
2006年，有一位專家基于7800顯卡第一次實現了卷積神經網絡。他在上面做計算的性能要比CPU快出4倍，英偉達敏銳地察覺了其中的趨勢，但是當時要走上這一條道路，十分艱難。
爲了把門檻降低，英偉達做了一個非常重要的戰略布局：推出CUDA（Compute Unified Architecture，統一計算設備架構），實現了更普惠的應用。就算不了解算力技術，但是可以基于CUDA搭建各種GPU的應用。
2020年，英偉達用70億美元收購了一個做并行計算芯片網絡的公司。直到後來的A100、H100等，在芯片領域實現了很大突破。
第二、主力軍是誰？
我們從中美或者全球的競争來看，那些擁有算力、數據、人才、場景優勢的科技公司可能是未來AGI工程化的主力軍。因爲它面臨四個門檻：算力、訓練、數據、人才。
如果去看GPT4訓練之後發布的文章，會發現，大模型需要數據+算法+算力精巧工程化的組合。很多AI大模型專家對GPT的技術非常不屑，認爲它沒有技術創新。但創新更多體現在數據、算力、算法的精巧組合工程方面，包括數據如何處理，如何構建強大的算力基礎設施、優化算法、上下文的處理、多模态的學習、強化、對齊等等，有很多非常細節性的工程化的問題需要去解決。
第三、主戰場在哪裏？
技術生态和産業生态是AGI全球競争的主戰場。我們不僅僅要關注訓練的模型，還要把這個概念成形成一個量産車，進行大規模推廣普及，形成雙輪的叠代。而生态體系的競争是企業和企業、國家和國家競争的一個制高點。就像幾十年的ARM+安卓的體系，AGI時代必然是一個新的生态。今天的競争是生态與生态的競争，既是一場整體戰，也是一場持續戰；既是一場技術戰，也是一場商業戰，它的核心是生态戰，在技術跟商業之間形成閉環。
回顧過去十年，以往對于人工智能，在技術上讨論很充分。但是真正能夠實現商業化的場景卻非常有限。而這輪AI大模型帶來了商業場景上的無限的可能性，使得創新型企業快速湧現。
所有人都看到了這條路上的曙光。
AI是大國的遊戲，巨人的戰場。
從國家戰略的角度來看，我有幾個判斷：
第一，它是一個大國的遊戲。
第二，它是一個巨人的戰場。
第三，它帶來是一次工具的革命。
第四，它是一個生态演進力量的結果。
第五，它是一種通用目的技術。
根據這幾個判斷，我們需要知道，美國這輪在數字技術上的創新對我們有何啓示。
有人在讨論爲什麽中國沒有ChatGPT，其實這個問題沒有合理性。正确的提問應該是：是中國爲什麽沒有OpenAI，沒有Snowflake？
Snowflake在2020年上市的時候，市值最高700億美元，而它當年的銷售收入隻有3.5億美元。從3.5億美元的銷售額到市值700億美元，它做了一件事——基于雲計算重新整理了數據庫。
美國還有一家公司叫Palantir，最高市值400億美元，這家公司第一個客戶是美國中央情報局（CIA）。Palantir前段時間在媒體上說，他們是一家基于大數據分析面向軍事情報領域的公司。Palantir的CEO曾說過："戰場算法的威力，相當于戰術武器對常規武器。"
這兩家公司的成功，反映出第一個啓示：ChatGPT隻是美國創新森林一棵樹上的葉子。今天所有的聚光燈都聚焦在這片葉子上，把這片葉子都快烤黃了。我們需要思考的是，樹是什麽樣子，樹根是什麽樣子，土壤是什麽樣子，森林是什麽樣子。這個才能找到這輪美國技術創新背後的底層邏輯。
這輪創新底層邏輯的基礎設施是什麽呢？就是雲計算+AI的模式。
我們今天剛好來到了這樣一個時代，一個雲的時代。有一個詞叫"雲原生"，大家很難理解。爲此，我創造了新詞："電原生"。
什麽是電原生？
100多年前烤面包機發明的時候，它與電源連接的部分被設計成了類似電燈泡的螺旋口，爲什麽不是插座？當時插座還沒有被發明，人們能夠想到唯一的最厲害的連接電源方式就是電燈泡。
因爲有了電才有了各種電器，有了電機、高樓、城市以及工業革命。但是電燈泡的這種連接方式畢竟還不夠方便，後來不斷演進到今天，我們才看到插座成爲一個标配的基礎設施，在所有的房間裏面都會有。這就是電原生。
這是時代的變遷所帶來的基礎設施的一次變遷。從電原生到雲原生，我們今天所處的數字基礎設施，是以雲和AI爲代表的。而發展到最終的"插座"的狀态，可能還需要更多的時間。
回看過去十年，我經常想，中國的SaaS失去的那十年，正好是美國的一批企業的快速成長期。大概實現了從1.5萬億美元到2萬億美元的飛躍，而中國這邊SaaS企業市值大概不到1000億美元。
雲計算是數字時代孵化創新的基礎設施，而雲上創新在美國差距在不斷地擴大。這關鍵在于美國有一個強大的公共雲，它是一個自由流動的大海。而中國大部分雲算力的輸出是通過私有雲的方式，它相當于封閉孤立的小湖小泊。美國的SaaS市場規模爲1198.7億美元，中國不到50億美元。美國的公共雲占算力規模的60%，歐盟占50%，而中國隻有28%。
公共雲是什麽呢？
它是一個孵化新數字科技企業的大江大海，當水足夠深的時候，裏面就會長出像Snowflake、Palantir這樣的一些公司。假設我們把Snowflake這樣的技術原封不動放到中國，它的估值也不會很高，因爲中國水池裏面的水不足以容納這麽大的一個企業。這是我所看到的差距。
第二個啓示，我們應該去思考數字時代國家的創新體系基礎研究和應用研究之間的關系。2021年，美國參議院通過了一項《無盡前沿法案》，該法案得名于範内瓦·布什的科學報告《科學：無盡的前沿》。範内瓦·布什是當年曼哈頓工程的主管，他的報告強調要重視基礎科學研究，美國構建了戰後科研的管理體系，成立了美國自然科學基金會。
但是，也有人提出質疑。在他們看來，基礎研究、科學發現依賴大學和研究所。而應用研究、技術進步才依賴于企業。這是一種傳統的分類法。而正是這種認知的局限會阻礙國家的技術進步。今天好像基礎研究、應用研究、産品開發是一種線性的方式，但是事實上發現和發明是一個螺旋式上升的過程。
就像今天的AI大模型一樣，AI大模型裏面我們看到基礎理論的模型是谷歌的，基于統計的語言模型是IBM的。在這一輪的創新裏面，企業不僅僅是應用創新的主體，也是理論創新的主體。所以在今天，我們看到技術創新是大型數字科技企業的主要創新源泉，而且它無需轉化，基于數億的消費者、千萬級的企業構建了一個及時、在線、低成本擴增的市場。
我們今天看到的美國的創新是什麽類型創新呢？
以OpenAI爲代表的創新，是一個平台型的創新體系，面向海量的創新需求，精準地感知和洞察，通過對全球創新資源的廣泛連接、高效匹配和動态優化，構建起多主體協作、多資源彙聚、多機制聯動的創新生态。我們看到它對數億的消費者做各種各樣的測試，這是産品功能叠代的重要的組成部分，是全球數字技術創新的一個特點。
第三個啓示：從企業的角度來說，創新型企業或者颠覆型創新企業具備三個要素：
1.技術信仰和長期主義。
2.風險投資的創新。
3.小公司創新和大公司的商業化閉環的叠代。
就像OpenAI的首席科學家Ilya所說，他相信大算力，因爲相信所以看見。早在Transformer出現之前，他就相信這個技術路線一定能成功，所以當2018年、2019年谷歌的性能在各種排名裏全方位地超過了GPT1、GPT2的時候，他仍然認爲自己的技術路線一定是對的，他具有技術的信仰和長期主義。
這些人是一批天才，他們有使命感，同時有方向感、有定力，有自己的一套方法論。他們的文化是把AI做成産品，而不是寫出一篇研究技術的論文，當然他們具有很強的學術能力，同時也有極強的動手能力和執行力。
所以，GPT等人工智能應用的技術差距隻是一個表象，背後的底層是創新體系、創新生态，創新文化的差距。
另外，不僅是科學家們，投資人的作用也很大。
DeepMind和OpenAI，還有Palantir，背後都有一個共同的投資人——彼得·蒂爾。彼得·蒂爾在2011年的時候就投資了DeepMind這家公司，也就是研發出AlphaGo的公司，當時這家公司持續虧損，但彼得·蒂爾卻有膽識出資。這透露出他強力的眼光，也反映出投資人對通用人工智能的信仰。就像2009年彼得·蒂爾所說的，對未來最大的恐懼不是"機器人起義"，而是"奇點"将花費太長時間，世界就需要新技術來抵禦經濟衰退。
最後一個啓示：今天的AI大模型是人類認識和改造世界方法論的一次叠代。
人們是怎麽認識和改造這個世界？分爲四個階段：
第一，理論推理。依賴于天才的科學家，比如牛頓、愛因斯坦、霍金等人。這樣一種方式在18世紀、19世紀已經發展到了極緻。
第二，實驗驗證。愛迪生以發明燈泡的方式去發現這個世界的運行規律。
第三，模拟擇優。汽車做碰撞實驗，飛機做風洞實驗，不需要做物理實驗了，在數字世界裏面做就足夠，這便是模拟擇優。它的前提是有比較好的機理模型，要搞清楚軟件背後的機理。
第四，大數據分析。AI大模型、ChatGPT等是一種認識和改造世界的方法論，但是，它的問題在于背後的機理模型是不确定的。就算它有湧現的能力，但它的能力在學理上解釋不清楚。
對話：想象力是未來的核心競争力
主持人：安總您剛才說的技術信仰和長期主義，這個其實是說起來容易，但做起來是很難的。我想問問您，這種笃定感很多時候來自于什麽？
安筱鵬：之前有一個說法，科學研究就是滿足一部分人的好奇心。一個人能夠有笃定感，這是有前期和基礎的，是因爲他在很多領域，比如對财富，已經沒有太多的訴求了。這時，他需要到一個新的階段。
我們去看那些曆史上重要的科學家們，他們發展的曆史，他們工作的經曆，都以解決基本生活問題爲前提。這是一個很重要的方面，當然還有别的方面，他是需要階段性的。
主持人：您覺得未來AI創業，B端C端哪一端來的更快？
安筱鵬：你如果現在問，我覺得所有的從業者很難給出一個特别清晰的回答。因爲現在這個階段從技術的本身來說還有些局限性，另外，相關的一些法律政策仍然在影響産業化進程。它是由技術、産業、競争、算力等多種因素交織的狀态，現在可能很難給出一個清晰的判斷。
但是很多企業都在不斷探索中，從B端來說，如果想在垂直行業裏面形成自己的模型，前提和基礎就是有足夠多的行業數據。如果沒有這樣的數據，其它所有的問題都很難讨論。
主持人：您對未來AI技術背景下培養孩子哪些生存技能和學習内容有何建議？
安筱鵬：現在不論是學校還是整個業界都在讨論"我們未來的社會需要什麽樣的人"、"這樣的人需要什麽樣的素質和潛質"。
前段時間OpenAI和賓夕法尼亞大學做了一個研究，研究結果表明，過去我們認爲技術對勞動力的替代遵循某種規律，這種規律爲從體力勞動到腦力勞動，從低級到高級。但是AI大模型把這個規律打破了，它們真的能夠替代有創意的人。
但是有一群人的工作是不可能替代的，就是"具有批判性思維和創造性思維"的這群人。
正如前面所說，美國18%的職業，從業者50%的工作任務受到了影響。在這個影響中，真正具有批判性和創造性思維的人是不可能被取代的。我把這句話引申過來：未來的競争力是一個企業、一個國家、一個人的想象力。未來想象力可能是隻有人才會有的一種能力，它是一個人的核心技能。
因此，批判能力、批判性思維、想象力和創造力會變得越來越重要。
