就在上周，OpenAI 召開了首次 Dev-Day ( 開發者大會 ) ，隆重發布 GPT-4 的增強版 Turbo，提供了輔助開發的 GPT Assistant API。
更令人震驚的，則是上線了 GPT 應用商店——GPTs——堪比當年 iPhone 的 "App Store 時刻 "。
但此時此刻，卻又不同于彼時彼刻。
回頭看，大家都盛贊 Apple 開啓了互聯網行業的新紀元，憑空創造出一個價值萬億的全新經濟生态（2022 年開發者營業與銷售額已達到 1.1 萬億美元），養活了全世界千千萬的碼農。
而當 GPTs 被公布一分鍾後，回過神來的 GPT 相關開發者們就坐不住了。一個創業者哀歎道 "Sam Altman 剛剛毀掉了我價值 3 百萬美元的初創公司，隻給我留了 500 美元的 OpenAI API 抵用券。"
某個仿照馬斯克語氣的推特号也一通戲虐：" 每次 OpenAI 發布一個功能，就消滅了一家（批）初創公司。你對這件事有什麽感想？"
爲何業界如此驚詫？其實大家的反應恐怕還有點克制了，當你想明白之後，會發現 OpenAI 給我們鋪就的未來實在是過于刺激了。
乙方角色的消亡進入了倒計時
爲什麽開發者對 GPTs 應用商店如此恐慌？
一般評論會說，GPTs 允許用戶以自然語言描述需求，下達指令和簡單調試後，就能部署個人專屬的 GPT 自定義版本，以實現生活或工作中某個特定功能。此外，這個自定義的 GPT 還能發布出來分享給其他人，以後還可以向使用者收費。
這就讓套殼 GPT 做垂直應用的 App 瞬間失去了意義，官方逼死同人的節奏啊。
但 GPTs 真正要命的不止如此，它本質上消除了用戶提出需求和獲得應用之間的一系列執行過程—— GPT 都幫你做了。而在此之前，這需要開發者去收集理解相應的需求，然後開發出一個可用的程序，再發布出來給用戶使用——你手機裏 App 就是這麽來的。
如果沒有中間商賺差價，那還需要程序員幹啥事？這是直接把開發者們存在的價值給取消了。
沒有哪個程序員可以像 GPT 那樣時刻在線，不疲不倦地去改代碼和更新，也沒有哪個産品經理比客戶本身更理解自己的需求，熟悉哪些資源和數據可以調來滿足需求。也許客戶還是需要人來測試自己鼓搗出的 GPTs，但以 OpenAI 的能力，下次 Dev Day 如果發布一個能自動測試 GPTs 的官方 GPTs，我也毫不驚奇。
GPTs 的出現會逆轉從兼容機，到軟件，再到 App 的産業化曆程。
最早的計算機用戶本身就懂計算機，因此都是自己去編程實現需求的，後來随着大衆化才需要開發軟件。而在 GPT 時代，" 最好的編程語言是英語 "（這句話也不甚準确，所有語言都可以是 GPT 的母語，它都聽得懂），那麽每個人都可以用自然語言來向 Open AI" 許願 "，創造出所需的 GPTs 爲己所用，又回到全民造輪子的歲月了。
這一沖擊并不僅限于 IT 行業，而是會擴散到所有的乙方行業。
從本質上看，乙方都是在幫客戶填充從需求到應用之間的執行鴻溝，之所以某件事交給乙方，要麽是客戶不懂落地實現的具體步驟，要麽是乙方人力和設備利用率高，項目熟練度高，在成本和交付周期上比自己做更具性價比。
但用乙方這件事本來就有缺陷，假如交付的是通用産品（如一個 SaaS 或 CRM 系統），那麽在适配性和學習曲線上就需要前期投入和磨合才能用得順手；如果乙方提供的是定制化解決方案（如一套規劃和咨詢），而乙方不知道客戶的隐性知識（Tacit Knowledge 或 Institutional knowledge），那往往需要煩人的博弈和溝通，還不見得乙方真正理解自己的需要，交付出可落地的方案。
而現在，你能想出來的需求，隻要提供相應的示例和數據，就可以創造一個 GPTs 來爲你服務。GPTs 提供了超低邊際成本定制解決方案的一種可能，從 GPTs 商店 pull 一個模闆，匹配内部的私域知識和定制要求實現一個功能，而且還是比 " 低代碼 " 更低的 " 零代碼 " 方式。so easy，還要啥自行車啊。
這是甲方爸爸的終極幻想，也是乙方搬磚狗的末日。
GPTs 本質上是對打工人的替代
你可能會反駁，很多甲方自己也不清楚自己要什麽，直到你把産品 / 方案 / 交付怼到他的頭上，正如亨利 · 福特的那句名言 —— " 客戶隻會說想要一匹更快的馬，而我給他們帶來了汽車 "。
不是所有人都能清晰地創造出自己真正想要的 GPTs，也不是所有客戶都擁有充足的行業數據和 know-how。因此還是需要更有經驗的第三方深入到客戶自有 GPTs 的構建中，提供專業技能，甚至直接代爲構建和操作，并收取相應的服務和運營費用。
對這種基于客戶 " 人工智障 " 的商業模式，暫不說其可持續性，這事和乙方搬磚狗又有什麽關系呢？現在還需要組建專家團隊入駐調研，進行項目執行嗎？既然客戶需要部署一個特制的 GPTs，乙方公司難道不能用 GPTs 來部署 GPTs 嗎？
乙方公司完全可以基于既往的項目資料和内部數據庫，自己訓練出各款 GPTs 爲客戶執行不同的業務，我相信肯定比培訓校招小朋友要快得多，也省得多。
畢竟，隻要幾小時就可以通讀全公司多少代項目經理的經驗，用多少客戶熬出來的項目記錄和交付物，并融會貫通，内化成出口成章的本能。而且隻要吃點交流電就可以 24 小時響應，客戶扔來的材料幾分鍾看完秒回，一晚上出三十版初稿。
更妙的是心理承受能力無窮大，改稿 100 遍也絕不生氣，甚至當客戶都崩潰了的時候，乙方 GPTs 還能及時調整其溝通語氣，輸出情緒價值。
而最可怕的是，等一個項目做完，乙方 GPTs 還能以前所未有的顆粒度把項目的全過程數據重新回輸到公司的資料庫裏，并反複複盤，以備未來項目的執行。
這是一個不斷精進的完美自循環，而且，再也不存在因爲員工跳槽就損失一大塊隐性知識和 know-how 的煩惱了。
GPTs 可能是乙方公司的新機遇，但依然是乙方搬磚狗的末日。
當然，這種噩夢乙方員工怎敢獨享，其邏輯對甲方員工也是一樣的。本次 Open AI Dev Day 特别用了一個 Zapier App 的示例：這是一個自動化部署的插件，用于将 GPT 和上百種 App 聯用起來。你可以用自然語言給 GPT 下指令，然後 GPT 通過 Zapier 來操作你的 App 進行執行。
欸！這畫面，和在釘釘上給員工布置任務有差别嗎？
再想想的話，很多中層整天忙活的事情，和 GPT 對 Zapier 做的事情有差别嗎？
再想想的話，其實基層員工對着電腦和操作台做的事情，和 Zapier 操作 App 有差别嗎？
如果有差别的話，那就是 GPTs 不會已讀不回，而是 24 小時想你之所想，及你之所及，勤勤懇懇地把你的想法付諸執行，縱向到底，橫向到邊。
那麽老闆幹嘛還要雇這麽一大幫人夾在中間呢？
這其實也不值得驚奇。鋼鐵俠搞了那麽一大攤高科技項目，但電影裏他的工作室裏看不到一個雇員，隻有一個 AI 助手賈維斯：他直接給賈維斯下指令，由 AI 助手分解步驟後，給機器人下操作指令完事了。
在大語言模型的時代，人力資本這個詞失去了意義。OpenAI 本質上是一家把電能通過 GPU 轉化爲智能的 " 煉金廠 "，并通過網線輸送到終端用戶的屏幕前。當智能像電一樣連上插座就能用，爲什麽還需要在本地部署一群人來給你 " 蹬踏闆發電 "。
人力資本回報率太低，就隻能算是人力負債。
在滿是 GPTs 的未來，最吃香的是有想法、有客戶資源，有數據或是持續生成數據場景的人，也就是 " 甲方 "。而隻會出賣腦力勞動，幫别人實現功能或是 " 代執行 " 來賺時薪的 " 乙方 " ——無論是企業外部的傳統 " 乙方 " 還是内部搬磚的廣義 " 乙方 "，都将逐漸被 GPTs 擠壓生存空間。
在這個過程裏，新時代的 "PPT 紡織女工 " 和 " 查數姑 " 們毫無勝算。
經濟循環或被颠覆，人類角色難以定義
如果 GPT 的大模型基座和 GPTs 的生态持續發展，最終會變成什麽狀态？
最初可能會出現很多" 一人公司 "，這些嗅覺敏銳，行動果決的 " 超級個體 " 會抓住 GPT 帶來的機會，用大語言模型放大自己的能力，把獨到的洞察和多年累積的經驗和數據注入 GPTs，創立自己的專業 " 影分身 " 直接服務客戶。
他們會租用 GPTs 商店裏其他人發布的工具作爲自己的 AI 助手，打造個人品牌，管理和拓展客戶網絡，搭建行業信息源，處理運營雜事。當一切都搭建調試完畢後，這套系統就可以自動運行，替自己賺 " 睡後收入 " 了。
這也算半隻腳踏入資本家行列了，而且還是全自動的那種。
找服務，直接和老闆談，沒有雇員賺差價。這種模式一開始肯定能在各細分領域獲得成本上或是交付質量上的優勢，但并不會持久。
對 GPTs 的生态而言，這是個 " 甲方 " 的天堂，想法不過是随時可以 pull 的模闆，最終還是要看誰肚裏有數據，手上有客戶，腳下有場景，以及最重要的，兜裏有錢。
" 超級個體 " 隻能搶跑，但正規軍用起 GPT 那才是核武器：頭部企業煉出的 GPTs 用的是最全面的私域知識，可以快速服務最多的客戶，并以最快的周期回收項目經驗持續升級 GPTs，并拓展到更多的其他應用領域。OpenAI 在大語言模型上跑通的這種碾壓式循環，将會在 GPTs 商店各個子版塊上一次次的複現。
我們常說商業成功的模式永遠始于 "Be first"，然後在 "Be different" 和 "Be better" 上八仙過海各顯神通，但最終都會終于 "Cheapest and Best and do everything。"
GPTs 的生态裏這個過程會壓縮到驚人的程度，很快我們會看到衆多應用端被資本密集，數據密集的 " 超級企業 " 占據。這些‘公司’沒有員工，隻有一個 CEO 看着（也可能并不需要去看）無數的内部 GPTs 在執行複雜的業務流程，直接服務于客戶。" 超級企業 " 擁有超多 GPTs 模闆的版權，這些版權是被商務 GPTs 按照業務和财務彙報需求自動化收購而來，并被昂貴的非訴法務 GPTs 全網 24 小時維護。
不過等等，如果所有的公司都采用這樣的模式，最小化員工數量，老闆和用戶通過 GPTs 直連。那麽這些産品最終能被誰消費呢？
這讓人聯想到亨利 · 福特的另一句名言：" 如果福特的員工都賺不到 100 美元，那麽誰來買福特的車呢？"。當 GPTs 導緻資本集中度的極度提高，消滅掉各類小微企業的業務和一般白領的工作，那麽我們需要一個完全不同的機制來創造出需求。
GPT 不受限制的演進，可能将導緻我們所熟悉的那種經濟循環的終結，樂觀者會提議用 UBI（全民基本收入）的方式來保障廣泛且普惠的消費需求，而悲觀者會覺得隻能通過強制投資或 " 編出 " 新的理念（比如元宇宙和區塊鏈）來給大家造出點 GPTs 尚無法替代的搞錢理由，當然還有更激進的人（也可能不是人）反問爲啥一定要用人來創造需求呢，能不能讓 GPTs 作爲虛拟世界的 agent 自己創造出需求呢？
這也并非幻想，你看比特币就已經創造出一個百億的挖礦産業，憑空創造了現實世界裏的顯卡需求。
也許以後的文化産業是這樣的：Netflex GPT 矩陣根據網絡趨勢數據自動編寫劇本，用 Text2Video 生成影像，用 HeyGen 配音，社交網絡自動宣發，然後被 GPTs 影評機器人觀看并在推特上自動點贊轉發，最終被 Netflex 的網絡趨勢程序追蹤到，刺激下一批 AIGC 影視的生成。
沒有比這更高效的經濟循環了，永遠不會有需求不足的煩惱，所有的 GPTs 都激情滿滿，work hard and play hard，24 小時不停扮演設定的角色，爲 GDP 數字的增長做貢獻。歡迎來到沒有人的美麗新世界？
