最近，ChatGPT相關(guān)的話題屬實(shí)是火過了頭了，我最近也在跟朋友廣泛交流，聊到不少有趣的話題，在此做了一個(gè)梳理，分享給大家。

1、ChatGPT和搜索引擎、傳統(tǒng)語音助手有什么關(guān)系？

(資料圖片僅供參考)

2、如何理解NL（自然語言） is the New UI？

3、為什么無代碼開發(fā)和ChatGPT生成式代碼就像左腦和右腦的關(guān)系？

4、AI到底會(huì)不會(huì)取代你的工作？學(xué)會(huì)跟AI溝通得有多重要？

5、怎么理解“軟件吞噬世界，AI吞噬軟件”？

1、ChatGPT背后的大模型和搜索引擎、傳統(tǒng)語音助手有什么關(guān)系？

首先，我并不認(rèn)為大語言模型可以替代搜索引擎——應(yīng)該說，疊加在搜索引擎之上，我們得到的是一種大模型驅(qū)動(dòng)的、以自然語言為界面的信息服務(wù)。這兩者之間并不產(chǎn)生相互替代的關(guān)系，某種意義上更多是上下游產(chǎn)品價(jià)值的延伸。從New Bing的表現(xiàn)來看，大模型和搜索引擎作為相輔相成的整體，很快會(huì)成為一種常態(tài)。不過雖然不是取代關(guān)系，大模型的確正在松動(dòng)固化已久的搜索引擎的市場格局——根據(jù)移動(dòng)互聯(lián)網(wǎng)研究公司Data.ai的統(tǒng)計(jì)，微軟必應(yīng)搜索的應(yīng)用下載量，在全球范圍內(nèi)增長了8倍。而在同一時(shí)間內(nèi)，谷歌搜索的應(yīng)用下載量下跌了2%。

尤其是最近ChatGPT引入了插件系統(tǒng)，ChatGPT瀏覽版可以說完全克服了數(shù)據(jù)滯后的問題，官方Demo視頻更是演示了找餐館、提供菜譜、算卡路里、網(wǎng)購食材等操作，說實(shí)話，某種程度在也在擠占搜索的場景。

但，相對(duì)傳統(tǒng)聊天機(jī)器人而言，大模型就無疑是替代關(guān)系了。不管是Siri、還是微軟曾經(jīng)的小娜、百度的小度、小米的小愛機(jī)器人、亞馬遜的Alexa等，它們都屬于早期狀態(tài)的語音助手。跟這些助手交流的時(shí)候，你會(huì)發(fā)現(xiàn)只能依賴命令的方式達(dá)成溝通——它其實(shí)不存在所謂的智能，從技術(shù)原理上面講的話，它僅僅把語音轉(zhuǎn)換成了文字，文字再去匹配某些預(yù)置的命令格式，由此幫你自動(dòng)化執(zhí)行相關(guān)的命令。

這次，大語言模型最大的進(jìn)步是，它明顯不再局限于魔法詞了，你感覺它真像是一個(gè)有智慧的的助手，在交流的時(shí)候，你可以用一些更模糊、更抽象的方式跟他交流，不需要再精確到命令子集的地步就能使他會(huì)意，這無疑是會(huì)替代掉所有傳統(tǒng)語音助手的。

2、如何理解“NL（自然語言） is the New UI”？

除了大算力、免費(fèi)策略作為支撐，引入自然語言交互界面，是ChatGPT此番出圈兒的關(guān)鍵，正因?yàn)榇?，大模型的魅力才被放大出來，能夠以一個(gè)對(duì)大眾友好的產(chǎn)品化方式走向市場，這跟2000年互聯(lián)網(wǎng)的爆發(fā)（從軟件下載安裝到web端訪問）和2007年的移動(dòng)互聯(lián)網(wǎng)（也就是黃仁勛最近提到的iPhone時(shí)刻）很像，凡是重大的技術(shù)范式變革都是因?yàn)樾碌慕换シ妒降某霈F(xiàn)，從而引爆消費(fèi)級(jí)市場的。

其實(shí)AI這件事在我們的日常生活中是隨處可見的，其實(shí)我們每天刷短視頻、逛電商，本身也是在跟隱藏在背后的推薦系統(tǒng)交互，它們也是垂直品類的人工智能系統(tǒng)，只不過它的input是用戶身份和行為特征，output是個(gè)性化推薦服務(wù)；相比之下，以ChatGPT為代表的大模型自然語言的交互形式明顯更有沖擊力，輸入是問題，即刻返回的是答案，完全不局限于單一的任務(wù)類型，覆蓋代碼生成、搜索、翻譯、咨詢、嘮嗑等各種場景——這意味著，自然語言作為新的、通用的交互方式，將推動(dòng)Model As a Service for Everything惠及越來越多的C端消費(fèi)者。

3、為什么無代碼和ChatGPT生成代碼就像左腦和右腦？

每當(dāng)我們面對(duì)一種新的開發(fā)方式時(shí)，“XXX能取代程序員嗎？”總會(huì)成為人們熱議的話題——這個(gè)話題的反面實(shí)際上是在探討“如何讓越來越多普通人能夠脫離代碼的束縛，同時(shí)又能夠進(jìn)行編程？從這個(gè)意義上看，無論GPT生成式代碼，還是慣常意義上的無代碼開發(fā)，都是為了讓更多有想法、有洞察但代碼無能的人實(shí)現(xiàn)編程自由。數(shù)據(jù)顯示，現(xiàn)在全球有編程能力的人只有 1300 萬， 1400 萬左右就只占全球人口 0.33% 左右的一個(gè)比例。

因此大家覺得，GPT 4發(fā)布會(huì)上展示的一張草圖的照片就能生成一段可運(yùn)行代碼的操作，簡直炫酷到姥姥家了。但是從實(shí)際落地層面來說，大家會(huì)發(fā)現(xiàn)即使 AI 可以產(chǎn)出代碼，但這個(gè)代碼離真正可以被部署到生產(chǎn)環(huán)境，或者說被任何的有價(jià)值的業(yè)務(wù)邏輯給使用起來，中間還有非常大的一個(gè)gap。

再說，大語言模型的代碼產(chǎn)出是沒辦法讓人完全信任的，因?yàn)樗倳?huì)有一些“自以為是的合理想象”，也就是說在完全的精準(zhǔn)度上面還是需要進(jìn)一步提升的。這個(gè)代碼如果給到一個(gè)完全沒有技術(shù)背景的同學(xué)，他其實(shí)是很難分辨好和壞的。作為自然語言大家都可以看得懂，但是作為代碼的話，它這個(gè)壁壘本身的存在會(huì)造成它離真正安全交付和使用的話還有一段距離。

相比較而言，無代碼選擇了對(duì)代碼進(jìn)行可視化封裝的方式，門檻也比傳統(tǒng)意義上面編程會(huì)顯著低 10 倍以上，那對(duì)沒有技術(shù)背景的人來說，就能容易地進(jìn)行測試和結(jié)果評(píng)審，去評(píng)估安全性、可用性以及穩(wěn)定性等等，畢竟我們也在背后做了很多的投入——包括怎么樣把應(yīng)用從可視化的變成真正交付的過程當(dāng)中，這個(gè)自動(dòng)托管的服務(wù)器的部分，都是由我們平臺(tái)來進(jìn)行提供的。

從GPT生成代碼和無代碼開發(fā)的特性來看，我反倒覺得，無代碼和AI在場景上的融合，反而是一個(gè)非常明顯的大趨勢，微軟也已經(jīng)把自家的無代碼平臺(tái)Power APP與ChatGPT 做了整合。我喜歡把這二者比喻成左腦和右腦的關(guān)系，大模型更像是一個(gè)感性的右腦，他會(huì)理解你的需求和意圖，而可視化的無代碼平臺(tái)更像一個(gè)理性的、可信賴的左腦。大模型擅長“循循善誘”，一層層把你的需求翻譯出來，無代碼平臺(tái)擅長邏輯編排、穩(wěn)定交付，兩相結(jié)合的話，我們的開發(fā)工作流很可能會(huì)被重構(gòu)，自動(dòng)化水平大幅度提高。

就Zion已經(jīng)在做的事情來看，我們主要從兩個(gè)角度切入與AI場景的結(jié)合。第一個(gè)階段，我們通過和AI的整合來提升開發(fā)效率，這跟微軟推出的基于office場景的copilot能力有異曲同工之妙，通過自然語言的交互，你可以快速把意圖表達(dá)給我們的系統(tǒng)，大語言模型理解后，會(huì)自動(dòng)化調(diào)用系統(tǒng)的能力快速搭建起來某個(gè)應(yīng)用交付給你，就像copilot交付PPT、word大綱一樣；當(dāng)然，為了讓這個(gè)工作流順利構(gòu)建起來，我們會(huì)在前期投入了更多精力做好工具能力的封裝，比如GPT的能力、文心一言的能力等。

那第二個(gè)階段的話，隨著模型的訓(xùn)練， AI 甚至可以扮演產(chǎn)品經(jīng)理和設(shè)計(jì)師的角色，如果你可以提供一個(gè)完整的PRD的話，我們的系統(tǒng)可以把它直接翻譯成一個(gè)軟件，然后可以進(jìn)行快速驗(yàn)證， MVP 的上線進(jìn)行測試等；或者說，它可以和你一起共創(chuàng)產(chǎn)出這個(gè)PRD文檔，在這個(gè)跟AI溝通和互動(dòng)的這個(gè)過程當(dāng)中，其實(shí)就是逐漸幫助你把你的需求和軟件的訴求梳理出來。

而在傳統(tǒng)的流程當(dāng)中，作為業(yè)務(wù)方，你會(huì)跟一個(gè)產(chǎn)品經(jīng)理溝通，產(chǎn)品經(jīng)理會(huì)跟設(shè)計(jì)、工程師、運(yùn)維溝通，然后最后會(huì)回到測試這邊，整個(gè)形成一個(gè)閉環(huán)。在有AI和無代碼工具加持的情況下，有些環(huán)節(jié)前期就可以自動(dòng)化掉，當(dāng) AI 沒辦法提供這個(gè)能力的時(shí)候，那產(chǎn)品經(jīng)理、設(shè)計(jì)師、工程師可以再介入進(jìn)來。

4、AI到底會(huì)不會(huì)取代你的工作？學(xué)會(huì)跟AI溝通得有多重要？

我們可以看到，AI在很多領(lǐng)域都已經(jīng)有了如魚得水的表現(xiàn)，國外有兩家叫做 Jasper AI 和 copy AI 的公司，走得比較靠前，他們是最早參與GPT 3測試的服務(wù)商，主要利用GPT 文字生成的能力，面向營銷場景生成、潤色推廣文案，比如可以幫助用戶一句話描述你的產(chǎn)品，同時(shí)也能生成詳細(xì)的產(chǎn)品描述，Jasper在18個(gè)月內(nèi)就實(shí)現(xiàn)了8000萬美金的營收。

圖片生成領(lǐng)域的Midjourney也是AIGC領(lǐng)域的一個(gè)現(xiàn)象級(jí)應(yīng)用，在一年之內(nèi)就實(shí)現(xiàn)了1000萬用戶和1億美金的營收。作圖領(lǐng)域的鼻祖Adobe，也已經(jīng)推出了自己的AI產(chǎn)品Firefly，憑借積累的大量營銷素材，通過和大語言模型能力的整合，它可以把很多素材可以更高效的混合到這個(gè)新生產(chǎn)力工具的工作流里面，進(jìn)一步加速生產(chǎn)力的提升。

具體到更多的細(xì)分領(lǐng)域，大家可以參考一下OpenAI Starup Fund的pofolio，可以參考官方視角來判斷哪些行業(yè)將會(huì)受到AI的重構(gòu)。

雖然AI已經(jīng)在各個(gè)領(lǐng)域八仙過海各顯神通了，但取代你的永遠(yuǎn)不會(huì)是AI，而是會(huì)用AI的人。微軟其實(shí)是很會(huì)取名字的——我認(rèn)為AI 在這里扮演的一角色確實(shí)很像一個(gè)副駕（copilot)，有一個(gè)副駕來幫助你可以更好地產(chǎn)出，相較于獨(dú)自開車肯定是更有效率的。

我認(rèn)為最受 ChatGPT 這一代模型沖擊的，會(huì)是一些比較初級(jí)的技能掌握者或者知識(shí)密集型工種。但對(duì)于真的非常資深的人來說，包括工程師、設(shè)計(jì)師等等，他們真正的壁壘已經(jīng)不是某種技能屬性了，而是對(duì)行業(yè)的認(rèn)知和洞察，評(píng)判什么才是優(yōu)質(zhì)產(chǎn)出物的taste——這種分辨能力是沒辦法被替代的，因?yàn)槟憧隙ū纫粋€(gè)通用的 AI 更了解你的客戶，更了解上下文的情境——其中包括時(shí)機(jī)、人的喜好、禁忌方方面面的拿捏，然后再與行業(yè)的知識(shí)融匯貫通，自會(huì)形成人作為生產(chǎn)力的壁壘。

具體到程序員這個(gè)職業(yè)來看，真正的壁壘不在于代碼細(xì)節(jié)，而在于更宏觀的架構(gòu)設(shè)計(jì)，軟件開發(fā)本質(zhì)上是為了解決具體的用戶需求和業(yè)務(wù)訴求，那如何理解這些訴求、以及怎樣去拆解問題，并給出真正能消滅問題的解決方案，然后怎么把這個(gè)解決方案翻譯成代碼的這個(gè)部分的話，那在這個(gè)新的時(shí)代背景下可能已經(jīng)十分偏向于體力勞動(dòng)了。

那么，對(duì)于初入行的朋友，在新的語境下，Work Smart 比Work Hard變得更加重要，要提升自己在職場中的競爭力，學(xué)會(huì)和AI溝通將會(huì)是一個(gè)必要的條件。類比2000年左右的時(shí)候，我們?cè)趯W(xué)校里都會(huì)學(xué)習(xí)微軟office套件，再后來學(xué)會(huì)使用搜索引擎也成了下一個(gè)10年的基操，所以，工具本身并不會(huì)替代太多人，甚至也不會(huì)從根本上面影響到絕大多數(shù)的工種。但是你會(huì)不會(huì)使用 AI 的能力？怎么和 AI 互通??？這樣的能力，會(huì)是你未來的核心競爭力的一部分。

當(dāng)然，今天我們可能又不可避免地要重新學(xué)習(xí)微軟的office套件了（或者學(xué)習(xí)類似的產(chǎn)品），只是不一樣的地方在于，以前學(xué)的是微軟給你設(shè)計(jì)的規(guī)則，現(xiàn)在是通過自然語言交互就能把工具用起來，相當(dāng)于可以本能地把思考方式植入到你和系統(tǒng)交互的過程當(dāng)中。拿編程來講，之前都是人在學(xué)習(xí)機(jī)器的語言，但是有了大語言模型之后，你可以讓機(jī)器來理解人的自然語言了，現(xiàn)在office也需要理解你的意圖來做事情了。

而如何清晰準(zhǔn)確地描述需求和目標(biāo)，將是下一個(gè)時(shí)代能否用好工具利用好AI能力最核心的能力，越清晰的目標(biāo)越能發(fā)揮AI小秘的強(qiáng)大能力。

最近興起來的Prompt Engineer強(qiáng)調(diào)的就是和AI溝通的能力，如果你試過AI出圖的話，你會(huì)發(fā)現(xiàn)，當(dāng)你使用了人類在正常溝通過程當(dāng)中不會(huì)用的詞，或者說不會(huì)用的那個(gè)詞語的結(jié)構(gòu)的時(shí)候，產(chǎn)出的效果會(huì)出奇地好。Prompt Engineer雖然是叫Engineer，但這個(gè)崗位最喜歡招的是文科生，會(huì)發(fā)現(xiàn)文科生非常天馬行空，文字表達(dá)能力也會(huì)更強(qiáng)，會(huì)發(fā)現(xiàn)就用了更靈活的一些詞，給到 AI 溝通的時(shí)候它效果會(huì)更好，這跟更強(qiáng)調(diào)命令編程思維方式的時(shí)代是完全不一樣的。

從國內(nèi)企業(yè)的角度來講，我們面臨的是一個(gè)前所未有的、雞尾酒形態(tài)的數(shù)字化浪潮，SaaS、無代碼、AI這些變革一浪未平一浪又起，好些企業(yè)可能連信息化都沒有真正完成，怎么才能參與到這個(gè)進(jìn)程中來呢？

我一直把數(shù)字化這件事分成三層來看待，也就是交互層、業(yè)務(wù)邏輯層和數(shù)據(jù)層。在所有數(shù)字化的過程中，第一步一定是業(yè)務(wù)數(shù)據(jù)化，達(dá)成初期采集數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)這個(gè)目標(biāo)，企業(yè)可以盡可能選擇一些輕量化、低風(fēng)險(xiǎn)、負(fù)擔(dān)小的切入方式，最簡單的就是挑選一些適合自己業(yè)務(wù)場景的工具，或者使用無代碼的方式快速搭建一些符合自己業(yè)務(wù)需求的應(yīng)用；如果說是可以直接產(chǎn)生價(jià)值的話，建議從偏營銷、偏運(yùn)營的一些場景入手。

很多企業(yè)都會(huì)有一個(gè)誤區(qū)，覺得數(shù)字化的第一步是招工程師，這個(gè)其實(shí)是錯(cuò)的。事實(shí)上，數(shù)字化轉(zhuǎn)型第一步是要找到一個(gè)PM，因?yàn)樗谶@里扮演的一個(gè)角色是把業(yè)務(wù)的需求翻譯成數(shù)字化的產(chǎn)品。這個(gè)人可能只是扮演產(chǎn)品經(jīng)理的角色，但未必非得是一個(gè)產(chǎn)品出身的人，他可能是你信息化部門的負(fù)責(zé)人，也可能是你們業(yè)務(wù)部門里面喜歡技術(shù)的某個(gè)同學(xué)。有個(gè)這個(gè)人，后續(xù)工具的落地就會(huì)比較容易了。

無論如何，對(duì)于商業(yè)痛點(diǎn)的判定、對(duì)于目標(biāo)受眾的考量、業(yè)務(wù)邏輯的梳理，都是先于開發(fā)工作而存在的。

5、怎么理解“軟件吞噬世界，AI吞噬軟件”？

我對(duì)這件事情的一個(gè)簡潔判斷是，我覺得所有的軟件都會(huì)要被 AI 重新做一遍，未來AI會(huì)變成像云服務(wù)一樣的基礎(chǔ)設(shè)施，在未來的軟件世界里，在舊的軟件世界里，人機(jī)交互是重點(diǎn)，而在新的軟件世界里，人機(jī)協(xié)作才是題中之義。關(guān)于具體的場景前面的內(nèi)容我們也提到了不少，這里我們也可以參考下GPT根據(jù)這個(gè)趨勢給出的一些論斷。

By GPT 3.5

關(guān)鍵詞：