最近，ChatGPT相關(guān)的話題屬實是火過了頭了，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到底會不會取代你的工作？學(xué)會跟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固化已久的搜索引擎的市場格局——根據(jù)移動互聯(lián)網(wǎng)研究公司Data.ai的統(tǒng)計，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，說實話，某種程度在也在擠占搜索的場景。

但，相對傳統(tǒng)聊天機器人而言，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候，你會發(fā)現(xiàn)只能依賴命令的方式達成溝通——它其實不存在所謂的智能，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，由此幫你自動化執(zhí)行相關(guān)的命令。

這次，大語言模型最大的進步是，它明顯不再局限于魔法詞了，你感覺它真像是一個有智慧的的助手，在交流的時候，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意，這無疑是會替代掉所有傳統(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，正因為此，大模型的魅力才被放大出來，能夠以一個對大眾友好的產(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年的移動互聯(lián)網(wǎng)（也就是黃仁勛最近提到的iPhone時刻）很像，凡是重大的技術(shù)范式變革都是因為新的交互范式的出現(xiàn)，從而引爆消費級市場的。

其實AI這件事在我們的日常生活中是隨處可見的，其實我們每天刷短視頻、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Model As a Service for Everything惠及越來越多的C端消費者。

3、為什么無代碼和ChatGPT生成代碼就像左腦和右腦？

每當(dāng)我們面對一種新的開發(fā)方式時，“XXX能取代程序員嗎？”總會成為人們熱議的話題——這個話題的反面實際上是在探討“如何讓越來越多普通人能夠脫離代碼的束縛，同時又能夠進行編程？從這個意義上看，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% 左右的一個比例。

因此大家覺得，GPT 4發(fā)布會上展示的一張草圖的照片就能生成一段可運行代碼的操作，簡直炫酷到姥姥家了。但是從實際落地層面來說，大家會發(fā)現(xiàn)即使 AI 可以產(chǎn)出代碼，但這個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值的業(yè)務(wù)邏輯給使用起來，中間還有非常大的一個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，因為它總會有一些“自以為是的合理想象”，也就是說在完全的精準(zhǔn)度上面還是需要進一步提升的。這個代碼如果給到一個完全沒有技術(shù)背景的同學(xué)，他其實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，它這個壁壘本身的存在會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，無代碼選擇了對代碼進行可視化封裝的方式，門檻也比傳統(tǒng)意義上面編程會顯著低 10 倍以上，那對沒有技術(shù)背景的人來說，就能容易地進行測試和結(jié)果評審，去評估安全性、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，這個自動托管的服務(wù)器的部分，都是由我們平臺來進行提供的。

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，反而是一個非常明顯的大趨勢，微軟也已經(jīng)把自家的無代碼平臺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，大模型更像是一個感性的右腦，他會理解你的需求和意圖，而可視化的無代碼平臺更像一個理性的、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)工作流很可能會被重構(gòu)，自動化水平大幅度提高。

就Zion已經(jīng)在做的事情來看，我們主要從兩個角度切入與AI場景的結(jié)合。第一個階段，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給我們的系統(tǒng)，大語言模型理解后，會自動化調(diào)用系統(tǒng)的能力快速搭建起來某個應(yīng)用交付給你，就像copilot交付PPT、word大綱一樣；當(dāng)然，為了讓這個工作流順利構(gòu)建起來，我們會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)計師的角色，如果你可以提供一個完整的PRD的話，我們的系統(tǒng)可以把它直接翻譯成一個軟件，然后可以進行快速驗證， MVP 的上線進行測試等；或者說，它可以和你一起共創(chuàng)產(chǎn)出這個PRD文檔，在這個跟AI溝通和互動的這個過程當(dāng)中，其實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，你會跟一個產(chǎn)品經(jīng)理溝通，產(chǎn)品經(jīng)理會跟設(shè)計、工程師、運維溝通，然后最后會回到測試這邊，整個形成一個閉環(huán)。在有AI和無代碼工具加持的情況下，有些環(huán)節(jié)前期就可以自動化掉，當(dāng) AI 沒辦法提供這個能力的時候，那產(chǎn)品經(jīng)理、設(shè)計師、工程師可以再介入進來。

4、AI到底會不會取代你的工作？學(xué)會跟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，同時也能生成詳細(xì)的產(chǎn)品描述，Jasper在18個月內(nèi)就實現(xiàn)了8000萬美金的營收。

圖片生成領(lǐng)域的Midjourney也是AIGC領(lǐng)域的一個現(xiàn)象級應(yīng)用，在一年之內(nèi)就實現(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新生產(chǎn)力工具的工作流里面，進一步加速生產(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)將會受到AI的重構(gòu)。

雖然AI已經(jīng)在各個領(lǐng)域八仙過海各顯神通了，但取代你的永遠(yuǎn)不會是AI，而是會用AI的人。微軟其實是很會取名字的——我認(rèn)為AI 在這里扮演的一角色確實很像一個副駕（copilot)，有一個副駕來幫助你可以更好地產(chǎn)出，相較于獨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，會是一些比較初級的技能掌握者或者知識密集型工種。但對于真的非常資深的人來說，包括工程師、設(shè)計師等等，他們真正的壁壘已經(jīng)不是某種技能屬性了，而是對行業(yè)的認(rèn)知和洞察，評判什么才是優(yōu)質(zhì)產(chǎn)出物的taste——這種分辨能力是沒辦法被替代的，因為你肯定比一個通用的 AI 更了解你的客戶，更了解上下文的情境——其中包括時機、人的喜好、禁忌方方面面的拿捏，然后再與行業(yè)的知識融匯貫通，自會形成人作為生產(chǎn)力的壁壘。

具體到程序員這個職業(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，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，然后怎么把這個解決方案翻譯成代碼的這個部分的話，那在這個新的時代背景下可能已經(jīng)十分偏向于體力勞動了。

那么，對于初入行的朋友，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)會和AI溝通將會是一個必要的條件。類比2000年左右的時候，我們在學(xué)校里都會學(xué)習(xí)微軟office套件，再后來學(xué)會使用搜索引擎也成了下一個10年的基操，所以，工具本身并不會替代太多人，甚至也不會從根本上面影響到絕大多數(shù)的工種。但是你會不會使用 AI 的能力？怎么和 AI 互通??？這樣的能力，會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)機器的語言，但是有了大語言模型之后，你可以讓機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)，將是下一個時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小秘的強大能力。

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

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進程中來呢？

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，達成初期采集數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)這個目標(biāo)，企業(yè)可以盡可能選擇一些輕量化、低風(fēng)險、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)生價值的話，建議從偏營銷、偏運營的一些場景入手。

很多企業(yè)都會有一個誤區(qū)，覺得數(shù)字化的第一步是招工程師，這個其實是錯的。事實上，數(shù)字化轉(zhuǎn)型第一步是要找到一個PM，因為他在這里扮演的一個角色是把業(yè)務(wù)的需求翻譯成數(shù)字化的產(chǎn)品。這個人可能只是扮演產(chǎn)品經(jīng)理的角色，但未必非得是一個產(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)的某個同學(xué)。有個這個人，后續(xù)工具的落地就會比較容易了。

無論如何，對于商業(yè)痛點的判定、對于目標(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”？

我對這件事情的一個簡潔判斷是，我覺得所有的軟件都會要被 AI 重新做一遍，未來AI會變成像云服務(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，人機交互是重點，而在新的軟件世界里，人機協(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)這個趨勢給出的一些論斷。

By GPT 3.5

關(guān)鍵詞：