周鸿祎：为什么很多人挣不到认知以外的钱？

1月11日晚上，《风马牛年终烩——换个方式 再来一次》在北京举行，嘉宾妙语连珠，现场气氛热烈。昨天分享了冯叔的演讲（点此回顾）。今天分享360集团创始人周鸿祎的演讲——

演讲 | 周鸿祎

我很同意冯仑的观点，大家对创新都有一个误解，他讲的「换个方式 再来一次」，也是一种创新，创新不等于发明。

我们老觉得企业遇到困难就要换个赛道，就要找新的增长曲线，就要发明一个新东西，这是一条路，但是难度会很大。实际上，有一种创新叫「把事情再做一遍」，当然，要换种方式。

我这一年来，做了很多工作，主要是人工智能，拍短视频是捎带手，为了推广我的人工智能做一些流量的储备。今天跟大家分享一下，大模型时代，在座的企业家可以把什么东西重做一下。

我这一年都在讲AI认知，认知就是你怎么看待一个事情。 很多人对AI还是将信将疑，比如大模型，你相不相信它真的是人工智能的重大拐点？

在大模型之前，人类搞了50年的人工智能，路线都是错误的，伤了很多人的心，很多人用了原来的智能硬件，发现都是人工智障，所以就不相信。但如果你相信人工智能是真智能，你对它的感觉就会不一样，它不光是一个技术，新技术我们听了很多词了，比如说元宇宙、区块链、数字孪生、物联网、5G，但是人工智能大模型是一场工业革命，相当于人类的第四次工业革命，你相不相信？

如果是工业革命，它就会重塑所有的产品和业务，这就不是你选择要不要重做一遍，你不重做一遍就会被你的友商重做一遍。谁先重做一遍，谁就能够获得更领先的机会。

大家在网上也在讨论，程序员会不会被淘汰、客服会不会被淘汰，这一点我也不是很明确，还看不清楚，但是有一点很明确，今天不用AI的人，肯定会被用AI的人淘汰。

认知很重要，为什么很多人挣不到认知以外的钱？我分析，越是成功的人，越容易对一个新东西看不起，或者看不上，实际还是因为看不懂，于是他就不花时间去研究，最后就看不清了，未来就看不见了。

比如短视频，有的人最近还觉得做短视频是不务正业。 如果你还是处在一种看不起、看不上、看不懂的状态，可能将来就会被时代所抛弃。

我觉得大模型不是泡沫，虽然现在国内外一直有争论，我坚定地相信，它会像蒸汽机、电力、计算机和互联网一样，引领新一轮的工业革命，而且我们国家谈打造新质生产力，这个支撑的关键技术就是人工智能。

我觉得人工智能至少有两个价值：

第一，重塑整个经济环境。

第二，帮助企业和个人成为超级个体。 我不觉得它会摧毁某些行业，而是会重塑某个行业，重塑跟重做是差不多的。

我简单谈一下人工智能发展的历程。最早期，我们上学的时候学的是基于规则的人工智能，无论搞50年、60年，今天证明，都是失败的。试图把人类的规则总结出来，让机器去学，被证明是不可能的，所以现在人工智能都是基于学习和训练的。

过去几年，大家都知道中国有「四小龙」，搞人脸识别、图像识别、语音识别的，这叫感知AI，实际上是小模型，到了前年大模型横空出世，用海量数据训练参数比较大的模型，变成了一种认知，我们叫认知AI。

这个图我是借鉴来的，你不可能发明所有的知识，原图来自黄仁勋在CES的讲话，但我觉得他总结得不够全面，我做了一个修正。

认知AI现在已经从单模态，发展到就能理解文字、理解人类的语言发展的多模态，多模态就是能够识别图形图像，看得懂视频、看得懂摄像头、听得懂声音。认知和感知最大的差别在于，感知就像视网膜一样，仅仅是看见，而认知是不仅能看见，还能看懂。

比如说，今天咱们上面那个背景图，那个女的和男的都穿着泳衣，对吧？一般的感知只是看见了有两个人，但是认知就会想得比较复杂。

在认知的基础之上，现在的AI又被称为生成式AI，它不仅是被动地回答问题，你问我什么，我给你检索什么，现在的生成式AI能做到主动给你生成新的内容，生成新的视频、新的图片、新的文章。

去年我们都是在讲生成式AI，今年有一个新的概念出来了，叫智能体AI，Agent AI。一个只能聊天的人是不能干活的，比如你请了一个顾问，不管是多么著名的咨询公司，到你公司去，只是指指点点，从来不挽起袖子干活，这是没有任何意义的。 人工智能真的要改变企业，光有大模型是不够的，要能干活。现在发展成能够干活的，可以叫智能体AI，在数字空间干活，跟IT系统协作。

下一个是物理AI。我理解的物理AI，是能对物理空间的东西进行感知，作出反应，它的应用环境就像无人驾驶、机器人，所以被称为具身智能。 现在都是机器人，汽车是4个轮子的机器人，无人机是长着旋翼的机器人，人形机器人是长得像人的机器人，所以定位叫物理AI。

未来还有一个AI，是AI变成科学研究、基础学科研究的一种强有力的工具和方法论，这就成为了科学AI。

去年我在风马牛年终秀上谈了14个趋势，基本言中了，这个也很简单，你只要找快要发生的事情做预言就好了。不要预言5年以后的事情。

今天我们介绍最近出现的8个新趋势，并不代表全部，这8个趋势是我们要关注的。

第一个，AGI发展步伐在放慢。 人们过去比较乐观，以为超级人工智能很快会出现，我去年也很乐观。大家就觉得只要买足够的英伟达显卡，堆足够的算力，堆足够多的能源，把人类的数据都给它喂进去，一个宇宙超级无敌的超级人工智能就出来了，我们就可以膜拜人工智能神了。

但是现在用来训练的人类数据已经用得差不多了，这玩意不太进步了，有点像小升初考得不错，中考也考得不错，但是高考给考砸了，现在还在复读，这是第一个趋势。

第二个趋势，人们在找新的方向，「慢思考」成为新的范式。 GPT为代表的这第一类范式，主要是死记硬背、博闻强记，善于回答你的问题，你是主导，它不善于做多步推理。最近科学家发现，可以做很复杂的推理，比如如何把大象装到冰箱里，至少分三步，现在大家的模型都在往复杂推理的方向发展。

第三个趋势，模型越做越专。 现在都在做专业模型，当大家意识到，做一个宇宙无敌的通用模型不太现实的时候，大家都转向了专业模型。

第四个趋势，模型越做越小，进入轻量化时代。 如果你用最新的苹果手机系统iOS18，上面已经跑了一个小的大模型了。今年起国内所有的智能网联车，如果上面还没有大模型，我建议你就不要买了，每个机器人身上也会做大模型。

此时此刻，今年CES正在美国举办，用我的一句话概括，叫「无AI不硬件」，换句话说不管什么硬件，都要和AI结合。今年还有人做了一个AI垃圾桶，说不定哪一天冯总回家，跟垃圾桶能聊上半天，垃圾桶保证比现在的智能音箱要聊得好，模型越做越小之后，就可以进入千家万户。

这两天英伟达黄仁勋干了一件特牛掰的事。过去他把GPU卡卖给美国这些富人们，马斯克都要请他吃饭、喝酒，还愿意加价来买他的显卡，这些富人的生意我觉得差不多快到尽头了。所以黄仁勋推了一个桌面超级电脑，一个鞋盒那么大，算力超1000T，能跑2000亿的模型，这意味着什么？模型越做越小之后，每家都能放一个，这个模型可以把你家里所有的数据，所有的家电、电子设备，包括电脑手机都管起来，然后这个模型就会无处不在。

第五个趋势，模型的能力越来越强。 原来以为是模型越大，能力越强，现在发现不是这样的，为什么？模型学的数据越好，能力越强，知识密度不断增加，成本也越来越低，这是第六个趋势。

现在云上的大模型都在亏本卖，如果你想用开源的，价格为0。刚才说的英伟达桌面大模型硬件，有1000T的算力，大家猜猜多少钱？对，2万块钱人民币，一台笔记本的价钱，在座诸位都能消费得起。以后你们公司要搞AI，不一定要买云端的复杂算力，不一定需要搞个什么千卡集群、百卡集群，每个部门买几台这样的桌面超级电脑，就解决了这个问题。

还有两个趋势，其一是多模态越来越重要。 刚才我讲多模态，说大模型如果只能看懂文字，这个能力是非常弱的，真正进到我们企业里，一定要看得懂现实中发生了什么，听得懂人们的指令，多模态现在进步很快。

其二，也是最后一个趋势，智能体AI加速落地。 智能体是AI的一个历史转折点，在智能体这个概念没出来之前，我跟很多企业沟通起来很费力，很多传统企业主会说，你们国内做大模型的，天天秀写诗、秀作画，就是不能干活，这是个玩具，不是个工具。怎么把大模型从聊天机器人、聊天玩具，转化成一个企业里干苦力的牛马，是智能体要解决的问题。

从这个趋势看，我认为现在大模型产业发展出两条泾渭分明的道路，从国内投融资的情况也可以看出来，一条路是ASI之路，就是超级人工智能，这条路美国有巨头继续在走，探索全面超越人类的超级人工智能，注意我说的是全面超越，今天人工智能在单项上超越人类已经不是梦想了。

还有一条路，走应用之路，把大模型和很多应用场景结合，让大模型在应用上发挥作用，放弃打造一个全能的大模型之神的执念，让一个大模型干好一件工作。

我鼓励走应用之路这个方向，因为超级人工智能这条路能不能走，到现在还不确定。

奥特曼和马斯克，两个人都是营销大师，他们说的话不一定能当真，而且短期内不会实现。全世界走超级人工智能这条路的公司，现在都遇到了障碍，大家都进入深水区了，过去可以摸着石头过河，现在石头都摸不着了，但是走应用之路是比较明确的。

我一直有一个观点，大模型怎么在中国带来工业革命，很重要的一个思路是把大模型拉下神坛。

大家想一想，当年超级电脑引发工业革命了吗？用超级电脑就跟朝圣一样，换上白大褂走到一个机房里去用。是像玩具一样的个人电脑才引发了工业革命，为什么？因为个人电脑又便宜又好用，每个人家里都买得起，每个公司都买得起，走入千家万户，进入百行千业。所以，大模型要走下神坛，必须走应用化之路，向场景化、专业化、垂直化发展。

现在全世界会有几家超大公司继续探索超级人工智能之路，但是绝大多数公司全面转型，因为大模型已经投入了无数基础设施，现在的技术全方位碾压人类不够，但在单项上面把它做好，已经可以跟人类有一比了。现在落地是非常重要的。

AGI和ASI是少数巨头的游戏，说句乌鸦嘴的话，中国现在有些公司融资准备是干AGI，但发现显卡不够，钱也不够，数据也不够，干来干去还不如人家开源做的效果好，所以纷纷转型。美国也就几家巨头在做了，AI七姐妹在做。

现在美国做AGI的门槛是100亿美金，没有100亿美金，不买上一百万张显卡，你都不好意思说你是搞超级人工智能的。现在光有100万张显卡也不够，还得买个核电站，因为没有核电站的支撑，机房都转不起来。

我们都是普通公司，都是普通人，所以我们要换种方式，找大模型的创新之路，放弃全能这个执念。 不要用大模型试图解决所有问题，走应用之路，让一个大模型解决一个专业问题，这样就不需要卷算力、卷数据、卷参数，因为一个大模型要解决的就是企业某一个领域的专项问题，不需要千亿万亿的参数的模型，几十亿百亿的算力就够，刚才说的那个英伟达小盒子就够了，实在不行拿一台旧电脑，插上几块3090、4090的显卡，有几块显卡都能干。

模型更小，算力更少，成本更低。在实践中我发现，用开源的模型成本降到了白菜价。你会发现，当你用模型试图解决一个非常窄的应用问题的时候，模型的能力绰绰有余。

所以我说，一定要走应用之路，把「原子弹」变成「茶叶蛋」，每个企业要打造自己的产业大模型、行业大模型或者是专业大模型，而不是再去做通用大模型。

微软做专业大模型也犯了一个错误。微软做了一个叫Copilot，聊天的副驾驶的概念，但在很多企业里根本用不起来。原因就是我讲的，光有个大模型，它有很多知识能做推理，能做问答，能和你聊天，但你问它，得到的都是一次性的标准答案，答案很通用，它对你的行业、业务也不是很了解，利用率非常低。

去年下半年到今年，大家意识到，专业大模型必须从生成式演进到智能体，这个智能体叫Agent。 这个词有很多翻译，有人把它翻译成代理，但是代理在这个地方不太合适，容易引起歧义，所以我还是更愿意把它翻译成智能体。

你怎么理解智能体？它就是你的数字员工、数字专家、数字顾问，你把智能体当成一个人就可以了。

大模型的缺点是什么？它虽然能理解能问答，能生成内容，但第一，它的知识是固定的，训练用什么知识基本上固定了；第二，它没有短期记忆，每个人来问问题，对它而言都是一个新的问答；第三，不能进行复杂的流程工作，最重要的是不能调用企业里面的工具，换句话说不能直接干活。

所以，我们给大模型加上了知识获取、工具使用，还有复杂流程的规划的能力，变成智能体。现在智能体从原来大模型附属的一个技术，变成了大模型核心的技术，大模型反而成了智能体的一个组件。

我经常说大模型有点像电动机，企业里不可能只用一个电动机来给全企业提供动力输出，我们需要电动机的不同地方，可以买不同的电动机，因为买了电动机也不能直接用。比如，你今天早上用电动机刮了胡子，用电动机刷的牙，这话好像也没说错，确实用到电动机了，其实是电牙刷和电动刮胡刀里有电动机。只有把电动机做小了，变成电牙刷、电吹风、电动刮胡刀，才能变成人们可以用来干活的工具。

你可以把智能体理解成吹风机、刮胡刀，面向消费者领域做出来的智能体就是个人的工具，而面向企业做出来的智能体，你可以把它理解成是数字员工。

智能体的核心是大模型，有大模型就有智能，但是在智能的基础之上还有几部分——

第一部分是感知能力，要跟企业的传感器连在一起。 比如企业里的很多数据要让智能体能看到，就像你请我去做企业顾问，我需要看到企业内部的很多情况。

第二，每个智能体都得有一个角色的定义。 智能体不是万能的，啥都能干，每个智能体在企业里边最好对应一个岗位，这个岗位原来的人干什么，我们就让智能体干什么。

第三，智能体要替人完成很复杂很繁琐的业务流程，或者重复性的工作流程。 比如说每天早上老板来了，给他倒杯水，汇报一下昨天的邮件，安排他今天的日程，这么几件事串起来算一个流程，由智能体来承担。

第四，智能体要有记忆。 大模型技术架构是没有记忆能力的，你每次问它今天是几号，它都重新回答一遍，而人类要干活就需要有短期记忆和长期记忆，这由智能体来承担。

第五，企业知识库也要通过智能体连上，最重要的是成为工具。 这是什么概念？比如企业里已经有很多业务系统，有OA系统，有办公系统，有ERP系统，也有生产线，智能体必须跟它们打通，才能干活，否则就只能呱呱呱提建议。

第六，智能体是能支持复杂推理的，换句话说，它能让不那么聪明的大模型加上复杂推理后，变得更有能力，更加聪明。

构建智能体有三个步骤，第一个是选择智能体的岗位和场景，有4个方向，要么给老板提供服务，要么给员工提供服务，要么内部有什么管理流程，可以用智能体来优化，要么外部有什么服务和服务体系，或者产品流程，可以用智能体来加速。衡量指标，我提出4个10倍，能不能减少10倍的人力，减少10倍的成本，提高10倍的效率，提升10倍的体验。

有了智能体之后，我也豁然开朗。我们一直讲降本和增效，这是所有企业家都关心的问题，写点小作文、弄点小视频，对企业营销有些帮助，但是企业家最关心的是在核心业务、在核心管理流程里边，如何能降低成本，提高效率。

第二个步骤，找到场景之后，把一个场景分解成流程，特别是比较繁琐复杂的业务流程，重复容易出错的业务流程，都是智能体可以发挥作用的。

比如有人来找我说，老周我们一起合作，做个养猪大模型，做个养猪智能体，这就让人无从下手，因为我不知道他的需求是什么，在养猪过程中有什么很复杂、很麻烦的流程。

分解流程之后，再来定义角色。 各位都是老板，很熟悉员工的角色定义，你把智能体定义成数字员工、数字专家就可以了，不要试图让一个智能体做三个员工干的事情，一个智能体就对应一个员工的角色。

这过程中，抽象来看它可以干两件事儿，一个是把很复杂、很繁琐、很重复的业务流程，用智能体规划下来，比如原来雇了三个员工，每天干这些繁琐的事情，现在智能体可以轻松取代。第二个，企业里边有一些过去想做做不了，想解决解决不了，非人不可的关键职能，现在智能体可以干了，就可以把员工给取代了。

我举个例子，某个省有39家钢铁企业，他们想找我打造一个钢铁大模型，我说这活没法干，因为专业大模型要回答解决什么场景的问题，什么场景打造什么智能体，还要问智能体是什么角色。他们后来把钢铁制造的全过程拆出142个场景，不夸张的讲，每个场景都可以打造若干个智能体。

事实上，哪怕企业里不用人工智能，老板也要做出流程规划之后，才知道要招什么样的员工，岗位上放什么技能的人。 只不过用上大模型之后，这里边的员工被智能体取代了。

我比较喜欢的一个例子是这次去美国考察，斯坦福医学院有一个AI改造。他们过去有三件很繁琐的事儿：

第一，看病不能直接挂号，必须通过社区医生、家庭医生发传真，传真都是手写的，斯坦福就需要有100多人的队伍专门看传真，往电脑里录入数据。

第二，录入数据后再跟人打电话，预约看病时间。

第三，看完病以后，要有一个专家把看病过程、治疗过程、开的药写成报告，发给保险公司，这个报告写得好不好，直接决定保险公司报销的比例。

这三件事都是刚才说的很繁琐、很累人、很重复的工作，过去非人干不可，直到他们打造了三个智能体：一个智能体专门看传真，因为它有多模态，能够识别手写，能识别图像，把传真录到数据库里；一个智能体也有生成能力，能听得懂人话，给对方打电话，不聊风花雪月，不会漫无边际，就是约来看病的时间；第三个智能体是拿医院里原有的几万份报告，训练一个垂直大模型，专门给保险公司写报告，这就不是外面通用的大模型能干的事情。这三个智能机引入之后，他们减少100多人的队伍，这就是降本和增效。

那天我在360内部，把这个例子讲了一下，有团队就做了类似的工作。过去有一个业务，用户付完费之后，要把支付宝手机截图发到员工手机上，员工识别之后，再把数据录入到5个不同的数据库里，大概经过很繁琐的3个小时的操作，才能把用户的数据给处理了。现在用同样的思路，定义一个智能体之后，2分钟就自动把这个事就给干了，不仅省了人力，而且提高了用户体验。

2023年是大模型之年，谈的是大模型技术本身的突破，2024年是专业大模型之年，是大模型的应用场景化落地，2025年是智能体之年，充分利用垂直大模型对应打造智能体，让大模型全面在企业里真正实现自动化和智能化的降本增效。

智能体有六大应用方向：

第一个，人人智能。 智能体AI是一个赋能工具，可以让我们每个人都有超能力。很多人都有想法，但是缺乏技能，智能体能帮助我们，比如用AI帮你赚钱，用AI帮你编程，用AI帮你讲课，这对原来的软件而言，是巨大的突破，每个人在不同方面需要不同的智能体帮助，就像每个人携带一个超级知识专家，随时获得帮助，这是很大的机会。

第二个，叫万物智能。 过去叫万物互联，实际上今天所有的智能硬件严格来说都不叫智能硬件，只能叫联网可计算的硬件。从项链到眼镜，从戒指到手表，从个人电脑到家里的机器人，所有的硬件都会被AI重塑一遍。你可以想象，以后家里的硬件每个都长着眼睛，能看明白你是谁，知道你想干什么，都能跟你说话，而且说起来都一套一套的。

比如冯仑半夜起来打开冰箱，想偷喝一罐啤酒，然后冰箱就告诉他，大哥别这么喝了，你血脂都超标了。这不是梦想，如果处理不好，半夜家里三四十种电器互相聊起天来了，那个场景可能会很奇特。

第三个方向，传统企业的数转智改。 怎么利用智能体和大模型加速数字化转型，提升智能化改造，这也是企业打造新战略的核心。企业不一定需要抛弃现在的业务，去做新的业务，毕竟隔行如隔山，把现在的业务流程想一想，有什么业务流程可以用智能体优化，什么业务流程可以用智能体提效，什么业务流程可以用智能体取代低技能、低绩效的员工，这是最大的空间。

第四个方向，面向未来产业。 未来产业都是数字化产业，像大疆无人机、具身智能机器人、机器狗，还有智能网联车自动驾驶，都要用智能体来帮助实现无人驾驶或者无人导航。

第五个方向，科学研究。 去年的诺贝尔奖给了AlphaFold2，以后做科学基础研究，必须得学会用Agent，用大模型，它给你带来新的研究范式，带来新的研究工具。过去发现一个蛋白质折叠结构，一个人可能要研究好几年，现在大模型几分钟就能分析出一个结构。

最后一个方向是AI的安全。 如果AI最后无孔不入，大家会担心，这玩意能力大了之后，会不会给人类造成威胁，就像今天的各种虚假信息。AI的安全必须重视，我们现在也是用AI智能体来解决安全的问题。

刚才讲了半天，就是希望大家建立正确的AI信仰，AI认知，但是光有AI认知是不够的，还要培养AI的素养，才能真正拥抱AI时代，才能幸存。我天天在外面谈，在公司内部讲，我们要是不做AI，我们也会被别人干掉。

提高AI素养，我给大家几个建议，分五步：

第一步，人人AI。 不能光企业里少数人会，企业内部人人都要先用起来，大家对AI熟悉了解之后，将来训练业务场景，训练Agent还要靠一线员工，一线员工要跟AI要合作起来，才能达到效果，因为AI目前不能全面接管你的业务。

你们听过一个笑话吗？某企业做了很多无人配送车，目前为止没有遇到任何问题，行驶很正常，唯一的问题是它的配送小哥，他们遇见这个车总要踹一脚。如果都像这样，AI和一线员工合作就不一定推得起来。

所以，一个企业里面每个人都要强迫自己学，而不是顺从本能。很多人会这么想，我活了50多岁了，我不用AI也活过来了。并不是谁天生就喜欢用AI，要强迫自己，从老板到个人都要用AI，企业对AI的理解才能更深入，AI化才能成功。

用AI的第二步，是把已有的智能体AI用好。 现在全国各大AI公司已经做了很多智能体，比如档案处理、简历筛选、 PPT生成，把企业办公和营销率先AI化。

我举个例子，我们做了1个智能体，专门做录音整理，不像大家想的那么简单，它分成6个场景，比如面试的录音是一种整理方法，看面试官跟他聊得怎么样，比如销售的场景，销售人员回来跟说谈崩了，但是整个跟客户的对话过程录下来可以做分析，包括你跟员工之间艰难的谈话，你决定要处罚一个员工，或者提升一个员工，这些不同的场景都有相应的AI来改造。

第三步，企业最终会发现外部的工具都是通用工具，不能满足需求，你有很多想法，一定要学会让智能体和业务流程结合，打造自定义的智能体。 比如企业有一种独特的需求，把需求定义出来，把智能体大模型的很多能力打散，重新组合起来，这是很多企业和个人需要培养的素养。

关于打造智能体，我跟大家讲两个好消息，第一不需要学习，第二文科生可能比理科生干得更好，因为打造智能体不需要那么懂电脑，而是需要对业务工作人员岗位非常了解，需要很好地跟大模型对话。

第四步，对更大规模的企业而言，如果要用好智能体AI，就要把企业的知识库集中起来。 没有知识就没有大模型的能力，要把企业的内部知识、外部情报，还有最重要的是在员工大脑里、专家脑子里的知识汇集起来。

最后，当企业的智能体多了，数字化多了，智能体之间也要有协作平台。 就像人跟人之间需要协作沟通，假设将来企业里2/3的角色都由智能体来完成，每个人都有多个智能助理，企业里面有智能主管、智能工程师、智能程序员、智能营销、客户代表、智能客服，它们怎么样协作？这需要一个新的智能体协作平台，目前我觉得还离大家有点远。

本文来自微信公众号 ，作者：周鸿祎，36氪经授权发布。