「對人類最危險、最不可持續的事情，就是關掉創新引擎，不發明不創造不進步，才是人類最大的威脅。」
在神奇的非洲大地上，黑人兄弟們有著千奇百怪的交通工具，比如十八手的奧拓，車頭少一半的解放牌卡車以及給用來拉香蕉的自行車二八大槓，這些黑人兄弟被網友親切的稱為「奧德彪」。
往前數幾十年，我們的父輩又何嘗不是靠落後工具謀生的“奧德彪”，為什麼今天的我們不再是了？ 先進的工具釋放了更多生產力，創造了更多就業機會。
當前，最先進的工具就是AI。
在ChatGPT、文心一言等大模型掀起全民AI浪潮後，所有人都有一個疑問：我的工作會不會被AI取代？
「大家能夠看到現在的工作會消失，但是我們看不到什麼新的工作機會會被創造出來。就像100年前、200年前那些人，看不到後來產生的新的工作機會一樣。我個人是屬於樂觀派，我不擔心大模型會導致人類工作機會減少、生活會變差。」在5月18日舉辦的天津智能大會上，李彥宏給了答案。
AI必定會讓一些人看起來像是“拉香蕉的奧德彪”，但也會讓更多人開上新技術的快車，帶來新的增長奇蹟。
新工具與舊工具碰撞後的結果，已經被歷史無數次驗證。
當汽車取代馬車的時候，馬車夫大量失業，但出現了司機這個平替職業，此外汽車龐大的產業鏈也創造了數以億計的就業崗位：在中國，就有3000萬人從事與汽車相關的工作。
如果汽車沒有普及，馬車的相關工作能撐起3000萬中國人的就業嗎？別的不說，製造環節人力就會完全被機器淘汰，就像今天沒有中國企業會僱用工人磨繡花針一樣，但國外呢？ 「拉香蕉的奧德彪」就是答案。
放到全球，落後的生產力一直都在，未來被AI淘汰的行業、職業在生產力落後的國家和地區依然會是搶手貨，因為這本就是一個法拉利與二八大槓共存的世界。
當更先進的工具誕生時，不管會不會造成一些人的失業，會不會影響某些人的利益，它都會被使用。
在發達的歐美國家，卡支付依然是主流，這在中國人民看來簡直是一個笑話，但卡支付已經成為歐美的生活方式的時候，我國還在大規模使用紙幣、打白條的原始方式，只不過是中國誕生、普及了行動支付這類先進工具，讓我們實現了彎道超車。
這次AI的競爭中，我們能否再次彎道超車？ 百度的擔子很重。
百度是全球大廠中第一個做出生成式AI產品的公司，在3月16日，百度文心一言正式啟動邀請內測後，已經有200萬用戶排隊，幾十萬家企業申請測試文心一言。
同時，百度也是全球唯一在晶片層、框架層、模型層、應用層全端佈局的企業，全端佈局能夠實現層層反饋，端對端優化，這意味著文心一言天然具備極大的“加速度”，發布一個多月後，文心一言的效率已經提升了接近10倍左右。
在市場層面，全端佈局帶來的優勢已經開始顯現。
不久前，百度智能雲向上百家企業合作夥伴展示了正在內測的全球首個一站式企業級大模型生產平台“文心千帆大模型平台”，截止目前，已有超過300家生態夥伴參與文心一言內測，在400多個企業內部場景取得測試成效。
對於一個高速發展的國家而言，產業不可能是一成不變的，就業一定是動態平衡的，90年代的鐵飯碗被打破的那一刻起，我們就應該意識到這一點。總是有人會在新工具來臨時成為“拉香蕉的奧德彪”，不管這個工具是蒸汽機、內燃機、計算機還是AI，但另一面，新的工具會造就新的產業機會，新的產業機會能造就出許許多多的就業機會。
會上，李彥宏展示的數據顯示：第一次工業革命，帶來了全球人口和人均GDP的第一波成長浪潮；第二次科技革命，成長更快：80年時間，世界人口成長了2.7倍，60年時間，世界人均GDP就翻了3.2倍；第三次科技革命的30年時間，世界人均GDP就翻了2.8倍。
「人工智慧是堪比歷次工業革命的大浪潮，一定會創造全球經濟的下一個成長奇蹟。」李彥宏給出了堅定的預判。
先進工具和落後工具帶來的經濟和就業成長是質的差距，這或許也是為何我國在供給側改革中不斷強調「產業結構優化升級」的原因。
AI所帶來的結果多半也是動態平衡乃至是動態成長的：一方面，AI產品的開發、維護、更新勢必需要大量專業崗位，這個變化就像取代馬車的汽車產業；另一方面當AI全面普及之後，只要思路活躍、表達清晰，機器就能轉化為個人生產力，這意味著很多“人口”會因為AI而變成“人才”，某種程度上AI是給“人才紅利「加了一個槓桿。
「對人類來說，最大的危險、最大的不可持續，並不是創新帶來的不確定性。相反的，我們停止創新，不發明不創造不進步，按照慣性走下去，所帶來的各種不可預測的風險，才是人類最大的威脅。」李彥宏最後說。
以下為李彥宏演講實錄：
各位領導、各位來賓：我今天帶給大家的題目叫做《大模型改變人工智慧》。剛才龔克也講了，人工智慧在過去這半年當中，受到的關注度比以前高了許多，最主要的是因為出現了生成式的人工智慧。而生成式人工智慧底層技術，其實就是大模型。
那麼大模型為什麼會改變人工智慧呢？是大算力、大模型、大數據，導致了智慧湧現，什麼叫智能湧現？過去的人工智慧是，我想讓機器學會什麼技能，就教它什麼技能。教過的有可能會，沒教過的就不會。大模型出現所謂的智慧湧現之後，以前沒教過的技能，它也會了。這就是為什麼有人講，我們現在朝著通用人工智慧方向發展。
同時，人工智慧發展方向從辨別式走向生成式。什麼叫辨別式？我們過去比較熟悉的人工智慧的應用，基本上都是辨別式。比如說人臉識別，過來一個人，我辨識這個人是誰，或不是誰。這個是典型的辨別式。搜尋引擎也是典型的辨別式人工智慧。使用者輸入關鍵字或一段話，他要找的東西，我們在全網進行匹配，哪一個網頁，哪一段內容是他需要的，這是辨別式人工智慧。
什麼叫生成式人工智慧？今天我想寫一份申請書，你寫一下給我。或者說，我週末請客，10個人，需要出一份菜單，這個無所謂對錯，但是它能給你一些感覺，給你一些創意，給你一個好的基礎去發展你的思路。或者說，給我畫一幅車水馬龍的圖片。這種東西，過去人們不覺得是人工智慧該做的事，現在可以做了。
那麼這樣會導致什麼呢？導致人們的工作效率大幅提升。比如說，在內容創作、客戶服務、翻譯這些工作，它的效率會大幅提升。所以我們也看到，很多研究機構都認為，在未來的10年，很多工作它的效率會倍增的。同時也帶來一些擔心，是不是這樣的效率提升，會使得很多人的工作就沒了？這些人工作丟掉之後，會不會為我們人類帶來不可預測的問題。
其實這個事兒我也講過很久，最好的去探知答案的方法，其實是回顧過去。因為很多人也覺得，人工智慧是第四次產業革命的標誌，我們可以看看之前的產業革命都取代了哪些工作？
200年前，從井下背水的工作基本上消失了。第一次產業革命是蒸汽機的發明，蒸汽機發明第一個應用就是採礦的水，怎麼能夠把它用機器弄上來。井下背水這些工作的消失，帶來了什麼？讓我們來看一下，實際上產生了很多新的工作。
這100年，我們看到世界人口出現了高速成長，跟之前的一、兩千年人口成長速度相比，快了很多。同時，人均GDP也幾乎是在同樣地快速成長。這說明什麼？說明雖然有些工作機會沒了，但是更多的機會出現了。人們工作效率的提升，可以養活更多的人，而每個人的生活又變得比以前更好了。從井下背水那個工作，真的不是什麼好工作。
100年前，馬車夫的工作消失了。這張圖片是1913年紐約第五大道的一張圖片，這張圖片裡幾乎已經全部都是汽車，只有一輛馬車。那會兒，紐約到處都是賣馬肉的，馬也沒用了，後來出現了許多新的工作。 1900-1990接近90年，同樣的規律，世界人口持續高速成長，每個人創造的價值繼續高速地增長。
30年前，我們這一代親身經歷，也就是我大學畢業前後，有什麼工作消失了？打字員的工作消失了。現在年輕一代沒有看過打字機的，但也出現了許多新的工作。同樣的規律，世界人口持續快速成長，人均GDP持續快速成長。
歷史雖然不會重複，但確實有它的規律。那麼這次，為什麼那麼多人會擔心AI會讓工作機會減少呢？我覺得是因為，大家能夠看到現在的工作會消失，但我們看不到有什麼新的工作機會會被創造出來。就像100年前、200年前那些人，看不到後來產生的新的工作機會。我個人屬於樂觀派，我不擔心大模型會導致人類工作機會減少、生活會變差。
那麼大模型怎麼重新定義的人工智慧？剛才萬鋼主席也講了，人機互動的方式改變了。其實過去幾十年來資訊產業的發展，人機互動的方式發生了三次變化。
更早我們就不說了，命令列是我讀大學讀研究所的時候，主要的工作介面。人機進行交互，是透過命令列。我輸入一個命令，它給我想要的反應。我當時覺得這個東西效率很高，但是大多數人不會這種操作。
更簡單的人機互動方式是什麼？是圖形使用者介面（GUI）。這個起碼很多人能看懂了，比第一個要友善一點。但它仍然不是最自然的互動方式。我要搞清楚怎麼重設一下電腦的自動睡眠時間，我得經過四級菜單，一層一層地點進去，才能找到這個位置。有多少人能記得四級選單以後，每個功能在哪？
人工智慧的誕生，讓我們可以用自然語言跟著電腦互動。當我有需求的時候，比如說我想查一下上個月，2023年4月，我的公司每一個產品線，有哪些產品的毛利率超過了疫情前的水平？這樣一個課題，在過去很可能需要我的助理花半天一天的時間才能獲得。今天，如果電腦懂你的自然語言，一秒鐘之內就可以給你一個表格。
大模型也會重新定義行銷和客服。其實道理很簡單，就是誰擁有最佳的跟客戶溝通的方式，誰就會擁有這個客戶。這個道理不是因為AI的產生，不是因為大模型的產生，只不過技術使得我們實現的可能性，變得比以前多了許多。今天即使你有70億個客戶，你的每個客戶也都可以有一個專屬的7×24小時的、什麼都知道的助理去服務他。
大模型是一個基礎，大模型之上會有各種人工智慧的應用。最近這段時間討論比較熱的是，AI時代的原生應用到底長什麼樣子？我給大家舉幾個例子：
比如說像DoNotPay，這是什麼呢？比較典型的應用場景是人工智慧律師。比如說，你在美國開車超速了，超速之後警察給你一個罰單，通常繳幾百塊。其實你可以不交，你請一個律師幫你打官司，就可以不交了。但請律師的錢，可能是罰單錢的兩倍，所以你不請了。今天請AI當律師，你就可以不繳那個錢。
Jasper是行銷創意的生成工具，你的公司想要出什麼樣的創意，它來幫你出，所以效率高很多。
Speak是韓國的軟體應用，實際上是教你學外語的，模擬各種場景，你要到餐館點餐，跟對方談判，你要跟對方怎麼交互，上百種語言都可以做得非常好。
對於百度來說，我們的大模型叫文心一言，兩個月之前發布的，應該說是在全球大廠當中是第一個發布的。之所以我們要盡快發佈出來，是因為市場有非常強烈的需求。目前有200多萬的用戶在排隊等待測試，也有十幾萬家企業希望接入文心一言進行測試。
當然百度在這方面的投入，其實不是剛開始的，不是這半年才開始的。我們從2019年發布了文心大模型的1.0，到現在已經有四年的時間。更早的時候，我們從2013年左右就開始人工智慧投入了。
人工智慧之所以有這麼大的變化，其實不只是它的應用場景的變化，實際上背後的技術堆疊也發生了非常根本的變化。
我們每個人都熟悉的IT的技術堆疊是這三層，底層是晶片層，典型的公司是英特爾、AMD、高通，它的晶片叫做CPU；中間層是作業系統，在PC時代就是Windows ，在手機時代是安卓和iOS；上面是應用層，PC時代所有的人都給Windows開發軟體，在行動時代所有的人都給安卓和iOS開發應用。
今天人工智慧時代的到來，改變了這個格局。現在的IT技術棧變成了四層，底層仍然是晶片層，但是主要的晶片已經不是CPU，而是以GPU為代表的，新一代適合併行大規模浮點運算的晶片。上面我們叫做框架層，就是深度學習的框架，像百度的PaddlePaddle飛槳，Meta的PyTorch，Google的TensorFlow都是在這一層。再上面一層是模型層，今天的ChatGPT、文心一言等等，這些是屬於模型層，以後AI時代的原生應用，都會基於大模型來進行開發。
這方面百度有比較明顯的優勢，我們在四層當中每一層都有比較領先的產品，比如說晶片層有崑崙芯。這個也做了有十年之久，最早是因為搜尋應用需要，我們買別人的晶片，畢竟太貴了，所以自己開發了。框架層是飛槳，飛槳今天在中國的市佔率第一。在模型層是文心大模型，其實除了文心一言，它是對標ChatGPT的之外，我們還有很多產業大模型，如交通大模型、能源大模型等。應用層的話，像百度搜尋等都是我們比較領先的應用程式。
這四層都有比較領先的產品或技術，有什麼好處呢？就是你可以進行端到端的最佳化，每一層可以給其他層回饋，根據這些回饋你可以綜合的、統籌的去考慮怎麼優化。
百度在晶片層的佈局，就是崑崙芯，我們已經有兩代產品，幾萬片的部署，無論是公司內或公司外都在應用。崑崙芯第三代，會在明年初上市。
在框架層，飛槳的框架在中國人工智慧領域已經有了500多萬開發者，也越來越獲得大家的認同。
模型層剛才講了文心一言，在各種使用場景都有不少的應用。未來，我相信會有更多的應用會基於文心大模型發展出來。
在應用層大家比較熟悉的是百度的搜索，百度不可能在應用層什麼都做，我們除了搜索之外，還做了跟交通有關的應用。交通也是非常複雜，影響非常廣泛的方向。
百度做的其實主要是兩件事，一個是自動駕駛，或是無人駕駛的技術，一個是智慧交通。無人駕駛我們做了有十年時間，現在在武漢、重慶都可以商業化的無人的運作。智慧交通我們也做了好幾年了，在不少城市都證明了效果，透過智慧的調整紅綠燈變燈的時間，可以讓我們的城市的交通效率有15%到30%的明顯提升。五一長假前最後一個工作日，很多人也注意到，北京是大塞車，從二環到五環，甚至在六環都是紅的，唯一一片綠的是亦莊，亦莊有智慧交通的人工智慧系統，可以動態調整交通流，所以效率確實是被證明有明顯的提升。
我們也很期待未來在大模型之上，會有各行各業各種應用能夠找到好的應用場景，能夠獲得效率大幅度的提升。
最後，我想說對人類來說，最大的危險，最大的不可持續，並不是創新帶來的不確定性。相反的，我們停止創新，不發明不創造不進步，按照慣性走下去，所帶來的各種不可預測的風險，才是人類最大的威脅。這就是為什麼，百度在這麼多年長期持續的在人工智慧方面進行投入，也是我們為什麼要把百度的使命，在多年前就定義成「用科技讓複雜的世界更簡單」。
謝謝！
以上是李彥宏：AI不會搶人飯碗，停止創新才是人類最大的威脅的詳細內容。更多資訊請關注PHP中文網其他相關文章！
