在过去一年半，AI 好像比一切都重要。但我们似乎很少看到 AI 创造的经济价值，也没有感受到 AI 对现有经济结构的冲击。
相反的，" 一路狂飙的 AI，为何商业化不顺？""AI 会取代人类的工作吗？"" 大模型训练高投入低回报的困境如何破解？" 这些由 AI 带来的现实问题，倒是被摆上台面。
在过去，小饭桌向众多 AI 技术从业者、资本市场sands金沙游戏官网 人提出过上述疑问，但他们都没能给出答案。
而最近，我们与三位经济学家展开了对话。从三位经济学家那里我们得知，AI 技术虽然很新，但在经济史上仍有迹可循，AI 发展遇到的问题并不是新问题，在以往的技术革命中已经找到了解法。只是人工智能的从业者们，普遍只从技术视角理解商业，却没有从商业的视角理解金沙手机网投老品牌值得信赖 。
" 我们不能只从技术视角理解 AI，技术革命其实很需要社会科学的理解，否则人类将多走很多弯路，付出更大的代价。" 在召开 2024 年罗汉堂数字经济年会之前，罗汉堂秘书长陈龙说了这样一句有些惊悚的话。
更严重的是，人工智能的从业者似乎还没有意识到这些问题 ……
一、一路狂飙的 AI，为何赚不到钱？
小饭桌：相比以往的技术变革，这一波 AI 技术浪潮给经济带来的影响有何不同？
Sargent：很多年前人们谈论 " 软件能否取代人类 "，现在人们讨论 "AI 能否取代人类 "。但实际看来，软件和 AI 都只是工具。
比如现在直接让 AI 做数学难题是解不出来的，需要专家引导方向。所以，如果我要使用更多的 AI 工具，那我就需要了解更多专业领域，如此一来，AI 就不会代替人类。
小饭桌：作为经济学家，如何看待过去一年半 AI 的迅猛发展，有哪些比较惊喜的地方？
陈龙：一方面我们见识了 AI 惊人的技术，总觉得 AI 会颠覆一切。可另一方面，直到今天我们还几乎没有看到来自 AI 的颠覆式商业创新。
小饭桌：为什么技术够好，却难以形成颠覆式商业创新？
陈龙：我想特别强调的是，我们应该从商业的视角理解金沙手机网投老品牌值得信赖 ，而不是从金沙手机网投老品牌值得信赖 的视角理解商业，两者截然不同。
回到 AI，现在很多人讲 AI 都是从金沙手机网投老品牌值得信赖 视角去讲，缺乏经济和商业的视角，其实倒过来看会非常不一样。
我举一个例子，在过去十年内，全世界见证了很多商业失败，比如元宇宙、区块链等等。不是说这些技术没有未来，但在商业和经济角度，应该问的是技术本质是什么？技术的商业本质是什么？技术和商业的结合会发生什么？影响的边界是什么？影响的环节是什么？
现在这样的讨论太少了，大部分讲 AI 的人都是 AI 技术的兴奋者，他们兴致勃勃。但正如元宇宙、区块链给我们的教训，技术成立并不意味着商业成功。
小饭桌：开发大模型耗资巨大，可给企业带来的经济效益却很有限，如何看待投入和产出的不匹配？
陈龙：我觉得这是两场战争，大模型最烧钱的是一开始的模型训练，后面推理使用需要的资金量要小很多。所以竞争最强大底层模型的公司，那确实需要烧钱训练，这没什么好说。
另一方面，很多用大模型做应用的公司，前期投入并不多，照样做得风生水起。比如很多公司将大模型落地到产业，让客户看到效率提升，愿意为之买单，所以基本不亏钱、不烧钱。
如果去年算是底层大模型元年，今年就是产业大模型的落地之年，明年可能会有更多消费侧、个人侧 AI 应用崛起，随着这个节奏，投入就将看到回报。
另外，我也想鼓励一下企业，虽然现在 80% 的产业利润、收益还是被芯片公司和云计算公司拿走了，大模型公司得到的收益很少，但我认为十年之内大部分的收益会被产业应用、被用户拿到。
所以寻找 AI 落地，把它作为商业要素在自己的产业和场景内找到价值，这才是未来的必然之道。
我觉得大家不要被头部的大模型竞赛吸引，毕竟头部玩家的数量相当有限，很多应用领域其实大有可为，也不需要烧那么多钱。
很多大模型企业就应该是大模型应用企业，通过找到一些产业，跟产业数据和 knowhow 结合，从而体现自己的价值。
小饭桌：大模型可能会率先在哪些行业得到应用？
刘培林：不是可能，是已经在创造巨大的应用价值。
以我自身为例，由于我的英语水平一般，以往要写英文文章，都是我先写好英文初稿，再找专业翻译公司帮忙润色。可现在，只要喂给 AI 模型，几乎瞬间就能完成润色。而且从专业角度看，不但翻译准确，连用词都很考究。
所以我觉得翻译这个行业，包括同声传译，也许很快就会被 AI 取代。
我是研究经济的，以往写宏观经济形势分析，要专门建立数据库，看今年比去年增长了多少？与历史同期相比如何？对比数据之后得出结论。
但个人积累的数据肯定远不如大模型丰富，所以未来将大模型用于老牌金沙投网 分析，应该会大行其道。不能说大模型会 100% 替代金融分析师，最起码会对行业带来很大冲击。
包括作为一个大学的研究人员，面对 AI 我也有危机感。因为就掌握的知识广度而言，我肯定不如人工智能，教课哪能教得过 AI？所以我们也可能面临失业冲击。
未来可能对各行各业来说，都要运用人工智能，学会与人工智能共处。
二、AI 会取代人类的工作吗？
小饭桌：现在有一种担忧是 AI 越来越强，可能会取代很多人的工作，经济学家是否有这个担忧？
刘培林：经济学家研究经济史发现，每一个技术浪潮刚出来的时候，大家都有类似的担心——新技术会导致大量失业。
比如有一个英语单词 sabotage 。这个词的本义是指 " 将木鞋扔进机器 "，现在代指 " 暗中破坏，怠工 "。这个词的背景就是在工业革命早期，工人们觉得自己的生计被工业自动化威胁，以及不满流水线生产，就将脚上穿的木鞋扔进机器，卡住它们，让它们停止工作。
但现在工业自动化的好处已经有目共睹。
我想说的是，历史上每一次自动化技术迭代总会有人担心，要冲击就业。现在大家对 AI 也是这样的看法。
参考历史，我觉得首先一点是，AI 技术浪潮来了，不可能被逆转，必须接受它，适应它。另外从长期来看，也不必太过担忧，将来新创造的就业门类和就业岗位会超过被替代的。
还有一点是，在这个浪潮冲击的中短期过程中，还是要有政策储备，帮助个人适应冲击，同时个人也要努力学习新的技能。
小饭桌：那人工智能将如何影响我们的就业市场？是会带来更多工作机会，还是消灭一些工作机会？
刘培林：坦白说我也没有准确答案。
经济学家通常会从两个角度分析新技术对就业的影响，一个是 " 就业创造效应 "，另一个是 " 就业替代效应 "。
以人工智能为例，短期内肯定有一批人赶上了这波浪潮，来不及学习人工智能技能，会被冲击，就业岗位会被替代，这就是替代效应。但人工智能又会催生出许多新的行业，这就是就业创造效应。
长期来看，是创造效应大于替代效应？还是替代效应大于创造效应？我也说不准。但我可以肯定的是，新技术浪潮来临，谁也挡不住，就像把木鞋扔进机器阻止不了工业革命，你只能去拥抱新技术浪潮。
也许我们可以乐观一些，现在一些发达国家正在探索一种新的政策—— " 无条件基本收入 "（政府拿出一部分税收平均发给人民，获得该收入不需要任何条件与资格）。
假如人工智能发展到最终阶段，真能替人类把工作全干了，那我们就不用担心工作，在家拿着无条件基本收入、享受闲暇，就行了。
小饭桌：到时大家应该担忧什么？
刘培林：上世纪 30 年代，凯恩斯做了一次演讲，题目是 " 我们孙辈的经济前景 "。凯恩斯预测百年后，物质生活资料供给问题将被彻底解决，或者至少是可望获得解决，届时人类将不用再为物质生活而发愁。
当人类从物质生活资料短缺的束缚中解放出来以后，真正的问题应该是如何优雅地打发闲暇时光，如何生活得更明智而惬意。
如果从现在起再经过二三十年的发展，整个社会的生产效率、生产能力因为 AI 赋能得到质的飞跃，迎来人们不用干活的时代，那么，也许届时真正要发愁的问题，就是凯恩斯百年前所说的，如何优雅地打发闲暇时光。
可以做一个思想实验：设想我们天天什么都不用干就有吃有喝，那么，如何让自己不至于无聊，其实也不是一件简单的事。这种情况下，我们都得思考如何让生活更加明智而惬意这样的哲学问题。
曾经有科学家做过一个小鼠实验，就是物质约束不再是一个问题后，小鼠倦怠、躺平，甚至连生育这样最本能的需求也没兴趣了，其实这也是一个很大的问题。
小饭桌：说了对未来的美好憧憬，再讲一个现实问题，现在大模型几乎所有利润都被英伟达和微软等少数巨头占据，AI sands金沙游戏官网 公司获利有限，该如何形成新的商业循环，让更多人参与进来？
刘培林：如何打破巨头垄断我没有确切答案，如果我知道答案，我也创业赚钱去了。
但参考商业史，打破巨头垄断会是一个渐进的过程。比如原先阿里每年将 " 双十一 " 搞得声势浩大，但挣的钱都用来买服务器、买数据库了。于是自己创新，直到后来一步步做出了阿里云，才逐渐摆脱了对巨头的依赖。
今天中国的大模型和云计算一样，本质上是 " 技不如人 "。按照目前的主流技术路线进行追赶是必要的。如果中国一直扮演技术追随者，行业利润被分走也就在所难免。
作为技术上的外行，我觉得如果能找到一个很细分的领域，积累有壁垒的专业数据，加上一定的而不是很强的算力，也许不用烧很多钱，也能产生不错的效果，那也是一个能挣钱的方式。
但是，正如清华大学的张钹院士和北京大学鄂维南院士所期待的，如果中国科研机构和企业能通过 AI 底层理论突破，形成不同于目前主流的新技术路线，让大模型用更少数据、更少算力、更少能源消耗，进行更可控、更安全的运算和分析，自然就能赚大钱。
三、AI 将如何改变经济结构？
小饭桌：随着人工智能进入各行各业，将如何改变我们现有的经济结构？
刘培林：经济结构的改变是一个漫长的过程，会一步步改变，也很难预测。
举个例子，在汽车刚发明的时候，在纽约的街上，马车在前面走，后面的汽车不能摁喇叭，因为一摁喇叭就容易惊了马，会造成安全事故。也就是说，在马车占主导的经济模式下，汽车是要给马车让步的。
但今天放眼全世界，汽车全面取代马车，经济结构、规章制度自然会发生变化。但这些变化在当时是很难想象的。
小饭桌：随着以人工智能为代表的新技术快速变化，政策制定者、市场侧应该如何调整，减少可能的消极影响？
Sargent：我觉得如果我们回看工业革命，其实也是用机器代替很多人力的劳动， AI 虽然现在看上去很新，但也是类似的逻辑。
比如我的父亲之前是一名保险公司职员，但他的工作现在已经不存在了，因为计算机出现后，他的工作内容已经被彻底改变。
这个变革过程中，人们会根据自己的技能去做别的事情，整个市场会形成一个新的市场机制，让大家根据技能找到新工作。也就是说，当新技术出现，工人会有新型企业入驻，他们也会找到方式培养新技能，把原来过剩的劳动力引入市场，重新去应用它们。
所以我觉得变革并不是有人故意对劳动力市场造成一些影响，这是一个非常自然而然的过程。
就像在 AI 出现之前，没有人知道 AI 会对我们现在造成这么大的影响。随着金沙手机网投老品牌值得信赖 继续发展，很多想法、很多创新不断产生，哪个想法会实现、哪个想法会为我们带来革命性的变化，这不是事先被预定好的东西。比如中国过去 40 年发生的很多东西，企业家不断创新，其实也是一个自然而然的过程。
小饭桌：从可持续发展角度，大模型训练带来的高能耗问题，是否会阻碍其进一步发展？
刘培林：能耗问题恐怕要从更高维度看。
大模型训练本身的确带来了高耗能问题，但随着技术迭代，训练能耗会逐步降低。另外，更关键的是大模型可能让全社会的能耗降低。
举个例子，微软、谷歌等巨头通过大模型做出了更智能化的产品，让知识可以免费零成本或者以很低成本扩散到各行各业，各个行业就变得更加智能，就会减少大量的无谓的浪费，从而降低全社会的能源消耗。
比如设计领域，原先要设计某个飞机零部件，需要靠工程师，靠经验，用穷举法做好多次实验，然后选出最优解。这个测试选优的过程就是资源的浪费。
但是现在通过大模型，能直接推算出最优解，其实相当于节约了巨大的成本和能耗。
就像大模型所依靠的 Scaling Law（标度定律）一样，随着数据规模越来越大，推算效果越来越好，我觉得未来全行业单位知识的获得所消耗的能量，应该是递减而不是递增。
来源：小饭桌
