別擔心它取代你的工作，但會吃掉你的部分工作

內容來源： 網絡信息整理匯編。 責編 | 賈寧 排版 | 拾零 第 9412 篇深度好文：3047 字 | 9 分鐘 閱讀

商業趨勢

筆記君說：

“我們不要懼怕技術變化的速度。歷史上每次技術躍遷，最早學習使用新工具的人總是最大受益者。AI就像當年的電腦、互聯網，早點接觸、早點理解，就能早點獲得優勢。”

這篇文章來自OpenAI首席研究員盧卡什·凱澤爾，他也是人工智能研究領域的資深人士，以下是他在對話中的自述部分，略有刪減。

希望今天的內容，對你有所啟發。

一、AGI（通用人工智能）的重新定義

其實我不太喜歡“通用人工智能（AGI）”這個詞。現在很多人把AGI定義為“能做人類能做的任何事”，但這個定義有問題。

AI和人類根本是兩回事——它在數學、編程等領域已經遠超人類，但在物理世界里，機器人仍然笨拙。讓AI在物理世界取代人類，目前技術上不劃算，經濟上更不劃算。

從去年開始，AI推理模型已經能處理很多專業辦公任務。它不再是幾秒鐘給你一個答案，而是能持續思考幾小時，產出高質量成果。這意味著部分工作流程可以被自動化，讓人類專注于更有創造性的部分。

所以，別擔心AI會全面取代人類工作，但它確實會改變工作方式。就像Excel沒有淘汰會計，但淘汰了不會用Excel的會計。未來，會用AI輔助工作的人，效率可能是別人的很多倍。

當前AI在編程領域的進步就是明證。一年前還難以想象，現在AI已經能編寫復雜程序、處理大型代碼庫、審查安全漏洞。

我團隊里一半的人，現在都是先讓AI寫一遍代碼，再人工微調。這只是開始。

AI不會一次性取代整個職業，但它會逐漸“吃掉”每個職業中重復、繁瑣的部分。律師的法律檢索、醫生的初步診斷、教師的作業批改、設計師的素材整理……你的工作有多少“可重復、可流程化”的部分，就有多少可能被AI增強甚至替代。

二、為什么AI有時聰明有時笨？

所有AI大公司都面臨同一個限制：GPU（計算芯片）就這么多。付費用戶可以使用更強大的模型，但像OpenAI這樣的機構，核心使命是讓更多人體驗AI的能力。

唯一的方法，就是讓免費版盡可能接近頂尖水平——這非常困難，因為需要在有限算力下做極致優化。

所以你會看到有時AI回答很快很準，有時卻顯得“變笨了”。這其實是系統在動態分配計算資源，讓更多人能用到基本服務。

我們不知道算力的上限在哪里，但確定的是：我們需要比現在多得多的計算資源。有人擔心這么多GPU是否能用完，我完全不擔心。即便算力增加十倍，依然有巨大應用空間。我們可以訓練更大的模型，然后精簡優化。市場最終會調節投入產出比，這是好事。

AI服務有時不穩定、有時收費，背后都是算力成本的現實約束。但趨勢是明確的：隨著技術成熟和規模擴大，AI服務會越來越便宜、越來越易得。就像手機流量從昂貴到普及一樣，AI能力正在成為新的“數字基礎設施”。

三、AI從“背誦”走向“思考”

過去幾年，AI主要基于Transformer架構，通過預測下一個詞來訓練。這種模式已經接近瓶頸，因為互聯網上的通用數據基本用完了。

但新的推理范式才剛剛開始，我們已經證明這條路可行，隨著方法改進，這條路的潛力巨大。

關鍵區別在于，舊范式是“預測下一個詞”，新范式是“生成內部思考過程”。AI會為自己創建一些不展示給用戶的“思考Token”，可以調用工具、搜索信息、運行代碼，直到完成整個推理過程，才輸出最終答案。

這意味著，AI正在從“知識庫”變成“思考伙伴”。以前你問AI問題，它給出的是統計上最可能的答案；未來AI會真正“理解”問題，并展示思考過程。這對教育、咨詢、決策支持等領域是革命性的。

AI的進步不會放緩，未來一兩年可能會有劇烈的突破。這確實令人敬畏，甚至有些恐懼。

想象一下，未來每個人都有一個“數字思維伙伴”。它不會直接給你答案，而是陪你一起思考，展示不同的思考路徑、指出你的邏輯漏洞、提供你沒想到的信息維度。這不是替代你的思考，而是增強你的思考。

四、推理模型的本質

新推理模型的關鍵突破是：它學會了在思考過程中“試錯”和“反思”。

比如，它會嘗試一條路徑，發現行不通，然后退回重新思考。它甚至會在搜索時發現信息矛盾后，主動尋找第三個來源驗證。

這多么像人類的學習過程！我們也是通過嘗試、失敗、反思、再嘗試來掌握復雜技能的。

這種能力不是通過簡單訓練獲得的，而需要強化學習。這很困難——你不能從一個完全隨機的狀態開始，必須給AI一定的“思考基礎”，然后小心調整訓練方法。但一旦成功，效果就非常驚艷。

AI思考的時間變長了，因為它要權衡不同選項、驗證不同路徑。它學會了這些，僅僅因為我們給了它“必須得到正確答案”的信號。對人類學習來說，這是很弱的反饋，但對AI卻足夠。

所以，AI的進步路徑對我們特別有啟發意義：真正的學習不是記住更多信息，而是建立“試錯-反思-優化”的循環。無論你是學習新技能還是解決工作難題，主動構建這樣的循環，都能加速你的成長。

那些依賴經驗、直覺、模式化的工作（如看X光片、法律文書審查），會被AI輔助；而那些需要真正創新、跨界思考、人際情感的工作，人類的優勢會更長久。

五、AI正在理解整個世界

最新的AI模型是基于文本、圖像、音頻聯合訓練的。視頻目前被視為圖像序列，但原生化訓練是必然趨勢。

技術上說，我們把音頻、圖像編碼成“Token”（詞元），讓模型預測下一個Token。這種方法效果好得驚人：生成的圖像不再有六根手指，能呈現報紙文字；音頻能表現口音、低語甚至歌唱。

谷歌最新的機器人模型也開始融入推理能力。這在物理世界很關鍵：底層需要快速反應（像本能），高層需要深思熟慮（像理性）。如何結合兩者，需要更好的系統設計。

這意味著AI將從“文本專家”變成“多感官通才”。你可以用語音和它自然對話，給它看一張照片讓它分析，甚至未來它能看懂視頻內容。這種人機交互會越來越自然，就像和真人交流一樣。

視頻數據很多，但大部分信息冗余。如果要訓練機器人，視頻信息至關重要；但要理解抽象概念，文字更有效。語言模型已經掌握了人類大部分抽象世界，現在的短板是對物理世界的理解。

AI的“大腦”會很快成熟，但“身體”（機器人硬件）普及還需要時間。就像自動駕駛，我們以為它會很快到來，結果多花了十幾年。這意味著，在至少未來5-10年，AI的主要影響還是在數字世界、信息世界、服務世界，而不是物理世界。

結語：

在智能革命中，保持底層認知力

未來已來，它屬于準備好的人。未來決定現在，未來將發生什么，決定現在要做什么。

這個未來，既包括全新的AI文明、AI科學，也包括歷久彌新，更需要底層思維的哲學、政治、經濟、商業。

正是在這個時代背景下，筆記俠推出了中國首個面向企業家的PPE（政治、經濟、哲學）課程。宗旨是讓大家回到決策的源頭，重構我們的底層認知邏輯，擁有未來5年的決策底牌。

未來，讓我們一起做保持清醒和篤定的決策者。

希望你是帶領企業走在行業前沿的創始人、CEO，或是核心決策者；

希望你的公司已是細分領域的標桿，或你正帶領團隊在大型企業里擔當要職；

希望你渴望在AI浪潮中牢牢把握方向，做出更聰明、更高效的戰略選擇；

希望你對商業充滿好奇，喜歡深度思考，相信理性決策的力量；

希望你也愿意在交流中碰撞想法，探索未來——

歡迎你掃描下方海報二維碼，咨詢課程詳情。

參考資料：

《2年內AI將“劇烈突破”|OpenAI首席研究員2萬字對話實錄》，數字開物

*文章為作者獨立觀點，不代表筆記俠立場。

好文閱讀推薦：

“子彈筆記”是筆記俠的矩陣公眾號，聚焦職場效率追求、人際關系與高潛成長者，幫你3分鐘吃透核心觀點和方法論。歡迎關注～

分享、點贊、在看，3連3連！