本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：周健工，题图来自：视觉中国

最近几个月以来，ChatGPT是个很热的话题，反映了革命性技术的一个特点：当它问世的时候，不管喜欢它还是不喜欢它，也不管理解它还是不理解它，大家都在谈论它。

通用人工智能

GPT为什么如此聪明？机器学习和深度神经网络在过去十年发展非常快，完成单一任务的能力超越人类的时间越来越短。后来，随着计算模型越做越大，各种单一的能力之间出现迁移，出现了智能的“涌现”和泛化，尤其是在自然语言大模型（LLM）领域，机器智能出现了一些通用化的特征。领先的人工智能公司如DeepMind和OpenAI等，都以实现通用人工智能（AGI）为使命。

ChatGPT是史上用户接受和渗透最快的产品。ChatGPT出来之后，两个月时间，达到了上亿用户。GPT变聪明的速度也非常快。ChatGPT推出来3个月后，GPT-4推出，从参加各种学业和专业的考试的成绩来看，很多方面已经达到甚至超过了人类的平均水平。它在数学、推理、多模态等方面的能力也有显著提升。

人类最聪明的大脑都在加速让大模型变得更加聪明。过去几年，关于人工智能的论文出现了爆炸性增长。全世界最知名的大学都在研究AI或者AI的应用。OpenAI团队都来自全球最顶级的大学和科技公司。最近的研究论文表明，GPT-4具有一些的自我反思和纠错能力的萌芽。GPT还具备了人工反馈的强化学习机制。这使得它在和人类交互中，建立起了数据、学习和智能的增长飞轮，变成了一个学习的永动机。

AI各项能力迅速提升

来源：kiela et al（2021），OurWorldinData

通用技术

那么，我们如何判断这种技术的革命性？谈到技术革命时，大家经常使用一个概念，通用技术（General Purpose Technology），缩写也正好是GPT。最近业界有两篇论文非常有意思，引起我们的关注。

第一篇是GPT-4发布之后，OpenAI、OpenResearch和宾夕法尼亚大学四位教授公布的一项研究结果。GPT-4拥有的“通才”能力，对比美国所有行业和职业中的岗位技能，可以用来分析GPT-4对劳动力的替代程度。这份报告名为《GPTs are GPTs》，标题中的第二个GPT就是通用技术。他们初步观察，GPT照这样发展下去，对就业市场的冲击非常剧烈，对劳动力在未来经济中的作用影响会非常深远，那么它可能就应该是通用技术。

第二，微软的Micosoft Research对GPT做了一百多种的单一任务测试，认为在这个产品已经开始迸发通用人工智能的火花。所以比尔・盖茨最近说“AI时代刚刚开始”。如果了解人工智能已经有70多年的历史，就会觉得这句话具有特别的含义。现在许多人已经开始站在第四次工业革命的高度看待这一轮由ChatGPT突破所引发的新一轮AI科技浪潮。

以下是我们的观察维度：

中国vs美国。当代世界上两个创新力最强大的国家，都在押注这项技术。一些技术的预测能否变成现实，最终通过创新的努力才能实现，是一个自我满足的过程。中国和美国在这个领域投入了大量的资源。从发布的论文数量来看，中国已经超过了美国，而且，中国和美国，各自都超过了后面所有国家总和。

尽管中国的论文数量超过了美国，但是美国在人工智能研究的质量上，还是明显领先于中国。在前一百位引用最高的人工智能论文排名上，基本上都是来自美国的科技公司和大学，很少看到中国的机构。

引用最高的TOP100论文的来源机构

来源：zeta-alpha

中国和美国在人工智能研究上也各有侧重。中国在应用领域发展非常快，比如说视觉领域。中国人脸识别方面取得了很多应用方面的突破；当然，视觉计算在工业领域的应用，中国也走在前列。另外，中国在实体经济领域、对周围环境感知领域做了很多创新。但是，美国做了很多底层的创新、架构的创新，或者说从第一性原理出发方面的创新。整体对比下来，美国显得少而精。

其实中国这几年一直在炼制自己的大模型。全世界几百亿、千亿以上参数规模的大模型数量，中国占全球三分之一，美国占了一半，从数量和规模上，差距不像我们以为的那么明显。

但最重要的是ChatGPT的推出，换挡了整个AI创新的节奏。它建立起了人机之间的自然语言交互，而且自然语言起到了代码的作用，迅速普及了大众，渗透到各种各样的应用场景里。对于中美的差距，大家有各种各样的说法。有的说落后一年到两年，有的说两年到三年，真正的差距，正是在这种动态累积的用户反馈中，它不仅生成内容，也生成技术。

继百度文心一言推出之后，最近大家也在谈论华为的盘古大模型，还有其他大厂或者大学在训练中的模型。中国在今年年底之前，应该会有三到四个大模型，大致相当于去年ChatGPT刚推出时水平。

开源vs闭源。在PC和智能手机时代的互联网，中国没有自己的主流操作系统；现在这种既有的局面似乎又将延伸到AI大模型时代。目前，闭源模式就是所谓的微软+OpenAI，它的芯片是英伟达A100和H100 GPU在支撑，AI时代的云+智能+硬件，类似当年的Wintel联盟。

而开源模式，主要是Google的一些大模型，以及一些学术和欧洲的机构也在做的开源大模型。所以，是不是在AI时代又产生了类似iOS和安卓两大的AI操作系统，值得关注。中国在AI时代，要有自己的操作系统，也一定会有。这一使命是由企业担当，还是由国家推动？

基础模型vs垂直大模型。基础模型似乎已经变得“万能”了。GPT-4说开放安装插件之后，很多人说它已经变成了“宇宙的中心”。企业未来怎么办？其实不用担心，在垂直领域，有丰富的“私域”数据资源和深度业务场景的公司，是可以把自己的深度应用和大模型结合起来做的。这也是目前创业者和风险资本在中国比较看好的创新机会。

大模型vs世界模型。人工智能科学家杨立昆提出，大语言模型不了解物理世界，其智能没有感官基础，不是真正的智能，它只是用统计学和概率的方法，猜测下一个单词的游戏而已，这样的模型，规模再大，也无法克服其固有的差错率。所以，他提出了一个类似人脑的世界模型，最重要是对周围环境有感知。提出这一点是有意义的，GPT距离AGI仍然相当遥远，而AGI的终局在哪里，仍有很大争议，人工智能发展可能有不同技术路径探索，保持多样化的探索是有必要的。

GPT在进入物理世界。这是通用技术很重要的特点。谷歌发的多模态模型，结合了语言模型和视觉模型，让机器人在自然语言交互下，以类人的灵活方式完成了简单的跑腿任务，它已经可以感知周围环境了。而实体经济的领域， 如在建筑、产品和基础设施的设计，制造业，新材料发现，自动驾驶合成数据，供应链及采购等领域，已经开始出现探索使用GPT技术的企业。

人工智能驱动科学研究（AI for Science）。人类和国家面临许多重大挑战，急待重大科学技术实现突破，而很多研发遇到了难以克服的障碍，时间和资金成本非常高，比如说创新药物研发；更加可持续、廉价、易用的能源；气候变化。AI改变整个科学研究范式的可能性，越来越受到重视。

中国更重视这一点。中国科技部会同自然科学基金委近期启动“人工智能驱动的科学研究”（AI for Science）专项部署工作，紧密结合数学、物理、化学、天文等基础学科关键问题，围绕药物研发、基因研究、生物育种、新材料研发等重点领域科研需求展开，布局前沿科技研发体系。

劳动生产率与就业

自去年以来，大量的资金涌入生成式人工智能领域。一半的资金来自微软。实际上这个领域许多最重要的公司，背后都有巨头的影子，这也是Big Tech之争，Big Science之争。微软+OpenAI，同时挑战了其他科技企业的搜索、云计算和SaaS几大业务的市场地位。

目前算力成为一个突出的问题，一方面是中美之间的算力落差，另外一方面是中美都出现了AI算力短缺。微软内部已经出现算力不足，整体给GPT让路的情况。而中国企业则是A100GPU难求。

再来看经济增长。人工智能对于经济增长影响，有两个理论经常被用来解释。第一个是鲍莫尔病。技术提升了一些部门的劳动生产率，如制造业和农业，导致这些部门的单位产品成本越来越低，需要的劳动力越来越少，也会不断压低其产品价格。

而技术无法提升一些领域的劳动生产率，比如说，很多依靠人力或深度技艺的服务业工作岗位，如教育、医疗、政府等服务部门，这些部门的单位产出成本会越来越高，会推动其价格上涨。这样两个部门的存在，使得技术进步对整个经济的劳动生产率提升的效应并没有那么明显。

服务价格上升幅度超过商品

这就产生了索洛悖论。信息技术革命发展这么快，但是为什么表现在统计数据上，总体劳动生产率增长放缓？经济学家们争论不休，但是自动化、信息技术和人工智能把高效领域的劳动力推向低效领域，尤其是发达国家的服务比重越来越大，对劳动生产率的影响，成为一个比较有力的解释。从这一点来说，人工智能能否对整个经济带来一场生产力革命，显著提升劳动生产率，取决于它能否治得了“鲍莫尔病”。

据上述研究，对GPT暴露最小的依然是动用体力的服务业，而暴露最大的职业中，大部分是白领职业。

历史上曾经发生过这种情况。当年，Excel等电子表格出来之后，淘汰了一些数据录入和表格维护类的职业，但是它又造就了基于数据分析的新职业，而且新生的比淘汰的职业数量更多。由于GPT-4可以通过自然语言实现人机交互，大模型也表现出强大的编程能力，码农圈内已经传出声音，整个程序员职业会面临一次大清洗。这次会不会和以往不一样？

我们做了初步统计，从去年12月ChatGPT出来之后，美国在知识最密集的三个领域，硅谷、华尔街和咨询，一季度的裁员数量初步统计16万，数量已经超过了去年一整年。这固然有经济衰退方面的原因，但它首先表现为“白领衰退”，在一定程度上反映出就业市场对人工智能替代一些知识工作岗位，已经开始产生预期。

经济奇点

美国一些经济学家，在金融危机之后，面对经济增长的“长期停滞”，探讨未来增长的可能性在哪里。其中之一，就是将来通用人工智能可能全面超过人类智能，带来劳动生产率的极大提升，经济会面临一个奇点，机器基本上完全取代了人类的劳动力，会在有限时间内产生无限生产力。这个理论当然受到了AGI信仰者们的拥抱。

OpenAI联合创始人之一奥特曼（Sam Altman）相信，摩尔定律不仅是半导体的创新速度，而且适用于所有人类技术创新。

按照奇点的假设，AI会取代劳动力、资本和全要素生产率。世界上只剩下两种要素推动经济增长，一个是土地，一个是资本。这两个是创造财富最基本的要素。

当生产力达到这个程度的时候，生产关系一定要做调整。当年凯因斯所担扰的“人类闲暇的过剩”，最终导致大多数劳动力可能沦为“无用之人”。这些人要怎么养活呢？于是有人提出全民基本收入的分配制度（UBI）。对于生产力奇点的假设，一些经济学家建立各种各样的模型，发现要么根本无法实现，要么还非常遥远。

马斯克挖苦说，人工智能已经成为那些AI科技专家们创造的一个新上帝。

AI的发展，让我们知道我们不知道的，也让我们不知道我们不知道的。炼制大模型的工程，与社会实验工程正在结合。

本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：周健工，此文为在英飞凌汽车创新峰会上的主题演讲，略有调整

达能集团委任全球创意代理商;VMLY&R任命亚太区首席创意官（广告狂人日报）

达能集团委任全球创意代理商

日前，达能集团计划将其大部分全球创意业务统一交给法国汉威士集团麾下的创意公司BETC来负责。达能集团旗下主要品牌包括依云、波多、Activia和Silk，以及达能、Dannon和Oikos等酸奶品牌。作为汉威士旗下的精品创意厂牌，BTEC很长时间都是依云水的主导创意代理公司，也创作了一系列闻名遐迩的广告战役。不过，2021年3月，依云决定将全球领衔创意业务转移到W+K阿姆斯特丹，但依旧保留BTEC打理法国市场。时隔两年，这一次BETC巴黎算是把创意领导权夺回来了。

VMLY&R任命亚太区首席创意官

达邦WPP旗下的品牌和顾客体验代理机构VMLY&R宣布将澳新区(AUNZ)首席创意官保罗?纳吉（Paul Nagy）晋升为亚太区首席创意官，以表彰他在澳新市场取得的卓越成功和创意成就。他的新职位将覆盖亚洲和澳新区10个国家的21个分支机构。他将帮助加强客户合作关系，并通过品牌故事和创造性创新，在品牌和受众之间建立更深层次的联系。

OpenAI就ChatGPT安全应用发文：个人信息可从训练数据集中删除

4月6日消息， 美国当地时间4月5日，ChatGPT研发公司OpenAI在其官方博客发布文章《我们保障AI安全的方法》，回应外界对其AI模型安全性的质疑。文章介绍了ChatGPT六个方面的安全部署，包括构建日益安全的AI系统、在实际使用中学习改进安全措施、保护儿童、尊重隐私、提高事实准确性，以及持续研究和参与。OpenAI要求用户必须年满18周岁，或在父母同意的情况下年满13周岁才能使用AI工具。OpenAI强调不使用数据来销售服务、做广告或建立用户档案，并努力在可行的情况下从训练数据集中删除个人信息。

和智传信成为中国4A新成员

中国商务广告协会综合代理专业委员会召开2023年全员大会，和智传信品牌管理顾问（北京）有限责任公司被正式授牌，成为中国・4A新会员。2022年12月7日，中国・4A第十七届第二次理事长联席会上投票表决，同意接受和智传信加入4A入会申请。本次授牌，标志着和智传信正式步入国内品牌整合营销行业一流梯队，同时也彰显了和智传信十年躬耕的卓越成绩，专业能力已经获得了业界的高度认可。

AppLovin发布2023年移动广告创意趋势报告

AppLovin是赋能开发者的全球领先的增长平台，本月发布了首份《2023年移动广告创意趋势报告》，并揭示了2023年以效果为导向的最佳移动广告创意的发展趋势。报告为各个领域的移动应用开发者和营销人员提供了切实可行的见解，助力其移动广告业务大踏步向前迈进。SparkLabs是AppLovin旗下的创意团队，此次针对2022年移动广告的523亿次展示、224亿次点击和2.67亿次安装，以及数以万计的广告创意素材进行了深入的分析，最终得出获得最高ROI、效果最好的广告理念和变量。

广告狂人网站编辑部出品转载请注明出处，违者必究