2024 年第一次震撼！第 4 个被 AI 彻底消灭的职业出现了

2024 年春节，人们迎来的第一个震撼人心的消息是，人类输了。

2 月 16 日，2 年前靠着 ChatGPT 技惊四座的 AI 界顶流 OpenAI 发布了他们的最新成果——视频生成模型 Sora，又一次震撼了全世界。

更引人注目的是，在 OpenAI 发布的演示视频下，" 科技 先驱 " 埃隆 · 马斯克回复了一条：

"gg 人类 " ( gg humans ) 。

"gg" 则是竞技 游戏 里的常用语，是 " 打得好 " ( good game ) 的简写，一般是失败方在结束前表示认输的话语。

引申到马斯克的评论上，就是：

人类输了。

1、恐怖的 " 婴儿 "

AI 是信息世界的革命，而信息革命本质上就是在传递数据的效率因量变而质变的过程。

纵观人类信息时代的迭代发展，从文字，到声音，到图像，到影像，每一波变革浪潮都遵循这一规律，变化依次发生在信息量更高、信息密度更大的领域。

OpenAI 的成功，毫无疑问顺应了这一四阶段论。

第一阶段：文字—— GPT3 ( 2019 年 6 月 ) ，

第二阶段：声音—— Whisper ( 2020 年 12 月 ) ，

第三阶段：图像—— DALL-E3 ( 2023 年 9 月 ) ，

第四阶段：影像—— Sora ( 2024 年 2 月 ) ，

最早的 ChatGPT 以超高质量的文本内容撼动世界，让大众第 1 次真正感受了 AI 的魔法，随后说话的 WHISPER、画画的 DALL-E，分别在两个领域拓展了 AI 的能力。最后三大能力结合，就有了如今可以在虚拟世界中 " 创世纪 " 的 Sora。

但是，Sora 并不是许多 媒体 鼓吹的那样，是 AI 成功的标志。

正相反，在这一轮完整的文字 - 声音 - 图像 - 影像迭代过后，我们才刚刚可以说，AI 终于 " 诞生 " 了。

在 Sora 的介绍页面上，OpenAI 开宗明义地讲述了他们的野心—— " 理解和模拟运动中的物理世界 "，这也是第 1 次有产品摸到了这个人类在 AI 领域终极目标的门槛。

正如人类在产生对这个世界的广泛认知之前，首先需要在婴儿的懵懂阶段，大量输入和学习所在的世界的基本知识。

在 AI 能够 " 理解和模拟 " 这个世界之前的这个阶段，就相当于在观察和学习这个世界的 " 婴儿期 "。

令人惊叹的是，这个 " 婴儿 " 的成长速度何其迅猛 ! 它在短短的 3 年时间里，完成了人类信息时代千年的发展历程。这种成长的速度之快，简直让人瞠目结舌。

结合现实来看，这种速度几乎带有 " 恐怖 " 色彩。

也就是这短短几年间，AI 已经取代了 自媒体 编辑，赶走了插画师，驱逐了配音演员，如今眼看着要大举进入动画和游戏领域，淘汰建模师和特效师。

而这还只是个开始。

根据皮亚杰认知发展阶段理论，人的认知水平进步分为 4 个循序渐进的过程，分别是：

1、感知运动阶段 ( 0～2 岁 ) ：儿童主要通过感知运动图式与外界发生相互作用 , 一般在 9-12 月 , 儿童获得客体永恒性。

⒉、前运算阶段 ( 2～7 岁 ) ：儿童进入智慧发展阶段 , 思维已表现出了符号性的特点 , 但其思维具有具体形象性、不可逆性、自我中心等特征 , 尚未获得守恒的概念 . 存在泛灵论的思维。

⒊、具体运算阶段 ( 7～11 岁 ) ：儿童具有了明显的符号性和逻辑性 , 能进行简单的逻辑推演 , 克服了思维的自我中心性 , 获得了守恒的概念 , 思维可逆 . 但这一阶段儿童的思维活动仍局限于具体的事物及日常经验 , 缺乏抽象性。

⒋、形式运算阶段 ( 1l～15 岁 ) ：儿童总体的思维特点是能够提出和检验假设 , 能监控和内省自己的思维活动 , 思维具有抽象性 , 思维可逆和补偿。

以 Sora 的水平，顶多可以称其为第二阶段。而仅仅是这么一个婴儿，已经开始大肆抹杀人类在社会上的存在感了。

如果 AI 真的可以 " 理解和模拟运动中的物理世界 " 了，能给世界提出独特的解决方案了，那人类社会会变成什么样 ?

当然，这个问题我们短期内是无法获知了。

当下最适合做的事，是往回退一步，思考一下既然一样东西注定要替代人类，那在那个时刻到来之前，我们能不能从中先获得什么利益 ?

2、三大绝佳风口

从 AI 之前的发展历程来看，推动其发展的三大核心因素分别是人力、数据和算力。

人力指的是算法、数据方面的人次，好比上学时的导师，教会 AI 一系列认知世界的基础方法并培养其专业能力。

不同的专业导师会培养出不同的形态，因此 AI 算法工程师会变得越来越值钱，而研发 AI 有效算法的企业也会越来越有价值。

2020 年一份中国 AI 企业调查显示，推进人工智能探索应用最主要的障碍是 AI 专业人才的缺乏，占比高达 51.2%。

工信部发布的数据显示，人工智能不同技术方向岗位的人才供需比均低于 0.4，说明该技术方向的人才供应严重不足。从细分行业来看，智能语音和计算机视觉的人才供需比甚至低至 0.08、0.09，100 多个岗位抢 1 个人，相关人才极度稀缺。

近年来，高校纷纷增设人工智能专业。截至 2022 年，全国先后已有 4 批共计 440 所高校获批设置 AI 专业，占 1270 所本科高校的 34.6%。2020 年— 2022 年，分别有 180 所、130 所、95 所高校获批开设 AI 专业。

但情况并没有多大好转。

这一方面是人才培养需要时间。

根据中国劳动和社会保障科学研究院发布的《中国人工智能人才发展报告 ( 2022 ) 》 ( 下称《报告》 ) ，中国本科高校 AI 专业 2018 年才开始招生，2022 年才出现第 1 批科班出身的专业人才。

另一方面产业增长更加迅猛。

根据中国企业数据库企查猫，2020 年之后，AI 企业数量出现爆发式增长，注册企业数量每年增长超过 2000 家。

复旦大学党委书记裘新去年在世界人工智能大会人工智能人才专场高峰论坛上透露，国内人工智能领域人才总缺口达 500 万。上海市 2025 年需求 40 万，而本地高校相关专业在校生规模为 4 万。

这就导致，根据脉脉发布的数据，截至 2023 年 8 月，AI 行业的人才供需比依然为 0.39，相当于 5 个岗位竞争 2 个人才。

可以预见，AI 人才相关领域，无论是教育、培训还是卖课，都会有很大的机会。

在人力之后是数据，数据就好比是教材和课本，通过表面数据教会 AI 表面现象的东西。

自 OpenAI 于 2020 年推出 GPT-3 以来，谷歌、华为、智源研究院、中科院、阿里巴巴等企业和研究机构相继推出超大规模预训练模型，包括 Switch Transformer、DALL · EMT-NLG、盘古、悟道 2.0、紫东太初和 M6 等。

这些模型的预训练模型参数数量、训练数据规模，正按照每年增长 300 倍的夸张幅度增长。

据 Dimensional Research 全球调研报告，72% 的受访者认为至少使用超过 10 万条训练数据进行模型训练，才能保证模型有效性和可靠性。

目前来看，这种通过增大模型和增加训练数据提高 AI 水平的方法，仍是短期内主流演进方向。

然而，有 96% 的受访者在训练模型的过程中受到训练数据质量不佳、数量不足、数据标注人员不足等问题的困扰。

可以预见，基础数据相关的行业将会提供巨量的机会。

在 AI 人潮带动下，中国人工智能基础数据服务市场预计将由 2021 年的 30 亿元，到 2027 年大增至 130-160 亿元，有超过 400% 的增长空间。

最后，算力如同智力，把老师教的、课本讲的学完后，能思考到多深的程度，就取决于算力的大小。

AI 算力离不开上游 AI 芯片、GPU、FPGA、ASIC 等高性能软硬接的支撑，也离不开满足大规模算法的 AI 服务器的环境支持，这 2 个领域也是当前最受追捧的风口。

根据深圳市人工智能行业协会披露的数据，2021 年中国人工智能芯片市场规模达到 427 亿元，同比增长 124%。

目前，中国 AI 芯片发展尚处于初级阶段，无论是技术研发还是应用落地都有广阔的空间。

在政策、市场、技术等合力作用下，中国 AI 芯片行业将快速发展，深圳市人工智能行业协会初步测算 2022 年市场规模达到 850 亿元。

从 AI 服务器的出货量情况来看，2022 年中国 AI 服务器出货量达到 28 万台，同比增长了 23%，6 年累计出货量超过 82 万台。

随着人工智能技术的不断进步，模型规模不断扩大。现阶段主流的自然语言处理模型规模已由原来的几百万参数扩大到数十亿参数的大模型。

这些大模型在训练过程中对计算资源的需求较大。与此同时，随着 AI 技术在各行各业的广泛应用，对模型在线推理的需求也在急速增长。

预计到 2027 年，中国 AI 服务器出货量将达到 65 万台，2022-2027 年年均复合增长率 ( CAGR ) 约为 18%。

3、AI 的真正威力

如今的 AI 还只是个嗷嗷待哺的婴儿，却已经展现出非凡的能力。一旦它 " 学有所成 "，必然将展示更大的威力。

AI 以其独特的算法工程之能，可以通过对物理环境的智慧解读以及与产品应用场景和技术推导的完美融合，重新塑造制造业的供给侧和生产侧格局，为整个产业带来革命性的模式和形态变革。

例如在 汽车 制造领域，未来 AI 可以全流程替代人类。

在设计阶段，AI 能够处理和分析大量的数据，包括历史数据、市场趋势、产品性能参数等，同时比较和评估大量的设计方案，或者直接利用优化算法来搜索设计空间中的最佳解决方案，高速、高效地实现兼顾性能和安全性的设计。

在生产阶段，AI 可以应用于自动化装配线和机器人操作，在进行高精度的操作，保证产品的一致性和质量稳定性的同时，还可以对生产过程中的数据进行实时分析，预测设备故障并进行预防性维护，提高生产效率和质量。

不久前，特斯拉中国发布了 " 加入特斯拉 AI& 工业 互联网 团队，一起用技术改变世界 !" 的招聘信息，开放了包括资深数据算法专家、高级数据算法工程师、高级数据算法工程师等在内的多个相关岗位。

从本次招聘来看，特斯拉已经将 AI 应用在汽车研产供销等多个环节，在相关招聘要求中，数据算法岗位聚焦于工厂生产制造、供应链、销售服务、充电网络等环节。

可以预见，在未来，人工智能必将深刻地改变工业生产的面貌，为制造业带来革命性的变革。AI 将推动工业生产向智能化、自动化的方向迈进，提高生产效率、降低成本、增强产品质量和可持续性。

然而，我们也必须警惕 AI 向负面的方向发展。

在追求技术进步的同时，我们需要重视人工智能的伦理和社会影响，避免滥用 AI 技术带来的潜在风险，如数据隐私泄露、人员替代和社会不平等等问题。

因此，我们需要在 AI 发展的道路上保持警惕，加强监管和规范，确保人工智能技术的健康发展，使其更好地造福人类社会。同时，我们也需要积极探索 AI 技术与人类共生共荣的发展模式，发挥其最大的潜力为人类社会带来更多的福祉和进步。

来源：前瞻网