段艺霖：不能在人类社会渗透的技术，没有商业价值 | AI商业+丨长江商学院MBA

作为90后，长江MBA2023级同学段艺霖已经是国内数字技术应用专业最年轻的正高级工程师之一，拥有一项国家级质量控制（QC）成果、多项发明专利及实用新型专利。

我觉得对于技术的商业落地方面我还有很多需要学习，所以选择了入读长江MBA。虽然选择长江的部分原因是因为校区离公司非常近，但我来了后收获了很多惊喜。我们有非常国际化的师资，入学半年多来给我上过课的教授已经是来自斯坦福、耶鲁、杜克大学等世界名校，带给我们贯通中西的视角，学识方面有很明显的提高。

我也感受到长江非常强大的校友网络，校友们非常团结，比如TCL董事长李东升先生就是长江校友，我们已经跟TCL孵化的独立科技公司格创东智有很多合作的项目了。长江也有非常丰富的社交活动，如技术沙龙、体育运动、娱乐、公益等，我在这里已经发展了好几个好朋友。

我很赞赏长江的开放心态——允文允武，不管你属于怎样的思潮，都可以在这里找到自己的同类，同时在这样经过筛选的优秀群体里找到合作机会。

纵观1990-2019年全球市值前十大公司的变迁，从日本的银行到通用电器、思科等美国的跨国公司，再从工行、建行等中国的国有银行到阿里、腾讯，亚马逊、谷歌等中美的互联网企业，每十年就会有巨大的变化。

那么到 2030 年，世界排名前十的会是怎样的企业？这也是我选择职业赛道时的思考角度，我认为 AI 会给整个世界带来非常巨大的影响。

我主要专注于AI在工业领域的技术落地。在我看来，AI在产品检测、行为识别领域、广义的机械臂引导以及 Ames 向量数据库、预测及规划等工业领域都会有比较广泛的应用，市场反应也确实如此。我最近在忙着帮海尔的灯塔工厂通过麦肯锡的评审，他们就很典型地用到了上面这些技术。

另外在数据方面，去年国家明确规定了数据资产可以入表，我认为它在未来会有很大的影响，所以我们现在在这一方面有一些布局。

关于大模型在工业视觉落地的痛点，主要有：推理速率，工业场景对于生产效率的追求没有尽头，传统GPT类云端大模型的推理速度难以满足现实需求；预处理图像，GPT类云端大模型对图像处理能力不够；资源占用（成本控制），ChatGPT 这种非常昂贵的千张显卡才能带动的大模型难以实用；安全稳定，大模型经常出错，不够安全稳定。对此，我们也在有针对性地进行开发和提升。

我原先比较专注于技术本身，来到长江后我认识到了一件事——不能在人类社会渗透的技术，它是没有商业价值的。即使你的技术再高深，如果不能渗透、不能落地，它便没有商业价值。比如发射火箭时，必须要加上通讯才能赚钱。做核子的项目，你必须要加上发电和医疗，它才能在人类社会有商业价值。

很多知名的 AI 创业公司现在都致力于AI的落地，但我觉得他们这点做得并不好。所以我在管理公司时就在不断提醒自己，我们要为顾客创造价值，才能从中获利。

我在入读长江前有段时间比较抑郁，特别在去年我知道ChatGPT 3.5 要发布时，情绪非常低落。如果面临一个比我们要聪明很多倍的事物，我们要如何面对它？这件事情让我非常恐惧。

从1956 年关于AI的第一个会议——达特茅斯会议召开，到1997年计算机“深蓝”击败国际象棋世界冠军加里·卡斯帕罗夫，AI花了40年发展。然后AI用了 20 年在人类以为永远不能被击败的围棋比赛中击败了人类，再用了不到10年就变成了极其聪明的ChatGPT，最后仅用了几个月就进化成了Sora。

AI的指数级进化速度也意味着，它有可能会失控，无需多久，AI的智力水平就会超越人类。从来没有哪本经典会教我们，当人间出现这样神一般无所不能的技术时，人类要如何去面对它？

AI研究的先行者们已经恐惧如斯：深度学习之父Geoffrey Hinton已经转为AI威胁论者，痛悔毕生研究工作，不惜从谷歌离职来警告AI风险。他认为AI终将一路狂奔，超出我们的理解和控制，后果难料。

埃隆·马斯克很推崇第一性原理思考法：从物理学的角度看待世界，一层层拨开事物的表象，回溯事物本质，重新思考。

那人类的本质是什么？我们跟AI有什么本质上的区别？

从物理学角度来说，AI和人脑没有区别。二者一样，都是逆熵现象（热力学第二定律，宇宙中的一切都要熵增，走向无序），都能把无序变为有序。AI和人脑都是在做梯度下降算法（从两个点之间找到最优路径）的神经网络。

麻省理工大学近期公布了一则消息：一种过去因为价格昂贵而无法实现商业化的可控核聚变材料，现在通过大模型技术降价到可商业化了。同时，可控核聚变实验托卡马克装置中很难解决的湍流问题，也借助AI较好地解决了。

我们可以看到，无限的智能或许能解决无限能源问题。无限智能需要量子计算机提供无限算力。而机器需要能源，用可控核聚变来解决无限能源，从而解决无限算力。那么未来就是无限算力、无限能源、无限智能这三个无限互相催化的时代。在三无限的时代，最大的危险就是 AI 的可控性。

文心一言、Kimi 、ChatGPT等，都经过层层限制把危险掐死在萌芽中，但还是不能保证AI绝对安全可控。我做了一个AI 行为钢印，试图通过构建悖论来解决 AI 的行为可控问题，同时也可以做一些数据资产确权的应用。

第一，自适应生产力方向。AI可以作为一个通用解释器，来解决工业生产中的各种问题，包括信号疾控、产品检测、生产及工艺规划、泛用性机械代体等。

未来的方向是一种被称为具身机器人的新型AI，有自组织、自适应、自发展能力，能够像人一样在环境中交互感知，自主规划、决策、行动。

另外，利用AI算法分析结合地震波等数据可以用于探矿。贝索斯和比尔•盖茨共同投资的矿产勘探公司KoBold Metals，就是通过地震波以及 AI 分析来做探矿，刚刚在赞比亚发现了全世界最大的铜矿。

这两类技术，有机会可以将人类带往星际时代。

第二，基于心理评估的内容生成和社交网络方向。这个方向的技术基座比较成熟，已有推荐系统、用户画像，推己及人的模拟匹配系统、 AI 创作工具（例如Sora，Midjourney 等）。AI会自动生成符合每个人喜好的内容，并产生同我们交流的主体。

最终，我们的未来就是被困在一个个完美的信息茧房中：我们能看到的信息仅仅是我们喜欢的，还有真假难辨的模拟真人随时满足我们的沟通需求。

来到长江商学院之前，我其实非常孤独。因为我在思考的事情，在恐惧的东西，在解决的问题，都无人理解，我找不到同类。但来到长江之后，能听得懂我，能互相交流的同学、老师非常之多，让我不再孤独。

我有时也会看一些金融的书。有一天我在跟同学聊量化交易的算法可能会对整个金融系统产生什么样的影响时，我俩异口同声说出了一个词——反身性。在此之前与他人的交流中，我从未遇到过会有人跟我同时想一样的事情。

如果从物理学的共振现象出发，让一个物理系统在它自然的智能频率和自然波长下趋于从周围环境吸收更多能量，以此去理解人类的本质，那便是我们要成家立业、做各种事情，就必须找到自己的共振，吸收更多能量。

而长江商学院就是这样的一个能量负极体，我们可以在这里产生共振，吸收更多能量。

内容来源长江商学院MBA