最近，ChatGPT已经成为了火爆全网的话题。ChatGPT是由人工智能实验室OpenAI发布的对话式大型语言模型，用户只需要在对话框里输入问题，就可以获得答案。据最新数据显示，在ChatGPT推出仅两个月后，它的月活用户已经突破了1亿，注册用户之多导致服务器一度爆满。

ChatGPT会带来颠覆性的突破吗？会有人因此而失业吗？在中欧管理学助理教授杨蔚看来，人工智能替代人力资本的终极条件，是真正能够实现自主的创新和决策。目前人们在某种程度上高估了ChatGPT的直接影响，它对现有商业和经济活动中的创新和决策流程，或许并没有想象中的替代性。

技术爆炸的“燃点”

“人类仅用了几十个地球年，他们就进入了信息时代……从宇宙的时间尺度上看，这根本不是什么发展，是爆炸！技术飞跃的可能性是埋藏在每个文明内部的炸药，如果有内部或外部因素点燃了它，轰一下就炸开了！”

——《三体：黑暗森林》

自当代信息技术诞生和发展的半个世纪以来，人类已经经历了数次重大的技术跨越和突破式创新，从芯片到个人电脑，从互联网技术到智能手机，但ChatGPT在2023年的火速出圈，速度之快、范围之广可以说是空前的。如果《三体》小说中所描述的“技术爆炸”有可能存在，那么ChatGPT的横空出世，似乎就是这样一个“内部因素”，无疑让世界感觉到：我们可能正在接近技术爆炸的“燃点”。

然而，从严格意义上讲，ChatGPT并不能算是真正意义上的技术突破，而是更类似于一次前沿技术的成功呈现和表达。其背后的人工智能技术，在计算机诞生伊始就开始被想象和探索，在21世纪最初的10年，开始真正酝酿并出现了突破性的发展。ChatGPT背后，其实是当代人工智能技术并不广为人知却波澜壮阔的发展历程。

令人意外的是，能够串联起人工智能技术突破的历史和ChatGPT故事的关键人物，是埃隆·马斯克。2010年，特斯拉刚刚研发了Model S，还在继续生产纯电动跑车Roadster，并将生产和销售扩大到了英国，推出了专门的右行驶版本。

不知是否出于巧合，此后不久，马斯克在英国以天使投资人的身份，投资了一家看上去不甚靠谱的人工智能初创公司——其仅有的一页网页上没有产品，没有商业计划，只有创始团队的联系方式，而其主要的创始人，仅仅是一个刚刚毕业且没有计算机背景的神经医学博士。2014年，在马斯克的撮合下，这家名为DeepMind的初创企业被谷歌收购，并在两年后推出了以4:1的成绩打败世界顶级围棋选手李世石的人工智能算法AlphaGo。马斯克之后颇为自豪地说，AlphaGo的压倒性胜利是跨时代的——赛前人们普遍预测，人工智能距离顶级围棋选手至少还有10年的距离。

实际上，AlphaGo诞生的背后，是此前十几年间人工智能算力、算法和数据的不断积累和飞速发展。这其中，有英伟达、AMD对于算力芯片的不断创新和突破，也有李飞飞等计算机科学家对于人工智能训练数据的大量投入，还有亚马逊众包平台上成千上万远程工人标注海量图像数据的努力，才使得深度神经网络和强化学习等当代人工智能的技术得以实现并快速迭代演化，并在短时间内迅速超越了人类的极限水平（注①）。而马斯克除了将人工智能在视觉识别领域的突破运用到特斯拉自动驾驶技术上，更多扮演的也许是一个眼光卓越且深谋远虑的天使投资人和宣传者的角色，在某种程度上催化了世人对这些技术突破的关注与了解。

2018年，基于AlphaGo的AlphaFold开始应用在蛋白质结构解析领域——解析蛋白质结构对于药物发现等领域都有基础性意义。在其后的四年，AlphaFold及其后的AlphaFold 2完成了98.5%的人类蛋白质结构、100万个物种的2.14亿个蛋白质结构预测（注②）。这样的速度和规模无疑是惊人的，因为在之前的五十年中，生物学家用实验的方法仅解析出17%的人类蛋白质结构，且使用的冷冻电镜成本十分高昂。参与解析工作的James Wang曾在推特上透露，AlphaFold的解析成本，大概是一辆丰田凯美瑞的价钱。

这样惊人的速度和低廉的研究成本，对于蛋白质结构解析这一生物学的重要领域，无疑是颠覆式的，AlphaFold在短时间内取代并完成了传统生物学蛋白质结构解析的工作，从某种程度上说，终结了这一领域很大一部分研究工作的意义。出人意料的是，科学家对人工智能这种“颠覆”乃至“终结”式的贡献颇为激动和欢迎，作为这一领域的泰斗，施一公曾评价AlphaFold是“人工智能对科学领域最大的一次贡献”，将科学家从繁杂的蛋白质结构解析工作中解放出来，进行更为深入的研究和探索。

值得注意的是，无论是AlphaFold的算法还是其研究成果都是完全免费且全部开源的，科学家可以随意调取使用，唯一的附加条件，是同样需要把在此基础上进行的研究成果公之于众。这样加速式的知识创造与积累方式，或许也已经将世界快速引向了“技术爆炸”的燃点。

回到2015年，AlphaGo名噪一时的前夕，马斯克还参与创立了一个致力于发展人工智能的非营利性机构——OpenAI，也就是ChatGPT的创造者。马斯克声称，他建立OpenAI的初衷是防止人工智能的负面影响（注③）。这个初衷却无法解释OpenAI的战略选择——与AlphaGo的侧重点不同，OpenAI主攻的是自然语言训练模型——这是当时人工智能领域最具挑战性的难点之一。

从原理上，自然语言训练的难点来自人类的语言本身并不是客观的，而是根据情景、文化和人类认知局限高度变化的，这与视觉识别等其他人工智能和机器学习领域能够依赖相对客观的参照标准形成很大的反差。自然语言识别的成功训练，需要人工智能能够学会人类的思维方式和表达方式，这样的先决条件，不仅是极大的技术挑战，也是现在ChatGPT引发争议的根本原因所在。

然而，OpenAI和ChatGPT解决自然语言技术难点的方法，并没有展现出突破性的新意，而是在思路上沿袭了目前已经相当成熟的强化学习和神经网络框架，通过语言语料的处理和堆积让算法识别出语言的规律。ChatGPT背后的GPT3模型依赖于其通过互联网和书籍文本汇总所生成的1750亿个参数，这使得ChatGPT从本质上更多的是基于现有机器学习算法的算力挑战，而不是真正意义上的重大技术突破。

2018年，在AlphaFold推出的同年，马斯克也与OpenAI分道扬镳。很快OpenAI脱去了非营利组织的标签，成为以营利为目的的人工智能研究机构。如果没有这次分离，2023年的世界是否还能有机会体验ChatGPT及其引发的疯狂，就不得而知了。

在收到这篇约稿之后的几天，我一直试图登录这个令世界瞩目的聊天机器人，却几次被告知程序“at capacity”（“满负荷”），无法进入。这颇有些讽刺意味——谁也没有想到，一个基于所有当下文明产生的文字语言精华所训练的人工智能程序，仍然不能承载人类全部的好奇心和探索欲。而ChatGPT背后，“颠覆”性的变革和突破或许早已开始。

未来之路：替代、机遇与竞争

“（市场经济）在本质上是一种经济变革的形式或方法，不仅从来没有而且也不可能是静止的......[它]不断地从内部革命经济结构，不断地摧毁旧的经济结构，不断地创造新的经济结构。”

——熊彼特《资本主义、社会主义与民主》

作为前沿技术的商业化应用，ChatGPT无疑是极为成功的。与2022年已经小有爆发的绘图类AIGC（人工智能创作）应用相比，ChatGPT文字问答的形式，不需要使用任何代码和特殊软件，因而其使用几乎没有任何门槛，而且高质量的即时互动和反馈，使得其高度近似于人类沟通和写作的特点，具有极强的感知度。程序生成的信息看似具有极强的逻辑性和思辨性，也让其效用和应用场景变得显而易见，并具有很强的话题度和娱乐性。ChatGPT成为爆款，在很大程度上绝非偶然，也为以后前沿技术的商业化之路提供了很强的借鉴意义。

但在当前的热议中，人们对ChatGPT影响的预估似乎已经超越了其本身能够提供的功能。当学生们发现ChatGPT能帮自己写出标准答案的作业，程序员们发现ChatGPT生成的代码甚至超越了人工编写，营销策划发现程序写出的文案已经趋近完美，金融分析师发现自动生成的行研分析与自己苦心码字的成果别无二致，似乎每个行业、每个人在兴奋和好奇的同时，也感到了极强的危机感。

ChatGPT的横空出世，是否意味着教育、软件开发、营销、金融这些当前依靠人力资源创造出巨大价值的行业，会经历颠覆式的改变？而人力资本和人类的智慧在这样的颠覆下，是否真的还有价值？

这样的灵魂拷问，在近几百年来技术突飞猛进的历史中，其实已经不止一次出现，从机械化到自动化，从互联网到数字化，似乎不断地验证着熊彼特关于市场经济驱动的创新所带来的创造性破坏。我们有理由相信，ChatGPT及其背后日渐成熟的人工智能技术，也正在成为创造性的破坏力，推动着产业结构和劳动力技能的不断升级和迭代。

但ChatGPT的直接影响在某种程度上是被高估了的，其对现有商业和经济活动中的创新和决策流程，或许并没有想象中的替代性。

战略管理研究中，卡耐基学派的开创者赫伯特·西蒙在1947年出版的《管理行为》和其后著作中曾指出：个体和组织所做的决策和创新，本质上都是以问题为导向的信息搜索、分析与整合。而信息搜索的广度和整合的能力，则决定了创新和决策的效果。人工智能替代人力资本的终极条件，是真正能够实现自主的创新和决策。

ChatGPT问答的方式首先意味着这样的生成式人工智能技术是无法自主发现问题的，那么由其主导的“创新”和“决策”也无从谈起。同时，ChatGPT也不应成为决策中信息搜索的手段。与搜索引擎侧重信息的全面和准确性不同，自然语言模型的处理侧重的是语言逻辑上的顺畅表达，因此也无法实现有效决策和创新过程中所必须的知识整合。实际上，用生成式人工智能完全替代复杂决策中的信息搜索和整合是很危险的，这意味着将信息的筛选和权衡全部交给了算法，由此产生的信息茧房和认知偏差不仅无法达成创新，甚至会导致生产力和创造力的后退。

值得注意的是，西蒙同时也是早期人工智能技术的奠基人之一和图灵奖（这一奖项素有计算机界的诺贝尓奖之称）的获得者。他研究管理行为和企业组织的初衷，是通过对个人和组织的行为及其本质的探索，寻找人工智能的发展方向和路径，这样的理论拓展，却无意间成为当代企业管理理论的重要基石。

“颠覆”的本质

在很大程度上，ChatGPT对于知识密集型行业的影响，更多将是源于其对生产力效率的极大提升和技能要求的改变。这与AlphaFold在蛋白质解析领域的颠覆性影响并无二致。高效的人工智能算法作为生产力工具，不会替代人类的智慧，而是会释放人类的潜能，让知识工作者从烦琐冗余的细节处理中解脱出来，聚焦于更高层次的知识创造和战略决策。

诚然，在这样的过程中，算法的效率使一部分基础性的技能变得不再重要，这对知识工作者能力的培养和技术的适应力都提出了更高的要求。

对于金融分析师，行研报告中不能再如ChatGPT一样堆砌“一本正经的废话”，这让旗帜鲜明的投研观点和趋势分析变得更加重要。而对于人文学科高等教育，浮于表面、可以轻易搜寻到的事实型知识也不能再是教学的重点，对于知识的串联、分析和逻辑能力的锻炼，将越发成为课堂传授的重点。

ChatGPT以及人工智能技术的整体发展，也将颠覆企业和个人现有的传统竞争优势。ChatGPT所展示出的强大的编程和宣传文案写作能力，可能使得某些特定行业中的企业在竞争中重新站在了同一起跑线上。

一方面，在数字化过程中积累的技术能力，或者是在市场宣传中积累的沟通能力，一旦被ChatGPT超越，很可能不再适用。另一方面，当所有企业都同样借助人工智能将技术能力提高到相同的程度，也意味着企业的数字化基础，或者产品的市场宣传，如果仅仅依赖于人工智能，就会具有极大的相似性和趋同性，因为所有人都可以用相同的程序输入相同的生成命令。那么人工智能带来的效率提高，也并不能成为竞争优势。这迫使企业另辟蹊径，通过独特能力转换和能力提升适应新的技术环境，而这些能够产生独特竞争优势的能力和知识的积累，至少是在ChatGPT这样的通用预训练语言模型之外的。

人工智能“颠覆”的本质，是对人类自身能力和知识的超越。从这个角度讲，人工智能的影响，与以往变革性技术出现带来的经济和竞争的重构，本质上是相通的。在这样颠覆、适应、发展的循环中，新的经济和商业生态得以不断进化创新，创造更多的价值。

因此，对于ChatGPT和人工智能的发展，持欢迎和开放的心态，积极探寻适应和应用之道，或许比对于劳动力被替代的担心和忧虑来的更为有效。真正强大的人工智能，是能够极大地激发和释放个人潜力、企业创新乃至人类文明发展的。试想有一天，人工智能真的能够达成贾维斯的能力帮助钢铁侠拯救世界，实现《星际穿越》中塔斯的工作协助探寻宇宙，这无疑对我们的社会和文明都是极大的贡献，也是技术应该努力的方向。

然而，现在的人工智能，距离这样的愿景，似乎还有很长的路要走。

在写作这篇文章的时候，我试图验证ChatGPT是不是真的能搜寻整合到我在文中提到的信息。然而，在我输入“熊彼得对于创造性破坏有怎样的论述？”后，ChatGPT首先就卡壳在了熊彼得名字的翻译上（他只能识别熊彼特，但这样的译名差异对于谷歌搜索引擎的信息搜索易如反掌）。在被问到“马斯克对于人工智能的贡献是什么”时，ChatGPT也没有提及马斯克对于DeepMind的投资，而这在搜索引擎和投资数据库中，都是能够轻易查询到的信息。从这个角度来说，生成式人工智能相对于传统的信息技术，甚至还有相当的差距需要追赶。

而对ChatGPT未来发展更为深层的隐忧，来自技术路径的选择。毕竟，基于海量数据和暴力运算的技术逻辑，听上去并不是那么“智能”，依靠数据和算力“大力出奇迹”的训练模式，真的是“人工智能”的未来吗？

研究的合作者

身处可能被ChatGPT颠覆的教育行业，不可避免会在研究和教学内外思考与人工智能的关系。

作为学者，我希望ChatGPT能够成为研究的合作者，进行知识共创。然而，目前ChatGPT的能力似乎还没有达到这样的水平。对于研究中特别强调的学术贡献和理论基础，目前ChatGPT的逻辑深度和广度，更是无从在商学、社会科学激烈的学术竞争甚至内卷中真正有所建树。

作为教师，ChatGPT的确对我们的教学内容和教学方法提出了挑战和颠覆。作为创业创新方向的教授，我会考虑主动要求学生用ChatGPT这样的技术生成他们的小组项目文本——有了这样的辅助技术，学生更多的需要去思考的，不再仅是创业过程中的文案表达和沟通，而是如何识别人工智能无法识别的机会，如何建立人工智能无法建立的联系，去识别和实现独特的创意和商业机会，获得竞争优势。ChatGPT对于教育，不应该是作弊的手段，而应是激发调动创造力的催化剂。毕竟，我们每个人独特的视角和认知，是建立联系和发现问题的基础，也是世界知识创造和智慧积累的根本所在。

教授简介

杨蔚教授是中欧国际工商学院管理学助理教授。在加入中欧前，她曾任美国乔治梅森大学管理学助理教授。杨教授毕业于美国得克萨斯大学奥斯汀分校，并获得管理学博士和硕士学位，她在香港大学和北京大学分别获得金融学硕士和管理学硕士学位。

杨蔚博士热爱教学，曾执教于美国乔治梅森大学和德克萨斯大学奥斯汀分校。同时，她还担任着众多顶级期刊的特约评审员，如《管理科学》《组织科学》《管理研究期刊》和《商业研究期刊》等。杨蔚博士曾入围2020年Sucheta Nadkarni杰出女性高管领导力出版物奖（是战略管理协会八名提名者中的两名入围者之一）。

编辑：梁萍