资本垄断之下，亲历普通人的TOB搞钱路子 | 每当CHATGPT更新，就有一批创业公司破产 | LI道长的世界观31

神棍宇叔:
其实我也很担心。可怕的并不是AI本身，而是它被少数私有资本掌控。 在当前的生产关系下，必然会引发大失业，起初可能是插画师，模特，然后是文员，程序员，作家；无人驾驶突破以后，外卖员，出租车司机也可以下岗；具身机器人突破以后，车间工人，保姆通通失业。可怕的是，以上这些，最多五年，就会在多模态和强化学习的加持下，全部迎来重大突破，而实际上，进程很有可能更快。 个人要么进入体制，尽快掌握一定的分配权。要么抓紧最后这两三年时间赶紧捞钱。但站在全人类的层面上，都会是一场巨大的悲剧。好的方面也不是没有。meta开源了llama2模型可以媲美gpt3.5；最近阿里也开源了通义千问。这都是好的趋势。这些开源的大模型也会让一部分人在短期内，获得相对竞争优势，成为超级个体，多苟延残喘几年。更多的人，则急需想清楚，未来该如何自处，否则会非常危险。 最后，当然还有另外一种可能性。就是那条我们曾经前赴后继，不惜丢掉生命，也要追求的那条道路。 希望全人类能得到救赎。

【回复】有个问题，大量人口失业，谁消费？资本反过来搬起石头砸自己的脚？
【回复】律师（更多的大量的法律漏洞），web3，元宇宙，区块链这些新兴的程序员，和做出取代各行各业的ai工具的工程师，为了无人驾驶运行的公路规划的交通工程，网络和ai警察和侦探。ai可以取代传统行业的员工，但是新兴行业就不一样了，连训练数据都没有。所以我们其实应该敞开心胸去迎接新兴产业，发现社会还未解决的需求
【回复】回复 @喜多岛kasumi :改天我发个视频，用最委婉的方式聊一聊吧。消费和生产的循环，会如何变化。有没有一种可能，即使全人类死光，经济的循环依然可以转动？有没有一种可能，生产和消费的主体，不一定非得是人类呢？
civilpy:
总结及观点： - OpenAI的发展和变化：视频讨论了OpenAI从开源组织转变为商业化机构的过程，以及CEO和首席科学家的离职和回归。 - AI对普通人创业的影响：讨论了普通人在AI行业中的机会和挑战，包括为to b企业提供咨询培训和开发小语言模型等赚钱机会。 - 商业化战略和安全漏洞：讨论了OpenAI发布GPT-3后的商业化战略和安全漏洞问题，以及AI对职业的影响和超越人类智慧的潜力。 - 科学的无助和解决方法：通过比喻原子弹的发展历程，讨论了科学在资本面前的妥协和科学的无助，呼吁人们勇于说不，摆脱金钱游戏和利己主义。 - 产品与生态的竞争关系：讨论了OpenAI的产品和生态建设之间的竞争关系，以及奥特曼可能推出新产品以获取变现空间的展望。 - QC硬件产品和AI赚钱机会：介绍了QC硬件产品和AI赚钱的机会，包括to b行业的咨询培训和与行业积累技术落地能力相关的机会。 - AI转行的业务机会：提供了从其他职业转行做AI的人可以开展的业务，如提供AI基础知识培训、工作流梳理和技术产品咨询定制开发等。 - 普通创业者的反向机会：讲述了普通创业者可以通过开发小语言模型满足边缘计算设备和个人终端设备的需求，并解决算法缺陷和硬件部署成本高的问题。

【回复】工作流梳理具体是什么职位呀
账号已注销272687:
其实吧，基于深度学习模式的AI的商业过程，就像训练时候的收敛过程一样，开头能非常快的整出个大概，但是后面想提高就越来越难。不能把半导体时代的摩尔定律和好莱坞里机械就是精确而缺乏创新这种刻板印象直接带入。当然，艺术文字工作这类不精确的东西会首先被取代。不过既然深度学习连车都开不好，距离智械互殴横扫人联还早着呢[脱单doge]

【回复】我觉得吧，既然GPT使用得交钱，还需要喂，那数据主权得搞清楚啊，[笑哭]吸纳的素材怎么能不交钱呢。
【回复】是这样的。所谓的“幻觉”就是因为无论是什么GPT，都是基于transformer的生成式概率语言模型。也就是说最终的输出只不过是模型认为概率最大的可能，而不是准确的东西。所以像法律还有编程这种逻辑严谨的业务最终都是需要人为纠正。只要做不到100%的准确率，它就永远无法替代人。
【回复】即便如此，也能干趴一大片了。我觉得 在已有某一领域知识框架的前提下， 用ai来学习，得完爆 大多数教授者了。
DKNTT:
生产力工具在B端的应用的场景化一直是从数字化开始就正确的方向，只是这个事就像UP说的壁垒在于对行业的理解、对某个细分需求的精准拿捏以及行业内的资源（可以是声望、可以是客户/销售资源）。并且也非常同意最容易开始的是偏咨询的业务形态，因为本身咨询不太涉及到落地，纯粹是方法论、经验以及knowhow的结合。当然壁垒也低，随着AI技术以及工具化的成熟，高壁垒确实是能够和业务流的深度结合。 也非常同意ToC不属于小团队和个人（当然不能绝对），只要在字节啥的工作过应该很容易理解C端个人要去竞争的话面对的是什么对手。 另外大模型天生的吃资源属性，就决定了与资本、大厂甚至权力的深度绑定，在当前的社会氛围下会怎么发展只能说有待观察。

马不言-:
搞钱三条路 1.咨询流程 2.GPT模型训练和微调（传统企业的应用） 3.小语言模型，可穿戴小设备，满足具体化场景的需求

momo2k18:
安全！安全！安全！Geoffrey Hinton已经后悔，并从谷歌离职很久了。感谢up的分享和用心制作，很干

【回复】最不安全的是干不过别人
哈啾路亚:
大模型技术肯定会外溢的，7b模型的微调已经是个人能玩得起的成本了，全参训练成本可能也就几百块钱。一般垂直领域的数据量也不够多，无论大小模型都只能搞微调。随着moe这类技术的普及，语言模型以小博大的事情会越来越多，本地部署推理成本也会降低到中小公司可以接受的程度。目前唯一阻止这一进程的，只有a100和h100禁售导致的显卡价格虚高。你想象中的垄断大厦chatgpt很可能还没盖好就倒在各大中小企业的围攻下了。

【回复】接下来的格局会两分天下 一是大模型，只有openai, meta, google这些大厂玩得起，他们的目标是做世界级的大模型 二是小模型，2024年大家都在往应用方向发展，大模型要落地，就要压缩成小模型，今年大家也都在等着杀手级的AI应用出现
【回复】可惜还跟chatgpt3差10个百分点的分数左右. 大模型开源还需要大家加油炼丹.[加油]
路西法_bili_7030878:
不就是赛博世界的模样嘛，生产力已经溢出，劳动力也解放，但是普通人反而过得更加艰难，以前至少还能当燃料电池，未来连消耗品的作用都没有了

龙翔可乐:
其实很多人十年的收入还不如一张H100的售价

战龙V无敌:
所以说AI的矛盾是数据主权与使用AI模型必须读取数据的矛盾；以及企业希望将AI仅作私有工具来做行业/企业小模型，但是相应的算力规模无法下放部署到企业的矛盾？

【回复】[吃瓜]所以目前发展最快的就是数据确权与隐私计算
【回复】回复 @一碗粥大叔 :大佬，认识一下
隙间续命师:
真的有小公司能私有化部署大语言模型吗？哪来那么多算力啊？如果最终还是要调用openai的gpt，那和直接上传到公网也没啥区别了吧[笑哭]

【回复】回复 @问就是略略略 :你那个是azure的api吧
【回复】我们公司就有自己的GPT4啊
【回复】回复 @agentgoat :我不懂编程，想整一个套壳的GPT需要多少钱[脱单doge]
湾区细狗:
做为大模型的行业内人员，讲的确实不错，感觉比找我咨询的小老板们都要明白的多。openai和大企业都是有合作的…

日向_千穂:
提供一个我已经做成的思路，反垃圾邮件处理，尤其是售后团队，其实他们也是要人工看一眼的

tr55ini:
这么好的干货视频竟然流量低,想不通[笑哭]

【回复】换个角度想，知道的人越少越好[doge]
【回复】流量好的一定是大众喜闻乐见的，能看得懂的，越干货越垂直深度的视频自然不会有那么好的流量
【回复】干货是这样的，只有行业内的人感兴趣
哈哈哈小塔:
道长怎么变瘦了，是最近太累了么[doge]

【回复】回复 @LI道长在躺平 :高情商[doge]
【回复】回复 @叫我东阳伯伯 : 应该是 >>手机拍照算法 >>美颜相机
慢慢摸瞎:
推荐算法是懂啥叫同温层的，up主的观点都很认同，这能说是巧合吗…

苍白白_Official:
提个小小的视频制作建议，讲干货的视频可以不用音效的，视频人声太小然后放大声音之后总是反复被音效吓到，听感真的差[绊爱第二弹_忍耐]

Evascz:
[笑哭]干哦,这玩意连特么的实盘数据都预测不了,我还亲自构建了过去1年的整盘数据给chatgpt,这货依旧预测不了,你现在跟我说这玩意要工程化????