AI赋能生产力：道阻且长，行则将至

当今社会，人们热衷于讨论AI的各种可能性，AI正从一个高深的理论概念，悄然渗透到我们的日常生活中。从官方媒体到自媒体，AI已成为炙手可热的焦点，从极客圈的小众话题跃升为长期占据热搜榜的讨论热点。AI的演进轨迹，从最初的自动化计算和编程，发展到如今尝试实现通用人工智能，不禁让人思考：AI距离真正的生产力还有多远？这个问题值得所有关注者——无论是质疑者还是支持者——进行深入而理性的思考。尤其是在一个“一拥而上，一哄而散”的时代，这个问题的答案将决定你是在浪潮中把握机遇，还是沦为被动的接受者。目前，已有不法分子利用AI话题制造焦虑，伺机收割。

在我看来，现阶段的AI距离能够产生实际产出的生产力，还有相当长的路要走。在未来三年内，AI的应用场景预计仍将相对有限。主要挑战集中在以下四个关键层面：能力、应用、集成和组织。瓶颈并非出在模型本身的智能水平，而在于实现落地所需的硬件基础设施以及组织架构的改造成本。这两方面的更新迭代速度，远不及模型本身的发展速度。

首先，我们来审视能力层面的现状。AI对程序员和内容创作者的工作效率影响最为显著。无论是编程、文字、音频还是视频创作，我们都能切实感受到AI带来的效率提升。在编程领域，AI似乎已具备了替代程序员的潜力，部分互联网企业已因此开始裁员。在内容创作领域，我们现在看到的文字、听到的音乐、刷到的短视频，关注的主播，其背后或多或少都有AI的参与痕迹。然而，这是否意味着AI已能称之为生产力？并非如此。并非每个人都是程序员，也并非每个人都是内容创作者。单点的突破并不代表整体系统的全面升级。对于绝大多数普通人而言，目前AI的用途仅仅是取代了过去的搜索引擎。过去，我们需要在搜索框中输入问题，并在海量网页中反复筛选才能找到所需答案；对于复杂或冷门的问题，甚至可能找不到答案，还需要自行拆解问题、提取要素、重组信息，最终才能得到一个不确定是否正确的答案。而现在，只需打开应用程序，通过语音输入问题，AI便能帮你检索全网信息，即使是高度个性化或复杂的问题，AI也能进行要素拆分重组，提供一个相对完整的答案。对于热衷于研究AI的人来说，他们或许能够通过调用API实现半自动化的工作，例如文本校对、文章润色、图片优化、数据标注等。技术能力更强的人，甚至可能利用Agent实现某些应用场景的自动化，但这通常仅限于电脑端操作，并需要一定的技术门槛。因此，综合来看，AI目前的能力表现为单点爆发，而非系统层面的飞跃式进化。可以说，AI的能力仍主要集中在替代早期办公白领的职能，并且在相当长的一段时间内，其能力可能都会局限于办公场景。在此过程中，存在两个难以解决的难题：1. AI基于概率，而许多工作需要的是精确性。2. 专业领域的数据量不足以支撑AI的充分训练。这两个问题若不解决，AI或许能拆解工作内容，但在重新组合过程中只能进行概率性预测，而非精确输出。缺乏专业数据的训练，AI的结果容易出现偏差，进一步降低其准确性，形成“鸡生蛋，蛋生鸡”的困境。

接下来，我们探讨应用层面。要真正实现生产力，使用者必须具备基本的AI知识，并且需要电脑、手机、云端服务器或机器人等硬件设备。更何况，目前仍缺乏真正具有实际产出能力的AI硬件（我们不应将生产力狭隘地理解为软件或文字等内容）。在建筑、服务业一线、制造业一线等领域，AI的作用目前几乎是空白的。即使在某些行业有所落地，效果也往往不尽如人意。例如，许多App内置的AI客服，你向它陈述一大堆问题，它要么答非所问，要么就礼貌地重复预设好的话语，对于解决实际问题几乎毫无帮助，反而引起用户反感。我曾就深受中国电信AI客服的困扰，最终不得不致电人工客服才得以解决。更令人气愤的是，一些App为了强制推广AI应用，将人工客服的入口层层隐藏。连基本的客服工作都强行要求消费者适应AI客服，更不用说建造房屋、清扫地面、擦拭玻璃、完成厨房工作等更复杂的工作了。此外，对于高度依赖创作灵感的工作，例如设计一款独特的发型，创作一首充满人文气息的诗歌，或者拍摄一部周星驰式的无厘头电影，AI都无法胜任。即使勉强完成，也只是形似而神不至。在过去几个月里，我尝试了两种不同的AI使用方式：一种是让AI完全自主撰写文字，另一种是AI辅助撰写。结果均不尽人意。AI独立撰写的文本充斥着正确的废话，而AI辅助撰写的内容则常常与个人文风产生冲突。AI目前的应用仅限于辅助作用，你不能指望游戏中的辅助角色去承担ADC的输出任务。再谈集成层面。当下的生产力要求具备协作能力，而AI目前尚不具备此能力。尽管各大AI厂商都在吹嘘其多模态能力，但各项能力之间的协作效果往往不佳。如果你试图利用各方面最优秀的AI来协作完成一项复杂任务，最终得到的结果往往是四不像。例如，文案由Claude撰写，视频由Seedance生成，配音由MiniMax完成，你觉得这样一段完整作品的最终效果会如何？有兴趣的朋友不妨亲自尝试。这还仅仅是电脑端应用。而人类世界的生产力和生活，需要更复杂的协作才能实现。目前来看，马斯克的擎天柱机器人算是AI机器人中的佼佼者，但距离真正大规模运营仍需解决诸多问题，且目前仍局限于固定场所执行固定任务。更不用说广阔的人类世界中各种不同的工作场景了。通用模型不够专业，专业模型协作能力差，这个问题目前看来似乎无解。最后是组织层面的问题。人类社会的治理模式决定了AI成为生产力所面临的局面将更加复杂。简单来说，就是主导权归属问题：是由政府部门还是AI供应商掌握主导权？这已经上升到权力归属的层面。谁决定让AI成为生产力，谁就必须为此承担责任。政府作为监管方，不愿为AI可能出现的风险买单；而AI供应商缺乏政府的公信力，也无力承担责任。例如，AI应用导致大规模失业，责任应由谁承担？AI在金融、医疗、军事等领域造成重大事故，责任又该由谁承担？再者，如果AI与人在决策上出现分歧，最终决策权究竟归谁？如果AI应用得以实施，AI提供者是否会利用AI作恶，并因可将责任推卸给AI而逃避处罚？

因此，从能力、应用、集成和组织这四个维度来看，AI目前与人类所理解的生产力之间仍存在较大差距。这四个问题中的任何一个，都像是阻挡在AI成为生产力道路上的一座巨大山峦。理想状态下，AI将来有望成为生产力，但当前，AI需要先成为“理想的AI”，才能进一步谈论成为生产力的问题。

当人们都在热烈讨论AI的各种应用时，AI正悄然地从高深的理论概念，渗透到我们的日常生活中。