来源：Vinky

在瞬息万变的一年中，

ChatGPT和Sora这对王炸相继出场。

我们徘徊在AI变革的十字路口，

不自觉地陷入一场薛定谔式的沉思：

AI似乎能替代我，又似乎不能替代我。

如果看不清未来，不妨看看过去。

毕竟早在19世纪的工业革命，我们的先辈们也曾在变革的浪潮中摸爬滚打。

那时的人们，面对着蒸汽机与内燃机的问世，也无法想象：

这组改变了能源输出方式的组合，竟推动了无数汽车的诞生，带动了无数道路、桥梁与隧道的建设，继而推动了城市化的飞速发展，更彻底重塑了城市空间的布局。

在每一次技术革命的前期，我们都难以预见这些技术最终会带来的深远影响。

但随着时间的推移，它们将逐渐改变我们的生活和工作方式，最终编织出一幅人类新文明的宏伟蓝图。

01、汽车工业的变革

在美国20世纪30年代的大萧条时期，喜剧大师卓别林自编自导自演了一部经典的无声电影——《摩登时代》，讽刺了工业革命时期机械化生产对人类精神生活的异化。

卓别林饰演的主角查理，日复一日地重复着拧紧六角螺帽的单调工作，最终精神崩溃，不得不在精神病院里寻找片刻的安宁。

这不仅是工业革命时期无数流水线生产工人的真实写照，也是那个时代的一个重要转折点——

人类历史上首次实现了大规模的工业化生产。

城市的面貌经历了一场翻天覆地的变化。

城市交通的主力军，从马车转变成了汽车。

曾经，人们依赖马车出行，速度慢，走不远，马蹄声和铃铛声交织出城市的节拍。马车夫是当时很流行的职业，此外还有不少人专职负责饲养马匹、安装和维护马蹄铁。

随后，汽车逐渐取代马车，引擎的轰鸣声拉开了一个新时代的序幕。人们的通勤时间缩短，长距离旅行更加便捷，城市的边界被不断拓展，社会经济的发展速度随之加快。社会上出现了众多新兴职业，比如汽车设计师、汽车司机和汽车维修工等。

要知道，蒸汽机和内燃机的问世，为汽车的诞生奠定了基础，但这仅仅是个开始。

要让汽车真正成为改变世界的驱动力，关键在于如何大规模生产，让价格变得亲民。

当汽车不再是少数人的专属，走进寻常百姓家，才能成为推动社会经济转型的强大引擎。

一个里程碑式的事件，

是亨利·福特引入的流水线生产方式。

在1913年，福特汽车公司在美国底特律的工厂建立了第一条流水线。

这是一场关于生产关系的变革——

将汽车制造过程分解为一系列简单的、重复的任务，每个工人只需专注于完成一项特定的工序，从而实现了生产流程的标准化和自动化。

生产效率显著提高，汽车产量实现了质的飞跃。

福特把一辆汽车所有的工序分成了7882种，一辆汽车的装配时间从原先12小时减少至90分钟。到了1927年，流水线每24秒就能组装一部汽车。

汽车从奢侈品变成了普通家庭的标配。

福特T型车的售价从1908年的850美元降至1924年的290美元，这一价格的大幅下降，使汽车迅速成为社会普及的交通工具。

汽车的普及，

深远地影响了社会经济的方方面面。

因为有了汽车，人们在城市间移动的效率提升了，城市化进程加快了；

因为有了汽车，石油和汽油的需求激增，推动了石油输出国的经济崛起；

因为有了汽车，全球范围内大规模建设基础设施，包括道路、桥梁、隧道和高速公路等；

因为有了汽车，创造了大量的就业机会，劳动力结构向新的产业转移；

因为有了汽车，城市规划开始考虑汽车交通的需求，出现了停车场、加油站等设施，也出现了交通信号灯、交通规则和交通管理机构等高效管理体系。

回顾汽车工业革命历史，我们清晰地看到：

汽车工业革命需要有「大规模生产」作为催化剂，才能在生产模式上实现根本性突破。

那么，AI时代的我们是否也在见证着一场相似的变革？

02、AI行业的变革

尽管AI的“产出物”不以物质形态呈现，但万事万物的生产过程本身就有其普遍的规律性。

所谓生产，就是从原材料到成品的转化艺术。

汽车工业是实体的创造，AI行业是虚拟的构建，两者的生产逻辑却如出一辙：

汽车工业投入了钢铁、橡胶、玻璃等原材料，在工厂的精密设备中，遵循流水线作业的生产标准，转化为实体的汽车；

AI行业投入了海量数据作为原材料，在云计算平台的支撑下，遵循大模型和算法的内容标准，孕育出知识和信息。

AI大模型的横空出世，以前所未有的规模和效率，实现了内容生产的自动化。

不正如汽车工业引入流水线生产模式，预示着一场效率革命的爆发吗？

ChatGPT，以前所未有的流畅度，极大缩短了人机交互的障碍；

Sora，在文生视频方面展现出惊人的效率，不仅有利于内容创作，还极大地缩短了从概念到视觉呈现的时间，使得理解和模拟现实世界变得更加迅速和直观。

曾经的汽车工业革命，

重塑了人类与物理世界的距离和速度；

如今的AI革命，

重塑我们与信息的关系。

而生成式AI中的“提示词”（prompts），相当于为AI提供了一个起点或方向，告诉AI如何开始生成内容或执行任务。这类似于汽车工业革命时代的“设计蓝图”或“生产指令”。

所谓设计蓝图，是工程师用来规划和指导汽车制造过程的详细图纸，它包含了汽车的尺寸、结构、组件布局等所有必要的信息；而生产指令则是工人在生产线上遵循的步骤，确保每个部件按照正确的顺序和方式被组装在一起。

我们也将通过提示词，给出AI自动化执行的明确指令。以前的自动化发生在工厂中，现在的自动化可随时发生在日常生活中。

接下来AI的课题是：继续降本增效。

近日，媒体爆料OpenAI CEO山姆·奥特曼（Sam Altman）计划募资最高7万亿美元。

毕竟训练大模型是一门很考验财力的艺术——

据《金融时报》早前报道，光是训练GPT-4，OpenAI就使用了约2.5万个A100 GPU，而GPT-5还需要高达5万个H100。英伟达的H100，售价高达2.5万~3万美元。不仅售价高昂，H100还长期处于供不应求的状态，交付时间非常长。

这些成本，毫无意外，

最终会分摊到每位用户的身上。

然而，就像汽车工业的流水线生产，会倒逼零部件的标准化和通用化；

AI大模型的出现，相信也会推动芯片制造商给出更经济高效的解决方案。

03、突破需求的瓶颈

从马车到汽车的转变，不仅是因为工业技术水平酝酿到位了，更是因为人口激增和城市化进程中对高效运输的迫切呼唤。

蒸汽机和内燃机的问世，不仅标志着传统能源方式的落幕，更是人类对照明、取暖、烹饪等基本生活需求激增的必然选择。

同样，AI行业的变革，

也是源于现实需求的强烈驱动。

在自然科学的前沿，尤其是数据密集型的学科，如天文学、生物学、物理学等，随着实验和观测技术的进步，产生的数据量急剧增加，数据的规模和复杂性超出了传统数据处理方法的能力。

如果继续被传统数据处理方法“卡脖子”，人类该如何继续探索科学世界的星辰大海？

在社会经济的演进中，我们正站在一个关键的十字路口，面临着「知识生产效率」的极限挑战。

19世纪的工业革命，

我们完成了一场「物质生产方式」的跃迁；

21世纪的AI革命，

我们也将经历一场「文化生产方式」的升级。

这不仅是技术的革新，

更是对人类认知边界的拓展。

或许AI就像三体世界中神秘的“智子”，

正以前所未有的速度和深度，

重塑我们对宇宙万物的理解。

04、写在最后

汽车工业革命，就像扩展了人类的“手和脚”，让人类无需再把时间浪费在漫长的迁徙中；

AI变革，就像增强了人类的“大脑”，让人类无需再把时间浪费在写报告、做表格、做PPT、画图、剪视频、写基础代码上。

每一次技术变革，社会资源都会重新洗牌。

人才与金钱都往更新兴的领域聚集，总有传统技能被淘汰，总有新型技能会崛起。

当代白领，何尝不是当年的马车夫？

当白领阶层的重复性劳动已经无益于社会经济生产进步时，也许是时候做出改变了。

技术变革是一项红利，

永远会惠及更广泛的人群，

但也只会把大部分利益分配给最前方的人。

于个人如是，于国家亦然。