為什麼大模型擁抱生產力，人力成本依然居高不下？

原創：喬志斌

**來源：**大模型之家

圖片來源：由無界AI‌生成

編者按：大模型的出現，將讓會用AI的人變得更有價值。

在大模型技術取得重大突破的背景之下，人工智能領域得到了前所未有的關注，這些模型在語言理解、創作文本、自動化客服等領域中的應用，極大地提高了工作效率，節省了大量時間和資源。

如今，人工智能大模型技術被廣泛看好，成為千行百業“降本增效”的原動力之一，目前已經在金融、醫療、零售等行業廣泛應用，成為推動新一輪工業革命的核心力量。

不過，大模型技術的火熱真的能夠實現人力成本的降低嗎？從大模型之家對於行業的觀察來看，儘管大模型技術的火熱為各行業帶來了巨大的潛力，實現人力成本的降低卻可能並非想像的那樣簡單。

大模型發展越火熱，人力成本反而越貴

早在春秋時期，管仲便有提出“十年樹木，百年樹人”的理念，指出人格素質的培養和人才的成長並非一朝一夕之功。而從人才培養上來說，大模型的發展紅利，為人工智能技術相關人才的積累打入了一針“強心劑”，但是人才培養並非一蹴而就，體系化的人才結構的形成，則需要數年教育體系與社會崗位的合力之下才得以形成。

然而與此同時，國內外已經打響的“百模大戰”，直接開啟了大模型的技術深度與應用廣度的全方面競爭。為了開發頂尖的大模型，需要高度專業化的人才團隊來進行開發、調試和維護。這些團隊需要具備深厚的技術背景和領域知識，以確保模型能夠在特定領域內取得良好的效果。企業不得不吸納大量的人工智能領域人才，從而掀起了一場激烈的“搶人大戰”。如今，大模型的相關崗位，如機器學習工程師、數據科學家、領域專家等，其薪酬水平也急轉直上。

圖片來源：某招聘網站公開信息顯示

大模型之家根據某網絡招聘平台顯示，得益於相關賽道的火熱，大語言模型（LLM）相關崗位的薪酬水平也遠高於其他IT崗位，大模型相關崗位的薪酬水平一般高於其他IT崗位，如機器學習工程師、數據科學家、領域專家等，他們的平均月薪都在2萬元以上。以負責設計和實現機器學習算法和系統，包括數據處理、模型訓練、模型優化等內容的機器學習工程師為例，有接近一半從業者年薪可以超過30萬。

誠然，大模型的崛起在一定程度上可能取代一些傳統工作崗位，但與此同時也創造了一些新的崗位。例如，隨著大模型應用的擴展，湧現出了“提示工程師（ Engineer）”等新型崗位，這些崗位負責對大模型的輸出進行調優和乾預，從而確保模型的性能和準確性。目前國內各大招聘平台上提示工程師的職位月薪大多在1.5萬-6萬元。

這些新興崗位的興起，不僅為人才市場帶來了新的機會，也反映了大模型發展的多方面影響，因此，在未來大模型領域，還將有更多的人參與其中，使行業行穩致遠。

大模型仍有局限，人機共存是終極答案

雖然行業內“人工智能短期內無法取代人類”已成為行業共識，但是仍然有一些企業嘗試利用AIGC與虛擬人（數字人）技術相結合，探索人機共生的新模式。例如矽基智能、魔琺科技、360等，均提出了利用大模型的AIGC能力，實現虛擬人的內容生成，甚至運用於2D/3D的虛擬人的製作中來，降低了高精度虛擬人的生成與使用的門檻。

其中，360智腦的AI數字人生成能力，更加註重於製造“數字分身”， 以一種更加擬人化、個性化的方式提供服務。每個人都能通過上傳私人知識庫（音視頻或圖文資料），通過360智腦大模型進行訓練，低成本生成自己的專屬數字人，如數字分身、數字助理、數字偶像等。

圖片來源：魔琺科技

而矽基智能與魔琺科技，則嘗試了利用AIGC實現虛擬人的低成本生產與工作，用降低門檻的方式實現虛擬人的“普惠”，並廣泛應用於電商、教育、營銷以及社交等領域，實現降本增效的效果。甚至這些公司還提到，可以將因為常年在外奔波或去世而無法陪伴在身邊的人，製作成數字分身作為慰藉。

利用數字分身“陪伴”，確實在一定程度上能夠緩解人們的“相思之苦”，但在大模型之家看來，大模型的陪伴，仍然比不過常回家看看。

在本月22日《「大模型之家」七夕節特輯：來聽聽人工智能的“土味情話”》中，大模型之家將以“七夕節即將來臨，請幫助正在熱戀的情侶們為自己的另一半寫一段有新意，不泛泛的祝福文案。”為題對各個大模型進行提問。

結果發現，在寫“情話”這件事上，雖然各家大模型都極盡表現出了浪漫，但編輯部的小伙伴表示，大模型目前的浪漫程度太過“理工男”，遠不及人類情感的細膩。

國內大模型撰寫的七夕“情話”

大模型之家小編撰寫的七夕“情話”

要注意的是，雖然大模型開啟了探索通用人工智能（AGI）的第一步，但目前人類仍然處在弱人工智能領域，相較於人與人交互包含語言、聲音、動作、表情等多維度的排列組合，大模型的七夕“土味情話”，顯然還缺失了些許“溫度”。可見，在陪伴這件事方面，大模型想要實現與人類等同的水平，還有太長的路要走。

從AI大模型原理中就可以看出來，通過學習人類的智慧與行為數據，通過統計和模式識別來生成文本、圖像、音頻等內容，這種學習方式使得大模型在表面上可以生成高度逼真的結果，以模仿人類的表現方式，也就是說，它嘗試通過自己的觀察維度學習並模仿相應的行為。然而，大模型可能並沒有真正的理解和把握背後的概念、原因和關係這在一些實際應用中引發了一些關鍵問題。

因此，人工智能短期內更多的是處理共性問題，而將人類的勞動力解放出來，去解決富有情感與創造力的個性問題。所以，想要實現人工智能在短期內“幹掉”人類，無論從倫理與技術兩方面都幾乎沒有可能性。

在大模型之家看來，對於AIGC無法取代人類的領域，人類的能力將創造出更多的價值。

雖然利用大模型技術，確實能夠實現利用AIGC，為現有技術降本增效的目標，但更重要的是也敦促著企業需要不斷與時俱進，通過新業務不斷夯實自身的競爭力。

值得注意的是，如今大模型的能力不斷增強，不僅在通識能力上開始對於人類實現赶超，同時通過有針對性的知識增強，在專業能力上也得到了大幅的增強，甚至在一些專業能力的測評中，已經接近甚至超越了人類的平均分數。

今年7月，谷歌和DeepMind的科研人員在《Nature》雜誌上發表了一項研究，研究結果顯示，一組臨床醫生對谷歌和DeepMind團隊的醫療大模型Med-PaLM回答的評分高達92.6%，與現實中人類臨床醫生的水平（92.9%）相當。此外，Med-PaLM僅5.9%的答案被評為可能導致“有害”結果，與臨床醫生生成的答案5.7%的結果相似。

然而，一些行業專家對於大模型運用於醫療表示擔憂：大模型可能能夠生成一篇看似合理的醫學文章，但它並不具備真實醫學知識，無法判斷其中的信息是否準確或安全。這種局限性在一些領域尤其突出，如醫療診斷和決策。儘管大模型在文本理解和語義生成方面表現出色，但它可能無法理解醫學領域的深層次知識，無法判斷病因、病情發展等因果關係。這就引發了一些潛在的風險，如果在臨床決策中完全依賴於大模型的輸出，可能導致錯誤的診斷和治療方案。

為了規範生成式AI在醫療行業的應用，近日，北京市衛健委牽頭組織製定了《北京市互聯網診療監管實施辦法(試行)》。其中提出，醫療機構開展互聯網診療活動要加強藥品管理，嚴禁使用人工智能等自動生成處方，嚴禁在處方開具前向患者提供藥品。

一方面，無論是人工智能從業者對於更強技術的開發，還是對於人工智能對於千行百業崗位引發的“鯰魚效應”，會倒逼人類追求更高更強的通識與專業能力積累，實現對於AI的競爭優勢。

另一方面，借助以大模型為代表人工智能技術，也會進一步拓展人類的能力邊界。在大模型時代，想要更加得心應手地使用大模型，提示詞（）在很大程度上決定了模型生成的結果，即使是同樣的問題，輸入不同的提示詞也會得到不同的結果，專業選手和普通玩家存在較為懸殊的差距。因此，將成為未來人機交互的一種能力，成為人類探索未知的動力。

一個不可否認的事實是，人工智能作為人類成功路上的“墊腳石”，應該將人類托舉得更高、更有價值。

而在大模型之家看來，在這場關於“人工智能”的能力競逐中，“人工”注定將領先於“智能”。