ChatGPT落地万物生，元宇宙柳暗花明又一村
第三财经网 2024-11-16 18:45 770
如果工业领域的ChatGPT模型被放置于工业大数据进行足够多的训练数据和模型配置，也许在不远的将来真可以帮助工业场景进行数据价值挖掘，在工业领域展开一番作为。
科技的革新如同初春的一阵暖风，带来了ChatGPT的繁荣，也吹走了元宇宙的余温。
不久之前，微软解散了成立仅四个月的工业元宇宙部门，该部门的核心技术源自微软在2018年收购的Bonsai，后者使用机器学习技术，主要服务于航空航天、制造等领域。该部门内约100名员工已全部被解雇，其中本次裁员名单中，包括Bonsai 的两位联合创始人。
在工业元宇宙部门被遣散的同时，随着对话式AI模型ChatGPT火遍了全球，微软决定向ChatGPT的开发商OpenAI追加投资100亿美元。
一边是削减工业元宇宙的产业价值，另一边却加大力度投入ChatGPT的建设。微软的此番操作，似乎正向外界表明，工业元宇宙的未来过于缥缈，ChatGPT才是人工智能发展的正道。
不可否认的是，ChatGPT作为一种语言模型，依托于庞大的算力、算法、算策、链接等功能叠加，让其在很短的时间内具有处理大量的信息和任务的能力，从而提高工业生产力和工作效率。
同样，基于数字孪生技术的逐渐成熟，工业元宇宙也令各产业链处于完全的数字化、智能化和信息化的直观状态，并且使整个工业体系能够在虚拟化的背景下重构。这种重构打破了工业、行业和企业的边界与束缚，真正实现了技术支撑下的产业融合，极大地提升了生产效率。
由此可见ChatGPT与元宇宙，更像“兄弟”而非“异己”。二者在应用场景上不仅有所重合，且在技术应用上师出同宗，均为基于现代数字技术的不断积累与迭代更新孕育出的产物，并致力于促成持续、便利的数字化应用服务于现实世界。那么二者的结合能迸发出多大的能量呢？
ChatGPT，先进生产力的代表？
如果将经济增长看作是一系列要素的组合，原始农业经济的要素是资本和劳动，正如古典经济学家威廉·配第在《赋税论》中所言，“劳动是财富之父，土地是财富之母”。
此后两次工业革命实现了机器对劳动的替代，但是机器需要用金钱购买，机器在生产中占比越高、意味着投入的资金规模越大。因此资本成为工业经济时代的重要生产要素，经济学家的增长模型里有了土地、劳动和资本三大要素。
而第三次革命实现了经济增长的规模报酬递增，以索洛和罗默为代表的经济学家将知识和技术作为生产要素，科学技术是第一生产力成为共识。在此基础上，以人工智能为代表的第四次工业革命则强化了对人力的替代效应。
ChatGPT作为标志性机器智能生产力工具，与蒸汽机意义如出一辙，具有解放重复性脑力（知识蓝领）工作以及机械工业系统的潜力； 以及嵌入式特质，使具有低成本、且广泛性应用到各个产业部门的潜力。
在3月14日，OpenAI发布的多模态预训练大模型ChatGPT-4更是搅动了整个科学界。此次发布的最新版产品不仅能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动，真正像人类一样来聊天交流,甚至能完成撰写新闻、邮件、视频脚本、文案、翻译、代码等任务。
中国社会科学院数量经济与技术经济研究所学者郑世林认为，ChatGPT的出现将会不断“蚕食”人类的工作。由于ChatGPT目前无法具备体力劳动能力，无法与低技能的体力劳动者产生竞争，该技术会进一步导致“程序偏向性技术进步”，即直接威胁中等技能脑力劳动者的工作。
所谓中等技能脑力劳动者便是遵循由市场、技术或政府法规的规则环境下形成的岗位，其中就包括软件技术类、新闻媒体类、法律工作类、市场研究分析师、教师、金融分析师、交易员、平面设计师、会计师、以及客服等。ChatGPT作为新兴的人工智能基于其强大的数据处理能力、极度的专注力和高效的多任务处理能力，可以比上述岗位更高效地完成数据整理、文稿编辑、机械重复工作。
就在不久前，美国麻省理工学院从社会上挑选444名白领工作者，将其分为两队进行市场调研、数据分析、人力资源管理等多个领域的内容创作。其中一部分使用ChatGPT，而另一队则通过自身经验来完成这项工作。
研究显示，使用ChatGPT的队伍在完成相同工作量的背景下，其工作效率要比人力自身快37%，并且工作的完成度也明显高于后者。这也意味着，ChatGPT技术的应用是能够在不牺牲质量的情况下提高了工作速度，进而否定了此前传出ChatGPT技术仅能提高工作效率但缺乏准确度的言论。
因此，作为先进科技生产力，ChatGPT技术已经渗透在生产力各要素，并综合作用于生产劳动过程，可以大幅提升社会生产力，并带来生产方式的变革与生产关系的变化。而以深度学习和知识图谱为代表的人工智能技术，在工业机理复杂、数据分析能力要求较高的工业领域，则可以从根本上提高系统建模和处理复杂性、不确定性、常识性问题的能力，从而显著提升工业大数据分析能力与效率，进一步扩大了工业互联网可解工业问题边界的深度和广度。
那么，在不久的未来ChatGPT与工业元宇宙又会迸发出怎样的火花呢？
ChatGPT成引擎，虚拟世界将会大发展？
如今的元宇宙正向着两个端口发力。一方面，元宇宙技术存在于线下场景的数字化中，主要体现在社交、消费互联网领域，比如“社交元宇宙”、“游戏元宇宙”、“体育元宇宙”等；另一方面，源于产业和工业的数字化转型需求，也就是工业元宇宙。
在面对消费端，今年的元宇宙发展略显颓势，各大厂在该领域的业务开始收缩。其中，腾讯旗下的数字藏品平台幻核APP近日发布公告称，基于业务调整的安排，幻核APP将于2023年6月30日24时下线。此外，字节、快手等公司也接连发布声明，称在元宇宙相关的业务上进行架构调整，其中快手元宇宙业务负责人马英武宣布离职，也意味着快手的VR业务、元宇宙业务发展放缓，进入了蛰伏期。
“社交元宇宙”在消费市场中表现尽管不尽如人意，但在工业元宇宙领域，基于虚拟技术、数字孪生技术的逐渐成熟，元宇宙技术确实成为了产业界生产力提升的得力助手，获得了市场认可。正如诺基亚首席战略与技术官Nishant Batra所说，“当社交媒体和游戏公司迈出进入元宇宙的第一步时，汽车制造、航运、采矿等产业环节已经在元宇宙轨道上走了几圈。”
中国自动化学会专家咨询委员会成员孙柏林就曾公开表示，随着元宇宙时代的到来，如工业机床设备、机械臂和机器人等工业产品的能力将大幅提升。一架植保无人机在引入元宇宙技术后，每小时作业量可达50-80亩，效率是人工的40-60倍，同时还可以节约50%的农药使用量及90%的用水量。
因此，当产业的数字化转型进入元宇宙时代，工业产品的信息将发生巨大改变，信息的完整性、时效性、实时性也将大幅提升，由于网络能力的提升，可以让生产者与客户、消费者建立更强大的沟通场景和更好的沟通模式，进而取得更佳的沟通效果。
基于工业元宇宙所带来的红利，据Market Prospects的报告显示，到 2025 年工业元宇宙的收入预计将达到5400亿美元，并且从底层解决方案到配套的软硬件设备，将会有越来越多的科技公司为工业元宇宙服务。
由此可见元宇宙并不是VR游戏去掉游戏属性、然后换个名字的强社交平台。而是刺激各类想象力从而创造新场景，催生新物种企业诞生，进而促进生产力提高的技术理念。
不可否认的是，元宇宙中基于VR、AR模糊了现实与虚拟世界的界限，并开创性地建立了去中心化的区块链技术、NFT 的虚拟产权制度。但是，元宇宙的发展也同样存有缺陷，虚拟空间内人工智能技术的匮乏，致使该技术短时间无法为企业贡献增量，经济行为受限，使得元宇宙初期科技企业“All in”的局面被打破，导致许多企业为保“主业”抛弃了元宇宙这一“副业”。
而ChatGPT将搜索工具AIGC融为一体，具有更低的使用门槛和现实使用意义，完美弥补了元宇宙对于高性能人工智能的需求。换句话说，元宇宙的目标是把虚拟世界的机器人、数字人和真实现实的人三位一体打通，核心的技术支撑便是人工智能。ChatGPT的出现，使得元宇宙技术在人工智能领域得到进一步强化，虚拟人可以与人对话，进而有效促进元宇宙的落地。
尤其在工业领域，基于ChatGPT具备的自然语言处理和机器学习技术，工业元宇宙可以为用户提供自动化、更精准的决策和构建更高效的工业生产秩序。例如ChatGPT可以理解人类自然语言指令，解释并分析语言中的关键信息。有了这个技术，ChatGPT便可以为用户提供一个增强版知识发现（Knowledge Discovery in Database）体系，从而在诸多工业产业中有效提高端到端流程的效率。
因此，正如爱奇艺副总裁徐勇明所说，“未来元宇宙世界内的交互方式会比现实世界复杂得多，而ChatGPT正提供了人类和机器交互的可能性，将加速元宇宙整体产业的落地。”这也意味着，ChatGPT技术并非元宇宙的驱逐者，反而更像是元宇宙技术的一环。
结语
ChatGPT和元宇宙不是竞争关系。从本质上来讲，ChatGPT属于AIGC，AIGC是人工智能的新型应用，是一种新型内容生产方式，元宇宙则是一种新型社会形态。ChatGPT和元宇宙不是竞争关系，而是互相促进、互相支持的关系。
ChatGPT可被用来开发更为智能、自然的虚拟人物和虚拟助手，提高元宇宙的交互体验；而元宇宙中的大量用户交互数据也能够被用来训练ChatGPT模型，提高自然语言处理和生成的能力。
当然，北京师范大学新闻传播学院教授、中国传媒经济与管理专业委员会理事长喻国明曾公开表示，“类似ChatGPT人工智能在商业领域中，To B领域或将先于To C领域获得突破性的应用。”
未来，B端领域将成为ChatGPT的主战场，尤其是在工业产业中，ChatGPT能够在预测性维护、质量控制、过程优化、机器人技术、能源效率、自动驾驶车辆等多个维度助力工业发展。如果工业领域的ChatGPT模型被放置于工业大数据进行足够多的训练数据和模型配置，也许在不远的将来真可以帮助工业场景进行数据价值挖掘，在工业领域展开一番作为。
本文来源于亿欧网，原创文章，作者：马渭淞。
