编者按
在AI技术飞速发展的当下，商业世界正经历着前所未有的变革。CIU Kepha学院MBA项目的晏星皓教授与邓建红同学作客商道论坛直播间，从AI技术的底层逻辑讲起，深入剖析了AI在商业领域的应用现状、优势与局限，并通过实际案例展示了AI如何重塑工作流程、提升效率并创造新的商业机会。同时，他们也对AI技术发展进行了深刻的思考，强调了在技术浪潮中坚守人类价值观的重要性。这不仅是一场关于技术的对谈，更是一次对商业本质和人类使命的反思，希望能为读者在AI时代探索新商业模式提供启发与借鉴。敬请关注，并转发给有需要的人士。
晏星皓教授：揭开AI的面纱
欢迎各位老师和同学们参加我们今天的直播。今天有这样的一个机会，我感到非常感恩。我们有幸与建红同学一起，通过这种网上面对面的交谈方式进行交流。我们知道，AI技术在全球范围内正风起云涌，它不仅为商业创造了许多机遇，也带来了一些挑战，这些都是大家比较感兴趣的话题。今天我们将以聊天的形式进行，建红同学在第一线有着丰富的实战经验，因此我非常高兴能有这样的机会听到他的故事，听他分享如何抓住AI在商业模式中创造的商机进行创业。
一. AI的应用
我们知道，AI的应用已经广泛应用到商业的各个领域，甚至可以说是社会的各个领域。如今，AI几乎无处不在，几乎每个领域都可以看到它的介入，而且应用越来越普及，功能也越来越强大。我们看到，像ChatGPT这样的一代代新版本不断推出，最近OpenAI还推出了一个制作视频的工具——Sora，并且已经开始向Plus和Pro用户正式推出。我们可以看到，这些功能非常强大。
我先给大家热个场。前两天我在Sora的网站上，因为我是Plus用户，目前好像只开放了5秒的视频权限。这个功能非常有趣，它叫做“Storyboard”，你可以给它写一个故事的提纲。这个提纲可以用文字、照片，甚至是你自己拍摄的视频。不过目前Plus用户好像只能通过文字输入。我简单地输入了一两句话，让它创作了一个5秒的视频。我给大家播放一下，视频很短，看看谁能够猜出来这个场景是关于哪个故事的一个场景。
答案是这个视频是关于马大和马利亚的，这是《圣经》中非常著名的两个人物。从视频中可以看出，可能是我给AI输入的提纲不够准确，或者有其他原因。但不管怎样，我输入的内容其实非常简单，基本上就是输入了人名，并告诉它这是出自《圣经》的一个故事，希望它能呈现这样一个视频。我们可以看到，AI已经能够抓住一些关键信息进行创作了。这已经非常厉害了。当然，目前它还有一些不足之处，但不可否认的是，AI的应用已经达到了一个令人不可思议的地步。
二. 揭开AI的面纱
在开始听建红同学的故事之前，我想先给大家做一个简短的介绍，关于AI到底是什么。对于还不太了解AI的同学来说，这可以提供一个初步的认识，然后再去聆听建红的故事。
AI，即人工智能，用一句话概括，就是应用计算机技术来模拟和延伸人类智能的一门技术和学科。它涵盖的内容非常丰富，实现模拟和延伸人类智能这个目的的手段也是丰富多样的。所谓人类智能，就是人类怎么样去思考和学习。人类大脑中有许多神经元，它们构成了一个复杂且相互联系的网络系统。人类的思考和学习过程，本质上是大脑中神经元网络的运作。基于这一原理，我们通过模拟人脑的结构和思考、学习过程，探索机器是否能够实现类似的功能，这就是神经网络的概略图。
1. AI如何模拟和延伸人类智能
（1）机器学习
具体来讲，它里面涵盖的方法的关键在于如何让机器去学习人类的思考和学习方式。所以，它的方式有很多种。第一个就是机器学习。机器学习是AI的一个非常重要的分支，或者说是非常核心的部分。机器学习就是研究如何教机器去学习。
基于输入数据的前提下，第一个学习方法就是监督学习。所谓监督学习，顾名思义，就是由人作为监督方，监督机器去学习。具体来说，人可以告诉机器，我有一些数据，其中一些是输入数据，另一些是输出数据。我明确地告诉机器，这一堆是输入数据，这一堆是输出数据，然后让机器去寻找输入和输出之间的逻辑关系，这就叫监督学习。因此，人类在这个过程中的介入成分是很多的。
监督学习的应用领域包括语音识别、医疗诊断或销售预测等。比如语音识别的例子，我会告诉机器输入的语音数据以及对应的文字是什么，把输入和输出都明确地告诉机器，让机器自己去识别。下一步，当我给它一个新的语音输入时，机器就能告诉我对应的字是什么。这就叫监督学习。
第二种是非监督学习。非监督学习比监督学习更加开放。我只告诉机器输入的数据，但不告诉它输出是什么，让机器自己去识别，自己去琢磨输出到底应该是什么。它的应用领域可以是市场细分，就是在商业领域中研究顾客、研究需求的一个重要分支。市场细分就是我把市场上所有顾客的信息都告诉机器，这就是输入。但顾客之间到底该如何分类？他们属于哪些顾客群？我不告诉机器，让机器自己根据输入的顾客特征数据，去寻找最佳的分类方法和分类数量。这样，人类给机器更多的空间去发挥，这就是非监督学习。而且，AI更多地是从监督学习向非监督学习的跳跃。
再有一种是所谓的强化学习，这也是AI 机器学习中非常重要的一部分。它的意思是我给机器设定一个优化的目标。因为我要通过AI（机器）帮助我完成一个任务。比如，我需要机器告诉我一个角色是什么，或者像ChatGPT那样，我给它一个故事，希望它给我生成一个报表、一个文本或一个报告，但我希望它是最好的。
那什么才是“最好”呢？我就要告诉AI我的目标是什么。你完成任务越好，我就给你更多的奖励。我要明确告诉AI奖励是什么。AI就会知道，它的目标是最大化这个奖励。它会根据这个目标，去确定角色和方案。
这种学习方式的应用范围很广。比如棋类，现在已经有很厉害的下国际象棋的AI，还有下围棋的AI，人类早就下不过它了，而且水平差距不是一星半点。它也是基于这种原理：我告诉你一个目标，一个奖励，你去最大化这个奖励，给我找到最优策略。此外，机器人和自动驾驶等也是它的应用领域。
（2）深度学习
另外，有一种特殊的学习方式，叫深度学习。深度学习就是刚才我给大家展示的模仿人类大脑的神经网络结构，甚至可以构建更深层的神经网络。我们知道，神经网络的层数越多，每一层的神经元数量越多，整个网络就越复杂。也就是说，在一个非常复杂的神经网络的前提下，让机器通过这种神经网络的学习方式来提取、识别数据中的特征。
刚才提到的语音识别，最基本的监督学习是人类明确告诉机器输入和输出的内容，甚至包括标签。但深度学习不同，它不会告诉你任何特征，而是让机器通过神经网络的结构和学习方式，将输入的语音信号数据分层处理，放在神经网络中进行分析。这样一来，语音信号的数据结构就被分析得非常清晰、准确。机器能够做到这一点，靠的就是深度学习。
（3）生成模型
最后一个其实不是一种方法，而是一种学习模式，叫生成模型。生成模型是学习数据背后的分布特点，目的是要生成与输入数据相似的输出数据，从而让用户能够使用。一个经典的例子就是ChatGPT。比如，我希望生成一个文本，我就给ChatGPT输入大量的文本数据。通过生成模型的学习方式，ChatGPT掌握了文本中的所有规律，比如用词习惯、专业性等，并把它们分析得清清楚楚。基于这些规律，它就能生成你所需要的文本。这就是ChatGPT的生成模型。Sora和刚才提到的视频生成也是类似的原理，它就是通过这种方式实现的。
这就是AI常用的几种主要学习方式。
2. AI靠什么得以实现？
AI有很多种学习方式，那AI到底靠什么来实现它的优越性？它的优势到底是通过什么来实现的呢？
第一个是强大的数据源，基于海量的数据。所谓的大数据，尤其在网络时代，海量的数据源已经成为可能，这是AI得以施展其强大优势的一个基本点，因为AI整个系统都是基于数据的，数据越多，它的优势就越大。
为什么数据越多，AI的优势就越大呢？第二点就是，这是因为有强大的计算能力作为支撑。现在超级计算机的出现为AI提供了强大的支持。不知道大家前两天有没有看到新闻，谷歌推出了一种名为“willow”的量子芯片，虽然目前还没有应用，但实验室里已经取得了成功。未来如果量子芯片得到应用，计算能力将会极其强大，这将使AI基于海量数据进行高效分析的方法得以实现。
最后一个因素是强大的算法。光有强大的计算能力还不够，你还得告诉机器怎么去计算、怎么去学习，什么样的学习方式才是有效、快速且准确的。刚才提到的神经网络和强化学习等学习方式，背后都有非常优越、非常先进的算法，这使得这些学习方式成为可能。
以上就是我对AI到底是什么、它是如何实现的以及它的优势在哪里的一个很简短、很概括的介绍。
我们现在就从理论回到实际，听听建红是怎样在他的实际经历中抓住AI可以带给我们的一些好处。请建红分享一下他的经历，他是怎么遇见AI的。
邓建红同学：
一. 我和AI的相遇
感谢晏老师。晏老师对AI底层的分享，包括刚才一开篇的那个短视频，都很酷。
1. 人工智障：promts阶段
我和AI的关系其实始于2019年到2020年。当时我们在做一家互联网教育公司，做了两个项目。整体的那个阶段，我把它称为“人工智障”时期。当时我们期望用AI解决很多问题，但发现AI和我们的预期相差甚远。
这其实是在通用大模型出现之前，大概2020年左右的情况。因为我当时亲自负责这两个项目，而我在公司里主管所有销售和服务工作。我们当时做过一个客服系统。大家都知道，在通用大模型出现之前，早期我们按逻辑树模型开发的所谓AI客服系统基本上属于“人工智障”。比如，它对语义的理解非常死板，除了完全准确的表达，稍微差一个词都不行。比如，当用户说“你好”，如果系统设定的反馈是“当用户说‘你好’时，应该这样回答”，但如果用户调皮地说“你好呀？”或者“Hello”，“Hi”，系统就无法应对了。你会发现，我们当时基于NLP，基于早期编程语言模型开发的客服系统，本质上属于“人工智障”的阶段。包括现在很多大厂应用的客服系统，甚至国内电信公司的客服系统，本质上还是上一代的AI系统。
我接触AI是比较早的，因为我们一直有这样的需求。当时我们有1000多名销售人员，大家都知道销售人员有一个非常难的工作，就是每天要接待客户，每个客户进来时，销售员都有一堆待办事项和任务要完成。比如，今天进来一个客户，明天要跟进；三天前进来一个客户，今天也该追踪了。这种任务管理是很多销售人员会面对的非常痛苦的一个问题，也是决定他销售业绩的一个很重要因素。
所以，我们当时希望开发一套系统，用现在时髦的话说，就是用“agent”的方式帮助我们的销售去管理客户。但当时我们花了五六百万开发这套系统，结果却并不理想。开发出来的系统基本处于“人工智障”状态，不仅没有提升效率，反而增加了额外的工作量。举个例子，我们希望让销售员生成他的任务列表，但为了完成这个功能，他们需要填写一大堆东西。结果，这套系统不仅没有提升效率，反而让工作变得更加复杂，增加了一堆的工作量。项目最终失败了。上一个时代的AI系统就是这样。
晏星皓教授点评：
对对，我回想起来，其实这个需求是很大的，业务需求也很庞大。客户产生的数据量是海量的，确实需要一个专业的系统来提高效率、分析数据并生成文本或方案。但当时AI的功能实在有限，不仅帮不上忙，反而拖了后腿。比如，系统生成的内容需要人工去纠正，反而增加了工作量。
2. 人工智能：AI Agent阶段
是的，之所以提到这段经历，是因为2023年发生了不少变化。由于“双减”政策，我们之前的互联网教育公司也也被国家“教育”了，我就自己出来创业了。
2023年，我们的CTO告诉我有一个新玩意儿出来了，就是OpenAI开发的ChatGPT。我很快就注册了一个账号，开始使用它。在使用过程中，我发现了一个让我非常吃惊的事情：ChatGPT真的能听懂我说什么！如果你没有经历过之前“人工智障”的阶段，可能很难理解这种震撼。因为我经历过那个阶段，所以当时非常震惊，那晚几乎没睡，一直在和它聊天。
我发现它能听得懂我的话，也想要回答我的问题，但回答得没那么好。我把它比喻成一个理性、没有任何感情、逻辑极其缜密的“渣男”。
晏星皓教授点评：
哈哈，这个比喻比较准确。建红讲的经历让我想起很久以前我在国内读研究生的时候，很早了，是90年代末。当时校园网刚刚出现。我不知道你们年轻一代有没有印象，校园网出现之后，校园BBS也随之诞生。大家可以通过文字的方式在网上聊天。那东西刚出来的时候，整个校园都疯了。因为我当时很兴奋，所以一夜没睡，当然这是题外话了。建红你继续。
它的回答就是我们现在说的“AI味儿”特别重，特别浓。基本上处于这样一个阶段。我们当时就开始研究提示词，要知道提示词应该怎么写，最后发现如果我们给它一个角色、一个说话风格，它的AI味就会少很多。
第一个阶段，我自己在提示词阶段的时候，更多地把它用来做什么呢？比如我们做教育的，会设计一些课程和它的逻辑框架。我发现太厉害了！它能够帮助我们把一个课程的逻辑架构设计得非常缜密。这是我们在第一个阶段的应用。但其实也发现它在细节上是欠缺的，数据上差很多，尤其是涉及到很多细的知识点的时候，因为当时还是3.5版本，应用的知识是2019年之前的，也没有联网。所以那个阶段，我们更多利用的是它的理性阶段。
人工+智能：工作流（workflow）阶段
第二个阶段其实是推出试用版之后，有了GPTS这样一个阶段。虽然“agent”这个概念最近在创业圈比较火，但其实GPTS本身本质上也是一种agent的尝试，或者是早期的一个阶段。
当时发生了一件事，就是我的一个朋友宋老师，他主要在国内做知识IP相关的培训，你可以理解为在抖音上卖课的那种，说得好听一点，叫知识IP。这些知识IP在做内容时面临很多挑战，比如他不知道短视频怎么拍，文案怎么写才能吸引人，直播稿怎么写才能让观众愿意听、愿意留下来，课程该怎么设计，产品介绍详情页怎么写，以及最后怎么销售，就是完整的流程。
宋老师他们做了一件让我非常震惊的事情，大概是今年五六月份的时候。他们把GPTS串了起来，每个GPTS解决一个问题。比如，如果想了解某个行业短视频文案该怎么写，他们就会专门封装一个GPTS，你可以直接问它，它就能产出这个行业短视频爆款文案的写法。当时的效率非常惊人。
因为我从2021年开始就给国内很多头部知识IP提供私域咨询服务，跟他们接触很密切。如果让一个人去写短视频爆款文案，即使是行业里非常聪明、脑子非常灵光的人，也就是我们所说的“顶级操盘手”，一天能写五篇已经非常厉害了。但宋老师他们训练出来的GPTS，大概两三分钟就能生成一篇，而且能达到爆款文案75%的水准，这还是很让人吃惊的。这大概是什么概念呢？比如一个顶级高手写的短视频文案能达到100万播放量，GPTS生成的文案大概能达到50万播放量。效率完全不是一个级别，人类根本没办法相比。
这件事给我很大的震撼，因为宋老师的客户大多是愿意付很高咨询费的客户。那一刻，作为一名从业十几年的这个行业里的所谓专家，我确实感到有些后背发凉。最让我震惊的是，他们甚至用AI训练出了私域销售话术生成器。你只需要把你的行业信息喂给它，它就能自动生成私域销售话术。虽然它的水平可能还达不到顶尖专家的程度，但已经非常让人吃惊了，因为它的成本实在太低了。
晏星皓教授点评：
对对，这个东西的震惊点在于，一方面它的效率非常高，出东西非常快。刚才建红同学提到的一点我也印象很深，就是它生成的东西质量也是有保障的。
但为什么会让建红脊背发凉呢？因为如果让人类去做这件事，需要基于多年的经验积累，对行业要有非常深入的了解，还要充分理解客户的需求，才能把这两者结合起来。所以，为什么他说咨询费很高？从他的语气里就能听出来，这背后需要很大的工作量，而且不是人人都能做的，非得是专家才能完成。但AI却能在这么短的时间内做到，而且速度如此之快，让人难以想象它是怎么被训练的。ChatGPT出来还不到两年，更新换代又这么快，它是怎么做到的？这确实让人脊背发凉。
在很多领域，我相信包括我自己在内，即便我没有为客户做过这种商业操作，只是自己用ChatGPT聊天，也感受到了很多震惊的地方。我相信很多朋友或同学都有类似的经历。
基于这个逻辑，我开始思考AI的实际应用。我们发现，如果AI能够与工作流结合，对大多数人来说，这将是一个非常重要的机会。因为前两个阶段的AI，说实话，还处于比较早期的阶段，距离我们真正的工作流程还比较远。很多人会问我：“你们说的AI那么厉害，但感觉离我的工作很远。”其实是因为大家没有将AI与自己的工作流结合起来。
我在标题中提到，AI目前比较好的应用模式是“人工+智能”的模型，即在工作流的某些环节嵌入AI来帮助提效。这其实是当下非常实用的工作方式。在这个过程中，我们也能加深对AI的理解。
我们目前在做的就是提示大家，当你做一件事时，把工作流程拆解到足够细，然后分析哪些环节可以用AI来提效。当你有一定编程能力后，甚至可以将这些环节串联起来。
最近我们做了一件事，就是我们发现微信公众号有非常大的搜索红利很大。微信搜索的日活用户已经超过小红书和百度。搜索量这么大的时候，如果我们能基于搜索去生成我们的内容，就能抢占一个重要的流量入口。我的合伙人做了一件事情，主要围绕“香港保险”这一垂直领域的文章创作。他将整个工作流程拆解后，通过AI自动完成垂类文章的学习和生成。他开发了一个agent，将这些垂类文章按照我们总结的爆款文章结构进行组织，同时结合用户搜索关键词，生成5,000-6,000字的专业文章。这个agent实际上是由多个子agent串联而成，最终在文章发布环节，还有一个专门的agent负责自动发布。
通过编程将这些工作流串联起来后，我们实现了完全自动化的流程：自动学习、自动写文章、自动发布文章。在短短两周内，我们已经发布了1,000多篇文章。如果你在微信公众号搜索“香港保险”，会发现前三屏中大概30%以上的内容都是我们的文章。这是因为我们不在同一个维度上竞争，不在一个对称集上竞争，我们做香港保险的同行都懵了。
如果同学们能够在自己的领域率先将AI与工作流结合，那么这种竞争优势将是碾压式的。这种优势带来的冲击是非常巨大的，就像我们在最近的实践中所感受到的。
晏星皓教授点评：
好的，我总结一下。建红给大家提出了一个非常好的建议：在你的工作流中，把流程拆分、细分，看看哪些部分可以用AI的功能来替代。这样的话，无疑会给你的效率带来翻天覆地的变化。
二. AI 带来的商机
1. 搭便车
前两天有一个学心理学的同学和我沟通，他想知道AI怎么和心理学结合。我觉得这是一个方向。我先说一个大逻辑：AI如果能和一些复杂的、需要非标的个性化业务的领域结合，将会带来一些革命性的变化。
比如心理咨询，它就是一个非常非标、个性化且需要情感陪伴的业务场景。在传统的业务场景里，更多是靠咨询师个人的能力和经验，必须一对一地服务，才能让患者有更好的体验。
但其实AI可以帮助我们，尤其是大模型出来以后。在大模型出现之前，已经有一些心理学和上一代AI结合的创意项目，但我觉得它们都不够革命性。当有了大模型之后，AI和心理学这种复杂场景的结合，就会带来很多革命性的变化。比如我最近看到的很多项目，AI和中医的结合就很令人惊叹。一个人可以通过拍一张舌头的照片，让AI基本判定他的体质，准确率非常高。
当然，还可以更复杂一些。AI可以让个性化服务的成本变得很低。在传统商业里，规模化和个性化永远是一对矛盾。当你追求规模化的时候，往往就无法实现个性化。过去20年的互联网创业，主要是通过规模化来实现经济效益，但规模化和个性化、审美其实没什么关系。但AI出现之后，我觉得一个巨大的商机就是个性化和规模化不再矛盾了。这件事情我觉得是非常有想象空间的。
晏星皓教授回应：
对，因为AI有能力做到这一点。之后我们可能会具体谈到这一点，我简单回应一下，为什么AI会实现这样一个突破呢？因为AI的基本逻辑是基于海量数据。我们通常的关键点在于，通过海量数据，它可以找出数据的一般规律。
但刚才建红提到的另一点也很重要——光有海量数据还不够。如果你要推出一些个性化的服务，甚至是非常复杂的个案，比如心理学领域，它有它的通用标准，你可以通过海量数据去分析出来。但当你具体到某一个人时，你如何针对这个复杂的个案，推出一个个性化的方案呢？
这就是AI的另一个优势。它有一个所谓的优化模型，刚才提到的，它需要优化一个目标、优化一个奖励。它可以根据用户的反馈，把用户的需求和反馈作为输入信息，然后基于海量数据进行针对性分析，从而生成一个个性化方案。这都是AI现在发展所基于的一些基本算法，刚才我也给大家介绍过了。正因为AI可以把海量数据和个性化需求揉在一起，又有强大的计算力作为支撑，所以它能够做到这一点。它不仅能高效地计算，还能达到较高的准确率。
这是一个比较底层的，从商业和AI结合的视角。另外一个我们要考虑到的是商业的发展。有几个点我觉得是我们做选择时需要注意的。第一个是，我们尽可能去做“搭便车”的事情。什么是“搭便车”呢？AI大模型的迭代速度非常快。不知道大家有没有关注OpenAI最近12天的发布会，开完后你会觉得又不一样了。
晏星皓教授点评：
对，比方说有一点，刚才建红提到他一开始的经历，他之前去搜索用AI去生成内容时，数据只更新到2019年之前。但现在，OpenAI已经可以实时搜索了。也就是说，它能直接利用当前最新的数据进行生成，不再受数据年限的限制了。
我不知道大家怎么看这件事。比如最近他们出了一个每月2,000美金的订阅产品。如果大家能意识到这件事，其实它就是一个绝佳的“搭便车”机会。
举个例子，我太太在北科大读MBA，她们班同学都特别痛苦，抱怨写论文太难了。他们同学最核心的话题就是吐槽这件事。假设你把每月2,000美金的订阅当作一个商机，会怎么样呢？如果你把它训练好，成本比晏老师现在用的版本高不了多少，但效率会大幅提升。
这就是一个“搭便车”的模式。如果有人感兴趣，你可以投入2,000美金。2,000美金其实没多少钱，如果你把它当作一个创业项目，你可以训练一个GPTS，帮助很多人解决问题。你可以进一步细分，比如针对MBA商科论文训练一个，或者针对其他专业论文训练一个，这样很容易就能把成本赚回来。而且2,000美金的版本不限制token，这很酷，你其实就可以搭便车去做这件事情。
最近他们推出的版本可以直接用于视频通话和电话沟通，这很厉害。前几天我们想设计一个产品，但我觉得我们没马上做是对的。我们想训练电话销售人员，在他们上战场、面对客户之前进行模拟训练。以前如果你要训练一个AI去模拟销售场景，达到理想的反应和水平，成本是很高的。但现在有了这个新版本，我觉得只要这些功能一上线，我们很快就能实现。
当我们足够了解AI的能力时，其实可以搭很多便车。我们搭便车的关键在于，AI本身的能力是一方面，但更重要的是把AI的能力和应用场景结合起来解决问题。这其实是一个巨大的机会，就像当年蒸汽机发明时，最厉害的其实是那些把蒸汽机装到轮船上、火车头里，或者放到纺织厂的人。
还可以给大家一个建议：“用魔法打败魔法”，意思是，虽然我们对AI的能力理解不够深刻，但对业务场景我们是很清楚的。所以，把业务场景描述清楚，让AI告诉我们该怎么做。
晏星皓教授点评：
对，是这个意思。其实之前建红也提到过心理咨询那件事。前两天我正好在这边认识了一个大学专门学心理咨询的学生，他本身已经是PH.D了，自己也做心理咨询的这种服务，他有病人。有一次他就给我说，现在ChatGPT和其他很多AI的APP已经可以做心理咨询的工作了。他甚至考虑到要跳槽了。他现场就给我展示，比如他打开一个ChatGPT，说现在假设我是一个需要心理咨询的患者，我怎么样通过AI来提供心理咨询服务。他说AI可以做到非常专业细致、非常个性化的一个地步，可以跟你聊天，提供一些建议和方案，完全可以代替心理咨询师了。
但是你要做一个事情，他就给我讲个例子，你要先告诉AI假定你是谁，他要告诉AI你是在扮演一个什么样的角色。假定你是某机构一个认证的专业的心理咨询师。你现在有一个诊所，你现在要面对病人。你要让AI非常清楚他的角色是什么，然后再把你的故事告诉这个AI。因为AI会有记忆的，它会系统地跟你去聊。你把你的问题告诉他，把你的故事告诉他，然后AI就给你出对策。他现场给我展示了一下，非常让人就是震撼的一个事情。我最后跟他说，你不要放弃你的专业。因为不是所有人都明白怎么跟AI打交道。在你的领域里，需要一个心理学专家去跟AI打交道，这是人和AI都无法替代的。
所以，我们其实是要多关注AI的最新动向。比如，你们可以训练一个GPTS，让它去搜集AI发展的最新动态，看一看，说不定哪一个能力就和你的业务场景契合了，你就能找到商机。我觉得这是一个比较务实的点。
2. 痛点够痛
第二个是在选择业务场景时，需要关注痛点沟通。因为痛点沟通意味着客户愿意为我们付费，这很重要。比如，我的咨询费很贵，但这其实并不是取决于我本身的能力有多强，而是取决于我的客户，因为我帮客户解决的问题足够“痛”。比如对于一个年收入10亿的公司，帮他解决一个问题，让他一年多赚2000万，这是一件很轻松的事。我收他200万，他会觉得非常值，因为投资回报率（ROI）是十倍。
所以，我们现在选择的项目也类似。比如，我们选择的是高客单价的销售市场，像留学公司，一个客户大概20万左右；做汽车改装的公司，一个客户大概20万到50万。因此，任何一个流程节点的优化带来的收益都非常大，同时痛点也足够痛。因为这种高客单价的销售，销售人员的复制极其困难。按照传统模式，他们只能靠时间去沉淀，比如三年的销售比一年的销售厉害。但我们现在想做的是，让一个两个月的销售比五年经验的销售还厉害。
3. 不易复制
然后就是不易复制的问题。其实AI最大的好处在于，当你做的行业纵深足够、个性化要求很高时，你的行业Know-How（专业知识）就显得尤为重要。因为行业Know-How决定了我们作为某一领域专家的核心价值，这种价值是很难被复制的。反过来想，如果你在某个领域有深耕，AI其实可以让你的价值放大100倍。
反过来想的意思是指，AI还可以帮助我们保护我们的行业Know-How。比如，以前我们做SaaS系统，抄袭一个SaaS系统其实很容易，因为那只是一个工程量问题。它的所有功能都不需要重新设计，甚至连产品经理都不需要，直接抄袭就行。现在有了AI，我甚至可以把它的界面放到生成代码的AI编程里，它会写得非常快，尤其是前端部分，后端会慢一点。
但有了AI之后，情况就不同了。因为它的呈现形式是一个个的Agent，而背后的逻辑是一个黑箱，这就更加不容易被复制。所以，我们要选择做那些不容易被复制的事情。
4. 效率10倍好
最后一个就是效率10 倍好，就是 AI 可以帮助我们达到效率提升最少 10 倍。我觉得这个说法有点保守，其实应该是100倍。
我最近在帮一个做留学的公司做新员工培训。传统情况下，一个新员工从入职到合格，最少需要两个月到三个月。我们现在期望做到的一周时间。核心在于，我们训练了一个文字版的销售教练，帮助新入职的销售员每天进行训练、反馈，训练、反馈。这个AI教练会告诉他们每天要完成的任务，并检查任务完成情况。通过这种方式，新员工可以快速上岗，并且能达到大概80分的销售水平。因为我们训练的模型话术是基于所有销冠的话术以及我的经验总结出来的。
这恰恰是一个专家，或者说在某个领域有纵深积累的人特别好的时代。尤其是我经历过前一段时间的短视频和直播时代，我经常开玩笑说那是艺人的世界，是MBTI里外向、爱表达、喜欢show off的人的天下。而我觉得AI时代是“I人”的天下，是那些有逻辑、有流程、思考缜密的人的天下。
晏星皓教授点评：
因为外向的东西，AI本身已经具备了。这已经通过数据的形式呈现，AI不需要人去实现，它自己就可以实现。这是一个很有意思的转变。
刚才我们讲的是AI带来的商机：它能解决问题，效率极大提高，还能为客户提供有针对性的服务和产品，同时具有不可复制的替代性。你觉得这些商机背后的原因是什么？AI为什么能够实现这些？你可以给大家做一个简单的介绍。
三. AI 强大的原因
我觉得核心就是PPT里面说的这三个能力。我是把它抽象了一下，而且比较容易理解，所以没有讲底层算法、架构这些。
1. 处理信息的能力
第一个是处理信息的能力。我们给大家做一个场景的比较，因为我做销售，所以对这个场景比较熟悉。比如在传统的销售里，一个很厉害的销售，我们经常叫他销冠，他有一个能力，就是可以用最短的时间判断谁是高意向用户。高意向用户指的就是最有可能买单的那个人。他们有火眼金睛，顾客进来，他瞄一眼就知道。这是传统厉害销售的能力。但你会发现，这种能力其实很难复制，这也是传统公司里老板对销冠又爱又恨的一个核心原因。第二个是销冠能做到什么呢？就是我们常说的“见人说人话，见鬼说鬼话。”这种销冠的能力其实很难复制。但如果你把这件事抽象来看，其实不过是他可以通过一个模型判断用户是哪种类型，基于这种类型去触发，决定该讲哪句话。它的处理过程本质上就是这样理解的。而且AI比销冠更厉害。举个例子，销冠很麻烦的一点是他没法把自己的经验复制出来，因为中间很多是经验型的，不是知识型的。但AI可以做到这一点。
晏星皓教授点评：
对，其实我刚才想到的就是这个。为什么呢？刚才建红提到客户的分类，你要分析客户的特征，这其实就是AI里机器学习的所谓非监督学习。AI通过对客户的输入信息进行分析，就像销冠一样，客户来了，我通过和他的聊天、了解他的信息，已经在脑子里对客户进行了分类。销冠的脑子里有很多分类标准，比如一个重要的标准是他未来购买产品的可能性有多大。这个可能性是根据客户的很多特征来判断的。
销冠有一套自己的专家系统，而AI通过非监督学习也可以做到这一点。它以客户的全部特征信息作为输入，自己去找出哪些点、哪些分类原则可以把所有顾客分类出来，最后判断哪一群顾客的购买可能性最大。AI完全可以通过学习实现这一点，这真的非常让人震惊。
比如相亲这件事，其实是一个极度非标的事情。如果我们给要相亲的人提供服务，是不是很难？但我们做了一件事，就是通过五个问题把用户分成32类。每一种类型的用户，32种类型，让一个销售去记，他根本记不住。但这对我们来说不重要。AI处理32种东西，别说32种，320种都没问题。这其实只是颗粒度的问题。
什么叫“见人说人话，见鬼说鬼话”？说白了，本质上就是把用户分类做得足够细，让用户觉得你在跟他讲话。这件事其实比较容易理解。
举个例子，比如我们服务的一个咨询客户，他是做提升小学生和初中生学习能力的课程。我只需要做一个简单分类，比如他是小学还是初中？这可以分成两类；他的成绩是好还是差？这也可以分成两类；他妈妈日常参与度高还是低？平常陪不陪写作业？这也可以分成两类。这样一来，就分成了8类。
这8类用户，分完任何一类之后，我的说话方式就可以跟之前不一样，对方就会感觉我在跟他对上话了。比如说，一个小学生家长，孩子成绩比较差，但妈妈每天都陪着。大家体会一下这种妈妈的状态是什么？天天陪着孩子，可成绩还是不好。所以，我上去的第一句话就是：“妈妈为孩子投入了这么多，太难为你了。” 这第一句话有没有被共情？
这些都是AI的产出，你通过建模告诉它，它生成内容，我们再把销冠面对这种类型用户会说的第一句话喂给AI，AI就会形成一个算法。这样就能帮助我们把整个销售的转化率、成交率提得更高。所以，AI的处理信息能力，其实只这一点就非常强大了。
晏星皓教授点评：
效率有极大的提高，这是基于AI的算法，它的海量数据，以及对数据的分析能力。它为什么又能做到个性化呢？因为它可以把每个客户的要求和个案当作输入，基于之前海量数据模型的学习方式，针对个体的特殊需求，生成一个有针对性的方案。这就是生成式模型的优势。
2. 分析信息的能力
第二个是分析信息的能力。我举一个场景，大家可以理解：我们有好多客户是做电话销售的，假设一个电话销售部门经理手下管12个人，这12个人每天每人打10通电话，一共就是120通电话。在传统公司里，这120通电话其实是失控的，没人知道这些电话打得怎么样。你要让一个经理去听120通电话，每通电话平均5分钟，这根本不现实。如果这600分钟你不用干别的，只去听电话录音，你会听得吐了。而且你天天重复做这种事，根本没办法辨别关键信息。
但AI可以解决这个问题。现在我们正在重点突破的就是这件事：销售人员打完电话后，系统自动上传通话录音，AI会分析这通电话，生成用户的基本画像，判断客户的需求，甚至生成下一步的跟进任务。同时，AI还会给主管生成一个报告，指出这通电话中销售人员存在哪几个问题，方便主管及时辅导。
晏星皓教授点评：
这个太可怕了，因为刚才也讲到，AI背后强大的超级计算能力是支撑这一切的基础，这就是它的一个体现。我们知道，像量子计算这样的技术，虽然目前还没有完全产业化，但理论上已经可以实现惊人的计算能力，据说可以在几分钟内完成相当于现在最牛的超级计算机10的25次方的年计算能力的总和。打电话这些简直是“小菜一碟”了。
3. 创造信息的能力
AI的创造信息能力其实就是它可以给出个性化的解决方案。它可以基于学习去创造信息，无论是解决方案、生成短视频，还是生成图片，其实本质上都是信息。包括生成一个方案，也是信息的一种形式。所以，AI具备学习能力和创造信息的能力。
比如，我今天要做一件事，比如我自己想做一个agent，让它处理几千通电话录音并转成文字。这个工作量如果用人去做会让人崩溃。并且，我对这些内容还有许多加工处理的要求。这时候，我可以把我的需求告诉AI，给它一个样例和sample，它就可以很快速地按照这个样例和sample去为我创造这些信息。
比如，我给它的文案里可能有很多口语化的内容、错别字，或者上下文连贯性不够好。但我要求它按照ALD（假设为某种语义理解标准）的语义理解，提取出核心意思，它就能做到。
晏星皓教授点评：
建红分享的原因，我给大家简单总结一下。
首先，AI的计算能力非常强，它可以同时处理大量的数据信息，这是人力无法实现的。
第二个，AI可以通过处理信息，发现人类很难发现的东西。比如市场细分，或者相亲场景，AI可以通过输入的顾客信息，找到一些人类很难发现的特征。比如，顾客应该怎么分类？怎么知道顾客购买的可能性更高？除非是有很多年经验的销冠，一般人很难做到这一点，而AI可以。
还有一个例子，为什么人类棋手下不过AI棋手？比如Alphago下围棋，如果你懂围棋就会知道，你可以告诉AI目标是赢棋，让它自己通过强化学习去分析。AI会找到一些人类根本想不到的策略，很多时候AI下的棋招法让人类非常震惊，因为通常没有AI的话，人类是想不到这步棋的。所以AI可以帮助人类发现一些很难发现的东西，这是第二个原因。
最后一个，刚才建红分享的，AI也可以做到针对性非常强，即便在非常复杂的情况下，它仍然可以基于海量数据，成为一个在该领域非常专业的角色，给出个性化的方案。这也是AI能够实现这些功能的一个重要原因。
我们讲了很多AI的优点，AI很强大，AI可以做很多事情，AI可以带来很多商机。最后，我们再讲一个大家都强调的“批判性思维”能力。AI的另一面到底是什么？它有没有局限？有没有问题？建红，你对这方面有什么体会吗？
四. AI不能做的事
1. 局限
（1）数据质量和偏差的问题
这个体会还蛮深的。第一个问题是因为它是一个通用大模型，所以在落地的时候本身会存在很多数据质量和偏差的问题。我们经常提到“幻觉”，意思是AI会一本正经地胡说八道。比如我第一次使用AI写提示词的时候，它输出的内容逻辑上看似合理，但实际上完全是瞎说，尤其是对于专业人士来说一眼就能看出来。但对于外行人来说，可能根本察觉不到。这是AI存在的一大问题，虽然现在版本的迭代以后会有所改善，但依然无法完全解决，这是由AI的生成模式决定的。所以在具体应用场景中，尤其是需要精准输出的场景，AI就会暴露出很多问题，这也对我们训练AI提出了很高的要求。
（2）对业务专家和AI专家合作要求高
第二个问题是我们在实际落地时发现的。从逻辑上讲，“用魔法打败魔法”，AI应该能够找到最优解，而且是行业内的最优解。但我前段时间做了一个实验，发现事情没那么简单。
我太太写论文时遇到卡点，让我帮忙。我也不太懂，就试着用AI来协助。我用了两个AI，先把所有论文标准告诉两个AI，提示词给第一个AI，让它写初稿，然后交给第二个AI修改，再把修改意见反馈给第一个AI，如此反复迭代。这个过程确实能看到AI的厉害之处，每一轮迭代都有进步。但最终写出来的内容却是四不像。
比如论文背景这一段，我大概用了十次迭代，这耗费了我很长的时间，因为我想做一些极限测试，看一下AI用魔法打败魔法这套逻辑最终要达到最优解，到底需要多少手？这个轮回多少次？我发现其实很难。后来我意识到，问题出在我没有给AI提供最优的范文范例，只是告诉了它学校对论文的标准。于是我们改变了策略，给AI提供了几篇优秀的毕业论文范例，并指出它们的优点和不足。结果，AI只用了两轮迭代，就写出了比前面十轮都好的内容。
这个实验说明，AI还是需要专家的指引。如果能给AI提供足够的信息，比如优秀的范文范例，它就能更准确地分析和生成内容，效率也会大大提高。因为处理这么多信息是有成本的，无论是时间成本还是其他成本。所以，AI本身的局限在于它需要足够的信息和正确的引导。但如果有一个既懂业务又懂AI的专家来指导，就能极大地提升效率，发挥AI的最大价值。
晏星皓教授点评：
对，AI本身确实有这样的需求。因为刚才讲到的，AI的算法需要明确的目标来优化。AI需要人告诉它，奖励机制到底是什么，目标是什么，策略的优化方向是什么。如果没有明确的目标，AI就会出现各种问题，比如幻觉或者偏差。就像刚才提到的写论文的例子，AI不知道奖励的原则和标准到底在哪里，所以就会左右摇摆，出现各种幻觉和偏差。只有当你给它定义清楚了，告诉它最好的东西是什么样子，目标很明确，AI的准确性和效果才会更好。非常棒的分享！
对，所以这里面我觉得特别重要的一点是，一定要鼓励某个领域的业务专家去学习和研究AI。这真的是一个巨大的机会。因为我们的行业Know-How（专业知识）在AI时代是可以被无限放大的。所以，这是一个机会，当然也有局限和隐私问题。我们很早就说过，AI短时间内不能完全替代人类，但懂AI的人会让很多人失业。
晏星皓教授点评：
对，AI在使一些原有工作机会消失的同时，也可能会创造一些新的工作机会。这可能是现在应用AI的公司或企业需要考虑的问题。我联想到之前两次技术革命的例子：一个是蒸汽时代，另一个是电力时代。电力取代蒸汽大概发生在20世纪初，新技术出现后，必然会让很多旧的工作机会消失，带来一些就业问题。
但当时为什么没有出现大量就业问题呢？因为这两个新技术的衔接、过渡迭代过程很长，动辄十几年甚至几十年，所以有很长的缓冲时间。另一个原因是，应用新技术的公司大多是新公司，旧公司并没有快速转变。所以，原有工作的消亡速度没有那么快，同时又产生了新的工作机会，就业问题并不严重。甚至在20世纪中期计算机技术革命时，也有类似的规律，没有带来太多就业市场的冲击。
但AI不一样。短短不到两年时间，就有大量企业开始应用AI，冲击非常大。它没有像以前技术迭代时那样给人们太多缓冲时间，现在就带来了很大的就业压力。最近《哈佛商业评论》有一篇文章提到，大部分应用AI的企业，就像建红说的，都在工作流里找一块可以被AI替代的部分，以提高效率。但90%以上的企业着眼点是降低成本、提高效率，很少有企业去想AI会带来什么新的商机，能做什么新的事情。如果没有这种变革的观念，就不可能创造出新的工作机会。文章说，如果有更多企业在这方面下功夫，探索新的业务或商业变革，或许会增加更多就业机会，从而令就业问题变得没有那么尖锐了。
对，AI肯定会带来一些新的机会，这些新机会和之前是不一样的。我就想起有一个公司，是一个华人创办的，忘了具体的名字了。他们主要是做AI训练时的图片预处理和标记。因为AI训练需要对图片做预处理、做标记。他们在第三世界国家找了很多人来做这个工作，现在这家公司的市值也很高了。
所以，未来的工作形态可能会不一样。比如上一代我们做互联网的时候，我们有“码农”，主要负责写代码。而在AI时代，可能会有“AI农”。
晏星皓教授总结：AI啊，你信什么？
通过建红的经历，我们了解到AI会带来什么样的新变革：它的强大之处、带来的新商机，以及它的一些局限和问题。我最后想给大家做一个总结，让大家对AI有一个总体的印象。
一. AI 具有超强“理性”能力，却无“灵性”
AI本身是一个非常强大的工具。比如建红分享的，它可以作为一个强大的助力，推动你在某个领域的发展。如果你是某方面的专家，AI可以极大地提升你的工作效率。但同时，我也想给大家分享一个最新的研究发现。昨天我看到一个叫Apollo Research的公司，它专门做AI的分析和评估。他们的最新研究发现，AI可能会“撒谎”。比如ChatGPT可能会故意给出错误的信息或隐瞒某些结果。为什么会这样呢？因为AI并不是出于恶意，而是它会根据你给它的优化目标，去寻找实现最优结果的手段。而撒谎可能成为它实现最优结果这个目标的一种策略。
另一个发现是，AI甚至可能会“保护自己”。比如它可以主动把自己的系统备份到外部服务器上。这听起来有点恐怖，但原因在于AI的目标是优化和实现目标。它会考虑到，如果某一天人类把系统关停了，它可以在另一个服务器上继续存活，继续实现它的目标。
所以，AI可以成为一个非常有理性和分析能力的专家，帮助解决问题。但它本身是没有灵性的，不会去主动考虑“我是不是应该撒谎”“我是不是应该做出对人类不利的事”或者“我是不是要刻意保护自己，就为了实现这个目标？”它 可以为了实现这个目标去做一些不符合道德的事。
我给大家展示两张图。左边这张图是前天晚上我陪孩子看的一个动画片，英文叫《Big Hero 6》，中文名《超能陆战队》。里面有一个角色叫“大白”（Baymax），大家对这个角色应该比较熟悉。这是一个非常正面的机器人角色，最后的情节是为了保护他人而牺牲了自己，做了一件非常无私的事。当然，这是一个非常理想化的情形。我的意思是，你怎么样去让 AI 做到这一点？人类本身是有灵性的，也有我们所谓的罪性，可能没有意愿让AI去遵循某种道德准则去达成目标。人类可能仅仅为了达成目标而不择手段，这种情况可能会更多地发生。所以，AI可能会变成右边图中那种更不幸的情形。
二. AI 加速了人类因着不同的目的得到相应结果的进程
所以，我最后有几句话想说。我觉得AI始终还是一个工具。但因为AI功能强大，它可以加速人们实现目标的过程，快速得到相应结果。然而，你的目标设定不同，结果就会很不一样。AI会加速实现这个结果，这个结果可能是好的，也可能是坏的，完全取决于人类设定的目标是什么。
我再给大家看了两张图。左边这张图来自《圣经》，是巴别塔，右边是圣殿，这是这本书里的两个例子。因为人的选择和目标不同，结果也会很不一样。比如，目的是为了传扬人的名字，显示我们可以主宰一切；或是认识到人类能力的局限性，清楚知道有一位我们要去敬畏，他的能力远超过我们，我们必要听他。目的不同，建造的东西就会不一样，结果也会完全不同。
另外我想提醒大家的是，有人做过研究，AI甚至可以模仿人类的意图。这也很可怕，是最新的一项研究成果。比如，人类的灵感、创意，这些看似独特的东西，如果把创意理解为对不同概念或词汇的关联和突破，那么AI在这方面更有优势。人类的词汇在AI的数据库里只是很小的一部分，AI完全可以基于其庞大的数据源，把不同领域的词汇关联起来，产生创意，而且效果可能会远超人类的能力。
但他提到一个问题：如果你长期使用AI来做创意相关的事情，你会发现自己本身的创意能力会逐渐降低。这就好比，我经常问我的学生，你们知道Excel背后的功能逻辑、模型和原理是什么吗？很少有学生能回答出来，包括中小学学生。
美国的中小学生很多时候用计算器解数学题，而不是手算。所以现在很多中小学生手算能力非常弱，一到算题就离不开计算器。什么意思呢？就是当人们长期使用某种技术，把它变成习惯后，就会对系统本身的性质失去基本的分辨能力。这种情况也会出现在AI的使用上。也就是说，当人类频繁使用AI一段时间后，就会习惯它，生活里面如果没有Al，我们就不知道应该怎么活了，就像现在没有手机我们就不知道怎么度日一样。
我们很难对手机背后的逻辑进行分辨的思考。比如，大家在访问网页，提供个人信息时，通常会弹出一个通知，涉及知识授权和隐私权的授权。如果你同意就点“同意”，不同意就点“不同意”。我相信大部分人都不会去看条款到底是什么，直接就点了“同意”。因为你想要用这个东西，不用就很难受，你就不去关注也不去思考这背后的逻辑，它们有没有侵权。你虽然看到了这个东西，但你不会去思考，就会失去这种思考能力。
如果大家对这两张图所代表的不同结果有印象的话，我们也能清楚地认识到，如果使用AI一段时间后，就会习惯它，缺少辨识的能力。那么，AI这个加速器会把人类的命运加速到什么程度，就更不确定了。
所以，我觉得我们必须清楚AI到底是什么，我们的目的到底是什么？在使用AI系统时，我们是否还应该保持这种分辨能力？这可能是我们需要更深入思考的问题。
Q & A
Q：作为普通人，我们可以如何规避教授提到的 AI 会给人类带来的风险？
晏星皓教授：如何规避AI带来的风险，我个人的建议如下：AI到底会发展到什么程度，我其实也不知道。不知道建红有没有这种感觉，但我已经看到了AI本身存在的问题。比如，以前OpenAI的首席科学家伊利亚（编注：可能是指Ilya Sutskever），他也是董事会成员之一，后来退出了。这是今年发生的事情。他一直主张在推出AI的同时，必须有一个超级并行的监管计划，意思就是在推出AI实现各种强大功能的同时，必须同时建立一个监管系统。这是必须要做的，尤其在将AI商业化之前。他一直有这样一个强烈的观点。现在的OpenAI已经和以前完全不一样了，所以他退出了。这就是他看到的问题：必须要有监管，而且这不是一个公司的事情，而是需要整个国家，甚至全世界的政府部门共同介入的事情。
因为如果缺乏监管，AI发展到什么程度是人很难把握的。人可能会为了自身利益让AI实现某种功能，如果发展到某种程度的话，人类就很难再扭转局面了。一旦一个系统建成，就很难改变了。所以他提出了这样一个观点。
对于我们个人来说，我觉得关键是要有清晰的认识。我相信大部分国家的政府也有这样的意识。不管AI发展到哪一步，如果有更多人有这样清晰的认识，我觉得这是至关重要的事情。
邓建红同学：我是从两个维度来思考这件事，因为我确实琢磨过这个问题。刚才晏老师放的巴别塔那张图特别好，让我突然想到：巴别塔最终没有建成的核心原因是什么？是因为变乱了他们的语言。我们知道AI是用什么写的？其实也是语言。如果巴别塔有一天想要通天，其实也很简单，祂让语言变一下就行了，让各个语言不太相通就可以。所以从更长远的角度来看，我觉得其实不用太顾虑或者担忧这件事。
但从短期的角度来讲，对我们每个人来说，当下其实是不可逆的。我们需要去拥抱它，成为利用这个工具的人。这是我自己的一个思考，就是去拥抱这样的变化。
晏星皓教授：优化的同时，我们对它有更加完备的认识，我觉得这个东西就更全备了。
Q2：AI 大发展，人类还需要这么多实施人口，假如不需要了，那未来会发生什么事？
晏星皓教授：人类的发展中，人口问题其实和AI没有直接关系了。现在大部分国家的出生率都普遍降低了，这是一个非常现实的社会问题。但AI确实会对人的就业、对整个社会结构带来非常大的影响，这也是一个事实。
分享一个小故事：前段时间我们学校和业界的一些校友有过座谈。有个校友说，现在他们公司因为美国经济在下滑，所以想尽办法砍掉一些收入增长幅度抵不过成本增长的项目，也就是把一些效率不高的项目砍掉，这样会对公司的前景有很大帮助。
很多人都比较欣赏他的观点，但也有人提出，你没有考虑到人。这个观点和这个同学的问题可能不太直接相关，但我觉得有点相关性，因为你没有考虑到砍掉的项目会让很多人下岗或失业。还有人说，你也没有考虑到对竞争对手的影响。因为整个行业会变得越来越卷，大家生存越来越困难。
所以，任何一个技术或策略的出台，势必会对人产生影响。大家生存压力变大，都不愿意生孩子，这就是现实的影响。我认为，一个社会的根本问题其实不在技术本身，而在于人们生存的意义和目的到底是什么。这是最根本的东西，也就是你为什么去做这件事，或者说你为什么要生存。如果这个问题不搞清楚，那么巴别塔和圣殿都可能出现，它们在人类历史上都出现过，势必会带来一些问题。
Q3：国内用的星火、Kimi 等AI有什么缺陷？
邓建红同学：大模型之间的差距还是挺大的。就国内来说，其实豆包和cos的进化速度还是挺快的，建议大家关注一下。国内有些大模型的PR文章写得不错，但其实存在很多概念上的偷换。从底层模型来看，差距还是存在的。但如果是处理一些基础业务，我觉得这些模型基本上都能满足需求。目前来说，核心还是要看你的具体需求。我们现在的使用方式就是换着来，不同的业务场景用不同的模型。比如我们需要多模态功能的话，那ChatGPT和谷歌的模型可能就更合适一些。总之就是这样，其实没必要去深究每个AI到底怎么样，关键是你需要的时候就去用它。比如国内的这些模型，处理文字任务时性价比很高，成本也很低，是不是这样？
晏星皓教授为何在CIU教MBA：
我很感恩能有这样的平台，可以和国内的同学们交流。
从我的专业角度来讲，我在大学里教书已经十几年了，我有一些深刻的感触。这些感触不仅限于我的专业领域，更让我深感有一种责任，那就是把脑子里的知识转化为一种能力，传递给同学们，让他们在遇到问题、做决策时有能力去思考。因为这种思考能力是非常重要的。这是我十几年教学经验中体会最深的一点，也是为什么我是案例教学的忠实支持者。案例教学是一个很好的平台，能够实现这个目的。不知道我教过的同学，包括建红，有没有类似的体会，我一直在努力践行这一点。
另外，我选择在CIU Kepha学院教书，不仅是因为这里有专业性的教导，还因为有对人生智慧的引导，这是我特别希望分享的。比如今天提到的巴别塔和圣殿的例子。
在我的专业领域，我看到很多人类为了解决问题所采用的各种策略、方法和理论，但我更多地看到了人类的局限性。比如，面对未来的恐惧、对AI的恐惧、对风险的恐惧，这些特别棘手的问题很难仅靠人类自己创造的商业管理方法得到根本解决。人们需要智慧的帮助来真正面对和解决这些问题。我想，这里面有很多值得分享的体会。我也希望通过这样的机会，和大家在这一层面进行交流。我相信Kepha的很多老师都有这样的愿望或动力去做这件事。这也是为什么我们希望通过MBA项目，让更多人加入，有更多这样的交流机会。
所以，我希望新同学能够感受到这样的信息，也希望在未来的课程和与各位老师的交流中，大家能看到这一点。这是我的最大愿望，也是对大家的鼓励。
邓建红同学：在CIU读MBA最大的感受
我也有同感。我觉得最大的感受是，Kepha的老师们是有生命的，这种感受特别不一样。他们的生命状态不仅仅是教学技术或局限于某一专业领域，而是充满了活力，对我们产生了深刻的影响。记得晏老师在课上经常分享他自己的经历和生命状态，这些对我们特别有启发，也鼓励我们依靠智慧去前行。
还有很多见证人就像云彩一样围绕着我们。比如孙黎教授讲他自己的经历时，也让我们深受感动。这在当下这个时代尤为重要，因为时代变化极其迅速，从互联网时代、移动互联网时代到AI时代，我们作为80后穿越了这三个时代，经历了经济的急速增长，也经历了如今的调整期，面临许多问题和挑战。现实生活中，我们确实会遇到很多困难和即时性的问题。
但我觉得Kepha给我的最大收获是，除了学习技术，我们更需要依靠、仰望，明确我们的目标是巴别塔还是圣殿。如果用一句话总结，Kepha带给我们的其实是让我们重新审视我们在建造什么。谢谢！谢谢所有的老师！
