ARTICLE · 1271466
AI究竟怎么改变我们的生产力?
上一篇文章畅想了理想的未来AI带来的超级生产力，可以让我们大部分人都不需要进行生产，极大地改变我们的社会结构。
但是这个未来还有多远？
当前AI的核心是大模型及其展现的“涌现”能力，但这也带来了巨大的随机性，在生成任务中是能够带来惊喜的加分项。
但是在工业场景中，可靠性要达到99.99%才能大规模进入到生产场景中。这就表明将AI大规模放入工厂的生产还需要很长的路要走。
目前也已经有很多先驱者进行着探索，垂直领域的专用模型、蒸馏大模型还有各种机器学习算法都有着不错的发展空间。但也都只局限于某些特定场景，还没有真正走通的AI+工业的落地案例。
那理想中的未来，从技术上讲和当下差距还有多大？
大家好我是小哲，
今天我们一起来想个问题：
AI究竟怎么改变我们的生产力？
01
我们想象中的“黑灯工厂”有着自主规划决策的高级工业AI，流水线自动完成生产。因为基本不需要人的介入和管理，工厂的灯都可以关闭。
但是实现这个理想的第一步就困难重重，那就是数据。
我们都知道，数据是AI的食粮，只有优质的数据才能训练出好用的AI。
但现实是，绝大多数工厂连高质量、结构化的设备运行数据都尚未采集完整。在一个数据荒漠中，再精妙的算法模型也只会饿死。
即使有着较好数字化的企业，也没有涌现的土壤。
一个只有几千条振动信号的模型，永远不会像大语言模型那样自发产生推理能力。我们看到的有的工业AI高级能力，是从通用语料库中嫁接过来的。可以看作是富家子弟下乡体验生活，不是本地生长出的智慧，自然使用效果会大打折扣。
另一条路径是“大模型指导小模型”的工业Agent，其最终闭环几乎全部止步于给人提建议。最终的决策，依然要由人来决定。它是一个绑在旧系统上的、强大的认知外挂，但不会真正进入旧系统的核心决策回路。
还有数字孪生看起来非常美好，但它的代价是绝大多数企业付不起的。
AI模型产出的永远是最可能的答案，而工业核心控制的是绝对确定的结果。
这个鸿沟是原理性的，无法用更大的数据量或更复杂的微调来弥合。
02
所以目前AI+工业的探索也在尝试绕开这个障碍，从其他方面赋能生产。
比如放弃对毫秒级物理效率的执念，全力瞄准认知效率和研发效率的蓝海。让AI去帮忙让一个新手一天内具备十年查找资料的经验、或者快速给出多组方案并找到结构最有效的那一个。这个维度的效率提升，其商业价值不亚于产线提速。
或者用AI优化机器和人的交互，快速分析数据辅助人的决策。抑或是单纯作为工作助手和陪伴。
AI模型的底层原理也许就不可能做出99.99%准确率的决策，也许我们思考的方向一开始就错了。
我们都学过，第二次工业革命的起因是人们对电力的应用。但实际上生产力被革命性的提高是从福特的流水线发明开始的。
电力代替蒸汽机，生产力并没有发生本质变化。而流水线是围绕“电”这种新的、灵活的动力形式，彻底重构了生产的时空逻辑，改变了生产这件事的范式。
所以AI带来生产力的爆发，一定也是需要一种围绕“AI”这种新技术的新的生产范式。
也许是打破工厂这种生产模式，也许是诞生一种从来没人想过的生产流程，也有可能是全民都会参与到生产的过程中。
答案只有未来的人会知道了，但找到答案的那天就是人类生产力再次爆发的那一天。
结
论
流水线用标准化的节拍，解决了那个时代如何用电力进行高效生产的难题。
而今天的难题则是如何用非标准化的智能，释放出比流水线标准化本身更为磅礴的创造力与可能性。
那条通往未来工厂的路，注定不是用硅基大脑的机器人去替换旧引擎的某个零件。题目像更是一个像是哲学命题的思考。
但我想，谜底一定离不开对人本身的开发和解放。
如同流水线发明以前，没有任何工人消费得起自己生产的产品，却需要被捆绑在机器上不断压榨着价值。
当下的社会，仿佛也逐渐向着那个压抑痛苦的临界点过度……
⭐关注【想个问题】⭐
掌握AI的最新趋势与思考
