起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識在AI領域，國內團隊好像被甩開了？到底是差錢？還是差人？
自從去年AI爆火之后，到年初Sora的沖擊，很多人都在考慮一個問題：為什么國內的大模型就是沒有GPT之類的好用？為什么國內就沒法做出Sora模型？實際上，組織里面人之外有場，疊加后才是最終組織特征。
當我們還在困擾為什么國內大模型沒有GPT4好用的時候，Sora來了。這潛在意味著從AGI視角看，追趕一年后差距似乎并沒有縮小反倒是被拉大了。
勾連過往，這個問題就不太簡單了，可以從好多維度展開：
我們是不是可以說AI國內國外團隊一度站在類似平齊的起跑線上？
為什么從AlphaGo開始似乎看不到國內團隊的原創，而是持續在追趕？
為什么在追趕的時候，距離似乎在被放大？
一、一點點回溯
如果回到語音識別、人臉識別，應該可以講大家處在類似平齊的起跑線上的。甚至因為場景和數據豐富在這兩項上國內團隊還占優。一個佐證是過去很多的比賽成績；另一個是佐證是應用范圍。老外到現在也不怎么用人臉，所以真實場景下人臉識別的精度，很可能還是國內團隊的算法占優。
自動駕駛是個奇妙的領域，做了十幾年花了幾千億，但似乎都卡在某個限度下面了。所以也看不出什么區別。
所以說如果回到2010年之后的十年，說大家在基本平齊的起跑線上，大致是不錯的。當時大家比較公認的是AI上沒有秘密，畢竟一有進展論文立刻就出來。
問題出在大模型上。
在大模型上，局面變成了：
在平齊的起跑線上，OpenAI率先做出來大模型后，別的團隊在追趕的同時，差距還被拉大了。
如果單純的拿沒做出來說事似乎也是偏頗的，畢竟Google也沒做出來。
但如果橫向展開些就發現也不是那么偏頗，在AI這個領域里我們好像并沒有做出太杰出的貢獻。AlphaGo，chatGPT，甚至智能音箱、自動駕駛等似乎都是在重復過去C2C的故事。追到平齊的起跑線上卻重復過去的故事，這不能說不是問題。
互聯網這樣是正常的，畢竟你缺了過去幾十年在IT上的積累，按切入的時間點（2000年前后），你就只能這樣，但AI還這樣，就是問題了。
追著不順利的時候，大家就比較多反省人才密度、資金、機器等。
但其實根本不是主因，調度起這些資源對于小公司是很難的，但還是很多公司有這個實力。（如果統計2022年發布chatGPT之前的融資金額你會發現還是不少公司融資比OpenAI多）
再進一步深層反省是需要勇氣的，因為會打破一些人類本性中無謂的自尊心。
有點像一個人正興高采烈自信的很，你非上去說，他還有那些地方不行，他真的很容易揍你。
如果不正視這種差距，并挖掘差距的根本，那再過十年，老套的故事就會再來一遍：
好像差不多了基本平齊，然后被甩開差距，然后追趕，然后反省表面因素。一遍一遍循環這個過程。
可怕的點在于：一個是循環自身的周期本來就不短，整體循環的所占的時間就更長。
最終后果是不是災難性依賴于領域本身的基礎特質。
對于天花板比較明顯的領域，到達某個限度后，大家其實差不多，所以影響不是特別大。相當于領跑的停了，那后面的只要足夠堅持就能趕個七七八八。
對于沒有天花板，活性極強，并且今天的結果會是明天的的最大推動力的領域，那么后果很可能是災難性。這會導致越跑距離越大，并且是在指數曲線上的距離。
很不幸，人工智能看起來是這樣的領域。
為什么呢？
不知道誰發明了個詞叫人才密度。
然后似乎原因被找到了：人不行。
在付會上錢不夠，機器買不著，似乎原因就非常明顯，還特別好理解，也容易引起共鳴。
實際上這種認知視角本身就是問題。
背后體現一種思維模式的缺陷。
對于組織而言，不能像過去那樣只關注：人財物等有形要素，還要關注場。
場是價值觀、文化、制度、信念的綜合。
我們不能忽視的一個基本事實是：
到一定程度后，其實人個體智商是差不多的。所以人才密度是趨同的。
AI就是這情況。
真做AI的人，差不多都是從頂級學校里又選了一撥人，非說誰比誰有絕對差距，那就真不是這樣。
錢的話OpenAI過去用的錢雖然不少，但很多團隊用的錢并不比他們少，2022年之前一共差不多融了30億美金。(比如：商湯融的其實比這多）
核心的問題恰恰不是這些可見要素，而是場的差別。
簡單說你用修長城的場，不管給多少人、多少機器、多少錢該干不出來還是干不出來，該攆不上就還是攆不上。
（還可以類比皮克斯做動畫，動畫做不好也是人才密度、機器、錢不行么？）
場可以看成獨立生命體，并且在大時空尺度下持續存在，特征也會變化。
如果我們總是干存量修長城的活，場的作用是小的，按圖紙搬磚，加大檢查，誰干的好就多給錢，干不好就批一頓或者開掉，大致是可以的。
但大模型這種領域顯然不是這么個特征，之前有人做過內部模塊拆解，其組成還是非常復雜，需要團隊一起摸索開拓。
這時候場的落后就是致命的。
你拿黑社會的場去干大模型，對于已經做出的部分，基于開源，已有論文追一追是可以的，但在烏漆嘛黑的未來里探索出一條路，并持續領先就沒可能。
這是真的問題。
二、組織的間斷平衡論
這可以再形象一點來看這問題。
團隊的類型可以是外科手術型的，一切以主刀醫生為中心，別的全是打下手的。（其實修長城本質是這個）。
也可以是足球型的。大家有個角色，但需要更靈活的補位和配合。
更靈活的是網球團隊。大家沒有角色靈活補位。
對于大模型開發而言，外科手術的肯定是不行的，至少需要優秀的足球模式的團隊。
只有模式也還不夠，同樣是足球隊也還有我國足球的情況。
模式還要配合上文化等進行綜合才是合適的場。
最終就形成場的先進性：活性且有力量。（可以拿終結者的液體機器人和植物大戰僵尸的僵尸做類比）
這種先進性的內涵是：
可以讓組織保持基本穩態的前提下持續產生躍遷。
這種先進性的根本中精神大于物質，但不適合簡單二元論，而是兩者的按特定配比的綜合。(和決定戰爭勝利的是人而不是物也不在一個層次上）
如果這么定義先進性，那兩類偏頗場都是有問題的：
一種是超級穩態場，一種是活性但容易崩壞的場。從組織的間斷平衡角度看，我們可以這么講。
有些組織會進入超穩態，它在既有的賽道上把自己強化的很好。內部利益分配各種與其適應。(創新者窘境用價值觀、流程來描述，但其實還是缺東西，不過價值觀、流程已經比人才密度的視角好很多了，畢竟是場的一部分）
（那根破壞性創新增長曲線背后的原動力是什么？是人才密度、機器、資金么？）
可以形象點來說這個問題。
比如猩猩某些方面強化的其實比人好。
我們古代在農業文明上進化的其實比歐洲好。
這種好，會導致組織和個體進入超穩態。
這種超穩態會內置妨礙躍遷的力量。
這一點點差異，在大時間軸上，效果就非常明顯。
那先進性就是既有穩態，又有足夠的活性。
OpenAI差點沒把Altman干跑就是活性過剩，能夠糾正回來說明還是有穩態力量。
但一路前跑，則是活性場產生的推動力。
這種場才可能構建出一種在穩態中行進，還具有躍遷力量的組織。
這種躍遷的力量是精神與技術的綜合。
柔性場的構建成本和難度都是高的。
三、假如不看場，只看人會怎么樣
最典型的是面對內部大規模耗散時采取的措施會有雷同性。
組織中很容易進入一種大家一起磨嘰的狀態（高深的詞可以叫熵增）。我們對付這種耗散只有一種方法就是揍它。回到修長城的方式。前一陣有人在朋友圈發了一個段子，倒是正好和這個呼應。
中國式管理，理論核心就三點：
- 你干的好，是因為我領導有方。
- 你干不好就是你有問題，和我沒關系。
- 你不干有的是人干。
這個正好形象的體現了只關注人財物有形要素不關注場的表現（非常閉環和形象，通過人事變動3是可以回到1的。
注定的后果就一定是不停內部倒騰，這種場的特征和組織行為表現具有極大的相關性，包括對強人的渴望，學習劉邦這一套東西都是伴生特征。但實際上這是在獅子社會里面都能看到的古老模式。仍然有用，但估計搞不定人工智能這樣的領域。
這背后的認識差距是真正的差距。
如果上面的解讀是對的，那么我們在人才密度什么上面的努力就很像緣木求魚，根本改變不了局面（猴子水中撈月式追趕），而標題上的問題則會不停的被問。（超穩態）
難的也正是這里，如果說有形要素的改變是旦夕之功可達，那這種先進場的構建就有點十年樹木百年樹人百年樹人的意思了，并且破功還很容易。
借助AI這種場的形成成本也許可以降下來，但認知的事就會比較困難。轉過來后對問題的反省會完全不一樣，比如：
但反過來如果場大于個人，那是這樣的思維鏈條：
- 落后了
- 場不行
- 進行機制建設
- 個體和整體活性增加
- 也許動蕩，但保持活性迭代
這里的關鍵在于怎么才能產生更多的活性個體并且亂而不散。
也會很多混亂甚至崩潰，比如OpenAI自己的內訌，但躍遷到下一層的可能性是高的。
（從間斷平衡的視角看組織的話，什么能構成躍遷的力量呢？）
四、擴散一點點
假如有一池水，有點顏色，在這里面有一些獨立的缸，那缸里的問題是不是都是池子的問題?
我覺得在AI這個事上，主要不是，畢竟保留了足夠的自由度。但確實池子的偏好會在長時間軸上有很根本的影響。
小結
看著簡單但其實這是一個超級復雜的話題，近來看很多人在探討這個，所以還是從這個視角說說自己的觀點，簡單說就是：
組織里面人之外有場，疊加后才是最終組織特征。
如果我們總是用人才密度，錢不夠這樣的視角去看待問題，那就很難適應這種高速進化的領域，陷入一種追平，落后再追趕的困局。
倒是也閉環，不愁沒事干。
專欄作家
琢磨事，微信公眾號：琢磨事，人人都是產品經理專欄作家。聲智科技副總裁。著有《終極復制：人工智能將如何推動社會巨變》、《完美軟件開發：方法與邏輯》、《互聯網+時代的7個引爆點》等書。
本文原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自 Unsplash，基于 CC0 協議
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
所謂平齊的起跑線就是個偽命題，我們都是在別人拿出成品后，才想著怎么動手“借鑒”。