變革性的技術通常遵循自上而下的擴散路徑：最初源于政府或軍事領域，隨后流入企業，最終才進入個人用戶手中。電力、密碼學、計算機、航空、互聯網、GPS 等技術的發展都符合這一邏輯。這樣的路徑看起來非常自然：新技術往往稀缺、資本密集，在早期階段需要專業的技術知識才能使用。

但讓我覺得極其獨特和引人注目的是，大模型展現出一種完全相反的擴散方式——它們對普通人帶來的好處遠遠超過對企業和政府的影響，后者甚至相對滯后。ChatGPT 是史上增長最快的消費級應用，每周有4億活躍用戶使用它進行寫作、編程、翻譯、輔導、總結、深度研究、頭腦風暴等各種任務。這不僅是對現有工具的“升級”，而是對個人能力在廣泛領域內的倍增器。

而且，大模型的使用門檻極低——它們便宜（甚至免費）、響應迅速、任何人都可以通過一個鏈接（甚至本地運行）訪問，并且它們能用用戶的母語交流，包括語氣、俚語甚至表情符號。這太瘋狂了。就我所知，普通人從未在如此短時間內體驗過如此劇烈的技術解鎖體驗。

那么，為什么在企業和政府層面，這項技術的效益反而更為微弱呢？

我認為第一個原因是，大模型的能力結構具有獨特性：它們提供的是廣泛但淺層的“準專家”知識或表現力。換句話說，它們是多才多藝但也容易出錯。而一個組織的獨特能力，恰恰是能夠將多種專才——工程師、研究員、分析師、律師、市場人員等——集中在一個體系內。雖然大模型可以幫助這些專家提升效率（例如草擬法律條款、生成代碼模板等），但對組織的提升通常只是“把原本能做的事情做得更快一些”。

相對而言，個人往往只能在某一領域擁有專長，而 LLM 所提供的“廣泛但可用的準專業能力”使得他們可以完成原本做不到的事情：

• 他們可以“隨性寫代碼”；

• 可以理解法律文書；

• 可以讀懂高深的研究論文；

• 可以做數據分析；

• 可以獨立制作用于品牌或營銷的多模態內容。

這一切，無需額外的專家參與，便能達到足夠的水準。

（LLM驅動的能力增益：組織 vs. 個人，在各領域的對比。箭頭代表能力增益的程度 ）

第二，組織面臨的問題遠比個人復雜得多，并且需要大量協調。想想看：系統集成、舊有系統（legacy systems）、企業品牌或風格指南、嚴格的安全協議、隱私保護、國際化、合規與法律風險……這些都遠非簡單任務。變量更多，約束更多，考慮因素更多，容錯空間更小。

你不可能輕易把所有這些都塞進一個上下文窗口里。你不能“隨便寫點代碼”就上線。如果模型產生一次災難性的幻覺（hallucination），你可能就會因此丟掉工作。

第三，是早有文獻記錄的大型組織慣性：組織文化、歷史慣例、政治權力劃分——這些問題在變革期會被進一步放大，還有溝通成本、分布式員工的再培訓難度，以及老式官僚主義。這些因素共同構成了新工具——尤其是像大型語言模型這樣“多才多藝但不夠可靠”的工具——快速落地應用的巨大阻力。

我并不是要低估 LLM 在企業或政府中的潛力或影響，但至少在目前，在整個社會層面上，LLMs對個體生活的改變遠遠超過了它對組織結構的改變。真正獲得收益的是瑪麗、吉姆和喬們，而不是Google或美國政府。

展望未來，大模型的持續擴散當然取決于其性能的持續提升和能力結構的變化。“誰將從中受益”這一分布圖本身非常值得關注，它嚴重依賴于模型性能與資本支出之間的“動態區間（dynamic range）”。

目前，最前沿的 LLM 性能已經非常易得而廉價。到了這個階段，你花再多的錢，也不能買到更好的性能、更高的可靠性或更多的自主性。你用的是ChatGPT，蓋茨也是。但這種情況會持續嗎？

訓練時的擴展（增加參數、數據）、推理時的擴展（增加推理時間）、模型集成（增加并行批次）這些力量正在擴大性能的“動態區間”；而模型蒸餾（即用大模型訓練出能力遠超體量的小模型）則是一股相反力量，正在縮小這個區間。

毫無疑問，一旦金錢可以換取顯著更強的 ChatGPT，一切將會改變。大型組織將會利用其龐大資源來“購買更多智能”。而在“個人”這個范疇內，社會精英也可能重新拉開與大眾的距離。 他們的孩子將由GPT-8-pro-max-high輔導，而你的孩子只能用GPT-6 mini。

但至少此時此刻，我們正處于技術史上一個獨特且前所未有的時刻。回顧過去那些科幻作品，你會發現很少有人預言 AI 革命會以這樣的方式展開。 人們曾以為這應該是一個超級機密的政府軍用AI大腦計劃，由將軍們操控，而不是某天早上突然出現的 ChatGPT，免費運行在每個人口袋里的設備上。

還記得威廉·吉布森（William Gibson）那句名言嗎？ “未來已經到來，只是尚未均勻分布。” 驚喜的是——未來不但已經到來，而且它的分布，令人震驚地公平。

權力歸于人民。我個人非常喜歡這樣的現實。

作者，硅谷AI大神Andrej Karpathy

https://x.com/karpathy/status/1909308143156240538