5月18日消息，百度創(chuàng)始人、董事長兼首席執(zhí)行官李彥宏在2023天津世界智能大會上表示，人工智能不會讓工作機會減少，會帶來全球經(jīng)濟的下一個增長奇跡。每一次科技革命，都會讓一部分工作消失，同時創(chuàng)造更多新工作崗位。

李彥宏表示，近一百年來，世界人均GDP就翻了3.2倍，人們的工作效率得到了巨大的提升。他舉例說，汽車取代馬車，的確讓馬車夫的工作消失了。但是今天，汽車產(chǎn)業(yè)成為全球最大的工業(yè)體系之一，創(chuàng)造的就業(yè)崗位數(shù)以億計。單在中國，就有300萬人從事與汽車相關的工作。

李彥宏說：“我不擔心大模型會讓工作消失，我認為，未來會有更多的工作產(chǎn)生。”（一橙）

以下為李彥宏演講實錄：

各位領導、各位嘉賓：我今天給大家?guī)淼念}目叫做《大模型改變?nèi)斯ぶ悄堋贰偛琵徔艘仓v了，人工智能在過去這半年當中，受到的關注度比以前高了很多，最主要的是因為出現(xiàn)了生成式的人工智能。而生成式人工智能底層技術，實際上就是大模型。

那么大模型為什么會改變?nèi)斯ぶ悄苣兀渴谴笏懔Α⒋竽Ｐ汀⒋髷?shù)據(jù)，導致了智能涌現(xiàn)，什么叫智能涌現(xiàn)呢？過去的人工智能是，我想讓機器學會什么技能，就教它什么技能。教過的有可能會，沒教過的就不會。大模型出現(xiàn)所謂的智能涌現(xiàn)之后，以前沒教過的技能，它也會了。這就是為什么有人講，我們現(xiàn)在朝著通用人工智能方向發(fā)展。

與此同時，人工智能發(fā)展方向從辨別式走向生成式。什么叫辨別式？我們過去比較熟悉的人工智能的應用，基本上都是辨別式。比如說人臉識別，過來一個人，我識別這個人是誰，或者不是誰。這個是典型的辨別式。搜索引擎也是典型的辨別式人工智能。用戶輸入關鍵字或者一段話，他要找的東西，我們在全網(wǎng)進行匹配，哪一個網(wǎng)頁，哪一段內(nèi)容是他需要的，這是辨別式人工智能。

什么叫生成式人工智能？今天我想寫一份申請書，你給我寫一下。或者說，我周末請客，10個人，需要出一份菜單，這個無所謂對錯，但是它能給你一些感覺，給你一些創(chuàng)意，給你一個好的基礎去發(fā)展你的思路。或者說，給我畫一幅車水馬龍的圖片。這種東西，過去人們不覺得是人工智能應該做的事，現(xiàn)在可以做了。

那么這樣會導致什么呢？導致人們的工作效率大幅度地提升。比如說，在內(nèi)容創(chuàng)作、客戶服務、翻譯這些工作，它的效率會大幅度地提升。所以我們也看到，很多研究機構都認為，在未來的10年，很多工作它的效率會成倍成倍的提升。同時也帶來一些擔心，是不是這樣的效率提升，會使得很多人的工作就沒了？這些人工作丟掉之后，會不會給我們?nèi)祟悗聿豢深A知的問題。

其實這個事兒我也講過很久，最好的去探知答案的方法，實際上是回顧過去。因為很多人也覺得，人工智能是第四次產(chǎn)業(yè)革命的標志，我們可以看看之前的產(chǎn)業(yè)革命都取代了哪些工作？

200年前，從井下背水的工作基本上消失了。第一次產(chǎn)業(yè)革命是蒸汽機的發(fā)明，蒸汽機發(fā)明第一個應用就是采礦的水，怎么能夠把它用機器弄上來。井下背水這些工作的消失，帶來了什么？我們來看一下，實際上產(chǎn)生了很多新的工作。

這100年，我們看到世界人口出現(xiàn)了高速增長，跟之前的一兩千年人口增長速度相比，快了很多。與此同時，人均GDP也幾乎是在同樣地快速增長。這說明什么？說明雖然有些工作機會沒了，但是更多的機會出現(xiàn)了。人們工作效率的提升，可以養(yǎng)活更多的人，而每個人的生活又變得比以前更好了。從井下背水那個工作，真的不是什么好工作。

100年前，馬車夫的工作消失了。這張圖片是1913年紐約第五大道的一張圖片，這張圖片里幾乎已經(jīng)全部都是汽車，只有一輛馬車。那會兒，紐約到處都是賣馬肉的，馬也沒用了，后來出現(xiàn)了很多新的工作。1900-1990接近90年，同樣的規(guī)律，世界人口繼續(xù)高速增長，每一個人創(chuàng)造的價值繼續(xù)高速地增長。

30年前，我們這一代人親身經(jīng)歷，也就是我大學畢業(yè)前后，什么工作消失了？打字員的工作消失了。現(xiàn)在年輕一代沒有見過打字機的，但也出現(xiàn)了很多新的工作。同樣的規(guī)律，世界人口繼續(xù)高速增長，人均GDP繼續(xù)高速增長。

歷史雖然不會重復，但是確實有它的規(guī)律。那么這一次，為什么那么多人會擔心AI會讓工作機會減少呢？我覺得是因為，大家能夠看到現(xiàn)在的工作會消失，但是我們看不到什么新的工作機會會被創(chuàng)造出來。就像100年前、200年前那些人，看不到后來產(chǎn)生的新的工作機會一樣。我個人是屬于樂觀派，我不擔心大模型會導致人類工作機會減少、生活會變差。

那么大模型怎么重新定義的人工智能？剛才萬鋼主席也講了，人機交互的方式發(fā)生了變化。其實過去幾十年信息產(chǎn)業(yè)的發(fā)展，人機交互的方式發(fā)生了三次變化。

更早我們就不說了，命令行是我讀大學讀研究生的時候，主要的工作界面。人機進行交互，是通過命令行。我輸入一個命令，它給我想要的反應。我當時覺得這個東西效率很高，但是大多數(shù)人不會這種操作。

更簡單的人機交互方式是什么？是圖形用戶界面（GUI）。這個起碼很多人能看懂了，比第一個要更友好一些。但它仍然不是最自然的交互方式。我要想搞清楚怎么重設一下電腦的自動睡眠時間，我得經(jīng)過四級菜單，一層一層地點進去，才能找到這個位置。有多少人能記住四級菜單以后，每一個功能在哪？

人工智能的誕生，讓我們可以用自然語言跟電腦進行交互。當我有需求的時候，比如說我想查一下上個月，2023年4月，我的公司每一個產(chǎn)品線，有哪些產(chǎn)品的毛利率超過了疫情前的水平？這樣一個課題，在過去很可能需要我的助理花半天一天的時間才能獲得。今天，如果計算機懂你的自然語言，一秒鐘之內(nèi)就可以給你一個表格。

大模型也會重新定義營銷和客服。其實道理很簡單，就是誰擁有最佳的跟客戶溝通的方式，誰就會擁有這個客戶。這個道理不是因為AI的產(chǎn)生，不是因為大模型的產(chǎn)生，只不過技術使得我們實現(xiàn)的可能性，變得比以前多了很多。今天即使你有70億個客戶，你的每一個客戶也都可以有一個專屬的7×24小時的、什么都知道的助理去服務他。

大模型是一個基礎，大模型之上會有各種各樣人工智能的應用。最近這段時間討論比較熱的是，AI時代的原生應用到底長什么樣子？我給大家舉幾個例子：

比如說像DoNotPay，這是什么呢？比較典型的應用場景是人工智能律師。比如說，你在美國開車超速了，超速之后警察給你一個罰單，一般交幾百塊錢。其實你可以不交，你請一個律師幫你打官司，就可以不交了。但是請一個律師的錢，可能是罰單錢的兩倍，所以你不請了。今天請AI當律師，你就可以不交那個錢。

Jasper是營銷創(chuàng)意的生成工具，你的公司想要出什么樣的創(chuàng)意，它來幫你出，所以效率高很多。

Speak是韓國的軟件應用，實際上是教你學外語的，模擬各種場景，你要到餐館點餐，跟對方談判，你要跟對方怎么交互，上百種語言都可以做得非常好。

對于百度來說，我們的大模型叫文心一言，兩個月之前發(fā)布的，應該說是在全球大廠當中是第一個發(fā)布的。之所以我們要盡快地發(fā)布出來，是因為市場有非常強的需求。目前有200多萬的用戶在排隊等待進行測試，也有十幾萬家企業(yè)希望接入文心一言進行測試。

當然百度在這方面的投入，實際上不是剛剛開始的，不是這半年才開始的。我們從2019年發(fā)布了文心大模型的1.0，到現(xiàn)在已經(jīng)有四年的時間。更早的時候，我們從2013年左右就開始人工智能投入了。

人工智能之所以有這么大的變化，其實不僅僅是它的應用場景的變化，實際上背后的技術棧也發(fā)生了非常根本的變化。

我們每個人都熟悉的IT的技術棧是這三層，底層是芯片層，典型的公司是英特爾、AMD、高通，它的芯片叫做CPU；中間層是操作系統(tǒng)，在PC時代就是Windows，在手機時代是安卓和iOS；上面是應用層，PC時代所有的人都給Windows開發(fā)軟件，在移動時代所有的人都給安卓和iOS開發(fā)應用。

今天人工智能時代的到來，改變了這個格局。現(xiàn)在的IT技術棧變成了四層，底層仍然是芯片層，但是主要的芯片已經(jīng)不是CPU，而是以GPU為代表的，新一代適合并行大規(guī)模浮點運算的芯片。上面我們叫做框架層，就是深度學習的框架，像百度的PaddlePaddle飛槳，Meta的PyTorch，谷歌的TensorFlow都是在這一層。再上面一層是模型層，今天的ChatGPT、文心一言等等，這些是屬于模型層，以后AI時代的原生應用，都會基于大模型來進行開發(fā)。

這方面百度有比較明顯的優(yōu)勢，我們在四層當中每一層都有比較領先的產(chǎn)品，比如說芯片層有昆侖芯。這個也做了有十年之久，最早是因為搜索應用需要，我們買別人的芯片，畢竟太貴了，所以自己開發(fā)了。框架層是飛槳，飛槳今天在中國的市場份額第一。在模型層是文心大模型，其實除了文心一言，它是對標ChatGPT的之外，我們還有很多行業(yè)大模型，如交通大模型、能源大模型等。應用層的話，像百度搜索等都是我們比較領先的應用。

這四層都有比較領先的產(chǎn)品或者技術，有什么好處呢？就是你可以進行端到端的優(yōu)化，每一層可以給其他層反饋，根據(jù)這些反饋你可以綜合的、統(tǒng)籌的去考慮怎么優(yōu)化。

百度在芯片層的布局，就是昆侖芯，我們已經(jīng)有兩代產(chǎn)品，幾萬片的部署，無論是公司內(nèi)還是公司外都在應用。昆侖芯第三代，會在明年年初上市。

在框架層，飛槳的框架在中國人工智能領域已經(jīng)有了500多萬開發(fā)者，也越來越獲得大家的認同。

模型層剛才講了文心一言，在各種使用場景都有不少的應用。未來，我相信會有更多的應用會基于文心大模型開發(fā)出來。

在應用層大家比較熟悉的是百度的搜索，百度不可能在應用層什么都做，我們除了搜索之外，還做了跟交通有關的應用。交通也是非常復雜，而且影響非常廣泛的方向。

百度做的其實主要是兩件事，一個是自動駕駛，或者是無人駕駛的技術，一個是智能交通。無人駕駛我們做了有十年時間，現(xiàn)在在武漢、在重慶都可以進行商業(yè)化的無人的運營。智能交通我們也做了有好幾年了，在不少城市都證明了效果，通過智能的調(diào)整紅綠燈變燈的時間，可以讓我們的城市的交通效率有15%到30%的明顯提升。五一長假之前最后一個工作日，很多人也注意到，北京是大堵車，從二環(huán)到五環(huán)，甚至在六環(huán)都是紅的，唯一一片綠的是亦莊，亦莊有智能交通的人工智能系統(tǒng)，可以動態(tài)調(diào)整交通流，所以效率確實是被證明有明顯的提升。

我們也很期待未來在大模型之上，會有各行各業(yè)各種應用能夠找到好的應用場景，能夠獲得效率大幅度的提升。

最后，我想說對于人類來說，最大的危險，最大的不可持續(xù)，并不是創(chuàng)新帶來的不確定性。相反的，我們停止創(chuàng)新，不發(fā)明不創(chuàng)造不進步，按照慣性走下去，所帶來的各種各樣不可預知的風險，才是人類最大的威脅。這就是為什么，百度在這么多年長期持續(xù)的在人工智能方面進行投入，也是我們?yōu)槭裁匆寻俣鹊氖姑诙嗄昵熬投x成“用科技讓復雜的世界更簡單”。

謝謝！