人工智能原本就是可以赋能千行百业的水和电，如今随着AI的巨大进步，我们每个企业都有必要重新思考如何升级自己的AI大脑。今天这篇文章，我们来继续探讨GPT人工智能模型可能将在工业互联网领域引发哪些变化?
这是我的第280篇专栏文章，我在【数字原生组织】写的第7篇文章。
上篇文章《工业AI距离到达“ChatGPT时刻”还有多远?》完成之后，有朋友问了一个问题，他说：
在企业中，管理建立在制度上，制度建立在流程上，流程建立在系统上，系统建立在数据上，企业实现管理是“数据+程序”的结果。既然ChatGPT可以直接读取数据，并实现了一定程度的通用人工智能，能够产生基于数据的基本分析决策，那么现存的系统应用，比如ERP、CRM、MES…是不是会发生颠覆性的变化，甚至是大洗牌?
这是个好问题!
其实在B2C领域，当ChatGPT刚刚发布的时候，就有投资人提出一个观点，说TMT(数字新媒体产业)可以重新再干15年。
重新再干15年!为什么TMT又重新焕发青春了呢?这个观点背后的原因是，上个时代我们基于移动互联网，开发了各种各样的APP，而如今ChatGPT引发了新的交互形式出现，每个细分赛道上都有可能会成长出一个全新的独角兽，或者全新的商业模式。
这个观点不乏支撑的依据。
微软公司联合创始人比尔·盖茨曾说，OpenAI的GPT人工智能模型是他自1980年首次看到现代图形桌面环境GUI以来，最具革命性的技术进步。
3月底，OpenAI开放了两个自己的插件：网络浏览器和代码解释器，并开源了一个知识库检索插件的代码，支持开发者将信息进行自行托管。
英伟达AI科学家Jim Fan在个人社交平台表示：如果说ChatGPT的面世是“iPhone的出现”，那么此次推出的插件功能就是“iOS APP Store”的出现。
而“APP Store”只是一个开始，如果把GPT人工智能模型连接到企业的业务系统中，我们的很多环节是否能够产生变革和提升?
人工智能原本就是可以赋能千行百业的水和电，如今随着AI的巨大进步，我们每个企业都有必要重新思考如何升级自己的AI大脑。
今天这篇文章，我们来继续探讨GPT人工智能模型可能将在工业互联网领域引发哪些变化?
企业管理软件值得被重做一遍
未来所有的公司都需要一个AI企业大脑。
这是一个预测，关键词是“所有的公司”，因为AI正在像水、电、空气一样，变成一个必备要素、一项基础能力。
而我们企业中很大比例的企业管理软件，都有可能在GPT人工智能模型的启示中重做一遍。
GPT给了我们哪些启示呢?
人们与机器沟通的方式会发生深刻的变化。我们一般通过各种软件与机器沟通，软件的进步由交互方式的进步所牵引，从最初的字符界面，到后来的图形化操作界面，现在我们可以直接通过自然语言与机器交流。
以前我们通过各种编程语言，比如汇编、梯形图、Python…告诉机器如何完成我们想实现的任务。其实编程语言也是一种“交互”，只不过这种交互在设计的时候为了“灵活”与“精确”牺牲掉了“易用性”。现在有了ChatGPT，不用学习编程，我们就有能力调动各种机器，达成某种结果。
曾经我们一直追求让机器能够听懂人类的语言，更加贴近人类自然语言的交互方式，今天我们终于接近了目标。GPT的到来，让自然语言能够作为一种交互模式，学习与机器沟通的成本得到了巨大的下降。
不过从系统软件的客户视角来看，图形化UI被完全取代是有前提的，也就是大部分员工要具备描述清楚自身诉求的能力，这个过程应该是循序渐进的。
目前，GPT这种沟通成本的下降，为软件的降本增效提供了额外的助力。
现在一些软件的交付成本高得令人咋舌。以Salesforce为例，Salesforce Premier级别的交付专家费是软件授权费用的30%。然而，对于SaaS软件厂商和客户而言，这30%的成本却可能成为他们共同的累赘。
造成这个现象的原因主要是因为软件市场客户需求的多样化，导致软件必须要开发大量的配置项，甚至配置一些低代码的能力，这些灵活性都会显著拉高软件的使用成本。
有了GPT，交付人员的内部学习材料完全可以被人工智能的模型学习，并且推出针对性的专家系统。这意味着，一个交付人员可以在短时间内交付的功能更多，客户实现了成本节约，软件供应方也能在一定程度上提升毛利。
同时，ChatGPT大型语言模型在企业管理系统方面的应用，可以实现不同软件之间，比如ERP、CRM和MES，更加紧密的联动。通过自然语言处理技术，企业可以在生产过程中实时监控生产数据，从而实现生产计划的动态调整。此外，大型语言模型还可以协助ERP和MES优化企业资源的调配，提高资源利用率。
借助大型语言模型的智能化和自动化能力，企业可以实现对ERP和MES系统的智能化升级。ERP和MES系统中包含了对生产流程、物流管理等方面的支持，需要强大和专业的功能才能实现，辅以GPT这个助手，ERP和MES可以变得更加智能。
例如，通过自然语言生成技术，企业可以实现报表的自动生成和智能化解读;通过智能化的异常检测和预警，企业可以及时发现生产过程中的问题，降低损失;通过智能化的物料需求预测，企业可以实现生产物料的精确调度。
GPT模型作为一种自然语言处理模型，在它的眼中，并没有像人类一样进行垂直领域的软件划分。这意味着，我们人为设置的一些软件分类，可能会在GPT模型的应用中被打破。
微软最近发表了一篇重量级的论文：TaskMatrix.AI: Completing Tasks by Connecting Foundation Models with Millions of APIs，展示了大型语言模型大开脑洞的能力。论文详细介绍了使用语言模型对数百万量级API进行调用的方法，并展示了多个使用场景。
简要的说，TaskMatrix.AI是一个新的AI生态系统，将基础模型与数百万个API连接起来，以完成任务。论文作者的愿景是构建一个生态系统，利用基础模型和其他擅长特定任务的模型和系统，可以作为API访问。
TaskMatrix.AI的优势在于能够执行数字和物理任务，具有很好的可解释性，而且可以随时添加新的API。此外，TaskMatrix.AI制定了一个API平台标准，这样所有开发者都可以很容易地将新的模型或者API进行接入。
TaskMatrix.AI就像是建了一座司令塔，每个大模型都能成为其中的“大脑”指挥官，其他专门解决某类任务的模型，则听它的调令。
这个构想非常震撼。
今天GPT人工智能模型的潜力只发挥了很小一部分，大多局限在B2C领域，就已经创造出超过了万亿的市场，未来随着B2B的空间开启，这个市场规模可能是几十万亿。
清华大学智能科学讲席教授、智能产业研究院(AIR)院长、中国工程院院士张亚勤在一次访谈中提到，我们可以把GPT这个系列的生成式AI模型，看作一个由大模型组成的AI操作系统，和PC上的Windows具有相似的意义。一个新的操作系统出来是什么意思?下面的硬件、上面的应用都会被重构、重塑，形成一个新的生态。如果说PC互联网的生态价值是1X，移动互联网的生态价值至少是10X，那么AI生态至少是100X。
可编程的物理世界
什么是产品制造的本质?
伊隆·马斯克的一段话触达了核心，他说：“过去，所有的火箭都成本高昂。所以，未来的火箭制造也必然十分昂贵。但实际上，这个结论并不必然成立。
“你会问自己：制造火箭需要的原料是什么?是铝、钛、铜和碳纤维。然后你就可以按种类计算他们的成本。
“如果你收集了所有的原材料，然后只要挥一挥魔杖，就可以将原子重组的成本降为零。那你的火箭的成本将会是多少?我心想：哇，那成本就会特别低，大概是目前造价的2%。
“问题出在：怎样重新排列原子。所以你需要搞清楚我们怎样以更有效率、更低廉的成本将原子重新排列。我和很多火箭专家安排了一系列会议，只为了搞清楚，是不是有什么我目前不了解的窍门。但没发现任何我目前还不了解的窍门。所以我创办了SpaceX。”
因此，基于第一性原理思考，产品的最低成本=原材料价值(获取原子的成本)+所需知识产权(排列原子的方法)。
正如我在上篇文章《工业AI距离到达“ChatGPT时刻”还有多远?》中提到，原子与比特的距离正在持续性趋近于彼此。
数字化转型正在将基于稀缺的原子经济转变为繁荣的比特经济。
原子经济是一种稀缺且单调的经济，而比特经济是一种富足的经济。在比特经济中，一个人可以在不失去自己的知识的情况下轻松的转移知识，而在原子经济中，转移知识需要很长时间，而且“复制”出来的知识很少像原来的那样。
数字化转型使得当今在稀缺经济中运营的公司，能够将部分业务转移到丰富多彩的比特经济中。
数字化转型是由技术进步推动的，主要是传感器和执行器，以及人工智能。数字孪生是数字化转型不可或缺的关键组成部分，它是一些物理实体的数字模型和物理实体的数字影子。
数字孪生不仅支持监控和模拟，还支持根本原因分析。数字孪生也可以用作物理孪生的代理，这在工业4.0和其他领域中得到了广泛利用。
未来几十年内，更多实体将成为繁荣多彩的比特经济的一部分，例如能源和智能。数字化转型使得在稀缺经济中运营的公司，能够将部分业务转移到丰富多彩的比特经济中。这种转变将需要新的商业模式，因为富足的比特经济有着不同的游戏规则。
诸多技术正在助力这种转变，3D打印和协作机器人，这两项技术是从比特到原子的回归，它会让我们从数字优先的角度来思考制造的意义。AR在某种程度上将比特世界与原子世界联系起来，在原子上叠加比特。VR仅利用比特世界，但也有着许多令人激动的可能性和未来发展前景。
随着数字革命对现实世界的影响已经开始达到临界值，我们正在着手进行下一个重大转变：可编程的物理世界。
如何对物理世界进行编程?就是用软件的方式把我们周围的环境数字化，利用扩展感知的设备来虚实结合的体验和控制物理世界，这种方式可以让我们的生活通过数字形式与物理世界连接。
我们在创造现实之上的数字世界的同时，也需要用数字的方式控制和改造物理世界。设想一种场景，当AI发展到更加聪明的时候，是不是足以替代人类工程师，调试设备，发现问题解决问题，优化生产流程等工作，并通过机器人的操控，控制整个工厂所有生产流程?
虽然听起来有些梦幻，但是并不算特别遥远。生成式AI和大模型让我们看到了利用虚实结合的方式控制物理世界的可能性。用数字虚拟的方式训练生产机器，最终实现全自动化的制造业，让机器制造机器。
那时，无论从制造效率上还是从良品率上，都可以上升到一个相当高的水准。
我们正处在物理世界可编程的初期。数字化做好了之后，才有训练AI的数据，没有数字化，就没有AI。
不过总是想象力有多广，应用就有多广。一些企业正在利用GPT人工智能模型加速这个进程，比如SensorSurf，它是传感器数据版本的Snowflake，一个用于处理从相机、激光雷达等收集的PB级数据的平台。去年12月推出，有2个客户、产生了2.1万美元的ARR(年度重复性收入)。福克斯机器人公司正在使用SensorSurf来帮助训练农场机器人。
在工业领域，还涌现了一批基于工业知识库的类ChatGPT智能聊天产品。例如，立足智能算法和机理模型，卡奥斯COSMOPlat推出BaaS工业大脑，工业大脑内置领域专家智能问答系统，能够根据用户提问，实现在线信息查询、预订、下载等问答识别。
使用工业ChatGPT，工人无需再每天在各种系统间进行切换，查看不同数据信息进行各种操作。设备保养无需再学习保养手册、质量评估也无需阅读大量报表、工厂小白也不需要再询问老师傅生产经验。比如，现场的保养工人可以去问AI系统，这个设备需不需要保养;工厂管理人员，可以直接让ChatGPT帮他写一份提高精益生产的报告等。
人工智能人才集中在产业中
最近，斯坦福人工智能研究所(HAI)发布了2023年AI指数报告，提供了AI领域当前技术成就、政策趋势、经济影响等多方面的最新情况。
研究报告发现，AI博士等人才主要都进入了产业界，让AI产业发展已经自发形成了一个人才与技术应用的正循环。
相比之下进入政府机构的数量仅为0.7%，在过去5年中相对不变。学术界也有较大的降幅。
AI研究的一线正与产业一线统一。
这些人工智能人才正在推进物理世界可编程的进程，让软件定义的产品成为可能，典型代表例如软件定义的汽车。
不仅汽车本身变成了软件定义的智能移动终端，拥有海量数据，涉及车身数据、环境数据、驾驶数据、车内人的各类数据等，还可在全生命周期直达用户，据此可衍生出多类业务模式，如软件算法、虚拟司机、出行服务、运营平台、售后服务及诊断等。
随着人工智能等新一批技术逐渐成熟，个性化的服务从商品页面的个性化推荐，到健身软件中的训练计划定制，一步步走进我们的生活。
软件定义的产品可以做到服务千人千面、常用常新，个性化服务的规模化发展正在开启。
目前一些整车品牌已在进行车辆静止状态下的座舱创新，以激发并满足日益增加的娱乐、休憩等各类需求，这也使得车辆超越了单纯物理移动的意义，类似于智能手机早就超越了单纯的通信意义。
特斯拉车内已内置22种游戏，技术部门正努力将Steam上的游戏库引入旗下车辆，未来特斯拉车机将支持流畅运行Steam。硬件上，2022年特斯拉全系车辆将搭载AMD Ryzen芯片组，性能上媲美最新款的索尼游戏主机PlayStation 5。随着内容生态的日渐丰富，未来汽车可能参与内容的分成，这可能成为一个空间巨大的收入来源。
大众估计2030年汽车市场规模将达5万亿欧元，十倍于目前的智能手机市场规模，这主要是得益于软件和自动驾驶服务能力的提升。大众将在汽车业新未来形成新的商业模式，利润池由整车硬件、软件、电池与充电、移动出行解决方案构成。大众认为未来汽车依然是个性化的产品，但与传统汽车时代相比，品牌的差异性将更多的来自于软件与服务。
写在最后
任何硬币都有两面。
工业壁垒较高，场景需求纷繁复杂，海量工业数据价值挖掘难度大，GPT人工智能模型如果要真正应用到工业场景中，还需要进行深度模型改造和持续优化。工业模型如何训练、如何配置才更合理，如何获得更多样化的真实数据给模型充分的滋养，这些问题有待进一步实践。
虽然GPT在工业还有一段路要走，但更重要的是它已经起步。
参考资料：
1. 如何使用语言模型调度百万量级API?ChatGPT Plugins背后技术解读，作者：Hugh，来源：知乎AGI Bootloader通用人工智能之路
2. 斯坦福最新AI报告发布，12张图看懂AI现状|前哨，来源：全球风口
3. ChatGPT会干掉80%的SaaS公司，连带Office一起，来源：ToB行业头条
4. 一个AI驱动百万个API!微软提出多任务处理模型TaskMatrix，机器人和物联网终于有救了，来源：量子位
5. ChatGPT浪潮重构互联网生态，哪些创业机会涌现?来源：每日经济新闻
6. 万字长文：ChatGPT能否成为互联网后下一个系统性机会?作者：十三，来源：量子位