另一方面，他還有一個身份是哈工大的計算機碩士，研究的就是NLP方向，所以這次AI內容爆發之後，他感覺非常興奮，因為跟自己當時學習的內容和一些項目串聯起來了。

因此，劉飛從產品和內容的視角出發，結合自身對AI技術的理解，分享了AI與內容創作者之間到底有什麼樣的關係。他聊到了目前對AI的常見誤解、AI取代人工的關鍵因素，以及作為內容創作者的反思和自省。

以下整理自劉飛在直播中的分享自述，內容經嘉賓本人確認。

PS：歡迎在視頻號「新榜和ta的朋友」觀看直播回放，也歡迎關注預約「頭號AI玩家」視頻號直播，今晚見！

常見誤解一：

AI只是泡沫，不用關心

首先要提到一個很常見的誤解，就是「AI只是泡沫，不用關心」。

這也是當任何一個領域方向的任何一個話題火了之後，我們經常能看到的一種說法。因為剛開始火的時候大家都很興奮，都願意關注，但是AI這一次確實有點太火了，感覺所有人都在聊，而且一聊就說它又要改變世界了，又要改變每一個行業了，很容易讓大家聯想到之前的Web3，或者是再聯想到之前的網際網路+，AI是不是真的像大家說的那樣神奇？

很多人質疑說AI目前只是泡沫，GPT也沒有那麼神乎其神，大家不用擔心，現在可能都是資本、一些網際網路創業者吹出來的概念。

但實際上，我覺得這確實是一個誤解， AI整個行業裡面你可以說它存在泡沫，但是AI本身它不只是泡沫。

接下來我們看一些例子。

比如像這張圖，是我用Midjourney最新的版本V5.1畫的，你能感知到這幅圖裡的細節已經刻畫得非常細緻了，很像是一個攝影作品。之前很多人說AI畫手完全不行，你看圖中她的手也相對比較準確了，還有之前很多AI畫的人物，總會給人感覺有所謂的AI感，但是你會發現現在這個AI感也在慢慢消除。

我們再看這張圖，比較有視覺衝擊力，大家可能覺得不像是一個AI靠拼湊能生成的，至少在兩個月之前，我們都想像不到AI能把光影畫得這麼好。

還有這幾個不同的場景，比如我可以用AI做手機壁紙；做工業設計的基本原型、概念設計，拿它去做3D建模，甚至未來能夠在工廠直接生產；海報設計它也能非常好地完成。

我覺得哪怕你不是一個設計工作者，不是很了解設計行業，你也能一眼都看出來，這些生成的結果已經到了基本可用的地步。

之前網上流傳的一張圖很有意思，過去的公司對比現在的公司。

左邊Discord是國外類似微信群的一個社交工具，右邊Midjourney是現在非常主流的一個AI繪圖工具，它搭建在Discord上，你跟頻道里的機器人對話，就是在畫圖。

Midjourney成立至今，差不多一年左右時間，一直都是借用Discord的產品，目前有600多人在維護，融資5億美金，現在年營收已經突破1億美金了，但員工數我們從最新的官網看只有十幾個人，就把這個公司搭起來了。

所以這是一個AI在某些領域能真正落地的案例，並不是泡沫。Midjourney本身並不是拿AI作為噱頭、僅供娛樂的一種玩具，實際上它能解決非常多具體的場景。

我之前聽朋友說某一個公司是做遊戲的，老闆確實已經在要求設計團隊的AI參與的比例不低於50%，後來他們也成功用Midjourney做到了。遊戲里的很多平面設計不需要複雜交互，可以用AI批量一次性生成，比如說頭像框、寶箱樣式。

再比如說有博主分享用Midjourney幫模特換衣服，你可以把不同的衣服放到AI模特身上，這意味著電商行業可能也會有非常大的變化。

雖然Midjourney不是專為具體的場景設計的，它還會存在一些缺陷，可能畫的衣服不準確，但現在已經有了一些垂直領域的產品在解決這個問題了。AI能批量、快速、低成本地生成非常多的模特圖，這是它最有優勢的地方。

在平面設計上，AI已經能快速落地，其他的內容其實也都在產生漣漪，可能大家會慢慢感知到這樣的變化。

比如說在職場方面，我們可以直接使用ChatGPT去寫各種文案材料，只用自然語言的交流就可以讓AI幫你完成文字相關的很多工作。最近微軟發布的office全家桶的Copilot，被稱為助理或副駕駛，這些AI功能可以快速地幫我們完成一些輔助工作，同時，國內釘釘、飛書也都發布了自己的AI產品。

那麼現在的AI和過去的AI到底有哪些核心的區別？

行業普遍認為這一次AI令人吃驚的地方在於，它已經有了相對基本的推理能力，會對某些行業產生意想不到的影響。像美國的報稅體系很複雜，要找律師報稅，但現在AI就可以幫你處理這些數據了。

其次是整理能力。比如AI可以幫助內容創作者結構化地梳理信息，快速提供答案。

我認為以GPT為代表的大語言模型最有價值的不是知道很多知識，而是基於推理和整理的能力，它可以用理解自然語言去尋找、處理對應的信息。未來很可能我們跟App之間的交互，會從UI互動設計頁面，變成NLP自然語言交互。

常見誤解二：

AI無所不能，要幹掉人類了

第二個常見的誤解就是，AI是不是無所不能的？AI是不是要幹掉人類？現在的AI怎麼這麼像一個真人，越來越接近科幻片里有自我意識的存在了？

目前的大語言模型，是學習大量的語料訓練出來的，不光是ChatGPT，包括AI繪圖的模型，它並不是通過自我學習去認知這個世界的，而是通過大量現存的人類創作的內容。

所以大語言模型就像一個熟讀全世界所有圖書館材料的3歲兒童，腦海里有很多基本的知識，聊起來頭頭是道，但它其實從來沒看過天空，並不像訓練小孩一樣在跟世界的真實交互中學習成長，它只是試圖從海量知識中抽象和總結出來一些東西。

從這個基礎原理來看，AI還有很多事情做不到。

1. AI還做不到精確捕捉需求

了解AI的朋友都知道有個概念叫prompt，指輸入AI的關鍵詞、描述詞。目前AI還很難精確地去轉化需求。比如我想畫一個很酷的橙色貓頭鷹過生日，這句描述AI不能完全理解，它畫出了橙色貓頭鷹，但很難抽象地理解「酷」，所以我要轉化成很多描述詞，告訴AI我到底想要什么元素。

prompt engineer就是做這個需求轉化的自然語言工程師，他的核心價值一是讓AI理解人的需求，二是根據輸出，判斷是否達到標準，繼而繼續疊代。我覺得這跟古典產品經理很像，所做的事情都是發掘需求，持續疊代。

2. AI還沒有真正的邏輯

語言模型是基於統計而不是規則的，所以它會在某些方面有缺陷，比如無法準確完成比較複雜的邏輯運算，無法獲取現實世界的真實情況，只能參考語料。

這會導致AI對很多事情的理解和推演可能會出現問題，但是也帶來了新的機會，就像剛才說的在需求轉化上存在限制，那麼垂直領域搭載的小模型就有機會了。

大家普遍相信未來會有各種各樣垂直領域的AI產品，包括面向創作者的，不同平台可能都會有自己AI工具來幫助用戶創作。其中不僅是語料不同，可能還會有大量不同的規則、功能、交互，這些都是未來可能會發生變化的。

3. AI還做不到與真實世界的交互

這會帶來很現實的問題，可能也挺有意思的問題。AI沒有肉身，沒法替代人要做的一些事情，比如第一個問題，AI沒法開會，但開會是現在絕大多數業務的核心步驟，你要在開會的時候去理解、協同方各方需求，要察言觀色，AI只能完成相對確定性的任務，目前做不到這種溝通協作。

第二個問題也是大家開玩笑說的，AI目前沒辦法背鍋，沒法為決策和結果負責。

第三個問題，AI沒法觀察，不能與他人共情，或識別抽象的問題等等。

所以AI並不是無所不能、無所不知的，同時也並不是泡沫，但是AI肯定會洗盤很多行業的生態，這些行業不是說未來都交給AI去做了，或者全是機器人，而是AI一定會讓這些行業的生態發生劇烈的變化。

AI是否會代替你，

最重要的是成本

接下來我們來思考一個問題，也是今天我們最主要的一個話題——AI會不會替代你？

不管你是內容創作者還是其他的職業，AI會不會替代你，最重要的一個因素是什麼？我認為是成本。AI當然可以做得很好，但是如果說AI做得好的前提是要花更多的錢，或者說效率反而更低，最後AI取代人工也並不一定成立。

我簡單拆了三種情況，分別預示著三種不同的結果，你可以就自己所在的行業領域，對應看看屬於哪一種情況。

第一種情況是比較樂觀的，使用AI替代工作的時候會發現這部分的成本是偏高的，再加上遷移成本之後，它會大於全是人工完成的成本，那就不會有老闆去選擇這麼做。這部分從業者相對比較安全的。

第二種情況是AI替代一部分，因為加上遷移成本後，總體成本是小於全人力的成本，這就說明有一部分工作可能慢慢就會被AI替代。一部分人可能會失業，一部分人可能會調整轉變自己的工作方式。

第三種情況是最悲觀的，AI可以替代全部人力或者整個工作流。這個行業可能會面臨比較大規模的洗牌，出現較大的人員波動，這是比較危險的。

看這個公式你可能會感覺很抽象，是不是大家對於成本的認知不同的話，可能會有一些不同的結論？我覺得不是，其實這就是一個能算出來的帳，都是非常具體的數學的帳。

拿AI繪圖來舉例，比如原來要繪製一個頭像框的原畫，假設畫師需要兩小時畫好，已經算比較快了，畫師的月薪是15000，那麼公司承擔的成本可能是2萬，畫師的這兩個小時算下來成本是250元左右。

如果AI介入可能會怎麼樣？

Midjourney生成一張圖片費用大概是5毛錢，加上反覆調試，直到生成滿意的效果，可能費用要加到10元左右。同樣我們需要一個畫師去訓練調試，或者後期做些簡單的處理，月薪相同，但畫師就不需要兩小時了，10分鐘就能得到一張可用的圖了。這樣計算下來，你會發現AI介入後成本只要30元左右。

那麼同樣的情況，如果發生什麼，AI不會替代畫師呢？

其實是Midjourney在精細度上還不夠，導致畫師還需要再用photoshop去潤色的成本太高了，每張畫需要1.92個小時，加上遷移成本，還不如全用人力去完成。

OpenAI官方對各種職業會不會受AI影響也有一個研究報告，這個測算可能有主觀的成分，不是那麼準確，但也儘可能做到了量化，大家感興趣的話可以去了解一下。

我們直接說它的結論：

一是80%的人會受影響，20%左右的人會大受影響，大受影響就是有50%以上的工作有被替代的風險。

二是AI可能並不是最先代替藍領，而是白領，那些受過良好教育的、有豐富工作經驗的、高薪的職業反而容易受影響。

三是相對容易被替代的職業，看的是大模型跟職業的接觸或替代的重合部分多不多，比如數學家因為數學計算的確定性非常強，所以相對危險。

內容創作者的反思和自省

作為內容創作者，我們大量的工作是建立在內容上的。而內容的確是最容易受AI影響的，原則上都是AI可以生成的。我們可以思考這幾個關鍵問題：

我的工作流里，哪些是AI可以做的?

這些AI可以做的，真正的成本是多少? 跟過去相比呢?

我的工作流里，哪些是潛在AI可以做的?

同樣，回答第2個問題：成本? 跟過去相比?

這當中有三個核心的要素：

一是AI的可替代性，有獨創觀點和綜述類的文章、有人設和機器配音的帳號、出鏡和不出鏡的帳號等等，這些可替代性是不同的；

二是AI的替代成本，技術、人員、設備等成本最好是量化的才能比較來看；

三是AI的潛在能力，比如AI繪畫對手指的處理未來肯定會進一步完善，ChatGPT實時獲取信息的能力也將會通過與搜尋引擎結合而實現，我們要預判哪些事情是AI潛在能解決的。

以上就是我分享的主要內容，最後再給幾個建議，多關注跟自己有關的AI信息，多嘗試自己領域的新產品，把AI當作生產力工具來用，時刻要有成本意識。

也歡迎大家關注我的公眾號和播客內容，以及推薦關注微博「木遙」和即刻的圈子「AI探索站」，可以從中了解AI相關的最新進展和高質量的討論。