加餐｜ChatGPT的核心价值是什么？

你好，我是编辑宇新。

为了帮助大家拓宽对行业趋势的认知，扫除迷茫，明确自己的成长路线和提升方向。4月上旬，极客时间组织策划了《21天职场突围特训营》，张雪峰老师作为受邀导师，和同学们分享了他对工程师成长和价值实现的思考。直播分享中，张雪峰也聊到很多他对GPT、AGI的思考，为此我们整理了这篇加餐，希望能对你有所启发。

极客时间：Open AI这家公司为什么会成功？

张雪峰：Open AI我不想太多讲了，网上资料很多。我就聊聊对我来说触动比较大的。

对于圈外人，感觉好像ChatGPT是去年底、今年初爆发的，怎么地球上突然多了一款从来没见过的东西。而圈内的人在2020、2021年，从ChatGPT-3开始就已经隐隐约约预感到世界可能会改变了，但大家并不坚定。

那Open AI这家公司牛是牛在什么地方呢？他非常坚定。他牛在不是隐隐约约感觉，而是坚信我一定能走下去。

这里我推荐一个文章 OpenAI 何以掀翻 Google 布局多年的AI大棋？作者是之前Google的工程师。

虽然我们感觉这家公司是“突然成功”，其实并非如此。我们去了解一下就会发现，它从1.0开始就很坚定。整个公司才几十个人，现在可能人多一点。Midjourney核心大概只有十个人，却做出了这么神奇的东西。这家公司一直在专注做事情，所以才会厚积薄发。

最重要的就是“第一天就扬言剑指AGI”这一条。当然说第一天夸张了些，他们也做了一些简单的探索。后来，Open AI的首席科学家Ilya（其实最主要就是这个人）带领着团队就很坚定地走到最后。

还有一点值得说的就是暴力美学。暴力美学主要是什么呢？是你需要有资源，咱们现在看最重要的是要有钱嘛。然后还有一些资源是有钱也买不来的，比如GPU现在你有钱也不一定能买到，还有包括微软的支持，这些都很重要。

极客时间：Yann LeCun（图灵奖得主、Meta 首席 AI 科学家）说OpenAI就是个巧妙的组合，感觉这个门槛并不高？

张雪峰：刚才说了，Open AI用的都不是什么新技术。Yann LeCun，他很不屑Open AI这种做法，但是他说出了真谛，那就是组合。

不过在我看来，实际上排列组合这个事情的门槛非常高。就像我们之前做业务系统也是一样，不可能有足够时间通读源码，然后再做排列组合的。有可能架构写得很好，但排列组合就是存在问题。组合人人都能做，但巧妙的组合，地球上现在只有Open AI 这一家公司做出来。

我们平时用技术赋能业务是很纠结的，包括架构，也包括扩展。之前我们也非常想把系统做得无所不能，也不要SDK了，也不要各种丑陋的定制了。但现在GPT现在通过一种很不可思议的方式，就搞定了需要沟通聊天的这部分事情（Plugin对接是另外一回事）。

搞排列组合很难。一方面，选择特别多，我们没时间去一个一个过。另一方面，你要有前瞻，你不一定看完代码，但你自己要有一种感觉“这个就是未来”。所以回看第一天剑指AGI，就是有种不成功就成仁的气魄。所以，排列组合真的有门槛。

极客时间：在你看来，ChatGPT的核心价值是什么？

张雪峰：如果你感觉ChatGPT就说给我生成一堆花哨的东西，帮我解决那些文字的工作，那就想错了。ChatGPT就相当于我们的大脑，只不过这大脑现在发育还在幼儿园的阶段，但它是发育正常的。

如果非要说它有几个要素，我认为是这几点。第一，它有上下文感知。这个很重要，因为聊天就是上下文感知。第二点就是推理。第三才是它有很多的经验，当然这个经验是历史经验，不能去创造未来啊。我认为它现在所谓的创造都是虚假的，是过去的组合或者模糊化处理。

所以ChatGPT核心价值不是任务分解，那只是它的一个产物。这里面要讲一讲，技术人员可能会有个误解。我问了一些人，大家都认为ChatGPT很厉害啊，训练一堆什么爬虫的数据。但如果它只训练这些，比如说互联网上的文章，甚至是图片、视频，那么它只能做到上下文感知，还做不到推理。

极客时间：ChatGPT核心或大模型核心的推理能力是怎么来的呢？

张雪峰：我认为至少ChatGPT模型或3.5以后的模型，推理能力主要是来自代码。

微软真的很有远见。之前有一次我和朋友吃午饭的时候聊过，我们真的感觉脊背发凉——Satya（微软 CEO Satya Nadella）买GitHub这时间点非常巧妙，跟OpenAI开始绑定Azure非常接近，而且好像当年盖茨是有点反对的。

我们作为程序员，当时是怎么想的？微软买GitHub很牛、很有前瞻，这时想把我们这些程序员都买到微软阵营对吧？至少你会多用用Office这些东西，或者用Azure。

但是今天我们再回过头看，就会发现并不是这样。人家已经想到比我们高两个Level的层次。他花了这么多钱买根本不是为了绑定你程序员，这不重要。

买了GitHub就是为了训练ChatGPT的推理能力，这个是比上下文感知更厉害的能力。上下文感知还是模糊的，因为聊天可以是含糊的。但推理能力相对严密一点，有了这个能力，ChatGPT就可以调API了，真的非常非常牛啊。

极客时间：你觉得GPT是未来么，它现在有什么局限？

张雪峰：GPT肯定不是未来，即使到了AGI，我们也可能用其他方式实现AGI。即便如此，是不是能解决所有问题呢？也不是。我们也看到了，存在很多GPT搞不定的事，必须用很多其他的办法。

目前的AGI，也就是大家看到的GPT-4。后面图里列出来的这五个方面它是搞不定的。

这里我单独说一下第四类。像性能调优这样的工作，工程师现在还很难被取代。性能调优这个事情很难。不是说某行代码是不是写得烂，可能是局部代码没有太大问题，但是现实里可能涉及到很多其他方面，比如配置、虚拟机、Kubernetes的调度、API之间互Call等等。让GPT融入整个大系统里，今后可能存在想象空间，但现在肯定不行。

还有模型调参，这个很头疼，现在都是人肉。哪怕现在号称有AI自动调参，但还是不太可靠。

规划调度这方面GPT也做不到，我们团队以前就搞规划调度，这件事很难，只能做很局部的，我们的外卖的复杂度是滴滴的四个数量级。

最后再说说局部提效，辅助生产力升级这件事。我认为AGI首先是效率的升级，其次作为一种辅助。很多同学担心生产关系。比方说有个同学提问，之前我们小组有5个人，用了Copilot一段时间止呕，现在感觉只需要两个人就可以了。那么这是不是改变生产关系？

我觉得你这不是改变生产关系，这是改变生产力。改变生产关系是说不需要这五个人了啊。但即便是那个时候，所有开发角色都被取代也是不可能的。

极客时间：AGI会取代工程师么？这个问题大家非常关心。

张雪峰：我认为AGI不会取代工程师。

我们也不一定要去看网上文章，我们Copilot用多了就能有体会。就拿性能调优工作这个领域来说，这里我说的调优不是一眼能看到的问题，比如某段代码有没有bug，而是很多无法一眼看出的问题，包括联调、跨进程、跨机器、跨集群乃至跨角色的问题，这些东西都很难系统化。

现在Token都不够，AGI怎么做性能调优呢？所以我们暂时不用考虑这样的问题。

我在PPT里列出了四个方面。如果在这四个当中，至少有一个你很enjoy，那AGI都不会取代你。但如果这四个方面你都不enjoy，还是安于现状，那你慢慢失去光芒的风险可能还是挺大的。

与其担忧取不取代的问题，不如想象一下GPT未来的影响。以后都是API的世界了，GPT出来以后，只有API还有价值。当然胶水代码也会有点价值，但价值不大。以前你需要吭哧吭哧地写代码，GPT可以给你生成代码，而且质量问题不用太担心。

我认为这是一个开发范式的巨大转变。这一次的范式转变远远超过以往的面向过程、面向对象、面向领域（面向领域虽然不是开发语言，但也是一种范式）。

因为这个开发范式，已经不是我们工程师引以为傲的严密逻辑严密代码，不能出任何错的这种方式，它是一个更高阶的抽象。哪怕它可能会有一些偏差，但是如果效率提上去的话，其实ROI还是升高的，也就是带来的收益会超过损失。所以大的方向就是抽象度越来越高，交互越来越简单。