摘要
關於人工智慧，尤其是像 ChatGPT 這樣的大型語言模型的最新發展，社會上存在著極大的誇張。
此類技術對工作的實質影響也值得關注。
但觀察者遺漏了兩樣非常重要的東西：
軟體的胃口有多大”的一種比較有用的方式，但值得思考的是，為什麼軟體要花那麼長時間才能蠶食完世界。
而且，再刨深一點的話，如果軟體真的要
1. 每一次技術創新浪潮都是因為昂貴的東西變得便宜到可以揮霍而引發的。
長期以來，由於軟體的生產過於複雜與昂貴，導致我們數十年來軟體交付不足，進而導致全社會範圍內揹負了龐大的技術債務。
2. 隨著軟體生產的成本與複雜性坍塌，從而釋放出一波創新浪潮，這筆技術債務將會戲劇性地、遍及整個經濟地償還回去。
軟體被誤解了。
軟體給人感覺像是個離散的東西，是我們與之互動的東西。
但是實際上，軟體作為一種非常異域的東西，是對我們的世界的一種侵入。
這是與電力、半導體以及指令的一種奇怪的互動，用各種各樣的方式神奇地控制了從螢幕到機器人到電話、醫療裝置、膝上型電腦以及眾多令人眼花繚亂的其他東西。
它幾乎具有無限的可塑性，能夠滑動、扭曲和變形，以至於這種易適應性為我們撬開了新世界的大門。
這種軟體的異域色彩最近已經浮出水面，因為真正的對話式人工智慧，也就是基於大型語言模型 （LLM）的聊天機器人，比如 ChatGPT，已經從科幻小說變成了某種像人們可以在網際網路上搜尋一樣輕鬆把玩的東西。
01、為什麼軟體還沒有蠶食世界？
這讓人想起馬克·安德森（Marc Andreessen） 在上一個技術週期那句著名的“軟體正在蠶食世界”。
雖然安德森那句話是思考“
大快朵頤，催化劑該是什麼，那個被軟體蠶食掉的世界會是什麼樣子？
要回答這些問題，我們必須先以史為鑑，然後再展望未來。
為此，我們需要考慮一系列的因素，包括複雜性、要素成本以及軟體供需的經濟模型。
我們從思考軟體供需的經濟模型開始。
軟體是有成本的，這裡存在一個買賣市場。
其中部分市場是組織內部的,但大部分的市場都屬於外部市場。
人們以 app、雲服務或遊戲的形式購買軟體，甚至嵌入到其他物體之中，從門鈴到用於癌症檢測的內窺鏡攝像頭，不一而足。
所有這些東西都是軟體，無數形式的軟體。
考慮到這些特徵，你可以用經濟學導論裡面的基本供需曲線圖來思考軟體。
這裡面有一個價格和這一價格下的需求量，然後有一個價格和數量剛好處於處於大致均衡的狀態，如下圖所示。
當然，由於多種原因，這個均衡點可能會發生偏移，導致 P/Q 交叉點處於總需求的較高或較低水平。
如果價格太高，軟體就會生產不足（留下技術債務），如果價格太低，那麼……就讓我們回到那個話題。
這引出了在經濟學課程當中有時候會被問到的一個基本問題：
我們怎麼才能知道這種價格和數量的組合是最優組合？
答案是價格和數量的最優組合應該在供給和需求曲線的相交點上。
需求曲線通常是向下傾斜的，因為當價格上漲時，人們往往會減少對大部分商品的需求。
而供給曲線通常是向上傾斜的，因為當價格上漲時，生產商通常會願意提供更多的商品。
如果我們在這個點上提高價格，那麼消費者會減少購買，而製造商會增加生產，這最終會導致過剩庫存或價格崩潰。
反過來，如果我們在這個點上降低價格，那麼製造商會減少生產，即使消費者想購買更多，這會導致供應短缺，最終可能會再次推高價格，直到供給和需求達到平衡。
2、技術如何讓經濟學更加複雜和難以預測
這些都是本科學的經濟學，簡單易懂。
但技術有攪渾經濟學的習慣。
說到技術，我們怎麼知道那些供需曲線是對的？
答案是我們不知道。
這時候有趣的事情才剛剛開始。
比方說，有時某種東西的供應增加會導致需求增加，從而導致曲線移動。
這種情況在技術領域已經發生過很多次，因為技術的各種核心元件隨著能力（或儲存或頻寬等）的增加而導致成本曲線的下降。
在 CPU 的場景下，這種情況一直被歸結為摩爾定律，也就是說 CPU 的能力每 18 個月左右就會出現一定幅度的提高。
雖然這些定律更像是試探法而非 F=ma 這樣的物理定律，但它們確實有助於讓我們窺見未來可能與過去有何不同。
我們在技術領域一再看到這種情況，各種技術的價格暴跌，但它們的能力卻迅速增長。
我們感覺這種情況彷彿已經變得司空見慣，但事實並非如此。
經濟的其他板塊可不是這種情況，歷史上的經濟也不是這樣的。
東西越好價格反而越便宜並非常態。
雖然很多市場都有規模經濟的特點，但在經濟史上還沒有出現過像 CPU 成本崩潰，但效能卻提高了一百萬倍或更多的情況。
為了幫助大家進一步看清這一點，不妨設想如果汽車以計算機的速度加以改進的話，那麼現代版的汽車將：
- 擁有 6 億多匹的馬力
- 在不到百分之一秒內從 0 加速到 60 邁
- 每加侖可行駛約一百萬英里
- 每輛車的成本低於 5000 美元
汽車並沒有出現這種情況。
當然，Tesla Plaid 是一輛速度很快的汽車，但遠遠達不到上述規格——永遠不會有這樣的汽車。
這種汽車的效能拐點不是我們的未來，但它充分說明了在過去 40 年（軟體）技術領域裡發生的變革有多大。
但是，大多數人甚至都沒有注意到這一點。
大家把它當成司空見慣，以至於都沒有注意到這些變革如何的驚人。
3、技術崩潰的動態
你可以在下圖看到這些動態。
請注意Y軸上的對數刻度，這是為了避免價格/效能曲線顯示出直線下挫的情況——因為這些因素的單位效能價格下降的速度和幅度實在是太大了。
這在經濟史上是前所未有的。
CPU 價格的暴跌直接將我們從大型機拽進了個人電腦時代。
（各種型別）儲存價格的崩潰不可避免地導致更多帶有可觀本地儲存的個人計算機的出現，從而幫助催生了資料庫和電子表格，然後導致了 web 服務，接著是雲服務。
而且，最近，（隨著頻寬的爆發式增長）網路傳輸成本的崩潰直接導致了現代網際網路、流媒體影片以及移動 app 的出現。
與保羅·西蒙 (Paul Simon) 的那首老歌（“泡沫中的男孩”）優點相反，每一代技術都將一位英雄推向流行（或單位效能價格）排行榜。
每一次崩潰，伴隨著效能的提升，都會催生巨大贏家與大規模變化，從英特爾到蘋果，再到 Akamai，乃至於谷歌與 Meta，再到當前的 AI 熱潮。
崩塌的每一個受益者都需要一項或多項核心技術的價格下降與效能飆升。
這反過來又開闢了新的“浪費”它們的機會——可以把這些東西用在以前似乎不可能、昂貴得令人望而卻步或兩者兼而有之的事情上。
突然之間，人工智慧變得廉價起來，以至於人們可以透過給聊天機器人輸送提示來“寫文章”、獲得微服務程式碼方面的幫助等諸多“揮霍”它的手段。
你可能會認為智慧本身的價格/效能曲線也正在下降，就像發生在前幾代技術身上的事情那樣。
你可以提出這樣的觀點，但這種觀點太狹隘，太正統，或者至少是不完整和不成熟的。
通用人工智慧 (AGI) 的倫理和對齊問題姑且不談。
即便現在給人感覺比幾十年來更接近 AGI 了，但往好了說這樣的日子到來可能還有幾年的時間。
有鑑於此，值得提醒一下自己的是，AI 的熱潮每一二十年就會對我們的“意識海灘”發起一次衝擊，但又會隨著噱頭大於實際而再次退潮。
我們從 1950 年代明斯基（失敗的）工作看到了這一點，從 1970 年代的日本（失敗的）第五代專案再次看到了這一點，從 2000 年代的 IBM（失敗的）沃森又再次看到了這一點。
如果你真的眯著眼睛仔細看的話，你也許會看出一種模式。
儘管如此，大規模語言模型的突然爆發還是讓一些人花費大量時間去思考哪些服務業的職業可能會被自動化幹掉，經濟學家稱之為“替代性”自動化。
但這種替代性自動化不會給整個社會增加太多的價值，甚至可能會減少價值並造成不穩定——如同將美國白領工人的工作外包到中國。
或許我們應該少考慮一些替代性自動化的機會，而多考慮一點增強型自動化的機會，那種可以釋放創造力並帶來財富和人類繁榮的事情。
我們認為，這種增強型自動化熱潮將與之前的熱潮一樣，均來自同一個地方：
某種東西的價格暴跌，而相關的生產力和效能卻出現飆升。
就此而言，我們的意思並不是“軟體”就會出現價格下降的情況，就好像 AI 會引發 Microsoft Word 等文書處理器或 AWS 微服務出現價格戰一樣。
話雖如此，我們確實認為當前將 AI 注入到你能見到的每一個應用或服務的狂熱會引發更多競爭，而不是更少。
它將透過提高軟體成本（每一次 AI API 呼叫都會有錢落入某人的腰包）來實現這一點，同時又不會帶來真正的差異化，因為大多數供應商呼叫的 AI API 都是來自同樣的供應商。
我們大多數人都熟悉技術產品的價格是如何暴跌，而教育和醫療保健的成本卻不斷飆升的。
這似乎是個令人抓狂的謎團，隨之而來的是大家呼籲要找出新辦法，讓這些行業變得更像科技業——大家通常認為，科技業更容易受到技術通貨緊縮的影響。
解釋一下：假設有一個經濟板塊就只有兩個部門，一個部門的生產率、專業化程度和財富生產率要高得多，而另一個部門則低得多，則後者將面臨提高工資的巨大壓力，以免許多員工離開。
隨著時間的推移，生產力較低的部門開始變得越來越昂貴，儘管它的生產力不足以證明更高的工資是合理的，於是它開始“吞噬”該經濟板塊越來越多的資源。
經濟學家威廉·鮑莫爾（William Baumol）通常被認為是這種現象的發現者，因此這又被稱為“鮑莫爾成本病”。
美國的各種產品和服務（劇透：主要是在高接觸、低生產率的行業）變得越來越昂貴，而其他產品和服務（非劇透：主要是基於技術的）變得越來越便宜了。
考慮到與其他一切相比技術所出現的爆發式進步，現在這一切應該都能說得通了。
如果沒有重大的生產力改善，這隻能透過消除這些服務的人類因素來實現，很難想象這種情況會發生怎樣的變化。
假設未來我們仍需要醫療保健和教育，鑑於這些服務的大部分價值仍繼續由人類提供，情況更有可能會繼續惡化。
但還有一個板塊受到鮑莫爾成本病變體的阻礙，那就是軟體本身。
畢竟，生產力最高、創造財富最多、通貨緊縮的部門怎麼也會成為其他部門所遭受的同樣問題的受害者呢？
如果你回想一下我們之前討論的雙部門模型的話，會的。
這些東西價格正在崩潰，其製造需要的人變少了，同時正以更低的價格帶來了極大的效能提升。
與此同時，軟體還是那樣，以與幾十年前開發者幾乎沒有太大不同的方式生產著同樣的東西。
是，軟體的生產和部署已經取得了進展，但歸根結底，依舊是靠雙手在鍵盤上敲程式碼。
這看起來似曾相識，儘管生產力相對不足，但我們對軟體薪水保持高位並繼續上漲並不感到驚訝。
這是鮑莫爾成本病，發生在技術本身很狹隘的雙部門經濟當中。
這些高薪直接導致高昂的軟體生產成本，並鑑於要素生產成本以及那些令人討厭的供應曲線，導致了軟體產量受限。
初創企業需要花費數百萬美元聘請工程師；大公司繼續要砸數百萬美元來留住他們。
而且，雖然市場有出清價格，也就是供求曲線相交的點，但我們仍然知道，當其工資高於其他部門的可比職位時，生產的商品還是會低於社會的期望。
我們最終產生了一種社會性的技術債務，因為其生產的數量遠低於社會的期望——我們不知道少了多少，但可能是一個非常大的數字，並且也解釋了為什麼軟體還沒有蠶食掉太多世界。
06 人口結構、老齡化，以及LLM即將帶來的勞動力顛覆
不管如何不是出於本意，當前這代 AI 模型彷彿一枚導彈，直接對準了軟體製作本身。
當然，聊天 AI 在撰寫本科生論文或創作營銷文案、編寫部落格文章方面表現是很出色（好像這些東西還不夠多一樣），但這些技術在快速且幾乎無成本地生成、除錯和加速軟體製作方面表現更棒，棒到幾乎像黑魔法的地步。
如下圖所示，大型語言模型 (LLM) 對就業市場的影響可以被認為是一個 2×2 矩陣。
一個軸向表示領域的語法規範程度，意思是控制符號操作的規則導向程度如何。
比方說，寫文章是要講規則的（問問任何一位發火的英語老師），因此可以訓練基於LLM的聊天 AI 來寫出好得出人意料的文章。
稅務服務提供者商、合同以及許多其他領域也在此範疇。
未來幾年，對於處在右上角象限的職業而言，其顛覆性是非常厲害的，幾乎是前所未有的地步。
我們將看到一系列職業數以百萬計的工作崗位被取代，而且其發展速度比以往任何一波自動化浪潮都要快。
對於嚴重依賴某些受影響最嚴重的工作類別的地區或國家的行業、稅收，甚至社會穩定來說，這會產生巨大影響。
這些廣泛且可能破壞穩定的影響不應被低估，而且非常重要。
部分人認為，老齡化社會的人口結構以及發達經濟體倒掛的人口金字塔會抵消人工智慧造成的這些變化。
雖然人口結構會在未來幾十年減緩這種打擊的影響——老齡化社會以及世界部分地區勞動力萎縮將迫切需要勞動力——但這些人口結構的力量可能還不夠。
軟體的規則性和語法規範性高於會話英語或任何其他會話語言。
從 Python 到 C++，程式語言可以被認為是具備一系列高度明確的規則的形式語言，這些規則管理著可以如何使用或者不能使用每個語言元素來產生期望的結果。
程式語言的語法問題是最煩的，這讓很多想成為程式設計師的人感到非常沮喪（就因為少了一個冒號？！
真見鬼），但對於像 ChatGPT 這樣的 LLM 來說，這是完美的處理物件。
這張圖的第二個軸向也同樣重要。除了底層的語法以外，還有領域的可預測性問題。
還是說這個領域比較特別，原因有時候會在結果的前面，但並非總是如此，而且不可預測。
同樣地，程式設計是具備可預測性領域的一個很好例子，程式設計中設計之初就是要讓給定相同輸入的情況下產生相同的輸出。
如果結果並非如此，那問題 99.9999% 可能出在你身上，而不是程式語言。
其他領域的預測性要差得多，比如股權投資、精神病學，或者氣象學。
這種框架，也就是語法與可預測性讓我們相信，在軟體行業的歷史上，第一次出現了將從根本上改變我們軟體生產方式的工具。
這關乎的不是讓除錯、測試、構建或共享變得更容易，雖說這些也會改變，關乎的是操縱構成程式語言的符號意味著什麼。
比方說，再也不用學習 Python 來解析某些文字並刪除 ASCII 表情符號，只需要直接給 ChatGPT 寫下這些提示即可：
寫一些 Python 程式碼，讓它開啟一個文字檔案並刪除裡面所有的表情符號，我喜歡的那個出外，然後再次儲存。
程式工作正常，只用了兩秒鐘，以前你怎麼也學不會的程式設計技能，現在人人都可以掌握了，這只是其中的一個縮影罷了：
要指出的是，顯然：這個例子微不足道，乏善可陳，而且很蠢，儘管對於現在這種表情符號滿天飛的環境很有用。
對於熟練的從業者來說，這種程式很簡單，甚至簡單到令人討厭，但同時對於大多數其他人來說又是不可能的，如果不去Reddit 和 Quora 上面看很多東西的話。
如果你不確定為什麼這個能行得通，或者懷疑它是否行得通，並認為 AI 可能在騙人，你可以要求它自己做出解釋，如下所示：
簡而言之，LLM 用了一個很巧妙的技巧。它不是靠窮盡所有的 ASCII 表情符號來檢查文字是否存在這些字元，而是選擇用字元編碼來區分表情符號與非表情符號。
這個做法是在是太聰明瞭，還有，你可以要求 LLM 解釋它是怎麼做一件事的，這種自我參照的解釋能力則是改變了軟體這場遊戲的另一個原因。
從將各種 Web 服務連線在一起的微服務（你以前可能在 Upwork 上向開發者支付了10000美元完成的任務）到整個移動app（一項可能要花費你20000美元到50000美元或更多的任務），利用此類技術編寫幾乎所有型別的程式碼都成為了可能。
你能寫出一個更好的 MICROSOFT WORD 嗎？
或者用新穎的方式解決這個經典的 COMPSCI 演算法嗎？
它們之所以是“玩具”，是因為它們能夠為真實的人，尤其是非編碼人員生成程式碼片段，一小部分人會認為這個微不足道的，而另一個龐大的群體會認為這是不可能的。
在極限情況下，我們認為這一時刻類似於之前的技術變革浪潮如何讓基礎技術（從 CPU 到儲存和頻寬）的價格跌到近乎為零的地步，從而早就物種形成和創新的大爆發。
用軟體進化的術語來說，我們剛剛從人類的週期時間過渡到果蠅的週期時間：一切都進化和變異得更快了。
我們不妨來一次思想實驗：如果軟體生產成本遵循類似的曲線，甚至可能遵循更陡峭的曲線，並且正在下挫到近乎為零的地步的話，會怎樣？
如果生產軟體即將變成次要的事情，就像用文字解釋自己一樣自然和普遍會怎樣？
那時候的軟體開發就類似 “我需要給 iPhone 做 X、Y ，不要做 Z，如果你對讓它不那麼醜陋有什麼想法的話，我洗耳恭聽”這樣一句話的事情。
現在我們可以重新審視之前的那條成本下降曲線，並把軟體新增到組合裡面。
由於之前討論的各種原因，儘管內部的“鮑莫爾成本病”可能會導致成本居高不下，但如果生產軟體的成本即將崩潰會怎樣？
考慮到LLM的發展速度，這一切可能會發生得非常快，比前幾代都要快。
我們不是反對軟體工程師，而且其實我們投資了很多傑出的工程師。
但是，我們的確認為，如果不擺脫軟體行業的束縛的話，軟體就無法發揮其最大潛力，因為軟體行業成本很高，而且生產力相對較低。
人人都可以編寫軟體，而且只需幾分錢就可以編寫軟體，並且可以像說話或寫字一樣輕鬆地完成的軟體行業，將是一個變革性的時刻。
古滕堡發明了歐洲鉛字印刷術之後，之前的創作障礙——學術、創意、經濟等——都消失了。
說這相當於古騰堡（編者注：歐洲活字印刷術發明人）時刻有點誇張，但只是有點，因為人們從此可以自由地做那些僅受限於自身想象力的事情了，或者說得更實際一點，受制於過去生產軟體的成本的事情了。
回顧之前的變革浪潮，情況表明這不會是一個平穩的過程，可能需要數年甚至數十年才能完成。
如果我們是對的，那麼軟體開發者的就業格局將發生翻天覆地的重塑，隨之而來的是“生產力飆升”，這是因為軟體生產成本的下降彌補了數十年來軟體生產不足在全社會積累的技術債務。
09 當我們還清這筆技術債務時，接下來會發生什麼？
我們現在已經多次提到這個技術債務，強調這一點並不為過。
這個技術債的規模有多大我們不知道，但不可能很小，所以後續可能會呈幾何級數的增長。
這意味著隨著軟體成本下降到接近為零的地步，可以預見，軟體的建立會以之前幾乎無法想象的方式爆炸。
雖然這個疑問可以理解，但確實有點愚蠢而且現在提出這個絕對為時過早。
當網際網路傳輸成本為 500000 美元/Mbps 時，你會想到有Netflix嗎？
當螢幕、中央處理器、儲存裝置以及電池等的尺寸會導致裝置跟一間房那麼大時，你能想象蘋果 iPhone 的出現嗎？
你希望能夠參與其中，剛有點風吹草動的時候就開始投資它們。
簡而言之，我們面前的這塊綠地現在看起來就像是下一個偉大的技術週期，但有太多人根本看不到這個週期的出現（因為他們的關注點仍然放在投資應用於當前軟體環境的LLM上）。
企業家、發行人 Tim O’Reilly 有一個很好的表述，這個表述用在這裡也很合適。
他認為投資者和企業家“創造的價值應該高於攫取的價值”。
剛開始的時候科技行業就是這樣的，但近年來這個行業變得浮躁，往往想追求速贏，通常是按照金融服務業的劇本開局。
我們認為，這是幾十年來技術行業第一次可以迴歸本源，並透過釋放一波軟體生產的大爆發，真正實現創造的價值出高於攫取的價值。
譯者| boxi
轉自 | 36Kr.com
