隨著AI技術的廣泛應用，尤其是其在內(nèi)容生成和知識傳播領域的強大能力，一個關鍵問題浮出水面：AI在高效利用人類知識的同時，是否會削弱知識創(chuàng)造者的經(jīng)濟基礎，甚至摧毀其背后的商業(yè)模式？

———— / BEGIN / ————

關于AI，我最近一直在思考一個問題。越想，越覺得擔憂。

今天的AI，似乎正在悄悄地“獵殺”人類的商業(yè)模式。

什么意思？為什么這么說？

我們先從一樁公案，開始說起。

2023年，《紐約時報》起訴了OpenAI，和它背后的投資方微軟。理由是對方未經(jīng)授權，使用了數(shù)百萬篇文章來訓練AI大模型?！都~約時報》要求這兩家公司不僅要賠償，還要銷毀所有使用了他們內(nèi)容的AI模型和訓練數(shù)據(jù)。

消息一出，不少人都覺得《紐約時報》有點不可理喻。

有人說，這不就像買了本書，學了知識，然后用這些知識去服務客戶嗎？我賺到的錢，還需要再給書的作者分成嗎？這不對吧。

我們的交易，從買書那天，就結束了。我賺多少錢，不是我自己的本事嗎？

這樣理解，確實有道理。但是，事情真的是這樣嗎？

上次問道全球，我們在美國見到了Pieter Abbeel。他是加州大學伯克利分校的教授，機器人學習領域有重要影響力的科學家。

和很多人的看法不同，他認為《紐約時報》的指控，有道理。AI學習你的數(shù)據(jù)，應當獲得你的同意，如果用這些數(shù)據(jù)賺到了錢，也應該分給你。

為什么這么說？

因為人和AI，是完全不同的物種。我們的“服務帶寬”，有著本質的區(qū)別。

舉個例子。假設，一個人寫了本經(jīng)營企業(yè)的書。一個企業(yè)顧問花100塊買了這本書，學明白了之后，用這些知識去幫別人家公司賺錢，自己也賺了不少。

不過，這個顧問再厲害，一年也就服務個幾十家公司。全世界那么多公司，不可能都找他。所以，想要學習企業(yè)經(jīng)營的人，可能也會去買這本書，慢慢地，書越賣越多。作者有了足夠的知名度和收入，就能繼續(xù)安心研究寫作了。

所以，你大概了解了。因為人類的"服務帶寬"是有限的，“做研究、寫書、賣書”這個商業(yè)模式，才得以成立。

但是，AI來了。它的“服務帶寬”是無限的。它可以24小時不睡覺，一天能服務幾百萬家公司，比人類顧問便宜得多，回答還特別快。

這意味著什么？意味著這本書，可能最終只會賣出一本：給AI的那一本。

只有一本銷量的書，可養(yǎng)不活一位作者。理解了這個邏輯，你可能就會理解，為什么Pieter Abbeel支持紐約時報了。

一家成熟的報社，必然雇傭了一個記者團隊。他們花費大量的時間、精力，甚至冒著生命危險，全世界去尋找新聞。比如，為了報道俄烏沖突，記者戴著鋼盔，去做戰(zhàn)地記者，帶來了一線見聞。這種一線見聞，就能給報紙帶來大量訂閱和廣告收入，獲得收益。

但如果，AI來了呢？

用戶只要問一句“烏克蘭現(xiàn)在什么情況”，AI就能把所有相關報道消化后，給出一個清晰完整的解答。這樣，用戶就根本不需要去看原始報道了?！都~約時報》，也只能獲得AI給它付的那一次費。

收入在減少，而維持高質量新聞報道的成本卻少不了。長此以往，這個行業(yè)的商業(yè)模式，就相當于被AI“獵殺”了。

那為什么，《紐約時報》不起訴谷歌呢？谷歌不也是抓取內(nèi)容，提供給用戶嗎？

那是因為，谷歌是一個流量入口，一個流量生成器。

你在谷歌上搜索“特朗普加關稅”，谷歌會檢索關鍵字，給你一堆鏈接。這其中，可能就包含有《紐約時報》的一篇文章。你點擊，就跳轉到了《紐約時報》的網(wǎng)頁上?？赐赀@篇文章，你也同時看完了《紐約時報》的廣告，他們也因此賺到了錢。

但是，Chat GPT不是這樣。它提供的答案，雖然來自于《紐約時報》，但并不會把用戶導向《紐約時報》，而是自己生成一段內(nèi)容。因為提供內(nèi)容，Chat GPT因此得到了回報。但辛辛苦苦生產(chǎn)知識和內(nèi)容的《紐約時報》們，卻不會因為貢獻，而獲得回報。

類似的情況，還出現(xiàn)在很多地方。比如，視頻平臺。

你去網(wǎng)站上看視頻的時候，是不是有一些貼片廣告？是的。不少視頻平臺，就靠這些貼片廣告賺錢。視頻博主，也經(jīng)常會“恰飯”，接一些廣告，在內(nèi)容里邊植入。

但是，AI來了。你把鏈接丟給它，它就能扒出來完整的內(nèi)容，總結，整理，還能告訴你視頻博主的觀點，有哪些局限，哪里還可以更好。如果只是為了學習，你就大概率不會去看視頻了。

于是，廣告的效果越來越差，廣告主慢慢地，也不投了。視頻網(wǎng)站和視頻作者的收益，大大下降。

甚至，一些付費課程也會受到影響。一些優(yōu)質的課程，可能要賣幾千份才能回本，但如果第一個買課的學生直接把內(nèi)容喂給AI，后邊的人直接問AI就行了。

這樣下去，會發(fā)生什么？

越來越多原創(chuàng)的博主，可能就沒有生產(chǎn)內(nèi)容的動力了。越來越多以研究、創(chuàng)造知識為生的人，也堅持不下去了。

人類大概率會在多個領域，失去創(chuàng)造知識的動力。

所以，AI可能一邊在享用人類創(chuàng)造的知識，一邊在摧毀創(chuàng)造這些知識的商業(yè)模式。

這就像一片森林。維基百科，紐約時報，知乎，社區(qū)……無數(shù)前人勞心費力，一顆顆地把樹種了下來，終于成就了一片森林。

但AI來了，只砍樹，不種樹。慢慢地，樹木就會越來越少，直至一片荒蕪。

那怎么辦呢？

或許，真的要想想辦法，把錢分出去，分給《紐約時報》們。

但是，這個錢怎么算，分多少，也是個難題。

今天的AI，還沒有能算清楚每一條收費的回答中，有多大比率，用了哪些內(nèi)容創(chuàng)作者的知識的機制。

即便這套機制被開發(fā)出來，也很有可能因為太復雜，導致用2美分的計算成本，分給了作者1美分的內(nèi)容收益，得不償失。

就像你喝了一杯水果混合果汁，要給果農(nóng)分錢一樣。果汁里到底有幾個水果的汁？從哪幾個果園里來的？每個果園，要給果農(nóng)多少錢？更要命的是，這杯果汁才賣幾塊錢。

算不清，算不清。

可是，當創(chuàng)造知識的人不再有動力創(chuàng)造知識，那AI以后學什么？要知道，AI自己可能并不理解詞意，也不分真假，僅僅是根據(jù)統(tǒng)計數(shù)據(jù)，選擇“最可能”的組合。

發(fā)展到最后，可能會出現(xiàn)這樣的情況：整個互聯(lián)網(wǎng)上，只有AI自己，在不斷地反芻市面上已有的知識。水平停滯，再難寸進。

這種現(xiàn)象，我把它稱之為：內(nèi)容反芻。

如果你認真觀察，能就會發(fā)現(xiàn)，這件事，可能已經(jīng)正在發(fā)生了。越來越多的內(nèi)容，出現(xiàn)了一股濃濃的AI味。很多都是把之前寫的東西，東拼西湊，改改詞、換換句子。

但沒辦法，成本太低了。讓AI寫一篇文章，成本可能就幾毛錢。但讓一個專業(yè)作者寫，可能要幾百上千。

互聯(lián)網(wǎng)上的內(nèi)容，可能就會因此像一鍋剩飯，翻來覆去地加熱，炒熟，再冷掉。最后，毫無營養(yǎng)。

除非……除非AI可以自己獲取知識和信息。

比如，讓機器人到處走，到處聽，到處看，自己觀察世界，獲取信息，產(chǎn)生新知識，甚至進行思考，得以產(chǎn)生新的觀點，創(chuàng)造各種新東西。

或許，這一天遲早會到來。但至少今天，知識還需要人類去產(chǎn)出。

所以，如果創(chuàng)造知識的人類遲遲得不到回報，整個文明的知識體系，就會不可避免地向一個自我反芻和停滯的危機里滑坡。

說到底，這就是一個經(jīng)濟學問題：當成本大于收益，市場就會萎縮。就像我們不會去種一棵蘋果樹——如果摘下來的蘋果，連水費都不夠。

也許在未來，會誕生新的平臺，讓創(chuàng)作者和AI共同受益。也許會有新的商業(yè)模式，讓知識的創(chuàng)造和傳播變得更有價值。

但可能，得稍微快一點了。

否則，就會出現(xiàn)這樣一種情況：整個互聯(lián)網(wǎng)上，全是復印件在復印復印件。

那畫面，還挺嚇人的。

本文來自微信公眾號：劉潤，作者：劉潤