回顧歷史上的顛覆性技術(shù)，無論是電力、加密、計算機還是 GPS，它們的擴散路徑幾乎都是一致的：先在政府或軍方誕生，之后被企業(yè)采用，最后才流入普通人手中。這條從上至下的路徑看似自然合理——新技術(shù)往往價格高昂、資源有限，需要專業(yè)技術(shù)人員來駕馭。
但這次，大型語言模型（ LLMs ）卻完全反其道而行之。它們帶來的最大受益者不是機構(gòu)，而是普通人。ChatGPT 成為史上增長最快的消費級應(yīng)用，全球每周有 4 億人用它來寫文章、寫代碼、翻譯文本、在線家教、資料整理、靈感激發(fā)、科研輔助……這不是在“提升效率”，而是在“提升人”。
更重要的是，它的使用門檻幾乎為零：免費、快速、隨點隨用，甚至可以在本地運行，不挑語言、不挑表達風(fēng)格——就連俚語、語氣詞、 emoji 它都能理解。這也太夸張了。從未有一項技術(shù)能以這樣快的速度，讓這么多普通人擁有這樣大的能量。
可為何這項技術(shù)在企業(yè)和政府里卻沒“炸”起來？原因之一是：LLMs 具備的是“泛領(lǐng)域、類專家”的能力。它什么都懂點，但又不夠精，不完全可靠。而企業(yè)的本事恰恰是“聚合頂級專家”，靠的是法務(wù)、工程、市場等專業(yè)團隊的深度協(xié)作。 LLMs 可以幫他們寫初稿、生成模板，提高一點點效率，但很難真正改變企業(yè)本身的運作方式。
相比之下，普通人只擅長一兩件事，因此一款“什么都懂點”的工具，對他們來說簡直就是能力大禮包。突然之間，你能寫 App 了、能讀法律了、能看科研論文了、能分析數(shù)據(jù)、還能做品牌策劃——而這一切，只靠你一個人搞定。
其次，大型組織面臨的問題要復(fù)雜得多，不僅要考慮老系統(tǒng)的集成、風(fēng)格指南、合規(guī)和隱私等各種限制，還要承擔更高的錯誤成本。你不能隨便“整點代碼”上線，一次“幻覺輸出”就可能引發(fā)事故，甚至丟飯碗。
第三，是大公司普遍存在的“體制病”：路徑依賴、派系斗爭、冗長匯報鏈條、老員工抗拒培訓(xùn)……越是變化快，越容易被拖慢。這些都是 LLMs 想在組織內(nèi)部快速落地時，必須面對的“逆風(fēng)”。所以你現(xiàn)在看到的，是 Mary、Jim 和 Joe 真正體驗到了 AI 帶來的飛躍，而不是 Google 或 白宮。
未來 LLMs 能否持續(xù)“人人平等”，取決于兩個因素：模型性能的進步，以及獲取這些性能的“成本曲線”。今天，最先進的 LLM 表現(xiàn)已經(jīng)很容易獲取、而且?guī)缀趺赓M。再往上走，砸再多錢也買不到更好的體驗。你買不到“更強的 ChatGPT ”—— Bill Gates 和你用的是同一款 GPT-4o。
但這種“平權(quán)”不會永遠持續(xù)。隨著訓(xùn)練規(guī)模、測試擴展、模型集成不斷發(fā)展，能力差距會擴大。雖然模型蒸餾（小模型學(xué)大模型）能暫時緩和這種趨勢，但一旦金錢能買來“智能碾壓”，大企業(yè)和社會精英就會把資源都投進去。結(jié)果是：他們的孩子用 GPT-8-pro-max-high 輔導(dǎo)，你的孩子只能用 GPT-6 mini。
但至少此刻，我們身處一個前所未有的歷史節(jié)點?？苹眯≌f從未描繪過這種“草根主導(dǎo)”的 AI 革命。它不再是將軍們控制的黑科技，而是每個人口袋里的免費助手。 William Gibson 曾說，“未來已經(jīng)到來，只是尚未平均分配”?，F(xiàn)在，我們可以改寫這句話：未來不僅到來了，而且來得很快，很公平。
Power to the people（力量歸于人民）——我愛死這種感覺了。
? AI范兒
要進“交流群”，請關(guān)注公眾號獲取進群方式
投稿、需求合作或報道請?zhí)砑庸娞柅@取聯(lián)系方式
點這里關(guān)注我，記得標星哦～
熱門跟貼