3月份的时候OpenAI连同宾夕法尼亚大学的相关研究人员发了一篇关于大模型会如何冲击各种岗位的论文，一时间传播甚广。但时隔半年后我发现对什么是挡在大模型前进路上的具体行为还是有必要再深挖一下。就很像关注地震影响和根源时那就不只要关注横波纵波还要关注次生灾害一样。这种挖掘需要穿透功能本身再往下走一步，不单拓展深度也要扩大关联。

个人：内容生产者的内涵

不知道大家看到这些图会想到什么？

对我而言，当你随便写几个字，这种图片就自动生成的时候，还是很触动的。如果再加上下面这样的文字，感触可能就更深：

古巴之行

前言

古巴是一个充满魅力和活力的国家，拥有丰富的自然资源和多样的文化风情。我一直对古巴很感兴趣，尤其是它的雪茄、音乐和革命历史。今年，我终于有机会去古巴旅行，体验了一次难忘的探索之旅。

行程

我在古巴停留了十天，期间我参观了三个主要的城市：哈瓦那、圣地亚哥和特立尼达。每个城市都有自己的特色和风情，让我大开眼界。

哈瓦那

哈瓦那是古巴的首都，也是一个现代化的城市，是一个政治、经济、文化和教育中心。这里有许多著名的建筑和景点，如总统府、国会大厦、大教堂、三权广场等，都是由著名的建筑师奥斯卡·尼迈耶设计的。我在这里参观了这些建筑，感受了古巴政治和文化的氛围。

哈瓦那还有许多博物馆和画廊，展示了古巴和世界各地的艺术作品。我在这里参观了革命博物馆，了解了古巴革命的历程和英雄；我还去了切·格瓦拉纪念馆，看到了他的遗物和手稿；我还参观了雪茄博物馆，学习了雪茄的制作和品鉴。

哈瓦那也是一个美食之都，有许多各式各样的餐厅和咖啡馆，提供了各种美味的食物和饮料。我在这里品尝了当地的特色菜肴，如海鲜汤、玉米派、牛肉饼等，都很美味；我还喝了古巴最有名的莫吉托鸡尾酒，口感清爽。

圣地亚哥

圣地亚哥是古巴最大的港口城市，也是一个历史悠久的城市，被联合国教科文组织列为世界文化遗产。这里有许多色彩缤纷的房屋和涂鸦，构成了一幅幅美丽的画面。我在这里乘坐缆车，在山坡上欣赏了城市的全景；我还参观了内鲁达故居，感受了他的生活和创作。

圣地亚哥还有许多海滨景点和活动，吸引了众多游客和当地人。我在这里参观了莫罗城堡，了解了古巴海军的历史和荣耀；我还去了海豹岛，看到了可爱的海豹和海狮；我还体验了一次海上划船，感受了海风和海浪。

特立尼达

特立尼达是古巴中部的一个古老的城市，也是一个重要的旅游和文化中心。这里是进入瓦列德斯半岛和托皮斯山脉的起点，也是古巴最美丽的城市之一。我在这里参观了历史中心，看到了许多保存完好的殖民时期的建筑和教堂；我还去了糖业博物馆，了解了古巴糖业的发展和衰落。

特立尼达还有许多自然资源和景点，吸引了众多爱好者和探险者。我在这里参加了一次骑马之旅，在托皮斯山脉中欣赏了美丽的风景和瀑布；我还去了安孔海滩，享受了阳光和沙滩；我还参观了鳄鱼农场，观赏了各种各样的鳄鱼。

结语

古巴是一个令人惊叹和着迷的国家，它的自然和文化都让我印象深刻。我在这次旅行中收获了很多，也留下了很多美好的回忆。我希望有机会再次来到古巴，探索更多的地方和风情。

这里的图片和文字我是一个字，一个像素也没改，全是大模型生成的（图和文字不是匹配的）。

但这里要说的还不是总被过度误读的岗位替代，相当多的岗位其实不是消失而是部分职能被折叠而进化。岗位的内涵在发生向上的跃迁，尤其对于内容创作者，不是优化掉内容创作岗位，而是让这种岗位更回归它的最初本质。还是拿上述的图和文字做例子来解释下这种回归。

创作的时候一定有一个原点，这个原点可能是纯粹的审美，当然也可以是赚钱，通过具体的形式把目的和产出进行连接的过程就是创作。过去创作本身牵涉太多精力了，你不会PS，就创作不出像样的图片。现在这部分被大模型折叠，对应的和目的契合部分就可以投入更多的时间，然后竞争下在目的上的层次（比如审美层次）的平均水平就会拉升。只要人还在需求就还在，所以肯定不是消失而是内涵在跃迁：过程性能力的比重被降低，而目的性能力的权重会被提高。

现在的问题是Prompt会导致非常多的人被拦住了，容易简单尝试下发现不如意，然后就放弃退回老路了。对于程序员prompt似乎不是个问题，但这种有点结构化的表达和思维方式毕竟和日常的表达不一样，还是会形成一点点壁垒。

在专业人员没太大难度的Prompt，恰恰是大普及里最后的那一米。

在大模型还在突飞猛进的时候，不管因为什么退回到原有模式实质上相当于变成了大模型拦路的石头。

这种情况不只局限于内容创作，还有编程等。

工具：生产力工具

如果不是纯粹个人创作而是组织了一个小团队来打磨产品，那什么是和大模型前进的方向对冲而不是顺势而为呢？

无行业属性的纯粹生产力工具，比如视频、图像、音频类工具等，相对的招聘、法务等则是有属性。

通用大模型的智能边界显然会持续扩张，先是语言模型，然后是多模态等。智能拉升后，这些工具对于大模型而言就是计算成本，甚至都不要单独推广，边际成本几乎为0。所以天然有种被整合的趋势。

这些工具会有个窗口期，在窗口期里面反倒是可能离现金流更近，但这是一个火中取栗的事，需要动作很快快。OpenAI的DALL* E 3是一定会撞上Midjourney的。这类对撞最终的结果就是不停的重现当年微软的IE和Netscape的竞争故事。

相当一部分创业公司其实在这个范围里面。

这类纯粹的浅层应用实质也是大模型拦路的石头。

商业：人力密集的模式

如果企业规模进一步变大，那冲击的就不单是产品定位本身，商业模式一样可能站到大模型的对立面。最典型的很可能还就是上一波的人工智能和SaaS公司。

上一波人工智能公司因为技术供给不足，所以很多公司干成了人力密集模式。这种人力密集倒不是单指人多，而是有两重含义：一个是公司的利润和收入同人数成正比（人效是定的）；一是人的成本是贵的。这就导致企业生存环境比工厂还差。因为人力密集，低技术附加值，人力成本低，适度利润至少可以维系，但人力密集，低技术附加值，人力成本贵，没利润则是个要命的模式。即使裁员，各方面成本也会比较高。（大模型一出来，米国科技巨头裁员动作很快，我猜测一个核心原因就是这个）

这同第一点是相关的，不下点功夫把大模型切实的变成生产力，那就会导致维持原本的人效状态。而如果外部一旦出现顺利导入大模型的企业或者新模式，创造了更高的人效，那过去的模式就变成电商兴起前的百货了。

在这个范围里例子还真的很多，比如过去的外包、系统集成等，都在这个范围里面。

所以这也是一种拦路石的形态。

组织：指令型组织

冲击还没结束。

即使成功导入大模型削减人力密集程度，也还会面对来自于组织管理的挑战，这不单是个人效的问题。

想象下企业里面一个强大的产品经理和一个强大的架构师组合在一起可以干什么？借助AI他们就可以打磨一个真正有商业价值的产品。

那他们在公司里呆着干什么？

工人必须在工厂里是因为生产设备和供应链等自己根本没法搞定，分工越细，这种个人对组织的依赖越强，依赖越强个人就越改变自己适应组织。如果越来越小的团队就可以直接面对市场，那雇佣关系的内涵就会发生变化：企业需要平台化，利益切割的方式也就需要变化。

只要人工智能大模型真的能增加小团队的商业闭环能力（俩关键：市场足够大，闭环除了自己外成本足够低），那过去那类纯粹的指令型组织就会面临挑战，同样会变成一种站在大模型前进路上的石头。

教育：教育的方式

上面说的还是商业本身，但如果用同样的逻辑回溯起点，就会发现不只是商业，教育的模式其实也站在了大模型的对立面。

记忆和基础逻辑能力总是必要的，但当前的教育模式里太大的比重都在这两个方面，而这部分恰恰会被大模型遮蔽掉。由记忆和逻辑能力衍生出来的能力大部分都是第一点里说那种过程性能力，而不是目的性能力。比如写作就记忆很多名人名言，考据考证很清楚，编程就语法和公式很清楚，翻译就词汇清楚。如果拿翻译来举例子，那信、达的层面上人是不可能和大模型比较的，雅的层面反倒是留有更多空间。

所以大模型肯定会冲击我们现在的教育模式，但会重塑成什么样子呢？毕竟即使只住第三楼，也不可能越过地基和一楼、二楼。

小结

在去年年末大模型刚出来的时候，很多同学还担心它的智能高度，但现在看起来它似乎就是会稳步递进一段时间，越来越智能。而越是这样站在它前进路上各种有形的无形的障碍越是会受到更猛烈的冲击，恰如电商冲击百货，大模型大势浩浩汤汤啊。所以有同学在《AI能赚到钱了么？》里回复我说，第一个赚钱的点其实是教育，这是对的，原因也就上面说的这些。