从产业智能化和生成式娱乐两个角度谈谈AIGC对数字经济的影响
数字经济是一个很大的概念，在AIGC出现之前，我们可能认为用Web3做NFT交易就是数字经济（其实是金融），我们可能以为有了5G网络之后就能做到万物互联，这个万物互联下的一切就是所谓的数字经济（但后来发现连接只是最简单的第一步，而连接后的整合才是真正的难点）。
今天，我们看到，以AIGC为驱动的技术，或许才是数字经济的飞跃时刻。
第3.5次革命
经过2023这一年左右的发展，人们已经清楚地意识到，AIGC不一定是一次替代性地革命，原有产业并不一定会因为AIGC的出现而被整体替代，而是在AIGC的加持下大幅提升劳动效率，降低平均劳动时间，从而创造更多的利润。从应用场景看，有两类应用场景是容易实现、同时能创造巨大价值的。
产业智能化
依托于上一次信息化浪潮建立起现代信息化系统的现代产业体系，在过去十几年的实践中已经积累的大量的产业数据，而在AIGC出现之前，如果想要使用这些数据、使其产生价值，企业只能高薪聘请高级的算法工程师，为每个场景定制化算法，同时投入巨大的人力和计算资源在数据的清洗、训练、评估中。大厂在实践中演进出了所谓AIOps工作流，促进了一系列机器学习平台的诞生。而更多的企业则是望洋兴叹，没有足够的资金代表着不可能对数据进行有效利用。
在AIGC的基础上，以前没有办法使用人工智能的企业终于有机会通过强大的基础模型，在加上少量工程师的帮助下，开发出企业定制化的人工智能应用，这是之前所有人工智能厂商所追求的商业模式，现在正在被AIGC实现。另一个好消息是，AIGC同时、甚至更早地提升了程序员的工作效率，叠加目前的经济情况，很有可能以大厂“向社会输送人才”的方式，向就业市场提供一批有经验的工程师。而那些之前用不起AI的行业、企业，将有机会在大模型费用低、工程师费下降的背景下推进自己的AI发展。
上述场景中，有一个很重要的前提：AI算力的基建工程从何而来。以前想要使用人工智能技术，就需要企业投入巨资购买或像云服务商租用GPU算力进行训练。而大模型时代，企业用户在不进行私有化部署的情况下，可以不租用大量算力，仅通过prompt工程或者其他定制化方式对大模型进行定制化，而这将考验大模型厂商的算力建设能力。为几千万家企业提供大模型服务需要多少算力？同时也将考验国家对信息网络的基础设施建设。从中国的网络+道路+厂区建设发展出淘宝等电商平台的过往，以及目前对算力中心、东数西算的建设来看，或许美国能够抢得研究的先手，但更大的发挥空间或许在中国。
生成式娱乐
AIGC对游戏制作行业带来了前所未有的变革，Nvidia发布4090Super并将AI生成NPC对话作为其杀手级应用进行宣传，让我们看到了资本市场对生成式娱乐的买单。实际上，想象一个由AI生成、定制化的娱乐，就如同阿西莫夫短篇《Dreaming is a private thing》中人们从高端的、有艺术色彩的大师梦，到大众化的、快消梦一样，最后人们将享受到定制化的、具有个人特色的生成梦。届时，上一个时代的短视频注意力经济，将被生成式娱乐所取代，而把握生成式娱乐技术的公司，不管是入口（VR/AR）、算力、算法，都有可能成为最大的获胜者。
或许有人会宣称这是对人类创造力的亵渎，但抖音短视频，“小帅和小美”的五分钟电影剪辑、营销号搬运号的所作所为，难道不是对人类创造力的亵渎吗？如果是，那有如何解释后现代性在解构这些奶头乐行为时所展现出的人类的思考与创造呢？因此，我个人认为是有些人将对自己想象力贫瘠以及媒体渲染出的恐惧、灌输的狗屁不通的道理当作了时自己的观点，似乎听起来很有道理，实际上自欺欺人。
如何选择
对于个人而言，如果是参与创新性的模型研究、从零到一的爆款打造，最好的选择或许还是硅谷或者海外初创企业。我们可以看到ChatGPT、Midjourney在推出时有的一系列非常不符合监管的表现，在大陆是不可能被开放的。而如果是参与算力网建设、参与国内的模型工程化落地，还是有很大的前景的。
从产业的角度讲，Nvidia的硬件很好，但是其最大的倾销对象是被制裁的大陆AI企业和算力中心，其次才是欧美的大厂和算力中心，最后才是臭打游戏的。从目前PyTorch对其他加速器的后端支持来看，我相信CUDA在神经网络的垄断情况将逐渐衰弱，Nvidia虽不至于速败，但像之前的一飞冲天不太可能再来一次了。另一方面，智能车机是另一个对算力中心有依赖的趋势，而目前中国的新能源车发展是最好的，Nvidia+特斯拉 vs 比亚迪+华为，同时华为也有自己合作的车厂，我认为这一组合下，中国的长板在于制造和基建，而芯片正在追赶，美国的长板在于芯片，而制造和基建没有办法追赶。此消彼长下，时间会告诉我们答案。