在这个数字经济飞速发展的时代,如果你问我哪一个细分领域最值得在当下投入全部的注意力，我的答案毫不犹豫：生成式人工智能（Generative AI）。
这不仅仅是因为ChatGPT在一夜之间火遍全球,也不仅仅是因为英伟达的股价屡创新高，作为一名长期关注金融与科技趋势的观察者，我认为我们正处于一个类似1995年互联网诞生，或者2007年智能手机发布的历史性拐点，但这不仅仅是一次技术的升级，这是一次生产力的重构，是数字经济从“连接”时代向“生成”时代的跨越。
我想抛开那些晦涩难懂的技术参数,用更贴近我们生活和投资的视角，来聊聊生成式AI究竟在发生什么，以及我们该如何在这场浪潮中找到自己的位置。
从“搜索”到“生成”：我们获取信息方式的根本性变革
回想一下,过去十年我们是如何在数字世界中获取信息的？我们需要通过搜索引擎输入关键词，然后在蓝色的链接列表中一条条筛选、点击、阅读，最后自己在脑海中拼凑出答案，这是一个“提取”的过程，像是在图书馆里找书。
而现在,生成式AI改变了这一切，它不再只是给你找书，而是直接为你写了一本。
举个最贴近生活的例子,上个月，我的朋友老张计划带全家去日本旅游，以前做攻略，他得要在马蜂窝、小红书和携程之间来回切换，查机票、订酒店、搜路线，熬两个通宵才能拼凑出一个像样的行程表，这次，他只是打开了一个AI助手，输入了一句：“计划一家五口去日本关西地区旅游7天，预算3万，老人喜欢历史文化，孩子喜欢动漫，请给出详细的时间表和交通建议。”
短短30秒,一份精确到新干线车次、包含沿途特色美食店、甚至标注了哪些景点需要提前预约的完整行程表就生成了，老张所做的，只是在这个基础上做了一些微调。
这就是生成式AI的魅力。在这个细分领域，核心竞争力的转移是惊人的。 以前，互联网公司的核心竞争力是“索引能力”——谁把信息整理得更好，谁就赢了，核心竞争力变成了“理解与生成能力”——谁能更懂你的意图，并直接帮你把事情做了，谁就赢了。
我的个人观点是： 这种交互方式的改变，会彻底“杀死”一大批传统的工具类APP，我们可能不再需要一个独立的打车APP、一个独立的订餐APP，所有的服务都将通过“对话”被调用，这对于现有的数字经济格局来说，是一次降维打击。
生产力的“平权”：当每个人都能拥有“钢铁侠的贾维斯”
如果说消费端的改变只是让我们生活更方便,那么在生产端，生成式AI正在引发一场关于“效率”的革命。
在金融行业,我身边很多初级分析师的工作其实非常枯燥：每天早上收集各大券商的晨报，整理宏观经济数据，把Excel表格里的数据做成PPT，再写一段简短的日报，这些工作需要严谨，但并不需要太多的创造力。
现在呢？我可以把一份几十页的PDF研报扔给AI，让它总结核心观点；我可以随手拍一张财务报表的照片，让它立刻识别数据并分析同比环比变化；我甚至可以告诉它：“用巴菲特的口吻，写一段关于当前市场风险的分析。”
这不仅仅是快，这是生产力的“平权”。
以前,一个资深的创意总监之所以值钱，是因为他能迅速写出一套精彩的Slogan（广告语），或者画出一个绝妙的草图，而现在，一个刚入行的实习生，只要学会了如何向AI提问（即所谓的Prompt Engineering），也能在几分钟内产出几十个高质量的方案供总监挑选。
这里必须发表一个我的观点： 很多人恐慌AI会取代人类工作，我认为这种恐慌为时过早，但并非没有道理，AI不会直接取代“人”，但它会取代“不会使用AI的人”，在数字经济的这个细分赛道里，未来的职场精英将不再是那些擅长“搬砖”的人，而是那些擅长“指挥AI搬砖”的人，人类的角色将从“执行者”转变为“审核者”和“创意决策者”。
投资视角的冷思考：铲子卖得好，但挖金矿的风险在哪？
作为财经写作者,我知道大家最关心的还是：这事儿怎么赚钱？
在生成式AI的投资逻辑中,目前最清晰的受益者其实是“基础设施层”，也就是我们常说的“卖铲子的人”。
看看英伟达（NVIDIA）就知道了，无论哪家大公司想做AI模型，都离不开它的GPU芯片，这就像当年的淘金热，无论挖金子的人能不能发财，卖牛仔裤和铲子的李维斯肯定是稳赚的，在数字经济中，算力就是新的石油，而芯片公司就是控制石油阀门的人。
我对应用层的投资持相对谨慎的态度。
为什么？因为目前的护城河太浅了，你开发了一个AI写作工具，明天OpenAI或者Google就在自己的大模型里加了一个类似的功能，而且是免费的，对于初创公司来说，这简直是降维打击。
这里有一个具体的商业实例： 美国有一家叫Jasper的AI写作公司，在ChatGPT没火之前，它估值很高，生意很好，但随着ChatGPT的爆发，Jasper的增长明显受阻，因为用户发现，我为什么要付钱给你，如果我能免费或者更便宜地直接用ChatGPT呢？
我的投资建议是： 在关注数字经济细分领域时，不要只盯着那些概念炫酷的应用层公司，要深挖那些拥有“私有数据”或“垂直场景壁垒”的公司，一家拥有几十年法律文书数据的律所，如果他们训练一个专门处理合同纠纷的AI，这个AI的价值就比通用的ChatGPT大得多，因为它懂行话、懂判例，这是通用大模型无法替代的。
泡沫与幻觉：繁荣背后的隐忧
为了保持客观,我们不能只唱赞歌，在数字经济的任何一个细分领域，狂热之后往往伴随着泡沫。
生成式AI目前最大的问题有两个：一是成本，二是“幻觉”。
关于成本,很多人不知道，运行一次大模型的推理是非常昂贵的，这背后是巨大的电力消耗和算力损耗，如果AI不能直接产生足够高的商业价值来覆盖这些成本，那么很多商业模式其实是跑不通的，现在很多AI应用之所以免费，是因为科技巨头在烧钱补贴用户，一旦资本退潮，这些应用还能活多久？
幻觉”，也就是AI一本正经地胡说八道，这在金融和法律领域是致命的，想象一下，如果你让AI帮你分析一家公司的财报，它却编造了一个不存在的数据，如果你没有核实就据此做出了投资决策，后果不堪设想。
我的观点是： 我们现在正处于Gartner技术成熟度曲线的“期望膨胀期”，市场对AI的预期已经超过了现实技术的能力边界，接下来的一两年，我们很可能会看到一批AI公司因为无法盈利而倒下，这是市场出清的必然过程，但这不代表赛道不行了，恰恰相反，只有挤掉了泡沫，真正的王者才能诞生。
拥抱变化，保持人性
数字经济细分领域的故事,从来都不是线性的，生成式AI的出现，让我们看到了机器拥有“智慧”的曙光。
在未来,也许我们的手机不再需要复杂的APP图标，也许我们的工作不再需要朝九晚五的重复劳动，但这并不意味着我们可以躺平。
具体到我们的生活，我建议大家做三件事：
- 保持好奇心： 不要排斥新工具，去尝试用AI帮你写周报、做食谱、辅导孩子作业，只有用过，你才知道它的边界在哪里。
- 深耕垂直领域： 既然AI能通过海量数据成为通才，那我们人类就要做专才，在某个细分行业积累的经验和直觉，是AI目前难以模仿的。
- 提升判断力： 当AI能生成一千种方案时，你的价值在于选出那一种最对的。
生成式AI是数字经济赋予我们的最强工具,它像是一把超级放大镜，如果你本身是一个优秀的创作者，它会让你如虎添翼；如果你本身是一个平庸的投机者，它可能会加速你的淘汰。
在这个充满不确定性的时代,唯一确定的就是变化本身，让我们拥抱这个细分领域的变革，但在拥抱的同时，永远不要丢掉人类独有的批判性思维和创造力，因为，技术可以生成内容，但只有人类，才能赋予内容以意义。
还没有评论，来说两句吧...