知识工作者的终极梦想，可能是拥有一个“第二大脑”

观点 / 刘润    主笔 / Neko   责编 / 黄静

文章转载自微信公众号：刘润

最近，我在我们唯一的付费社群进化岛上，配备了一个创业者的“智能副驾”：小润总。

今年年度演讲上，我做了小润总的演示。

它具备我的知识体系，和我近似的语言风格，甚至思维方式。

很多人好奇，为什么会想到做小润总？怎么做起来的？我能不能也做一个？

确实，以年度演讲的知识密度，3分钟交付一个案例，所有内容都是经过压缩的，很难具体解释。

今天，我就来展开讲讲。

小润总，可能是知识服务行业的未来。

为什么这么说？

就从我所在的咨询服务说起吧。

01 个性化和规模化的选择难题

咨询服务，是一个没有杠杆、天花板很低的行业。

服务的交付上限受到时间的制约，一份时间，只能交付一份咨询。业务发展的边际成本很高，每多服务一家企业，就要多投入一份时间。

为了扩大业务规模，提高收入效率，业内想尽了各种方法。

比如说，提升单价。就是通过筛选服务客群的方式，把一份时间卖得更贵。

就像好的私教1对1辅导，永远是最贵的。

但，你能服务的人群，总体依然是那么多。提升单价，能提高你的收入，却并不能扩大你的规模。

再比如，拓展服务对象。

做服务，关键在于个性化。每个客户的问题和需求都不相同，解决方案也千变万化。如果，你想为更多人提供服务，就得从“零售”，变为“批发”。从1对1的私教，变为1对多的小班课、大班课。这，就是培训业务。你可以去机构面对一群人讲课，横向拓展服务的人群。甚至，你还可以录制成课程，放在互联网上，把一份时间，复制无数份，多产出一份内容需要的边际成本大大降低。

但这时候，你就从做服务，变为了做产品。

规模是扩大了，但代价是，牺牲了个性化。

你针对的是共性，不再是个性。课程的服务人群越多，就越难实现个性化的服务。规模化，一定要牺牲个性化吗？

有没有办法可以实现“可复制的咨询”，既能有个性化，还能有规模化？

有过。比如说，国际知名咨询公司麦肯锡，通过标准化的案例库和方法论，选出一群最聪明的毕业生小朋友，把他们培训成咨询师，这就是用了团队杠杆。

因为用同样的方法论，同样的案例库，所以，对相似的问题，有标准化的解决方案可以迁移参照，通过培训更多年轻人，能实现一定程度的规模化。

但又因为因人而异、因事而异去选择工具，针对不同个体的问题，也一定程度上保留了解决方案的个性化。

这样的团队杠杆，是规模化和个性化在一定程度上的结合。

但即使如此，就像教育、医疗一样，受限于人力成本和资源分布，咨询服务还是太贵了，没法覆盖到市面上大量的创业者。更重要的是，随着互联网浪潮的兴起，时代变革太快，咨询公司过往的案例库失效了。

“可复制的咨询”，进展又回到原点。

咨询行业，开始极度依赖个人的观察、判断和思考。

也正是因此，才终于迎来润米咨询的机会，可以和知名咨询公司站在同一条起跑线上，一起面对过去从未面对过的问题。

今年已经是我创办润米第十年了，至今，咨询服务的交付，也只有我一个人。

前两年，我和老鲍说起，我想服务更多创业者用户，我们就一起在小鹅通的技术平台上，从零开始搭建了一个社群，进化岛。

老鲍，是小鹅通的创始人，鲍春健。

小鹅通一直是我们的战略合作伙伴，深耕知识服务领域，累计服务了终端用户8.2亿，全网用户累计学习时长超过14亿个小时。你熟悉的很多知识产品，比如吴晓波老师的《每天听见吴晓波》，林少的《十点课堂》，都在小鹅通上，我们的私域服务，也是依托它的技术。

现在，又有了社群功能。

我就在进化岛上，每天抽一点时间，回答一个创业者的问题，其他创业者如果有同类的问题，也可以借鉴。

一定程度上，能服务到更多的用户群体。但总体，还是受限于我的时间。

一天一条，远远不够解决这些创业者的具体问题。还有好多问题，我来不及解答，或者等我有空回答完，已经过了解决的最佳时机。但创业，就像开车，不可能遇到岔路了，就停下来，等很长一段时间再决定往哪边开。我特别希望能回答完这些问题，只是分身乏术。

但是在今年，我看到了一丝曙光。

那就是以ChatGPT为代表的人工智能大语言模型的出现。

02 为什么AI或许能解决这道难题？

既然，当下的咨询依赖人的思维模式，那么，复制一个和我拥有一样思维模式和知识体系的“人”，不就可以了？

过往这么说，你一定觉得我在异想天开。

看，这个叫“刘润”的人疯了，不可信，听谁讲都不能再听他讲战略了。

但今年不一样，因为以ChatGPT为代表的人工智能大模型在内容生产上的出圈，全网对AI有一些了解的人，都在考虑怎么能用它提高生产效率。

为什么大语言模型或许可以实现“可复制的咨询”？

这要从大模型的诞生逻辑说起。

人工智能诞生的早期，就出现了“符号主义”和“连接主义”两种发展的流派。

前者认为人类的智能可能来自于逻辑推理。如果把所有信息抽象成符号，认知的过程就是通过逻辑规则来操作符号的过程。

理论上，只要让计算机了解和执行人类所有思考的规则，就可以模拟呈现人类的思考过程。

而后者认为，人类的智能不完全来自于逻辑推理，也有很多感性和不可解释的部分，所以应该模仿大脑的神经网络结构，当神经元之间的连接堆到一定程度，说不定就能产生智能。

但，过去一直受限于算力和认知信息量的匮乏，“堆”不起来。

近年来，随着信息的爆炸和计算机算力的提升，能用来投喂训练的认知信息剧增，也迎来了连接主义成果的爆发。

人们发现，当训练参数量超过1000亿之后，虽然不清楚为什么，但是智能还就真的产生了。

我们现在看到的大模型，诸如OpenAI的ChatGPT，就是这种“大力出奇迹”的结果。

GPT-2的时候大约只有15亿个参数，GPT-3最大达到了1750亿个参数。现在的4.0官方没有公布，但是大家猜测也不会更低。

理论上，如果大模型达到100万亿参数规模，就能相当于达到人类大脑神经网络的同等水平。

模型有了。那，如何让通用模型成为“我”的大脑呢？

就要学习我的知识体系。

通常来说，想让这个已经有一定智慧的“大脑”，“学习”我的知识，有两种方式。

第一种，训练向量库，让向量库来和大模型沟通。

怎么沟通呢？

首先，就像人类用文字记录知识和信息一样，机器也有自己的记录语言。

向量，就是把信息和机器语言一一对应的工具。

通过向量库，机器把它“学习”到的知识，通过编码（embedding），翻译成方便机器之间记忆交流的语言，一字不落地储存下来。

但是，它只负责原封不动地记录和提取，确保信息准确，就像教科书上的标准知识。

但没有办法去应用和迁移，或者像老师一样深入浅出地解释给你听。

你要让它解释给你听，怎么办呢？这时候，就需要找到大模型这个“学霸”了。这个学霸，最擅长的是“临时抱佛脚”。你的每一次提问，就是一次对学霸的“开卷考试”。看完题目任务，它转头就抱着向量库，老师，题目是这个，快，给我划个重点吧！向量库从自己的记忆中，找出所有能近似匹配的重点，扔给大模型。

然后大模型快速结合你的问题，从这些重点段落中，找出最适合的知识点，再快速组织语言，结合自己的理解和演绎能力，通过举例子、打比方，等等，结合题意，去给你具体解释和应用参考。

所以，可能在你多等了几秒钟，说，太慢了，太慢了的时候，它已经完成了一场惊心动魄的“临场考试”。

通过训练向量库的方式，灵活度很高，可以匹配任意的大模型。

第二种，是直接训练模型。

就是抓来一个通用大模型，直接通过“集训”，把自己的知识体系“复制”给它。数据越多，模型就和你的说话方式、思考逻辑越像，从而变成了你的专属大模型。这个大模型本身越“聪明”，训练的效果就越好。随着大模型本身智能的迭代和发展，也非常值得期待。如果你有太多要做的事，恨不得有另一个自己来一起完成。

现在，愿望即将成真。

你可以拥有一个说话风格、思维模式和你相似，还能拥有你全套知识库、不断更新的“人”。

这怎能不令人期待呢！

03 给每位创业者的“智能副驾”

想到这里，我赶紧又跑去找老鲍商量。

能不能训练一个我的“第二大脑”，放在进化岛上，给每一位创业者，配备一个“智能副驾”。

虽然不能直接代替主驾来驾驶和判断，但，当他们遇到问题时，扭头就可以问。

老鲍也很感兴趣，觉得可以一起做一个。不过，需要我先整理一下可以用来训练的知识库。

于是，我把这些年来写过的东西理了一遍。

首先是书籍。仔细算了下，我写过14套（20多本）商业书籍，涉及新零售、商业洞察力、商业史、以及像《5分钟商学院》这样的商业百科，等等。覆盖了广泛的商业知识。

公众号日更了6年多，有2000多篇原创文章，涉及六年来的商业热点、市场洞察等等鲜活的案例。

进化岛，回答了1000多个创业者的真实问题。

加起来一算，竟然有1500万字了。覆盖了我对商业方方面面的理解。

拿着这些素材，我们去找到我的微软老同事，百姓AI创始人王建硕，也是我在微软最敬佩的20个人之一。

在他们团队的技术加持下，我们用这些数据，在进化岛上训练出了一个创业者的“智能副驾”：小润总。

中间经历了好几个版本的迭代、使用界面的更新换代和几轮用户测试。

刚开始拿到最初版本的时候，我试着让同事把进化岛上用户问我的问题先向它提问。

结果，同事看了直摇头。

“简直是人工智障。”

那，要不试试用我写的书里的内容向它提问？

结果它的回答，不知道是谁说的，反正不是我说的。

那，是不是每次都把我的新回答给到它，多投喂投喂就会好起来呢？

结果，喂了一段时间，同事直接放弃了。

后面，陆陆续续又有过几个版本的小润总。

有的说话风格特别像我，主打斩钉截铁地给出特别离谱的建议。

有的具备我的知识库，但是理解能力不行，审题就审不对。

直到几个月前，突然有一天，同事给我发来了几个新版小润总回答的进化岛问题，让我看看。

我一看，顿时觉得，可能我离失业不远了。

它不仅思路清晰，语气挺像我，回答前还会先承认对方的问题，安抚情绪，很有“情商”。

创业者还没用上，我自己先用上作为参考了。

最终，我们让小鹅通把这个版本接入了进化岛。

其实，AI大模型从出来到现在，看起来在个体层面一直很火，不缺拥抱者，但是一直缺乏B端应用的场景。

小鹅通也一直在探索，如何能用AI更好地做好知识服务支持。希望结合用户在小鹅通上的应用场景，提供专业化的AI解决方案，助力用户解决运营和经营问题，提升效率。

也正在尝试通过开放内部的AI使用经验，帮助客户在销售、客服、助教等场景提效。

比如说，在商家的使用界面上，上线了AI客服，通通知道，协助提升客户服务效率。

在需要营销文案、课程生成、海报创作等场景，上线了AI创造，帮助商家更快地生产营销图文物料。

但是，在具体应用中，是否能真正帮到商家在服务场景提效，仍然需要结合商家的具体使用场景去深度优化。

这一次，为了解决我一直以来的痛点，我们一起搭建了小润总，踏出了迈向“可复制的咨询服务”的第一步，也为知识服务在AIGC的使用上，提供了可参考的应用场景。

在应用过程中，最初采用的，是和我同样的回答形式。在岛上的提问界面中提问，小润总回答完之后，把答案返还给提问者。

但在实际应用测试中，我们发现，提问者需要的是多轮、即时的对话。并且，界面需要区别于以往通用的客服类辅助场景，以专业知识助手的形态呈现，让大家感觉到面对的是一个专业、有温度、有态度的“小润总”，这对小鹅通也是一个挑战。于是，小鹅通又花了几个月，重新开发了一个全新的使用界面，更符合这一年下来，大家对ChatGPT、文心一言等类似的大模型工具的对话使用习惯。光是在入口、页面、交互、文案上面的调整和细节优化，就磨了一个多月。

这样几轮迭代下来，它终于能就像聊天一样，即时地解答创业者个性化的问题了。

我们试了一下，在今天的算力成本下，个人日常使用依然有一定成本，但是，比起过去大公司才用得起的咨询，已经能覆盖到普通人了。

04 最后的话

我一直相信，在科技变革到来时，和新技术站一边，是唯一的选项。

因为，新科技一旦诞生，是不可逆的。就像汽车发明之后，我们再也不需要马车了，无论马车夫如何抗议，都无济于事。出行效率一旦提升，你就不会再愿意花一个月进京了，马路也不再适合马儿跑了。

知识服务，就是通过各类新工具，提高知识的转递效率，把原来贵的东西变便宜了。比如，商业咨询。

从知识付费、在线教育、私域服务，到现在的AI应用，小鹅通都抓住用户需求，赶上了时代发展的每一步，帮助知识更快、更好、更便宜地传递给更多人。

看着屏幕上的小润总界面，我恍然间看到了一个身影。

那是1998年，毕业不久，为了得到公司给我的一台笔记本电脑，我毅然选择成为“北漂”，每天背着砖头一样重的电脑，从通县辗转1个半小时进北京城上班的场景。那时候，还只是中国互联网诞生的第4年，而今天，你已经无法想象没有互联网的世界了。我想不出未来人工智能时代原住民的世界，正如站在98年的节点，我也无法想到现在的生活。

我猜，或许不久之后，各行各业知识工作者的梦想，是先拥有一个“第二大脑”。

期待“小润总”，能为创业者们及时答疑解惑，让你在商业世界，少走一点弯路。也许不久的将来，你就可以雇佣各行各业的专家、甚至你的偶像、你前老板的“第二大脑”，一起坐在你的“副驾”上，为你打工。

恭喜小鹅通，又向前一步。也期待能与你一起，拥抱这场全新的变革。