从4个方面带你快速了解IoT

编辑导读：IoT是“Internet of Things”的缩写，也是人们常说的物联网，将虚拟的互联网和真实的物件连接起来，让人们的生活更加智能。本文作者将从四个方面，对IoT进行分析，希望对你有帮助。

“第三代互联网”“IoT”“万物互联”这些词语最近总是高频出现在各种互联网文章和新闻中，你一定想知道IoT是什么？那我们先来解释英文缩写—IoT，对于“IoT”，最常见的解释就是“Internet of Things，翻译过来就是物联网”，物联网就是物物相连的互联网。

01 IoT是什么

本文将从关键词解释+国内物联网现状带你从4个方面快速了解IoT。

1. IoT定义

维基百科： 物联网（英语：Internet of Things，简称IoT）是一种计算设备、机械、数字机器相互关系的系统，具备通用唯一识别码（UID），并具有通过网络传输数据的能力，无需人与人、或是人与设备的交互。

2. IoT的起源

“物联网”一词最初是由Peter T. Lewis于1985年9月在华盛顿特区的国会黑人议员第十五届立法协会上的演讲中概念化，创造和出版的。比尔·盖茨在1995年出版的《未来之路》一书中提及物互联。1998年麻省理工学院提出了当时被称作EPC系统的物联网构想。1999年，在物品编码（RFID）技术上Auto-ID公司提出了物联网的概念。2005年11月17日，世界信息峰会上，国际电信联盟发布了《ITU互联网报告2005：物联网》，其中指出“物联网”时代的来临。

物联网是新一代信息技术的重要组成部分。顾名思义，物联网就是物物相连的互联网。这有两层意思：

其一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络 ；

其二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信也就是物物相息 。

物联网通过智能感知、识别技术与普适计算、广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。

物联网是互联网的应用拓展延伸。如果我们说物联网是一张网络，不如说物联网是互联网的业务和应用。

因此，物联网发展的核心是应用创新，以用户体验为核心的创新2.0是物联网发展的灵魂。

利用局部网络或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式连接在一起，形成人与物、物与物相联，实现信息化、远程管理控制和智能化的网络。

物联网是互联网的延伸，它包括互联网及互联网上所有的资源，兼容互联网所有的应用，但物联网中所有的元素（所有的设备、资源及通信等）都是个性化和私有化。(所以提到物联网会听到“协议”常用有七种协议分别是HTTP、COAP、MQTT、DDS、AMQP、XMPP、JMS，我们平时最常见就是HTTP 因为成本低且开放，所以兼容性好应用广泛但是安全性相对较低)。

02 从4个关键词去了解IoT

想知道IoT的运行方式必须先搞清楚物联网的4层架构：

1. 感知层

感知层是整个物联网系统的数据基础，同时也是物联网的核心。它利用传感器获得被测量的模拟信号，并负责把模拟信号量转换成数字，也包括从电子设备（如串口设备）中采集到的直接的数字，最终由传输层转发到应用层。

而传感器的传感技术它是实现物联网的三大关键技术之一！（即传感器技术、RFID标签、嵌入式系统技术，之后的文章会详细解释）

举个例子：我们平时用的数码相机拍照然后上传到网络或者是云端是感知层在获取信息，感知层就好像物联网的皮肤和五官在采集外界信息。

传感器其实很好理解，例如:我们靠近自从扶手梯电梯开始运转，其实就是运用了光电传感器，空调显示屏显示室内温度也是传感器的一种是温度传感器，当室内温度达到预设值空调就会自动运行或者关闭。

2. 传输层

传输层将感知层采集到的信息传输物联网的平台，还负责将物联网平台发布处指令传递给应用层，具有链接的效应。

传输层主要依靠物联网、互联网、移动通信网络、微信通信、短距离无线通信等。在短距离无线通信主要有无线局域网、蓝牙、NFC技术和红外传输技术、ZigBee、RFID。

物联网的传输层是以无线传输为主，按照传输的距离不同可以分为：

局域网(LAN) ，传输距离通常在200米范围之内、低移动性场景，比如室内、仓库等。例如我们日常生活中经常用到的蓝牙、WiFi广域网(LPWAN) 传输距离范围大，可以达到15千米以上，适合大范围、移动性场景，比如车联网、物流跟踪、资产定位等。广域网包括NB-IoT、Sigfox等。

举个例子苹果的Airtag就是利用的广域网来传输位置信息

简单来说传输层就好像人类的血红细胞从消化系统吸收营养，再把营养物质传递给大脑，同时也把营养物质输送到全身。

3. 平台

平台主要解决数据信息的存储、检索、使用和数据安全隐私保护等问题。

平台包括云计算技术、嵌入式系统、人工智能技术、数据库与数据挖掘技术等。

尽管物联网面对不同的行业领域所使用的技术都有不同程度的差异，而且实际使用的理论也完全不同，但是不妨碍我们统一称之为人工智能（AI）。

严格来说，在学术上只有能够模拟人类大脑活动的才能够被称为人工智能，但在IoT领域，只要能够模仿一部分人类大脑活动的就都被称为人工智能。

一般涉及到人工智能的内容都会出现“机器学习”或者“深度学习”这两个词。

平台按照功能大致可以分为4类：

4. 应用层

应用层为用户提供实际应用场景服务，是最贴近应用市场的一层。

应用层可以分为：

消费驱动应用(智慧出行、智能穿戴、智能家居、智能医疗等)政策取用应用(智慧城市、公共事业等)产业驱动应用(智慧工业、智慧物流、智慧农业、车联网等)

物联网中所说应用层种类繁多。比如“在老年人护工的智能手机上显示求助信息”的显示系，“接到孩子进不去家门的信息，远程遥控开锁”的动作系，以及“监控家庭用电情况，根据耗电量进行发电”的环境系等等，改变了我们的生活。（属于消费驱动应用）

了解完IoT的运行方式再来看一下IoT发展的现状。

03 IoT的现状

数据显示，2019年中国工业物联 （IoT中最大最重要的组成部分）市场规模超6000亿元，预计2020年中国工业物联网市场规模将近7000亿元。中国是全球制造业和产业发展的大国，随着产业政策逐渐落实，市场空间将有望加速。中国的工业物联网企业在赋能智慧城市、智能交通、政府管理的前景巨大，市场规模有望达到万亿市场。

移动物联网 。

移动物联网（基于蜂窝移动通信网络的物联网技术和应用）是新型基础设施的重要组成部分。据最新数据显示，截至2020年11月末，三家基础电信企业发展蜂窝物联网终端用户11.12亿户，同比增长14.2%，比上年末净增8423万户，其中应用于智能制造、智慧交通、智慧公共事业的终端用户占比分别达19.2%、18.3%、22.1%。

另外，据《工业和信息化部办公厅关于深入推进移动物联网全面发展的通知》，到2020年底NB-IoT网络实现县级以上城市主城区普遍覆盖，重点区域深度覆盖；移动物联网连接数达到12亿；推动NB-IoT模组价格与2G模组趋同，引导新增物联网终端向NB-IoT和Cat1迁移；打造一批NB-IoT应用标杆工程和NB-IoT百万级连接规模应用场景。

据国务院原参事、科技部原秘书长石定寰介绍，目前全球物联网产值大约15万亿美元左右，其年平均增长率接近23%，预计2021年以后这一增速有望达到30%，到2025年，全球物联网产值将达到30万亿美元的体量。中国是物联网应用实践和创新开发最多的国家，中国占到了全球物联网产值的1/4左右；其中一个主要原因在于，中国已完成5G基站超70万个，预计2021年年产值超2.7万亿人民币。

资料参考中商产业研究院发布的《中国物联网行业市场前景及投资机会研究报告》

1. 物联网热门行业

随着5G时代的来临，物联网的发展将会非常迅速。同时，物联网方向的新增融资也一直处于上升趋势。下面再从应用场景角度来谈一下物联网行业的发展前景。

物联网的应用场景非常广泛，包括：

2. IoT头部公司

物联网被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。一直是巨头厂商们必争之地，各大科技巨头、互联网巨头、家电巨头每年也都会针对这一领域进行战略调整、业务部署，这也自然成为每年物联网领域一个个重要的风向标。

目前国内主要是阿里、百度、腾讯、华为、京东、小米、海尔、美的这八家头部公司。

（1） 阿里AIoT为精灵伙伴提供以AI+IoT为核心的技术，包括各类连接能力、语言能力、语义能力、视觉能力、芯片模组能力等。

我们比较熟悉的天猫精灵它的IoT主要领域是，3C、数码、大小家电、家装家居等消费行业，致力于打造百款千万级智能爆款新品。

同时构建“精灵妙物”品牌系列，投入亿级产品研发及相关资源，提供产品定义、新品孵化、产品外观ID定义、数据学习反馈升级、消费洞察场景打造等。

阿里“中国智造”在全球200多个国家12种语言，部署4个IoT节点，14个加速计算节点。

（2） 百度擅长于技术，以对话式AI操作系统小度助手为基石，走出了一条技术先行、硬件承载，合作构建物联网生态的创新路径：在小度助手广泛赋能硬件设备、自家智能音箱产品在市场占得头席的同时，进一步构建品牌合作生态来布局物联网。从产业视角来看，小度在百度业务体系中的权重要高于天猫精灵在阿里业务体系中的权重。

（3） 腾讯云，腾讯集团倾力打造的云计算品牌，面向全世界各个国家和地区的政府机构、企业组织和个人开发者，提供全球领先的云计算、大数据、人工智能等技术产品与服务，以卓越的科技能力打造丰富的行业解决方案，构建开放共赢的云端生态，推动产业互联网建设，助力各行各业实现数字化升级。

腾讯云IoT平台通过对微信支付、微保、微众、腾讯健康、QQ音乐、腾讯云等资源能力的整合，构建了基于腾讯整体生态的IoT平台服务，开始面向消费、教育、政务等领域进行产业合作。

腾讯基于腾讯云IoT平台完成了IoT Enable的构建。对内，IoT Enable与腾讯云内部诸如AI语音、AI视觉、地理定位、云小微等优势产品进行了打通；对外，联合合作伙伴，为设备制造商、物联网应用开发商提供平台能力和服务能力。

（4） 华为是全球物联网产业发展主要推动者，是在全球多家产业/行业联盟组织主要成员，也是AIoT产业联盟的发起单位，在产业标准、行业规范方面做出了积极贡献。华为借助自身技术实力在物联网领域发挥着重要的作用，推动物联网产业快速发展。

据华为官方信息显示，今年已有美的、九阳、老板电器、海雀科技等品牌设备搭载鸿蒙OS，华为在2021年的目标是覆盖40+主流品牌，实现超1亿台设备搭载。

（5） 京东智联云物联是融合了京东智联云全部物联网技术成果的物联生态平台。赋能物联网生态合作伙伴一系列关键能力，并提供智能化场景服务。

智联云5大服务：

（6） 小米移动物联网平台提供移动网络解决方案。支持全套的自助化管理平台。小米物联网平台，对物联网卡进行全生命周期管理，包括开卡进度，网卡状态，流量使用情况，套餐变更及停开机等全是生命周期管理。

小米物联网生态主要集中在智能家居这块领域，小米手环、平衡车、米家空调、扫地机器人……小米旗下所有智能硬件都连接到小米物联网平台上，这种不同产品共用一个平台，打造了智能硬件快速连接的基础设施，数据和用户都能共享，形成了物联网的智能生态链。

我们最熟悉的应该就是“小爱同学”我们通常用语言指令去命令小爱同学打开音乐，打开照明设备。

小米物联网平台系统是小米研发Vela系统，对标的是阿里的AliOS、华为的鸿蒙OS、腾讯的TencentOS tiny等物联网操作系统，也是小米在物联网时代参与大型会战的一款必备的基础产品。

小米官方介绍称，小米Vela系统已经支持小米IoT模组，目前也在开发智能音箱、运动手环/手表应用所需要的软件框架和组件，逐步在其他智能家居和可穿戴设备上落地。

至于小米的智能工厂，是新的小米模式——「互联网+制造」产物。

（7) 海尔的物联网生态是围绕“三翼鸟”场景品牌展开的。为用户提供涵盖衣、食、住、娱的智慧全场景解决方案，包括阳台、厨房、浴室、全屋空气、全屋用水、视听等智慧家庭全场景定制服务。搭载鸿蒙OS系统，通过多方案的设计场景，打破行业、生态界限，为用户提供最适合的个性化定制，是三翼鸟的服务能力，基于“1+N”的场景优势，可以让用户在定制需求后做甩手掌柜，全程家装无忧。

简单来说就是一站式解决全屋智能互联。

海尔作为国内第一家在三地上市的企业，海尔的目标是成为第一家物联网化上市公司。

（8） 美的作为知名的家电品牌，其物联网应用主要是提供美的全屋智能解决方案。

美的全屋智能解决方案拥有全品类智能家电，通过AI技术、安全技术、大数据打造了200多个精品智能场景，为消费者提供个性化家居定制服务和丰富智能套购选择。

从咨询服务、方案定制、物流配送、安装调试到售后服务，美的构建全流程管家式智慧服务，让用户轻松建设专属智慧家。

围绕安全、健康、美食、便捷、个性五大需求，美的为用户提供一站式智慧服务，包含了智慧安防、智慧照明、健康用水、健康空气、智慧环境、健康饮食、智慧中枢、智慧影音、健康出行九大产品系统，专注打造客厅、卧室、厨房、卫浴、阳台五大智慧生活空间，结合丰富的智慧生态服务，致力于让每个人都能享受科技带来的美好生活。

3. IoT的应用案例

1）智慧医疗(WIT，Wisdom medical)

说起互联网医疗，同学们可能感觉很熟悉，其实互联网医疗就是医疗领域IoT化。最直接的感受就是让住在偏远地区的人，在生病时也能够享受到由大城市里经验丰富的医生进行诊断的“远程医疗”。

可能很多住在大城市的人会觉得这件事与自己没什么关系，但实际上这件事与我们每个人都息息相关。比如在海外旅行的时候突发急病，当地医院又语言不通，这个时候就可以通过远程医疗来寻求本国医生的帮助。或者不幸罹患非常少见的疾病时，可以通过远程医疗请求有过类似疾病诊疗经验的医生来帮忙诊断和医治。

物联网技术在医疗领域的应用，能够帮助医院实现对人的智慧化医疗和对物的智慧化管理工作，从而使“智慧医疗”得以实现和推广。

物联网技术能够帮助医院实现对人的智慧化医疗和对物的智慧化管理工作，能够满足医疗健康信息、医疗设备与用品、公共卫生安全的智能化管理与监控等方面的需求，从而解决医疗平台支撑薄弱、医疗服务水平整体较低、医疗安全生产隐患等问题。

目前物联网技术在医疗行业中有多方面的用途，基本内容包括：

（1）人员管理智能化。 实现对患者的监护跟踪安全系统，病人流动管理、出入控制与安全；婴儿安全管理系统、医护人员管理系统。加强出入婴儿室和产妇病房人士的管理，对控婴管理、母亲与护理人员身份的确认，在偷抱或误抱时及时发出报警，同时可对新生婴儿身体状况信息进行记录和查询，确认掌握新生婴儿安全。

（2）医疗过程智能化。 依靠物联网技术通信和应用平台，实现包括实时付费以及网上诊断、网上病理切片分析、设备的互通等，以及挂号、诊疗、查验、住院、手术、护理、出院、结算等智能服务。

（3）供应链管理智能化。 药品、耗材、器械设备等医疗相关产品在供应、分拣、配送等各个环节的供应链管理系统。依靠物联网技术，实现对医院资产、血液、医院消毒物品等的管理。产品物流过程涉及很多企业不同信息，企业需要掌握货物的具体地点等信息，从而做出及时反应。在药品生产上，通过物联网技术实施对生产流程、市场的流动以及病人用药的全方位的检测。

依靠物联网技术，可实现对药品的智能化管理

（4）医疗废弃物管理智能化。 可追溯化是用户可以通过界面采集数据、提炼数据、获得管理功能，并进行分析、统计、报表，以做出管理决策，这也为企业提供了一个数据输入、导入、上载的平台。

（5）健康管理智能化。 实行家庭安全监护，实时得到病人的全面医疗信息。而远程医疗和自助医疗，信息及时采集和高度共享，可缓解资源短缺、资源分配不均的窘境，降低公众医疗成本。

在未来，当智慧元素通过物联网融入整个行业，医疗系统必将以前所未有的速度开始进化，这种趋势，也将对每个人的健康与生活产生重大影响。

2）工业物联网(IIoT，Industrial Internet of Things)

工业物联网是IoT中最大的和最重要的组成部分。

尽管工业以太网终端联网技术已经在 2000 年初出现，但许多产品 ( 特别是现场终端 ) 仍然没有联网，或者只提供单向通信。

有了 IIoT，可以实现双向通信，数据被提供给控制器和云，反馈也被提供给终端。举例来说，可以通过更改传感器上的参数来支持生产运行。

最常见的 IIoT 应用包括如下：

资产、库存或基础设施监控。资产或库存跟踪。车队管理。预测性分析和预测性维护。现场使用的自动和半自动车辆。工业可穿戴设备 ( 如联网头盔、AR 眼镜 )。用于工业场所的联网。设备的远程控制和管理。基于物联网的生产过程和质量监控。数字孪生。

到 2030 年，该市场的规模将增至 44 亿部终端，其中亚太地区将成为终端数量最多的地区，占所有终端的 54%。

数据驱动的制造业：大数据正在改变制造业的面貌。OT和IT收敛：在工厂的物联网环境中，运营技术由可编程逻辑控制器（PLC）、计算机和其他技术组成，这些技术通常与IT中使用的技术类似，但由IT外部的业务运营商运营和拥有。以更低的成本改进技术：新技术为规模化、自动化和基于平台的机器连接、监控和优化创造了条件。机械制造OEM专注于新的优先事项：原始设备制造商（OEM）正面临着新的基于云的供应商的破坏，这些供应商打算提供“机器服务”（MaaS），通过从云端进行零接触部署，机器可以快速部署到工厂车间，从而提供对这些机器的远程连接和监控。

3）智慧家居(IoMT，Internet of Medical Things)

目前智能家居市场的体量是4355亿。

海尔智家发布Uhome OS 3.0操作系统，成为行业首个进入决策智能的企业；美的基于鸿蒙OpenHarmony 2.0，首次提出家电“元家居时代”概念；华为更是直接表示，全屋智能的新目标是实现5年500万套。

大厂争相布局，智慧家居市场迎来蓬勃发展。 根据IDC预测，智慧家居市场未来五年的复合增长率达到21.4%，2025年市场出货量将接近5.4亿台。

04 IoT的趋势

得益于技术爆炸和市场需求的不断扩大，IoT拥有可观的市场前景。根据IDC预测，到2025年，全球IoT设备数量将达到416亿个，并产生79.4 ZB（泽字节）的数据，在2018-2025年，IoT设备数据量的复合年增长率（CAGR）预计将高达28.7%。Gartner物联网研究副总兼分析师Alfonso Velosa认为，在未来几年里，IoT的增长率将持续高于30%。

作为技术驱动的互联设备网络，IoT能以更高效的方式实现数据共享和设备间的通信交互，这一能力不论是对B端还是C端，都将产生深远影响。

(1)AI、大数据与机器学习将成为热门技术

语音聊天机器人已经成为日常生活的一部分，在未来几年，语音设备的使用量将只增不减。

同时，IoT设备将对消费者行为进行深入分析，充分利用设备沉淀下来的海量用户数据。这将进一步帮助各行各业在数据分析领域展开探索和实验并从中获益。

(2)智能家居进入千家万户

疫情导致人们在家的时长增加，因此，消费者希望IoT设备具备多样化的功能，尤其是智能家电、智能安防和智能健康的市场需求量极大。

(3)车联网

汽车制造商总是希望用最新的技术来吸引消费者，这丰富了IoT在汽车领域的应用。无论是自动驾驶车辆、车辆OTA更新，基于IoT的商用车辆追踪和管理，还是车辆的安全性能，汽车行业在促进新技术普及和发展方面起着至关重要的作用。近期研究报告显示，2018年全球车联网市场的市值约为47.86亿美元，预计将以21.6%的复合年增长率增长，到2025年将达到188.58亿美元左右。

(4) 工业物联网

IoT技术最大的潜力和应用性之一在于其能够落地到各行各业与各种品类，无论是服务业、物流业、重工业，甚至是独立的工厂，都可以依靠IoT技术实现降本增效，并从中受益，未来，IoT技术将在这些行业进一步普及。

(5) 下一代数字孪生技术

数字孪生是以数字的方式展示某种现实物体的数字映射系统。未来，数字孪生将被应用于更广泛的领域，因为这一技术正在持续赋能IoT、AI和数据分析技术。

由于新冠疫情的爆发，医疗健康和制药行业对数字孪生的需求不断增加，越来越多的业内玩家采用数字孪生技术以应对新冠疫情。最新报告显示，预计到2026年数字孪生市场规模将达到482亿美元，2020年至2026年的复合年增长率达58%。

(6) 远程协作

受疫情冲击影响， 5G、区块链、人工智能和自动化等各种技术炙手可热，这些技术正在与IoT相结合，共同助力企业员工的远程工作。

当下我们应该用积极包容姿态加入IoT生态，运用技术的力量在激烈的市场竞争中站稳脚跟。

感谢阅读，我是猪雨荷，绞尽猪脑专注IoT赛道只为用知识给你打辅助。

参考资料：

资料参考：大卫·汉斯冈萨洛·萨尔盖罗帕特里克·格罗塞特罗伯·巴顿杰罗姆·亨利《物联网(IoT)基础:网络技术+协议+用例》

资料参考:《物流技术与运用》

资料参考：2021年中国智慧医疗行业白皮书

资料参考：ABV（AIoT Business Vantage）

资料参考：快刀财经

本文由郝小七指导http://www.woshipm.com/u/917803

本文由 @猪雨荷原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

GPT是吹起来的泡沫吗？

触摸虚拟世界（视觉中国/图）

2023年，最具热度的科技新闻非GPT莫属。自从2022年11月OpenAI推出基于GPT-3.5架构的chatGPT以来，ChatGPT就以其与真人极其相似的对话和写作能力，以及在许多知识领域给出详细和清晰的回答而迅速获得关注。而2023年3月14日，OpenAI发布了号称“比GPT-3.5更可靠、更有创意，并且能够处理更细微的指令”的GPT-4，更是引发了相关话题的新一轮热潮。

一时之间，这一本来最新科技的进展，变成了一项全民话题。人工智能从业者见之技术创新，人文学者见之社会影响，风投资本见之风口，自媒体们见之流量。

现在，当这股热潮稍稍降温之后，也许正是时候，让我们可以稍微冷静地来看待，引发这股全球热潮的GPT到底是什么。它在现在以及将来，又会对我们的生活产生怎样的变革。

在正式开始这次的探寻之旅之前，我们不得不先提出这么一个略显尴尬的问题。这是因为，近几年的科技新闻中，有着太多“狼来了”的故事。区块链、元宇宙、脑机接口、火星之旅……几乎每隔一段时间，这些科技公司就会抛出一个这样或者那样的，看似惊人的新突破，在全球范围内引发一次或大或小的讨论。但是结果呢，这些所谓的“突破”，或者像区块链一样，至今仍然没有任何真正大范围的实际应用；或者像脑机接口、火星之旅一样，到现在还只停留在PPT的阶段；又或者像元宇宙一样，只是一些已经有的概念和元素的整合，本身并没有什么真正的技术创新和突破，所以在一阵热潮过后就会快速地偃旗息鼓。

造成这种情况的原因，一方面是因为，能够最终转化成为真正大众化产品的科技新品，始终是极少数。过去十几年我们所习以为常的，像智能手机和移动互联网这样，能够真正改变我们生活方式的科技产品，反而是极为罕见的情况。

另外一方面，科技公司的模式就决定了，它需要不停制造新的话题，来吸引投资者和消费者的注意力。而且，现在的互联网本身就是和科技公司深度绑定的，这也就使得这些话题更容易在互联网上有着更高的讨论度。

这次GPT的热潮，同样有互联网放大的因素在里边。那么，GPT是不是另外一个科技公司吹起来的泡沫呢？想要回答这个问题，我们先要搞清楚，所谓的GPT，到底是什么。

GPT 是什么？

其实，GPT的名字，就已经说明了它是什么。所谓GPT，是Generative Pre-trained Transformer的首字母缩写，即：基于转换器的生成式预训练模型。Transformer模型，是2017年由谷歌大脑的一个团队推出的一个主要用于自然语言处理（NLP）与计算机视觉（CV）领域的深度学习模型。包括GPT，以及Google的BERT等模型，都是基于Transformer模型开发而成的，这也就是它们名字中最后一个字母T的来源。

从理论上说，包括GPT在内的所有人工智能类的产品，都是一个数学模型；或者更为直接的说法，它们都是一个“函数”。

举个最简单的例子，如果要设计一个用来挑选西瓜好坏的模型，那么我们首先要确定哪些西瓜的变量决定了西瓜的好坏。根据常识，我们知道，根据一个西瓜瓜皮的颜色，瓜蒂是否新鲜，敲起来声音是否清脆，就可以大概率判断一个西瓜是不是好瓜。因此，可以把这几个因素定量数据化。只要找到了一个合适的“函数”，输入这些数据，就能知道面前的西瓜是不是好瓜。

现在人工智能领域的绝大多数工作，都遵循这样一个“简单”的做法。只不过在具体操作上，和挑西瓜这件事比起来，难度就像是用纸折一张小船，和建造一艘航空母舰的差别一样。

在挑西瓜的例子里，我们只需要三个参数就足够了，而要找到这样的一个“函数”，也只需要至多几十次的尝试就够了。这是因为挑西瓜这件事，是一个很明确的单一任务，它所面对的情况也非常的简单。

但是，对于GPT来说，情况就完全不是这样的。OpenAI在2018年6月推出的第一代GPT-1，参数数量为1.17亿，2019年2月推出的GPT-2，参数数量就来到了15亿。而到了2022年6月GPT-3，其参数数量达到了1750亿。随后的GPT-3.5和GPT-4，OpenAI没有再继续公布具体信息。但是据猜测，GPT-4的参数数量可能高达1.76万亿。巨量的参数，正是包括GPT系列在内的，这一批自2018年开始逐渐成为主流的语言模型的主要特点。因此，它们也被称为大型语言模型（LLM，Large language model）。

与如此巨大的参数数量相匹配的，是GPT系列巨大的训练集。据称，为了训练GPT，OpenAI使用了整个互联网上的信息。以至于在微软研究院2023年3月22日发布的GPT-4的性能测试报告当中多次写道：为了测试GPT-4的能力，特地由相关专家拟定了一些在互联网上没有的新题目。

如此巨大的参数数量，和庞大的训练集，使得训练GPT需要花费巨量的硬件和能源。仅OpenAI在2023年1月一个月的用电量，就相当于17余万个家庭一年的用电量。

如此巨大的付出，也带来了高额的回报。ChatGPT能够“听懂”人类的语言，并且对于提出的各种问题，给出流畅、通顺，且符合逻辑的回答。而根据微软研究院的报告，相较于ChatGPT，GPT-4在数学、编程、医学、法律、心理学等专业知识领域有了大幅提升。更加让人印象深刻的是，在以往被认为只有人类才有的，我们称之为“智力”的方面，例如推理、计划、解决问题、抽象思维、理解复杂思想、快速学习和从经验中学习等方面，GPT-4也做出了优秀的表现。

ChatGPT和GPT-4的优异表现，引起了人工智能领域广泛的关注与讨论。这其中最让人困惑的问题之一就是，相较于参数的成倍增加，GPT系列给出的表现，却呈现出跨越性的惊人提升。这就好像一个小孩，第一年上一年级，第二年上二年级，然后第三年就突然上了初中，第四年就考上了大学一样。

这种情况并非是GPT独有的。其他的大型语言模型，在参数数量超过一个界限之后，也都或多或少地出现了能力飞跃式提升的情况。以至于在相关领域，专门为这种现象起了一个名字，叫做大型语言模型的“涌现”现象。

涌现是一个来自于复杂系统理论的概念。它指的是，当许多小实体相互作用合成为一个大实体之后，这个大实体展现了组成它的小实体所不具有的特性。在物理学、生物学和经济学等领域，都有用涌现来描述的现象。甚至有些学者还用涌现来解释人类意识的出现。用涌现来解释大型语言模型能力涌现这一现象，似乎是非常合理的。但是，涌现本身只是一个描述性的概念。用它来解释各种现象背后的原因，就好像是用玄学来解释玄学一样。

而想要真正弄清楚大型语言模型能力涌现的原因，却并不是一件容易的事情。正如前文所说，包括GPT在内的大型语言模型的参数数量，已经来到了一个非常夸张的程度。更大的问题在于，这些参数并不是人为设置的，而且大型语言模型是在不断地训练当中，自行调整完善的。这就使得现在的大型语言模型看上去，就是一个黑箱，我们对它内部具体是怎样运作的，其实并不知道。

因此，对于这一惊人的现象，相关领域的专家们，目前也只能提出一些猜测。例如有人提出，造成大型语言模型能力涌现的原因，是因为任务的评价指标不够平滑。对于很多任务，只有当完全回答正确的时候，才会通过模型给出正确的答案。因此，很可能随着模型参数的增加，给出的回答是在不断接近正确答案的，只是因为模型的表达方式，导致了最终我们看到的结果是，当模型的参数超过一个界限之后，突然能够回答正确很多问题。

另外一个主流的猜测则认为，模型在解决很多复杂任务的时候，会把任务拆分成很多小任务来完成，只有当这些小任务都顺利完成，我们才会看到模型顺利完成了任务。而这些小任务，则依赖于模型体量的大小。因此，当模型的参数超过一个界限之后，它能够顺利完成所有的小任务，从而能够突破性地完成很多之前完成不了的复杂任务。

这些猜测到底哪一个是正确的，还有待相关专家的进一步研究。但是，现在GPT-4所表现出的能力，就使得我们不得不去思考，现阶段的GPT-4，到底是一台机器，还是一个已经开始觉醒智慧的人工智能？照这样发展下去，人类是否真的会被AI所超越？

GPT 有智能么？

与AlphaGo这一类专门用来解决特定任务的人工智能产品不同。包括GPT在内的大型语言模型，从一开始就是为了解决各种任务所研发的通用人工智能。

在人工智能领域，通用人工智能还有另外一个名字，叫做“强人工智能”。它的终极目标，就是具备与人类同等智能、能表现正常人类所具有的所有智能行为，或者超越人类的人工智能。

那么现阶段的GPT-4，在多大程度上具备了人类的智能？沿着这个方向继续发展下去，是否真的能够创造出和人类具备同等智能，甚至超越人类的人工智能呢？

根据微软研究院的报告，GPT-4在很多领域，已经接近了人类的水平。在诸如编程等专业领域，GPT-4的表现甚至超过了人类中相关从业者的平均水平。另外一则报道则显示，GPT-4为了通过人机测试，甚至会说谎欺骗人类。

这一切似乎都在表明，GPT-4具备“相当的”智能水平。

实际上，对于强人工智能应该满足什么标准，相关领域的科学家们提出了很多的测试项目，用以测试人工智能在不同方面的能力水平。

这其中最为著名的，应该就是由“人工智能之父”阿兰·图灵提出的图灵测试。图灵测试是说，如果一个人（代号C）使用测试对象皆理解的语言去询问两个他不能看见的对象任意一串问题。对象为：一个是正常思维的人（代号B）、一个是人工智能（代号A）。如果经过若干询问以后，C不能得出实质的区别来分辨A与B的不同，则此人工智能A通过图灵测试。

在很多科幻作品当中，图灵测试被描述为一项玄而又玄的测试。似乎只要通过了这项测试，人工智能就会变得与人类别无二致，甚至会由此开始取代人类。但是实际上，对于图灵测试能否真正地测试出人工智能的能力水平，一直以来都有着很多的争论。而且，相较于更多侧重于文字或者语言表达方面的图灵测试，其他的人工智能测试，选择了从不同的角度来测试人工智能的各项能力。

例如沃兹尼亚克提出的咖啡测试，要求人工智能在陌生的环境中，完成一些诸如冲泡一杯咖啡这样的日常工作，用以测试人工智能认知陌生空间，并完成具体操作的能力。再如格策尔提出的学生测试，要求人工智能去注册一所大学，参加和人类学生同样的考试，然后通过并获得学位。用以测试人工智能学习、分析和回答问题的能力。还有尼尔森提出的，用以测试人工智能统筹、推断、规划解决复杂问题的能力的雇员测试等。

根据微软研究院的报告，以及其他一些研究显示，GPT-4在不少测试当中都取得了很不错的成绩。例如预印本网站上的一篇文章就宣称，GPT-4在MIT的数学和EECS（电气工程和计算机科学系）本科学位考试中，表现出的能力完全满足毕业要求。

但是需要指出的是，所有的这些测试，都只是一些必要性测试，即使通过了所有这些测试，也并不意味着人工智能就达到了人类的智能水平。

而且，对于现在这些大型语言模型在将来能否发展出真的强人工智能，也是一直有争议的。例如图灵奖得主杨立昆（Yann LeCun），就一直对GPT的发展持否定态度。他认为这类大型语言模型存在局限性，有很多问题无法解决，因为它们并不了解这个世界底层的事实（underlying reality）。

GPT 会让 “ 我 ” 失业么？

将来是否会出现真正的强人工智能？这个问题或许离我们现在还过于遥远。但是ChatGPT和GPT-4的推出，的确给我们提出了一个现实的问题。那就是，现阶段的GPT，以及在可以预见的时间内出现的更为强大的大型语言模型，将会怎样改变我们的生活？或者说的更直接一些，“我”是否会因为这些东西而失业？

首先，对于现在的大多数写字楼内的文案工作，以及基础的代码编写之类的工作等，以现在GPT的能力，是足以胜任的。这很大程度上并不是因为GPT真的有多么的强大，而是因为，绝大多数的日常工作，并没有那么高的要求，而且有着相对较高的容错度。甚至可以说，很多这样的日常工作，更多地是花费时间的体力劳动。

从历史上看，对于这些工作来说，人工被机器取代这件事，并不会因为工作者的意志而有所改变。机器的效率是必然远高于人工的。因此，这其中起决定性因素的就是，机器的成本，是否会高于人工的价格，以及将人工替换成机器的花费。从第一次工业革命中的纺织机取代纺织工人，到上世纪的自动流水线取代装配工人，这样的事情已经发生过很多次了。

对于那些像是科研、艺术和文学创作之类，被认为是凝结着人类智慧精华的工作来说，情况则要复杂得多。

对于包括数学、理论物理等学科在内的理论性学科来说，GPT还难以进入真正的研究领域当中。虽然菲尔兹奖得主、华裔数学家陶哲轩最近宣称，他已经开始使用GPT-4来协助自己的工作，但是他也只是使用GPT-4进行一些诸如整理文档、生成和润色文本、检索信息之类GPT本身就很擅长的工作，而并没有让GPT-4去代替他思考怎么解决数学问题。

根据微软研究院的报告，数学能力，在GPT-4的各项能力当中，本身就是一个相对的弱项。这很大程度上因为，GPT的训练和养成，主要是靠互联网上的信息。而对于数学这样依靠严格的逻辑推理，环环相扣的学科来说，想要通过互联网上零散、碎片化的信息，来获得完整的数学知识，以及严谨的数学推理方式，是十分困难的。而数学这样的学科，偏偏就是对严谨性有着极高要求的学科。

更大的问题在于，能够用文字写出来的数学内容，和进行数学研究所需要的能力，并不是完全对应的。相信很多人在学生时代都有过这样的体验，数学课上所学的内容，和数学考试中所考的题目之间，似乎有着一些距离。死抠书本的学习，很多时候并不能在数学考试中获得高分。

这种情况在数学研究中更为常见。数学家们写出来的论文，只是他们思考的结果。至于他们是怎么想到那些的，则很大程度上来源于多年从事数学研究工作的积累和养成的经验。这些东西，是很难用一套规范的语言写下来的。这也就是为什么直到现在，数学方面的学术会议上，仍然会有很多数学家坚持使用黑板+粉笔的方式来作报告。因为通过板书的书写，可以传达出他的思考过程。

因此，在这些科研领域，GPT之类的大型语言模型，可以成为很好用的辅助工具。但是想要让它们真正取代科研工作者的作用，去独立进行有价值的科研工作，目前看来还为时尚早。

GPT 与艺术创作

对于同样体现着人类智慧与创造力的艺术和文学等领域，情况则要复杂得多。

一方面，在诸如小说、诗歌的创作，文学作品的翻译之类的领域，GPT仍然无法替代小说家、诗人、翻译家的作用。但是另外一方面，以现在GPT的水平，在可以预见的未来，几乎必然会引起这些行业发生巨大的变化。

这看上去似乎有些矛盾。实际上，导致这种矛盾结论的，正是艺术领域的特殊性。虽然同为人类创造性的工作，但是和科研领域有着明确的目的和边界不同，艺术领域是模糊和不确定的。这就给了GPT这样的新兴技术进入的空间。

在历史上，这种因为技术发展，导致艺术的范围和形态发生根本性改变的例子并不在少数。例如，在照相术发明普及之前，欧洲画家们的收入来源的很大一部分，是定制肖像画，以及为教堂等地方绘制壁画。我们熟悉的那些古典绘画大师，都从事过这样的工作。在这一时期，对绘画作品的需求，是很多欧洲普通市民的日常刚需。这也就使得在当时的欧洲，有着很多以此为业的画家和作坊。这个庞大的底层从业者的基数，和完善的学习途径，就为欧洲数百年间持续产生绘画大师提供了土壤。

但是在摄影术发明普及之后，情况就发生了彻底的改变。作为收入的重要来源之一，肖像画的需求量大量减少，这就使得绘画这一行业能够养活的从业者大量减少。与此同时，摄影术逼真的效果，也迫使欧洲绘画艺术从古典主义绘画“画得像”的要求开始转变，进而诞生了那些我们现在耳熟能详的现代艺术流派。

从结果上看，摄影术的发明，并没有阻碍那些真正有天赋的艺术家们走上这条路。达·芬奇、伦勃朗等大师，放在今天的环境下，大概率也能成为伟大的画家。但是，摄影术的发明，彻底改变了绘画的生态，把这一本来与普通大众极为接近的行业，变成了一门小众的高端行业。更不用提在这个转变的过程中，大量的没有那么高的艺术天赋，但是本来可以依靠画肖像画来维持生活的画家，将会面临怎样的窘境。

同样的情况，极有可能随着将来GPT之类工具的普及再次上演。

以翻译工作为例，GPT也许在很长时间里，都很难达到翻译名家们那种信达雅的功力。但是翻译工作并不仅仅是文学翻译而已。除此之外还有大量的技术性文件的翻译，工作上的文书翻译等工作。这些工作加在一起，才支撑起了现在文字翻译群体的输入来源。甚至有很多从事文学翻译的工作者，也会接这种翻译工作来作为收入的一部分。

而GPT的普及，必然会挤占掉这部分的工作机会，导致整个翻译群体的萎缩，以及从头开始的训练机会的减少。这就很有可能改变翻译这一行业的整个生存状态。

同样的情况，在小说、绘画、音乐等艺术领域，都有可能出现。

对于我们每个人来说，潘多拉魔盒已经打开了，将来会发生什么，也许在不远的未来就能知晓。

左力

上海羊羽卓进出口贸易有限公司

智能制造

智能制造编程的缩写是从4个方面带你快速了解IoT