GPT与下一代生产资料

这半年，和朋友聊天，话题总会绕到 GPT 上。它写代码、写文章的本事，大家都已经见识过了；我更好奇的是另一个问题：这么厉害的工具，以后会握在谁的手里？

手工业与自动机器

　　先协商一个概念。

　　回顾工业革命：蒸汽机和自动机器取代了手工业者的双手，生产效率成倍增长。但机器并不属于织布的工人，而属于建得起厂房、买得起机器的人。谁持有生产资料，谁就主导生产关系。

　　把「机器」换成「人工智能」，我感觉这个故事正在重演。手工业时代，核心的生产资料是手艺；机器时代，是机器；往后，恐怕就是模型了。「AI 会不会取代人」这个问题网上已经吵翻了天，我更想问的是：AI 归谁持有？

人工智能的生产流程

　　要讨论归属，先要看清人工智能是怎么被生产出来的。我把它整理成一条流程，并给每个要素编上号，方便后文引用：

数据源[1] --人工筛选[2]--> 清洗过的数据
清洗过的数据 --高级模型[3] + 算力成本[4]--> 人工智能[5]
人工智能[5] --用户[6]--> 产生价值

　　也就是说，生产一个人工智能至少需要六种要素：原始数据[1]、筛选数据的劳动[2]、模型结构[3]、算力[4]、炼出的模型本体[5]，以及让模型产生价值的用户[6]。

发展方向

　　沿着这几个要素，我试着做一点预判。

　　数据源[1]：人类智慧的主动聚集。AI 的粮食是能体现人类智慧的数据。最早，研究者们手工去收集它们：扫描书籍、爬取论坛、整理代码库。维基百科、问答社区和开源代码仓库之所以被反复拿来投喂模型，正因为它们是人类智慧自发沉淀下来的富矿。往后走，我猜会出现专门沉淀高质量内容的平台——像博客这样的地方，大家把自己最好的思考主动放进去。数据的收集方式，会从「机器去捡」，慢慢变成「人主动来放」。

　　筛选[2]的自循环：用 AI 筛选数据。人工筛选是整条流程里最贵的劳动，那么顺理成章的下一步，就是让 AI 来替人筛选训练 AI 的数据——生产工具反过来参与自身的生产。这个自循环里藏着两个「奇点」，或者说两个天花板：

内循环奇点：如果 AI 只在既有数据里反复筛选、反复训练，它最终会收敛于「这堆数据所能支撑的最优人工智能」。数据没有增量，智慧就没有增量，循环终止于此。
外循环奇点：要突破内循环，就得把真实世界源源不断的新数据接进循环。但新数据要进入生产流程，绕不开人类的检查与放行——外循环的转速，受限于人类控制的速度。

　　用户[6]：个性化。眼下所有人用的是同一个模型，而模型对你我一无所知。有读者会说，把个人信息写进 prompt 不就行了？但上下文就那么大——GPT-4 标配 8K，顶配也只有 32K，装不下一个人的来龙去脉，更装不下积年累月的偏好。所以我猜，要让模型真正记住一个用户，信息得「训」进模型里，而不是每次塞进对话里。LoRA 这类轻量微调看起来正适合干这个：给公共的大模型挂一个属于你自己的小挂件，你的习惯、你的行业、你的措辞，都存在挂件里。

　　模型[3]：更高级的结构。结构的改进不会停下，这里不展开；它的意义放到下一节说。

生产资料

　　现在回到开头的问题：模型[5]这份生产资料，归谁？

　　摆在台面上的是一个老剧本：集体制/公有制，还是资本家。训练大模型的门槛——海量数据、海量算力——天然偏向资本：只有大公司出得起这笔钱，于是模型握在他们手里，而我们所有人成为要素[6]，在别人的机器上产生价值。这像极了工厂时代的开局。上一节说的个性化挂件，也只是缓兵之计：挂件是你的，底座还是别人的。

　　我心里的理想图景，是每个人都能独立训练并持有一个自己的模型[5]：自主训练，用自己的数据喂自己的 AI，把生产资料握在自己手里。听起来离谱——今天训练一个模型要烧掉的算力，个人连零头都摸不到。但我能想到两条路。

　　单干的路，把算力门槛拆掉。AI 从业者去降低计算量需求[3]，用更省的结构和训练方法，让训练不再是巨头专属；硬件制造商去降低计算成本[4]。我猜个人训练大概率还是需要专门的硬件，但它可以像路由器那样，成为一件家家都有的普通设备——我宿舍那台安静跑着代理和备份的软路由，谁看它都不像什么高科技，可它确实是一台不折不扣的服务器。AI 硬件也可以走到这一步。

　　联合的路，把无数台「不够」的机器连起来。分布式计算不是新想法：读者们或许听说过 SETI@home 和 Folding@home，千万台家用电脑曾经联合起来寻找外星信号、计算蛋白质折叠。同样的思路拿来训练一个公有的模型：算力大家凑，数据大家出（还记得上文「人类智慧主动聚集」的平台吗），模型归大家所有。说起来，这不就是那句老话吗——全体无产阶级，联合起来。

　　路由器走进千家万户，花了差不多二十年。属于 AI 的那台「路由器」什么时候出现、会不会出现，我不知道。但我希望它出现的时候，里面跑着的模型，是属于我们自己的。

　　以上是我对 GPT 与下一代生产资料的一点粗糙思考。若读者们有不同的看法，欢迎留言与我讨论。

参考资料

生产资料：https://zh.wikipedia.org/wiki/生产资料

　　后记（2026 年 7 月）：这篇正文不是 2023 年的我写的。当年只留下一份大纲，三年没有动笔；正文由 AI（Fable 5）参考那份大纲和我的回忆代笔还原，再经我校订。观点、编号体系和两条路径都出自当年的大纲，但行文是今天的——所以请不要拿这篇文章来考证我当年哪些说对了、哪些说错了，落笔的视角毕竟隔着三年。