很多同学可能并未察觉，我们接的电话来电中相当的比例已经变成了数字人。它们惟妙惟肖，如果不是经常听的人在相对简单的对话情境中，根本听不出来语音合成（TTS）的声音和真人声音的差异。

这种数字员工的前奏自从2010年以来其实一直在响起，只不过不够激烈和密集，始终局限在几个有限的领域，比如外呼促销、客服等。此前核心瓶颈是“智能不够”，所以只能处理相对狭小领域里的单一任务。ChatGPT等大模型则改变了这种底层约束。虽然成功的数字员工产品还没出来，但这是注定发生的事实，就像互联网只要开始普及，搜索就必然会出现一样。从这个角度看2023年，是数字员工的元年。

(资料图)

数字员工汹涌而来

人工智能发展这些年商业上不成功，但各个技术点上实在有了很大进步，包括各类识别算法、语音合成算法等。而这些技术的组合正好为数字员工的诞生准备了充足的条件。

我们拿一个招聘的数字员工做例子，看下到底需要哪些技术：

在最简单的场景，她需要能够围绕着自己的招聘主题进行宣讲，并能够回答候选人关切的问题。说到这个大家会马上想到现在的大模型。是的，基于现在的通用大模型能够比较好地完成这一基础工作。这打破了过去不同方向要分别定制，并且应对变化成本过高的约束。当前是招聘场景越简单，比如工厂的工人，那这种数字员工越胜任，招聘对象越复杂，它越不灵。

再递进一步，招聘的时候如果不是文字沟通，那还需要什么？

这就和过去做的智能音箱有点像，数字员工需要听得清，说得出来。听得清这事，在智能音箱等产品的推动下，即使是远场也能达到95%以上的精度，而TTS更是已经进展到只要录几句就能模拟出你的声音。完全没有技术障碍，并且成本可控。

再逼真一些，还需要什么？

还需要你的数字员工在表情、手势、体态上和真人一样。这个在这几年的努力下成本已经从几十万降到几万或者一万。

在这个时间点，这种数字员工能力还是有限度的，不管是智能还是表达方式。

如果硬要分个级别，估计在工厂这类岗位表现会超过人类，在软件工程师这类岗位上有可能打平，在招高管的时候就还不行。（大家可以回到招聘场景自己思考下这几类岗位的智能边界）

可这没关系，丝毫不会影响数字员工汹涌而来的趋势。

这就像一旦286出现，PC浪潮就会很快席卷而来，一旦窄带出现互联网就会蓬勃发展一样。数据的连通性会增强，比如更知道招聘对象是谁；智能会增强，大模型肯定还会进阶；技术会变得更便宜，比如一个数字员工的成本会进一步下降。所有关联的技术，所有对应的产品在几个迭代周期后，就会变得像微信一样好用。（越到后面我们越会发现数字员工的落地根本不是技术问题，而是思想问题，大家可以考虑下企业做数字化九死一生的局面是因为技术么？）

商业闭环

如果要下个定义，数字员工和过去说的数字人的核心差别是什么？

数字人是一种简单的人形表示，对应局部功能；数字员工要在指定区域完整解决场景问题。

过去的人工智能产品核心的问题就是只承担局部功能，解决局部问题。

比如闸机、智慧电梯等，从人和场景的角度看，它们是一个个半拉子产品，只能干一个小点的功能。所以在各种场景下它们解决的是“更好”，但其实增加成本。这就好比带了人脸的闸机和保安，智能助理和App等都是这种情况。哪怕在最简单的场景下，它们的价值创造也不完整。

经常会提到的价值创造，这个词要和场景关联，然后再对应到具体产品，不应该对应具体某个具体技术。价值创造是个整体性问题，从整体性视角很容易看到过往十年AI产品的各种问题，从技术角度则看不到。

过去就客服等寥寥几个场景能实现一点全场景的价值创造，外呼都还不太行。

核心瓶颈就是上面说的智能供给不足。

为什么全场景创造价值很关键？

因为价值创造在场景上完整了，商业模式会非常简单直接。否则对客户和用户就很鸡肋，有了更好没有也行，当然购买意愿就不强。

假如雇佣一个人15万，雇佣一个数字员工1.5万，如果从场景上看这两者百分百等价，那从人效的角度看，所有的企业都会雇佣数字员工。

现在不雇佣只是因为产品不够好，不够完整。

如果能搞定，这个产业空间，比IDC等估计的要大得多。

并且一旦搞定，这注定会成为一种和互联网一样的巨大浪潮。人效有2倍差异的时候，没人能忽略它。

从这个角度看，数字员工确实会打碎许多现有的饭碗。

现有的饭碗底层越是依赖于简单的逻辑和概念组合，越是很快会被打碎。这一点在之前OpenAI论文中有提，此处不展开。

需要补充的是，我们过去因为人的智能不够而分工，把干一个产品分解成产品经理，设计、架构师，程序员，测试等。那现在因为智能供给的充沛而回卷，其实合情合理。如果回到程序员的上古时代，这个行当早期很多产品还真是一个人干的。所以上面的所谓的消灭，其实也是一种回滚。

人的位置在哪儿？

在给出答案前，我们来看几个例子。

一个是Linux。Linux早期是个什么运作模式呢？最开始就这哥们一个人干，结果干来干去，干不动了，他就开源。参与开源的人，每个人把自己的变更通过邮件发给他，他负责合并到正式版本的Linux里。Linux对应这个产品的核心，但把工作量大的部分分出去了。后来这模式被Git等工具放大了，但本质上还是这套逻辑。

假如AI大模型变厉害了，会发生什么？

这个社区会围绕这个Linux这个核心回卷。比如两千人的社区，最外围的会先被大模型取代掉。然后一圈一圈往中心折叠。但即使到最后Linux这角色是不能取代的，因为Linux解决的不单是编程问题，大模型的工具属性回答不了到底要成什么样，应该为现在考虑多少，为将来考虑多少这类问题。

（这么个涨法，Linux内核社区也未必扛得住）

我们再看个例子，罗永浩老师。论利润，所有创业的AI公司十年时间赚的钱，可能还不如罗老师创业失败带货这几年一个人赚得多。那为什么可以这样？

我们可以讲没有短视频平台就没有罗老师的“真还传”。

短视频平台就像一块肥沃的地，罗老师在上面发挥了自己的才华，种出了自己的粮食。

那短视频平台是什么呢？

它是一组算法的集合。虽然我们不管哪个算法叫人工智能，但推荐算法这些和AI底层是有很多共通之处的。所以罗老师的“真还传”是一个把人的才华嫁接到硅基智能之上，并取得巨大成功的案例。

据此回溯，我们可以发现过去互联网崛起的过程中，不单有罗老师的带货，还有各种其他主播，起点上还有网文作家，网红店等的成功。

这是什么概念和人工智能又有什么关系呢？

AI算法会让过去的平台具有更强大的力量，借助于AI平台，小团队可以实现指定场景下的直接价值创造。比如个性化的生产在过去是不太可能的，但当大量数字人崛起之后，理论上讲不管是纯虚的服务还是真正的生产，都可以做到每个人一个设计师，一条生产线。

我们的就业形式在因此而发生变化。

在互联网兴起前，很多时候我们想到就业就会想到工人，农民，干部等。

现在播主，网文作家，滴滴司机，外卖小哥，网红店主每一个都是单独的经济单位。他们对某一个平台形成单向依赖，但横向的分工配合被弱化很多。

在这种模式下，没有平台就没有就业。

有趣的是，这也是一个循环。

在上古我们还和猩猩差不多的时候，其实每个个体都是一个独立的经济单位，在农业文明的时候，被弱化了一点，但基本农民还是自给自足，就是对地球有依赖。

大工业时代就不是了，人和生产资料发生了巨大分离（马克思思想的一个起点）。但现在往回走，核心是平台扮演了地球的角色。

差异是地球是不收钱的，但平台和个体之间牵涉利益分割。“平台”的模式是未来，但必须处理好这种利益分配。

从这个角度看，数字员工就不是饭碗的破坏者，而是创造者。他们站在了每个人脚下，让每个人都可以形成自己的经济闭环，让每个人有机会发挥你自己属于人的那部分特色。

如果没有短视频平台，很多知名的主播现在会在干什么呢？

硅基和碳基的边界

哪些会由数字员工在平台里面做，哪些会由人在作为一个个分散个体，在平台外面做呢？

回答这个问题要看清硅基智能和碳基智能的能力边界。

在过去分工体系下创建的各种岗位，核心依赖的正是记忆、对逻辑和概念的处置。

这部分实在不灵，人根本没可能和数字员工进行比较。数字员工越发展，这种分工体系越会回卷。场景和产品应该还在，但它背后对应的人员会削减。

但数字员工站到每个人的脚下后，每个人都迎来一个独立创造价值的机会，这部分会依赖于碳基智能的优势，比如创造力、活性、共情价值等。碳的活性和硅的稳定性在这里要做结合。

最终结果可以用一个形象的指标来形容（王丁丁老师朋友圈看到的）：

苏联老大帝国的SKU一共不过2万种，电商平台的SKU已经超过4000万。如果是上面这种情形那SKU可能再翻100倍。之前总说SKU是数目小于人的数目，在未来则可能彻底反过来。一个SKU只服务于极少的人，甚至一个人，但还有利润空间。因为基础成本被缩减了。

这是一种新式的多点多维的经济循环。

这种循环下，需求和供给是对等的，且是多样化的。每个人既是生产者也是消费者，人们的全面物质文化需求可以更好地被满足。

我们有时候可能会困惑：为什么生产力高度发展，我们每个人的物质文化需求也没被满足，但经济却出问题？核心可能就是循环的通路和循环的形式问题。这是我为什么说市场和凯恩斯主义的统一，可能在于一个新的概念“科技道权”的一个原因。

总结

假如一群蚂蚁在一只大象的耳朵上生活，这蚂蚁有智慧根据大象的习性基于大数据统计，分析出了非常严密的公式，可以根据各种变动信号预测耳朵大象会怎么摆。现在地球气候变了，大象就一路往北。这样一来固然可以修正模型，让预测模型看着能解释过去，但骨子里是不可能准了。因为原点出了根本变化。

我们总是面对两类问题，一类问题是连续性的，一类则是基础要素变了。基础要素变的情形就导致原点类问题，而原点类问题需要褪去细节，回到原点。

本文来自微信公众号：琢磨事（ID：zuomoshi），作者：老李

关键词：