风声｜GPT再次炸裂升级中小企业和打工人都将被消灭？更令人震惊的，则是上线了GPT应用商店——GPTs——堪比当年iPhone的“App Store时刻”。
回头看，大家都盛赞Apple开启了互联网行业的新，凭空创造出一个价值万亿的全新经济生态（2022 年开发者营业与销售额已达到1.1 万亿美元），养活了全世界千千万的码农。
而当GPTs被公布一分钟后，回过神来的GPT相关开发者们就坐不住了。一个创业者哀叹道“Sam Altman刚刚毁掉了我价值3百万美元的初创公司，只给我留了500美元的OpenAI API抵用券。”
某个仿照马斯克语气的推特号也一通戏虐：“每次OpenAI发布一个功能，就消灭了一家（批）初创公司。你对这件事有什么感想？”
为何业界如此惊诧？其实大家的反应恐怕还有点克制了，当你想明白之后，会发现OpenAI给我们铺就的未来实在是过于刺激了。
一般评论会说，GPTs允许用户以自然语言描述需求，下达指令和简单调试后，就能部署个人专属的GPT自定义版本，以实现生活或工作中某个特定功能。此外，这个自定义的GPT还能发布出来分享给其他人，以后还可以向使用者收费。
但GPTs真正要命的不止如此，它本质上消除了用户提出需求和获得应用之间的一系列执行过程——GPT都帮你做了。而在此之前，这需要开发者去收集理解相应的需求，然后开发出一个可用的程序，再发布出来给用户使用——你手机里App就是这么来的。
没有哪个程序员可以像GPT那样时刻在线，不疲不倦的去改代码和更新，也没有哪个产品经理比客户本身更理解自己的需求，熟悉哪些资源和数据可以调来满足需求。也许客户还是需要人来测试自己鼓捣出的GPTs，但以OpenAI的能力，下次Dev Day如果发布一个能自动测试GPTs的官方GPTs，我也毫不惊奇。
最早的计算机用户本身就懂计算机，因此都是自己去编程实现需求的，后来随着大众化才需要开发软件。而在GPT时代，“最好的编程语言是英语”（这句话也不甚准确，所有语言都可以是GPT的母语，它都听得懂），那么每个人都可以用自然语言来向Open AI“许愿”，创造出所需的GPTs为己所用，又回到全民造轮子的岁月了。
从本质上看，乙方都是在帮客户填充从需求到应用之间的执行鸿沟，之所以某件事交给乙方，要么是客户不懂落地实现的具体步骤，要么是乙方人力和设备利用率高，项目熟练度高，在成本和交付周期上比自己做更具性价比。
但用乙方这件事本来就有缺陷，假如交付的是通用产品（如一个SaaS或CRM系统），那么在适配性和学习曲线上就需要前期投入和磨合才能用的顺手；如果乙方提供的是定制化解决方案（如一套规划和咨询），而乙方不知道客户的隐性知识(Tacit Knowledge或Institutional knowledge)，那往往需要烦人的博弈和沟通，还不见得乙方真正理解自己的需要，交付出可落地的方案。
而现在，你能想出来的需求，只要提供相应的示例和数据，就可以创造一个GPTs来为你服务。GPTs提供了超低边际成本定制解决方案的一种可能，从GPTs商店pull一个模板，匹配内部的私域知识和定制要求实现一个功能，而且还是比“低代码”更低的“零代码”方式。so easy，还要啥自行车啊。
你可能会反驳，很多甲方自己也不清楚自己要什么，直到你把产品/方案/交付怼到他的头上，正如亨利福特的那句名言 ——“客户只会说想要一匹更快的马，而我给他们带来了汽车”。
不是所有人都能清晰的创造出自己真正想要的GPTs，也不是所有客户都拥有充足的行业数据和know-how。因此还是需要更有经验的第三方深入到客户自有GPTs的构建中，提供专业技能，甚至直接代为构建和操作Star Sports，并收取相应的服务和运营费用。
对这种基于客户“人工智障”的商业模式，暂不说其可持续性，这事和乙方搬砖狗又有什么关系呢？现在还需要组建专家团队入驻调研，进行项目执行吗？既然客户需要部署一个特制的GPTs，乙方公司难道不能用GPTs来部署GPTs吗？
乙方公司完全可以基于既往的项目资料和内部数据库，自己训练出各款GPTs为客户执行不同的业务，我相信肯定比培训校招小朋友要快得多，也省得多。
毕竟，只要几小时就可以通读全公司多少代项目经理的经验，用多少客户熬出来的项目记录和交付物，并融会贯通，内化成出口成章的本能。而且只要吃点交流电就可以24小时响应，客户扔来的材料几分钟看完秒回，一晚上出三十版初稿。
更妙的是心理承受能力无穷大，改稿100遍也绝不生气，甚至当客户都崩溃了的时候，乙方GPTs还能及时调整其沟通语气，输出情绪价值。
而最可怕的是，等一个项目做完，乙方GPTs还能以前所未有的颗粒度把项目的全过程数据重新回输到公司的资料库里，并反复复盘，以备未来项目的执行。
这是一个不断精进的完美自循环，而且，再也不存在因为员工跳槽就损失一大块隐性知识和know-how的烦恼了。
当然，这种噩梦乙方员工怎敢独享，其逻辑对甲方员工也是一样的。本次Open AI Dev Day特别用了一个Zapier app的示例：这是一个自动化部署的插件，用于将GPT和上百种app联用起来。你可以用自然语言给GPT下指令，然后GPT通过Zapier来操作你的app进行执行。
如果有差别的话，那就是GPTs不会已读不回，而是24小时想你之所想，及你之所及，勤勤恳恳的把你的想法付诸执行，纵向到底，横向到边。
这其实也不值得惊奇。钢铁侠搞了那么一大摊高科技项目，但电影里他的工作室里看不到一个雇员，只有一个AI助手贾维斯：他直接给贾维斯下指令，由AI助手分解步骤后，给机器人下操作指令完事了。
在大语言模型的时代，人力资本这个词失去了意义。OpenAI本质上是一家把电能通过GPU转化为智能的“炼金厂”，并通过网线输送到终端用户的屏幕前。当智能像电一样连上插座就能用，为什么还需要在本地部署一群人来给你“蹬踏板发电”。
在满是GPTs的未来，最吃香的是有想法、有客户资源，有数据或是持续生成数据场景的人，也就是“甲方”。而只会出卖脑力劳动，帮别人实现功能或是“代执行”来赚时薪的“乙方”——无论是企业外部的传统“乙方”还是内部搬砖的广义“乙方”，都将逐渐被GPTs挤压生存空间。
最初可能会出现很多“一人公司”，这些嗅觉敏锐，行动果决的“超级个体”会抓住GPT带来的机会，用大语言模型放大自己的能力，把独到的洞察和多年累积的经验和数据注入GPTs，创立自己的专业“影分身”直接服务客户。
他们会租用GPTs商店里其他人发布的工具作为自己的AI助手，打造个人品牌，管理和拓展客户网络，搭建行业信息源，处理运营杂事。当一切都搭建调试完毕后，这套系统就可以自动运行，替自己赚“睡后收入”了。
找服务，直接和老板谈，没有雇员赚差价。这种模式一开始肯定能在各细分领域获得成本上或是交付质量上的优势，但并不会持久。
对GPTs的生态而言，这是个“甲方”的天堂，想法不过是随时可以pull的模板，最终还是要看谁肚里有数据，手上有客户，脚下有场景，以及最重要的，兜里有钱。
“超级个体”只能抢跑，但正规军用起GPT那才是核武器：头部企业炼出的GPTs用的是最全面的私域知识，可以快速服务最多的客户，并以最快的周期回收项目经验持续升级GPTs，并拓展到更多的其他应用领域。OpenAI在大语言模型上跑通的这种辗压式循环，将会在GPTs商店各个子版块上一次次的复现。
GPTs的生态里这个过程会压缩到惊人的程度，很快我们会看到众多应用端被资本密集，数据密集的“超级企业”占据。这些‘公司‘没有员工，只有一个CEO看着（也可能并不需要去看）无数的内部GPTs在执行复杂的业务流程，直接服务于客户。“超级企业”拥有超多GPTs模板的版权，这些版权是被商务GPTs按照业务和财务汇报需求自动化收购而来，并被昂贵的非诉法务GPTs全网24小时维护。
不过等等，如果所有的公司都采用这样的模式，最小化员工数量，老板和用户通过GPTs直连。那么这些产品最终能被谁消费呢？
这让人联想到亨利福特的另一句名言：“如果福特的员工都赚不到100美元，那么谁来买福特的车呢？”。当GPTs导致资本集中度的极度提高，消灭掉各类小微企业的业务和一般白领的工作，那么我们需要一个完全不同的机制来创造出需求。
GPT不受限制的演进，可能将导致我们所熟悉的那种经济循环的终结，乐观者会提议用UBI(全民基本收入)的方式来保障广泛且普惠的消费需求，而悲观者会觉得只能通过强制投资或“编出”新的理念（比如元宇宙和区块链）来给大家造出点GPTs尚无法替代的搞钱理由，当然还有更激进的人（也可能不是人）反问为啥一定要用人来创造需求呢，能不能让GPTs作为虚拟世界的agent自己创造出需求呢？
也许以后的文化产业是这样的：Netflex GPT矩阵根据网络趋势数据自动编写剧本，用Text2Video生成影像，用HeyGen配音，社交网络自动宣发，然后被GPTs影评机器人观看并在推特上自动点赞转发，最终被Netflex的网络趋势程序追踪到，刺激下一批AIGC影视的生成。
没有比这更高效的经济循环了，永远不会有需求不足的烦恼，所有的GPTs都满满，work hard and play hard，24小时不停扮演设定的角色，为GDP数字的增长做贡献。欢迎来到没有人的美丽新世界？
