导读
壹 ||初级画师画一幅商业插图需要3-5天，而AI只需要几秒钟，一名初级画师的月薪4k-8k，一个Midjourney（一款流行海外的AI绘画大模型，可以文生图、图生图）专业套餐60美元/月。
贰 ||产业中具备垄断地位的大型企业，会采购行业大模型进行私有化或自研大模型，成本高、训练周期长，本身行业模型技术还有待完善，这类企业对AIGC也会更加谨慎。还有一类企业因政策不明朗而选择观望。
叁 || AI背后有个巨大知识库，只有具备专业知识才有能力调动它。
肆 || 对Prompt的掌握程度也极大的决定了人们能够利用AI的能力，觉察先机的人开始学习这个技能。
因为AI，李梅（化名）连续失业了两次。
“很遗憾，本月6号记得来办公室办理离职手续，祝你早日找到满意的工作”。2023年5月初，深圳一家艺术概念设计公司引入AIGC（生成式人工智能）两个月之后，开启了一轮原画师的裁员。
李梅是其中一位，她毕业于江西科技师范大学美术学院，是一名工作4年的画师。据她所说，公司美术原画组10人裁掉8人，剩下2人被降薪，工作内容从原创画图，变成AI出图之后精修和品控，仍然完成10人的工作量。其他项目组画师被要求学习AI工具，并纳入考核。
被裁员后，李梅加入了一个小规模的创业团队做平面设计师，老板要设计一款游戏App，需要9张卡牌，每张卡牌对应设计一幅插画酬劳1000元，共付9000元。
她还没画完就被老板解聘了，对方的理由是项目赶进度，决定采用AI绘图。
ChatGPT问世至今，舆论对AIGC（生成式人工智能）的关注有降温之势，似乎这只是巨头间的竞赛，离普通人尚且遥远。但实际上，它正逐步被中国的企业主引用，并正悄悄引发了一轮人力变动，一些画师、新媒体运营、销售等白领群体正因AI失业或被调岗。
冲击首先在内容创作行业。打开招聘软件，一些企业正在招聘AI画师、AI视频剪辑、AI绘图岗位，地铁站内的海报、商品的广告图已经开始由AI生成。生命科学、金融等更为专业的领域，引入的步伐也在加速。
紧张的经济环境迫使企业老板加速引入新技术。ChatGPT、Midjourney为代表的AIGC工具具有普惠性和易用性，还能替代一些初级白领的工作，这就像他们的一根“救命稻草”。老板们尝试在原有的流程中寻找到应用AI的空间，但又担心在技术不完善、形势不明朗的阶段，会“步子迈得太大”。
当一个看似遥远的前沿技术突然“逼近”自己，有人产生了抵触，有人为接纳这一个新的生产工具，开始学习Prompt(提示词)技能以便驾驭这一工具。不知不觉中，AI替代又创造了一些岗位，老板和打工人陷入迷茫也迎来机遇。
AI逼近打工人
“我好像被AI杀死了。”连续经历两次失业后，李梅说。
初级画师画一幅商业插图需要3-5天，而AI只需要几秒钟，一名初级画师的月薪4k-8k，一个Midjourney（一款流行海外的AI绘画大模型，可以文生图、图生图）专业套餐60美元/月。
工作中，画师要和客户多轮沟通、修改，而在Midjourney的对话框中输入一句话，如“我要一个穿上宇航服的猫在太空吃馅饼”，或者拆解成“littlecat，in aerospace suit，eating pies”（小猫、穿宇航服、吃馅饼），“sharp focus”（聚焦）等多个Prompt（提示词），就能得到同样水准的作品。
从绘图质量、绘图效率、成本上，一个初出茅庐的画师和AI根本没法比。工作流程上，策划和画师之间需要反复沟通，现在变成了策划与AI、画师与AI沟通。
李梅说，公司先让员工自使用，后来全员培训使用 Midjourney以及Prompt技能，她不太愿意主动学，很多人也还故作镇定。
直到发现公司把一部分画师的图喂给AI，以便得到基于这些画师风格的作品，或将画师修正的图收集起来返给AI学习——“图生图”是这类大模型的基本功能，不断给模型喂图，模型通过自学习在此基础上反馈新图，这种交互方式正在变得普遍。“它的能力一点不亚于人类，我们都惊呆了。”李梅说，如果喂一些画师的半成品，它对光影、线条等细节的完善也非常到位。面对AI很多同事心态失衡，但画师作品的版权是属于公司的，大家也没好说什么。
一览科技CTO陈锡言表示，目前AI的能力越来越被行业承认，它所做的绝不是一些琐碎工作，而是一些精致、具有创意的事，但让AI更加强大的前提，是它背后的操作者要更有想象力和创造力。
商汤智能产业研究院院长田丰对记者表示，AI在短期内会对一些内容创作岗位的技能产生影响，以画师为例，初级画师多从事相对简单的基础性工作，很容易被新生产力工具所融合，完成高级设计工作的资深画师则是项目工程的指挥官，复合型技能人才较难被取代。表面上是影响了职业上升通路，其实是改变了入门的方式，未来的画师既要学画画、也要学会使用AI。AI的本质不是淘汰人力，是革新人的生产工具。画师从用笔、用软件再到用AI，是一种工具的进化。
李梅表示，通常一个画师需要三年从初级升中级，再过三年升高级，当初级画师失去了上升的通道，没有实践机会又如何做到资深，身边一些人已经考虑转行了。
老板的选择
张远（化名）是一家中小ToB企业的管理者，公司主要从事研发和销售工业软件的业务。他计划为公司做两件大事，一个是降本增效，一个是引入AIGC。“打算用AI把公司每一项业务重做一遍，结果做了一次大调整”。
公司有个4人小组负责新媒体运营，培训一个月后，从中选出了一名资深运营留下，剩下三名普通运营人员被优化了。现在的工作是一名运营人员+大模型（ChatGPT生文，Midjourney生图），人负责出创意、对接客户，机器负责执行。在张远看来，实践出来效率一点不低。
先将数据喂给AI大模型，然后生成定制化的内容，照此原理，大模型也可以生成客户方案和标书。于是张远瞄准了销售助理。该岗位的工作就是帮助销售写方案和标书，经过对销售的培训后，他又优化了几名销售助理，每个业务线只留一名销售，白天跑客户，晚上用ChatGPT写方案、写标书。
张远内心的想法是，销售也可以优化，因为ToB公司客户少、关系稳定，客户交给管理层来对接，可以雇一名应届生专门操作AI，但考虑到员工情绪，就让销售留下了,“这次降本增效优化这么多人，也是管理层没想到的”。
张远对记者表示，在优化人员之前，从制度上要求全员学习大模型提示词，但他发现很多人对新技术还是很排斥、不爱去用，除非触及自己的利益。
作为一站式视频解决方案提供商，一览科技开发了多款赋能视频创作者的AIGC工具，并将这些工具在公司内部的各项业务流程中应用实施，同时进行了全员提示词培训。
谈及落实AIGC工具的过程，一览科技CTO陈锡言表示，“我看到了员工内部的分层，有的人用得顺手，有的人不顺手，这是一场变革，那些不会用AI的注定了要被会用AI的人替代掉”。他衡量人才的眼光也在变，并考虑提高对员工工作效率、平均产出的要求，他认为未来很多企业主会提高绩效标准，按照“人+AI”的标准去考核。当然他也在犹豫，“现在是变革阶段，不可以‘一刀切’”。
寒冬下更多企业缩减广告支出，以动画传媒为主的内容创作行业普遍收缩，一方面减少外包公司的使用，一方面通过绩效来减员，画师是这个产业的最小单元。
优化一批人员之后，张远也在反思“步子迈得太大了”，打工人的不满情绪也是一种应激，AIGC的本质并不是替代人力，或许是经济环境让一部分企业主变得激进。AIGC是非常普惠性的，市面上的通用大模型只需要很低的月租费，有的甚至是开源的，它们对企业主就像一根“救命稻草”。
张远认为正常的路径应该是全员培训、赋能业务，让所有人换一种新的角色上岗，把所有产品用AI重做一遍。
张远企业是整个链条上*引入AIGC的，客户、供应商对此都很感兴趣，“但是大家有个矛盾心理，既想为公司增加一个AIGC的概念，又不想让外人知道究竟用AIGC做了什么。”张远说。
360集团创始人周鸿祎对经济观察报表示，从网络安全的角度考虑，企业在使用大模型时“一开始步子可以小一点”，不要向它开放API，坚持“人在回路”，让人的意志在决策上起关键作用。
周鸿祎表示，整体上看，企业从数字化到智能化要分多步走，建议坚持从松耦合到深度融合、多步迭代的策略原则。希望企业在使用大模型时先开启“助手”和“副驾驶”模式，让大模型与现有的业务系统保持相对独立，保持隔离度，对企业来说也更安全可控。
科锐国际业务总监杨朔对记者表示，不同企业主对引入AIGC持不同态度，这与企业的业务形态、产业地位有关。在AIGC刚开始出现的时候，很多人还是抱有开放态度，但随着不断地深入了解，也有一些趋向保守谨慎。比如内容创作类工作、创意工作，更需要广度和发散程度，往往是其业务对AIGC容错率较高；生物基因、医疗、金融的企业主相对保守，这些业务容错率很低；尤其在一些商用的场景关键点上，企业主不敢轻易尝试。
杨朔表示，另外，产业中具备垄断地位的大型企业，会采购行业大模型进行私有化或自研大模型，成本高、训练周期长，本身行业模型技术还有待完善，这类企业对AIGC也会更加谨慎。还有一类企业因政策不明朗而选择观望。
驯化AI
“打不过就加入。”失业后的两个月，李梅每天在家研究几个AIGC工具，比如 ChatGPT、Midjourney和Stable Diffusion，买账号、学相应的提示词。这些来自OpenAI等海外科技公司的AIGC工具，月租费不高，有的功能免费开放、不限使用次数，对硬件的要求也不高，普通显卡上就能跑。
国内也研发了文心一言、讯飞星火、通义千问、商汤“商量”等大语言模型，对标ChatGPT，商汤还研发了“秒画”对标海外Midjourney。“与AI交流真得不难，只要摸清楚提示词的规律，简单调一些参数值，代码都不需要会。”李梅说，按照以往画师的步骤，从草稿、线稿到色稿，有了AI，可以直接跳过一些步骤到成品，再精修，也可以省略其中某个不擅长的步骤，让AI帮你补全，大幅提高出图效率。
李梅对AI的“驯化”分了三步。“一开始，我成了AI的修图师、质量检查员。”李梅表示，人类用Prompt表达需求，AI可以给出一个短平快的结果，它画更像是基本功扎实、缺乏个性的“网红脸”，这也是为何AI可以短时间内替代一个初级画师的原因。
第二步，李梅把自己的作品喂给AI，反馈的是带有她风格的精细作品，熟悉的人也无法辨认出作者是机器还是人类。李梅认为，这个阶段，AI成了她的合作伙伴。
第三部，李梅出轮廓和创意，由AI来实现。有一次她将某两个不同国家、不同时代的画家风格结合起来，做一张爱因斯坦的画像，审美价值远超以前。相比之下，一个不懂美术史的人，只能用AI画出爱因斯坦骑自行车、摩托车、玩滑板、滑雪。
陈锡言表示，很多人是因为想象力不够，想象力的基础就是具备足够的专业知识。AI背后有个巨大知识库，只有具备专业知识才有能力调动它。
李梅说，心态从观望、失望、绝望到重新找回一个平衡。从辅助AI到与其合作、再到尝试驾驭AI。下一步，她准备重回人才市场，应聘AI画师、绘画提示工程师的岗位。
新的技能，新的机会
刚使用ChatGPT、文心一言、通义千问的人往往有这样的感受：AI不能一键给你一个*结果，输入的指令与所得反馈之间总有差距，所以有人质疑AI是“一本正经胡说八道”“人工智障”，或者仅当作一个搜索引擎来用。但是Prompt的流行让更多人意识到：不是AI不行，是你不会用它。
Prompt，提示词，是指ChatGPT等通用及行业AI大模型设计和完善提示词指令，以确保其输出的结果符合人类的期待。
如果AI是一种新的生产工具，Prompt就是人类驯化这种工具的技能。就ChatGPT等大语言模型来说，交互方式以对话框输入为主。所以，这种技能看似是陪AI唠嗑，不断向AI提问，本质是把人类语言翻译成AI语言，弥合AI语言和人类语言之间的鸿沟，它也是人机交互的“最后一公里”。
比如，人类语言是一句主谓宾完整的话，但拆解成“任务”“主体“”细节”“形式”几个Prompt，机器更容易理解；比如机器不是抓关键词，而是依照概率对你的所有指令进行预测，你也要按照重要性给提示词排序。
对Prompt的掌握程度也极大的决定了人们能够利用AI的能力，觉察先机的人开始学习这个技能。
4月起，以吴恩达为代表的OpenAI功臣是联合出品ChatGPTPrompt提示词课程，国内百度等大厂也做了相应公开课。提示词工程不局限于大语言模型和绘图模型，一些垂直领域的大模型也需要以提示工程对它进行训练或调教，例如在生物医药、金融，由于数据从语言变成了专业知识，Prompt技能的门槛也更高。
田丰表示，如果一项业务要用AI来改造，需要软件工程师将人类需求转化成编程语言，中间需要2到3步，如今AIGC大幅降低开发和使用AI的门槛，人类用自然语言而非计算机语言去描述任务，人机交互只需要一步。
Prompt工程师正在海外兴起。海外机构Resume Builder表示，29%的公司希望在2023年聘请提示工程师，在员工超过250人的公司中，27%的企业*表示他们希望雇用10名以上的快速工程师。就该职位的薪酬而言，近四分之一的企业领导人表示起薪将超过20万美元。对于员工超过1000人的公司的商业*，17%的人表示起薪将超过30万美元。
招聘市场也有这些人的影子。记者从BOSS直聘、猎聘等平台发现，国内已有互联网大厂、AI大厂等科技公司以及医疗、视频动画、金融财险等传统公司招聘该职位。和算法工程师、软件工程师的AI相关职位相比，招聘量不大，月薪有35k-45k，也有8k-10k，一个共同要求是熟练使用国内外AIGC工具，以确保AIGC能够满足特定业务场景需求进行高质量输出。
杨朔表示，相比海外，提示词工程师在中国尚未形成一个规模化的群体，作为AIGC早期的*批工程师，他们的职业轮廓还不够明晰，在人才市场上明确的薪酬范围暂未统计。
杨朔表示，简单说，这是既懂提示词又懂业务的一批人，核心价值不在于提示词技能，在于贴合业务，真正非常有竞争力的提示工程师一定是具备跨界能力的。杨朔进一步解释，他认为的提示工程师有两种场景，一类是业务驱动（90%懂业务+10%对于技术的好奇心与学习意愿）；一类技术驱动（90%的技术能力+10%对于业务强烈的了解意愿和动机）。
在一些垂直领域，Prompt需要更多专业能力。
百图生科是一家生命科学平台公司，其AI大模型“xTrimo”可以根据用户给定的参数和功能，给出各种蛋白质、细胞功能和疾病场景下的解决方案，以帮助来自高校、药企的生命科学研究者提升研发效率。作为大模型研发方，团队也在做提示词技能的培训并招聘相关人才。
百图生科CTO宋乐表示，相比ChatGPT的人机对话，生命科学大模型的人机交互难度显然更高，它的提示词不仅有人类语言，还有英文和字符组成的蛋白质序列，而且要输出多轮指令才能让AI生成一个完整蛋白。
宋乐表示，目前，研发者需要以提示词工程来训练大模型，让机器生成的内容和人类的指令接轨，从而降低人机交互门槛。为此公司还研发了一款蛋白生成编辑器，尽可能将业务侧的语言翻译到机器侧。
杨朔表示，当前细分场景AIGC需要解决的核心命题是，如何把一些垂直场景中非常结构化的语言体系、方法论知识，转变成能够被提示词所沉淀下来的内容，比如参数调优。
这里的提示工程师，不仅仅是玩转几个大模型那么简单。在宋乐看来，该领域的提示词工程师要既懂生命科学又懂人工智能算法，在人才市场非常稀缺，这也是很多雇主开出高薪的原因。公司目前主要是内步培养，同时招聘生命科学和算法工程师两类人才，合作开发，打造一个交叉学科的团队。
当然提示词不是*的，“咒语”也会失灵。
杨朔表示，随着各行业引入AIGC，或许提示词工程师这个职业会消失，因为当各行业的业务人员都能够掌握提示词工程，它将变成一种基本技能。就像李梅刚开始背一些经典提示词，是为了复刻大师的创意，但她最终要自己用创意驱动AI的数据库。
田丰表示，提示词是操作AI的基础技能，不要过分夸大它的作用，它只是AIGC时代人机交互的一个接口，随着海内外研发者的努力，大模型会逐步提升人机交互效率和开发效率，提示词的功能也会弱化。同时，随着产业需求的演进，提示词的效率和专业性也会越来越强，和目前普及的基础能力有所区别。
田丰认为，AI的本质是数字化转型过程中的新一代生产力，不会产生太多全新的职业，会在各行各业催生出掌握新生产力工具的传统职业。
杨朔表示，未来很多新职业并非一个全新工种，而是AIGC赋能了人才的广度和宽度后，打开了很多传统岗位的能力的边界，比如销售和售前融合，产品经理和营销融合，记者和编辑融合等。
田丰表示，目前大部分AIGC工具都是“点”功能，帮人写一封邮件、一张画、一段音乐等，市场用户则需要全套开发环境，需要total solution。下一步，AIGC工具正在协同对接融合，由点到面发展，逐步规模化、工程化、自动化。模型之间会形成标准化的协同网络协议、接口标准，像汽车全自动生产线一样，人类迎来全网模型协同的时代。
