麦肯锡报告：AI对部分行业冲击最大，变革已悄然来临

AI时代正式到来，人工智能更是被首次纳入企业裁员理由，而或许AI引爆的裁员浪潮才刚刚开始。2024年11月30日，咨询机构麦肯锡发布了一份题为《生成式人工智能的经济潜力》的研究报告（详细内容请参见麦肯锡官方网站）。在报告中，分析师们通过对47个国家及地区的850种职业（全球80%以上劳动人口）的研究，探讨AI技术对全球经济的影响，以及哪些行业受到的冲击最大。

AI取代人类工作的时间大幅提前

根据麦肯锡的研究，通过对47个国家及地区的850种职业的研究发现，AI取代人类工作的时间比此前预测提前了10年。在2030年至2060年间（中点为2045年），50%的职业将逐步被AI取代。这一变革将重塑劳动力市场并对全球经济结构产生深远影响。

AI对不同工作群体的影响

全局上看，AI对各行各业的发展有利，但对个人而言，尤其是高薪、高学历的脑力劳动者将面临巨大冲击。前几代的自动化技术主要涉及数据收集与处理，对知识工作者影响较小，但生成式AI的出现，使得知识工作者的角色和任务与大语言模型(LLM)正好适配。因为大语言模型从根本上是为了完成认知任务而设计的，与2017年相比，其在专业知识的应用能力增加34个百分点，自动化管理和培养人才的潜力从2017年的16%上升到2023年的49%。许多涉及沟通、监督、记录和与人互动的工作都有可能被生成式AI自动化，这加速了教育工作者及从事创造性劳动的白领工作的转型。

对于低薪工作而言，人工成本低，原本自动化的好处不明显，并且从事劳动活动的低薪职业很难自动化，比如采摘娇嫩水果。然而，由于生成式AI在技术自动化方面的进步，这些以前被认为相对不容易被自动化的工作将受到最大的影响。

生成式AI价值增长集中的领域及原因

生成式AI带来的价值增长主要集中在四个领域：客户运营、营销和销售、软件工程以及研发（约占75%）。

在客户运营领域，生成式AI可以通过自动化客户服务，例如智能客服机器人能快速解答客户常见问题，提高客户满意度。在营销和销售领域，生成式AI可以通过生成个性化广告来提高营销效果，比如将生成式AI应用于生成个性化电子邮件等创意内容，还能更好地定位客户群，营销职能部门可以将资源转移到为自有渠道制作更高质量的内容，可能会减少外包的支出，除了对生产力的直接影响外，还将产生连锁反应，将销售生产力提高3%到5%。

从软件工程来看，生成式AI约直接影响每年软件工程支出的20% - 45%。这一价值主要来自于减少某些工作的时间，如生成初始代码、代码修正和重构、根本原因分析和生成新的系统设计。一项研究发现，使用微软GitHubCopilot的软件开发人员完成任务的速度比不使用该工具的人快56%。麦肯锡对软件工程团队进行的一项内部经验性研究发现，那些经过培训后使用AI的人生成和重构代码所需的时间极速减少，而且工程师普遍认为工作体验得到改善，称其使工作更快乐、流程更方便和更容易获得成就感。在研发方面，以生命科学和化工为例，人工智能可以更快地产生潜在的分子，加速开发新药物和新材料的过程，这可能会使制药公司和医疗产品公司的利润增加多达25%。

受冲击最大的行业

银行业、高科技行业和生命科学等行业所受的影响将最为显著。仅银行一个行业，就有可能通过提高生产力额外产生2000至3400亿美元的产出，相当于营业利润增长9%至15%。新技术提高了这些行业的客户满意度、有助于决策制定并通过更好的监控减少欺诈等。

AI对全球经济的潜在贡献

AI每年可为全球经济带来2.6万亿至4.4万亿美元的增长，生产力提高0.1% - 0.6%，这一增量基本相当于英国一年的GDP（2021年为3.1万亿美元）。

麦肯锡的这份报告为我们揭示了AI技术对经济的潜在影响，也提醒我们关注这一变革对个人和行业的深远影响。随着AI技术的不断发展，我们需要重新审视和规划未来的职业道路，以适应这一新的技术革命。同时，政府和企业也需要积极应对AI带来的挑战，通过政策调整和技术创新，确保这一技术变革能够为社会带来更大的福祉。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【 保证100%免费 】