2024年9月13日，人工智能研究公司OpenAI发布了最新版本的o1模型预览。令人意外的是，这个号称能够解决大模型在数理逻辑方面缺陷和幻觉问题的重大更新，却并没能延续ChatGPT-4和Sora（人工智能文生视频大模型）的瞩目，公众的关注中多了一份谨慎和审视。

为什么不是GPT-5？性能是否真的达到了宣传中的效果？OpenAI的著名法则，“算”力出奇迹的ScalingLaw（缩放定律）是否已走到极限？相比ChatGPT推出伊始的势如破竹，一次次OpenAI新品发布不断发酵的却是逐步积累的质疑和猜想。经历最初的惊艳和狂热后，公众对于大模型技术和应用的潜力和未来了更多不同的声音。

与其他技术创新相比，人工智能技术似乎展现出更为明显的周期性，常常在公众和资本热度过后引发争议，甚至陷入沉寂。然而，历史证明，社会舆论和投资者预期的剧烈波动并不能真实反映人工智能技术的发展轨迹和内在价值。人工智能技术及其应用的突破，往往是在沉寂与质疑中酝酿并最终爆发的。

自工业革命以来，人类历史上出现过三次通用技术（General Purpose Technologies, GPTs）【注：此处的GPTs与OpenAI的GPT（Generative Pre-trained Transformer）不是同一个概念】，分别是蒸汽机、电力以及信息与通信技术（以下简称IT时代）。这三次通用技术引发了三次工业革命。现在有种种早期迹象表明，人工智能（Artificial Intelligence）将会是下一个影响人类生产生活方式的通用技术。

与普通技术不同的是，通用技术是指那些在各行各业中具有广泛应用，并能驱动整个时代的经济和社会变革的技术 (Bresnahan & Trajtenberg 1992)。简言之，通用技术具有三大特征：广泛适用性（广泛性）、持续改进的潜力（创新性）以及溢出效应/互补创新（增长性）。

对于当下人工智能的热潮，比尔·盖茨曾说，“我们总是高估未来两年的变化，低估未来10年的变革。”人工智能若全面渗透到社会生态中，势必将掀起一场巨大的变革，而当下仅仅是初露端倪。

要了解人工智能在短期和长期对社会经济的影响，不妨将其置于通用技术的框架内进行探讨，虽然我们无法预估哪些具体的商业模式将在人工智能时代诞生，但可以从百余年来三次通用技术的发展规律中得出有益的启示。

近年来，疫情、地缘政治冲突和战争让企业愈加重视供应链的重要性。为提升全球竞争力，企业需要提高供应链能力，具体包括供应链的快速响应能力、敏捷运作能力和韧性能力等。

“快速响应型供应链”从传统的推式生产模式转向由客户需求驱动的拉式生产模式，从而同时提高响应速度和减少库存浪费。相较之下，“敏捷型供应链”需要在快速响应前端需求的前提下，进一步在后端整合和灵活配置资源，实现柔性生产。“韧性供应链”则更进一步加强了对风险的关注，强调供应链在外部冲击下的恢复能力，例如通过多条供应链路来保障稳定供应。

此外，“绿色低碳供应链”成为最新的关注点。企业需要在产品生命周期的各个阶段，做好上述供应链指标（精益、速度、柔性、韧性）与碳排放之间的再平衡，以应对全球竞争中的环保要求。