清華大學電子系主任汪玉教授和產業(yè)界、投資界共話AI

記得當 Chat GPT 首次出現(xiàn)時，有人猜測這或許是 AI 的再一次「曇花一現(xiàn)」。

不過，了解科技爆發(fā)周期的人，會知道 AI 絕對不會止步于此。前日凌晨，Open AI 發(fā)布了最新杰作——GPT-4o。以其突破性的智能交互能力，徹底顛覆了我們對 AI 語音助手的認知。這不僅是技術的飛躍，更是人機交互歷史上的一大步。

在昨晚剛結束的谷歌 I/O 發(fā)布會上，谷歌攜新版 Gemini AI 大模型等產品，試圖在 AI 賽道上重新奪回主動權，在兩個小時中「吼出」了 121 次 AI。

現(xiàn)在，AI 已然成為科技討論的中心。

很多人都在關注，AI 的大戰(zhàn)中誰會勝出？做 AI 的創(chuàng)業(yè)者到底應該怎么做？技術爆發(fā)之下潛藏著哪些危與機？

今日，在「AI 創(chuàng)生時代——2024 甲子引力 X 科技產業(yè)新風向」大會上，金沙江創(chuàng)業(yè)投資基金主管合伙人朱嘯虎、獵豹移動董事長兼 CEO、獵戶星空董事長傅盛、出門問問創(chuàng)始人兼 CEO 李志飛、清華大學電子工程系教授、系主任、國家自然科學基金杰青、IEEE Fellow、無問芯穹發(fā)起人汪玉、摩爾線程創(chuàng)始人兼首席執(zhí)行官張建中。5 位涵蓋投資人、產業(yè)、專家的各具特色的嘉賓共聚一堂，圍繞著目前人工智能的現(xiàn)狀以及核心競爭力，一起探討中國 AI 的未來風向。

2024 年 AI 的整體趨勢變化是什么？

「更為平靜」是李志飛給出的關鍵詞。2023 一年中，新概念、新詞匯、新知識層出不窮。比如在 3 月份，作為業(yè)內人士的李志飛還沒有聽過 AI Agent 這個詞匯，但到了 4、5 月份所有人都在圍繞 Agent 進行討論。同時，行業(yè)不斷推出新的大模型，對于新的知識和討論非常熱鬧。今年來看，能夠讓人興奮的一個是 Sora，一個是人形機器人。行業(yè)感受更為平靜。

「卷」是傅盛認為的關鍵詞。2023 年 AI 訓練模型出現(xiàn)一次又一次，其中指標一個比一個高。前不久，GPT-4o 發(fā)布，很多人都認為非常震撼。但在 Open AI 并沒有發(fā)布 GPT5 或者 GPT 4.5，進行大模型性能的巨大提升，而是開始卷應用、工程化、成本。沒有持續(xù)提升大模型性能的背后，傅盛認為是算法的更新遇到了瓶頸。

「無限可能」是汪玉寫出的關鍵詞。他表示，高校中越來越多的年輕人，開始嘗試 AI。4 月，清華大學成立了人工智能學院。圍繞 AI 的兩個方面，AI core 方面包括算法的演進有很多企業(yè)都在進行升級；AI plus 方面，各行各業(yè)都開始動起來，想要找到 AI 在行業(yè)內的發(fā)力點。

「想象」則是張建中的關鍵詞。他說到：「貧窮限制想象。」大部分人都是貧窮的，對于創(chuàng)業(yè)公司來說，融資幾個億、十個億看似很多，但也無法支持建設算力中心。哪怕是 Open AI 非常有錢，但它的算力資源同樣不夠。因此，關鍵在于解決因為貧窮沒有資源，導致公司無法去試驗，無法去迭代的關鍵問題。

「商業(yè)化質量」是朱嘯虎作為投資人的關鍵詞。他認為，在國內創(chuàng)業(yè)不要過度追求技術問題，因為技術迭代非?？臁ｊP鍵是公司能不能達到商業(yè)化，產品交付給客戶。有很多「日拋」型的 AI 產品，正是因為沒有達到商業(yè)化要求，客戶在首次登陸后不會持續(xù)使用。因此，AI 創(chuàng)業(yè)中達到商業(yè)化要求十分重要。

未來 AI 流派：技術信仰派 or 市場信仰派

張建中認為 AI 的發(fā)展需要依靠的是行業(yè)和技術。行業(yè)先行，任何技術創(chuàng)新如果沒有行業(yè)，那么就無法商業(yè)化。先行行業(yè)可能是 AI 最新改造和加快創(chuàng)新的地方。AI 能夠在很多行業(yè)具有很好的商業(yè)化價值。

他舉例說到，早期的人臉識別，準確度在 60% 左右，在深度學習后能夠達到 90% 的準確度。再到后面，商業(yè)化落地后，人臉識別甚至比人能夠辨認得更加精準，人眼分不出的雙胞胎，AI 可以做到。

目前國內很難進行不考慮商業(yè)回報的研發(fā)，所以行業(yè)一定要先行。但行業(yè)先行有先天條件，需要跨領域、跨專業(yè)的人才。如果 AI 要在某個領域發(fā)展，那就需要既懂專業(yè)知識，又懂 AI 知識的人才。行業(yè)先行的背后，還是人才驅動行業(yè)發(fā)展。

「長期技術、短期市場」是傅盛給出的答案。先來看技術，技術正在改變社會的生產力、結構和效率。AI 對行業(yè)模式的影響肯定存在，因此傅盛還是樂觀看待技術。但是短期需要注意：技術并不是一個線性發(fā)展的過程。技術往往是一次突破帶來一波市場化應用，技術是階段性的，在真正落地的時候，不要相信技術每年都和去年一樣。

在 80 年代，機器人技術成本高于人工勞動成本的時期，將自動化產業(yè)變?yōu)槿斯な謩咏M裝的靈活生產，反而讓生產效率大幅提升。因此，創(chuàng)業(yè)者看 1-2 年的東西一定要和市場緊密結合。

此外，傅盛認為，在資源有限的條件下，才更能夠根據(jù)市場的需求進行創(chuàng)新。「資源陷阱」的意思在于，有時候過度迷信技術本身帶來的爆發(fā)力，而不計成本的投入，這反而會導致行業(yè)泡沫的破滅。所以，做 AI 的創(chuàng)業(yè)者應該更全面地去關注應用，關注市場如何從市場上拿到回報。

李志飛則認為技術和務實才能夠使得企業(yè)在 AI 的潮流中發(fā)展得更好。對于技術創(chuàng)業(yè)者來說，對于技術的信仰是隱藏在基因中的本能，但早期很多技術創(chuàng)業(yè)者會有誤區(qū)：太不務實了。打著理想的旗號回避現(xiàn)實的問題，比如做了很多產品，總認為使用了前沿技術，無人使用是用戶的問題。實際上，創(chuàng)業(yè)者多關注商業(yè)、多面對競爭，多了解技術是否是用戶需求，這方面才更加重要。

汪玉同樣給出了技術和商業(yè)兩條路。在高校中，對于技術的執(zhí)念是天然存在的。他分享的更多的是關于商業(yè)。行業(yè)總是在等待技術的突破后，期待帶來的一批商業(yè)化進展。因此「高?？蒲谐晒D化」頗受業(yè)內關注，但「社會信息輸入」被提及的少。關鍵在于高校教授、研究人員，能不能在早期的時候意識到世界上缺什么東西。研究出一個系統(tǒng)的技術方案，在理論上突破把事情解決?，F(xiàn)在從高校和商業(yè)溝通，再回到技術，這個路線的閉環(huán)還不夠快。

在企業(yè)中，能夠做 1-3 年的研究就已經很不容易了。但對于高校、研究機構，可以做 5-10 年的研究，因此如果把一些技術難題放到高校中，形成一個更良好的生態(tài)，還是需要業(yè)內一起努力的。

此時，黃仁勛最擔心的是什么？

汪玉表示，對于大模型來說，生態(tài)的出現(xiàn)使得曾經需要 2000 個算子，到現(xiàn)在可能只需要 200 個算子，因此 GPU 的需求會受到影響。原來，GPU 的性能很好，所有人都在討論對于 GPU 的需求。慢慢的，市場可以不使用 CUDA 只提供硬件。用插件的方式，所以底層到底使用什么芯片，其實不一定會有這么明確的需求。

李志飛表示，中國和美國有很多不同，從創(chuàng)業(yè)、選擇到路徑都有所不同。對于英偉達來說最大的 AI 營收，80% 還是來源于各個巨頭，因此最擔心的應該是巨頭自己干。比如 Mata、微軟、谷歌都在自研芯片。當模型的所有應用、價格都統(tǒng)一收斂后，大型公司會做一個性能差不多，甚至更便宜還能自己掌控的硬件。本質上，大模型投入是不是能配得上用戶的需求，這才決定算法收費是否可持續(xù)。

張建中表示，黃仁勛應該在擔心下一個 AI 的應用是什么？

一個雞生蛋還是蛋生雞的問題：到底是 Transform 在 GPU 中加速好，還是有 GPU 才有 Transform。生態(tài)是很重要的，所有東西都需要生態(tài)。他認為，有了 GPU 之后，Transform 才能發(fā)展的更好；同時有了 Transform 后，也在推動 GPU 的架構更好的改進?，F(xiàn)在，Transform 已經有了各種變化，那下一個是什么。

在大模型語言加速過程中，每一個小小的算法變化都是技術架構帶來了新的改進。對于通訊方面的要求，對于 scaling 的要求，都是改進 GPU 最好的地方。因此，如果有人問 GPU 是否能適應下一代未來的技術？答案是：OF course。此外，張建中表示，GPU 產品的迭代速度并不比大模型更慢，反而 GPU 架構的迭代也在加快。

黃仁勛或許認為，GPU 永遠不會失敗的，不會被替代別人替代持，傅盛對此持否認態(tài)度。他表示，整個 AI 行業(yè)都在朝著裁剪參數(shù)的方向靠近。谷歌發(fā)布了第一個搭載手機本地的大模型，作為演示谷歌當場識別了詐騙電話。也就是，把反詐騙 APP 裝在手機上了，這不需要消耗任何服務端的 GPU。這條路如果走通 10%，那 10% 的算力需求就會減少。目前，谷歌、蘋果都在做小參數(shù)模型。

另一方面，Open AI 也在把 Chat GPT 4 的構架精簡，在做推理優(yōu)化，省更多的 GPU。因此，當軍備競賽走到現(xiàn)在，一個巨大的趨勢是使用更小的算力、更低的成本，提供更好的服務。