“最强AI模型”一夜间易主。
3月4日晚，OpenAI最大对手之一Anthropic推出自研大模型Claude的第三代版本，按能力由弱到强分别包括 Claude 3 Haiku、Claude 3 Sonnet和 Claude 3 Opus，其中Claude 3 Opus在14个性能指标下超越GPT-4、谷歌Gemini等一系列模型。
从Gemini、Sora到Claude 3，2024年仅过去两个月，AI大模型仿佛成了“科技赶海”圣地。
海外巨头奔跑在一个快速迭代的道路上，不会完全停下等待大家追赶，混战愈演愈烈。
根据国际数据公司IDC预测，全球AI计算市场规模将从2022年的195亿美元增长到2026年的346.6亿美元。其中，生成式AI计算市场规模将从2022年的8.2亿美元增长到2026年的109.9亿美元。
大模型的竞争，当下被看作是国家间竞争最重要的科技高地之一。
自2023年3月，百度率先发布文心一言，国内各科技巨头、高校、研究院等纷纷发布自研大模型。从数量看，国内大模型发布数量与美国差距不大，但就影响力而言，国内大模型并未产生全球现象级爆款。中美大模型竞赛下，大模型江湖已分成两大分支。参数派追求“更大更强的AI能力”，应用派主张将“足够的AI能力”投入可变现的商业应用场景。
人们渴望中国产生ChatGPT式革命性应用背后，是中国AI大模型产业新一轮机遇和挑战。
日前，《财经》新媒体与猎豹移动董事长兼CEO、猎户星空董事长傅盛，清华大学新闻学院教授、博士生导师沈阳进行了一场对话，沈教授也是国内研究人工智能、大模型的前沿学者之一。我们从中探讨了三大问题：中美AI大模型的差距是扩大还是缩小了？走出追赶GPT-4的目标，国产大模型新机会在哪儿？AI如何重构人类世界？
以下为访谈节选。（为方便阅读，作者进行了文本优化）：
“事物一旦确定，
可以通过加班解决，
美国人应该比不过中国人”
《财经》新媒体：两位如何看中美之间的AI大模型差距，中国有何优劣势？
傅盛：这一轮大模型的出现，与其说是技术积累的胜利，不如说是技术信仰的胜利，更可以说是走差异化路线的胜利。基于人工智能的同一根基，中美的大模型差距没有那么大，中国在算法上略逊一筹，在应用上更好一点。OpenAI选择了一条差异化的路线，从AI技术路线上走出了一个新分支，从这个角度说，中国在这条路径上晚了一两年时间。
此外，OpenAI这条路是否一定能走通，就算走通了是不是唯一道路，今天业内还在讨论。因为千亿以上参数大模型的算力消耗十分惊人，所以，已经有人在考虑能不能用更小的参数，甚至一些应用领域不需要这么高的技术，而满足生产生活的需要，这就是今天开源的这一块。目前中国更切实际的做法是：少数企业去复刻OpenAI，更多企业在小参数下做应用。可能平民化的东西更有市场，更能改变世界。
沈阳：从0到1的创新，大多数是个别人或者少数人的创新。个人觉得在不确定性中的创新，美国强于中国，而事物一旦确定，如果可以通过加班解决，美国人应该比不过中国人。所以，在比较确定的人工智能某些板块，中国跟美国的差距会缩小；在不确定性的板块，差距可能会拉大。
比如，比尔·盖茨认为当前生成式人工智能已经接近极限。但是如果再加100倍算力，可能还会有新的智能涌现，也可能会让机器变傻了，这种不确定性方面中国要追赶美国存在难度。但是，中国现在已经做了百亿、千亿参数的模型，也有很多应用场景，如果把模型用到各行各业，凭借中国在中低端制造业全世界第一的地位，肯定比美国更深入。
《财经》新媒体：AI大模型是全球科技竞争的焦点，也是中美科技博弈和战略竞争的必争之地。在AI大模型不断迭代的当下，两位焦虑吗，该如何理性思考？
傅盛：中国社会经过几十年发展，已经从野蛮生长期进入真正追求创新的范式转换，但很多思维方式还未转变，这是中国社会的焦虑。我个人焦虑是因为当时猎豹抓住很好的机会出海，变成上市公司，并开始投资AI。但没想到由于国际形势变化，公司在美国的很多业务受到影响，那时候你要做创新，大本营却在失火。
到2023年，我反而不太焦虑。一方面是发现一定要从自己内心寻找力量，另一方面是大模型出现后，公司专注在这条线上做出Orion-14B百亿参数大模型。我也相信大方向一旦确认，不是只有拼算力才能做成。今天已经非常明显，在现有技术框架下，很多人在追求参数越小越有智能，这条路也走得通，其实我们对算力的需求也不需要那么快。
沈阳：焦虑一方面是美国制造的卡脖子等问题；另一方面是从近代史以来，中国人普遍有要做世界第一的梦想。但是大家要心态平和下来，因为第一不是完全靠追赶就能追过来的，是需要在放松情况下具备创造性和想象力，第二只要follow别人就行了。
《财经》新媒体：目前全球已经出现很多AI大模型应用，中国还没看到像Midjourney这类应用火爆全球。问题主要出在哪儿，什么时间节点可能会出现这类国产产品？
傅盛：硅谷对AI的信仰比我们强，中国的技术风向在过去几年转了很多，一会元宇宙，一会AI，大家总是相信好像砸钱就能砸出来，没砸出来就说明这件事不行。我觉得很多创新是从应用生长出来，今天应该重新去思考，相信从用户端出来的、小团队熟悉的路径。
沈阳：Midjourney主要因为它是闭源，所以算法没有公开。互联网有个特征，只要有开源算法，大家水平基本就一致。如果没有开源算法，技术创新扩散的速度就比较慢。所以在某些非文本领域，像图像类、决策智能等，闭源公司刚开始会走得更快一些。
从教育角度看，技术产品的多元性来自技术思想的多元性。在高校里面，如果大家想法都不是这么完全一样，同时技术思想的多元性可以得到资金保障，硕士、博士离开高校时很容易就具备多元化产品的设计和创新能力。所以希望技术思想的多元性在社会的宽容度高一些，这样才会有比较蓬勃的技术产品发育土壤。同时任何一个技术思想变成产品，都需要大量能容忍风险的资金和资本保障，这一点其实在2018年后比较弱了。
“OpenAI的最大竞争对手
有时不是其他AI公司，
可能是微软”
《财经》新媒体：傅总聊到过一个话题“什么是OpenAI的阳谋”，当你把合同、财务、业务数据等公司机密都传给ChatGPT时，或许并未意识到每一次使用ChatGPT，都是在帮OpenAI提升模型智商。正如GPTStore的发布，可能会让众多初创公司一夜暴毙。两位如何看数据让渡的话题，不想让渡的情况下是不是也有一些机会，两个路线哪种可能走得更远？
傅盛：科技发展环境一直存在中心化和去中心化的博弈，出现一个很大的平台想要拿到更多数据，然后更多草根出来反抗。过去十几二十年间，大公司的平台化能力越来越强，包括谷歌、Facebook的数据自我迭代都很强。但在大模型时代，会出现很多私有化大模型，个人也许可以让渡数据，但作为企业，会因顾及数据丢失风险、法律问题等不太容易让渡。
硅谷很多较大的公司现在都在自己训练大模型，如果训不了就让别人帮它私有化，不会用公网的大模型，因为对中大型企业而言法律安全第一。而GPTStore未来能不能通过个人开发者贡献更多能力？也许多少会让OpenAI长得更大一点。但GPTStore在企业端可能不会有太大发展。考虑到财务数据泄露等风险，比如我们，在对内部员工使用类似GPTStore的大模型服务上，也有严格限制。我认为GPTStore更多面对个人和特别小的开发者，中大型公司不太需要或者会非常有限度地使用。
沈阳：中国人对数据的利用跟欧美人思想观念不太一样，中国人可以让步比较多的个人隐私用于公共治理，欧美在文化上不太具备。此外，集中化的互联网运营模式效率更高，但完全去中心化给人的感觉是更加自由。
整个大模型部署目前至少有三种形态，一种形态是用公共的，任何数据都可以往上放；第二种形态是用私有云部署；第三种形态是完全离线，在内网里单独运行。在中国，第三种形态会有很大需求量。所以不同厂商的需求不太一样，这种多样性造成整个互联网生态的多样性。
另一方面，OpenAI的最大竞争对手有时不是其他AI公司，而可能是微软。因为微软的云服务收入很高，可能微软部署To B的这些应用，就把这部分业务拿走了。目前OpenAI在C端市场比较强劲，但它面临一个巨大挑战，一旦原来有流量的互联网巨头开发出跟GPT-4或者未来GPT-5性能相近的产品，流量可能就天然被吸收过去。像剪映上的一些人工智能功能，其实对很多小型创业公司影响很大，在这一点上生态博弈比较复杂。
《财经》新媒体：沈教授提到微软可能是OpenAI的最大竞争对手，怎么看二者的竞合关系?
傅盛：大模型和云有很大不同，云是规模越大单位成本越低，大模型是参数越高单位成本越高。我认为企业私有化模型会是主流，除数据安全外，私有化一个百亿参数大模型的成本也低很多。微软现在用OpenAI的功能满足需求，等需求慢慢摸清后，用个几十亿参数模型可能就替换掉了。
沈阳：微软是股东，但它也赚这个市场的钱。Windows系统在全球有十几亿台的装机量，一旦大家都用上微软的人工智能助手，其实就不需要到GPT-4的原始网站上进行访问了。其次，微软自己也想干高性能的、参数不太大的大模型里的小模型。这种情况下从微软角度思考， GPT-4也算它一条腿，还可以有一些平替方案。
这也是人类的两个AI大模型路径。第一，人类需要极端聪明的大模型。现在人类有很多难题没解决，比如怎么治疗癌症，怎么治疗艾滋病，怎么把量子计算核聚变搞定，这些必须要比现在智能程度高很多的人工智能才能彻底解决。人类一定会向对万亿、十万亿、百万亿的大参数模型努力。我们最近做过分析，超过爱因斯坦后还有十多级的智商提升空间，所以这是大方向之一。
第二，一定是让世界上多数人都能用得起的AI。它一定是推理成本尽可能低，但也可以通过模型跟模型之间交流，甚至可以从巨无霸模型里吸收一些养分，然后低成本地进行服务。这两条道路，都需要非常优秀的公司来做。
“AI可以把所有现象输进去，
不需要给它中间桥梁，
它就能把这个桥梁架出来”
《财经》新媒体：您怎么看AI对世界的重构，哪些领域可以最先实现比较好的AI大模型商业模式？
傅盛：今天各行各业已经统一到计算这个尺度。为什么说2023年是科技奇迹年，AI的出现一定会变成所有科学底层的东西，它不是一个独立的垂直分类，可能重构物理学，甚至重构所有科学，可以用端到端的计算完成整个范式的重构。
比如“F=ma”是牛顿第二定律公式，我们是把很多现象总结出一个公式，再推到更多的现象，本质是提炼压缩再淡化。我们为什么要中间这个“F=ma”，因为我的脑子只能接受一个比较简单的规则。但是今天AI可以把所有的现象输进去，不需要给它中间桥梁，它就能把这个桥梁架出来。
在很多领域，比如天气预报大模型，以前中间有很多公式，每个公式都是一次信息流失。但今天谷歌的天气预报大模型把中间公式省略了，中间有一些人类可能看不懂的规则，但就能得出更好的天气预报。DeepMind之前也是用蛋白质预测模型，结果快速预测蛋白质结构，破解了生物学难题。
沈阳：人工智能有一个特点，就是权威、全知和全概率，所以我最近提了一个哲学观点，叫任意有。只要脑子里想得到的知识和体验，告诉AI后它能描画出来，这就是任意有。所以我们会看到AI创造了一个新的意感世界，把人类认知扩展非常多，每个人把自己的认知外包给AI，相当于每个人都可以外挂一个buff，这是这个时代非常幸运的地方。
原来的哲学理念叫天人合一，我们最近谈的叫天人智一，就是天、人、人工智能三合一，回归到人本身能力的提升、生活状态的改善，关注特别多的是人如何在AI帮助下培育自己的超能力。我们特别期待的是如果有一个AI，它有具身智能，像人一样感知整个天地宇宙的一些参数，这时它能不能自发地发现物理规律和定律。如果能够发现甚至超越爱因斯坦的思考，人类文明程度可能会提升一大截。比如能做到对暗物质能源的利用，获得比核聚变更强大的能源，有没有可能就可以穿越到其他星系，这种可能性我们现在不能排除。在研究人的超能力培养过程中，我们希望有了AI后人类能做以前不能做的事，而不仅仅是量的变化。
从落地角度而言，我最近不太研究简单任务，比较关心的是复杂任务的AI替代，这对生产力提升比较有帮助。在AI教育，简单任务替代，包括绘画、文本对答、翻译等领域，个人觉得至少有40%以上的生产力提升。我一直提倡我们能不能未来缩短工作时间，能不能对下岗人员提供一些社会制度保障，这样会进一步促进AI发展。
《财经》新媒体：两位都提到AI的预测功能很强，但傅总也曾提到AI目前很难推测出人们下一句话要说什么。如何理解这其中的差异？
傅盛：在大语言模型里体现出的语言推理能力与人相比尚有差距，语言的确存在着高度抽象和压缩的特点，我觉得这可能是今天人类智慧最后一点遮羞布，这方面AI可能还需要更强大，但这条路径它完全做得到。另外，在小数据量下做推理，比如画某一对象时它没见过就很难画，但人却可以通过想象力去画。以自动驾驶为例，最难的是突然出现一个从没见过的事情，人可以刹住车，AI就蒙了。所以特斯拉用图像的核心是可以不去依赖实际路况，而是生成很多数据，让AI学。
AI真正的优势是数据广度比任何一个人高很多，这种广度下开脑洞之类可以做得很好，因为它见的比人多，基本数据化的内容比人强。
沈阳：我现在经常用AI画各种各样的杯子，但没有真正用上一个我自己用AI设计的杯子喝茶，也就是说在真实世界里面做出一个杯子其实挺难，因为有各种物理学的限制。人类应用AI的过程中，面临的最大一个挑战是把AI已经设计出来的东西，转换成真实世界里能解决真实问题的东西。比如化合物抗生素，我们用AI可以找很多可能性，但哪一种能帮助解决癌症问题，可能需要大量实验。我们就需要用AI把过程压缩到最短，让尽可能多的人快速享受到AI带来的福祉。
《财经》新媒体：2024年对AI应用有何展望？
傅盛：第一，第一波真正的AI大模型应用端落地，一定是以企业应用为推进，以私有化大模型为核心。第二，超越OpenAI这件事2024年在中国肯定不会发生，但中国企业可以在应用端走出不一样道路。第三，CEO能不能用好AI是企业竞争力的关键。
沈阳：第一，我在2023年跟AI聊天超过1万次，2024年我定个小目标，看能不能借助AI本身跟AI聊天超过100万次，然后能产出新东西给大家。第二，我们认为2024年是多模态大应用元年，AI视频生成是团队要做的一个重点。第三，我们基于AI的多学科诊疗系统正在申请医学伦理审查，通过后可以直接进入一些医学场景做实验，期待能在医院中帮到医生和病人。第四，思考如何用AI给更多人科普，也希望2024年有更多人使用AI，提升大家的生产力。
