2024外灘大會|
中國工程院院士王堅🙄：AI+的重點不是加什麼，而是怎麼加
本文是王堅院士在9月5日開幕的2024年外灘大會上的演講實錄🚐⛩。在題為《AI、AI+以及AI基礎設施》的演講中🏉，王堅院士分享了他對AI、AI+以及AI基礎設施的思考👨🔧。這裡有很多他個人角度新穎的洞察，值得我們花點時間仔細讀幾遍
一🏌️、精彩觀點
當今的人工智能與80年代初期人們所談論的人工智能，已經截然不同。當你無法創造出一個超越ChatGPT的產品時，至少有兩個因素在限制你。首先是技術層面，即基礎模型。其次是對于問題的理解深度，你是否能夠真正識別並深入該領域的問題，實際上這是最大的限制因素。
一旦討論到基礎設施🔪，我認為這是技術滲透的終極形態🪷。我們可以理解🍟，在人類發展史上，任何技術之所以能對人類產生深遠影響🩱，是因為它已經成為了基礎設施⚈。
數據是基礎設施的核心組成部分。數據不僅僅是模型的附屬品🐋💂🏿♂️，也不僅僅是計算的附屬品。只有當所有這些元素融合成一個完整的基礎設施時，我們才能期待那激動人心的創新時刻🧛🏼♂️。
當你觀察AI、AI+以及AI基礎設施時🦢，你會發現這個世界不僅在技術上經曆革命，在機制和基礎設施上也在經曆革命。沒有什麼比這三項革命同時發生更令人興奮的了。
二🏄🏻♂️、AI的過去、現在與未來
各位來賓，非常感謝有這次機會，把過去幾年甚至幾十年有關的一些想法、一些教訓或者一些經驗在這跟大家分享一下🕰。
今天我自己找了三個關鍵詞♟，就是AI🕖、AI+、AI基礎設施。
其實這三個關鍵詞都繞不開一個詞叫AI。剛才Michael也講了🤖，其實AI這個詞可能一千個人有一千個人的理解，一千人有一千人的想法💇♀️🤵🏼♂️。但是今天碰巧這三個不同的方面，就是AI、AI+跟AI基礎設施在今天被結合在一起了。
我經常說的一句話，人工智能有很長的過去🧏🏼♂️🏋🏼♂️，只有非常短的曆史。其實這是一個非常糾結的一件事情。事實上我覺得最困惑的就是🧑🏼🍼，到今天為止，人工智能到底在說什麼事情呢🤲🏻👨🍳？還是值得探討一下👰🏼。
三、AI的“長過去”
我想用一張圖，當時我看到以後，為什麼讓我會想起人工智能有一個很長的過去🖥，只有很短的曆史🧎♀️➡️？你今天看到那個紅線畫的地方⏫，就是大概在40年代末50年代初，就是圖靈寫了篇文章叫intelligent machines🤦🏽♀️。
我自己覺得這是一個很長過去的一個開始🔢，如果你要追溯沐鸣3機器智能的事情，可能可以追到幾百年以前💁♂️。在圖靈這篇文章裡邊，他談了一些很有意思的事情💆🏿。這篇文章50年代發表的時候🍺，是發表在心理學一個哲學的雜志上。第一次在探討沐鸣3機器跟智能之間的關系。
大家要知道在那個時候，其實計算機這個詞還沒有完全出來。所以那個時候大家還習慣把它叫做computing machinery。這就是為什麼美國計算機學會會叫ACM，也是這個原因👎🏼。
事實上那個時候沒有計算機這個詞🕺，但是圖靈在那篇文章也是第一次用了數字計算機（Digital Computer）這個詞♊️。所以這篇文章它的深遠的意義，到今天為止看🛀🏻，都是非常值得重新來思考。我們很多最早的概念可能都是從這邊來的。
當然大家都會講到達特茅斯這個會👎🏽，我自己 （覺得）很有意思，剛才Michael特別講到了Cybermetics，我聽完以後就很感觸🍌🤙🏿，如果當年那個會不在達特茅斯開，可能這十個人的想法就被winner給滅掉了💆🏻♂️。
那可能我們今天還是叫Cybermetics來稱呼我們今天說的人工智能。但事實上，說不定從單詞角度可能用Cybermetics可能會更好一點，但人工智能就這麼流行了。
那為什麼在Herbert Simon（赫伯特·西蒙）這邊我打了一個紅的框呢？就是我自己對人工智能的理解，就是從Herbert Simon開始的。
這個人很神奇，他是個心理學家👺，但是去參與了這個會，得了諾貝爾經濟學獎。他第一次訪問中國是1972年，是以美國計算機學會的名義到中國來的🚾。他80年代初又以美國心理學會的名義到了中國來。
那個時候我在大學讀三年級，他到我們去講了沐鸣3人工智能🚎。所以大家可以設想一下看🚹，一個大學三年級的學生🫳🏻，在中國，在80年代初有一個人告訴你🤽🏿♀️，人工智能在下面十年會有一次天翻地覆的變化🧞♀️🧖。
你大概可以設想一下，那時我有多麼的激動。但事實上，等了十年沒有什麼東西發生🖕🏻，所以後來就該幹什麼就幹什麼去了🍂。
但事實上，裡邊的很多最基礎的東西在那個時候也被提到了，甚至大家今天知道的神經網絡。我印象很深，當時在80年代末的時候🧞♂️，有一本教科書叫PDP，就《parallel distributed processing》🧑🧑🧒🧒，那裡面講的通篇都是神經網絡的理論🚙🧾。
那時候講的都是每一層兩個節點，只有三層，大概你能做到那個程度就結束了。但今天的規模跟那個時候沒法比。
所以我想說的一件事情🌖，今天的人工智能跟80年代初大家講的同一個人工智能，是一個完全不同的人工智能🏪。我剛才講🧗♀️，我覺得Michael剛才也講到了這一點🔥。
四🐋、AI的“短曆史”
那為什麼算是一個非常短的的曆史？
如果你看再回到剛才這張圖上🏊👜，現在這個紅線裡邊就講到了2017年，就是 Google開始提出了transformer這件事情🚣🏻♀️。
所以我想今天我們能夠談，今天人工智能又重新回到了大家的視野🙎🏻，又重新在產業上有那麼大影響的話，那就是從2017年開始🕜。所以我相信2017年以前的人工智能🍄，跟我們今天說的人工智能🧜🏻，還是有非常不同的差別。這就是我說只有七年曆史的這個原因🦹🏽♂️。
當然這段曆史就是從一篇文章開始的⛔，這個大家都知道👨🦰🍻。但是我想強調一下的事情就是🤦🏻📖，這文章的8個作者現在都不在谷歌😵🕢。聽說有一個最近大概又回去了。Anyway也就是說，盡管它發明了很多東西，但是沒有谷歌什麼事💅🏽。
那這裡邊有些今天大家被忽視掉的發明。比如說第一次有了token這個概念，聽起來好像也沒什麼了不起🥌。大家都知道今天一個商業服務，大家都是用token來計價的🧁。大家可以設想一下看👊，如果你連最基本計價的邏輯都不清楚的話，大概是不會有一個好的產業的。更不用講待會我這個主題裡面會講到的沐鸣3基礎設施的事情。
同樣🦵🏿，大家都知道在谷歌發表這篇文章的前後，就有一家公司叫OpenAI。OpenAI的出現，站在我的角度，就是讓我們重新思考一下創新的機制是什麼。所以這就有了在2022年這個GPT的發布🏄♀️。
這兩件事情結合在一起，我總是覺得一件很怪的事情。所以我說了一句話就是：谷歌很行，谷歌也很不行。
這個谷歌很行是什麼呢？特別是在中國，大家都會講0到1的創新。所以大家可以設想一下看👨🏼🎓，谷歌是100%的完成了我們講的0到1的創新是吧？甚至還要多一點🖖🏽。
但為什麼谷歌不行呢？我覺得大家都可能知道埃裡克·施密特（Eric Schmidt）前段時間在斯坦福大學有個發言，搞得沸沸揚揚的🚵♂️🧚🏻♂️，就是說的谷歌非常不行📻。那確實也不行🪓，為什麼呢？他沒有創造出一個東西🧝🏽🧏🏿，像OpenAI創造出的那麼有價值，對社會（而言）。
所以我想🧑🏻🍳，這中間事實上要讓我們重新思考這個創新的機制到底是什麼。它不是一個簡單的從0到1創新，不是簡單的你有一個好的想法🧑🏽🌾🏃♂️。這中間的機制是遠遠超出今天學者甚至產業界可以來理解的。
這也是我覺得對我們一個最大的挑戰。所以我用了一個谷歌很行，谷歌也很不行🥍。
但在這個ChatGPT後面，它的光芒事實上是對大眾而言的，不是對業界而言的，是被掩蓋了很多事情。但大家都知道有alphafold，對吧✖️？特別是alphafold 3出來了。
但是很少人會說它其實背後還是transformer加diffusion🌵🗼。可能今天大家在講這個能生成一個圖片，能生成一些大家覺得視覺上可以滿足大家生成的視頻。大家會講到transformer加diffusion，可是很少人理解，其實為什麼谷歌那篇文章有那麼fundamental👷🏼♂️。也就是說到最後大家今天聽到的一些最基本的東西，到最後也離不開transformer。
當然就是說從alphafold 2到alphafold 3🔢，事實上他那個名字稍微做了一些改變？所以在alphafood3時候，他就用那個Pairformer，但大家都知道背後最基本的東西還是這個transformer。
再往下看📯，其實大家也知道🤔，其實從ChatGPT到alphafold，到今天大家在媒體上也經常會看到沐鸣3天氣預報的時候，這是一個三個跨度非常大的應用🚑。但是他們到背後🔬🤢，我覺得有一個最基本的東西就是脫離不掉，就是transformer。
所以我想這個AI為什麼只有七年曆史👿？
大家再回過頭來看，我們事實上是你願意不願意🚤，我們生活在transformer這樣的一個陰影下🫄🏼✋ ，也可能是一個以後是一個陽光燦爛的東西🤽🏻🐆。所以我有時候會講到說，當你在這樣的一個背景下🎣🕯，再回過頭來看，去年在政府工作報告當中，多次談到了人工智能，同時提到了這個人工智能+⛰。
所以大家設想一下看，在transformer這個邏輯下，我們要理解的人工智能+到底是什麼。所以大家可能今天一談到人工智能+的時候，就會簡單的加一個行業進去🪀。我用我自己的話來講🚰，其實這是沒有比在人工智能+後面加一個行業把人工智能庸俗化的做法了💁🏻。所以就是反複思考的人工智能+到底是什麼？
所以我們再來看這個GPT，或者是我們今天要說的這些事情的話，那可能是需要有一次重新的思考的👈🏿。所以這個ChatGPT如果在人工智能+這個邏輯上，大家可以認真想一下看ChatGPT不是個應用🤸🏽，它是個應用平臺。
就像在上一個年代這個office一樣，它不是一個應用🧛🏼，它是應用平臺。但如果把GPT再拆一拆，剛才講過了，它如果把它變成個基礎模型的話🤹🏿☎，事實上chat就是一個應用。所以ChatGPT就是GPT加chat🔖，這是我的理解。
五🙅🏼♀️、AI基礎設施的崛起
但是我想多說一句的話👰🏻♂️，chat不是一個簡單的應用場景。
大家都知道microsoft跟OpenAI這個合作過程當中，不只是做了ChatGPT。其實他們到比爾蓋茨家裡討論了很多GPT這樣東西可以用到什麼場景。最後只有ChatGPT是最革命的，所以變成了產品。
他們做了一大堆也很有用，但沒有革命的東西🧂，後來都寫成了書。所以有時候經常開玩笑說🤮，這個書是很危險的，就是不是革命的東西都寫成了書👮🏽，可能最革命的東西做成了產品，這是我們今天真正發生的事情😢。
所以我想沒有比OpenAI的這個公司的人對chat本身有更深的了解。
所以今天我還是要講一句話，就是說當你做不出一個比ChatGPT好的這樣一個東西的時候👨🏿🎨，至少有兩個原因在約束你。第一個當然是你的技術🧑🌾，就是基礎👩🏿💼，就是模型🤵🏽♀️。第二就是你對這個問題理解的深度，你能不能真正找到這個領域的問題，事實上是你約束的最大的一個前提📎。我們往往在很多時候，其實對這個問題不理解🧴，以為有了GPT就可以解決很多的問題。
當然我今天講的重點是這個+到底是什麼？這個+就讓我想到了👩🏼🦳，大家都知道當時這個chat做這件事情的時候👩🏻🏭，事實上只是反映了比爾-蓋茨當年的一個願景，就是讓計算機能聽能說⏏️。所以我想今天因為有了ChatGPT以後，就當這臺計算機變成了一個手機以後⚾️，我們今天就做到了這一點☁️。
那麼這背後的真正的+的機制就是ChatGPT。當我們講那個加的時候，不是加什麼東西，而是怎麼加，更加重要的是一個機制的創新。這句話聽起來很抽象🈯️，再把它回過頭來🤜🏻，大家可以看一看ChatGPT什麼意思👰🏻♂️，這個家就是OpenAI這家公司。沒有OpenAI這家公司🆖，GPT和chat是不會變成這樣一個影響大家的產品👦🏿。
六📛、AI+的深層含義
那OpenAI這家公司為什麼是一個機制的創新呢🥮？
到今天為止，其實大家都知道OpenAI是一個怪物💽，也就是說它有nonprofit的OpenAI，也有OpenAI LP這樣的東西。所以大家可以設想一下看👩🌾，一個noprofit一個機構跟一個商業機構在OpenAI這麼一個主體裡邊，被這樣莫名其妙的存在在一起。所以我想就是發生的過去發生的事情都跟OpenAI，其實大家講的OpenAI都是講的OpenAI LP🍣。
可是當大家知道它最早創辦是一個非營利機構的話🫶🏻，大家可以想象它中間的機制是多麼複雜的一件事情。所以我經常跟投資人講，你用傳統的方法是投不出 OpenAI這樣一家公司來。
當然因為這樣的成功，讓我們重新反思了一下。就是黃仁勳說了一句話叫ChatGPT是人工智能的iphoness時刻。
其實這句話被很多人引用🧗🏼，我自己一開始聽的時候也很激動🧖🏽♂️。但是後來想了一想，這個就不知道在說什麼🤘🏽，為什麼呢🧺？因為ChatGPT是什麼也沒有完全說清楚😈，人工智能是什麼也沒有完全說清楚，那iphoness到底是什麼也沒有說清楚👨👩👧👧，就是把這三個說不清楚的東西放在那裡變成了一句話👨❤️👨，這是讓我困惑了很長時間🛵。
其實大家也不要覺得說清楚iphoness是什麼是一件很困難的事情👳🏻♂️。我說一個現象就知道了。大家說起這個iphoness都覺得app store是它非常重要的事情🪡。
今天任何一個人發言都說生態多麼重要👨🏿🦲🦶🏿，可是很少人理解。你們去看，Steve Jobs發布第一代的iphoness時候，是沒有APP store🐇。完了如果你要講它的生態系統，當年跟Steve jobs一起發布iphoness第一代的那些公司，今天都不見了。所以他到底是什麼？也是值得我們非常深思的🚣🏻♂️。
當然這句話✌️，我自己覺得他其實抄襲了另外一句話👳🏿。這是當年我自己聽了看了非常激動的。就是當alphafold出來的時候，alphafold 2出來的時候💇♂️，有人說了一句話，大家說是alphafold是生物學的imageNet時刻🧑🏿🎄。我自己覺得這個是真正反映了技術發展的背後的。
七🐣、創新機制與AI發展
當然這個就回到了那篇文章🚪，就是傑弗裡·辛頓（Geoffrey Hinton）跟他的兩個同學兩個學生寫的👨🏭。
這篇文章🧖🏽♀️，至少在做機器學習也好，圖像識別也好，一定知道這篇文章。但你把這篇文章抽象出來，它就三個東西🧚🏼♀️🫱🏿，就是今天構成我們人工智能，大家天天在講的三個東西🤷🏿♀️，就是：imagineNet，就是有組織的數據♎️，完了有一個模型，那時候叫CNN，完了加GPU。這是第一次一篇文章完美地把三個東西結合在一起🤳🏻🥒。
只不過是這三個東西在那個時候都談不上是新的，imageNet也存在了很久，CNN 也不是一個新的算法，GPU那個時候在每個網吧裡面都有。
但是是這篇文章，這三個學生把它結合在一起🧑🍼🍯，使得GPU🦨、模型和數據成為做這個行業的一個最基本的標准。特別是GPU，是在那篇文章之後👌🏽，它才成為學術界的標准，在他這篇文章之後才成為工業界的標准。
而當時他們用了兩塊GPU卡🚶♀️，是一個非常普通的GPU的卡🧏♂️。盡管這兩張GPU的卡在當時大概已經超過了上萬個CPU核的算力👩🌾，但是這是在中國的每一個網吧裡面都有的GPU卡▪️。但是因為這樣發生了一次非常大的變化，所以算力重不重要🔯？算力重要。但是在創新階段，大家都知道沒有比人的創造力再重要的事情。
那麼到了今天發生的變化，為什麼會引出要引出基礎設施呢🏓？就是因為規模。
也就是說當數據、模型、算力的規模都變成了一個巨大的變化的時候，這個時候一定要引入了新的東西，不然它沒法解決了。這個也是做IT🤴、做程序設計的🍼，看到這句話也很激動。
這是Pascal的發明人曾經寫過一句話，他說一個嬰兒的速度的1000倍就是一架噴氣機。
也就是說在我們世界裡面⚇，任何的事情的規模增加了1000倍，它就會發生天翻地覆的變化🔹。大家都知道在我剛才講的三個組合的規模上🚍，在每一個單元都超過了1000倍。正是這1000倍，使得今天我們繞不開一個最基本的東西🚉，就是AI的基礎設施。
大家知道一旦有一個事情要談到基礎設施的時候，我覺得這是一個技術滲透的終極的形式。大家可以理解，你看人類發展曆史上任何技術的發展，什麼技術會對人類產生最長遠的影響，就是它變成了基礎設施👨🏿🌾。
八、AI基礎設施的未來展望
當然是AI基礎設施不是我發明的，今天大家都在談的。所以我想為什麼從AI到AI+到我們今天可以講AI基礎設施的話，是一個非常值得我們深思的。那下面我也會很快說一下🏚，這是紅杉在一次研討會上用的一個幻燈片。把它拿過來了。拿過來的目的，只是為了看大家最下面一行🫑，他就會叫做基礎設施⬆️🤸🏽。
大家看一看在雲時代👩🏼🚒，在移動時代🚺♝，在AI時代，他們覺得的基礎設施就是雲計算📳。這裡很有意思，他把蘋果是劃到了基礎設施這一類的。同樣的大家可以看到在今天🙌，他把英偉達也劃到了基礎設施那一類↕️。所以這是一個非常有意思的一個分類方法。這個也不奇怪🕒，為什麼？英偉達大家都覺得他應該去做雲計算。
作為做雲計算的👆🏿，我看到這張圖的時候也非常激動。這張圖不是我畫的，但是解釋是我的解釋。就是這張圖大家看到這是六個在美國的做AI的獨角獸，那你看它背後的基礎設施的支持很有意思。
就是 OpenAI💁🏿♀️，大家都知道它得到了100億美金的投資🙏🏿，它背後是microsoft，第二名的背後是AWS。大家可以看到在這些企業真正背後的排名是什麼？就是全世界排名第一、第二、第三、第五、第六的雲計算服務商🧑🏽🎨，都是今天美國獨角獸公司的背後支撐的來源⛵️。
這裡大家看到很很神奇的一件事情，在這裡有第一、第二🕵🏽、第三、第五、第六⏲，就是沒有第四，對吧？那第四就是阿裡雲。我想就是說，這種基礎設施對將來這些事情的影響✍️，從計算這個角度也能看得出來。但是我想從另外的角度也反映了這個產業之間的差距到底在哪裡。
所以從這個角度，讓我想起了另外一句話，我覺得微軟很不行，但是微軟也很行。也就是說，它在人工智能領域沒有做出transformer這樣的東西🥃。但是它因為雲🦠，因為這個基礎設施，它在跟OpenAI創造出這麼一個今天我們可以看到的東西出來的話🦆。你從另外一個角度也可以看得出🤵🏽，好像微軟不行，但是微軟還是很行。
所以我想在AI🫸🏽、AI+跟AI基礎設施這個邏輯上，所有人都是可以做自己可以創造曆史的事情。
九、結論🧑🎄：共創AI的曆史
我前幾天看到一個創業公司🫳🏼，為了證明他這個創業的重要性，畫了一張圖⌚️👨👩👦👦。我覺得很有意思。就是我相信今天我們老是講數據，講計算，講算法🚢。但是大家設想一下，這些東西不在一個基礎設施裡邊，事實上是沒有價值的🚡。
我把這個紅框裡面畫出來🍾，其實這張圖很有意思地告訴大家，數據是基礎設施的核心的組成部分。數據不只是一個模型的附屬品，這個數據也不只是一個計算的附屬品✌🏼。只有所有這些東西變成一個完整的基礎設施的時候，我們才會有那一次更加激動人心的創新🗓。
如果大家看最前面它裡面講到那個事情，去做了兩個區分，就講是在傳統的IT時代的雲計算🪣，以及在AI時代的雲計算🫱🏼。盡管這兩種計算有差別，但都是雲計算🏃🏻♀️。同樣數據也做了這個區分👛，就是在傳統意義上的數據，跟在AI這個意義上的數據，它是做了這麼一個細微的區分的🙅🏼♀️。今天這個我就不展開講了。
十👩🏻🦰、總結
就是事實上，當你看AI🤏、AI+跟AI基礎設施的時候，你就會發現這個世界不但技術在革命，機制也在革命🥹，基礎設施也在革命。沒有比這三項革命在同一個時間發生再令人激動了。所以我想這些革命正在創造未來🙌🏻。
