煉制大模型，大煉模型

近幾年是全球風險投資的低潮，生成AI（GenAI）但是逆勢而來，去年的融資筆數和融資額分別增長了66%和400%(來源：CB Insight，如圖所示)，融資額在所有細分領域中排名第一(來源：Dealroom.co）。去年，美國前五大風險投資，OpenAI、Anthropic(2筆)和Inflection 三家AIGenAI公司占4家，其融資額分別為100億美元、40億美元、20億美元和13億美元，主要投資者為微軟、亞馬遜、谷歌和英偉達(來源：Crunchbase）。

全球GenAI在2019-2023年的融資額和融資額

當前的GenAI熱潮起源于美國工業(yè)界，事實上，美國政府也非常重視，提出了“確保持續(xù)領先地位”的發(fā)展戰(zhàn)略。在奧巴馬階段，美國白宮發(fā)布了《國家人工智能R&D戰(zhàn)略計劃(2016年)》，特朗普階段(2019年)和拜登階段(2023年)更新了這一點，從而形成了長期投資、人工智能合作、倫理、安全、數據、評價標準、人才、公私合作和國際合作的九大戰(zhàn)略。美國白宮科技政策辦公室為了推動戰(zhàn)略的實施和落地，（OSTP）人工智能特別委員會(2018)和國家人工智能倡議辦公室(2021)相繼成立。

我們國家還提煉大模型、大煉模型。今年第一季度，在全球前三大GenAI風險投資中，中國在暗面上占據了2-月的10億美元A輪融資和MiniMax 融資6億美元。通信運營商、手機制造商、家電制造商、汽車公司、軟件公司、AI企業(yè)、互聯網公司、電子商務等各類企業(yè)都參與其中，通過國家生成的人工智能服務備案了117個大型模型。大型模型成為大型廠家的標準。但并非兵戎相遇的“百模對決”，反而頗有井水不犯河水之意。

三塊短板

我們國家的人工智能位居世界前列。但是還有一些缺點需要補充，集中在計算率、數據和人才三個方面。

一是算率。GenAI通過計算率沉積實現智能出現，其成功依賴于暴力美學。按Jaime計算 Sevilla等研究人員(2022)，在前深度學習時代(1952-2009)，計算能力需求每21.3個月翻一番，符合摩爾定律；在深度學習時代(2010-2022)，計算能力需求加速到每5.6個月翻一番。如圖所示。根據THE DECODER披露(2023)，GPT-4每秒浮點計算頻次（FLOPs）達到2.15×10^25，一次訓練費用6300萬美元。

里程碑機器學習系統(tǒng)的計算能力練習要求，來源：Sevilla J, Heim L, Ho A, et al. Compute trends across three eras of machine learning. 2022.

英偉達在機器學習圖形處理器領域占有95%的市場份額(來源：New Street Research，2023年)。英偉達的A100和H100芯片是訓練大模型的“金剛鉆”，具有不可替代性。由于美國對華GPU的限制，我國面臨著卡脖子的現實。

二是數據。我們國家數據規(guī)模巨大。2022年我國數據產量8.11年，根據國家互聯網信息辦公室《數字中國發(fā)展報告(2022年)》，ZB，世界比例為10.5%，位居世界第二。它被認為是發(fā)展相關產業(yè)的優(yōu)勢。但是，規(guī)模優(yōu)勢不足以填補缺乏質量。不管馬車數量有多大，都不能得到一條鐵路(熊彼特，1934)。至少同樣重要的是數據質量。這是Hugging 英語以37.7%的比例排名第一，而中文僅占3.2%，與波蘭語并列第九(來源：OECD，2023）。如圖所示。我們國家的數據集質量還有待進一步提高。誠然，這不是一天的工作，需要歲月的積累。

三是人才。自1966年以來，全世界共有77人獲得圖靈獎。只有一個華人——姚期智(2000)。我們國家計算機科學的歷史積累仍然不足，幸運的是，近年來取得了長足的進步，成為美國最大的競爭者。根據MacroPolo數據(2024)，在世界頂級(前2%)AI研究人員的原籍國中，中國以26%的比例接近美國(28%)，排名第二。我們國家有47%的國家是頂級(前20%)AI研究人員，遠遠超過美國(18%)。然而，仍然存在隱患。在頂級(前2%)AI研究人員的就業(yè)國家中，中國仍然排名第二，但只有12%遠遠落后于美國(57%)。如下表所示。GenAI非常依賴每個人的創(chuàng)新能力。如何吸引世界頂尖人才赴華創(chuàng)業(yè)、就業(yè)，是需要努力的方向。

來源：根據MacroPolo(2024)的數據，全球AI人才分布比例

兩道難題

每一次創(chuàng)新都不容易，需要克服很多困難，受到大家的質疑。目前，GenAI面臨以下兩個突出問題。當然，只有發(fā)展才能解決問題。

第一，殺手級應用不足，面臨商業(yè)化困難。在一個偉大的時代，必須有殺手級應用。例如PC時代的Office，桌面互聯網時代的搜索，移動互聯網時代的移動支付。GenAI是世界潮流，但在應用推廣初期，美國公司的AI使用率僅為5.4%(來源：人口普查局，2024)。大型燃燒是美元，產量較少。GenAI是世界上最性感的企業(yè)， OpenAI 有三種盈利模式：會員訂閱付費、開發(fā)者付費和微軟，自成立以來收入累計不足20億美元(來源：Finbold），但是融資需要113億美元。GitHub微軟 Copilot還采用會員訂閱模式，客戶每月需要支付10美元或100美元。但是由于會計成本高，微軟平均每月虧損超過每個用戶20美元，重度用戶高達20美元。 80 來源：華爾街日報，2023.10)美元。GenAI還沒有傳統(tǒng)軟件的規(guī)模效應，需要通過給予用戶高額補貼來培育市場。國內用戶更喜歡免費，為高質量的內容和知識付費的習慣尚未形成，會員訂閱不成為主流。GenAI的商業(yè)模式仍處于探索的早期階段。

第二，平臺企業(yè)業(yè)績沒有得到顯著提升，云和芯片是最大的受益者。GenAI的興起為中國平臺經濟注入了一線活力，各大平臺紛紛推出大模式。然而，GenAI的普及并沒有顯著提高平臺企業(yè)的業(yè)績，中國的網絡平臺仍處于低迷期。自ChatGPT發(fā)布以來，中國互聯網公司的市值仍在上漲和下跌，盡管疫情結束、國家支持等利好因素疊加，但相當一部分公司下跌幅度較大，如圖所示。

自ChatGPT發(fā)布以來，中國十大互聯網公司的市值有漲有跌。來源:截至2024年4月11日，根據雪球財經數據，數據

大型訓練需要花費大量的算率，云和芯片公司是直接受益者。GenAI總收入的10-20%將流向云服務提供商，A16Z(2023)數據顯示。在這些公司中，創(chuàng)業(yè) 初期融資80%-90%用于云計算平臺的購買率。作為全球三大云基礎設施服務商，微軟、亞馬遜和谷歌也是最活躍的GenAI投資者，這并不奇怪。英偉達自ChatGPT發(fā)布以來，市值增長457%，成為全球市值第三高的企業(yè)，是最大的受益者。

第四次工業(yè)革命的謬論

自1956年達特茅斯會議提出“人工智能”術語以來，人工智能的發(fā)展經歷了許多投機周期。這一次似乎不一樣。即使對于懷疑者來說，ChatGPT的發(fā)布也意味著人工智能技術的重大進步。大家都興奮地喊:人工智能驅動的第四次工業(yè)革命來了！

“縱觀世界經濟史，工業(yè)革命是唯一一件大事，”工業(yè)革命的影響是全面、深刻、長久的。（Irad Kimhi，2006年)。如果第四次工業(yè)革命到來，每個人都會充滿自豪，經濟會充滿活力，生活會充滿活力。然而，似乎不是。這是一個謬論。對此，時間可以給出答案，我們不必爭論。有四個事實可以解釋。

首先，人們對“智能”有著與生俱來的癡迷，人工智能的發(fā)展充滿了樂觀的思想。謝耕(2023)對他的評價是：“雄心勃勃，盲目樂觀?！边_特茅斯會議的主要參與者大膽推測：

一九五八年，艾倫·紐厄爾和赫伯特·西蒙(共同獲得1975圖靈獎)：數字計算機將在十年內成為國際象棋世界冠軍。 數字計算機將在十年內發(fā)現并證明一個重要的數學定理。

一九六五年，赫伯特·西蒙(1978年諾貝爾經濟學獎獲得者)：機器將能夠在20年內完成人們所能做的一切工作。

一九七○年，馬文·閔斯基(1969圖靈獎獲得者)："我們將在三到八年內得到一臺具有人類平均智能的機器."

其次，自2009年以來，我們一直在“經歷”第四次工業(yè)革命(也有人說是第三次工業(yè)革命)。在中國知網上，標題為“第四次工業(yè)革命”和“第四次科技革命”的文章分別為386篇和48篇(不包括2024年)，如圖所示。微電子（1984）、云計算（2012）、物聯網（2016）、大數據（2016）、區(qū)塊鏈（2017）、工業(yè)化物聯網(2017)、新型基礎設施(2020)等，都被賦予了“第四次工業(yè)革命”的使命?，F在輪到GenAI了。這就是說，GenAI需要和蒸汽機、發(fā)電機、內燃機、計算機和因特網一樣高。

以“第四次工業(yè)(工業(yè))革命”為題的中國知網文章分布

三是國外普遍將GenAI(或AI)比作智能手機、云計算、因特網等特殊技術，并且通常使用“可能”、“一”等詞匯。比如：

黃仁勛(2023.2)：“ChatGPT”the iPhone moment of AI”， OpenAI 所做的工作是“”one of the greatest things that have ever been done for computing”。

比爾·蓋茨《The Age of AI has begun》(2023.3)圖形用戶界面和GPT是他一生中見證的兩次革命性技術展示，并指出:“人工智能的發(fā)展和微控制器、個人電腦、互聯網和手機的出現一樣重要?！?/p>

賈西致股東信(2024.4)亞馬遜CEO：“Generative AI may be the largest technology transformation since the cloud (which itself, is still in the early stages), and perhaps since the Internet.”

四是以往的工業(yè)革命并非預測結果，而是后人的總結。在第一次工業(yè)革命(1760-1840)結束40年后，術語“Industrial Revolution“只有在阿諾德·湯因比的推動下，才為大眾所知；經濟學家在第二次工業(yè)革命(1870-1914)結束40年后才開始使用“Second Industrial Revolution”，直到1969年，戴維·蘭德斯的《普羅米修斯》才對其學術定義進行了規(guī)范化；第三次工業(yè)革命沒有統(tǒng)一的認識，暫時不會出現。這種味道頗具“杰出無法計劃”的味道，讓我們期待著第四次工業(yè)革命的不同。

在這篇文章中，我得到了馬駿、馬源、石光、王明輝、李勇堅、白惠天等人的支持和幫助。

本文來自微信微信官方賬號“騰訊研究院”（ID：cyberlawrc），作者：閆德利，36氪經授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com