2024外灘大會|
中國工程院院士王堅：AI+的重點不是加什麽🕷，而是怎麽加
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🧸。這裏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製你。首先是技術層面👨👩👧👦，即基礎模型。其次是對於問題的理解深度，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製因素。
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歷革命，在機製和基礎設施上也在經歷革命。沒有什麽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，只有非常短的歷史。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麽事情呢🎙？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，為什麽讓我會想起人工智能有一個很長的過去🏄♀️，只有很短的歷史？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🤲🏿，如果你要追溯關於機器智能的事情🛂，可能可以追到幾百年以前。在圖靈這篇文章裏邊🦸🏽♀️🙎🏼♀️，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誌上。第一次在探討關於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。這就是為什麽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，但人工智能就這麽流行了。
那為什麽在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⛽️，他到我們去講了關於人工智能🛅。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，那時我有多麽的激動。但事實上，等了十年沒有什麽東西發生，所以後來就該幹什麽就幹什麽去了🏫😏。
但事實上，裏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》🤾🏼♂️，那裏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“短歷史”
那為什麽算是一個非常短的的歷史？
如果你看再回到剛才這張圖上👨🏻🚒，現在這個紅線裏邊就講到了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麽大影響的話，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歷史的這個原因。
當然這段歷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，但是沒有谷歌什麽事。
那這裏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，聽起來好像也沒什麽了不起🦵🏿。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裏面會講到的關於基礎設施的事情。
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製是什麽。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🥇。
這個谷歌很行是什麽呢？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。
但為什麽谷歌不行呢👩🏿？我覺得大家都可能知道埃裏克·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😖🪱，為什麽呢？他沒有創造出一個東西，像OpenAI創造出的那麽有價值，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製到底是什麽💻。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。這中間的機製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😽，其實為什麽谷歌那篇文章有那麽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關於天氣預報的時候，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為什麽只有七年歷史🩹？
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𓀑，在transformer這個邏輯下🦮，我們要理解的人工智能+到底是什麽🎷。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。所以就是反復思考的人工智能+到底是什麽？
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裏討論了很多GPT這樣東西可以用到什麽場景。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+到底是什麽？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💇🥤。
那麽這背後的真正的+的機製就是ChatGPT🍺。當我們講那個加的時候👮🏽♂️，不是加什麽東西，而是怎麽加，更加重要的是一個機製的創新。這句話聽起來很抽象👳🏽♂️，再把它回過頭來，大家可以看一看ChatGPT什麽意思🧑🎓，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這家公司為什麽是一個機製的創新呢？
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這麽一個主體裏邊，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製是多麽復雜的一件事情🧖🏿♂️。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。就是黃仁勛說了一句話叫ChatGPT是人工智能的iPhone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麽🏊🏻♂️，為什麽呢🥘？因為ChatGPT是什麽也沒有完全說清楚😄，人工智能是什麽也沒有完全說清楚👉🏼，那iPhone到底是什麽也沒有說清楚🧝🏻♂️🦹🏽♂️，就是把這三個說不清楚的東西放在那裏變成了一句話，這是讓我困惑了很長時間。
其實大家也不要覺得說清楚iPhone是什麽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iPhone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麽重要🧑🏼⚕️，可是很少人理解👁🗨。你們去看，Steve Jobs發布第一代的iPhone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iPhone第一代的那些公司，今天都不見了。所以他到底是什麽👩🏿✈️🩶？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🏌🏼♂️、創新機製與AI發展
當然這個就回到了那篇文章🖌，就是傑弗裏·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裏面都有🗼。
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準。特別是GPU，是在那篇文章之後，它才成為學術界的標準，在他這篇文章之後才成為工業界的標準❤️。
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裏面都有的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🧑🧑🧒。
那麽到了今天發生的變化，為什麽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裏面，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💕，你看人類發展歷史上任何技術的發展，什麽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。所以我想為什麽從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。這裏很有意思，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，為什麽？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麽？就是全世界排名第一𓀉、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。
這裏大家看到很很神奇的一件事情，在這裏有第一、第二、第三、第五、第六，就是沒有第四，對吧👰🏼♂️？那第四就是阿裏雲💪🏿🤭。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裏。
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創造出這麽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歷史的事情。
九、結論📹：共創AI的歷史
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裏邊，事實上是沒有價值的。
我把這個紅框裏面畫出來🌲，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裏面講到那個事情🤹，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🏀，它是做了這麽一個細微的區分的。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💠，機製也在革命，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。
