科技新聞?dòng)?7月7日，在世界人工智能大會上，中金公司原總裁兼首席執(zhí)行官，清華大學(xué)管理實(shí)踐訪問教授朱云來，以及清華大學(xué)教授，智能產(chǎn)業(yè)產(chǎn)業(yè)研究院的院長，中國工程院院士張亞勤，在《“生”機(jī)盎然，“成”就未來投融資主題論壇》上，從不同的角度探討人工智能對社會變革、企業(yè)提效、未來發(fā)展前景以及其帶來的機(jī)遇和挑戰(zhàn)。
核心觀點(diǎn)：
1、AIGC能力很強(qiáng)，也是技術(shù)大的創(chuàng)新，但是它本身也有很多的局限性，比如時(shí)效性、準(zhǔn)確性、效率、隱私和知識產(chǎn)權(quán)的保護(hù)等問題。大模型垂直的橫向的語言模型很重要，在實(shí)際的應(yīng)用中，一定需要更精準(zhǔn)的更加的面向行業(yè)的垂直精準(zhǔn)模型。
2、GPT最重要的一個(gè)貢獻(xiàn)就是它引入了自注意力的機(jī)制，大大簡化了運(yùn)算。但因它可能過于簡化，所以可能會丟失很多信息，導(dǎo)致不夠精確，不能系統(tǒng)地模擬人的思維，未來這會限制它的未來應(yīng)用的潛力。
3、人工智能會大大提升各個(gè)行業(yè)的生產(chǎn)力，包括制造業(yè)、金融行業(yè)等，帶來沖擊的同時(shí)也能帶來機(jī)會。科技進(jìn)步會促使我們重新考慮社會的治理結(jié)構(gòu)，大家或者是有更多的休息時(shí)間，或者去做其他更有創(chuàng)造性的工作。
4、大模型的出現(xiàn)，降低門檻，對創(chuàng)業(yè)公司是一個(gè)機(jī)會。大平臺公司可以推動(dòng)科技進(jìn)步，小公司有強(qiáng)烈的創(chuàng)新沖動(dòng)。但需要防止大公司過分壟斷，同時(shí)鼓勵(lì)和保護(hù)小公司。這樣，平臺和小公司都可以生存，推動(dòng)社會更系統(tǒng)、更快的進(jìn)步。
5、人工智能發(fā)展有4個(gè)大的因素：數(shù)據(jù)、算法、算力和人才。其中，算力可能是未來最大的挑戰(zhàn)。同時(shí)，算法的創(chuàng)新很重要，需要將知識系統(tǒng)，包括知識圖譜，與大型模型結(jié)合起來，這是未來的發(fā)展方向。
6、人工智能不僅不是泡沫，更是一個(gè)巨大的機(jī)會。從投資的角度看，需要關(guān)注的是整個(gè)大局，而不只是某個(gè)特定領(lǐng)域。沒有投資，那肯定失敗。但是投了，也不能高枕無憂。需要不斷的調(diào)整投資策略，保持謹(jǐn)慎，持續(xù)關(guān)注市場的變化。
以下為對談精華內(nèi)容：
在中國，還有無數(shù)與制造業(yè)相關(guān)的實(shí)體經(jīng)濟(jì)，它們在人工智能如此發(fā)展的將來會有什么樣的變革？基于投資者而言，我們的社會效率是不是會變得更高？在人工智能發(fā)展的將來會產(chǎn)生一個(gè)什么樣的變革？投資這個(gè)行業(yè)的到底要關(guān)注哪些問題？今天我們就要有請兩位大咖做出一些研判。
主持人:第一個(gè)問題是關(guān)于大模型，到底目前的大模型是不是一個(gè)one thing for all的解決方案？他到底有沒有所說的那么的powerful？
張亞勤院士：最近一直在談大模型，談AIGC的能力的確很強(qiáng)，也是技術(shù)大的創(chuàng)新，也是了不起的這種工程以及特別是系統(tǒng)方面的一個(gè)成就。
今天重點(diǎn)講講它的局限性，因?yàn)闀虾苌偃酥v它的挑戰(zhàn)局限性。那么大家看到ChatGPT或者咱們講GPT4出來之后，它確實(shí)有很多問題：
第一點(diǎn)是時(shí)效性，你問他ChatGPT什么時(shí)候發(fā)布？他不知道，因?yàn)樗@個(gè)是2021年之前的語料時(shí)效性，但是現(xiàn)在GPT4有更多的一些這些實(shí)時(shí)的信息。
第二點(diǎn)是它的準(zhǔn)確性，他經(jīng)常會有一些不實(shí)的信息，有一些幻覺。
第三點(diǎn)的話是它整個(gè)效率大模型，整個(gè)大的系統(tǒng)需要大的算力整個(gè)效率。
第四點(diǎn)是對隱私、知識產(chǎn)權(quán)的保護(hù)這個(gè)方面透明性很大的問題。
首先我們不清楚局限是為什么，比如說是由于一維的單方向的自回歸模型，它本身算法框架的Transformer本身框架的問題，還是通過比如說強(qiáng)化學(xué)習(xí)，通過更好的對齊可以解決的，這個(gè)也有一種可能性，它算法本身就沒有辦法解決錯(cuò)誤的信息和不實(shí)的信息，因?yàn)橛脩羲旧硎切枰懈嗟膭?chuàng)意，可能創(chuàng)業(yè)的時(shí)候可能也沒法兼顧，我們現(xiàn)在不清楚這個(gè)是局限性。
另外效率，我們?nèi)说拇竽X有860億個(gè)神經(jīng)元，然后每個(gè)神經(jīng)元差不多有將近1萬個(gè)突觸。GPT4的話差不多是萬億參數(shù)，所以比我們大腦從規(guī)模來講還是要差上1000倍，當(dāng)然大很多倍能耗和算力。所以說如何能降低計(jì)算的降低耗能，增加效率是一個(gè)大的問題。你如果看一下現(xiàn)在目前不管微軟用的GPT也好，還是OpenAI基本上很難大規(guī)模商用，目前可能至少它的效率要高10倍才可以。
另外局限還包括比如說：把現(xiàn)在用到物理世界的具身式AI用到生物世界、用到金融，比如說核心的銀行系統(tǒng)里面都會有這些問題。
我一直在講說我們大模型當(dāng)然很重要，垂直的橫向的語言模型很重要，但是我們在用到行業(yè)的時(shí)候，一定需要更精準(zhǔn)的更加的面向行業(yè)的垂直精準(zhǔn)模型，比如我做無人駕駛，無人駕駛說我們要求低延時(shí)的是要求多模態(tài)的感知要求，規(guī)劃、決策、執(zhí)行是完全是高安全的狀態(tài)，而且低延時(shí)高安全，然后要十分精確的信息。
那么這個(gè)時(shí)候我不需要我自動(dòng)駕駛系統(tǒng)會作詩會作畫，然后不需要你們進(jìn)行氣象系統(tǒng)一樣的蛋白質(zhì)解析，我的語料我的信息是蛋白質(zhì)結(jié)構(gòu)什么是不是不需要互聯(lián)網(wǎng)上很多別的信息，所以我覺得大語言模型很重要，但是的話我們還是有很多別的東西也需要。
朱云來教授：GPT從出現(xiàn)以來，無疑取得了非常大的進(jìn)步，我們也可以從投資界的反應(yīng)中看出這一點(diǎn)。但是，GPT能好到什么程度呢？這個(gè)問題，亞勤先生剛才也提到了。GPT是一個(gè)重要的突破。原本我們會使用循環(huán)神經(jīng)網(wǎng)絡(luò)，但GPT提供了另一個(gè)視角。提到了自相關(guān)自回歸的作用，理論上它應(yīng)該更完整，但實(shí)施起來麻煩。我們也討論過神經(jīng)元的數(shù)量，你剛才說的是860億個(gè)神經(jīng)元，然而，實(shí)際上它的每一個(gè)神經(jīng)元理論上都可以和另外一個(gè)神經(jīng)元相關(guān)，如果你采用弗雷克耐特的方法，那就是860億的階乘，這個(gè)復(fù)雜度幾乎是無法接受的。
GPT最重要的一個(gè)貢獻(xiàn)就是它引入了自注意力的機(jī)制，大大簡化了運(yùn)算。這個(gè)結(jié)果讓人印象深刻。它將原本可能的億級參數(shù)壓縮到了10億級甚至千億級，得出了很多有趣的結(jié)果。
但可能還需要進(jìn)一步改進(jìn)。 GPT使用了注意力機(jī)制簡化了關(guān)系，因此能處理大量的信息。但是，因?yàn)樗赡苓^于簡化，所以可能會丟失很多信息，導(dǎo)致不夠精確，不能系統(tǒng)地模擬人的思維，因此，這會限制它的未來應(yīng)用的潛力。
主持人：任何的技術(shù)都有邊界的問題，很多投資人都問大模型，就目前全球斷鏈情況下，新的產(chǎn)能的快速布置和新的無人化工廠真的快速增效嗎？
張亞勤院士：這個(gè)問題確實(shí)很廣泛，但無論是大模型還是人工智能，它們都會大大提升各個(gè)行業(yè)的生產(chǎn)力，包括你剛才提到的制造業(yè)和我們的金融行業(yè)。AI將使很多變化是工作不再需要人手，無論是無人駕駛，無人工廠，還是各種有規(guī)則的腦力工作。這無疑將對工作市場帶來沖擊，但也帶來了機(jī)會。
朱云來教授：對于制造業(yè)來說，雖然有一些有限的應(yīng)用場景，但還是有很多可以改進(jìn)的地方。相比之下，GPT給我們展示了一個(gè)新的維度，它在一個(gè)綜合的維度上大大超出了我們過去的想象和實(shí)力。因此它有了這樣一個(gè)系統(tǒng)的突破，但是我們剛才也講了，從它對它的局限性來講，畢竟它可能又簡化的過分了，那么它就因此它的普適性它也降低了。
它可以按照我們的指示進(jìn)行系統(tǒng)性的工作。這個(gè)突破雖然在一定程度上簡化了問題，降低了模型的通用性，但它已經(jīng)足夠接近通用人工智能的能力。
如果真的有一天機(jī)器能夠達(dá)到這么高的水平，我們?nèi)祟愒撛趺崔k呢？其實(shí)，我們應(yīng)該從另一個(gè)角度看待這個(gè)問題，如果通用人工智能可以替代所有人的工作，對我們社會會有什么影響？如果所有的工作都由機(jī)器完成，所有的錢都被機(jī)器賺走，其他人大量失業(yè)，無法生存怎么辦？
如果真的達(dá)到這個(gè)程度，我們應(yīng)該重新考慮社會的治理結(jié)構(gòu)。如果通用機(jī)器人什么都能做，我們就不需要做那些工作了，我們可以有更多的休息時(shí)間，或者去做其他更有創(chuàng)造性的工作�？萍歼M(jìn)步帶來的好處應(yīng)該如何分配，這就需要我們從系統(tǒng)的角度來考慮這些問題。
主持人：很多人都在討論大型AI模型需要巨大的資源，芯片，以及資金。那么是否只有大型平臺公司，甚至是國家，才能成為核心玩家，甚至唯一的玩家呢？我想請問兩位，你們對這個(gè)問題有什么看法？創(chuàng)業(yè)是否真的有足夠的機(jī)會？
張亞勤院士：大模型的出現(xiàn)，對創(chuàng)業(yè)公司是一個(gè)機(jī)會，我一直把橫向的大模型比喻成為AI的一個(gè)操作系統(tǒng)，有了這個(gè)操作系統(tǒng)之后，我們上面還需要我剛才講的行業(yè)的垂直模型，上面可以開發(fā)新的應(yīng)用，所以說支持大的橫向的系統(tǒng)需要有大的數(shù)據(jù)算例，然后可能需要在云的系統(tǒng)上面去支持。
將大型AI模型比喻成AI的一個(gè)操作系統(tǒng)。有了這個(gè)操作系統(tǒng)后，我們還需要行業(yè)的垂直模型以開發(fā)新的應(yīng)用。大型的系統(tǒng)需要大量的數(shù)據(jù)算力，可能需要在云系統(tǒng)上運(yùn)行。即使存在商業(yè)的大模型和開源的大模型，作為創(chuàng)業(yè)公司，我們可以直接調(diào)用這些模型，不需要自己從頭做起。因此，對于創(chuàng)業(yè)來說，這是一個(gè)巨大的機(jī)會，進(jìn)入門檻更低了。
朱云來教授：確實(shí)是從這個(gè)系統(tǒng)的發(fā)展，我們過去的一個(gè)最典型的兩個(gè)場景，平臺公司或資本雄厚的公司，如微軟，有很強(qiáng)大的技術(shù)和資本優(yōu)勢。但是，這并不意味著小公司就沒有機(jī)會了。
平臺公司有其存在的優(yōu)勢，可以推動(dòng)科技進(jìn)步，但如果它們變得過于穩(wěn)定，沒有競爭，可能就不會有進(jìn)一步的改進(jìn)。而小公司則有熱情的員工，有強(qiáng)烈的創(chuàng)新沖動(dòng)。長期來看，如果沒有不斷的進(jìn)步，社會可能會逐漸穩(wěn)定。因此，小公司的作用非常重要，可能會帶來更多的創(chuàng)新。我們需要防止大公司過分壟斷，同時(shí)鼓勵(lì)和保護(hù)小公司。這樣，平臺和小公司都可以生存，推動(dòng)社會更系統(tǒng)、更快的進(jìn)步。
我們需要防止大公司過分壟斷，同時(shí)鼓勵(lì)和保護(hù)小公司。這樣，平臺和小公司都可以生存，推動(dòng)社會更系統(tǒng)、更快的進(jìn)步。
大模型的出現(xiàn)，對創(chuàng)業(yè)公司是一個(gè)機(jī)會，進(jìn)入門檻更低了。平臺公司可以推動(dòng)科技進(jìn)步，小公司有強(qiáng)烈的創(chuàng)新沖動(dòng)。但需要防止大公司過分壟斷，同時(shí)鼓勵(lì)和保護(hù)小公司。這樣，平臺和小公司都可以生存，推動(dòng)社會更系統(tǒng)、更快的進(jìn)步。
主持人：關(guān)于挑戰(zhàn)和限制，我注意到，現(xiàn)在似乎人工智能的芯片只有Nvidia一家比較成熟。我想請問張?jiān)菏亢椭炜�，這個(gè)會不會影響中國整個(gè)行業(yè)的發(fā)展，是不是最大的限制所在？
張亞勤院士：對人工智能發(fā)展有4個(gè)大的因素，一個(gè)當(dāng)然是數(shù)據(jù)，一個(gè)是算法，另外就是算力和人才。其中，算力可能是未來最大的挑戰(zhàn)�，F(xiàn)在有很多公司在研發(fā)GPU和IC芯片，包括美國和中國的公司，這個(gè)問題比較復(fù)雜。如果最終算力成為大的限制，我們必須找到其他途徑，比如新的模型，新的算法，新的框架。需求是創(chuàng)新的源泉，如果有需求，我們一定會找到解決方法。
我們現(xiàn)在最大的創(chuàng)新其實(shí)是在手機(jī)里面，在手機(jī)里面包括最先進(jìn)的芯片，最低能耗的芯片，最在手機(jī)里面，所以如果說以后算力是變成最大的一個(gè)限制的話，我們會有新的一些方法，可能方法和完全是不一樣的。
需求是創(chuàng)新的源泉，創(chuàng)新都有一定的挑戰(zhàn)。中國的人才現(xiàn)在足夠多，足夠強(qiáng)，數(shù)據(jù)也足夠多，而且向下發(fā)展是多模態(tài)，有視視頻圖像，包括我們物理世界的所有的這些信息，這些信息語調(diào)是足夠多的，然后這個(gè)算法我想也會和全世界同步，甚至方面都要領(lǐng)先的。
我要糾正一個(gè)觀點(diǎn)，現(xiàn)在的算法并不全是美國發(fā)明的。其實(shí)在過去的這10年深度學(xué)習(xí)，特別過去的5年，很多特別創(chuàng)新的算法，原始的算法是中國科學(xué)家完成的，包括在國內(nèi)的中國的華人企業(yè)科學(xué)家完成的。中國科學(xué)家也做了很多貢獻(xiàn)，就包括目前OpenAI的大模型，包括目前的深度學(xué)習(xí)的算法。
算法的創(chuàng)新很重要。比如說，現(xiàn)在用的算法，無論在效率還是機(jī)制上都有很大的差距。我們現(xiàn)在在對話時(shí)，可能只使用了1%的參數(shù)，使用了某個(gè)區(qū)域的神經(jīng)元，所以我們效率很高。目前的算法根本無法實(shí)現(xiàn)這一點(diǎn)。所以我覺得還有很多改進(jìn)的空間，很多創(chuàng)新的可能。另外，我們現(xiàn)在的深度學(xué)習(xí)主要依賴大數(shù)據(jù)，但人類和動(dòng)物有很多是通過DNA獲得的，先天具有的，不需要每次學(xué)習(xí)和推理。我們還需要將知識系統(tǒng)，包括知識圖譜，與大型模型結(jié)合起來，這是未來的發(fā)展方向。
朱云來教授：對于剛提到的芯片問題做一個(gè)簡單的補(bǔ)充。剛剛的提問我覺得算力是基礎(chǔ)，這是芯片的問題。但是大家提到的算法實(shí)際上是另一個(gè)維度，這兩者是相輔相成的。一個(gè)好的算法可以大大降低算力需求。所以，這可能最終是這兩個(gè)因素的一種平衡，我覺得最大的產(chǎn)出可能還在算法上。
主持人：最后一個(gè)問題從投資角度出發(fā)，上一個(gè)互聯(lián)網(wǎng)的周期，從普通互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)基本上是用了10年，生了重大改變，帶來了新的機(jī)會。對于人工智能來說，你們覺得會花費(fèi)多少年時(shí)間來改變社會，是否會更快？
張亞勤院士：如果我是投資者，我現(xiàn)在會非常害怕。不管投大模型也好，垂直模型也好，可能95%甚至更高，兩三年之后都沒了，但是又不能不投，因?yàn)檫@個(gè)機(jī)會成本太高。雖然有很多機(jī)會，但大部分投資可能會一無所獲。
現(xiàn)在的人工智能有點(diǎn)像98年的互聯(lián)網(wǎng)。機(jī)會很大，但也有泡沫。但是互聯(lián)網(wǎng)本身不是泡沫，后面它改變了我們的生活和工作方式，那些真正的好公司，有實(shí)力的公司，有技術(shù)的公司，有價(jià)值的公司越來越大。我覺得人工智能也會是一樣的，會有很多了不起的公司，但大部分的公司可能會消失。所以，人工智能不僅不是泡沫，更是一個(gè)巨大的機(jī)會。
朱云來教授：客觀的講，人工智能在這個(gè)泡沫中涌現(xiàn)出來。從投資的角度看，你需要關(guān)注的是整個(gè)大局，而不只是某個(gè)特定領(lǐng)域。只有當(dāng)你做出投資決策時(shí)，才有可能獲得成功，而如果你沒有投資，那肯定會失敗。但請不要誤以為，只要你投了，就可以高枕無憂，自認(rèn)為是最大的贏家。其實(shí)，你需要不斷的投資和調(diào)整，保持謹(jǐn)慎，持續(xù)關(guān)注市場的變化。
歷史上的各種投資泡沫都是因?yàn)榇蠹以诜e極探索新領(lǐng)域。然而，這些探索不一定都能成功，也會有失敗的情況，很多探索一度興起，然后破滅。但是在這個(gè)過程中，我們可以看到有系統(tǒng)性的進(jìn)步開始出現(xiàn)，因此你需要不斷的調(diào)整你的投資策略。
多回去看看過去，學(xué)習(xí)投資者是如何進(jìn)行投資決策的。思考一下，在互聯(lián)網(wǎng)的發(fā)展歷程中，誰是最大的贏家？他們的投資策略有沒有值得你學(xué)習(xí)的地方？（對話結(jié)束）
