ChatGPT警示：不同的中美AI故事

塘沽火星人

            
- }' P3 t9 j; @% w4 e$ b) K            衣公子的剑——从商业的角度，看看这个世界
/ q) e; r, Y6 V9 R$ P- Z, ?            90年代SGI（硅谷图形公司）研发高性能计算机，富得流油。李开复入职那一天，公司正巧发了个常规“小”福利，全公司所有员工，每人一只1500美元的Tag Heuer手表，外加一件昂贵的小羊皮夹克。
* m5 L% F- I, G* n: u+ r6 \            李开复在苹果公司待了六年，也没见过这么壕的排场。
            但仅过去两年，SGI就从豪奢走向破产。见证这场大起大落的李开复，总结了一个教训：科技创新千万千万不要脱离用户需求。
            当李开复决定换工作，Intel和微软都抛出了橄榄枝，工作内容也惊人一致——去中国，建研究院，网罗中国年轻一代、生机勃勃的高材生。
            乔布斯也打来了电话。这位前老板刚结束流放，重回苹果，准备大干一番。“开复，你为什么要去微软？为什么要去中国？赶紧给我回苹果！”
            李开复拒绝了。在SGI的这段时间，他扮演着公司和中国的桥梁，很明确地注意到中国迅速发展，尤其是互联网的出现，让李开复坚信互联网会改变中国。
3 P3 S4 @" B) ^' K6 a# b            1998年，他回中国建微软中国研究院，也就是后来的微软亚洲研究院。这是互联网力量最不可一世的一年，谷歌、搜狐、京东、腾讯、新浪相继诞生。
            在美国从事计算机科学的中国人，都被李开复薅了个遍。选中张亚勤，这位天才学霸，先在桑纳福研究院做主管，被通用电气（GE）收购后，张亚勤的工作重心由纯科研，变为将技术转化为产品。这份“市场”的经历让李开复尤其看重。
            搞研究，先要建文化，科学面前人人平等。李开复要求不许叫“总”，也不许叫“院长”，必须叫“开复”。张亚勤先使坏，用当时北京城很火的餐厅名字“KFC”叫李开复，因为后者名字简写是KF。李开复还击了，管张亚勤叫“牙签”（YQ）。
. h5 f0 U* y8 C' [            初生的微软亚洲研究院风风火火，政府也很支持，入职竟然能解决北京户口。在基础研究、产研结合、培养青年科学家方向，微软亚洲研究院给中国播下了一颗种子。
5 t" B! l6 E5 Y" ]/ m            后来的故事，大家都很熟悉。比研究内容更出名的，是微软亚洲研究院的“人”，张亚勤、沈向洋、王坚、王海峰、林斌、俞栋、邓大付、贾佳亚、孙剑、余凯、汤晓鸥……这一长串的“毕业生”，有的去百度阿里腾讯头条小米，有的下海创业科技小巨头，把科学研究孵化成一个个具体的解决方案，撑起了中国科技商业的半边天。
            01
            激流澎湃。24年后光景已然大不相同。中国 AI 技术和应用也走到了全球第一梯队。
; O& Z2 e0 W9 \            2022年，李开复对中国媒体谈到，“中国将与美国共同引领全球AI发展，在未来二十年，AI和自动化作为平台技术，与先进计算、生命科学、新能源等更多新技术交叉发展会带来颠覆性的产业变革，中国有望这过程中领跑。
# M! P; \3 W( o, B/ a% u            但话音未落，微软一手奶大的ChatGPT横空出世，让一个常见的话题再次热议：美国中国AI差距究竟有多大？担忧之声此起彼伏。
" s% |; c. F$ q            认识差距，也客观丈量差距。
            不妨大方承认，科技、商业很多方面，美国依旧领先世界，是我们学习和追赶的榜样。但广阔的市场和丰富的场景是中国AI的跳板。特别是在规模巨大的传统行业，有较深的“行业护城河”。世界工厂正处于数字化、智能化升级转型关键时期，AI、自动化等平台技术轮番上阵，推动其迭代到技术创新驱动的增长新范式。
            李开复也预测说，未来，中国和美国的 AI 竞争不一定是零和博弈，尤其中国在大数据和AI的优势，自动化、智能化有望领先美国，保持“世界工厂”的地位。
            如果把时间拉长，从微软亚洲研究院到ChatGPT，中美AI两条不同的发展路径，更加清晰。
* t! @, L* w# M( w6 |) P7 j! ?            微软亚洲研究院的何恺明，和他的导师孙剑，研发深度残差网络ResNet。DeepMind的AlphaGo Zero就是利用了ResNet的研究成果。
0 @/ ^1 E6 n5 K0 }/ v/ z/ Z            后来，孙剑离开研究院，加入旷视。而何恺明的另一位导师汤晓鸥，也在离开微软亚洲研究院后，拥抱中国本土AI市场，创业商汤科技。
            旷视、商汤，成为中国计算机视觉AI的“四小龙”。CV领域就是一个典型“场景-技术-产品”轮转，再带动下一代技术跃迁的一个代表，同期不仅有四小龙，也有腾讯优图等这样的科技企业布局。我想到更大的方面是，人脸检测的研究几十年前就在实验室里兴起，历经一代又一代研究学者，但是这一代科学家，终于有机会把几代学者的心血从实验室搬出来，通过手机解锁、移动支付，走进每个普通人的生活。
, Y" O8 f$ `/ `+ w  T2 m! Y$ }            AI顶级人才都是如此，做研究是佼佼者，再跳出去加入中国轰轰烈烈的AI事业，撑起了中国科技行业的半边天。这至少证明了两件事，第一，中国人也会做基础研究，也能做好通用人工智能。第二，做基础研究，和做场景的解决方案，并没有高下之分。恰恰是两者相辅相成，共同推动AI行业的发展。
            很多人说，中美两国AI最大的差异在于，美国侧重基础研究，中国侧重解决方案。其实，不仅是人工智能，本世纪所有的科技发展，都在太平洋两岸衍生出不同的路径。
            互联网浪潮中，美国对电商相对不那么热衷，线上消费渗透率一直上不去。相比之下，中国几乎所有互联网公司都做过电商，中国电商渗透率冠绝全球，规模一度比第2到第11加总都高。
            移动互联网也是如此。美国“移动支付”不积极。但是中国凭借更好的网络环境，更鼓励创新的监管制度，跨越发展，直接跳过信用卡时代，进入数字支付时代。
  _- K& m8 A- x$ f            再比如，无人驾驶。美国侧重车的智能化。而中国的优势是更好的基建、路况、网络和交通规划，于是选择了车路协同的路线。
' H9 \( C" U& L8 O5 v* n  J            产业互联网也有很明显的差异。美国经济的产业特点是集中于微笑曲线的最上游和最下游，科技、互联网、金融占比高，加上人力昂贵，企业付费意愿强。而中国的特点是，产业集中在微笑曲线的中段，作为世界工厂，场景丰富，产业链完整，加之政策支持，高校集中，产学研对接十分方便，技术验证更好落地。这样的大背景导致，美国重攻基础研究，多是从技术起步，而中国的优势在于场景多，需求多，场景多，往往是场景倒推技术落地。
8 \' P7 L2 [- n9 l1 I  q            02
            李开复创办微软中国研究院那年。相反的方向，任正非去美国，对贝尔实验室惊叹不已。美国人搞的这玩意好啊，产研结合，大企业办研究院，商业产品赚利润，长期研究谋创新，两条腿走路才能更稳。
            今天来看，任正非的喟叹，折射出另一个维度——对基础研究的态度，不是眼界问题，而是实力问题。
; Y7 V" J2 a  B; f5 d0 ]* n            用一个不恰当的比喻，微软来中国建研究院的时候，任正非在美国羡慕贝尔实验室的时候，微软等美国巨头已经是富豪少爷，钱不是问题，钱太多才是问题。要砸钱做基础科学，好处是明显的——既可以抢占科技高点，也需要冲淡垄断者的坏形象。
0 I; o/ h5 R7 a/ j/ b" X            而中国的民营企业才刚刚走在艰苦奋斗的路上。精打细算的习惯改不了，往往是先从市场需求产品需求开始，再慢慢投入科学家和基础研究，再结合市场需求，带动基础研究落地。
1 f2 J$ T5 j2 e9 d  ^: l            我和很多公司从事AI研究的朋友有过交流，他们的出发点往往很简单、很现实。比如腾讯早期研发的AI技术，是因为QQ空间的产品需求——很多用户用个人电脑自拍QQ头像。QQ团队就想，做个技术可以实现头像居中。
            在解决了这个技术难题后，一个小团队逐渐固定出来，跳出产品，专门研究图像技术本身。孵化出了人脸检测、人像表情、智能P图等技术，再用回产品上，孵化出天天P图，人像美容的技术，被应用到国民级产品全民K歌。这个小团队，也就是后来的腾讯优图。
            2015年，也是因为需求——金融改革，鼓励小微金融普惠金融。当年微众银行成立，是中国第一家没有线下网点的银行，腾讯积累的图像技术，被用于线上远程开户核身、风险控制。AI的产业技术价值开始显现。
0 o" X: w/ ?# T: P; `1 G            再进入产业互联网，比如用图像AI做质检。制造业不够高大上，但是用AI做质检真的不简单。拿富驰高科为例，它的产品是手机摄像头的支架，形状不规则且只有手指头大小，但上面需要检测的点位却高达七八十个。难度有两个，一是误检率要达标，否则漏检的瑕疵品还需要额外安排人工去检测，那相当于没有提高人效；二是要与时间赛跑，因为手机产品每年都升级换代，所以新一代的质检方案必须在新一代产品开始生产之前做出来，不然就没法落地。
) H+ F5 r% }$ Q. z1 C) c            腾讯将混元等大模型的相关能力用在产业场景中，通过腾讯云TI平台对外输出能力，方便客户自己做数据训练，目前已有八个行业超过五十家用户使用了这个能力。富驰高科就算了一笔账，该项目AI的工作效率是原来人工的20倍，在机器持续满载生产的情况下，一年可为公司节省数千万元成本。
5 u( r; W1 I; }& X            马化腾一直讲，要走研究和应用并重的技术研发战略。腾讯的AI实验室后来发展成矩阵，腾讯优图、AI Lab、WechatAI和RoboticsX机器人实验室，既能拿出超大规模(万亿)预训练模型“混元大模型”，也有云和AI结合的腾讯云智能，带着技术扎根工厂，跑出工业质检训练平台TI-AOI。
            和美国相比，中国科技有一个明显的特点，从场景需求入手——去底层做技术——再回到产品做创新，从而像轮子一样滚动前进。
            在宝武钢铁“1580产线”的透明工厂，蓝领变白领，不用去嘈杂炎热的产线，只要在安静的、开空调的会议室就行。当中用到的数字孪生技术，是从腾讯擅长的游戏场景而来。
            和腾讯类似的。阿里的云服务，最早起步于电商，二十年前就在帮助小商家上网卖货。美团的无人机技术已经哼哧哼哧地干到了头部，多年投入无人机就是因为和主业“送外卖”息息相关。京东主推智能供应链，也是来源于京东二十年自建物流的技术底子。
            产业互联网是一个比消费互联网大得多的市场。尤其在中国，世界第二大经济体，世界工厂，场景丰富。而且，正在经历从产业布局数据劳动密集向效率提升转型。目前，各家中国科技公司掏出家底往里冲，但是细细分辨，各自拿出的技术成功，都和自己的主业高度相关。
+ j( B. Z. ], B) {. }            对比之下，美国AI行业上一个爆款是DeepMind的Alpha系列，先把技术做出来，赢人类围棋冠军，足够爆炸。而应用场景、商业化都不迫切，慢慢摸索，好几年后这项技术被用于破解蛋白质折叠结构难题，参与新药的研发，才算英雄有了用武之地。
            同样的，ChatGPT目前信息的归纳生成阶段还比较初级，真正走出实验室派上用场仍然需要在应用场景中不断实践，不断打磨，不断迭代。
            03
            话说，不论25年前办微软中国研究院，还是现在力挺出ChatGPT，微软都有自己的算盘。
3 J" e: u* i5 w. `4 J/ b; `2 y            明面上是培养中国青年才俊，产融结合，追求创新……但还有些不好意思说的，李开复在自传里分享：当时中国市场管微软叫Micro$oft，因为它太赚钱了，一套软件卖那么贵，而且垄断。但是，创办中国研究院的工作，大大改善了微软的形象。
            不得不说，微软真的好“自私”，但是也正是这份“自私”推动了人类技术的进步，市场经济最大的魅力就是鼓励企业自由追求自己的利益，技术追求和商业欲望，带动社会进步。科技创新背后的良性循环，来自于需求——利润——持续投入的循环往复。
0 k; m# p# A; {; O. J            ChatGPT的出现也有新的启示，AI对技术、数据、场景要求的突破，需要大企业的持续投入。
            OpenAI的天才工程师们固然珍贵，但背后的微软也是功不可没。搞AI大模型是一件极度烧钱的事，数据包含近千亿个参数，1万枚英伟达A100芯片是算力门槛，一次完整的模型训练成本就接近1亿元，而成果又充满不确定性。
9 a/ W! z. P- G* V& [            微软先投10亿美元，再投100亿美元，一路从内部调资源，给服务器给设备、云计算资源，甚至动了微软内部技术部门的奶酪。
            微软贡献的这样几个方面，都来自其平台型企业的属性。ChatGPT用到云资源，如果按照市场价格租赁，OpenAI早破产了，但是微软有云业务，就可以很灵活。而且平台型企业，才有数据给ChatGPT训练，有用户，有业务，有场景，能让AI开发里遇到的技术获得实验机会。
            有一件事我想强调。ChatGPT对人类AI事业是绝对的好事，但是对于微软这个商业企业来说，不一定是板上钉钉的好事。
            因为创新是不可预见的。ChatGPT模型的核心技术是Transformer。但谁知道下一个打败Transformer的模型会不会明天就会冒出来？
            想当年，AlphaGo赢了人类围棋冠军，Google何等风光。但是今天ChatGPT一出来，不也是成了奚落的对象嘛。再往前，人类AI的盛典是IBM的深蓝打败国际象棋冠军。后来IBM过度迷恋技术，反而掉队了。
            所以，AI这类技术创新，适合位于社会中间部位的平台型企业去做。往下，创业企业，没钱没资源没场景，做不了。往上，政府产业基金，有钱有资源，但往往和商用场景有距离。说到底，高精尖的技术创新九死一生，要鼓励大企业去冒险，要搭建好产学研的模式，要依靠市场激励。
            说到中美AI产业差异，其实中国底子很不错。AI论文数量很早就第一，论文质量也很好。被引用次数居前10%的论文篇数，中国在2019年跃居第一。日本经济新闻在荷兰学术信息大型企业爱思唯尔(Elsevier)的协助下进行了统计分析，2021年受关注论文篇数居前十的企业，前十里有四家中国企业，腾讯、阿里、华为、国家电网分列5、6、7、9位。在人工智能领域，腾讯过去五年专利申请数量为10630项，位居全球互联网行业榜首。
  @9 ?/ H8 Y5 q, p; r6 a% c                        
4 p4 M, G: D7 P3 ?' j( ?/ ?; k            还是那句话吧，面对中美AI差距，既要承认差距，也不要妄自菲薄。找到自己的优势，找到自己的问题。
            中国该做的，是用好的自己的特色，丰富的产业链场景、产学研融合、互联网头部企业积极投入，利用好市场的循环。
- y# K( g1 l4 l6 ]6 N            就像最近科技部部长王志刚最近在谈起ChatGPT时也提到，希望既通过科学研究、技术牵引，也通过场景驱动、用户需求，二者结合起来，让AI为中国经济社会发展、中国科技发展作出贡献。
            今年中国的主题是抓经济，高层领导最近多次强调要支持民营经济。的确，科技创新，比拼的是谁有一个更好的商业环境。要鼓励创新，就要宽容试错，有合理的市场激励，平台型企业敢投资，AI这类创新技术才能杀出一条血路。
            

似雪花飘

如小编所说，中国人工智能人才一流,论文世界第一，可是，，，不要自欺欺人的 我身边的博士论文科学论文怎么写的，我相信小编也约知一二吧