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。

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。

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，什么技術會對人類產生最長遠的影響，就是它變成了基礎設施。

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。

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。

以下是“智能超參數”根據演講視頻整理而來的實錄，enjoy：

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么事情呢？還是值得探討一下。

我想用一張圖，當時我看到以后，為什么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，如果你要追溯關于機器智能的事情，可能可以追到幾百年以前。在圖靈這篇文章里邊，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。第一次在探討關于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。這就是為什么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，我聽完以后就很感觸，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，但人工智能就這么流行了。

那為什么在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，他到我們去講了關于人工智能。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，那時我有多么的激動。但事實上，等了十年沒有什么東西發生，所以后來就該干什么就干什么去了。

但事實上，里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》，那里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。

那為什么算是一個非常短的的歷史？

如果你看再回到剛才這張圖上，現在這個紅線里邊就講到了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么大影響的話，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，但是沒有谷歌什么事。

那這里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，聽起來好像也沒什么了不起。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里面會講到的關于基礎設施的事情。

同樣，大家都知道在谷歌發表這篇文章的前后，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么。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。

這個谷歌很行是什么呢？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。

但為什么谷歌不行呢？我覺得大家都可能知道埃里克·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，為什么呢？他沒有創造出一個東西，像OpenAI創造出的那么有價值，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么。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后面，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后還是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，其實為什么谷歌那篇文章有那么fundamental。也就是說到最后大家今天聽到的一些最基本的東西，到最后也離不開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，但大家都知道背后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于天氣預報的時候，這是一個三個跨度非常大的應用。但是他們到背后，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為什么只有七年歷史？

大家再回過頭來看，我們事實上是你愿意不愿意，我們生活在transformer這樣的一個陰影下，也可能是一個以后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+到底是什么。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+后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+到底是什么？

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。

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里討論了很多GPT這樣東西可以用到什么場景。最后只有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，后來都寫成了書。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+到底是什么？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-蓋茨當年的一個愿景，就是讓計算機能聽能說。所以我想今天因為有了ChatGPT以后，就當這臺計算機變成了一個手機以后，我們今天就做到了這一點。

那么這背后的真正的+的機制就是ChatGPT。當我們講那個加的時候，不是加什么東西，而是怎么加，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什么意思，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。

那OpenAI這家公司為什么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這么一個主體里邊，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么復雜的一件事情。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。但是后來想了一想，這個就不知道在說什么，為什么呢？因為ChatGPT是什么也沒有完全說清楚，人工智能是什么也沒有完全說清楚，那iPhone到底是什么也沒有說清楚，就是把這三個說不清楚的東西放在那里變成了一句話，這是讓我困惑了很長時間。

其實大家也不要覺得說清楚iPhone是什么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么重要，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。所以他到底是什么？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后的

當然這個就回到了那篇文章，就是杰弗里·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里面都有。

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，是在那篇文章之后，它才成為學術界的標準，在他這篇文章之后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里面都有的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。

那么到了今天發生的變化，為什么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里面，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，什么技術會對人類產生最長遠的影響，就是它變成了基礎設施。

當然是AI基礎設施不是我發明的，今天大家都在談的。所以我想為什么從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。

大家看一看在云時代，在移動時代，在AI時代，他們覺得的基礎設施就是云計算。這里很有意思，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，為什么？英偉達大家都覺得他應該去做云計算。

作為做云計算的，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，那你看它背后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，它背后是microsoft，第二名的背后是AWS。大家可以看到在這些企業真正背后的排名是什么？就是全世界排名第一、第二、第三、第五、第六的云計算服務商，都是今天美國獨角獸公司的背后支撐的來源。

這里大家看到很很神奇的一件事情，在這里有第一、第二、第三、第五、第六，就是沒有第四，對吧？那第四就是阿里云。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里。

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。但是它因為云，因為這個基礎設施，它在跟OpenAI創造出這么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。

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里邊，事實上是沒有價值的。

我把這個紅框里面畫出來，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里面講到那個事情，去做了兩個區分，就講是在傳統的IT時代的云計算，以及在AI時代的云計算。盡管這兩種計算有差別，但都是云計算。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，它是做了這么一個細微的區分的。今天這個我就不展開講了。

最后總結一下：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。

謝謝大家。

返回列表