在10月30日的FII Institute大會上，多位人工智能領(lǐng)域的領(lǐng)軍人物齊聚一堂，其中包括創(chuàng)新工場董事長兼首席執(zhí)行官、01.AI首席執(zhí)行官李開復(fù)博士，You.com創(chuàng)始人Richard Socher，以及Stability AI首席執(zhí)行官Prem Akkaraju。
伴隨著大型語言模型在理解和生成人類語言方面取得了突破性進(jìn)展。在此背景下，李開復(fù)分享了他對人工智能發(fā)展的獨(dú)特見解。"這一次的AI發(fā)展是真實(shí)的，"李開復(fù)回顧道。作為見證人工智能起伏的資深專家，他分享了自己從大學(xué)時(shí)期就開始追逐AI夢想的經(jīng)歷。在經(jīng)歷了幾次"AI冬天"后，約七八年前，深度學(xué)習(xí)的發(fā)展讓他重新看到了AI創(chuàng)造巨大價(jià)值的可能。通過創(chuàng)新工場，他們成功孵化了12家AI獨(dú)角獸企業(yè)。而如今，生成式AI的快速發(fā)展促使他從投資人轉(zhuǎn)型為積極的參與者，從"后座"走向"駕駛座"。李開復(fù)對AI的未來持強(qiáng)烈的確信態(tài)度："在2030年左右，只會存在兩類公司：充分利用AI的公司，和已經(jīng)破產(chǎn)的公司。“
在探討中美科技競爭時(shí)，他指出了兩國在AI發(fā)展上的獨(dú)特優(yōu)勢：美國公司在創(chuàng)新和開創(chuàng)性技術(shù)上占據(jù)優(yōu)勢，而中國公司則在執(zhí)行力、工程實(shí)現(xiàn)、應(yīng)用開發(fā)和用戶界面設(shè)計(jì)等方面表現(xiàn)出色。在這個(gè)"發(fā)現(xiàn)時(shí)代"，雖然美國可能在技術(shù)創(chuàng)新上保持領(lǐng)先，但中國企業(yè)通過優(yōu)秀的工程能力和解決方案交付，同樣可以在AI浪潮中占據(jù)重要位置。
文稿整理主持人： 大家好，歡迎參加另一場關(guān)于人工智能的對話。我覺得我們關(guān)于這個(gè)話題的討論還不夠。在這里，我要特別感謝 Richard 和 FI 團(tuán)隊(duì)，今年他們大大推動了關(guān)于人工智能的討論。我認(rèn)為沒有哪個(gè)話題能比這個(gè)更重要了，不論是在金融、領(lǐng)導(dǎo)力、教育還是醫(yī)療領(lǐng)域，人工智能正在改變我們的一切。今天我們有三位非常出色的 CEO，他們分別代表了人工智能發(fā)展中的不同領(lǐng)域。首先，我會請每位嘉賓用一分鐘自我介紹，講一講他們的工作。然后，我們會探討這個(gè)領(lǐng)域的未來發(fā)展速度、規(guī)模，甚至還會問問大家在 ChatGPT 之后，人工智能還會怎樣發(fā)展。Prem，就從你開始吧。
嘉賓Prem Akkaraju： 好的，謝謝你，Peter。我是 Prem Akkaraju，Stability AI 的首席執(zhí)行官。我們公司是全球領(lǐng)先的開源圖像、視頻和 3D 模型平臺之一。至于 GPT 之后的發(fā)展嘛，圖片確實(shí)勝過千言萬語，而我們也在大量生成這些圖片。事實(shí)上，去年 2023 年所有由 AI 生成的圖像中，有 80% 是由我們的模型 Stable Diffusion 驅(qū)動的。
主持人： 非常棒！Richard，你呢？
嘉賓Richard Socher： 大家好，非常高興來到這里。我是 Richard Socher，you.com 的創(chuàng)始人兼 CEO。you.com 是一個(gè)生產(chǎn)力引擎，它是繼搜索和回答引擎之后的下一代產(chǎn)品。我們的目標(biāo)是幫助各類組織提升生產(chǎn)力，從對沖基金、大學(xué)、公司到保險(xiǎn)公司、新聞社等，幾乎涵蓋了各行各業(yè)。我還運(yùn)營一個(gè)名為 ax Ventures 的風(fēng)險(xiǎn)基金，投資早期的人工智能公司和初創(chuàng)企業(yè)。在我任教于斯坦福大學(xué)時(shí)，我有幸遇到兩位學(xué)生，他們創(chuàng)辦了一個(gè)叫 Hugging Face 的公司。我在他們 500 萬美元的估值時(shí)投資了，現(xiàn)在他們的公司已經(jīng)達(dá)到 45 億美元的市值，所以基金表現(xiàn)不錯(cuò)（笑）。
主持人： 你這可是實(shí)打?qū)嵉撵乓。ㄐΓ乙蚕Ｍ夷芟衲阋粯�。李博士，您來介紹一下。
嘉賓李開復(fù)： 大家好，我從事人工智能研究已經(jīng)有 43 年了。我大學(xué)時(shí)才開始接觸 AI，那時(shí)我才剛二十歲左右，可能比很多同行的年齡還小。我專注于機(jī)器學(xué)習(xí)領(lǐng)域，持有卡內(nèi)基梅隆大學(xué)的博士學(xué)位，也曾在蘋果、微軟和谷歌工作。可能有些人通過我的書《AI超級智能》和《AI 2041》認(rèn)識我。我的兼職工作是運(yùn)營創(chuàng)新工場，這是一家全球性投資機(jī)構(gòu)。而我的全職工作是管理 0. 這是一家生成式 AI 公司，我們構(gòu)建了大型語言模型，目前在性能上排名第三，僅次于 OpenAI 和谷歌的頂級模型。我們的產(chǎn)品可以在全球訪問，我們也積極參與開源項(xiàng)目。
AI生成電影主持人： 首先，我要說，李開復(fù)博士是全球 AI 領(lǐng)域的傳奇人物，能夠邀請到他非常榮幸。Prem，咱們先從你開始吧。你很有名的一件事就是成功招募了詹姆斯卡梅隆加入你的董事會。鑒于 Stability AI 正在創(chuàng)造視頻、推動好萊塢的未來，我想問兩個(gè)問題：第一，卡梅隆在《終結(jié)者》中描述的未來對了嗎？第二，關(guān)于好萊塢的顛覆性討論很多，未來 AI 是否會創(chuàng)作所有電影和內(nèi)容？
Prem Akkaraju： 哈哈，那就讓我們希望卡梅隆在《終結(jié)者》里描述的未來不會成真吧！不過那真是一部好電影，他還經(jīng)常開玩笑說“我早就告訴你們這個(gè)未來會來，現(xiàn)在它真的來了”。他為什么會對 Stability 有興趣呢？這是個(gè)好問題。我很幸運(yùn)能夠在我擔(dān)任 Weta Digital CEO 時(shí)，與他一同制作了《阿凡達(dá)2》，那部電影花了四年多才完成，因?yàn)樗峭耆秩境鰜淼�。如果我們快進(jìn)到 5 到 10 年后，我認(rèn)為絕大多數(shù)電影、電視和視覺媒體將不再需要渲染，而是直接生成。在《阿凡達(dá)》中，有些鏡頭花了六千到七千個(gè)小時(shí)的計(jì)算時(shí)間來渲染一幀畫面，而現(xiàn)在這個(gè)過程可以縮短到幾分鐘。所以，卡梅隆希望能節(jié)省很多時(shí)間。電影制作的難題在于時(shí)間和資金，而他希望打破這些障礙，從渲染模式轉(zhuǎn)變到生成模式。
主持人：那么，我們會不會看到 AI 根據(jù)每個(gè)人的喜好生成“量身定制”的電影呢？
Prem Akkaraju： 我個(gè)人希望不會吧（笑）。我認(rèn)為創(chuàng)作過程應(yīng)該由人類主導(dǎo)，人類需要利用這些工具來實(shí)現(xiàn)他們的故事。因此，我相信大家依然會喜歡聽別人講述的故事。
主持人： 那好，我們換個(gè)方向吧。未來我們會不會看到瑪麗蓮夢露等已故明星重新“回歸”？既然 AI 能生成絕對逼真的演員和明星，是否還需要真人演員？
Prem Akkaraju： 其實(shí)在電影制作過程中，直接拍攝演員的表演反而更快捷，直接拍攝真實(shí)的攝影素材更有效。所以我認(rèn)為 AI 會加強(qiáng)這種表演，但導(dǎo)演和演員之間的互動依然是創(chuàng)作過程的重要組成部分，這種物理性創(chuàng)作的部分不會很快消失。事實(shí)上，我經(jīng)常思考哪些事物不會改變，就像我思考哪些會改變一樣。
主持人： 不過我確實(shí)認(rèn)為，在導(dǎo)演拍攝一遍后，他會說“我明白了”，因?yàn)樗麄兛梢韵衲闼f的那樣，通過操控表演來達(dá)到預(yù)期效果。在繼續(xù)之前，我還有一個(gè)問題想問你：十年后，隨著數(shù)字超級智能的發(fā)展，電影和電視會發(fā)生什么最劇烈的變化？你認(rèn)為娛樂行業(yè)最瘋狂的前景是什么？
Prem Akkaraju： 我認(rèn)為我們會看到內(nèi)容創(chuàng)作量呈現(xiàn) 5 到 10 倍，甚至 20 倍的增長。我們會看到時(shí)間形式的多樣化，比如你可能希望在睡前花兩分鐘，或者二十分鐘看一部電影。不同時(shí)間長度的內(nèi)容將會出現(xiàn)爆發(fā)式增長，而且全球藝術(shù)家的數(shù)量也會大幅增加。
NLP發(fā)展方向主持人： 十年后我會回來看看你說的對不對（笑）。Richard，我們接下來談?wù)勀�。你在神�?jīng)網(wǎng)絡(luò)應(yīng)用于自然語言處理的早期階段做了很多開創(chuàng)性工作。你覺得 NLP 的下一個(gè)前沿是什么？能否簡單解釋一下什么是 NLP，以及它未來的發(fā)展方向？
Richard Socher： 自然語言處理（NLP）過去是人工智能的一個(gè)子領(lǐng)域，但我認(rèn)為它幾乎影響了人工智能的所有其他領(lǐng)域。有許多不同的算法可以訓(xùn)練。2010 年我有一個(gè)瘋狂的想法：訓(xùn)練一個(gè)通用的神經(jīng)網(wǎng)絡(luò)來處理所有 NLP 任務(wù)。到 2018 年，我們終于構(gòu)建了第一個(gè)模型，開創(chuàng)了提示工程的概念，讓人們可以通過一個(gè)模型回答所有問題。隨著時(shí)間的推移，人們可以不僅僅通過文本提問，還可以通過圖像提問。因此，我認(rèn)為 ChatGPT 之后的答案之一就是我們會有更多的多模態(tài)模型，能夠在圖像、視頻、聲音、編程等不同輸入輸出模式間無縫轉(zhuǎn)換。其中一個(gè)特別有趣但尚未廣泛認(rèn)識的領(lǐng)域是蛋白質(zhì)。蛋白質(zhì)本質(zhì)上是生物學(xué)中的基本“積木塊”，一切都由蛋白質(zhì)主導(dǎo)。就像你可以讓大型語言模型為你寫詩一樣，你也可以讓它設(shè)計(jì)特定種類的蛋白質(zhì)，比如只與 SARS-CoV-2 結(jié)合的蛋白質(zhì)，或只針對腦部特定癌癥的蛋白質(zhì)。這將為醫(yī)學(xué)帶來巨大的突破。目前我們看到 DeepMind 的 Alpha Proteo 等項(xiàng)目已經(jīng)展示了這一潛力。
主持人： 前些時(shí)候我們討論過“智能上限”問題，但我沒聽到你的答案。我們剛剛在一次關(guān)于數(shù)字超級智能的討論中提到這個(gè)問題。我們看到 AI 變得越來越智能。昨天我和埃隆聊天時(shí)，他說，到 2029 或 2030 年，AI 的智力將等同于全人類。你覺得智力會不斷增長到百萬倍、十億倍，甚至兆億倍嗎？是否存在智能的上限？
Richard Socher： 這是個(gè)非常有趣的問題。說到 AlphaFold 和 Google 的研究，理解蛋白質(zhì)如何折疊能幫助我們了解它們在體內(nèi)的功能和相互作用。2020 年，我們在 Salesforce 的研究團(tuán)隊(duì)創(chuàng)造了第一個(gè)生成新蛋白質(zhì)的模型，設(shè)計(jì)出的蛋白質(zhì)與自然界已有蛋白質(zhì)有 40% 的不同。我們在實(shí)驗(yàn)室中合成了這種蛋白質(zhì)，它具有抗菌性質(zhì)。至于智能上限，實(shí)際上要看智力的不同維度。比如語言智能、視覺感知、推理、知識提取以及物理操控等。以視覺智能為例，人類的視覺依賴于電磁頻譜，而我們可以預(yù)見 AI 將來可以看到更寬的頻譜，比如伽馬射線頻段。但最終我們會遇到物理極限，比如量子物理限制或光速限制。在某些方面，我們離這些上限非常遙遠(yuǎn)，但在某些領(lǐng)域，我們已經(jīng)非常接近了。
主持人： 你提到工作效率是 you.com 的目標(biāo)之一。那么，這是否意味著工作生產(chǎn)力也存在上限？隨著 AI 代理人和機(jī)器人能夠執(zhí)行幾乎所有任務(wù)、并自我改進(jìn)，是否會出現(xiàn)某種“無限 GDP”呢？
Richard Socher： 在某些領(lǐng)域，AI 可以進(jìn)入自我訓(xùn)練循環(huán)，只要有模擬環(huán)境，比如國際象棋或圍棋，它們可以完美模擬，AI 能夠自我訓(xùn)練，進(jìn)行無數(shù)次博弈，解決該領(lǐng)域的所有問題。另一可完美模擬的領(lǐng)域是編程，編程語言的輸出可以在計(jì)算機(jī)中模擬，因此 AI 可以在這個(gè)領(lǐng)域不斷提升，達(dá)到超人級的編程能力。但是有一些領(lǐng)域是無法進(jìn)行無限次模擬的，比如客戶服務(wù)。你可能會遇到數(shù)十億客戶，他們會詢問各種產(chǎn)品使用過程中遇到的問題。在這些領(lǐng)域中，限制因素將是數(shù)據(jù)的收集。你能否真正將一個(gè)流程完全數(shù)字化？我常開玩笑說，水管工大概是最安全的職業(yè)，不會被 AI 取代，因?yàn)檫�沒有人去收集關(guān)于如何修水管的數(shù)據(jù)。想象一下，你要爬到某個(gè)地方接不同的管子，現(xiàn)在還沒有人用 GoPro、3D 傳感器和機(jī)器人手臂去收集這種數(shù)據(jù)，所以這種工作領(lǐng)域的變化將需要更長的時(shí)間。
在工作生產(chǎn)力方面，很多人將成為管理者。許多目前作為獨(dú)立貢獻(xiàn)者的員工將不得不學(xué)會管理 AI 以完成他們的工作。而管理也是一種技能，不是每個(gè)人天生就是好經(jīng)理。你需要向 AI 解釋如何做某種工作。以一家大型網(wǎng)絡(luò)安全公司 mcast 為例，他們有 200 名用戶使用他們的產(chǎn)品。我們與他們的不同團(tuán)隊(duì)進(jìn)行了工作坊交流，向大家解釋產(chǎn)品的功能。比如，有人來自市場部門，平時(shí)需要將長產(chǎn)品描述寫成適合不同行業(yè)的郵件，然后再寫三條推特和三條 LinkedIn 消息等。我們告訴他們可以直接向 AI 代理人描述這些需求，結(jié)果代理人可以為他們完成這些工作，他們感到驚訝，因?yàn)樵久績芍芑ㄙM(fèi) 6 到 20 小時(shí)的工作量就這樣被自動化了。我認(rèn)為這種變化將影響幾乎所有行業(yè)。
中美AI公司差異主持人： Kai-Fu，我可以向你提出很多不同的問題。首先，創(chuàng)新工場的基金規(guī)模有多少？
李開復(fù)： 我們管理著大約 30 億美元的資金。
主持人： 你是最活躍的 AI 投資者之一。我有幸多次訪問你在中國的公司，感謝你的熱情款待。如今你不僅是投資者，還是一名企業(yè)家，經(jīng)營著一家中國公司和一家美國公司。為什么要這樣做？
李開復(fù)： 因?yàn)檫@一次 AI 發(fā)展是真實(shí)的，想象一下，這是我大學(xué)時(shí)的夢想。當(dāng)時(shí) AI 并不為人所知，但我覺得這是我應(yīng)該做的事情。之后我們經(jīng)歷了幾次“AI 冬天”，那時(shí)大家的熱情消退，我也不得不做其他工作。大約七八年前，隨著深度學(xué)習(xí)的發(fā)展，我意識到 AI 可以創(chuàng)造巨大價(jià)值。不過當(dāng)時(shí)我還看不到通用人工智能的可能，所以我只是作為投資人。通過創(chuàng)新工場，我們成功培育了 12 家獨(dú)角獸 AI 公司。
但這次生成式 AI 的發(fā)展速度令人難以置信，如果我僅僅投資，感覺就像是在“后座”上觀望，我希望坐在“駕駛座”上親自參與。我也希望在座的每個(gè)人都有同感。我相信，到2030年末只有兩類公司，一類是充分利用 AI 的公司，另一類則是已經(jīng)破產(chǎn)的公司。我深信這一點(diǎn)。
主持人： 你寫了多本關(guān)于 AI 的書，比如《AI超級智能》。自那本書出版以來，全球 AI 競賽發(fā)生了什么最大的變化？你認(rèn)為現(xiàn)在是 AI 軍備競賽嗎？
李開復(fù)： 可以說是，也可以說不是。因?yàn)橹袊墓局饕谥袊袌錾匣ハ喔偁�，并不是在國與國之間競爭，而是公司之間的競爭。
主持人： 那么你怎么看中國公司的特點(diǎn)？
李開復(fù)： 在我的書《AI超級智能》中，我提到過，美國公司通常更具創(chuàng)新性，能夠開創(chuàng)出新的東西，而中國公司在執(zhí)行和細(xì)節(jié)上更勝一籌，擅長工程實(shí)現(xiàn)、應(yīng)用開發(fā)、用戶界面設(shè)計(jì)等方面。在移動互聯(lián)網(wǎng)或深度學(xué)習(xí)領(lǐng)域，幾乎所有技術(shù)都是美國發(fā)明的，但中國利用這些技術(shù)創(chuàng)造了巨大價(jià)值，甚至可能超過美國�，F(xiàn)在在生成式 AI 領(lǐng)域，技術(shù)仍然是美國人發(fā)明的，而我們正處于一個(gè)特殊的時(shí)期，技術(shù)在美國及其他地區(qū)迅速自我革新。因此，現(xiàn)在依然是“發(fā)現(xiàn)時(shí)代”，美國有可能贏得這一領(lǐng)域的主導(dǎo)地位，但中國公司可以觀察到這些創(chuàng)新，進(jìn)行部分自我創(chuàng)新，并在工程方面表現(xiàn)得更好，交付解決方案。我正在打造的公司“o1”正在做的正是這一點(diǎn)。我們并不聲稱自己發(fā)明了一切，甚至大部分東西，但我們從硅谷巨頭 OpenAI 和其他公司中學(xué)到了很多。我們專注于更扎實(shí)、更快速的執(zhí)行。例如，我之前提到過，“o1”現(xiàn)在是全球第三大模型公司，在 UC Berkeley 的評估中排名第六。最令人驚訝的是，我們僅用 300 萬美元訓(xùn)練了這個(gè)模型，而 GPT-4 的訓(xùn)練費(fèi)用在 8000 萬到 1 億美元之間，GPT-5 傳言則需要約 10 億美元。我們并不否認(rèn)規(guī)模法則的存在，但優(yōu)秀的工程細(xì)節(jié)意味著不必花費(fèi)十億來訓(xùn)練出一個(gè)卓越的模型。
主持人： 這對在場的觀眾來說非常重要，因?yàn)槭澜缟虾芏嗟胤經(jīng)]有機(jī)會接觸到 100,000 個(gè) H100 集群。那么問題來了，我能不能在一個(gè) GPU 資源有限的國家建立一個(gè)業(yè)務(wù)或產(chǎn)品？
李開復(fù)： 我認(rèn)為 GPU 資源的限制確實(shí)迫使我們創(chuàng)新。作為一家中國公司，我們首先受限于美國的 GPU 供應(yīng)管制，其次中國公司的估值遠(yuǎn)低于美國公司。資金少、GPU 獲取困難，這讓我深信“需求是創(chuàng)新之母”。在只有 2000 個(gè) GPU 的情況下，我們的團(tuán)隊(duì)必須找到最優(yōu)的使用方式，作為 CEO 的我也需要確定優(yōu)先級。我們不僅要讓訓(xùn)練快速進(jìn)行，還要讓推理過程變快。我們通過識別整個(gè)流程中的瓶頸，將計(jì)算問題轉(zhuǎn)化為內(nèi)存問題，建立多層緩存和專用的推理引擎，最終將推理成本降到每百萬 tokens 僅 10 美分，這僅是可比模型費(fèi)用的 1/30。
主持人： 那么，這個(gè) 10 美分的成本將帶來什么影響呢？
李開復(fù)： 10 美分的成本意味著可以用更低的價(jià)格來構(gòu)建應(yīng)用程序。如果你想構(gòu)建類似 you.com 或 Perplexity 的應(yīng)用程序，可以選擇支付 OpenAI 每百萬 tokens 4.4 美元的費(fèi)用，也可以選擇我們的模型，只需 10 美分，使用我們的 API 只需 14 美分。我們的定價(jià)非常透明。
主持人： Richard，有一個(gè)叫做“蒸汽機(jī)悖論”的有趣現(xiàn)象源于工業(yè)革命時(shí)期。那時(shí)很多聰明人致力于提高蒸汽機(jī)的效率，以減少煤炭消耗，他們認(rèn)為蒸汽機(jī)更高效后煤炭需求會減少，但實(shí)際上卻是蒸汽機(jī)需求大幅增加。我認(rèn)為現(xiàn)在我們正處于“智能悖論”之中，我們將把智能用在更多地方，每個(gè)人都會擁有自己的助手和醫(yī)療團(tuán)隊(duì)，這些助手可以完全理解個(gè)人需求，而不再受限于智能資源昂貴的問題。
Richard Socher： 我完全同意。我要澄清一下，我并不是說我們在減少固定的工作量，而是說我們在推動一個(gè)更大規(guī)模的工作負(fù)荷。
AI時(shí)代建議主持人： 在座的很多人都有子女或親戚，那么對于 20 歲的年輕人，你們有什么建議？尤其是那些剛剛開始學(xué)業(yè)和職業(yè)生涯的年輕人，在人工智能迅速發(fā)展的今天你們有什么忠告？
Prem Akkaraju： 我認(rèn)為不要浪費(fèi)時(shí)間學(xué)習(xí)編程，因?yàn)槲磥淼摹熬幊陶Z言”可能會是英語。我建議盡快學(xué)習(xí)所有關(guān)于 AI 的知識，找到自己的熱情，然后選擇一個(gè)特定的 AI 領(lǐng)域來幫助實(shí)現(xiàn)你的目標(biāo)。
Richard Socher： 我不同意，我認(rèn)為仍然應(yīng)該學(xué)習(xí)編程。編程是理解技術(shù)基礎(chǔ)的方式之一，可以讓 AI 不再像“魔法”，而變成你可以修改和構(gòu)建的工具。不過，需要將計(jì)算機(jī)科學(xué)和編程與其他興趣結(jié)合起來，尤其是數(shù)學(xué)、物理和其他科學(xué)的基礎(chǔ)知識。
主持人： 我要打斷一下，我希望留給李博士最后發(fā)言的機(jī)會。
李開復(fù)： 其實(shí)我同時(shí)同意也不同意你們的觀點(diǎn)。我認(rèn)為人們應(yīng)該跟隨自己的內(nèi)心。如果你夢想成為一名優(yōu)秀的程序員，并且擅長編程，那么就聽從 Richard 的建議；但如果只是為了賺錢而學(xué)編程，那么可以聽從 Prem 的建議。
主持人： 女士們先生們，讓我們?yōu)檫@三位出色的 CEO 鼓掌！謝謝你們！
素材來源官方媒體/網(wǎng)絡(luò)新聞
