奇績(jī)創(chuàng)壇分享：從科學(xué)家到創(chuàng)業(yè)者的科技創(chuàng)新

引言：近期，朱瓏博士受邀在奇績(jī)創(chuàng)壇分享《科技創(chuàng)新：從科學(xué)家到創(chuàng)業(yè)者》。朱瓏博士是依圖科技創(chuàng)始人，人工智能科學(xué)家，加州大學(xué)洛杉磯分校統(tǒng)計(jì)學(xué)博士，曾在麻省理工學(xué)院人工智能實(shí)驗(yàn)室、紐約大學(xué)Courant研究所擔(dān)任博士后研究員。

本文要點(diǎn)

• 科技和創(chuàng)業(yè)：從企業(yè)、遠(yuǎn)見(jiàn)、戰(zhàn)略、市場(chǎng)、產(chǎn)品5個(gè)角度出發(fā)，科研項(xiàng)目如何轉(zhuǎn)化為創(chuàng)業(yè)公司，在商業(yè)化層面需要做什么準(zhǔn)備。
• AI 新黃金時(shí)代：朱瓏博士認(rèn)為，AI 新黃金時(shí)代已來(lái)臨，即將開(kāi)啟物理材料構(gòu)建智能體的篇章。

科技和創(chuàng)業(yè)

Enterprise = Vision | Strategy | Product x Market

第一部分是關(guān)于科技和創(chuàng)業(yè)。

用一橫一縱的圖描述企業(yè)。

縱軸Vision|Strategy|Product是不同時(shí)間跨度關(guān)心的事情，分別是遠(yuǎn)見(jiàn)看十年，戰(zhàn)略看五年和產(chǎn)品看三年，從遠(yuǎn)到近，從模糊的正確到具體的執(zhí)行。

企業(yè)基本上以V|S|P為軸，把長(zhǎng)短期目標(biāo)連接起來(lái)。

橫軸展現(xiàn)企業(yè)以什么組織形式，其重心以產(chǎn)品x市場(chǎng)張成組織結(jié)構(gòu)的底，具體結(jié)構(gòu)取決于什么樣的產(chǎn)品陣列以及服務(wù)什么樣的客戶，大體分為ToB、ToC市場(chǎng)。

橫軸從右到左是由表及里的拆分，其中比較重要的是財(cái)務(wù)和人事。財(cái)務(wù)以數(shù)字化指標(biāo)來(lái)指導(dǎo)企業(yè)運(yùn)營(yíng)，基礎(chǔ)指標(biāo)：收入、利潤(rùn)、現(xiàn)金流和增長(zhǎng)率，用來(lái)衡量企業(yè)運(yùn)營(yíng)效率和產(chǎn)品競(jìng)爭(zhēng)力。人事關(guān)心以什么樣的組織薪酬結(jié)構(gòu)匹配業(yè)務(wù)需求，在A輪B輪等不同發(fā)展階段定制不同KPI激勵(lì)團(tuán)隊(duì)達(dá)到更好的財(cái)務(wù)指標(biāo)。最右側(cè)也是最表層容易被感知的企業(yè)運(yùn)營(yíng)。最左側(cè)最底層的是創(chuàng)始人的使命、價(jià)值觀和方法論，支撐遠(yuǎn)見(jiàn)的達(dá)成。

創(chuàng)新路徑有很大不確定性，作為CEO，相比于管理層更需要Be comfortable with uncentainty。

Vision is a unique perspective about big things

遠(yuǎn)見(jiàn)是一個(gè)非常獨(dú)特的看行業(yè)變革的視角perspective，本質(zhì)上只要有不同的角度，就會(huì)產(chǎn)生不同的Vision。

但Vision要討論BigThing是什么。比如英偉達(dá)CEO Jensen Huang 30年前對(duì)圖形卡的展望，隔十年對(duì)圖形卡和計(jì)算卡的演進(jìn)關(guān)系是怎么構(gòu)想的，對(duì)摩爾定律在不同時(shí)代與同行有什么獨(dú)到的見(jiàn)解。

獨(dú)到的遠(yuǎn)見(jiàn)非常珍貴，深刻的行業(yè)洞察很有幫助，但更多時(shí)候還靠企業(yè)家的直覺(jué)instinct和偏執(zhí)，很難短期訓(xùn)練形成。遠(yuǎn)見(jiàn)指導(dǎo)形成差異化的戰(zhàn)略。

Strategy = Maximize ROI = Maximize Efficiency

商業(yè)領(lǐng)域非常關(guān)心戰(zhàn)略。戰(zhàn)略就是用方法論把模糊的遠(yuǎn)見(jiàn)具體成產(chǎn)品路徑。在早期，戰(zhàn)略等同于產(chǎn)品策略，最開(kāi)始要去找特定niche market，盡量在其中尋求高占有率，極度專注地通過(guò)產(chǎn)品獲得差異化競(jìng)爭(zhēng)力，且能夠隨著時(shí)間擴(kuò)大，而不是衰減。

值得特別注意的一點(diǎn)是，技術(shù)往往不是時(shí)間的朋友。技術(shù)的商業(yè)價(jià)值不在于第一個(gè)的出現(xiàn)和領(lǐng)先，而是在于優(yōu)勢(shì)的持續(xù)性。

另外可能容易混淆技術(shù)的整體社會(huì)價(jià)值和特定機(jī)構(gòu)的商業(yè)價(jià)值，比如AI對(duì)社會(huì)的價(jià)值大不大，很大！那特定的公司在AI領(lǐng)域里分到的價(jià)值大不大？這是兩個(gè)命題。技術(shù)必須和市場(chǎng)和商業(yè)化的過(guò)程相結(jié)合，才能構(gòu)建競(jìng)爭(zhēng)力和壁壘。

戰(zhàn)略最重要的是對(duì)市場(chǎng)規(guī)模預(yù)測(cè)。Scale is everything。市場(chǎng)最好有規(guī)模效應(yīng)，占有者容易形成對(duì)比優(yōu)勢(shì)。容易忽略的是節(jié)奏。半導(dǎo)體領(lǐng)域有眾所周知的摩爾定律，18個(gè)月翻一倍。這個(gè)定律本身不是在談一個(gè)物理規(guī)律， 其實(shí)是在談行業(yè)的供需周期或者競(jìng)爭(zhēng)規(guī)律。比如說(shuō)手機(jī)、芯片、服務(wù)器、汽車都有各自不同的行業(yè)節(jié)奏。很多創(chuàng)業(yè)團(tuán)隊(duì)從最快節(jié)奏的互聯(lián)網(wǎng)領(lǐng)域來(lái)。但技術(shù)應(yīng)用到其他行業(yè)，像是制藥，醫(yī)療，企業(yè)服務(wù)等行業(yè)，智能化的改造節(jié)奏沒(méi)有那么快，但多年訓(xùn)練習(xí)慣是快節(jié)奏，與行業(yè)的慢節(jié)奏產(chǎn)生錯(cuò)位匹配。所以太快和太慢都會(huì)成為問(wèn)題，節(jié)奏是戰(zhàn)略中非常重要的一環(huán)。

創(chuàng)業(yè)要面對(duì)很多創(chuàng)新。但沒(méi)有討論風(fēng)險(xiǎn)的創(chuàng)新往往是假的。只有管理團(tuán)隊(duì)把風(fēng)險(xiǎn)計(jì)算清楚，才可能對(duì)創(chuàng)新的本質(zhì)和邊界有更好的把握。風(fēng)險(xiǎn)的計(jì)算是重要的基本技能，需要培訓(xùn)和練習(xí)?？焖僭囧e(cuò)并以非常低成本試錯(cuò)是創(chuàng)新的重要方法。

戰(zhàn)略需要具體執(zhí)行，就需要量化。有一個(gè)基礎(chǔ)但很重要的量化概念叫投入產(chǎn)出比ROI。美團(tuán)非常好地把戰(zhàn)略等價(jià)于在某一時(shí)空下最大化ROI。憑借商業(yè)直覺(jué)衍生出的看似抽象的戰(zhàn)略變得可量化，可推導(dǎo)，可比較，可驗(yàn)證。但戰(zhàn)略可選擇的空間強(qiáng)依賴于企業(yè)自身的組織能力，需要有耐心成長(zhǎng)組織能力并等待與之匹配的戰(zhàn)略窗口。

商業(yè)領(lǐng)域另一個(gè)解讀戰(zhàn)略的經(jīng)典視角：唯一有效的企業(yè)戰(zhàn)略就是提高經(jīng)營(yíng)效率。效率是用利潤(rùn)率加增長(zhǎng)率這樣的財(cái)務(wù)數(shù)字來(lái)量化企業(yè)的競(jìng)爭(zhēng)力，也叫效率公式效率=利潤(rùn)率+增長(zhǎng)率。效率指數(shù)40%是值得參考的基線準(zhǔn)則，比如說(shuō)追求高增長(zhǎng)率，可以的配比是利潤(rùn)率-20%+增長(zhǎng)率60%，或者平衡一些20%+20%?？傊畠身?xiàng)相加作為指數(shù)度量企業(yè)競(jìng)爭(zhēng)力，這在財(cái)務(wù)數(shù)字上把企業(yè)的宏觀戰(zhàn)略連接到微觀運(yùn)營(yíng)。效率公式在數(shù)學(xué)本質(zhì)上和ROI相同，例如保持20%的利潤(rùn)率6年約等于ROI=3。利潤(rùn)率20%或ROI=3恰好都是行業(yè)巨頭業(yè)務(wù)決策的指導(dǎo)標(biāo)準(zhǔn)。

利潤(rùn)率可以根據(jù)產(chǎn)品毛利率減去運(yùn)營(yíng)成本計(jì)算獲得。毛利率是非常重要的度量產(chǎn)品競(jìng)爭(zhēng)力的指標(biāo)。雖然不同行業(yè)的產(chǎn)品會(huì)落在不同的毛利率區(qū)間，軟件、服務(wù)、系統(tǒng)、硬件，芯片等產(chǎn)品形態(tài)有些差異，但總的來(lái)說(shuō)60%毛利率是全球市場(chǎng)很好的經(jīng)驗(yàn)指導(dǎo)值，行業(yè)第一的毛利率大概都會(huì)在此之上，高毛利率讓企業(yè)利潤(rùn)率能夠在20%以上，例如微軟、谷歌、蘋果、英偉達(dá)、英特爾等。如果是比全球市場(chǎng)小些的市場(chǎng)，指導(dǎo)值相應(yīng)調(diào)低至50%。?？稻驮诖藚^(qū)間，同時(shí)也非常出色地做到了高利潤(rùn)率。第二名因?yàn)槭袌?chǎng)占有規(guī)模更小成本更高，毛利率與第一名的差距略小于10%，利潤(rùn)率因此也受一定擠壓。再往下接近30%就是一個(gè)產(chǎn)品公司能夠盈利的底線。毛利率下降也反映競(jìng)爭(zhēng)的加劇。生產(chǎn)制造比較重的行業(yè)例如汽車，毛利率會(huì)低很多，如何維持好的利潤(rùn)率就非常考驗(yàn)運(yùn)營(yíng)效率。

最近科技創(chuàng)業(yè)的商業(yè)化受到廣泛關(guān)注。分析一下毛利率就可以理解為什么市場(chǎng)對(duì)很多技術(shù)企業(yè)的擔(dān)心和質(zhì)疑，很多產(chǎn)品并沒(méi)有體現(xiàn)出差異化的競(jìng)爭(zhēng)力。當(dāng)然，從另一角度看，技術(shù)找到市場(chǎng)規(guī)模化的支撐是艱辛的歷程，也需要更多的耐心和理性的支持。

Market = SaaS | PaaS | IaaS x Cloud | Edge

創(chuàng)業(yè)很重要的一個(gè)環(huán)節(jié)是市場(chǎng)和產(chǎn)品的匹配（product-market-fit）。越是創(chuàng)新的商業(yè)模式或產(chǎn)品品類意味著剛開(kāi)始沒(méi)有客戶。行業(yè)格局的分析有助于定位在什么樣的上下文討論。

以大的IT行業(yè)格局為例進(jìn)行拆解，分為橫軸和縱軸，橫軸左側(cè)是云中心，右側(cè)是邊緣端，有代表性的公司的產(chǎn)品形態(tài)以及產(chǎn)品所構(gòu)成的產(chǎn)業(yè)鏈條從上到下為SaaS | PaaS | IaaS，依次從偏軟的應(yīng)用服務(wù)到操作系統(tǒng)，到偏硬的服務(wù)器、芯片，最后到生產(chǎn)制造。

整個(gè)IT行業(yè)的幾十年的演化，大概就是橫軸和縱軸或分裂或整合的過(guò)程。合縱連橫的歷史中，橫向的有云和端之爭(zhēng)；縱向的有軟和硬之爭(zhēng)；內(nèi)部有操作系統(tǒng)之爭(zhēng)，有芯片架構(gòu)路線之爭(zhēng)，有計(jì)算機(jī)控制權(quán)之爭(zhēng)；還有垂直整合系統(tǒng)和開(kāi)放平臺(tái)的模式之爭(zhēng)。

總的來(lái)說(shuō)，機(jī)會(huì)往往出現(xiàn)在Gravity of innovation shifts。從產(chǎn)業(yè)格局圖分析裂變和整合的規(guī)律，預(yù)測(cè)重大時(shí)點(diǎn)和條件，指導(dǎo)市場(chǎng)切入的時(shí)機(jī)和形式。

Product is an art of tradeoff between performance and cost

給定一個(gè)行業(yè)市場(chǎng)后，非常重要的就是產(chǎn)品定位和路線。

產(chǎn)品策略圖用兩個(gè)軸展示：橫軸是性能即先進(jìn)性，縱軸是成本。根據(jù)產(chǎn)品定價(jià)和成本即可計(jì)算毛利率，反之亦然。紅線是用戶能夠接受的最低成本，這是一個(gè)非常重要商業(yè)化的指導(dǎo)線。越過(guò)紅線的右下區(qū)間，就是可盈利區(qū)間。最右下的這一條綠線，是科學(xué)原理指導(dǎo)下極致成本的底線，也可以稱為第一性原理線，類似特斯拉CEO Elon Musk談到的新能源車，火箭發(fā)射等。紅線和綠線之間的金線是商業(yè)歷史大概率會(huì)發(fā)生的線。金線的右下區(qū)間就是世界超一流公司的高毛利率區(qū)間。金線上方和紅線中間是盈利區(qū)，但比60%高毛利率低一點(diǎn)。

三類產(chǎn)品模式A，B，C對(duì)應(yīng)不同產(chǎn)品策略。其中A是最成功的主流模式，表征是極強(qiáng)的產(chǎn)品力支撐著穩(wěn)健的商業(yè)盈利能力，代表有蘋果的手機(jī)，英偉達(dá)的圖形計(jì)算卡，特斯拉的新能源車。路線就是從A到A’這個(gè)過(guò)程，用極高的技術(shù)實(shí)力貼近工程極限做出超高性價(jià)比產(chǎn)品，用戶能接受，商業(yè)上也很賺錢。

B是劃時(shí)代顛覆式創(chuàng)新者的早期，例如蘋果、英偉達(dá)、特斯拉，追求極度超前的性能區(qū)間而先忽略成本約束，后續(xù)目標(biāo)是走進(jìn)B‘的區(qū)間從用戶不能接受到用戶接受，再轉(zhuǎn)入高利潤(rùn)的A區(qū)間。B模式顯然風(fēng)險(xiǎn)極高，原因來(lái)自該區(qū)間藍(lán)線極其陡峭的研發(fā)成本曲線以及不可預(yù)見(jiàn)性，需要極高的前瞻性、資源整合能力和偏執(zhí)狂的毅力。B的極難模式很容易使企業(yè)進(jìn)入生死邊緣，最考驗(yàn)創(chuàng)新者的勇氣。正因?yàn)榇耍瑒潟r(shí)代重復(fù)著激蕩人心的英雄故事。

大部分的產(chǎn)品在哪個(gè)區(qū)間呢？就是C區(qū)間，技術(shù)不是最先進(jìn)的，但整體運(yùn)營(yíng)能力很強(qiáng)，達(dá)到很不錯(cuò)的盈利能力。C相比A，產(chǎn)品性能因?yàn)樽陨砟芰Σ呗孕缘倪x擇落后一些，但因?yàn)榧夹g(shù)更可預(yù)見(jiàn)，該區(qū)間藍(lán)線對(duì)應(yīng)的研發(fā)風(fēng)險(xiǎn)和成本相比A模式也大大降低。C持續(xù)增長(zhǎng)的市場(chǎng)占有轉(zhuǎn)換成研發(fā)投入也能侵蝕轉(zhuǎn)入A區(qū)間。TSMC除了是Fabless模式的遠(yuǎn)見(jiàn)者，更是靠扎實(shí)的運(yùn)營(yíng)積累從C向A突破的極佳案例。華為是另一個(gè)商業(yè)史上極其成功且能把方法論推廣通用到多個(gè)行業(yè)的從C到A躍遷的范例。

根據(jù)這樣的產(chǎn)品路線圖譜，分析各自站位，路線以及動(dòng)態(tài)博弈，推演并制定產(chǎn)品應(yīng)對(duì)策略。

AI新黃金時(shí)代

IT時(shí)代變遷

1970-1990 小型機(jī)時(shí)代, 個(gè)人無(wú)感。

1985-2005 PC時(shí)代, 讓個(gè)人擁有十核算力在桌面 — High frequency&multicore。

1995-2015 互聯(lián)時(shí)代, 讓個(gè)人擁有無(wú)窮數(shù)據(jù)在云間 — Search。

2000-2020 移動(dòng)時(shí)代, 讓個(gè)人擁有百核算力在掌間 — Touch Screen&Battery。

2005-2025 云時(shí)代, 讓個(gè)人擁有萬(wàn)核算力在云間 — Distributed Computing。

2015-2035 智能時(shí)代, 讓個(gè)人擁有智能體在身邊 — Intelligent Computing。

2025-2050 夢(mèng)境時(shí)代, 讓個(gè)人擁有真實(shí)夢(mèng)幻 — Simulation Computing。眼前的虛擬世界是過(guò)去真實(shí)世界的映射。

縱觀50年，算力躍遷是信息革命的內(nèi)在驅(qū)動(dòng)力。當(dāng)前正處于AI的新黃金時(shí)代，將開(kāi)啟物理材料構(gòu)建智能體的篇章！

十年序曲

Al過(guò)去十年大概分三個(gè)階段。

從2012-15年處于起步階段。以深度學(xué)習(xí)在對(duì)大規(guī)模數(shù)據(jù)上的性能結(jié)果被工業(yè)界所認(rèn)可作為起點(diǎn)，AlphaGo成為全社會(huì)討論熱點(diǎn)為重要里程碑。

從2016-18年為熱點(diǎn)時(shí)期。在各行業(yè)場(chǎng)景的應(yīng)用蓬勃發(fā)展。

從2019-21年，AI為代表的高科技進(jìn)入國(guó)際核心競(jìng)爭(zhēng)領(lǐng)域。恰好在同一時(shí)期，也出現(xiàn)了對(duì)AI行業(yè)的質(zhì)疑，無(wú)論技術(shù)商業(yè)化探索過(guò)程的曲折，還是市場(chǎng)合理的挑剔，在國(guó)際競(jìng)爭(zhēng)大背景下，AI技術(shù)創(chuàng)業(yè)背負(fù)了超越一般商業(yè)化挑戰(zhàn)的艱辛。

創(chuàng)新者困境dilemma往往可以用四象限刻畫(huà)。右上角是勇敢且執(zhí)著的創(chuàng)新者；右下角是自以為獅子的貓；左上角是自我懷疑者；左下角是泡沫中自我否定的沮喪心態(tài)。技術(shù)和市場(chǎng)的發(fā)展周期在不同階段，節(jié)奏上和行業(yè)內(nèi)外的預(yù)期有巨大分歧時(shí)，總會(huì)分出這四象限人格，越是熱門行業(yè)，越有極端的表現(xiàn)。

新黃金時(shí)代

AI發(fā)展十年，當(dāng)市場(chǎng)產(chǎn)生疑問(wèn)時(shí)，看看世界前沿在思考什么？借用三位大師的名言描述一下對(duì)未來(lái)十年的展望。

第一位是數(shù)學(xué)家David Mumford，1974年的菲爾茲獎(jiǎng)得主，曾是美國(guó)總統(tǒng)顧問(wèn)。2020年他寫(xiě)的一篇文章，“Al模型和人類大腦結(jié)構(gòu)驚人的相似”，擁抱以新一代Transformer為主的算法架構(gòu)。

第二位是計(jì)算機(jī)架構(gòu)理論學(xué)家David Patterson，圖靈獎(jiǎng)獲得者，RISC開(kāi)創(chuàng)者，也是Google TPU的設(shè)計(jì)者。同年，他對(duì)AI有一個(gè)專門文章 “計(jì)算機(jī)架構(gòu)的新黃金時(shí)代”。

第三位是極負(fù)盛名的工程師Jim Keller，曾是英特爾、蘋果、AMD的主流芯片以及特斯拉自動(dòng)駕駛芯片的架構(gòu)師。他用職業(yè)生涯的切換來(lái)證明“這是AI新時(shí)代的開(kāi)啟，變革大大超過(guò)移動(dòng)和互聯(lián)的時(shí)代”。

世界最前沿的大師一致相信Transformer能把Al帶向新的篇章。兩年來(lái)各個(gè)領(lǐng)域巨大進(jìn)展也驗(yàn)證了他們的展望。比較熱門的OpenAI的GPT-3的結(jié)果，大概是由1300億個(gè)參數(shù)構(gòu)成的大模型。GPT-4在此基礎(chǔ)上可能再翻200-500倍，有理由想象，生物和化學(xué)的奧賽競(jìng)賽題Al基本能做了，下一個(gè)攻克的難題是數(shù)學(xué)奧賽競(jìng)賽。最近DeepMind關(guān)于矩陣數(shù)學(xué)計(jì)算的進(jìn)展，都是令人振奮的。

人類大腦是二十多瓦的能量消耗，新時(shí)代Al的大模型不受這么嚴(yán)格的能量約束，會(huì)超越大腦。通過(guò)超大規(guī)模模型和計(jì)算，顛覆智能目前可以達(dá)到的邊界?？赡懿粫?huì)短期一兩年之內(nèi)有舉世矚目的產(chǎn)品，但我們預(yù)測(cè)，以十年為周期，會(huì)是翻天覆地的變化，深刻影響各行業(yè)以及各科學(xué)領(lǐng)域。包括大家比較熟悉的DeepMind做的蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)。還包括物理的混沌系統(tǒng)，數(shù)學(xué)的偏微分方程等等都會(huì)有重大進(jìn)展，甚至超過(guò)深度學(xué)習(xí)的開(kāi)創(chuàng)者Geoff Hinton本身的想象。

算力變革核心在于密度

AI新變革的技術(shù)核心在于“算力密度”。

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)是量大，云計(jì)算是計(jì)算量大，但是密度都不大。

新Al的特點(diǎn)是高密度的運(yùn)算，超過(guò)過(guò)去幾百倍。

IT行業(yè)40年的變遷，就是由算力的密度產(chǎn)生巨大的變化，引導(dǎo)著互聯(lián)，移動(dòng)，云以及現(xiàn)在的智能產(chǎn)生巨變。

不算嚴(yán)謹(jǐn)?shù)乃懔Ψ诸怌PU、GPU和AI，分別對(duì)應(yīng)單位指令下的計(jì)算密度或是單位數(shù)據(jù)下的計(jì)算密度百倍級(jí)的頻譜劃分。

新的基于數(shù)據(jù)計(jì)算的體系結(jié)構(gòu)圍繞著算力密度的演變來(lái)設(shè)計(jì)。

學(xué)習(xí)范式的躍遷

新AI還是一個(gè)學(xué)習(xí)范式paradigm的變遷。

傳統(tǒng)AI即機(jī)器學(xué)習(xí)時(shí)代以規(guī)則驅(qū)動(dòng)，其高級(jí)形態(tài)是人類專家設(shè)計(jì)的模型。

新Al的變革就是從這種規(guī)則驅(qū)動(dòng)或模型驅(qū)動(dòng)變成了大數(shù)據(jù)驅(qū)動(dòng)，超大規(guī)模的數(shù)據(jù)喂給算法形成模型。

當(dāng)前的趨勢(shì)是進(jìn)入到基于大模型的大算力驅(qū)動(dòng)。單個(gè)模型的訓(xùn)練需要近億美元的算力成本，極大的拉開(kāi)模型的規(guī)模以及表示能力。

再往后展望，以大算力為基礎(chǔ)的大仿真驅(qū)動(dòng)。數(shù)據(jù)不再局限于物理世界時(shí)空約束，而是仿真數(shù)據(jù)，就是仿真和學(xué)習(xí)訓(xùn)練交替進(jìn)行的一個(gè)自學(xué)習(xí)系統(tǒng)，進(jìn)入全新的無(wú)窮的虛擬和真實(shí)物理世界邊界模糊的境界，極大提升學(xué)習(xí)效率，催生超級(jí)巨無(wú)霸的智能體。

交流

Q1: 過(guò)去幾年Al特別火，從外部的感覺(jué)來(lái)說(shuō)，視覺(jué)這個(gè)賽道很卷，做的好像差不多，都在做智慧城市。在這種競(jìng)爭(zhēng)情況，我很好奇怎樣跟友商競(jìng)爭(zhēng)？剛才您也說(shuō)過(guò)毛利率低說(shuō)明了產(chǎn)品的差異化不大，這種情況下，怎樣去找市場(chǎng)，打出差異化戰(zhàn)略？

A: 雖然很多AI公司毛利率很低沒(méi)有充分體現(xiàn)技術(shù)價(jià)值，但也有高的。我們很重視技術(shù)差異化價(jià)值，并有不錯(cuò)的毛利率表現(xiàn)。假定智慧城市是熱門的應(yīng)用市場(chǎng)，真實(shí)的市場(chǎng)里往往有很典型的競(jìng)爭(zhēng)者，只是不被外界經(jīng)常比較。按照上圖的行業(yè)格局圖對(duì)應(yīng)的有ICT通訊和計(jì)算公司華為，IoT端側(cè)智能公司?？?，云公司阿里，再往上才是熱門的AI公司、各類行業(yè)系統(tǒng)應(yīng)用公司以及集成商。他們以各自產(chǎn)品矩陣參與競(jìng)爭(zhēng)，雖然擅長(zhǎng)的產(chǎn)品供給不太一樣，但或多或少都有AI能力。首要的競(jìng)爭(zhēng)還是巨頭間的競(jìng)爭(zhēng)。創(chuàng)新勢(shì)力需要找到合適的定位參與?；氐叫袠I(yè)格局圖，包括有橫向的，端側(cè)為主還是云為主的演進(jìn)路線的競(jìng)爭(zhēng)，有縱向的，AI、云、基礎(chǔ)硬件設(shè)施的主導(dǎo)價(jià)值競(jìng)爭(zhēng)。按此分析各自優(yōu)勢(shì)，有很多行業(yè)史上的“合縱連橫”案例供參考。

Q2: 您提到未來(lái)會(huì)出現(xiàn)超越人類智能的人造智慧體。怎么樣在法律、社會(huì)，人類認(rèn)知來(lái)接納這樣一個(gè)東西，或者說(shuō)直接立法不允許這方面的工作，您是怎么看這個(gè)問(wèn)題。

A：在頂級(jí)學(xué)術(shù)圈都出現(xiàn)了貧富差距，技術(shù)大階躍設(shè)立了一個(gè)排他性門檻。假設(shè)這個(gè)趨勢(shì)成立，什么樣的環(huán)境才能應(yīng)對(duì)這個(gè)挑戰(zhàn)呢？治理的底層有個(gè)主導(dǎo)權(quán)問(wèn)題。打個(gè)比方，倚天劍屠龍刀應(yīng)該放在哪里？放在少林安全嗎？少林有了倚天劍還能克制不作惡?jiǎn)幔窟@更需要政治和法律專家來(lái)解答。

Q3: 基于芯片制造工藝已經(jīng)差不多接近物理極限了，摩爾定律受到了挑戰(zhàn)。因?yàn)橐粋€(gè)是量子的碎穿效應(yīng)，一個(gè)是受硅的原子大小限制，這個(gè)會(huì)怎樣影響Al算力的增長(zhǎng)，然后怎么克服這個(gè)問(wèn)題?

A：大師Jim Keller在新創(chuàng)業(yè)公司做的事情給了很好的解法，不以英偉達(dá)GPU的計(jì)算卡路線，也不只是享受制程演進(jìn)的紅利，而是基于強(qiáng)互聯(lián)技術(shù)的一種可擴(kuò)展的計(jì)算形態(tài)，例如上百萬(wàn)計(jì)算核心形成一個(gè)超級(jí)計(jì)算裝置。這些架構(gòu)上的變革對(duì)應(yīng)著算法側(cè)的超大模型的訓(xùn)練是全新的形態(tài)。特斯拉的Dojo系統(tǒng)也是很好的實(shí)踐，最近的進(jìn)展是令人興奮的。

Q4: 我們是做量子加密技術(shù)的，直觀上認(rèn)為我們防的主要是量子計(jì)算機(jī)的威脅，但是我們認(rèn)為可能Al模型更快把現(xiàn)有的密碼學(xué)體系攻破。Alphafold沒(méi)出現(xiàn)之前，搞量子計(jì)算的認(rèn)為蛋白質(zhì)折疊更應(yīng)該量子計(jì)算機(jī)的菜，但是Alphafold把它解決得很好了。所以我非常關(guān)心從Al的視角來(lái)看，后面還有多少路可以走，就是能跟量子計(jì)算機(jī)能競(jìng)爭(zhēng)多遠(yuǎn)。

A：量子計(jì)算我不是專家，不敢去比較。但分享不同于技術(shù)層面的感悟。新一代AI是一個(gè)超級(jí)無(wú)限大的大模型，完成了一個(gè)類似于條件反射的機(jī)理，條件反射意味著大腦沒(méi)有思考，意味著是沒(méi)有意識(shí)的智能體！這個(gè)感悟給人非常大的認(rèn)知震撼?？茖W(xué)家一直有好奇心，研究大腦、智慧和意識(shí)。意識(shí)是確切的知道看見(jiàn)什么, 感受到什么, 思考著什么。但超級(jí)智慧的新物種只是應(yīng)激性的反應(yīng)，且在很多領(lǐng)域做出了超越人類智能的反應(yīng)。在哲學(xué)層面上讓人shock。基于這個(gè)感悟，瞬間理解了最前沿的DeepMind CEO Demis在訪談中提到的“大腦只是客觀世界的一種仿真”，原來(lái)覺(jué)得這是挺玄幻的描述，現(xiàn)在理解起來(lái)是如此樸素。大腦是一種幾十瓦能量約束下對(duì)客觀世界的一種仿真。新AI是一個(gè)能量約束放寬千倍的另一種仿真。而且在很多領(lǐng)域，大部分人類的經(jīng)驗(yàn)、直覺(jué)和創(chuàng)造開(kāi)始顯得沒(méi)有價(jià)值，對(duì)人類意義提出根本的挑戰(zhàn)。

Q5: 現(xiàn)在大家會(huì)覺(jué)得說(shuō)這個(gè)模型變得越來(lái)越大之后，會(huì)有這種智能的涌現(xiàn)?，F(xiàn)在看到的趨勢(shì)會(huì)有Transformer架構(gòu)一統(tǒng)天下的感覺(jué)。對(duì)于我們小機(jī)構(gòu)來(lái)說(shuō)，不是一個(gè)非常好的現(xiàn)象?？梢杂?xùn)練大規(guī)模的模型，全世界有幾家呢？在這種情況下，國(guó)內(nèi)外最頂級(jí)的機(jī)構(gòu)，該怎樣發(fā)展呢？

A：這是一個(gè)現(xiàn)實(shí)的挑戰(zhàn)，技術(shù)人才有集中化的趨勢(shì)。大部分學(xué)術(shù)圈和工業(yè)界對(duì)比大模型的進(jìn)展，算法模型和數(shù)學(xué)上的調(diào)整在結(jié)果層面都不夠顯著。從商業(yè)現(xiàn)實(shí)看，小公司不適合在最前沿探索。像DeepMind和OpenAI都沒(méi)有完成商業(yè)化證明，是個(gè)非典型的“另類”存在。出路可能也得像他們的創(chuàng)立淵源一樣，有中國(guó)智慧的Billionaire站出來(lái)捐助最前沿的探索。

Q6: AI從業(yè)者對(duì)Al都是有很多的熱情。如果20年之后，人工智能沒(méi)有走進(jìn)每個(gè)人的生活，我覺(jué)得技術(shù)是停止進(jìn)步的。如果您現(xiàn)在是OpenAI的CEO或者是Google的老大，不缺錢不缺算力的情況下，您怎么看10年20年之后，Al和智能的一個(gè)狀態(tài)，跟人的engage會(huì)達(dá)到什么樣的狀態(tài)。

A：我覺(jué)得最簡(jiǎn)化的智能形態(tài)需要Energy+Motor+Sensor。生命之所以能演化出智能很重要的條件是會(huì)”動(dòng)“，類似植物和動(dòng)物的區(qū)別，不管智能體的智能水平高低，都有與外界的交互和規(guī)劃能力。特斯拉其實(shí)已經(jīng)給出了智能研究的路線圖，先以自動(dòng)駕駛的汽車為初級(jí)智能體形態(tài)，然后下一代智能體是直立行走的人行機(jī)器人，雖然比汽車自動(dòng)駕駛更難很多，但相信他們基于最前沿的進(jìn)展做了充分考慮后的節(jié)奏布局，未來(lái)五年會(huì)有巨大的進(jìn)展。

— 完 —