安筱鹏：AI是大国博弈的下一个战场，错失云计算的日本、欧洲还有机会？

2023-07-23 12:07

在《人类简史》中，作者赫拉利提到，10万年前地球上存在着猿人、智人等，但在1万年前只剩下了智人。智人在进化中率先在语言和信息交流上实现了突破，形成了一种超凡的信息认知。这样，人们不仅可以交流猎物和危险的来源，还可以设定一个目标，实现人与人之间的协作。

到了工业社会，随着印刷、电报、电话的普及，人类的协作从熟人分工演进到陌生人协同，从封闭体系到开放体系，开启了大制造、大零售、大流通的时代。

再到今天，从计算机到互联网，从人人互联到万物互联，从人工智能到区块链，我们正在重构对外部世界的感知、获取和利用的方式。

当大模型、GPT、云计算向我们涌来的时候。带来的不仅是生活方式的改变，更是世界观的重塑。

在此浪潮中，中国为什么没有出现OpenAI？日本、德国等国家是否有机会迎来新一轮产业变革？美国的企业创新模式对我们有哪些启示？

混沌在上海滴水湖洲际酒店举办“一”思维创新嘉年华活动。用一整座岛，打造两天两夜的共学场，2000位混沌同学参与其中！邀请AI 全明星阵容空降授课。

此次，安筱鹏做客混沌“一”思维创新嘉年华，分享《人工智能浪潮与大国博弈》的话题。

授课老师 | 阿里云智能安筱鹏

编辑 | 混沌商业研究团队

支持 | 混沌前沿课

ChatGPT对未来十年的技术创新产生深远影响

当我们讨论ChatGPT、讨论人工智能的时候，我们在讨论什么？

我们在讨论一个新时代的开启，一个新时代的发生。

去年11月份ChatGPT发布后，两个月用户就累积到1亿，4个月飞升至10亿，是互联网应用历史上用户增长速度的奇迹。到了4个月之后，从GPT3到GPT4，ChatGPT的功能实现了进一步的迭代。

对此次迭代，我概括为5个关键词：从文本理解到图像理解、从普通生到尖子生、从文科生到理科生、从对话理解到全文理解、从意图理解到创意实现。

它非常强大，强大到让很多专家产生了担心和忧虑。

今年五月，人工智能领域最著名的科学家之一杰弗里•辛顿（Geoffrey Hinton）从谷歌离职，在接受美国媒体的采访时，他讲了两个核心的观点：1.这辈子最后悔的事情就是从事了人工智能行业；2.拉响对人工智能可能产生的危害警报，要像监管核武器一样监管人工智能。

无独有偶，几个月之前OpenAI的CEO也曾表达了类似的观点。他说：“今天所有国家，对人工智能要像对待核武器的方式进行监管。”他看到了这轮人工智能革命对经济社会所带来的影响。

当我们讲AI时代到来时，有一个企业做到了“春江水暖鸭先知”，在过去半年时间里实现了市值增长3倍，这家公司就是英伟达。

英伟达在今年5月25号时，市值暴涨了2000亿美元，增长比例接近30%。

十年对于一个企业来说可能很长，也可能很短。10年前，英伟达市值相当于英特尔的1/6，十年之后，英伟达相当于英特尔的8倍，并在5月30号那天市值超1万亿美元。

如果我们把时间尺度拉得更长一些，可以把近40年分成三个时代：第一个是IT时代，以大型机、小型机、PC机为代表；第二个是移动互联网时代；第三个就是我们今天的时代——以GPT、IoT大模型为典型的智能时代。

在IT时代时，领军企业的市值大概在千亿美元左右。在移动互联网、互联网+的时代，全球最大市值的公司苹果、亚马逊等，均达万亿美元。有人预估，到智能时代可能会出现10万亿美元市值的公司。

会不会有这样的公司呢？让我们拭目以待。

对于这轮技术革命的浪潮，我觉得有两个非常重要的会议值得我们各方面的企业家关注。一个是4月28号中央政治局召开的会议，一个是5月5号的中央财经委第一次会议。通过这两次会议，我体会到三个“第一次”：

第一次在政府的重要文件里提出通用人工智能的概念、第一次提出了“产业智能化”的概念、第一次把人工智能放到新革命浪潮的背景下去讨论。

那今天我们该怎么看待这次新革命浪潮？

我认为通用人工智能是人类社会最伟大的通用目的技术。ChatGPT并不是AGI（通用人工智能），它是通用人工智能发展的一个重要的里程碑。它会带来新一轮数字技术的竞争，也是大国数字竞争的一个制高点，必将对未来的5-10年技术创新、企业竞争、国家博弈产生深远影响。

如果我们今天去看以GPT为代表，距离AGI越来越近的技术发展路线，会有五个非常重要的产业特征：

第一，颠覆性。

第二，涌现性。

第三，它是一次工程化的胜利。

第四，从技术的本质来说，它是一种通用目的技术。

第五，它是一个技术、资本、人才密集的产业。

ChatGPT为什么是一种通用目的技术？

在人类社会发展的历史上有两种技术：专用目的技术和通用目的技术。专用目的技术指技术只能在特定领域产生价值；通用目的技术名为GPT（General Purpose Technology），但是此GPT非彼GPT。

通用目的技术有四个基本的特征：

第一，可以广泛地应用在各个领域。

第二，可以提高每一个生产领域的生产效率、降低使用成本。

第三，它可以与现存的各种技术之间形成强烈的互补。

第四，它可以促进生产组织方式和管理的变革。

有专家曾经做过一个归纳，在过去几千年的历史上，人类社会有24种通用目的技术。在我看来，AGI可能是人类社会第25种通用目的技术。在工业时代，以内燃机、蒸汽机为代表的通用目的技术的核心是替代、赋能体力劳动者。而在今天的数字时代，AGI改变了人类知识检索、创造、运用的基本方式，已然成为一名脑力劳动者。它有四个特征：

第一，这种技术能更广泛地普及。

我们看看人类社会所有的通用目的技术：印刷术在德国古登堡发明300年后，出版的大众化才开始。瓦特发明的蒸汽机在80年之后才具有商业价值。电力发明50年之后普通的民众才能受惠，IBM大型机30年之后才会影响到人们的日常生活。

而今天的ChatGPT被发明之后，在很短的时间内就在全球的各个角落里被广泛使用。正如微软CEO在世界经济论坛上所说：“我一生中从未见过，至少在我从事科技行业的30年中，美国西海岸的先进科技可以在几个月内，以非常真实的方式出现在印度农村。”

广泛使用还带来了广泛的影响力。OpenAI对1000种职业做了一个研究，研究结果为：GPT可能会影响80%的工作岗位。80%的美国员工，至少10%的工作会受到影响；19%的员工，至少50%的工作任务会受到影响。

第二，它具有某种颠覆性。

颠覆性表现在方方面面。在编程领域，根据CSDN工程师的测试，GPT4的软件编程能力相当于月工资三万的码农的水平；在文档撰写方面，以色列总统艾萨克·赫尔佐格成为世界首位使用ChatGPT撰稿的国家领导人；在教育领域，ChatGPT通过了美国沃顿商学院MBA期末考试；在医疗领域，ChatGPT甚至通过了美国执业医师资格考试。

这种颠覆性带来的价值是什么呢？

我们以编程领域为例，它重构了人和机器之间的交互方式，降低了代码编写的门槛和成本。最重要的价值是：成为弥合数据流断点的新路径。

当你的产品不断变化的时候，要构建一个个性化、实时化的新工艺，这需要把正确的数据在正确的时间，以正确的方式传递给正确的人和机器。这叫做数据的自动流动。

但是，今天在企业数据流动的过程中，有无数个断点需要人的参与。什么是“智能制造”？智能制造不仅是机器设备，更重要的是让数据在每一个环节流动的过程中尽可能让人少参与。而今天的AI大模型可以为此创造新的方式。

第三，它能够实现各类技术之间的互补和易结合。

在PaaS（平台即服务）平台上出现新一层的MaaS（模型即服务），它是今天企业竞争和关注的一个焦点。在它之上，有各种各样的服务于SaaS（软件即服务）的或者其它软件的制造、媒体、教育、办公、搜索引擎，由此带来一种新的服务方式。而大模型能够更容易地跟各个行业普及。

据我观察，未来所有的软件会由大模型驱动，未来的SaaS软件将会从在线化走向智能化。无论是基础服务还是通用服务，都会因为AI大模型的驱动重新构建一套体系，包括商业模式。

第四，通用目的技术也会带来生产组织方式的变革。

Midjourney公司2021年成立1000万的社区成员，1亿的营收，零融资，11个员工，1个创始人，8个研发，1个法务和1个财务。它的规模反映出一个现象：未来的企业会越来越小型化，越来越微利化。

但是另一方面，多个组织会进行大规模的协同。比如说双11数亿消费者，几千万的商家，各种物流公司会围绕一件事高度协同，这种协同意味着什么呢？如果我们把时间尺度拉长，看到的是基于信息能力提升所带来的社会协作水平的深化，是人类社会演进的一条主线。

到了工业社会，随着印刷、电报、电话的普及，人类的协作从熟人分工演进到陌生人协同，从封闭体系到开放体系，从小尺度到大尺度，从几百人到几十万人，开启了大制造、大零售、大流通的时代。

再到今天，从计算机到互联网，从人人互联到万物互联，从人工智能到区块链，我们正在重构对外部世界的感知、获取和利用的方式。这种沟通方式的变革正在重构分工协作的基础设施、生产工具和协作模式。协作模式的变化就像经常有人说的一句话，“一代协作技术，一代组织形态”，你有什么样的技术沟通方式就会催生、诞生、孵化出什么样的新的组织形态，不同的技术时代会形成不同类型的组织。信息在组织内部的管理、监督及在外部交易、协作中的成本不断降低、协作模式不断创新，企业边界正在重新定义，科层组织正在瓦解，微粒社会正在来临。人类社会已经从工业社会百万人量级的协作生产体系演进到数千万、数亿人的合作。

今天，当云计算、大模型、AI到来的时候，微粒组织正在崛起。过去开发一个软件的功能，达到最小化可行产品（MVP）的团队规模可能需要40个人、50个人，今天可能只需要3到4个人，组织变得越来越小，这是技术变化的一个趋势。

同时，组织的形态会发生变化。AI的到来让你有了一个新员工，这个员工是一个“学霸”，学习了地球上所有的知识。你需要跟这个员工不断地交互、协作，不断地驯化与被驯化。对于AI，好像我们可以去控制、驯化它，但事实上这是一种需要刻意训练能力。另一方面，我们的思维方式实际上也会被AI所驯化，因此这是相互驯化的过程。

人和人之间的关系，员工之间的关系也会因此发生变化。在没有AI的时候，办公室里经常会因为某个议题发生争论，这时就出现了一个问题：该听谁的？

AI出现以后，当人与它发生争执的时候，又该听谁的？这使得重新定义员工与企业边界的问题十分必要。

可以确信的是，AI会让某些领域减少一些岗位，但同时也会留下一些员工，当未来越来越多虚拟的人与实际的人协同工作的时候，人类就需要激发新的能力。

如何看人工智能对经济技术所带来的影响？

我们如何来看人工智能对经济技术所带来的影响？

最重要的视角是——它是一次通用目的技术的变革。

站在宏观的角度，这轮变革会对一个国家产生怎样的影响，如何看待通用人工智能发展格局演变的趋势？这其中涉及三个问题：1. 这轮竞争的入场券是什么？2. 主力军是谁？3. 主战场在哪里？

第一问、这轮竞争的入场券是什么？

AI大模型不是突然出现的，这背后是技术演进到一个阶段必然的结果。如果我们去思考为什么美国AI大模型在今天能够出现，可以发现其中有五个非常重要的因素。

1. AI基础理论模型的突破。

2. AI+GPU算力新Wintel体系崛起，这个生态体系就相当于IT时代的Windows+Intel，移动互联网时代的ARM+安卓，以及今天的AI大模型+GPU+CUDA新生态。

3. 云计算大规模的推广和普及降低了成本，为大模型的训练提供了条件。

4. 互联网的发展为大模型在数据、工具、人才、场景做了坚实的积累。

5. 美国具有全球影响力的开源创新生态。

在这轮浪潮中，德国、日本等国拥有机会，但机会不是那么大。原因是其中存在着公共云+AI的系统化能力这张入场券，AI的竞争不是一个单一的竞争，是AI+云+算力的体系化的竞争。

未来要实现ToC和一部分ToB的商业化，需要在线的方式，如此一来，就需要一个强大的云的基础设施体系。要想构建这样的体系并不容易，它需要多租户的集群调度、超大规模的组网、大规模的并行计算等，门槛比较高。

同时，它需要商业化。今天的AI大模型，不能让它只是概念车，要把概念车变成量产车，使得它能够在商业场景内真正为客户创造价值，并让客户愿意拿出资金，形成一个闭环。要做到这一点，需要算力和数据成本，而只有AI+云的模式才能做到。

在算力背后大家讨论最多的就是GPU（图形处理器）。英伟达能够以1万亿的市值在过去的半年涨了3倍，其实也经历过艰辛的探索过程。在80年代时，个人计算机出现，显示器使用的是VGA控制器，将CPU的图像处理信号处理后输送到显示器。而到了1999年，英伟达的256显卡将图像处理的功能从CPU里面剥离出来，形成了真正的GPU。

2006年，有一位专家基于7800显卡第一次实现了卷积神经网络。他在上面做计算的性能要比CPU快出4倍，英伟达敏锐地察觉了其中的趋势，但是当时要走上这一条道路，十分艰难。

为了把门槛降低，英伟达做了一个非常重要的战略布局：推出CUDA（Compute Unified Architecture，统一计算设备架构），实现了更普惠的应用。就算不了解算力技术，但是可以基于CUDA搭建各种GPU的应用。

2020年，英伟达用70亿美元收购了一个做并行计算芯片网络的公司。直到后来的A100、H100等，在芯片领域实现了很大突破。

第二、主力军是谁？

我们从中美或者全球的竞争来看，那些拥有算力、数据、人才、场景优势的科技公司可能是未来AGI工程化的主力军。因为它面临四个门槛：算力、训练、数据、人才。

如果去看GPT4训练之后发布的文章，会发现，大模型需要数据+算法+算力精巧工程化的组合。很多AI大模型专家对GPT的技术非常不屑，认为它没有技术创新。但创新更多体现在数据、算力、算法的精巧组合工程方面，包括数据如何处理，如何构建强大的算力基础设施、优化算法、上下文的处理、多模态的学习、强化、对齐等等，有很多非常细节性的工程化的问题需要去解决。

第三、主战场在哪里？

技术生态和产业生态是AGI全球竞争的主战场。我们不仅仅要关注训练的模型，还要把这个概念成形成一个量产车，进行大规模推广普及，形成双轮的迭代。而生态体系的竞争是企业和企业、国家和国家竞争的一个制高点。就像几十年的ARM+安卓的体系，AGI时代必然是一个新的生态。今天的竞争是生态与生态的竞争，既是一场整体战，也是一场持续战；既是一场技术战，也是一场商业战，它的核心是生态战，在技术跟商业之间形成闭环。

回顾过去十年，以往对于人工智能，在技术上讨论很充分。但是真正能够实现商业化的场景却非常有限。而这轮AI大模型带来了商业场景上的无限的可能性，使得创新型企业快速涌现。

所有人都看到了这条路上的曙光。

AI是大国的游戏，巨人的战场。

从国家战略的角度来看，我有几个判断：

第一，它是一个大国的游戏。

第二，它是一个巨人的战场。

第三，它带来是一次工具的革命。

第四，它是一个生态演进力量的结果。

第五，它是一种通用目的技术。

根据这几个判断，我们需要知道，美国这轮在数字技术上的创新对我们有何启示。

有人在讨论为什么中国没有ChatGPT，其实这个问题没有合理性。正确的提问应该是：是中国为什么没有OpenAI，没有Snowflake？

Snowflake在2020年上市的时候，市值最高700亿美元，而它当年的销售收入只有3.5亿美元。从3.5亿美元的销售额到市值700亿美元，它做了一件事——基于云计算重新整理了数据库。

美国还有一家公司叫Palantir，最高市值400亿美元，这家公司第一个客户是美国中央情报局（CIA）。Palantir前段时间在媒体上说，他们是一家基于大数据分析面向军事情报领域的公司。Palantir的CEO曾说过：“战场算法的威力，相当于战术武器对常规武器。”

这两家公司的成功，反映出第一个启示：ChatGPT只是美国创新森林一棵树上的叶子。今天所有的聚光灯都聚焦在这片叶子上，把这片叶子都快烤黄了。我们需要思考的是，树是什么样子，树根是什么样子，土壤是什么样子，森林是什么样子。这个才能找到这轮美国技术创新背后的底层逻辑。

这轮创新底层逻辑的基础设施是什么呢？就是云计算+AI的模式。

我们今天刚好来到了这样一个时代，一个云的时代。有一个词叫“云原生”，大家很难理解。为此，我创造了新词：“电原生”。

什么是电原生？

100多年前烤面包机发明的时候，它与电源连接的部分被设计成了类似电灯泡的螺旋口，为什么不是插座？当时插座还没有被发明，人们能够想到唯一的最厉害的连接电源方式就是电灯泡。

因为有了电才有了各种电器，有了电机、高楼、城市以及工业革命。但是电灯泡的这种连接方式毕竟还不够方便，后来不断演进到今天，我们才看到插座成为一个标配的基础设施，在所有的房间里面都会有。这就是电原生。

这是时代的变迁所带来的基础设施的一次变迁。从电原生到云原生，我们今天所处的数字基础设施，是以云和AI为代表的。而发展到最终的“插座”的状态，可能还需要更多的时间。

回看过去十年，我经常想，中国的SaaS失去的那十年，正好是美国的一批企业的快速成长期。大概实现了从1.5万亿美元到2万亿美元的飞跃，而中国这边SaaS企业市值大概不到1000亿美元。

云计算是数字时代孵化创新的基础设施，而云上创新在美国差距在不断地扩大。这关键在于美国有一个强大的公共云，它是一个自由流动的大海。而中国大部分云算力的输出是通过私有云的方式，它相当于封闭孤立的小湖小泊。美国的SaaS市场规模为1198.7亿美元，中国不到50亿美元。美国的公共云占算力规模的60%，欧盟占50%，而中国只有28%。

公共云是什么呢？

它是一个孵化新数字科技企业的大江大海，当水足够深的时候，里面就会长出像Snowflake、Palantir这样的一些公司。假设我们把Snowflake这样的技术原封不动放到中国，它的估值也不会很高，因为中国水池里面的水不足以容纳这么大的一个企业。这是我所看到的差距。

第二个启示，我们应该去思考数字时代国家的创新体系基础研究和应用研究之间的关系。2021年，美国参议院通过了一项《无尽前沿法案》，该法案得名于范内瓦·布什的科学报告《科学：无尽的前沿》。范内瓦·布什是当年曼哈顿工程的主管，他的报告强调要重视基础科学研究，美国构建了战后科研的管理体系，成立了美国自然科学基金会。

但是，也有人提出质疑。在他们看来，基础研究、科学发现依赖大学和研究所。而应用研究、技术进步才依赖于企业。这是一种传统的分类法。而正是这种认知的局限会阻碍国家的技术进步。今天好像基础研究、应用研究、产品开发是一种线性的方式，但是事实上发现和发明是一个螺旋式上升的过程。

就像今天的AI大模型一样，AI大模型里面我们看到基础理论的模型是谷歌的，基于统计的语言模型是IBM的。在这一轮的创新里面，企业不仅仅是应用创新的主体，也是理论创新的主体。所以在今天，我们看到技术创新是大型数字科技企业的主要创新源泉，而且它无需转化，基于数亿的消费者、千万级的企业构建了一个及时、在线、低成本扩增的市场。

我们今天看到的美国的创新是什么类型创新呢？

以OpenAI为代表的创新，是一个平台型的创新体系，面向海量的创新需求，精准地感知和洞察，通过对全球创新资源的广泛连接、高效匹配和动态优化，构建起多主体协作、多资源汇聚、多机制联动的创新生态。我们看到它对数亿的消费者做各种各样的测试，这是产品功能迭代的重要的组成部分，是全球数字技术创新的一个特点。

第三个启示：从企业的角度来说，创新型企业或者颠覆型创新企业具备三个要素：

1.技术信仰和长期主义。

2.风险投资的创新。

3.小公司创新和大公司的商业化闭环的迭代。

就像OpenAI的首席科学家Ilya所说，他相信大算力，因为相信所以看见。早在Transformer出现之前，他就相信这个技术路线一定能成功，所以当2018年、2019年谷歌的性能在各种排名里全方位地超过了GPT1、GPT2的时候，他仍然认为自己的技术路线一定是对的，他具有技术的信仰和长期主义。

这些人是一批天才，他们有使命感，同时有方向感、有定力，有自己的一套方法论。他们的文化是把AI做成产品，而不是写出一篇研究技术的论文，当然他们具有很强的学术能力，同时也有极强的动手能力和执行力。

所以，GPT等人工智能应用的技术差距只是一个表象，背后的底层是创新体系、创新生态，创新文化的差距。

另外，不仅是科学家们，投资人的作用也很大。

DeepMind和OpenAI，还有Palantir，背后都有一个共同的投资人——彼得·蒂尔。彼得·蒂尔在2011年的时候就投资了DeepMind这家公司，也就是研发出AlphaGo的公司，当时这家公司持续亏损，但彼得·蒂尔却有胆识出资。这透露出他强力的眼光，也反映出投资人对通用人工智能的信仰。就像2009年彼得·蒂尔所说的，对未来最大的恐惧不是“机器人起义”，而是“奇点”将花费太长时间，世界就需要新技术来抵御经济衰退。

最后一个启示：今天的AI大模型是人类认识和改造世界方法论的一次迭代。

人们是怎么认识和改造这个世界？分为四个阶段：

第一，理论推理。依赖于天才的科学家，比如牛顿、爱因斯坦、霍金等人。这样一种方式在18世纪、19世纪已经发展到了极致。

第二，实验验证。爱迪生以发明灯泡的方式去发现这个世界的运行规律。

第三，模拟择优。汽车做碰撞实验，飞机做风洞实验，不需要做物理实验了，在数字世界里面做就足够，这便是模拟择优。它的前提是有比较好的机理模型，要搞清楚软件背后的机理。

第四，大数据分析。AI大模型、ChatGPT等是一种认识和改造世界的方法论，但是，它的问题在于背后的机理模型是不确定的。就算它有涌现的能力，但它的能力在学理上解释不清楚。

对话：想象力是未来的核心竞争力

主持人：安总您刚才说的技术信仰和长期主义，这个其实是说起来容易，但做起来是很难的。我想问问您，这种笃定感很多时候来自于什么？

安筱鹏：之前有一个说法，科学研究就是满足一部分人的好奇心。一个人能够有笃定感，这是有前期和基础的，是因为他在很多领域，比如对财富，已经没有太多的诉求了。这时，他需要到一个新的阶段。

我们去看那些历史上重要的科学家们，他们发展的历史，他们工作的经历，都以解决基本生活问题为前提。这是一个很重要的方面，当然还有别的方面，他是需要阶段性的。

主持人：您觉得未来AI创业，B端C端哪一端来的更快？

安筱鹏：你如果现在问，我觉得所有的从业者很难给出一个特别清晰的回答。因为现在这个阶段从技术的本身来说还有些局限性，另外，相关的一些法律政策仍然在影响产业化进程。它是由技术、产业、竞争、算力等多种因素交织的状态，现在可能很难给出一个清晰的判断。

但是很多企业都在不断探索中，从B端来说，如果想在垂直行业里面形成自己的模型，前提和基础就是有足够多的行业数据。如果没有这样的数据，其它所有的问题都很难讨论。

主持人：您对未来AI技术背景下培养孩子哪些生存技能和学习内容有何建议？

安筱鹏：现在不论是学校还是整个业界都在讨论“我们未来的社会需要什么样的人”、“这样的人需要什么样的素质和潜质”。

前段时间OpenAI和宾夕法尼亚大学做了一个研究，研究结果表明，过去我们认为技术对劳动力的替代遵循某种规律，这种规律为从体力劳动到脑力劳动，从低级到高级。但是AI大模型把这个规律打破了，它们真的能够替代有创意的人。

但是有一群人的工作是不可能替代的，就是“具有批判性思维和创造性思维”的这群人。

正如前面所说，美国18%的职业，从业者50%的工作任务受到了影响。在这个影响中，真正具有批判性和创造性思维的人是不可能被取代的。我把这句话引申过来：未来的竞争力是一个企业、一个国家、一个人的想象力。未来想象力可能是只有人才会有的一种能力，它是一个人的核心技能。

因此，批判能力、批判性思维、想象力和创造力会变得越来越重要。

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章