在5月28日舉行的2023中關村論壇上，創新工場董事長兼首席執行官李開復發表了主題為“AI1.0到AI2.0的新機遇”的演講。他表示，在所有APP里面，AI first（人工智能優先）將是最重要的應用，過去，移動互聯網是Mobile first（移動優先），今天要在人工智能領域創業或投資，那一定要做非有人工智能不可的APP。

【資料圖】

“大模型真的不只是一個問答引擎，它改變了所有APP的生態，它會讓我們今天用的每一個生態通通改寫一次”，李開復坦言，要允許今天的大模型一本正經地“胡說八道”，如果把它胡說八道的能力全部降至零，它也就不具備推理能力了。李開復認為，一直以來都是人類學習計算機的語言，大模型時代將是計算機學習人類的語言。未來，用戶只需要向AI描述目的就會達到期待。

李開復還就“大模型公司太多”“只有頭部公司才有機會”等論調談了自己的看法，他指出，國內外的文化習慣、法律法規都不一樣，拿海外訓練出來的大模型在國內做微調是非常危險的，在大模型領域，大家都還有機會，應該鼓勵各種不同的模式去探索。

以下為李開復在“人工智能大模型發展論壇”的演講內容，經新黃河記者整理：

近年來，看到整個AI2.0和大模型的啟動，創新工廠的投資團隊、科技團隊都在研究這個領域,為此也到美國去了解一些新態勢。今天我介紹的不是創新工場投資的公司或者業務，而是對于最近關于AI2.0和大模型做一個比較通俗的分享，希望對大家有幫助。

AI1.0時代每個應用都是一個孤島

AI 1.0是AlphaGo（阿爾法圍棋）之后發生的深度學習，也就是在八九年前開始，進入各行各業，這是我們都熟悉的。到一兩年前碰到了一些瓶頸，而這些瓶頸，正好是AI2.0和大模型能夠解決的。AI1.0遇到的瓶頸是什么呢？當時還沒有大模型，我們要做一個領域的AI應用,要到該領域去收集、清洗、標注數據，再拿去調整模型，這個過程成本是非常昂貴的，對于互聯網巨頭來說沒有問題，因為他們收集的數據實在太多，用來賺錢的機會也很多，但是如果一家工廠想讓AI應用落地，就會面臨著非常昂貴的成本。

大模型是人類智慧的累積，有一個很大的特點，就是我們可以一次性訓練一個大模型，當要應用的時候可以做一個遷移學習或者微調，也就是說之前AI1.0時代，每個應用都是一個孤島，有大模型之后，用海量的數據一次性訓練一個基礎大模型，那么再以這個模型作為基礎去做微調，就具備非常大的威力。比如，像音響類似的產品，過去跟它講話的時候，一旦跳出了它懂的領域就蒙了，做不了很多事情。當放一個類似ChatGPT的東西進去，它的知識就會被激活，只要調整對話，它就會成為一個非常好用的機器人，如果需要它在另外的領域完成其他事情，我們可以把這個大模型再微調，使其進入對應的應用場景。

有些領域可以容忍大模型的不完美

今天的大模型還會一本正經地“胡說八道”，這個問題非常難解決，因為它的推理能力，也來自于同樣的理由。如果把它的胡說八道全部降到了接近零，那它的推理能力幾乎也沒有了，所以那些讓它聰明的理由也是讓它胡說八道的理由，但是我們未來還是可以解決的。

我們要先接受大模型是非完美的、會胡說八道的，即便一個非完美的大模型還是有相當大的商業價值。例如，不管記者用AI來寫作，或者律師用AI來寫訴訟，最后負責的還是人類，律師或者記者會很清晰地知道AI可能會犯錯，我們不是把它拿來做一個終極的應用。在娛樂領域的應用，是可以允許AI犯一些錯誤，比如游戲里面的英雄胡子長了一點短了一點，這都無傷大雅。此外，還有很多領域是可以容忍大模型的不完美，基于這個事實，今天大模型的商機已經存在。

當然我們還要繼續努力，讓它降低胡說八道的習慣。比如，從預訓練的數據到訓練對齊，再到之后的后處理，還有一些預警和快速修正的方法，這些需要結合在一起，提高大模型的處理能力。需要重視的是，有些領域是非常關鍵和嚴肅的，比如說新聞、政府網站、醫療、教育，這些就不容易做，未來需要化解這些問題。

AI大模型能帶來應用的爆發

大模型的價值絕對不只是有一個很聰明的AI引擎，而是能帶來應用的爆發。

用AI寫稿子、寫訴訟、畫圖、摳圖等都是應用層的，還存在一個中間層，中間層包括兩部分，第一個部分是從模型里面往外提供功能，比如說模型做得很大，針對某一個領域，能否把一個大模型變成一個小模型，這是從模型往上的。另一個部分是從應用往下的，用大模型做的很多產品需要去中間化。比如，過去由平面設計師來設計圖，以后市場總監用語言就能直接把圖做出來。當然這個過程不是一天兩天能實現的，但長期來看，相對重復性的工作是可以被技術取代的，同時會產生非常大的經濟價值，這樣的情況之下才能讓應用的數量變多，形成應用帶來更多用戶，用戶帶來更多應用的良性循環。

AI.2.0平臺和應用將顛覆許多行業。簡單舉個例子，比如制造游戲的時候，所有角色、背景、道具、衣服、故事的產生，甚至所有的代碼最終都會用AI來寫。很可能以后一些小朋友會把他想玩的游戲寫出來，大家彼此用文字做一個游戲介紹，幾秒鐘以后就可以玩了，這跟今天的游戲制作就有巨大的差別。所以，大模型真的不只是一個問答引擎，它改變了所有APP的生態，它會讓我們今天用的每一個生態通通改寫一次。

從Mobile first到AI first

在所有的應用里面AI first（人工智能優先）將是最重要的應用，什么叫AI first？就是說這個應用沒有AI就不成立。過去移動互聯網是Mobile first（移動優先），比如，在PC時代打車軟件滴滴是沒有用的，因為你隨時可能在不同的地方，當年如果要選擇在移動互聯網創業或者投資，那一定要選那些非有移動不可的APP，所以今天要在人工智能領域創業或投資，那一定要做非有人工智能不可的APP。簡單地說，當我們把大模型抽掉，這個應用就完全癱瘓，那這個應用就特別需要做而且應該做。當然，這個過程中，我們還有很多的挑戰，需要監管和技術同時發揮作用去解決。

最近有幾個比較大的聲音，如“使用海外的開源大模型就可以做出中國版的openAI”“大模型耗錢且耗人，只有巨頭才有入場券”“大模型公司太多了”“不用開發大模型，開發小模型就夠用了”等說法。

開源是非常非常重要的，高校和創業者沒有開源很難得到啟動力量，但“使用海外的開源大模型就可以做出中國版的openAI”的說法是絕對錯誤的。開源模型本身有一定局限性，如果直接使用海外的開源大模型，你的天花板決定了永遠做不出達到或者超越ChatGPT4.0。很多人做開源大模型訓練的時候用ChatGPT4.0來訓練，真的不敢保證ChatGPT4.0會讓人人都能拿去使用，從商業的角度也沒有理由讓你占這個便宜，再就是它對有些國家可能也會限制。拿海外訓練出來的大模型，在國內來做微調是非常危險的，國內外的文化習慣、法律法規都不一樣，每個國家處理方法都不一樣，自主創新做大模型是有必要的。

當然，未來不可能有50家大模型公司存在，會收斂到一個小的數字上。比如，美國的搜索引擎，剛開始的時候有十來家，最后變成五六家。不過，在大模型這個領域，大家都還有機會，我們還在追趕，應該鼓勵各種不同的模式去做。

中國公司急需趕超全球一線公司

大語言模型分三步演進，第一步是中等規模的大型語言模型，第二步是跨越“涌現”（備注：涌現在大模型領域指的是當模型突破某個規模時性能顯著提升）門檻，成為主流大型語言模型，第三步是領先的大型語言模型。目前ChatGPT和谷歌的大語言模型PaLM處于第三階段。中國有些公司當然有野心，也可能自認為接近了，但是我覺得主要還是在一個比較中等規模的水平，基本可以工作，但是它可能“涌現”不一定特別強大。這不是說中國公司做得不好，而是起步時間較短，再就是中文的數據質量還不足夠。

大模型訓練質量跟數量都重要，但是相比來說質量是不可犧牲的。我覺得有國家力量來推動收集更多更高質量的數據非常重要，要不然的話追趕會比較難。中國這個階段的經濟發展，并沒有足夠多的人為了公益來把很多好的內容匯集起來，中美以后的差距可能就體現在數據上面。

多年來，人類需要學習計算機的語言，現在倒過來，計算機學習人類的語言，這會大大把人類解放出來。我們只要把想要做一件事情的目的告訴未來的AI，它就會幫我們完成，不用告訴它如何一步一步去解決。比如我跟未來的智能助手說，明天是我太太的生日，需要鮮花、蛋糕、禮物，它就通通幫我搞定，這就節省大量的時間，現在還沒有這樣的智能助手，我可能要花幾個小時搜索，再逐個下單。

未來最偉大的應用是必須要有AI大模型，拿掉大模型它就不工作。大模型就是委派式的，用戶描述目的就可以達到期望，當然要解決隱私的問題，不能把我們每一個要求都傳到云端。最終這天到來的時候，商業模式也會發生變化，當我跟AI說幫我買蛋糕、鮮花、禮物的時候，它會直接把電商當做倉庫一樣地去幫我搭配。當然，這方面的應用可能還比較長遠，需要學術界跟產業的合作。

AI大模型是中國絕對不能錯過的歷史機遇，這是有史以來最大的一個平臺革命。它會讓每個應用都改寫，重構人類的工作，讓我們的聰明才智被放大10倍或更多。在人才方面，可能頂級的一些人才還在美國，但中國有非常巨大的人才優勢，數量非常多，而且很多年輕的科學家都非常厲害。

最后我想提一句話，來自硅谷頂級投資人對這個領域的預測：這個市場的潛在規模難以把握 ——它將介于所有軟件和所有人類的努力之間。

新黃河記者：王立奎整理報道

編輯：常萌

關鍵詞