作者 |  沐风

来源   |   创头条，管理智慧

咨询合作 | 13699120588

9 月 5 日，中国工程院院士、之江实验室主任、阿里云创始人王坚在 2024 Inclusion · 外滩大会上分享了自己对 AI、AI+ 和 AI 基础设施的思考。他提出，AI+ 不是 AI 和产业的简单结合，而是数据、模型和算力的组合。

王坚表示，当我们讲 " 人工智能 +" 的 "+" 时，不是加什么东西，而是怎么加，更重要的是一个机制创新。这个创新就是数据、模型和算力的组合。当数据、模型、算力的规模都有了巨大的变化，这时就一定要引入新的东西，那就是 AI 的基础设施。

王坚说，一个事情要谈到基础设施的时候，就是一个技术渗透的终结的形式。什么技术会对人类产生最长远的影响？就是它变成了基础设施。他援引红杉资本的观点，在云时代、移动时代、AI 时代，基础设施就是云计算。

最后他总结，" 当你看 AI、AI+、AI 基础设施的时候，就会发现，这个世界不但技术在革命，机制和基础设施也在革命。没有比这三项革命在同一时间发生再令人激动了。我想这些革命正在创造未来。"

AI 的历史起点

各位来宾，非常感谢有这么次机会，也算是把过去几年甚至几十年有关的一些想法、一些教训或者一些经验在这跟大家分享一下。今天我自己找了三个关键词，就是AI、AI+ 跟 AI 基础设施。其实这三个关键词都有，绕不开一个词叫 AI。其实这是一个刚才 Michael 也讲了，其实 AI 这个词可能一千个人有一千个人的理解，一千人有一千人的想法。但是今天碰巧这三个不同的方面，就是 AI、AI+ 跟 AI 基础设施在今天被结合在一起了。

第一个还是我经常说的一句话，我说人工智能有很长的过去，只有非常短的历史。其实这是一个非常纠结的一件事情。事实上我觉得最困惑的就是到今天为止，其实人工智能到底他在说什么事情呢？还是值得探讨一下。

这是我想用一张图，当时我看到以后可能一个最好的反应，为什么让我会想起人工智能有一个很长的过去，只有很短的历史。你今天看到那个红线画的地方，就是大概在 40 年代末 50 年代初，就是图灵写了篇文章叫 intelligent machines，大概这么一篇文章。我自己觉得这是一个很长过去的一个开始，如果你要追关于机器智能的事情，可能可以追到几百年以前。在图灵这篇文章里边，他谈了一些很有意思的事情。这篇文章 50 年代发表的时候，是发表在心理学一个哲学的杂志上。第一次在探讨关于机器跟智能之间的关系。

大家要知道在那个时候，其实计算机这个词还没有完全出来。所以那个时候大家还习惯把它叫做 computing machinery。这就是为什么美国计算机学会会叫 ACM，也是这个原因。事实上那个时候计算机没有词，但是图灵在那篇文章也是第一次用了数字计算机这个词。所以这篇文章它的深远的意义还是到今天为止看，都是非常值得重新来思考。

就是我们很多最早的概念可能都是从这边来的。当然这个就是大家都会讲到达特茅斯这个会，我自己很有意思，刚才 Michael 特别讲到了 cybernetics，我听完以后我就很感触，如果当年那个会不在达特茅斯开，可能这十个人的想法就被 winner 给灭掉了。那可能我们今天还是在讲的叫 sap metics 来称呼我们今天说的人工智能。但事实上说不定从单词角度可能用 sub letice 可能会更好一点，但人工智能就这么流行了。

那为什么在 substitute 这边我打了一个红的框呢？就是来设想我自己对人工智能的理解。就是从赫尔伯沙蒙开始的，所以这个人很神奇，他是个心理学家，但是去参与了这个会得了诺贝尔经济学奖。他第一次访问中国是 1972 年，是以美国计算机学会的名义到中国来的。他 80 年代初又以美国心理学会的名义到了中国来。所以那时候我在大学读三年级，他到我们去讲了关于人工智能。

所以大家可以设想一下看一个大学三年级的学生在中国，在 80 年代初有一人告诉你，人工智能在下面十年会有一次天翻地覆的变化。你大概可以设想一下，那时我都有多么的激动，对吧？但事实上等了十年没有什么东西发生，所以后来就该干什么，是吧？但事实上里边的很多最基础的东西在那个时候也被提到了。

甚至大家今天知道的神经网，我印象很深。当时在 80 年代末的时候，有一本教科书叫 PDP 是吧？就 pero distributed processing 那里面讲的通篇都是神经网络的理论。只不过在今天，那时候讲的都是每一层两个节点，只有三层，大概你能做到那个程度就结束了。但今天的规模跟那个时候没法比。

所以我想说的一件事情，今天的人工智能跟 80 年代初大家讲的同一个人工智能，是一个完全不同的人工智能。我刚才讲我觉得 Michael 刚才也讲到了这一点。那为什么算是一个非常短的过去呢，非常短的历史？如果你看再回到刚才这张图上，现在这个红线里边就讲到了 2017 年，就是 google 开始提出了 transformer 这件事情。

所以我想今天我们能够谈，今天人工智能又重新回到了大家的视野，又重新在产业上有大家影响的话，那就是从 2017 年开始。所以我相信就是这一条 2017 年以前的人工智能跟我们今天说的人工智能，还是有非常不同的差别的那我想这就是我说只有七年历史的这个原因。当然这段历史就是从一篇文章开始的，这个大家都知道。但是我想强调一下的事情就是，这文章的这个八个作者现在都不在谷歌。那听说有一个最近大概又会回去。

AI+ 与行业融合的思考

Anyway 也就是说尽管他发明了很多东西，但是没有谷歌什么事。那这里边有些发明今天大家被忽视掉的。比如说他第一次有了 token 这个概念，那听起来好像也没什么了不起。大家都知道今天一个商业服务，大家都是用 token 来计价的。大家可以设想一下看，如果你连最基本计价的逻辑都不清楚的话，大概是不会有一个好好的产业的。更不用讲待会我这个主题里面会讲到的关于基础设施的事情。

同样，大家都知道在谷歌那个时候的前后，就是发表这文章的前后，我们就有一家公司叫 OpenAI。这个 OpenAI 的出现，站在我的角度就是让我们重新思考一下创新的机制是什么。所以这就有了在 2022 年这个 GPT 的发布。这两件事情结合在一起，我总是觉得一件很怪的事情。所以我说了一句话就是谷歌很行，谷歌也很不行。

这个谷歌很行是什么呢？特别是在中国，大家都会讲 0 到 1 的创新。所以大家可以设想一下看，谷歌是 100% 的完成了我们讲的 0 到 1 的创新是吧？甚至还要多一点。

但为什么谷歌不行呢？我觉得大家都可能知道这个 AXI made 在在前段时间有在 stanford 个发言对吧？搞得沸沸扬扬的，就是说的谷歌非常不行，对吧？那确实也不行，为什么呢？他没有创造出一个东西，像 OpenAI 创造出那么的有价值，对社会。

所以我想这中间事实上要让我们重新思考这个创新的机制到底是什么。它不是一个简单的从 0 到 1 创新，不是简单的你有一个好的想法。这中间的机制是远远超出我觉得在今天学者甚至产业界可以来理解的。这也是我觉得对我们一个最大的挑战。所以我用了一个谷歌很行，谷歌也很不行。

但在这个 chatGPT 后面，它的光芒事实上对大众而言不是对业界而言，是被掩盖了很多事情。但大家都知道有 alphafood，对吧？特别是 alphafood3 出来了。

但是很少人会谈论说他其实背后还是 transformer 加 diffusion。可能今天大家在讲这个能生成一个图片，能生成一些大家觉得视觉上可以满足大家生成的视频。大家会讲到 transformer 加 division，可是很少人理解，其实为什么谷歌那篇文章有那 but fundamental。也就是说到最后大家今天听到的一些最基本的东西，到最后也离不开 transform 当然就是说从 alphafood 2 到 alphafood 3，事实上他那个名字稍微做了一些改变？所以在 alphafood3 时候，他就用那个 payer 但大家都知道背后最基本的东西还是这个 transformer。

再往下看，其实大家也知道，其实从 ChatGPT 到 alphafood，到今天大家在媒体上也经常会看到关于天气预报的时候，这是一个三个非常跨度非常大的应用。但是他们到背后，我觉得有一个最基本的东西就是脱离不掉，就是 transformer。所以我想这个 AI 为什么只有七年历史？

大家再回过头来看，我们事实上是你愿意不愿意我们生活在 transformer 这样的一个阴影下，也可能是一个以后是一个阳光灿烂的东西。所以我有时候会讲到说，当你在这样的一个背景下，再回过头来，去年在政府工作报告当中，多次谈到了人工智能，同时提到了这个人工智能 +。所以大家设想一下看，在 transform 这个逻辑下，我们要理解的人工智能家到底是什么。所以大家可能今天一谈到人工智能 + 的时候，就会简单的我加一个行业进去。其实这是我用我自己的话来讲，没有比在人工智能加后面加一个行业把人工智能庸俗化的做法了。所以就是反复思考的人工智能家到底是什么？所以我们再来看这个 GPT，或者是我们今天要说的这些事情的话，那可能是需要有一次重新的思考的。所以这个 ChatGPT 如果在人工智能加这个逻辑上，大家可以认真想一下看 ChatGPT 不是个应用，它是个应用平台。

AI 基础设施的兴起

就像在上一个年代这个 office 一样，它不是一个应用，它是应用平台。但如果把 GPT 再拆一拆，刚才讲过了，它如果把它变成个基础模型的话，事实上 chat 就是一个应用。所以 ChatGPT 就是 GPT 加 chat，这是我的理解。

但是我想多说一句的话，chat 不是一个简单的应用场景。大家都知道 microsoft 跟 OpenAI 这个合作中过程当中，不只是做了 ChatGPT。其实他们到 bill 家里讨论了很多 GPT 这样东西可以用到什么场景。最后只有 ChatGPT 是最革命的，所以变成了产品。他们做了一大堆也很有用，但没有革命的东西，后来都写成了书。所以有时候经常开玩笑说这个书是很危险的，就是不是革命的东西都写成了书，可能最革命的东西做成了产品，这是我们今天真正发生的发生的事情。

我想所以我想没有比 OpenAI 的这个公司的人对 chat 本身有更深的了解。所以今天我还是要讲一句话，就是说当你做不出一个比 ChatGPT 好的这样的一个东西的时候，是有两至少有两个原因在约束你。第一个当然是你的技术也会做好，就是基础，就是模型。第二就是你对这个问题理解的深度，你能不能真正找到这个领域的问题，事实上是你约束的最大的一个前提。我们往往在很多时候，其实对这个问题不理解，以为有了 GPT 就可以解决很多的问题。当然我今天讲的重点是这个 + 到底是什么？这个家就让我想到了大家都知道当时这个 chat 做这件事情的时候，事实上只是反映了当年的一个愿景，就是让计算机能听能能说。所以我想今天因为有了 ChatGPT 以后，就当这台计算机变成了一个手机以后，我们今天就做到了这一点。

那么这背后的真正的加的机制就是 ChatGPT。当我们讲那个加的时候，不是加什么东西，而是怎么加，更加重要的是一个机制的创新。这句话听起来很抽象，再把它回过头来，大家可以看一看 ChatGPT 什么意思，这个家就是 OpenAI 这家公司。没有 OpenAI 这家公司，GPT 和 chat 是不会变成这样一个影响大家的产品。

OpenAI 与创新机制的变革

那 openAI 这家公司为什么是一个机制的创新呢？到今天为止，其实大家都知道 OpenAI 是一个怪物，也就是说它有 nonprofit 的 AI OpenAI，也有 OpenAI LP 这样加东西。所以大家可以设想一下看，一个 noprofit 一个机构跟一个商业机构在 OpenAI 这么一个主体里边，被这样莫名其妙的存在在一起。所以我想就是发生的过去发生的事情都跟 OpenAI，其实大家讲的 OpenAI 都是讲的 OpenAI op。可是当大家知道他的最早的创办是一个非盈利机构的话，大家可以想象它中间的机制是多么复杂的一件事情。所以我经常跟投资人讲，你用传统的方法是投不出 openAI 这样一家公司来。

当然因为这样的成功，让我们重新反思了一下。就是杰森黄说了一句话叫 ChatGPT 是人工智能的 iphone 时刻。其实这句话被很多人引用，我自己一开始听的时候也很激动。但是后来想了一想，这个就不知道在说什么，为什么呢？因为 ChatGPT 是什么也没有完全说清楚，完了人工智能是什么也没有完全说清楚，那 iphone 到底是什么也没有说清楚，就是把这三个说不清楚的东西放在那里变成了一句话，这是让我困惑了很长时间。

其实大家也不要觉得他说清楚 iphone 是什么是一件很困难的事情。我说一个现象就知道了。大家说起这个 iphone 都觉得 apple store 是它非常重要的事情。今天任何一个人发言都说生态多么重要，可是很少人理解。你们去看第一个，Steve Jobs 发布第一代的 iphone 时候，是没有 APP store。完了如果你要讲它的生态系统，当年跟 Steve jobs 一起发布 iphone 第一代的那些公司，今天都不见了。所以他到底是什么？也是值得我们非常深思的。

当然这句话我自己觉得他其实抄袭了另外一句话。这是当年我自己听看了非常激动的。就是当 alphafood 出来的时候，alphafood 2 出来的时候，有人说了一句话，大家说是 alphafood 是生物学的 image net 时刻。我自己觉得这个是真正反映了技术发展的背后的。

当然这个就回到了那篇也是那篇文章，就是 jeff hinton 跟他的两个同学两个学生写的。这篇文章大家知道在在做，至少在做机器学习也好，图像识别也好，一定知道这篇文章。但你把这篇文章抽象出来，它就三个东西，就是我们今天构成我们人工智能。大家天天在讲三个东西，就是 imagine net，就是有组织的这个数据。完了它有一个模型，那时候叫 CNN，完了加 GPU。这是第一次一篇文章完美的把三个东西结合在一起。只不过是这三个东西在那个时候都谈不上是新的，image net 也存在了很久，CEN 也不是一个新的算法，GPU 那个时候在每个网吧里面都有。

但是是这篇文章，这三个学生呢把它结合在一起，使得 GPU 模型和数据成为做这个行业的一个最基本的标准。特别是 GPU 是在那篇文章之后，他才成为学术界的标准，在他这篇文章之后才成为工业界的标准。而当时他们用了两块 GPU 卡，是一个非常普通的 GPU 的卡。尽管这两张 GPU 的卡在当时大概已经超过了上万个 CPU 核的算力，但是现这是在中国的每一个网吧里面都有的 GPU 卡。但是因为这样发生了一次非常大的变化，所以算力重不重要？算力重要。但是在创新阶段，大家都知道没有比人的创造力再重要的事情。那么到了今天发生的变化，为什么会引出要引出基础设施呢？就是因为规模。

也就是说当数据模型算力的规模都变成了一个巨大的变化的时候，这个时候一定要引入了新的东西，不然它没法解决了。这个也是做 IT 做程序设计的，看到这句话也很激动。这是 Pascal 的发明人曾经写过一句话，他说一个婴儿的速度的 1000 倍就是一架喷气机。也就是说在我们世界里面，任何的事情的规模增加了 1000 倍，它就会发生天翻地覆的变化。大家都知道在我刚才讲的三个组合的规模上，在每一个单元都超过了 1000 倍。正是这 1000 倍，使得今天我们绕不开一个最基本的东西，就是 AI 的基础设施。

大家知道一旦有一个事情要谈到基础设施的时候，我觉得这是一个技术渗透的终极的形式。大家可以理解，你看人类发展历史上任何技术的发展，什么技术会对人类产生最长远的影响，就是它变成了基础设施。当然是 AI 基础设施不是我发明的，今天大家都在谈的。所以我想为什么从 AI 到 AI+ 到我们今天可以讲 AI 基础设施的话？是一个非常值得我们深思的那下面我很快时间也会很快说一下，这是红杉在一个在在一次研讨会上用的一个 slide。把它拿过来了。拿过来的目的，只是为了看大家最下面一行，他就会叫做基础设施。

AI 时代的云计算

大家看一看在云时代，在移动时代，在 AI 时代，他们觉得的基础设施就是云计算。这里很有意思，他把苹果是划到了基础设施这一类的。同样的大家可以看到在今天，他把英伟达也划到了基础设施那一类。所以这是一个非常有意思的一个分类方法。这个也不奇怪，为什么？因为大家都觉得他应该去做云计算。

作为做云计算的我看到这张图的时候也非常激动。这张图不是我画的，但是看到之前在解释是我的解释。就是这张图大家看到这是六个在美国的做 AI 的独角兽，那你看它背后的基础设施的支持很有意思，就是 openAI，大家都知道它背后的他得到了 100 亿美金的投资，它背后是 microsoft，第二名的背后是 AWS。大家可以看到在这些企业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计算服务商，都是今天每美国独角兽公司的背后支撑的来源。

这里当然大家看到很很神奇的一件事情，在这里有第一第二第三第五第六，就是没有第四，对吧？那第四就是阿里云。这个就从我想就是说这种基础设施对将来这些事情的影响的话，从计算这个角度也能看得出来。但是我想从另外的角度也反映了这个产业之间的差距到底在哪里。所以从这个角度让我想起了另外一句话，我觉得微软很不行，但是微软也很行。也就是说它在人工智能他没有做出 transform 这样东西。但是他因为云，因为这个基础设施，他在跟 OpenAI 创造出这么一个今天我们可以看到的东西出来的话。那我是觉得你从另外一个角度也可以看得出，好像微软不行，但是微软还是很行。

所以我想在 AI、AI+ 跟 AI 基础设施这个逻辑上，所有人都是可以做自己可以创造历史的事情。我前几天看到一个创业公司，为了证明他这个创业的重要性，画了一张图。我觉得很有意思。就是我相信今天我们老师讲数据，讲计算，讲算法。但是大家设想一下，这些东西不在一个基础设施里边，事实上是没有价值的。所以大家我把这个红框里面画出来，其实这样很有意思的告诉大家是数据是基础设施的核心的组成部分。数据不只是一个模型的附属品，这个数据也不只是一个计算的附属品。只有这所有这些东西变成一个完整的基础设施的时候，我们才会有那一次更加激动人心的创新。

如果大家看最前面它里面讲到那个事情，去做了两个区分，他就讲是在在传统的 IT 时代的云计算，以及他说在 AI 时代的云计算。尽管这两种计算有差别，但都是云计算。同样他数据也做了这个区分，就是在传统意义上的数据跟在 AI 这个意义上的数据，它是做了这么一个细微的区分的。因为今天这个我就不展开讲了。

最后总结一下，就是事实上当你看 AI、AI+ 跟 AI 基础设施的时候，你就会发现这个世界不但技术在革命，机制也在革命，基础设施也在革命。没有比这三项革命在同一个时间发生令人激动了。所以我想这些革命正在创造未来，谢谢大家。

华夏基石数智时代领导力特训营热招中！

开班时间