中美AI的差距到底有多大呢？相信是很多朋友在看完Sora的惊艳后，不由产生的疑惑，并且还没完，老美那边近段又出了个Claude 3，号称是全面超越GPT4。 连化学和物理学等科目中，针对同一问题，它可以生成出与该领域人类科学家相似或更优的解决方案，复杂的学术论文Claude 3几秒就写出来了，也就是说AI离破解科学难题又进了一步。 网上现在有一种声音，说老美搞的这一堆东西没多大用，全是虚的，对我们的生活和经济影响不大。 说实话，在Sora出现以前，AI离改变我们的生活确实还有些距离，人工智能更多的只是部分行业会用到的辅助工具。 但Sora可以说是一个game changer，它的出现不仅仅是AI开始进入到学习理解物理世界，这种很技术性的表达，我们要看到从本质上，其意味着：AI进化的速度将远超人类想象。 简单来说，就是你今天可能还觉得它没什么用，明天它直接就把你给替代了，这不是危言耸听，技术上的瓶颈一旦突破，AI的能力都是指数级增长。 同时，这也引伸出了一件概率正变得越来越大的事，就是我们离通用人工智能，也就是AGI很近了。 这个词你们可能近段听的比较多，但我估计大部分人都只是把它当“词”听了。 通用人工智能真正能给社会带来哪些改变？给我们的经济带来哪些发展？可能普遍人们心中根本没有意识到它的意义。 大家可以思考一下： 为什么老美要狂卷大模型？ 为什么苹果造了十年的电动车都放弃了，要All in AI？ 为什么Sam Altman要募7万亿美元这样的天量资金，来改变芯片行业？ 因为老美这些顶级的公司，他们已经形成了一致的共识，就是AGI的诞生，将有助于解决当下社会中存在的诸多问题。 以我目前接触的感受来说，那边不管是大厂还是初创，都在往AI方面使劲。 我们国内为什么目前大多数人都觉得人工智能好像没多大用，主要还是因为在消费者领域，我们基本没有AI方面的“杀手级应用”。 老实说，老美那边已经涌现出了一些很优质的AI应用，可以用“blow my mind”来形容，以后我会跟大家一一分享。 因此咱们国内这边的追赶压力还是比较大的，这些客观存在的差距我们要认清。 网上现在还有人说，让老美那边只管发展AI，等他们试错完了，我们到时候再直接赶超他们就好，呵呵，这种想法只能说是too naive, too simple. 在探讨这个问题之前，我想跟大家先普及一下到底什么是通用人工智能（AGI），最简单的表述是：人类能做的事，AI都能做，就算是达到了通用人工智能阶段。 像目前的GPT4和Claude3，已经算是半个AGI了。 那么知道了AGI的概念，我们就可以很清楚的想到AGI代表着什么，它代表的就是“人”。 对，AGI的出现，从更高的维度来说，意味着我们人类这个物种在宇宙中的身份提升了，因为我们造出了与我们一样甚至超越我们智慧的物种。 如果你相信我们是生活在虚拟世界中，或我们是被某种力量所创造出的，那么AGI的实现，就意味着在人类能感知到的这个宇宙中，我们拥有了“和创造我们的那个造物主一样的能力”，这给我们人类社会带来的改变将是天翻地覆的！ 当然就目前人类的科技能力，距离那一天还比较远，一会儿我会讲为什么。 那么回到当下的现实中，放到经济发展里面，AGI就是生产力，而且是比人的效率高N倍的生产力，说的更直白一点，等真正AGI来的时候，人们即使都不生孩子，经济也照样发展。 所以，谁能先实现AGI，对其他国家的经济来说就是降维打击，而且会是一骑绝尘的领先。 因为自行车和火箭赛跑，根本没有可比性。 但真正实现100%的AGI，目前人类的技术还是无法实现的。 主要有两个因素制约：一是算力，二是能源。 算力的提升靠的是大量购买显卡，这方面目标看似简单，但台积电的产能根本无法在短时间内给英伟达供应足够多的量。 所以因为算力不够，才使现在的ChatGPT发展是这种速度，如果今天OpenAI就拥有了天量的显卡，可能AGI已经实现了，当然那估计需要耗费掉整个地球的发电量。 因此室温超导无法突破和能源技术无法突破，100%的AGI依然遥远。 所以我们目前能看到的是：大模型正在一点一点部分实现AGI。 如果GPT4是50%的AGI，那么以后会向60%、70%去靠近，说不准会在70%-80%之间，它的成长曲线会趋平，然后直到某个时间点，AI或我们自己把上述科学难题攻克，世界再进入一个颠覆的新阶段。 这中间的过程还是需要时间的，最短起码也要5年起，多了可能需要10年、20年。 现在有传openai 2027年就能实现AGI，我觉得如果算力和能源问题到那时仍无法解决，即使GPT真达到了145这么一个超过大多数人的智商值，只要它还是无法大规模使用，那它就不是真正完全的AGI，只能算是70%或80%的AGI. 因此，这也给了我们中国加速冲击的机会，因为中国必须要有自己的AGI，这样我们才能有自己的AI主权、数据主权！ 那么我们接下来应该怎么办呢？首先就是要解决掣肘我们发展的一些因素。 给大家简单解释一下，要想让大模型变的更聪明，我们需要给它投喂海量的数据来训练它。 那么如何让它学习的更快呢？答案就是部署更多的GPU（显卡），因为每个GPU都是一个运算单元，因此GPU越多，大模型能处理的并行运算就越多。 想象一下，假如给人现在外接10个脑子、100个脑子，是不是我们就可以同时思考10件事、100件事呢？学习能力直接指数级增长。 因此大模型的能力能快速提升，靠的就是疯狂给它加运算单元，这也就是为什么很多人说chatGPT是大力出奇迹的结果。 我们国内的大模型之所以现在还达不到GPT4的水平，不是技术的问题，而是硬性条件也就是算力源于老美打压，使我们目前根本买不到足够多的显卡，因此我们大模型能力的成长速度就会受限。 据说，我们国内目前一共就50多万张英伟达的A100或H100等这种用于大模型训练的显卡。 而微软今年预计要买300万张，Meta要买100万张，这种算力差距在一定时期内肯定会持续存在。 所以，当下就我们现有的资源一定要用好，能否国家牵头把国内现有的大模型公司联合起来，实现算力共享、技术共享、资源共享？ 因为单靠一家公司是搞不出AGI的，更何况是在我们目前条件有限的基础上。 即使真有哪家公司以后在某种程度上实现了AGI，其AGI的控制权，也不能由某家以盈利为目的的公司来掌控。 所以与其每家公司单打独斗，不如群策群力，集中力量办大事，这样我们才可能有机会拥有我们自己的AI主权。 除了算力联合，再有就是各个大厂间的数据也要打通。 我们现在互联网上的信息孤岛化很严重，这就造成了每家可以用来让AI学习的训练集，包括文字、图片、视频等数据量远远不够，而且AI越往后发展对数据的需求就越大。 所以，能为AI提供足够多的数据来学习，是通往AGI的必经之路。 说了这么多，虽然目前看似我们想要追赶老美的AI公司会经历一些艰难的过程，但我们有一些优势也是老美没有的。 例如我们的制造业能力很强，这里面积淀了大量的专业数据，可以用来训练我们的大模型，让我们的AI可以在生产制造上变得足够智能。 工业自动化其实早已经用到了我们诸多的企业中，只不过以前需要自动化相关的专业人员进行流程的系统设计和编程。 现在结合大语言模型，不懂技术但是有丰富实操经验的一线工人，也可以对某个环节进行改进。 所以在这个AI+的过程中，我们中国的AI一定会在工业能力上更实用、更高效！ 我们的AI在制造业很多细分领域，超过老美应该问题不大。 最后，我想再说一下AI的应用。 现在国内普遍的状况是，大多数做AI技术的公司针对的主要用户是企业端，而非个人端。 一是因为做企业端能快速带来收入，二是因为个人端的应用，目前很难平衡用户体验和算力成本的问题。 所以为什么目前几乎所有的AI平台，都会对用户的生成次数及token长度做限制。 但即便如此，还是经常会出现一些生成失败、或生成时间太长的情况。 所以现在难的地方是在于，即使你有一个好的idea，也把应用做出来了，但它基本无法支撑太多用户同时使用，这也就造成了用户的体验会大打折扣。 如果你想要用户体验好，就需要支付昂贵的算力成本，可创业公司是不可能有那么多资金的。 所以要想解决这个问题，我们国家必须要在算力这样的基础设施上加快投入建设，降低AI时代的基础运营成本。 再有就是在芯片、量子计算等与AI发展相关的领域加大研发力度，早日实现我们自己的创新突破，进入商用，从而像新能源一样，实现弯道超车！ 那么作为我们普通人，我呼吁大家从现在起一定要学习AI、了解AI。 因为AI在未来就像空气和水一样，无处不在。 至于怎么学？可以关注我接下来的内容。 持续收获商业、科技深度干货~