![](https://img.jasve.com/2024-5/d62e2e37009806d6b4e7ab231956f354.webp)
本文由半導體產業縱橫(ID:ICVIEWS)綜合
很多人都在關註,AI的大戰中誰會勝出?
![](https://img.jasve.com/2024-5/718d4ba78991527611779998bd37b409.webp)
記得當Chat GPT首次出現時,有人猜測這或許是AI的再一次「曇花一現」。
不過,了解科技爆發周期的人,會知道AI絕對不會止步於此。前日淩晨,Open AI釋出了最新傑作——GPT-4o。以其突破性的智慧互動能力,徹底顛覆了我們對AI語音助手的認知。這不僅是技術的飛躍,更是人機互動歷史上的一大步。
在昨晚剛結束的谷歌I/O釋出會上,谷歌攜新版Gemini AI大模型等產品,試圖在AI賽道上重新奪回主動權,在兩個小時中「吼出」了121次AI。
現在,AI已然成為科技討論的中心。
很多人都在關註,AI的大戰中誰會勝出?做AI的創業者到底應該怎麽做?技術爆發之下潛藏著哪些危與機?
今日,在「AI創生時代——2024甲子重力X科技產業新風向」大會上,金沙江創業投資基金主管合夥人朱嘯虎、獵豹移動董事長兼CEO、獵戶星空董事長傅盛、出門問問創始人兼CEO李誌飛、清華大學電子工程系教授、系主任、國家自然科學基金傑青、IEEE Fellow、無問芯穹發起人汪玉、莫耳執行緒創始人兼執行長張建中。5位涵蓋投資人、產業、專家的各具特色的嘉賓共聚一堂,圍繞著目前人工智慧的現狀以及核心競爭力,一起探討中國AI的未來風向。
2024年AI的整體趨勢變化是什麽?
「更為平靜」是李誌飛給出的關鍵詞。 2023一年中,新概念、新詞匯、新知識層出不窮。比如在3月份,作為業內人士的李誌飛還沒有聽過AI Agent這個詞匯,但到了4、5月份所有人都在圍繞Agent進行討論。同時,行業不斷推出新的大模型,對於新的知識和討論非常熱鬧。今年來看,能夠讓人興奮的一個是Sora,一個是人形機器人。行業感受更為平靜。
「卷」是傅盛認為的關鍵詞。 2023年AI訓練模型出現一次又一次,其中指標一個比一個高。前不久,GPT-4o釋出,很多人都認為非常震撼。但在Open AI並沒有釋出GPT5或者GPT 4.5,進行大模型效能的巨大提升,而是開始卷套用、工程化、成本。沒有持續提升大模型效能的背後,傅盛認為是演算法的更新遇到了瓶頸。
「無限可能」是汪玉寫出的關鍵詞。 他表示,高校中越來越多的年輕人,開始嘗試AI。4月,清華大學成立了人工智慧學院。圍繞AI的兩個方面,AI core方麵包括演算法的演進有很多企業都在進行升級;AI plus方面,各行各業都開始動起來,想要找到AI在行業內的發力點。
「想象」則是張建中的關鍵詞。 他說到:「貧窮限制想象。」大部份人都是貧窮的,對於創業公司來說,融資幾個億、十個億看似很多,但也無法支持建設算力中心。哪怕是Open AI非常有錢,但它的算力資源同樣不夠。因此,關鍵在於解決因為貧窮沒有資源,導致公司無法去試驗,無法去叠代的關鍵問題。
![](https://img.jasve.com/2024-5/845f217fc8e5930abcd2b9ca60a38656.webp)
「商業化品質」是朱嘯虎作為投資人的關鍵詞。 他認為,在國內創業不要過度追求技術問題,因為技術叠代非常快。關鍵是公司能不能達到商業化,產品交付給客戶。有很多「日拋」型的AI產品,正是因為沒有達到商業化要求,客戶在首次登陸後不會持續使用。因此,AI創業中達到商業化要求十分重要。
未來AI流派:技術信仰派or市場信仰派
![](https://img.jasve.com/2024-5/45ac19c6f303e19ca544f653cc18ef65.webp)
張建中認為AI的發展需要依靠的是行業和技術。 行業先行,任何技術創新如果沒有行業,那麽就無法商業化。先行行業可能是AI最新改造和加快創新的地方。AI能夠在很多行業具有很好的商業化價值。
他舉例說到,早期的人臉辨識,準確度在60%左右,在深度學習後能夠達到90%的準確度。再到後面,商業化落地後,人臉辨識甚至比人能夠辨認得更加精準,人眼分不出的雙胞胎,AI可以做到。
目前國內很難進行不考慮商業報酬的研發,所以行業一定要先行。但行業先行有先天條件,需要跨領域、跨專業的人才。如果AI要在某個領域發展,那就需要既懂專業知識,又懂AI知識的人才。 行業先行的背後,還是人才驅動行業發展。
![](https://img.jasve.com/2024-5/b5413bf1e5b0b2a3db0b72aa935953ff.webp)
「長期技術、短期市場」是傅盛給出的答案。 先來看技術,技術正在改變社會的生產力、結構和效率。AI對行業模式的影響肯定存在,因此傅盛還是樂觀看待技術。但是短期需要註意:技術並不是一個線性發展的過程。技術往往是一次突破帶來一波市場化套用,技術是階段性的,在真正落地的時候,不要相信技術每年都和去年一樣。
在80年代,機器人技術成本高於人工勞動成本的時期,將自動化產業變為人工手動組裝的靈活生產,反而讓生產效率大幅提升。因此,創業者看1-2年的東西一定要和市場緊密結合。
此外, 傅盛認為,在資源有限的條件下,才更能夠根據市場的需求進行創新。 「資源陷阱」的意思在於,有時候過度迷信技術本身帶來的爆發力,而不計成本的投入,這反而會導致行業泡沫的破滅。所以,做AI的創業者應該更全面地去關註套用,關註市場如何從市場上拿到報酬。
李誌飛則認為技術和務實才能夠使得企業在AI的潮流中發展得更好。 對於技術創業者來說,對於技術的信仰是隱藏在基因中的本能,但早期很多技術創業者會有誤區:太不務實了。打著理想的旗號回避現實的問題,比如做了很多產品,總認為使用了前沿技術,無人使用是使用者的問題。 實際上,創業者多關註商業、多面對競爭,多了解技術是否是使用者需求,這方面才更加重要。
![](https://img.jasve.com/2024-5/c354530a83d0c22f5a73748c35dee71a.webp)
汪玉同樣給出了技術和商業兩條路。 在高校中,對於技術的執念是天然存在的。他分享的更多的是關於商業。行業總是在等待技術的突破後,期待帶來的一批商業化進展。因此「高校科研成果轉化」頗受業內關註,但「社會資訊輸入」被提及的少。關鍵在於高校教授、研究人員,能不能在早期的時候意識到世界上缺什麽東西。研究出一個系統的技術方案,在理論上突破把事情解決。現在從高校和商業溝通,再回到技術,這個路線的閉環還不夠快。
在企業中,能夠做1-3年的研究就已經很不容易了。但對於高校、研究機構,可以做5-10年的研究,因此如果把一些技術難題放到高校中,形成一個更良好的生態,還是需要業內一起努力的。
此時,黃仁勛最擔心的是什麽?
汪玉表示,對於大模型來說,生態的出現使得曾經需要2000個算子,到現在可能只需要200個算子,因此GPU的需求會受到影響。原來,GPU的效能很好,所有人都在討論對於GPU的需求。慢慢的,市場可以不使用CUDA只提供硬體。用外掛程式的方式,所以底層到底使用什麽芯片,其實不一定會有這麽明確的需求。
李誌飛表示,中國和美國有很多不同,從創業、選擇到路徑都有所不同。對於輝達來說最大的AI營收,80%還是來源於各個巨頭,因此最擔心的應該是巨頭自己幹。比如Mata、微軟、谷歌都在自研芯片。當模型的所有套用、價格都統一收斂後,大型公司會做一個效能差不多,甚至更便宜還能自己掌控的硬體。本質上,大模型投入是不是能配得上使用者的需求,這才決定演算法收費是否永續。
張建中表示,黃仁勛應該在擔心下一個AI的套用是什麽?
一個雞生蛋還是蛋生雞的問題:到底是Transform 在GPU中加速好,還是有GPU才有Transform。生態是很重要的,所有東西都需要生態。他認為,有了GPU之後,Transform才能發展的更好;同時有了Transform後,也在推動GPU的架構更好的改進。現在,Transform已經有了各種變化,那下一個是什麽。
在大模型語言加速過程中,每一個小小的演算法變化都是技術架構帶來了新的改進。對於通訊方面的要求,對於scaling的要求,都是改進GPU最好的地方。因此,如果有人問GPU是否能適應下一代未來的技術?答案是:OF course。此外,張建中表示,GPU產品的叠代速度並不比大模型更慢,反而GPU 架構的叠代也在加快。
黃仁勛或許認為,GPU永遠不會失敗的,不會被替代別人替代持,傅盛對此持否認態度。他表示,整個AI行業都在朝著裁剪參數的方向靠近。谷歌釋出了第一個搭載手機原生的大模型,作為演示谷歌當場辨識了詐騙電話。也就是,把反詐騙APP裝在手機上了,這不需要消耗任何伺服端的GPU。這條路如果走通10%,那10%的算力需求就會減少。目前,谷歌、蘋果都在做小參數模型。
另一方面,Open AI也在把Chat GPT 4 的構架精簡,在做推理最佳化,省更多的GPU。因此,當軍備競賽走到現在,一個巨大的趨勢是使用更小的算力、更低的成本,提供更好的服務。
*聲明:本文系原作者創作。文章內容系其個人觀點,我方轉載僅為分享與討論,不代表我方贊成或認同,如有異議,請聯系後台。