奇績創(chuàng)壇分享：從科學(xué)家到創(chuàng)業(yè)者的科技創(chuàng)新

引言：近期，朱瓏博士受邀在奇績創(chuàng)壇分享《科技創(chuàng)新：從科學(xué)家到創(chuàng)業(yè)者》。朱瓏博士是依圖科技創(chuàng)始人，人工智能科學(xué)家，加州大學(xué)洛杉磯分校統(tǒng)計學(xué)博士，曾在麻省理工學(xué)院人工智能實驗室、紐約大學(xué)Courant研究所擔(dān)任博士后研究員。

本文要點

• 科技和創(chuàng)業(yè)：從企業(yè)、遠見、戰(zhàn)略、市場、產(chǎn)品5個角度出發(fā)，科研項目如何轉(zhuǎn)化為創(chuàng)業(yè)公司，在商業(yè)化層面需要做什么準備。
• AI 新黃金時代：朱瓏博士認為，AI 新黃金時代已來臨，即將開啟物理材料構(gòu)建智能體的篇章。

科技和創(chuàng)業(yè)

Enterprise = Vision | Strategy | Product x Market

第一部分是關(guān)于科技和創(chuàng)業(yè)。

用一橫一縱的圖描述企業(yè)。

縱軸Vision|Strategy|Product是不同時間跨度關(guān)心的事情，分別是遠見看十年，戰(zhàn)略看五年和產(chǎn)品看三年，從遠到近，從模糊的正確到具體的執(zhí)行。

企業(yè)基本上以V|S|P為軸，把長短期目標連接起來。

橫軸展現(xiàn)企業(yè)以什么組織形式，其重心以產(chǎn)品x市場張成組織結(jié)構(gòu)的底，具體結(jié)構(gòu)取決于什么樣的產(chǎn)品陣列以及服務(wù)什么樣的客戶，大體分為ToB、ToC市場。

橫軸從右到左是由表及里的拆分，其中比較重要的是財務(wù)和人事。財務(wù)以數(shù)字化指標來指導(dǎo)企業(yè)運營，基礎(chǔ)指標：收入、利潤、現(xiàn)金流和增長率，用來衡量企業(yè)運營效率和產(chǎn)品競爭力。人事關(guān)心以什么樣的組織薪酬結(jié)構(gòu)匹配業(yè)務(wù)需求，在A輪B輪等不同發(fā)展階段定制不同KPI激勵團隊達到更好的財務(wù)指標。最右側(cè)也是最表層容易被感知的企業(yè)運營。最左側(cè)最底層的是創(chuàng)始人的使命、價值觀和方法論，支撐遠見的達成。

創(chuàng)新路徑有很大不確定性，作為CEO，相比于管理層更需要Be comfortable with uncentainty。

Vision is a unique perspective about big things

遠見是一個非常獨特的看行業(yè)變革的視角perspective，本質(zhì)上只要有不同的角度，就會產(chǎn)生不同的Vision。

但Vision要討論BigThing是什么。比如英偉達CEO Jensen Huang 30年前對圖形卡的展望，隔十年對圖形卡和計算卡的演進關(guān)系是怎么構(gòu)想的，對摩爾定律在不同時代與同行有什么獨到的見解。

獨到的遠見非常珍貴，深刻的行業(yè)洞察很有幫助，但更多時候還靠企業(yè)家的直覺instinct和偏執(zhí)，很難短期訓(xùn)練形成。遠見指導(dǎo)形成差異化的戰(zhàn)略。

Strategy = Maximize ROI = Maximize Efficiency

商業(yè)領(lǐng)域非常關(guān)心戰(zhàn)略。戰(zhàn)略就是用方法論把模糊的遠見具體成產(chǎn)品路徑。在早期，戰(zhàn)略等同于產(chǎn)品策略，最開始要去找特定niche market，盡量在其中尋求高占有率，極度專注地通過產(chǎn)品獲得差異化競爭力，且能夠隨著時間擴大，而不是衰減。

值得特別注意的一點是，技術(shù)往往不是時間的朋友。技術(shù)的商業(yè)價值不在于第一個的出現(xiàn)和領(lǐng)先，而是在于優(yōu)勢的持續(xù)性。

另外可能容易混淆技術(shù)的整體社會價值和特定機構(gòu)的商業(yè)價值，比如AI對社會的價值大不大，很大！那特定的公司在AI領(lǐng)域里分到的價值大不大？這是兩個命題。技術(shù)必須和市場和商業(yè)化的過程相結(jié)合，才能構(gòu)建競爭力和壁壘。

戰(zhàn)略最重要的是對市場規(guī)模預(yù)測。Scale is everything。市場最好有規(guī)模效應(yīng)，占有者容易形成對比優(yōu)勢。容易忽略的是節(jié)奏。半導(dǎo)體領(lǐng)域有眾所周知的摩爾定律，18個月翻一倍。這個定律本身不是在談一個物理規(guī)律， 其實是在談行業(yè)的供需周期或者競爭規(guī)律。比如說手機、芯片、服務(wù)器、汽車都有各自不同的行業(yè)節(jié)奏。很多創(chuàng)業(yè)團隊從最快節(jié)奏的互聯(lián)網(wǎng)領(lǐng)域來。但技術(shù)應(yīng)用到其他行業(yè)，像是制藥，醫(yī)療，企業(yè)服務(wù)等行業(yè)，智能化的改造節(jié)奏沒有那么快，但多年訓(xùn)練習(xí)慣是快節(jié)奏，與行業(yè)的慢節(jié)奏產(chǎn)生錯位匹配。所以太快和太慢都會成為問題，節(jié)奏是戰(zhàn)略中非常重要的一環(huán)。

創(chuàng)業(yè)要面對很多創(chuàng)新。但沒有討論風(fēng)險的創(chuàng)新往往是假的。只有管理團隊把風(fēng)險計算清楚，才可能對創(chuàng)新的本質(zhì)和邊界有更好的把握。風(fēng)險的計算是重要的基本技能，需要培訓(xùn)和練習(xí)。快速試錯并以非常低成本試錯是創(chuàng)新的重要方法。

戰(zhàn)略需要具體執(zhí)行，就需要量化。有一個基礎(chǔ)但很重要的量化概念叫投入產(chǎn)出比ROI。美團非常好地把戰(zhàn)略等價于在某一時空下最大化ROI。憑借商業(yè)直覺衍生出的看似抽象的戰(zhàn)略變得可量化，可推導(dǎo)，可比較，可驗證。但戰(zhàn)略可選擇的空間強依賴于企業(yè)自身的組織能力，需要有耐心成長組織能力并等待與之匹配的戰(zhàn)略窗口。

商業(yè)領(lǐng)域另一個解讀戰(zhàn)略的經(jīng)典視角：唯一有效的企業(yè)戰(zhàn)略就是提高經(jīng)營效率。效率是用利潤率加增長率這樣的財務(wù)數(shù)字來量化企業(yè)的競爭力，也叫效率公式效率=利潤率+增長率。效率指數(shù)40%是值得參考的基線準則，比如說追求高增長率，可以的配比是利潤率-20%+增長率60%，或者平衡一些20%+20%?？傊畠身椣嗉幼鳛橹笖?shù)度量企業(yè)競爭力，這在財務(wù)數(shù)字上把企業(yè)的宏觀戰(zhàn)略連接到微觀運營。效率公式在數(shù)學(xué)本質(zhì)上和ROI相同，例如保持20%的利潤率6年約等于ROI=3。利潤率20%或ROI=3恰好都是行業(yè)巨頭業(yè)務(wù)決策的指導(dǎo)標準。

利潤率可以根據(jù)產(chǎn)品毛利率減去運營成本計算獲得。毛利率是非常重要的度量產(chǎn)品競爭力的指標。雖然不同行業(yè)的產(chǎn)品會落在不同的毛利率區(qū)間，軟件、服務(wù)、系統(tǒng)、硬件，芯片等產(chǎn)品形態(tài)有些差異，但總的來說60%毛利率是全球市場很好的經(jīng)驗指導(dǎo)值，行業(yè)第一的毛利率大概都會在此之上，高毛利率讓企業(yè)利潤率能夠在20%以上，例如微軟、谷歌、蘋果、英偉達、英特爾等。如果是比全球市場小些的市場，指導(dǎo)值相應(yīng)調(diào)低至50%。海康就在此區(qū)間，同時也非常出色地做到了高利潤率。第二名因為市場占有規(guī)模更小成本更高，毛利率與第一名的差距略小于10%，利潤率因此也受一定擠壓。再往下接近30%就是一個產(chǎn)品公司能夠盈利的底線。毛利率下降也反映競爭的加劇。生產(chǎn)制造比較重的行業(yè)例如汽車，毛利率會低很多，如何維持好的利潤率就非?？简炦\營效率。

最近科技創(chuàng)業(yè)的商業(yè)化受到廣泛關(guān)注。分析一下毛利率就可以理解為什么市場對很多技術(shù)企業(yè)的擔(dān)心和質(zhì)疑，很多產(chǎn)品并沒有體現(xiàn)出差異化的競爭力。當(dāng)然，從另一角度看，技術(shù)找到市場規(guī)?；闹问瞧D辛的歷程，也需要更多的耐心和理性的支持。

Market = SaaS | PaaS | IaaS x Cloud | Edge

創(chuàng)業(yè)很重要的一個環(huán)節(jié)是市場和產(chǎn)品的匹配（product-market-fit）。越是創(chuàng)新的商業(yè)模式或產(chǎn)品品類意味著剛開始沒有客戶。行業(yè)格局的分析有助于定位在什么樣的上下文討論。

以大的IT行業(yè)格局為例進行拆解，分為橫軸和縱軸，橫軸左側(cè)是云中心，右側(cè)是邊緣端，有代表性的公司的產(chǎn)品形態(tài)以及產(chǎn)品所構(gòu)成的產(chǎn)業(yè)鏈條從上到下為SaaS | PaaS | IaaS，依次從偏軟的應(yīng)用服務(wù)到操作系統(tǒng)，到偏硬的服務(wù)器、芯片，最后到生產(chǎn)制造。

整個IT行業(yè)的幾十年的演化，大概就是橫軸和縱軸或分裂或整合的過程。合縱連橫的歷史中，橫向的有云和端之爭；縱向的有軟和硬之爭；內(nèi)部有操作系統(tǒng)之爭，有芯片架構(gòu)路線之爭，有計算機控制權(quán)之爭；還有垂直整合系統(tǒng)和開放平臺的模式之爭。

總的來說，機會往往出現(xiàn)在Gravity of innovation shifts。從產(chǎn)業(yè)格局圖分析裂變和整合的規(guī)律，預(yù)測重大時點和條件，指導(dǎo)市場切入的時機和形式。

Product is an art of tradeoff between performance and cost

給定一個行業(yè)市場后，非常重要的就是產(chǎn)品定位和路線。

產(chǎn)品策略圖用兩個軸展示：橫軸是性能即先進性，縱軸是成本。根據(jù)產(chǎn)品定價和成本即可計算毛利率，反之亦然。紅線是用戶能夠接受的最低成本，這是一個非常重要商業(yè)化的指導(dǎo)線。越過紅線的右下區(qū)間，就是可盈利區(qū)間。最右下的這一條綠線，是科學(xué)原理指導(dǎo)下極致成本的底線，也可以稱為第一性原理線，類似特斯拉CEO Elon Musk談到的新能源車，火箭發(fā)射等。紅線和綠線之間的金線是商業(yè)歷史大概率會發(fā)生的線。金線的右下區(qū)間就是世界超一流公司的高毛利率區(qū)間。金線上方和紅線中間是盈利區(qū)，但比60%高毛利率低一點。

三類產(chǎn)品模式A，B，C對應(yīng)不同產(chǎn)品策略。其中A是最成功的主流模式，表征是極強的產(chǎn)品力支撐著穩(wěn)健的商業(yè)盈利能力，代表有蘋果的手機，英偉達的圖形計算卡，特斯拉的新能源車。路線就是從A到A’這個過程，用極高的技術(shù)實力貼近工程極限做出超高性價比產(chǎn)品，用戶能接受，商業(yè)上也很賺錢。

B是劃時代顛覆式創(chuàng)新者的早期，例如蘋果、英偉達、特斯拉，追求極度超前的性能區(qū)間而先忽略成本約束，后續(xù)目標是走進B‘的區(qū)間從用戶不能接受到用戶接受，再轉(zhuǎn)入高利潤的A區(qū)間。B模式顯然風(fēng)險極高，原因來自該區(qū)間藍線極其陡峭的研發(fā)成本曲線以及不可預(yù)見性，需要極高的前瞻性、資源整合能力和偏執(zhí)狂的毅力。B的極難模式很容易使企業(yè)進入生死邊緣，最考驗創(chuàng)新者的勇氣。正因為此，劃時代重復(fù)著激蕩人心的英雄故事。

大部分的產(chǎn)品在哪個區(qū)間呢？就是C區(qū)間，技術(shù)不是最先進的，但整體運營能力很強，達到很不錯的盈利能力。C相比A，產(chǎn)品性能因為自身能力策略性的選擇落后一些，但因為技術(shù)更可預(yù)見，該區(qū)間藍線對應(yīng)的研發(fā)風(fēng)險和成本相比A模式也大大降低。C持續(xù)增長的市場占有轉(zhuǎn)換成研發(fā)投入也能侵蝕轉(zhuǎn)入A區(qū)間。TSMC除了是Fabless模式的遠見者，更是靠扎實的運營積累從C向A突破的極佳案例。華為是另一個商業(yè)史上極其成功且能把方法論推廣通用到多個行業(yè)的從C到A躍遷的范例。

根據(jù)這樣的產(chǎn)品路線圖譜，分析各自站位，路線以及動態(tài)博弈，推演并制定產(chǎn)品應(yīng)對策略。

AI新黃金時代

IT時代變遷

1970-1990 小型機時代, 個人無感。

1985-2005 PC時代, 讓個人擁有十核算力在桌面 — High frequency&multicore。

1995-2015 互聯(lián)時代, 讓個人擁有無窮數(shù)據(jù)在云間 — Search。

2000-2020 移動時代, 讓個人擁有百核算力在掌間 — Touch Screen&Battery。

2005-2025 云時代, 讓個人擁有萬核算力在云間 — Distributed Computing。

2015-2035 智能時代, 讓個人擁有智能體在身邊 — Intelligent Computing。

2025-2050 夢境時代, 讓個人擁有真實夢幻 — Simulation Computing。眼前的虛擬世界是過去真實世界的映射。

縱觀50年，算力躍遷是信息革命的內(nèi)在驅(qū)動力。當(dāng)前正處于AI的新黃金時代，將開啟物理材料構(gòu)建智能體的篇章！

十年序曲

Al過去十年大概分三個階段。

從2012-15年處于起步階段。以深度學(xué)習(xí)在對大規(guī)模數(shù)據(jù)上的性能結(jié)果被工業(yè)界所認可作為起點，AlphaGo成為全社會討論熱點為重要里程碑。

從2016-18年為熱點時期。在各行業(yè)場景的應(yīng)用蓬勃發(fā)展。

從2019-21年，AI為代表的高科技進入國際核心競爭領(lǐng)域。恰好在同一時期，也出現(xiàn)了對AI行業(yè)的質(zhì)疑，無論技術(shù)商業(yè)化探索過程的曲折，還是市場合理的挑剔，在國際競爭大背景下，AI技術(shù)創(chuàng)業(yè)背負了超越一般商業(yè)化挑戰(zhàn)的艱辛。

創(chuàng)新者困境dilemma往往可以用四象限刻畫。右上角是勇敢且執(zhí)著的創(chuàng)新者；右下角是自以為獅子的貓；左上角是自我懷疑者；左下角是泡沫中自我否定的沮喪心態(tài)。技術(shù)和市場的發(fā)展周期在不同階段，節(jié)奏上和行業(yè)內(nèi)外的預(yù)期有巨大分歧時，總會分出這四象限人格，越是熱門行業(yè)，越有極端的表現(xiàn)。

新黃金時代

AI發(fā)展十年，當(dāng)市場產(chǎn)生疑問時，看看世界前沿在思考什么？借用三位大師的名言描述一下對未來十年的展望。

第一位是數(shù)學(xué)家David Mumford，1974年的菲爾茲獎得主，曾是美國總統(tǒng)顧問。2020年他寫的一篇文章，“Al模型和人類大腦結(jié)構(gòu)驚人的相似”，擁抱以新一代Transformer為主的算法架構(gòu)。

第二位是計算機架構(gòu)理論學(xué)家David Patterson，圖靈獎獲得者，RISC開創(chuàng)者，也是Google TPU的設(shè)計者。同年，他對AI有一個專門文章 “計算機架構(gòu)的新黃金時代”。

第三位是極負盛名的工程師Jim Keller，曾是英特爾、蘋果、AMD的主流芯片以及特斯拉自動駕駛芯片的架構(gòu)師。他用職業(yè)生涯的切換來證明“這是AI新時代的開啟，變革大大超過移動和互聯(lián)的時代”。

世界最前沿的大師一致相信Transformer能把Al帶向新的篇章。兩年來各個領(lǐng)域巨大進展也驗證了他們的展望。比較熱門的OpenAI的GPT-3的結(jié)果，大概是由1300億個參數(shù)構(gòu)成的大模型。GPT-4在此基礎(chǔ)上可能再翻200-500倍，有理由想象，生物和化學(xué)的奧賽競賽題Al基本能做了，下一個攻克的難題是數(shù)學(xué)奧賽競賽。最近DeepMind關(guān)于矩陣數(shù)學(xué)計算的進展，都是令人振奮的。

人類大腦是二十多瓦的能量消耗，新時代Al的大模型不受這么嚴格的能量約束，會超越大腦。通過超大規(guī)模模型和計算，顛覆智能目前可以達到的邊界?？赡懿粫唐谝粌赡曛畠?nèi)有舉世矚目的產(chǎn)品，但我們預(yù)測，以十年為周期，會是翻天覆地的變化，深刻影響各行業(yè)以及各科學(xué)領(lǐng)域。包括大家比較熟悉的DeepMind做的蛋白質(zhì)三維結(jié)構(gòu)預(yù)測。還包括物理的混沌系統(tǒng)，數(shù)學(xué)的偏微分方程等等都會有重大進展，甚至超過深度學(xué)習(xí)的開創(chuàng)者Geoff Hinton本身的想象。

算力變革核心在于密度

AI新變革的技術(shù)核心在于“算力密度”。

在大數(shù)據(jù)時代，數(shù)據(jù)是量大，云計算是計算量大，但是密度都不大。

新Al的特點是高密度的運算，超過過去幾百倍。

IT行業(yè)40年的變遷，就是由算力的密度產(chǎn)生巨大的變化，引導(dǎo)著互聯(lián)，移動，云以及現(xiàn)在的智能產(chǎn)生巨變。

不算嚴謹?shù)乃懔Ψ诸怌PU、GPU和AI，分別對應(yīng)單位指令下的計算密度或是單位數(shù)據(jù)下的計算密度百倍級的頻譜劃分。

新的基于數(shù)據(jù)計算的體系結(jié)構(gòu)圍繞著算力密度的演變來設(shè)計。

學(xué)習(xí)范式的躍遷

新AI還是一個學(xué)習(xí)范式paradigm的變遷。

傳統(tǒng)AI即機器學(xué)習(xí)時代以規(guī)則驅(qū)動，其高級形態(tài)是人類專家設(shè)計的模型。

新Al的變革就是從這種規(guī)則驅(qū)動或模型驅(qū)動變成了大數(shù)據(jù)驅(qū)動，超大規(guī)模的數(shù)據(jù)喂給算法形成模型。

當(dāng)前的趨勢是進入到基于大模型的大算力驅(qū)動。單個模型的訓(xùn)練需要近億美元的算力成本，極大的拉開模型的規(guī)模以及表示能力。

再往后展望，以大算力為基礎(chǔ)的大仿真驅(qū)動。數(shù)據(jù)不再局限于物理世界時空約束，而是仿真數(shù)據(jù)，就是仿真和學(xué)習(xí)訓(xùn)練交替進行的一個自學(xué)習(xí)系統(tǒng)，進入全新的無窮的虛擬和真實物理世界邊界模糊的境界，極大提升學(xué)習(xí)效率，催生超級巨無霸的智能體。

交流

Q1: 過去幾年Al特別火，從外部的感覺來說，視覺這個賽道很卷，做的好像差不多，都在做智慧城市。在這種競爭情況，我很好奇怎樣跟友商競爭？剛才您也說過毛利率低說明了產(chǎn)品的差異化不大，這種情況下，怎樣去找市場，打出差異化戰(zhàn)略？

A: 雖然很多AI公司毛利率很低沒有充分體現(xiàn)技術(shù)價值，但也有高的。我們很重視技術(shù)差異化價值，并有不錯的毛利率表現(xiàn)。假定智慧城市是熱門的應(yīng)用市場，真實的市場里往往有很典型的競爭者，只是不被外界經(jīng)常比較。按照上圖的行業(yè)格局圖對應(yīng)的有ICT通訊和計算公司華為，IoT端側(cè)智能公司海康，云公司阿里，再往上才是熱門的AI公司、各類行業(yè)系統(tǒng)應(yīng)用公司以及集成商。他們以各自產(chǎn)品矩陣參與競爭，雖然擅長的產(chǎn)品供給不太一樣，但或多或少都有AI能力。首要的競爭還是巨頭間的競爭。創(chuàng)新勢力需要找到合適的定位參與?；氐叫袠I(yè)格局圖，包括有橫向的，端側(cè)為主還是云為主的演進路線的競爭，有縱向的，AI、云、基礎(chǔ)硬件設(shè)施的主導(dǎo)價值競爭。按此分析各自優(yōu)勢，有很多行業(yè)史上的“合縱連橫”案例供參考。

Q2: 您提到未來會出現(xiàn)超越人類智能的人造智慧體。怎么樣在法律、社會，人類認知來接納這樣一個東西，或者說直接立法不允許這方面的工作，您是怎么看這個問題。

A：在頂級學(xué)術(shù)圈都出現(xiàn)了貧富差距，技術(shù)大階躍設(shè)立了一個排他性門檻。假設(shè)這個趨勢成立，什么樣的環(huán)境才能應(yīng)對這個挑戰(zhàn)呢？治理的底層有個主導(dǎo)權(quán)問題。打個比方，倚天劍屠龍刀應(yīng)該放在哪里？放在少林安全嗎？少林有了倚天劍還能克制不作惡嗎？這更需要政治和法律專家來解答。

Q3: 基于芯片制造工藝已經(jīng)差不多接近物理極限了，摩爾定律受到了挑戰(zhàn)。因為一個是量子的碎穿效應(yīng)，一個是受硅的原子大小限制，這個會怎樣影響Al算力的增長，然后怎么克服這個問題?

A：大師Jim Keller在新創(chuàng)業(yè)公司做的事情給了很好的解法，不以英偉達GPU的計算卡路線，也不只是享受制程演進的紅利，而是基于強互聯(lián)技術(shù)的一種可擴展的計算形態(tài)，例如上百萬計算核心形成一個超級計算裝置。這些架構(gòu)上的變革對應(yīng)著算法側(cè)的超大模型的訓(xùn)練是全新的形態(tài)。特斯拉的Dojo系統(tǒng)也是很好的實踐，最近的進展是令人興奮的。

Q4: 我們是做量子加密技術(shù)的，直觀上認為我們防的主要是量子計算機的威脅，但是我們認為可能Al模型更快把現(xiàn)有的密碼學(xué)體系攻破。Alphafold沒出現(xiàn)之前，搞量子計算的認為蛋白質(zhì)折疊更應(yīng)該量子計算機的菜，但是Alphafold把它解決得很好了。所以我非常關(guān)心從Al的視角來看，后面還有多少路可以走，就是能跟量子計算機能競爭多遠。

A：量子計算我不是專家，不敢去比較。但分享不同于技術(shù)層面的感悟。新一代AI是一個超級無限大的大模型，完成了一個類似于條件反射的機理，條件反射意味著大腦沒有思考，意味著是沒有意識的智能體！這個感悟給人非常大的認知震撼。科學(xué)家一直有好奇心，研究大腦、智慧和意識。意識是確切的知道看見什么, 感受到什么, 思考著什么。但超級智慧的新物種只是應(yīng)激性的反應(yīng)，且在很多領(lǐng)域做出了超越人類智能的反應(yīng)。在哲學(xué)層面上讓人shock?；谶@個感悟，瞬間理解了最前沿的DeepMind CEO Demis在訪談中提到的“大腦只是客觀世界的一種仿真”，原來覺得這是挺玄幻的描述，現(xiàn)在理解起來是如此樸素。大腦是一種幾十瓦能量約束下對客觀世界的一種仿真。新AI是一個能量約束放寬千倍的另一種仿真。而且在很多領(lǐng)域，大部分人類的經(jīng)驗、直覺和創(chuàng)造開始顯得沒有價值，對人類意義提出根本的挑戰(zhàn)。

Q5: 現(xiàn)在大家會覺得說這個模型變得越來越大之后，會有這種智能的涌現(xiàn)。現(xiàn)在看到的趨勢會有Transformer架構(gòu)一統(tǒng)天下的感覺。對于我們小機構(gòu)來說，不是一個非常好的現(xiàn)象?？梢杂?xùn)練大規(guī)模的模型，全世界有幾家呢？在這種情況下，國內(nèi)外最頂級的機構(gòu)，該怎樣發(fā)展呢？

A：這是一個現(xiàn)實的挑戰(zhàn)，技術(shù)人才有集中化的趨勢。大部分學(xué)術(shù)圈和工業(yè)界對比大模型的進展，算法模型和數(shù)學(xué)上的調(diào)整在結(jié)果層面都不夠顯著。從商業(yè)現(xiàn)實看，小公司不適合在最前沿探索。像DeepMind和OpenAI都沒有完成商業(yè)化證明，是個非典型的“另類”存在。出路可能也得像他們的創(chuàng)立淵源一樣，有中國智慧的Billionaire站出來捐助最前沿的探索。

Q6: AI從業(yè)者對Al都是有很多的熱情。如果20年之后，人工智能沒有走進每個人的生活，我覺得技術(shù)是停止進步的。如果您現(xiàn)在是OpenAI的CEO或者是Google的老大，不缺錢不缺算力的情況下，您怎么看10年20年之后，Al和智能的一個狀態(tài)，跟人的engage會達到什么樣的狀態(tài)。

A：我覺得最簡化的智能形態(tài)需要Energy+Motor+Sensor。生命之所以能演化出智能很重要的條件是會”動“，類似植物和動物的區(qū)別，不管智能體的智能水平高低，都有與外界的交互和規(guī)劃能力。特斯拉其實已經(jīng)給出了智能研究的路線圖，先以自動駕駛的汽車為初級智能體形態(tài)，然后下一代智能體是直立行走的人行機器人，雖然比汽車自動駕駛更難很多，但相信他們基于最前沿的進展做了充分考慮后的節(jié)奏布局，未來五年會有巨大的進展。

— 完 —